一家公司選擇的經(jīng)濟(jì)發(fā)展道路往往是依照時(shí)代背景來(lái)決定的，在不同的經(jīng)濟(jì)時(shí)局之下選擇正確的經(jīng)濟(jì)策略， 往往可以成為公司逆轉(zhuǎn)騰飛的轉(zhuǎn)折點(diǎn)。

一般來(lái)說(shuō)，經(jīng)濟(jì)繁榮時(shí)，公司注重的是整體的發(fā)展速度;而在經(jīng)濟(jì)困難時(shí)期，公司則更加注重生產(chǎn)效率—;—;也就是說(shuō)，在投入成本最小的條件下實(shí)現(xiàn)利益的最大化。

這種說(shuō)法當(dāng)然不是空口之談，我們可以在歷史的經(jīng)驗(yàn)中尋找證據(jù)。

自 20 世紀(jì) 80 年代以來(lái)，幾乎在每一次經(jīng)濟(jì)大衰退之后，企業(yè)家們往往都將公司的發(fā)展目標(biāo)和數(shù)字技術(shù)緊密捆綁起來(lái)，同時(shí)也更加注重軟件技術(shù)的創(chuàng)新。他們都企圖在原先生產(chǎn)力不出現(xiàn)嚴(yán)重縮水的條件下，通過(guò)利用數(shù)字技術(shù)幫助減少重復(fù)性的工作，從而節(jié)省人力資源成本。

而現(xiàn)在，新冠疫情帶來(lái)的經(jīng)濟(jì)衰退，又一次為數(shù)字技術(shù)和高新科技提供了發(fā)展的最佳時(shí)機(jī)。

有著多年風(fēng)險(xiǎn)投資經(jīng)歷的風(fēng)投經(jīng)驗(yàn)專(zhuān)家 Mark Gorenberg 在他之前發(fā)表的分析中提到，疫情大流行造成的經(jīng)濟(jì)衰退沒(méi)有成為 AI 的絆腳石，反而成為其發(fā)展的加速器。可以說(shuō)，疫情過(guò)后的經(jīng)濟(jì)復(fù)蘇將由迅速發(fā)展的人工智能所驅(qū)動(dòng)，也將作為更加適宜的大環(huán)境，加速人工智能的應(yīng)用進(jìn)一步發(fā)展。

經(jīng)濟(jì)復(fù)蘇往往建立在新興技術(shù)之上

美國(guó)國(guó)家經(jīng)濟(jì)研究局(NBER)的經(jīng)濟(jì)學(xué)家們發(fā)現(xiàn)了一個(gè)規(guī)律：隨著經(jīng)濟(jì)大蕭條的緩慢恢復(fù)，大面積的失業(yè)人口也隨之出現(xiàn)，但同時(shí)，這種蕭條加速了人們工作性質(zhì)的進(jìn)化，即由低端重復(fù)性工作向非常規(guī)工作的轉(zhuǎn)變。

其實(shí)，現(xiàn)有的許多工作任務(wù)是可以用自動(dòng)化完成的，但公司仍然分配給員工高重復(fù)性任務(wù)，比如說(shuō)數(shù)據(jù)分析，來(lái)增強(qiáng)他們對(duì)數(shù)字的判斷力，從而進(jìn)一步提高生產(chǎn)效率和生產(chǎn)質(zhì)量。這樣就形成了一個(gè)良性循環(huán)，公司既通過(guò)增加生產(chǎn)效率獲得更豐厚的利潤(rùn)，又提高了員工的工作能力。

但是，在經(jīng)濟(jì)大蕭條時(shí)期中，情況便變得復(fù)雜起來(lái)。失業(yè)率達(dá)到最高水平之后，人們會(huì)尋找更多提高技能的機(jī)會(huì)。因此，即使在經(jīng)濟(jì)復(fù)蘇后，盡管較復(fù)蘇之前的自動(dòng)化程度有所提高，但失業(yè)率卻并沒(méi)有隨之上升，反而降至歷史低點(diǎn)。

而新冠疫情的流行，將我們又一次被推入了衰退和復(fù)蘇的循環(huán)。當(dāng)然，相關(guān)行業(yè)也已經(jīng)期待著在下一輪的經(jīng)濟(jì)復(fù)蘇中，AI 和機(jī)器學(xué)習(xí)的迅猛發(fā)展帶來(lái)的產(chǎn)業(yè)革新，這也將為人工智能企業(yè)家創(chuàng)造新的寶貴機(jī)會(huì)。

參考上世紀(jì) 80 年代初的經(jīng)濟(jì)低迷時(shí)期，成功實(shí)現(xiàn)逆流而上、蓬勃發(fā)展的公司，都在經(jīng)濟(jì)復(fù)蘇十年的中期開(kāi)始了首次公開(kāi)募股(IPO):Lotus(美國(guó)汽車(chē)品牌)、Microsoft(美國(guó)微軟公司)、Oracle(美國(guó)甲骨文數(shù)據(jù)公司)、Adobe(著名圖形圖像和排版軟件的生產(chǎn)商)、Autodesk(美國(guó)電腦軟件公司)和 Borland(美國(guó)寶藍(lán)軟件公司)。

這些軟件的興起標(biāo)志著商業(yè)企業(yè)歷史上一個(gè)獨(dú)特的轉(zhuǎn)折點(diǎn)—;—;從總體來(lái)看，軟件公司對(duì)資本支出或人事費(fèi)用的要求很低，同時(shí)，公司的毛利率高達(dá) 80% 或更多。這種得天獨(dú)厚的優(yōu)越條件使它們?cè)诓晃＜白陨砩娴那疤釛l件下，具有驚人的增長(zhǎng)能力。

也就是說(shuō)，如果軟件公司的企業(yè)家愿意接受較低的工資，那么就能實(shí)現(xiàn)公司以最少、甚至不需要外部投資的方式迅速建立起來(lái);如果他們能夠找到適合早期市場(chǎng)的產(chǎn)品，他們通常就可以自我引導(dǎo)，實(shí)現(xiàn)有機(jī)增長(zhǎng)。

當(dāng)然，聰明的企業(yè)家們會(huì)抓住經(jīng)濟(jì)衰退的“黃金時(shí)期”，來(lái)發(fā)展自己剛剛起步的軟件公司。因?yàn)樵谔厥鈺r(shí)期，高質(zhì)量人才往往能接受較低的工資，這也就意味著更多節(jié)省的人力成本。同時(shí)，低廉的房租也提供了更多更舒適的空間。

最重要的是，那些同一領(lǐng)域的老牌競(jìng)爭(zhēng)對(duì)手一般都把精力放在維持服務(wù)和留住現(xiàn)有客戶(hù)上，從而暫停了新產(chǎn)品的開(kāi)發(fā)。

大蕭條往往是大數(shù)據(jù)時(shí)代發(fā)展的開(kāi)路人

當(dāng)次貸危機(jī)拖垮整個(gè)經(jīng)濟(jì)時(shí)，企業(yè)必須留住即將流失的原有客戶(hù)， 因?yàn)轭A(yù)算有限，還要努力降低成本提高生產(chǎn)效率，但這兩個(gè)目標(biāo)往往相互矛盾。

大數(shù)據(jù)未來(lái)的想法已經(jīng)根深蒂固，有遠(yuǎn)見(jiàn)的高管們認(rèn)為，解決方案已經(jīng)在他們的數(shù)據(jù)中，如果他們能找到的話(huà)。但與此同時(shí)，老牌軟件公司削減了研發(fā)支出，這為更新更敏捷的分析公司開(kāi)辟了沃土。

大多數(shù)軟件公司在 2009 年都沒(méi)有增長(zhǎng)，但作為網(wǎng)絡(luò)分析領(lǐng)域的領(lǐng)導(dǎo)者，Omniture 在那一年增長(zhǎng)了 80% 以上，這也使得 Adobe 以 19 億美元的價(jià)格收購(gòu)了它。

Tableau 成立于 2003 年，但一直沒(méi)有什么起色，直到 2008 年的經(jīng)濟(jì)危機(jī)—;—; 從 2008 年到 2010 年，它的銷(xiāo)售額從 1,300 萬(wàn)美元增長(zhǎng)到 3,400 萬(wàn)美元。無(wú)獨(dú)有偶，Splunk 從 900 萬(wàn)美元漲到了 3500 萬(wàn)美元。Ayasdi、Cloudera、Mapr 和 Datameer 都是在大蕭條最嚴(yán)重的時(shí)候推出的。

當(dāng)然，如果沒(méi)有數(shù)據(jù)科學(xué)家，這些公司都不可能蓬勃發(fā)展。

正如 1990 年代早期大學(xué)加速培養(yǎng)了大量軟件開(kāi)發(fā)人員，大蕭條期間再次加速了分析專(zhuān)家和數(shù)據(jù)科學(xué)家的出現(xiàn)，從而刺激經(jīng)濟(jì)復(fù)蘇、開(kāi)始了美國(guó)未來(lái)十年的經(jīng)濟(jì)擴(kuò)張、就業(yè)增長(zhǎng)和美國(guó)歷史上最長(zhǎng)的牛市。

現(xiàn)在輪到人工智能了

其實(shí)在新冠疫情大流行之前，許多經(jīng)濟(jì)學(xué)家和企業(yè)首席財(cái)務(wù)官就認(rèn)為，2020 年經(jīng)濟(jì)衰退的可能性至少有 50%。

一年多前，歐盟議會(huì)出版的政策雜志也曾預(yù)測(cè)，下一次的經(jīng)濟(jì)衰退，將把人工智能發(fā)展推向高潮。該雜志援引倫敦經(jīng)濟(jì)學(xué)院的米爾科•德拉卡的話(huà)說(shuō): “我們預(yù)計(jì)在未來(lái)10到15年，基于人工智能和機(jī)器人的技術(shù)將再次出現(xiàn)激增?！?/p>

可以說(shuō)，那些僅僅預(yù)測(cè)經(jīng)濟(jì)衰退的人，他們還不夠悲觀。許多公司以前所未有的力度削減了勞動(dòng)力成本，以適應(yīng)形勢(shì)的突然和嚴(yán)峻。當(dāng)復(fù)蘇開(kāi)始時(shí)，他們將再次依賴(lài)自動(dòng)化來(lái)提高生產(chǎn)。

大西洋理事會(huì)就 COVID-19 對(duì)全球創(chuàng)新的影響，對(duì)100多名技術(shù)專(zhuān)家進(jìn)行了調(diào)查。結(jié)果顯示，即使在大流行期間，這些專(zhuān)家也認(rèn)為，在未來(lái)兩到五年內(nèi)，數(shù)據(jù)和人工智能的影響將超過(guò)生物醫(yī)學(xué)工程。當(dāng)然，這兩者并不相互排斥，他們甚至可以互相促進(jìn)，比如谷歌的 Deepmind 技術(shù)最近使用 AlphaFold 工具來(lái)預(yù)測(cè)復(fù)雜的蛋白質(zhì)折疊模式，這在疫苗的研究中很有用。

即使是那些沒(méi)有自己生產(chǎn)能力的公司，比如在線(xiàn)零售商，也計(jì)劃使用人工智能來(lái)提高復(fù)雜的全球供應(yīng)鏈的可靠性。因此，對(duì)人工智能人才的需求激增是不可避免的。

2018年，幾所主要大學(xué)宣布了開(kāi)發(fā)AI人才的舉措。

麻省理工學(xué)院(MIT)宣布了有史以來(lái)對(duì)人工智能最大的一項(xiàng)承諾：出資 10 億美元?jiǎng)?chuàng)建一個(gè)計(jì)算學(xué)院;卡內(nèi)基梅隆大學(xué)創(chuàng)立了第一個(gè)人工智能學(xué)士學(xué)位課程;加州大學(xué)伯克利分校宣布成立一個(gè)新的數(shù)據(jù)科學(xué)部門(mén);斯坦福大學(xué)宣布了一項(xiàng)以人為中心的人工智能計(jì)劃。

其他數(shù)十所學(xué)校也紛紛效仿。就像 30 年前的軟件開(kāi)發(fā)和 10 年前的數(shù)據(jù)科學(xué)一樣，機(jī)器學(xué)習(xí)逐漸從默默無(wú)聞的小透明到處處刷著存在感的“知名人物”。

早在 2017 年，幾位風(fēng)投專(zhuān)家就人工智能風(fēng)險(xiǎn)曲線(xiàn)(AI risk curve)寫(xiě)了一篇文章，認(rèn)為阻礙人工智能應(yīng)用的不是技術(shù)，而是管理者對(duì)用不熟悉的軟件流程取代一名員工(其表現(xiàn)是已知的)所涉及的風(fēng)險(xiǎn)的認(rèn)識(shí)。

但現(xiàn)在，經(jīng)濟(jì)緊縮給了管理者前所未有的壓力， 他們被迫降低成本，這也就增加了對(duì)采用新技術(shù)所帶來(lái)的的風(fēng)險(xiǎn)的容忍度。在未來(lái)一兩年，企業(yè)將更愿意承擔(dān)風(fēng)險(xiǎn)，并將新技術(shù)集成到他們的基礎(chǔ)設(shè)施中。

在糧食和農(nóng)業(yè)領(lǐng)域，人工智能將幫助我們理解和適應(yīng)變化的氣候。在基礎(chǔ)設(shè)施和安全方面，機(jī)器學(xué)習(xí)模型將提高云基礎(chǔ)設(shè)施的效率、可靠性和性能。更好、更動(dòng)態(tài)的風(fēng)險(xiǎn)模型將有助于企業(yè)和整個(gè)金融市場(chǎng)應(yīng)對(duì)下一場(chǎng)危機(jī)。

為了完成所有這些，將需要大量新的應(yīng)用人工智能的公司，特別是能夠創(chuàng)造更好的開(kāi)發(fā)工具和基礎(chǔ)設(shè)施、持續(xù)優(yōu)化系統(tǒng)和產(chǎn)品，以幫助規(guī)程提高數(shù)據(jù)質(zhì)量、安全和隱私。