首页 > 科技快讯 > 闵万里：新基建大潮下，每一条鱼都得靠数据捞上来 | 超级沙龙

闵万里：新基建大潮下，每一条鱼都得靠数据捞上来 | 超级沙龙

晰数塔互联网快讯
2020-04-16 16:40

文 | 特约观察员闵万里

编辑 | 文华、李文礼

核心提示：

1. 正因为有普惠和普及的大前提，以及云计算这种透视数据背后真实规律的威力，我们才有可能把产业当中的真实的价值和智能释放出来。

2.产业智能化是激活行业里存量的数据资产，创造可持续的新价值，因智慧而产生价值。

3.不同的产业当中，看上去非常不同的场景，底层的逻辑其实是有高度的相似性，底层的逻辑相通的时候，技术也就自然相通了。

4.产业的进步从来不是靠独角戏、走高跷的方式完成的，我们需要的是无数的产业技术的支撑，才能提升生产力的水平。

5.有两种人是值得投资的：价值闭环的创造者和价值获得者，他们都有可能因为价值或者创造的价值而变得更有价值。

编者按：本文由36氪超级沙龙「新基建」系列第四期直播整理而来，有删减。完整直播可戳此回看。

在新基建的大潮下，传统产业有什么样的新机会？这个机会包括科技工作者、投资者，还包括传统产业里从事行业操作的工艺工程师等角色，在新时代新基建的大潮当中，有什么样的新机会？

新基建：投资当下，收获未来

说到新基建，我觉得最重要的一点是要看清楚它的目的是什么？它投资的是当下，但我们收获的是未来。这一个“新”代表着新技术并不一定等价于新行业，有可能是老行业需要新技术，有了新技术，老行业才有可能跳升到新的生产力的水平。在这个过程当中，历史上有一些可以参考的先例。

图一

美国经济学家、西北大学教授Robert Gordon在《美国增长的兴衰》一书当中，提到1942年到1945年二战期间，美国的劳动生产率突然有了30%的提升。几乎所有的高科技都迅速产业化，从吉普车到雷达、喷气机等，新技术的扩散以前所未有的速度发生，带来了劳动生产力的跃升，支撑了美国经济的发展，战后一跃成为霸主。

美国劳工部也公布了一个长达100多年的数据，从1875年到2015年，每10年一个档期的劳动生产率提速，能看到在1945年有个非常大的增长，4%左右。

图一告诉我们的是：二战时期，当先进的科技快速向产业扩展的时候，全社会的劳动生产率在迅速地跃进。

站在历史的关口，我们看当今最先进的科技，无论是量子计算、大数据、云计算、5G、物联网、AI、人工智能，还是AR、区块链、无人驾驶，如果我们把它们分为三大类的话，不外乎是计算驱动、场景驱动和数据驱动。这三大类的东西组合在一起，其实是帮我们把底层的先进技术通过计算力对外输出，到行业当中去产生智能应用。有可能是城市，有可能是工业制造，也有可能是农业生产，还有可能是消费流通领域、零售业、金融服务业等等。

那么今天的命题就来了，有没有可能像美国在1940年那样，把这些最先进的科技要素向产业加速扩散，从而推动劳动生产率的快速提升？这就是新基建要做的事情。在这个过程中，我们能看到有一个非常重要的历史背景：普及和普惠。普及的意思很简单，今天的数字化技术已经几乎在各行各业都展开了。我想在这次疫情期间，所有的人都在网上、APP上面，我们的行为都变得数字化了，服务提供商们也变得数字化了，教育工作者也变得数字化了。数字化已经不再是一个讨论的话题，而是一个事实。

图二

图二左边是数据产生的速度在前所未有地增加，右边是数据的计算和处理的成本越来越低。这代表计算力已经变成了普惠的生产力，不再是昂贵的，贵族才能玩得起的游戏。

有了这样一个背景，大家就有可能问，我们是不是有可能通过云计算的威力，在产业智能的时代寻找到新的价值？是的。2000年之后计算力突飞猛进，互联网公司像Google、Facebook和阿里巴巴等，能够在一夜之间支撑海量的计算需求，比如双11当天的并发量，这在以往是无法想象的。云计算的价值也从最早的IT的成本节约上升为用DT做价值的探索和创新。

它不再是一个防守型的价值，而是一个进取型的价值。当我们能够把数据背后所带来的规律正确地应用到产业场景当中时，它带来的价值是前所未有的，而且没有天花板。当数据作为新时代的石油，源源不断地产生，如果我们有了云计算，有了这样普惠的计算力的时候，我们有可能把这瞬时之间的价值抓住，释放出来，最后形成产业的智能。正因为有普惠和普及的大前提，以及云计算这种透视数据背后真实规律的威力，我们才有可能把产业当中的真实的价值和智能释放出来，创造出前所未有的生产力水平的提升。

潜创新：面向产业加注智能要素

图三

科技的发展是怎样驱动GDP增长的？2008年我们做过一次基建“铁公基”，短期之内拉动了GDP增长，但随后GDP的增速逐渐回调。我们今天的人均GDP产值已经超过了1万美元，进入到中等发达国家的水平，在这样的体量上，用科技创新去拉动经济的长期发展成为一个必然。这种情况下，新基建如何成为经济发展的新动力？要向产业加入智能要素。

什么产业是我们要加注智能要素的目标产业？智慧城市、医疗、健康、教育、能源、工业生产、农业生产、航空金融服务等各行各业，当任何一个行业都步入数字化时代，都具备了与智能元素、计算力水平相结合的化学反应的要素，就有可能催生出新的产业智能，带来新价值。我把它总结为，激活行业里存量的数据资产，创造可持续的新价值，因智慧而产生价值。

图四

智能要素究竟是怎么发生的？可能很多人都听过新旧动能转化，但是新旧动能的转化并不等于新旧产业的变换。这里面有两个概念，一个是“浅创新”，一个是“潜创新”。就像到青藏高原上开共享单车，与在上海骑共享单车相比，看上去西藏是一个崭新的高度，是一个崭新的场景，开辟了新战场，但是创造价值的方式是已经被证明过的方式，这是非常浅层次的创新，尽管它是新的，但它的内涵是旧的。

还有一种创新是“潜创新”。当你要放弃某个油田的时候，如果出现一种崭新的技术，让你能够发现在油田300米下还有一个矿井，在别人已经觉着没有希望要放弃的时候，你用了新的技术，找到了新的潜能，这种就是另外一种意义上的新动能：在老场景下长出了新的动能、新的价值。这是我讲的潜力创新，这是一个更难的创新。

今天我们要解决的问题是在那些已经运转了很多年且一定会长期地成为经济发展核心支柱的产业，怎样把他们的智能水平带入到新时代，在别人认为已经无计可施的地方找到新的动力，把新的动能激发出来，潜创新。

图五

根据世界银行的权威数据，比较中美农业和制造业中非常基本的效率指标：在农业当中，每一公顷的小麦，我们的种植成本是2900美元，美国是650美元；在制造业当中，我们人均制造业的增加值是2000美元，美国是6000美元；在制造业当中，我们消耗单位人员所创造的GDP是5美元，美国是10美元。这说明在这些非常成熟的行业当中，我们的效率比发达国家的先进水平还是落后的。在农业、制造业这么大体量的产业当中，试想我们有合适的技术、足够的资金投入、智力资源投入的时候，把它的效率提升到当前发达国家的水平，那所创造出来的价值增量是难以想象。所以，从高速发展往高质量发展的主战场一定是在第一产业和第二产业，而发展的动力源泉来自第三产业——互联网场景下催生的以海量计算能力为核心的新技术。

在互联网中诞生的技术，往农业、制造业当中去转移，是否可行？答案是可以的。电商APP和交通场景，两个行业的场景完全不一样，除了很显然的图像识别技术可复用外，两者还有其他内核上的相似性，使得在电商当中诞生出来的某些技术，可以用来改造交通、管理交通，让每一个道路、每一个红绿灯变得更聪明。

图六

图六为大家说明。左侧电商中有三个角色，买家、卖家、商品，所有人在购物APP上的行为都可以用图上的动态三角形表达出来，日积月累你会发现这是一个巨大的网络。再看右边这张图，我们把交通抽象为一个网络， ABCD每一个点都是一个路口，城市的交通也是在这样一个网络上不断地有点和点之间的流量。

所以在流量的内涵下，电商行为和交通行为惊人地相似。在技术维度，这两个场景最终会形成两张图，在这张图上用动态观测的数据去推演点和点之间的因果关系和定量关系。有了这些之后，你就知道在电商中该怎么去推荐、管控和分流，找到关键性节点和意见领袖，基于他的行为去寻找未来的爆款。对照交通网络，则是找到点和点之间的关联性，关联的时长，基于关键性的节点去发现正在集聚当中的交通拥堵现象。

这个例子说明在第三产业和第一、二产业当中，看上去非常不同的场景，底层的逻辑其实是有高度的相似性，尤其是在数学的框架里，有可能抽象出一个统一的逻辑架构，底层的逻辑相通的时候，技术也就自然相通了。

图七

图七是一个打渔的案例，渔船去到远洋，到南太平洋去打金枪鱼。从海洋卫星上，我们可以实时看到整个海水的温度梯度、海水叶绿素的浓度、海洋的温度场的变化、洋流的温度场的变化，再结合以往老船长们捕捞的记录，建立起一套预测模型，基于此时此刻的海洋卫星的数据，算出来此时此刻整个海域当中，每一个格点里的金枪鱼浓度。船长一看就知道应该去颜色最深，数值最大，金枪鱼浓度最大的地方。这张表究竟有没有用？捕捞船去了3和4之后，平均每次下网捕捞量是2100和2049左右，远远高于另外两个渔区1和2，这证明预测的排序是对的。

当我们去看农业生产、渔业生产这种传统的延续了千年的场景时，今天可以不再只依靠夜观天象，或者看海洋流向这种传统方式，我们还可以用实时的海洋卫星数据，即时算出这样一个指标。所以在某种程度上可以说，今天的每一条鱼都是靠数据捕捞上来的。传统的渔业生产经过了智能升级之后，变得与众不同了。

图八

图八中，这是一个非常传统的炼钢行业，当钢铁到达上千度时开始冷轧，慢慢降温，提取排除钢中的杂质，加入一些特种钢。特种钢该在什么时候加？火候怎么掌握？加多久？冷轧的过程怎么控制一些参数？这些以前是靠老工人、老师傅的经验来操作，很多经验没办法标准化传承下来，所以当徒弟开始上手操作时会导致无谓的试错成本。

怎样把老师傅的经验无损地传承下来？我们可以真实地记录老师傅的每一次操作，用了哪些参数，当时的温度是多少，加了多少量进去，把冷轧热轧过程的参数全部记录下来，让产线的智能系统学会老师傅的技艺，那么这个老师傅可以把这些经验窍门传承下去，固化产线。以后不管是新徒弟来，还是老徒弟来，他都可以在这样一个经验的基础上，再次发扬。这是个真实的案例，攀枝花钢铁每年节约了上千万的成本。

图八中右图的案例是在养猪过程当中，靠行为体征的分析和监控，去了解母猪的发情期，做精准科学配种，使得每一头母猪每年生产数量提升。在四川的特驱集团，每头母猪年产从原来的23左右升到了28。我国每年猪的消费是7亿头左右，如果每头母猪都增加了5头产崽量，那么中国的生猪供给量将有一个巨大地增加，供给侧的供给能力将得到显著提升。

产业工人：发挥主场优势

新技术进入传统行业，带来了新价值。新基建的过程中，这些行业会发生产业的重构和重组，会涌现出新龙头，这个“新龙头”可能是现在的龙头进化而来，也有可能是第二、三梯队企业脱颖而出成为新龙头。谁能够在行业当中率先拥抱这些新技术要素，新智能要素、新DT要素，谁就有可能创造新价值的标杆，从而成为行业的新龙头。掌握了先进生产力的龙头企业，一定会成为产业重整的旗帜，从而成为重整之后的新龙头。

在工业当中，有新技术进去了，是不是机器会让人没工作？其实不尽然，相反的这些工人们的智慧得到传承，成为新时代的产业智能工人。

任何一种新技术进入到产业当中去的时候，都不是无师自通的。行业的痛点、行业的窍门、管理流程、生产流程、机理模型，恰恰需要这些产业工人的多年经验，给这些新智能要素一个冷启动的敲门砖，在这个过程当中，产业工人们具有非常强的先发优势和产业主场优势。主场优势带来的行业认知深度，可以让产业工人成为新时代的训练师、培训师、智能操控师。

在工业制造业场景及农业场景下，新技术让行业从业者所积累起来的智商无损地传承下去，并且得到无限放大，随着每一代人的创新和技术进步叠加，不会流失。

科技工作者：技术的延伸 OR 技术的延展

我们再来看作为科技工作者的机会和挑战。当我们过度地沉浸在自己的单个技术的优美当中的时候，我们可能很容易忽视产业的严酷。科技工作者最大的风险就是选错了目标行业。如果你今天把一个人脸识别图像技术，轻松地换到做猪脸识别或者牛脸识别的时候，当我们有这种技术上浅层次的应用型平移，我们进入到的是一个代码的copy paste，我们忘记了底层的逻辑，甚至忘记了这个产业中的相似性和相通性。

科技工作者需要选择什么样的行业？我们需要选择那种产业空间特别大的行业——在人类历史的各个周期长期存在和被需要，在每一次的技术迭代、社会发展的过程当中不断壮大的行业。按照这个标准看就很容易理解，制造业、农业等这些行业，怎么让田地的亩产变得更高，怎么让产线变得更高效，让废品减少，让能耗降低，让排污、排气变少，让生产劳动效率提升等等，这些都是产业空间巨大的场景。对科技工作者来说，入对行比什么都重要。

图九

还有一点可能更难，千万不要被自己最擅长的技术蒙住眼睛。用这样一个场景（图十）给大家看一看：在一个十字路口，地面的左转车道旁的柱子上写了禁止左转，远方的信号灯是绿色的。请问如果你是一个无人驾驶程序，有世界上最好的视频识别传感器，你如何决策？该不该左转？最锐利的眼睛在这个时候也会变得迟钝，最好的传感器也会变得六神无主。因为你看到的是明显相互矛盾的两个指示。所以这个场景给了我们一个启示：无人驾驶也好，或者其他行业应用场景也好，不只是靠单点的技术，computer vision不是visionary。

我们要的visionary是多种技术的融合，是从单点技术到技术协同的挑战。这会对科技工作者提出一个自我挑战：你最擅长的可能是视觉，但是视觉恰恰是不够的。做行业解决方案的时候，你是否有勇气去吸纳其他的技术？我认为其实很简单，当我们认知到每一个科学技术都有能和不能的时候，其实我们的动作是唯一的，标准动作就是协同，整合技术形成完整的solution，不可能靠一招走遍天下。

产业的进步从来不是靠独角戏、走高跷的方式完成的，我们需要的是无数的产业技术的支撑，才能提升生产力的水平。

图十

对技术工作者的另一个挑战，技术的延伸还是延展。你有很好的技术，那么有两种选择，你可以把人脸识别的技术用在各种场景下，这是技术的延展，把一个技术在平面横向找各种场景进行延展，这是一种商业变现的思维。

还有一种是技术的延伸，这种延伸是你知道有人脸识别，但你发现还不够，然后你要引入IoT、信号控制、控制机理、工业流程控制，甚至还要引入信号的处理、语音对话，甚至是一些VR的技术，把不同的技术整合在一起。以人脸识别、图像识别为起点，再整合其他的技术，形成从单点的技术点延伸为一个技术链，最后形成一个解决方案，这个解决方案是能够直接带来客户价值的。

所以究竟该选哪一种？作为图像识别的技术人员，作为一个整合型的技术人员，作为一个产业专家，其实大家的标准套路只有一个：必须联手，形成技术的延伸，而不是延展，在纵深的空间里向产业寻找新价值空间。扎得越深，有可能找到新的价值的概率就越大。

还有最后一点，你为什么要延伸？作为技术工作者、科技工作者有两种选择，一种是利他，一种是利己，而利他价值可能是在这个当中看起来很虚，但是恰恰能够让有强烈使命和愿景的人，把知识转化为产业生产力，在产业纵深的道路上，在智能探索的道路上走到最后的价值。利己价值，我相信很多的科技工作人都知道，要多发几篇论文，多出席几场顶级会议，然后评职称，这个也很好，也可以去教书育人。

爱因斯坦的相对论我想大家都知道，它最后给我们带来了核电站、原子弹。所以任何一个伟大的科技，到最后一定会被行业检验。牛顿在几百年前提出的万有引力，指导了我们什么？很简单，今天的人造卫星。所以这些伟大的科学家们，在整个科技探索的道路上，不断把自己的理论、论文拿出来接受最严酷的考验和挑战。最终也推动了整个行业的进步，人类社会生活的发展。

所以对于科技工作者来说，在新基建大潮里，我们的选择是利他，让产业变得更智能，让工人、农民的收入变得更高，让每一层田地变得更加聪明，让每一个街道、每一条产线都能够跟人之间互动。而不再是单纯的、冰冷地看世界在发生着什么，无动于衷。

城市当中有非常多的场景，有很多的摄像头，但是该拥堵的地方还是拥堵。科技工作者需要的是走入到这些我们已经麻木得习以为常的场景中去，弥补上价值闭环的最后一公里，创造出有获得感、普惠的价值。当你能够创造利他价值的时候，你的技术被证明了，你自己的价值也会被证明的。

投资人识别机会：价值闭环创造者，价值获得者

既然会有价值的创造，新价值的产生，自然会有投资人寻找机会做价值的投资。产业智能化会为投资人带来什么样的机会？有的投资人要找黑科技一统江湖，有的投资人是投资行业，占据赛道全方位扫射，认为总能扫中一个产业的独角兽。究竟哪一种方法更容易成功？没有定论。但是有一点我认为是非常明确的：所有的技术都是为了行业服务，都要在行业当中创造价值，投资最终的评判标准就是他们是否有行业的场景。

在有行业场景的前提下，什么样的人值得我们投资？什么样的团队值得我们投资？有两种是值得投资的：价值闭环的创造者和价值获得者，他们都有可能因为价值或者创造的价值而变得更有价值。前者是投资经过价值验证的技术，我们今天投资的不是那种在实验室里面，想象着未来可能会创造价值的技术，而是经过行业场景验证过的技术。后者是直接投资到产业当中，善于应用这些技术创造价值、获取价值的一些企业。投资的目的是为了价值，也是为了价值创造，所以可以投资价值的创造者和传递者，也可以投资价值的获得者。

但需要辨别的是“成也技术败也技术”的情况，只有技术没有行业场景，或者技术没有经过行业场景验证的团队，无法证明其价值，很难为投资者带来回报。

图十一

我给大家描述一个很简单的制作西装的场景，量体、裁剪、缝纫、打样、打底，最后再批量化生产。这样一个过程中，有很多的创业企业或所谓的技术工作者发明了很好的技术：有VR虚拟试衣和换衣技术；也有可能用视频监控的技术，看看车间里是否干净；也有可能在产线上放上IoT物联网，看产线的繁忙程度和运行状况；也有人说可以发明一个APP，引来互联网流量，让顾客买咖啡的时候，顺便定一个西装。

如果你是投资者，你会投资这里面任何一个角色吗？可能不会。因为它没有创造单独的价值，它是一个巨大的化学反应当中的一个分子而已。你是投资一个高分子化合物，还是投资一个成品药？我们要的是药，因为从化合物到药之间经历了无数种可能性，有无数因素制约。

我们需要的是价值闭环的创造者，这里面的VR也好、视频监控也好、产线的IoT也好，可能都是价值闭环当中的一小部分，甚至是多余的一部分，不需要这些技术，也可以把量体裁衣做好，把机器的产线运行得很好，知道产线的繁忙程度。所以当所有的技术花招只停留在表象的时候，它是否具备了价值创造的必要性和不可或缺性？它既不充分也不必要，所以没有理由投资它。

产业智能价值投资：技术支点 vs 产业着力点

作为投资者，我们今天会想的是：做产业智能价值投资的时候，究竟怎么样才能够放大这些价值，创造最大的影响，获得最大的回报？

图十二

其实无外乎是一个着力点的选择问题，我们可以选择技术的支点，我们也可以直接选择产业的着力点。图十二的左边这张图就是一种传统的路径。有资本的人、基金们会寻找技术大咖，投资很多的钱进去，没问题的。然后这些学者会在新型的工作去探索技术，在科学的海洋里去遨游，最后可能10%左右的人会成功。技术成功之后，再把它投射到产业当中去。

那么从技术到产业之间的落地，又充满了不确定性。为什么？因为很有可能行业里的一些痛点或者经久未解的一些顽疾，不一定是新技术可解的，有可能是要懂得它的人找到合适的技术去解决。所以在新技术和合适的技术之间，行业里的人很清楚，他们要选择合适的技术，这就给了我们一个难题，大量的资本投到技术大咖里，大咖里10%的人技术成功之后，再到行业当中去，又被行业的人重新去选择过滤一遍，所以成功率就会凤毛麟角。

另外一种可能是什么？就是把资本和技术同时投入到行业当中去，尤其是带有技术鉴赏力的资本，如果能够同时投身到这个行业当中去，有智力投入和资本叠加的时候，首先会避免掉一个风险：他不会被技术给骗了。有技术鉴赏力的人最容易识别技术的神话，不会被技术的热词给带偏。有技术识别能力的投资人可能问的更多的是技术的背后是什么原理？当有人说不出原理，只知道从某个开源包调参数的时候，那么我想资本就应该知道该怎么做了。所以我们投资的是知其所以然，不是知其然。更重要的，我们要投资的是他为什么要做这个，他要服务的是谁，创造什么样的价值，在哪些场景下创造这些价值？所以我们认为应该把资本和智力同时注射到最终的目标场景行业当中去。我们更需要的是这个行业里面懂技术和行业痛点的那些资本能够反向注射回去，反哺到行业当中去，形成正向的循环。

我们从轰轰烈烈的消费互联网时代开始，进入到了产业互联网的时代，但是流量的思维和流量的神话还在继续。经常会有人说，怎么样日活量增加？付费用户量增加？这种思维还会持续一段时间。在新基建的背景下，当我们真正的触及到行业，尤其是传统产业的根基的时候，我们的思维究竟是停留在流量思维的年代，还是要转换到新的以质量思维为导向的年代？

图十三

在图十三中，我特意的找了右边这张图，一个卖家精心设计的卖蜡烛“亏本冲皇冠，包邮惊爆价”。用流量的思维来看，它的产品是最容易放量的，既有流量又有To C互联网的基因，还有面对着消费者的刚性需求，所以有千万个理由可以投资他，这是消费互联网时代的典型业务。

那么反过来，如果有一个人说他试了1000次都失败，最终搞了好几年才搞出一个电灯泡的时候，既没有量产也无法复制，也无法copy paste，更看不到未来的商业模式、盈利模式——猪毛出在羊身上，狗买单的情况的时候。请问你敢不敢投资它？我想这个人是谁大家都知道，是爱迪生。如果时钟倒转，在1878年的时候，在爱迪生发明电灯泡的时候，你是否有摩根的眼光去投资它？

同样的道理，今天，当产业智能的时代到来的时候，当新基建的大潮已经开启的时候，我们是固守流量思维，还是转化到质量思维？我们寻求的是价值的放量，而不是流量的放量；我们要的是深度上的放量，而不是简单的客户数的增加；我们要的是解决问题的放量，而不是简单的有多少次点击的放量；我们要的不只是简单的Software-as-a-Service进行Software的放量，我们要的是整个行业源源不断地用同一个Solution去解决了同类问题，是整个行业的生产效率的整体提升，这是社会的放量，是产业的放量，不是个体的放量。

我认为今天是科技工作者最美好的时代，我们找到了这样一个抓手，有新基建的大潮，能够引领整个行业敞开心扉，积极拥抱新的科学技术，有政策的引导，有产业资本的加持，又有我们明显看到的巨大价值增量的可能性被认证，没有理由不往前走。

资本，更加有理由选择价值创造的道路，而不是价值守旧的因循守旧之道。

氪友问答：

1.大数据和云计算的门槛太高，传统行业里又没有相关的人才，那么传统行业（智能升级）是要和数据公司合作吗？成本会不会很高？传统行业里面没有原始的数据积累，那怎么能够建模？

@闵万里：第一，今天云计算的技术已经变成全民都用得起的技术。今天有相当多的云计算的培训，包括云计算的大数据竞赛等等，今天的大学生毕业的时候，基本上大家都接触过云计算。新时代的大学生们如果没有接触过云计算，我给你们的建议是去至少去看一看，去体会一下什么是大数据，怎么从大数据里面找到一些规律。

第二点，我认为数据固然重要，但是最重要的不是数据变现，是数据能力变现。这句话什么意思？可能很多人说，互联网公司有很多数据，我公司没数据，我需要跟互联网公司合作，可能你想做数字化的广告营销，你可以去跟互联网公司合作。但是如果你是一个生产鞋子的企业，你是一个生产型企业，互联网的数据与你产线如何运转没有关系。所以我们不要被数据变现这样一个事情给蒙住眼睛，我们产线要的是能力变现，而不是数据变现。所以传统企业需要的是从互联网当中诞生的数据分析的能力、数据计算的能力，而不是在互联网当中积累的数据。

传统企业需要的是自己的场景当中所积攒下来的数据。经过这么多年工业化和信息化的融合，相当多龙头企业的产线自动化、信息化已经到了一定的水平，有了相当的数据积累，无论是ERP系统、MES系统，CRM系统……多多少少都有数据积累。传统企业不需要等待有了完美的数据再开始智能升级，而是由现在已经有的数据开始逐步地迭代。

2.传统产业的智能化大家都在提，但是本身效率低的企业反而没有资本和动力去使用新技术，这个问题怎么解？

@闵万里：我认为这个问题的答案不是在传统企业，而是在科技工作者市场。

要让传统企业有动力去智能升级，首先要有科技工作者证明这些技术的价值创造可能性。今天经常会出现这样一种局面，好多技术工作者会说我的技术特别牛，我在某个大赛中第一，但他永远不会告诉你，我能够到车间去把你这个参数调好，把你的产线的良品率提升1%。或者说他压根就没想过这件事，这样的话技术工作者怎么能够奢望企业的CEO、车间主任相信你的技术，把他宝贵的产线拿出来让你去调度？

产业智能最需要的是，技术工作者从产业的需求出发，首先迈出这一步，从第三产业的互联网走到第一产业第二产业的车间里面去探索，去跟工厂里的工艺工程师们、车间主任去合作，寻找他的痛点，然后一起来研究解决方案，去共建，去验证。当你已经证明了技术在企业场景中是可以创造价值的，你就不需要再说服企业CEO了，CEO自然就被吸引了。

所以这个问题的解决方案，一定是技术工作者先行走入到场景当中去解决一个痛点，证明技术的可行性，然后再用价值去吸引企业的决策者们，主动拥抱这些技术，为企业创造价值。

3.医疗的容错率很低，如果AI出错怎么办？

@闵万里：我认为这是个非常重要的问题。我想先抛开医疗这一点来说，任何一个科学技术发展的过程，一开始都不完美的。当新技术出来，它还不完美的时候，我们千万不要因为新技术的不完美而扼杀它，我们要看到的是它的未来的可能性。就像投资一样，你投资的不是今天最美丽的人，你投资的是未来将要成长为最美丽的人，一样的道理。

在医疗这个场景下，我想更具体一点，我们不能完全地把诊疗的行为和责任主体转嫁到AI程序上，相反他应该成为医生的助手，它会让医生的工作变得更加地高效，让医生的压力变得更加小。通过这样一种方式，渐渐的嵌入、融入，跟医生形成协作共建的关系，日积月累让AI变得更加地聪明，犯错的程度越来越低。最后在医生下班的时候，深夜医生少的时候，可以让这些AI先去做一些基础性的工作，这是有可能的。所以初期不求完美，但求有创造性的思维，把不完美的技术逐步变得完美，在实践当中前进。