一家公司選擇的經(jīng)濟發(fā)展道路往往是依照時代背景來決定的，在不同的經(jīng)濟時局之下選擇正確的經(jīng)濟策略， 往往可以成為公司逆轉騰飛的轉折點。

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

這種說法當然不是空口之談，我們可以在歷史的經(jīng)驗中尋找證據(jù)。

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

而現(xiàn)在，新冠疫情帶來的經(jīng)濟衰退，又一次為數(shù)字技術和高新科技提供了發(fā)展的最佳時機。

有著多年風險投資經(jīng)歷的風投經(jīng)驗專家 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)濟衰退沒有成為 AI 的絆腳石，反而成為其發(fā)展的加速器?？梢哉f，疫情過后的經(jīng)濟復蘇將由迅速發(fā)展的人工智能所驅動，也將作為更加適宜的大環(huán)境，加速人工智能的應用進一步發(fā)展。

經(jīng)濟復蘇往往建立在新興技術之上

美國國家經(jīng)濟研究局(NBER)的經(jīng)濟學家們發(fā)現(xiàn)了一個規(guī)律：隨著經(jīng)濟大蕭條的緩慢恢復，大面積的失業(yè)人口也隨之出現(xiàn)，但同時，這種蕭條加速了人們工作性質的進化，即由低端重復性工作向非常規(guī)工作的轉變。

其實，現(xiàn)有的許多工作任務是可以用自動化完成的，但公司仍然分配給員工高重復性任務，比如說數(shù)據(jù)分析，來增強他們對數(shù)字的判斷力，從而進一步提高生產(chǎn)效率和生產(chǎn)質量。這樣就形成了一個良性循環(huán)，公司既通過增加生產(chǎn)效率獲得更豐厚的利潤，又提高了員工的工作能力。

但是，在經(jīng)濟大蕭條時期中，情況便變得復雜起來。失業(yè)率達到最高水平之后，人們會尋找更多提高技能的機會。因此，即使在經(jīng)濟復蘇后，盡管較復蘇之前的自動化程度有所提高，但失業(yè)率卻并沒有隨之上升，反而降至歷史低點。

而新冠疫情的流行，將我們又一次被推入了衰退和復蘇的循環(huán)。當然，相關行業(yè)也已經(jīng)期待著在下一輪的經(jīng)濟復蘇中，AI 和機器學習的迅猛發(fā)展帶來的產(chǎn)業(yè)革新，這也將為人工智能企業(yè)家創(chuàng)造新的寶貴機會。

參考上世紀 80 年代初的經(jīng)濟低迷時期，成功實現(xiàn)逆流而上、蓬勃發(fā)展的公司，都在經(jīng)濟復蘇十年的中期開始了首次公開募股(IPO):Lotus(美國汽車品牌)、Microsoft(美國微軟公司)、Oracle(美國甲骨文數(shù)據(jù)公司)、Adobe(著名圖形圖像和排版軟件的生產(chǎn)商)、Autodesk(美國電腦軟件公司)和 Borland(美國寶藍軟件公司)。

這些軟件的興起標志著商業(yè)企業(yè)歷史上一個獨特的轉折點—;—;從總體來看，軟件公司對資本支出或人事費用的要求很低，同時，公司的毛利率高達 80% 或更多。這種得天獨厚的優(yōu)越條件使它們在不危及自身生存的前提條件下，具有驚人的增長能力。

也就是說，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;如果他們能夠找到適合早期市場的產(chǎn)品，他們通常就可以自我引導，實現(xiàn)有機增長。

當然，聰明的企業(yè)家們會抓住經(jīng)濟衰退的“黃金時期”，來發(fā)展自己剛剛起步的軟件公司。因為在特殊時期，高質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，低廉的房租也提供了更多更舒適的空間。

最重要的是，那些同一領域的老牌競爭對手一般都把精力放在維持服務和留住現(xiàn)有客戶上，從而暫停了新產(chǎn)品的開發(fā)。

大蕭條往往是大數(shù)據(jù)時代發(fā)展的開路人

當次貸危機拖垮整個經(jīng)濟時，企業(yè)必須留住即將流失的原有客戶， 因為預算有限，還要努力降低成本提高生產(chǎn)效率，但這兩個目標往往相互矛盾。

大數(shù)據(jù)未來的想法已經(jīng)根深蒂固，有遠見的高管們認為，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。但與此同時，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辟了沃土。

大多數(shù)軟件公司在 2009 年都沒有增長，但作為網(wǎng)絡分析領域的領導者，Omniture 在那一年增長了 80% 以上，這也使得 Adobe 以 19 億美元的價格收購了它。

Tableau 成立于 2003 年，但一直沒有什么起色，直到 2008 年的經(jīng)濟危機—;—; 從 2008 年到 2010 年，它的銷售額從 1,300 萬美元增長到 3,400 萬美元。無獨有偶，Splunk 從 900 萬美元漲到了 3500 萬美元。Ayasdi、Cloudera、Mapr 和 Datameer 都是在大蕭條最嚴重的時候推出的。

當然，如果沒有數(shù)據(jù)科學家，這些公司都不可能蓬勃發(fā)展。

正如 1990 年代早期大學加速培養(yǎng)了大量軟件開發(fā)人員，大蕭條期間再次加速了分析專家和數(shù)據(jù)科學家的出現(xiàn)，從而刺激經(jīng)濟復蘇、開始了美國未來十年的經(jīng)濟擴張、就業(yè)增長和美國歷史上最長的牛市。

現(xiàn)在輪到人工智能了

其實在新冠疫情大流行之前，許多經(jīng)濟學家和企業(yè)首席財務官就認為，2020 年經(jīng)濟衰退的可能性至少有 50%。

一年多前，歐盟議會出版的政策雜志也曾預測，下一次的經(jīng)濟衰退，將把人工智能發(fā)展推向高潮。該雜志援引倫敦經(jīng)濟學院的米爾科•德拉卡的話說: “我們預計在未來10到15年，基于人工智能和機器人的技術將再次出現(xiàn)激增?！?/p>

可以說，那些僅僅預測經(jīng)濟衰退的人，他們還不夠悲觀。許多公司以前所未有的力度削減了勞動力成本，以適應形勢的突然和嚴峻。當復蘇開始時，他們將再次依賴自動化來提高生產(chǎn)。

大西洋理事會就 COVID-19 對全球創(chuàng)新的影響，對100多名技術專家進行了調(diào)查。結果顯示，即使在大流行期間，這些專家也認為，在未來兩到五年內(nèi)，數(shù)據(jù)和人工智能的影響將超過生物醫(yī)學工程。當然，這兩者并不相互排斥，他們甚至可以互相促進，比如谷歌的 Deepmind 技術最近使用 AlphaFold 工具來預測復雜的蛋白質折疊模式，這在疫苗的研究中很有用。

即使是那些沒有自己生產(chǎn)能力的公司，比如在線零售商，也計劃使用人工智能來提高復雜的全球供應鏈的可靠性。因此，對人工智能人才的需求激增是不可避免的。

2018年，幾所主要大學宣布了開發(fā)AI人才的舉措。

麻省理工學院(MIT)宣布了有史以來對人工智能最大的一項承諾：出資 10 億美元創(chuàng)建一個計算學院;卡內(nèi)基梅隆大學創(chuàng)立了第一個人工智能學士學位課程;加州大學伯克利分校宣布成立一個新的數(shù)據(jù)科學部門;斯坦福大學宣布了一項以人為中心的人工智能計劃。

其他數(shù)十所學校也紛紛效仿。就像 30 年前的軟件開發(fā)和 10 年前的數(shù)據(jù)科學一樣，機器學習逐漸從默默無聞的小透明到處處刷著存在感的“知名人物”。

早在 2017 年，幾位風投專家就人工智能風險曲線(AI risk curve)寫了一篇文章，認為阻礙人工智能應用的不是技術，而是管理者對用不熟悉的軟件流程取代一名員工(其表現(xiàn)是已知的)所涉及的風險的認識。

但現(xiàn)在，經(jīng)濟緊縮給了管理者前所未有的壓力， 他們被迫降低成本，這也就增加了對采用新技術所帶來的的風險的容忍度。在未來一兩年，企業(yè)將更愿意承擔風險，并將新技術集成到他們的基礎設施中。

在糧食和農(nóng)業(yè)領域，人工智能將幫助我們理解和適應變化的氣候。在基礎設施和安全方面，機器學習模型將提高云基礎設施的效率、可靠性和性能。更好、更動態(tài)的風險模型將有助于企業(yè)和整個金融市場應對下一場危機。

為了完成所有這些，將需要大量新的應用人工智能的公司，特別是能夠創(chuàng)造更好的開發(fā)工具和基礎設施、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)質量、安全和隱私。