人工智能（AI）革命自半個多世紀前誕生以來，給整個世界帶來巨大沖擊。特別是在過去十年當中，AI已經(jīng)由學術(shù)領(lǐng)域的研究方向，轉(zhuǎn)化為我們?nèi)粘Ｉ钪胁豢苫蛉钡慕M成部分。如今，我們習以為常的AI業(yè)務(wù)策略主要以數(shù)據(jù)為中心構(gòu)建而成，專有數(shù)據(jù)甚至成為AI企業(yè)最具戰(zhàn)略意義的資源儲備。但在未來幾年中，專有數(shù)據(jù)將不再是一種獨特的資產(chǎn)，這意味著以專有數(shù)據(jù)為基礎(chǔ)的差異化優(yōu)勢在可持續(xù)層面將持續(xù)走低。因此，整個世界很可能由基于數(shù)據(jù)的AI策略，轉(zhuǎn)化為基于知識的AI策略。

大數(shù)據(jù)的發(fā)展，利益于眾多傳感器的部署、互聯(lián)網(wǎng)連接的普及以及計算能力、通信能力與數(shù)字存儲等層面軟硬件的大幅改進，這也使AI技術(shù)培訓得以從小型學術(shù)研究項目變身成為大規(guī)模企業(yè)生產(chǎn)級應用程序。在本質(zhì)上，大數(shù)據(jù)要求復雜的AI模型從中分析并提取知識與洞見，而這些AI模型又需要海量大數(shù)據(jù)進行訓練及優(yōu)化。因此，目前AI企業(yè)往往將數(shù)據(jù)視為重要的戰(zhàn)略儲備，這種趨勢在風險投資領(lǐng)域也變得愈發(fā)普遍。事實上，近期不少初創(chuàng)企業(yè)已經(jīng)將數(shù)據(jù)收集作為其業(yè)務(wù)戰(zhàn)略的核心。越來越多的同類廠商開始強調(diào)他們所掌握的獨特數(shù)據(jù)集以及能夠進一步獲取其他專有數(shù)據(jù)的長期策略，并將此視為一種可持續(xù)的從業(yè)壁壘。此外，由于AI工具與AI即服務(wù)平臺使得AI模型開發(fā)快速進入商品化階段，再加上公共開放數(shù)據(jù)集的持續(xù)涌現(xiàn)，人們建立并捍衛(wèi)自己數(shù)據(jù)圍欄的需求也變得愈發(fā)顯著。

在如今的技術(shù)生態(tài)系統(tǒng)中，誰擁有更先進的AI程序、誰對專有數(shù)據(jù)的控制能力更強，誰就能從市場上獲得更多回報。這也被視為一種巨大且可持續(xù)的競爭優(yōu)勢。以谷歌與Netflix為代表的廠商，已經(jīng)在多年的運營中開發(fā)并整理出規(guī)模龐大的權(quán)威數(shù)據(jù)集，無數(shù)其他企業(yè)則滿懷欽羨在他們身邊亦步亦趨、希望復制他們的成功。但面對Netflix復雜精妙的數(shù)據(jù)策略，競爭媒體服務(wù)供應商與劇集制作企業(yè)根本無法望其項背。

但隨著預期數(shù)據(jù)交換能力與交換意愿的提升，我們相信在未來十年之內(nèi)，專有數(shù)據(jù)建立起的準入門檻恐怕將無法持續(xù)。雖然數(shù)據(jù)仍將成為AI價值引擎的重要燃料，但知識在AI業(yè)務(wù)策略中的比重將越來越大。

將AI價值金字塔向上推進至知識層

如果存在一座AI價值金字塔，那么其基底部分無疑是數(shù)據(jù)，而越是往上、知識的占比就越可觀。如今我們正處于“信息觸手可及，知識卻難覓形跡”的時代，因此將AI價值金字塔推向知識層已經(jīng)成為一種必需。

事實上，我們已經(jīng)看到眾多數(shù)據(jù)交換倡議旨在促進并加速這一趨勢的推進。我們希望通過商品化數(shù)據(jù)共享以換取有價值的知識乃至業(yè)務(wù)可行性?？傊?，數(shù)據(jù)將變得更加豐富、可用、可靠、標準化且成本低廉，而這一切也意味著數(shù)據(jù)將成為一種典型的商品。以此為基礎(chǔ)，將數(shù)據(jù)作為準入壁壘的理念也將不攻自破。

隨著物聯(lián)網(wǎng)（IoT）設(shè)備的激增，數(shù)據(jù)共享的可行性也將達到新的高度。此外，用于數(shù)據(jù)合并、共享與交換的新興技術(shù)、協(xié)議及標準也將及時跟上。展望未來，只要擁有明確的動機與意愿，數(shù)據(jù)共享能力本身也將成為一種重要優(yōu)勢。隨著數(shù)據(jù)這一準入壁壘在AI技術(shù)的沖擊下土崩瓦解，將有更多組織不懈收集自己的專有數(shù)據(jù)并將其作為一種重要商品。當然，這種數(shù)據(jù)的獲取及利用仍然頗具難度，回報也未必明顯，因此可能在戰(zhàn)略層面造成扭曲。這是因為盡管大多數(shù)組織已經(jīng)將AI視為自身業(yè)務(wù)體系中的一部分，但AI卻仍然不屬于傳統(tǒng)技能或者核心專業(yè)知識中的一分子。另外，AI訓練工程師、開發(fā)人員、產(chǎn)品負責人以及管理者的長期缺失，也將加劇這種戰(zhàn)略失衡并最終令以知識交換為目標的數(shù)據(jù)共享方案受到市場的廣泛認可。

歐盟最近提出的通過數(shù)據(jù)交換以產(chǎn)生知識倡議，就是這種將創(chuàng)造力與合作意愿加以結(jié)合的典型案例。他們希望建立起“單一數(shù)據(jù)市場”，幫助個人、企業(yè)及其他組織以非個人數(shù)據(jù)為素材提取洞見并做出更好的決策，借此與當前各主流技術(shù)巨頭開展競爭。

沖擊專有數(shù)據(jù)可持續(xù)性的另一大因素，在于新型數(shù)據(jù)解決方案的出現(xiàn)。這類解決方案能夠使用相對較小的數(shù)據(jù)集實現(xiàn)模型訓練。合成數(shù)據(jù)解決方案（例如生成對抗網(wǎng)絡(luò)）與其他樣本最小化技術(shù)（例如數(shù)據(jù)增強）有望使企業(yè)無需大量數(shù)據(jù)即可構(gòu)建起顛覆性的AI產(chǎn)品。

建立知識發(fā)展戰(zhàn)略

AI革命的未來將重塑企業(yè)賴以生存的現(xiàn)實市場，因此我們必須建立起有針對性的業(yè)務(wù)戰(zhàn)略。由數(shù)據(jù)向知識的轉(zhuǎn)變也將帶來新型框架、合作伙伴關(guān)系與商業(yè)模式，包括為知識創(chuàng)造提供數(shù)據(jù)、信息、AI模型、存儲以及計算容量的各參與方。面對這片前所未有的廣闊市場，企業(yè)應該盡快著手制定更側(cè)重于知識要素的發(fā)展戰(zhàn)略：

?建立知識儲備以替代數(shù)據(jù)儲備，并將這一基本原則視為未來業(yè)務(wù)戰(zhàn)略的核心。企業(yè)與組織應該為以知識為中心的時代做好準備——在這一新時代中，誰能提出正確問題、找到關(guān)聯(lián)度最高的預測結(jié)果并設(shè)計出最具顛覆性的AI應用方案，誰就能占據(jù)市場競爭的制高點。

?以自上而下的方式使用AI技術(shù)，圍繞應用程序與產(chǎn)品層組織業(yè)務(wù)體系。AI模型應根據(jù)特定的垂直行業(yè)與假設(shè)進行開發(fā)及訓練。例如，立足成像、診斷、遠程醫(yī)療、藥理學及其他臨床應用開發(fā)特定的醫(yī)療保健應用；或者面向車隊管理、公共交通以及其他交通參與因素構(gòu)建交管系統(tǒng)等。這類解決方案的開發(fā)要求我們將基于特定領(lǐng)域的豐富知識與實踐經(jīng)驗結(jié)合起來，同時匹配上下文信息與經(jīng)過良好調(diào)優(yōu)的AI模型。

?數(shù)據(jù)獲取計劃將只是一種短期性質(zhì)的戰(zhàn)術(shù)性追求，而基于知識的交流與合作伙伴關(guān)系則是更值得培養(yǎng)的長期業(yè)務(wù)戰(zhàn)略。去年，以色列創(chuàng)新局啟動了一項試點計劃，希望實現(xiàn)醫(yī)院與技術(shù)初創(chuàng)企業(yè)之間以知識為基礎(chǔ)的業(yè)務(wù)合作。這一合作在初創(chuàng)企業(yè)與醫(yī)院之間建立起數(shù)十個具體項目，促進了各醫(yī)院之間對原始（且以往幾乎無法使用）數(shù)據(jù)的積極交換，同時也幫助初創(chuàng)企業(yè)積累起新穎且寶貴的知識。

?最后，面向知識的業(yè)務(wù)轉(zhuǎn)變也應影響到組織內(nèi)的人力資源策略。企業(yè)應該為未來AI發(fā)展制定貼切且明智的人力資源管理策略。盡管部分初創(chuàng)企業(yè)仍然需要投入重金招聘數(shù)據(jù)工程師與科學家，但最理想的方法應該是將AI團隊設(shè)計為管理團隊，負責建立并推進AI知識合作伙伴關(guān)系、發(fā)明基于AI的應用程序/產(chǎn)品，并對AI革命的美好前景做出創(chuàng)造性的探索。這一切，在本質(zhì)上都代表著從以數(shù)據(jù)為中心向以知識為中心進行架構(gòu)重新設(shè)計。此外，AI團隊還應幫助人們理解其所運營領(lǐng)域的上下文。其中最核心的要點，是保證各團隊成員通過整體方法充分運用自己對于AI及特定職能領(lǐng)域的理解，而不再僅僅只扮演常規(guī)AI專家的角色。

總結(jié)來講，AI的未來取決于由強調(diào)專有數(shù)據(jù)集向跨實體共享數(shù)據(jù)并創(chuàng)造知識的轉(zhuǎn)變。為了成功實施相關(guān)AI策略，企業(yè)必須正確對數(shù)據(jù)、信息、AI模型、存儲、計算容量等要素加以組合，保證企業(yè)業(yè)務(wù)深深植根于知識這一最重要、最核心的差異性資源。
責任編輯:tzh