阿里巴巴集团学术委员会主席曾鸣纵论BAT人工智能战略:任何公司都必须AIl in AI

简介: 阿里巴巴集团学术委员会主席、湖畔大学教育长曾鸣教授在高山大学(GASA)思享课II期上分享战略观。谈到与腾讯以及百度在AI战略上的差异,他说,任何公司都必须AIl in AI,阿里也不例外。在回答卡内基梅隆大学机器学习学院创始院长Tom Mitchell 的提问“未来最大的不确定因素是什么”时,曾鸣说:“是通用人工智能成为现实以及 AI 不再需要数据。

2017年11月13日,高山大学(GASA)思享课II期正式开启。在仍然沉浸在“双11”余温的阿里巴巴西溪园区总部,阿里巴巴集团学术委员会主席、湖畔大学教育长曾鸣教授,与在场的高山大学2017级学员分享了他的战略观,包括vision(愿景)如何驱动战略,战略如何制定和迭代。面对学员的疑惑和焦虑,曾鸣教授强调Vision需要“相信相信的力量”,并对S2b2c模式、新零售、SaaS、未来新商业机遇等问题作出了详尽的分析。

b05bd96c2ecc08349b0b7533a5d608afa9bedbc0

长城会创始人文厨先生

6deb7e72f3e60f055f03a966f9b5e2dc8f965106

新智元创始人&CEO杨静受邀参与了本次课程,并参访了阿里巴巴西溪园区总部。

【曾鸣在长城会思享课谈阿里如何All in AI】长城会文厨主持在阿里集团东林书院举办的思享课。曾鸣跟学员互动时坦诚说阿里软件其实算一个比较大的错误,技术大牛做了两年没做起来。当时曾是阿里软件的第二任总裁也是阿里云的第一任总裁。

杨静在课上问曾鸣:百度和腾讯今年陆续宣布All in AI,阿里怎么进行AI战略定位,跟百度腾讯差异在哪里?

曾鸣回答:AI技术是阿里业务的基本支撑,如果没有扎实的技术积累,那么今年双十一就无法实现40%的增长。阿里早在2012年就开始布局AI技术,曾鸣和王坚在硅谷延揽数据科学家组建iDST,就是今天阿里AI研究团队的雏形。那么今天Iot也是某种形式的AI,任何公司都必须AIl in AI,阿里也不例外。只不过阿里把AI技术融入在智能商业等具体业务当中,没有单独做定位发布。

889fd9fdbbd9133d27a69cb5b30a19ef16b94086

回答卡内基梅隆大学机器学习学院创始院长Tom Mitchell 的提问:未来最大的不确定因素是什么?曾鸣说:“是通用人工智能成为现实以及 AI 不再需要数据。

ebc85b5d1fc5ba298b56bfe636d99d669593a8f4

*以下根据曾鸣教授2017年11月13日在高山大学(GASA)思享课II期的分享整理而成

因为相信,所以看见,Vision需要证明,而非挑战

马云曾在一次演讲中说道:“因为相信,所以看见”,这句话实际上就是在说一家企业的vision是拿来证明的,而不是拿来挑战的。如果某家企业天天挑战自己的vision,那可能就永远也实现不了。这个背后的逻辑其实就是人性的基本特点,当你所看到的vision越高越远,它其实越难实施,这样就越需要大家不顾一切地往前冲去证明它是对的,如果还在这种情况下不断对vision进行挑战,信心不断地丧失会导致这件事情很难做成了。

有人曾问过我,战略是不是也可以做AB test?我非常坚决地回答,产品是一定要做AB test,但是战略却没有办法做AB test。原因在于战略是拿来相信的,只有相信你才能往前走。这里举一个例子,阿里的云计算其实是做了AB test,云计算当时有一个所谓的云梯项目,云梯项目其实就是一个AB test,简单来说就是用新的技术平行做出比较两边的性能哪一个更优,保证性能足够好再进行下一步,随后阿里云的同事以性能提升为目标进行不断优化,完成并通过测试后淘宝技术的员工却反馈这个所谓的“性能”跟他们所理解的不一样,距离理想化的目标还有差距。这个事件说明了,即使是做了AB test,也没办法证明战略的对错。因为所做的都是小范围的AB test,无法证明这个大系统多少年以后到底哪个更好。因此战略能走多远最后归根结底还是相信与不相信的问题,要通过取舍决定自己的路, vision本身的确是需要某种意义上一种相信的力量来支撑它走的更远。同时,vision优化也是件很难的事情,是需要通过每天去深度思考并不断执行的事情。

在我看来有两类人最终会将vision变成现实,一类是拥有初心和强大使命感的人,比如马云,在阿里云的价值最受争议的时候,马云他虽然也说不清楚技术上的所有相关对比问题,但他最后的决策观点集中于阿里云以后对小企业有没有价值,如果有价值就值得去做。这类人其实是完全的使命驱动型,这样才不会在短期利益的权衡跟取舍上浪费时间。第二类人既可以认为他笨,也可以说是大智若愚,这类人有一种顿感力,他不太关心短期的事情,只关注自己长期的追求。但是他又不是那种聪明到可以一直随外部变化而改变方向,这样反而有可能实现目标。所以这是他们定力的来源,良好的心态与执着的性格,促使他可以一往直前。

Vision的迭代过程:多犯小错才能少犯大错

如同巴菲特所说的“滚雪球”原理一样,vision本身也不是一个很神奇的东西,它也是我们自身一种能力,在你对未来反复的思考和预判中,可能会犯非常多的小错误,但是每次小错误都是一次迭代,如同机器学习一样,这样反而其实不容易犯大错误。

关于vision究竟是怎么得出怎么制定,有句话是这么说的:“取势、明道、优术”。这句话的含义就是,如果想要真正的做到“明道“,首先要学会顺势而为,一定是在最前沿的浪尖风口摸爬滚打才会有那种感觉,才有可能“明道”;而真正的“取势”是由于“明道”,这样你才能知道什么是大趋势,什么是个风口,什么只是昙花一现,这也是为什么跟风跟“取势”完全是两个概念,因为跟风并没有判断力,而“取势”甚至能够“造势”的基础是因为你真正明白未来的方向以及这个方向下的基本规律是什么。

举个例子,阿里软件应该算是我们当时比较大的一个错误,而且对公司其实有相当大的一个伤害。例如我们在2007年的时候,看到了SaaS软件发展的趋势,也看到了salesforce.com 战略相对成功的案例,所以我们当时把当时技术部门最高级别的一个高管人才调出来做阿里软件的总裁,所以他很自然地就把技术中间最厉害的一帮人带走了。因为当时市场环境并不成熟,阿里软件经过了两年最后还是没做起来。再到后来,我在这个过程中又把阿里软件做了一个改变,把当时集团的搜索研究中心几个大的部门并在一起,实际上就成为了后来的阿里云。但实际上这个过程中间,如果没有阿里软件的积累,我们可能对于阿里云的理解不会那么快,也不会那么深。这实际上是在犯错的过程中积累了对未来更深刻的一个理解,然后做阿里云的时候就会更加的坚定。所以在我看来vision本身是个迭代的过程,多犯小错就会少犯大错。

战略七分靠做,两分靠想,一分靠命

战略是以vision(愿景)为基础而存在制定的。vision是一个企业对于未来的假设,战略是要达到未来目标的一整套系统化的思考,从而再分解为战术。我刚才讲到了vision背后的两个支撑,一个支撑使命,还有一个是某种意义上一种的坚持和韧劲,所以战略其实是这样一路一路顺延下来的。

而战略究竟应该是做出来的还是应该规划出来的?

战略当然是做出来的,但是很多人做之前缺乏考量。如果不思考肯定没有战略,但是不去做一切也只是空想,所以在我看来这是一个艺术的问题。战略肯定是做跟想,但是究竟是怎样的想法,做的过程中怎么总结,如何提炼出些规律,规划的过程应该怎么落地实施,这一切都需要经验积累。在我们内部有个说法叫做“战略七分靠做,两分靠想,一分靠命”。但是“想”这部分的两分究竟重要不重要?我们可以说它比例没有那个七分的“做”高,但是没有这两分一切都是枉然,因此这是一个缺一不可的过程。

对于小企业来说,第一类是偏机会导向的企业,这样的企业前期发展一般都没有太大的挑战,只要根据具体的切入点滚动发展即可,但是机会导向型的企业发展到一定程度之后,很多企业却没有形成一个完整的战略思考,因为它习惯了跟着机会跑,它属于跟风型的企业。而这个时候能不能形成对未来的判断,决定了企业在第二轮竞争中能不能上一个台阶。第二轮的竞赛属于高手过招,就好比马拉松比赛,小比赛中你只需要稍微努力跑一跑就能排在前列,但如果要参加全国马拉松竞赛,必须开进行有目标的训练、开拓有效率的训练方法以及扩大资源投入,这样才有可能领先他人。

第二类企业其实是偏vision导向的企业,因为任何大企业都是从小企业开始做起的。企业制定的宏观的战略跟现实之间究竟能不能找到结合点和突破口,如何利用这个突破口将企业运转起来,因此vision导向的企业前面三年非常艰难。

这两类企业中,一类需要考量想出来的战略能不能落地,另一类是能否做到在战略实施的过程中进行思考。但是,最终从一个赚钱的企业蜕变为一家优秀的企业都离不开战略这一个核心。

S2b2c是对b2c的一个超越

d44102534e9c3186e072c852027b17d5a1e9e49e

可以肯定的是,S2b2c对b2c的一个超越。S2b2c是一种全新的电子商务营销模式,它的概念其实背后的核心是未来整个社会由于互联网作为一个基础设施的广泛应用,社会可以用更低的成本去大规模的协作。所以这个S其实是从传统的供应链管理演变成一个价值链协同的平台,而这个S在演化的过程中离不开小b,所以它是一个新型的供应链的网络的结构,不再是一个传统的价值链的结构和供应链的管理。

S2b2c特意指出来是小b,实际上就是一个平台赋能海量的小b,然后来服务更多的消费者。这样的模式下,小b本身说明它们是不可替代的,如果小b是可以替代的,它就退化成传统的b2c的模式。但是这个平台本身又不是C2B的模式,因为在C2B的模式中,这个C对这个大B是有一个完整的品牌认知,它认的就是B的品牌。在S2b2c这个模式当中,其实c感受到的服务是S跟小b共同作用的结果,它是存在互动的。也就是说S要提供很多的价值,但是小b也要提供很多的服务价值,所以这是一个新的模式。但是今年体现的只是s2b2c这个模式演化的过程,我们目前还没有看到足够成熟的物种可以做更详细的解剖。

新零售的发展现状

提起新零售,盒马鲜生算是一个典型代表,但我不完全觉得盒马鲜生是新零售的未来。这句话不是说盒马鲜生不成功,其实它非常成功,但是这成功实际上是因为技术的进步和移动互联网的出现,它们使得一个线下的场景可以变成一个线上的场景,并且可以覆盖到周边所谓的三公里的生活半径,所以它实际上是抓住了一个原来不存在的细分市场,它是一个全新的东西,因为原本不太存在三公里半径生鲜的大卖场,而且还能够利用反复的配送跟复购把成本平摊,这才使得它成为了一种成立的商业模式。

从这个意义上说,盒马鲜生其实是一个很漂亮的创新案例,但是跟大部分人所想的那个“新零售”不太一样。大部分人现在讨论的新零售是所谓的传统零售升级,或者是说线下跟线上的结合,即O2O的2.0版本。O2O 1.0版本基本上没有成功的案例,所以如果在这个意义上讲的新零售,我到目前为止没有看到特别值得讲的案例。

可是如果用十年这个周期来看新零售,现在仅仅是它发展的第二年,因此我们理解的未来的“线上”一定不是今天这个“线上”,未来的那个“线下”也一定不是今天这个“线下”,所以它其实是一种新的立体体验。现在极少有产品经理能够把线上线下体验放在一起来考虑,给用户提供一个完整的体验闭环,这是以前其实没有经历过的一个过程,而这个过程需要时间去积累。

关于SaaS市场的思考

在我看来,当一个市场发展到一定的成熟度的时候,中国跟美国市场就开始有很大的变化,比如电子商务。SaaS可能是中国跟美国会发生巨大生态差异的第二个领域。

如果我们把软件看做三个发展阶段,第一阶段是软件当做license来卖的阶段,比如Microsoft的阶段;第二阶段就是软件作为SaaS来收取服务费的阶段,比如salesfore.com这个阶段;第三个阶段实际上软件已经不再独立存在了,软件其实已经成为了data service的pipeline(管道)。中国其实在很大程度上比美国跑得快,我们在数据运用方面处于领先位置,那些拥有数据运用场景的企业很轻易就能完成SaaS市场的开发,也就是说Sass很大程度上变成了数据服务的一个中间件,在这样一个环境下独立的第三方把b2b SaaS软件生存的空间跟轨迹与美国将大不相同。

94b62badc8dd87ab81816fe67dffd2089a9e340b

中国企业的焦虑和质疑

从大格局来看,今天真正做到在传统与互联网之间完全互通的只有一个行业——广告,因为包括谷歌、百度和淘宝很大程度上都是传统广告线上的牵引,零售只是一个开启,供应链还完全没开始形成。因此我最近也一直在琢磨一个问题,一个看起来足够通用的供应链平台大概是不成立的。理由是,我观察了四五年的时间,都没看到服装行业下供应链平台的实现,这已经是供应链最发达的一个行业了,所以我们不要被过去这十年互联网的经验所束缚,可以用一种更开放的心态来探索未来五年十年的这个大变革。

前不久我偶然与茅台电商老大的聊天中意识到,这里面有很大的发展空间,凭借着自身强有力的品牌与产品,他们有可能会做出非常精彩的事情,所以把供应链包含进去并做大规模改造的可能性是很大的。如果这个改造完成,某种程度上再开放出来,这样比我们去做一个所谓的供应链平台会容易很多。

a92acff09a856e5016cdde3e6084f8649c61281c

我个人认为未来的五年无论是新零售还是线上跟线下的结合,这其中有很多非常具有创意和精彩的东西诞生。这其中一个典型的例子就是BAT,除去最初创业的这两年基本上都日子很难过,这的确是说明了传统的纯互联网思维它产生的价值在边际效益的快速递减。但是反过来,传统行业的转型目前也没有让人看到眼前一亮的案例,是因为他们对于理解互联网思想的过程其实也很难,所以在这两三年的碰撞及积累中会有一些特别有趣的东西出现,我对这个前景是充满信心的,不敢说千亿美金的平台未来会有什么样的一个演变,但是我觉得接下来的几年是产生百亿美金公司的黄金期,会有非常大的公司像雨后春笋一样冒出来。

aa9606809c8c30ca3f7b763554de2ce5b3ff8bb6

高山大学思享课II期学员合影

原文发布时间为:2017-11-11

本文作者:邓侃

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:阿里巴巴集团学术委员会主席曾鸣纵论BAT人工智能战略:任何公司都必须AIl in AI

相关文章
|
2月前
|
人工智能 运维 安全
阿里云通过ISO42001人工智能管理认证,引领AI治理推动协同共治
9月19日,在杭州云栖大会「AI治理与安全论坛」上,阿里云宣布通过人工智能技术的全生命周期管理ISO42001体系认证。该项认证由国际标准化组织(ISO)和国际电工委员会(IEC)制定,是第一部可认证的人工智能国际管理体系标准。
112 14
|
3天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
23 6
|
5天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
5天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
2月前
|
人工智能 JSON 数据格式
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
【9月更文挑战第6天】RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
|
23天前
|
人工智能 算法 安全
人工智能伦理与监管:构建负责任的AI未来
【10月更文挑战第3天】随着人工智能(AI)技术的快速发展,其在社会各领域的应用日益广泛。然而,AI的广泛应用也带来了一系列伦理和监管挑战。本文旨在探讨AI的伦理问题,分析现有的监管框架,并提出构建负责任AI未来的建议。同时,本文将提供代码示例,展示如何在实践中应用这些原则。
150 1
|
24天前
|
人工智能 自然语言处理 安全
Gemini 人工智能:谷歌AI重磅来袭!好消息,国内可用
Gemini 是 Google 🧠 开发的革命性人工智能模型,旨在打造一个功能强大的多模态 AI 系统。
|
14天前
|
机器学习/深度学习 人工智能 数据可视化
深度学习之可解释人工智能(Explainable AI,XAI)
可解释人工智能(XAI)是一个旨在使AI决策过程透明和可理解的研究领域。随着AI和机器学习技术在多个行业中的应用变得越来越广泛,其决策过程的透明度和可解释性变得极其重要。
29 0
|
3月前
|
人工智能 数据安全/隐私保护
人工智能伦理:我们如何确保AI的正义与道德?
【8月更文挑战第7天】在AI技术飞速发展的今天,伦理问题逐渐浮出水面。本文深入探讨了AI伦理的重要性,分析了当前面临的挑战,并提出了确保AI应用正义与道德的可能途径。通过具体案例分析,文章揭示了AI决策过程中潜在的偏见和歧视问题,强调了建立全面伦理框架的必要性。最后,文章呼吁全社会共同努力,推动AI技术的健康发展。
|
2月前
|
机器学习/深度学习 人工智能 数据可视化
首篇虚拟现实+人工智能综述!浙大、港中深等发布AI医疗最新报告
【9月更文挑战第21天】近年来,AI驱动的虚拟现实(VR)技术革新了医疗领域,浙江大学等发布的报告系统性审视了这一融合趋势。报告提出三大应用分类——可视化增强、医疗数据处理与VR辅助干预,助力精准诊疗。然而,技术成熟度、数据安全及伦理问题仍待解决。这一跨学科研究为未来医疗科技奠定了基础。报告详情参见:<https://www.ijcai.org/proceedings/2024/920>。
70 4

热门文章

最新文章