作者：Jake谢佳
来源：知乎
终于，全球市值最高的五家公司变成了清一色的科技公司，一直以来，能源、金融、零售、制造以及背后的产业是这个世界运转的基础设施，从几十年前的Microsoft起，软件开始吞噬世界。但是在过去的十几年，“软件” 似乎变成了一个过时的词，他们笨重、复杂，传统定义下的软件公司本质是在做To-B业务，与大众生活并不直接相关，相比那些解决“信息化”的软件技术，实现“连接人与信息”的互联网公司在过去十几年间一次又一次的上演了快速找到商业与科技结合的sweet point，弄潮儿们选择投身互联网，而不是创建或加入一家软件公司，最量化的体现恐怕就是公司估值和个人收入上的巨大差异，原因在于互联网公司与软件公司在商业模式和收入结构上的巨大差异。
软件，Sexy的SaaS是天生的
从某种角度看，模式往往决定了天花板，比如，应用软件在云计算的浪潮下演化为SaaS，但本质上讲，大部分SaaS公司的本质仍然是应用软件公司，很大程度上，一家SaaS公司所处的赛道和所做的业务天然决定了其是否能突破一家软件公司的范畴，最直接的判断方法是看其可能的收入结构。SaaS最大的创新是subscription这种deliver service的销售模式，与此同时提升了获客、产品升级、客户关系等方面的效率，SaaS/PaaS/IaaS/BaaS是subscription这种商业模式的不同产品形态，技术角度来看可以理解为“产品云化带来了销售订阅化”，因此，大部分SaaS应用软件公司的估值基本上是基于软件销售收入。Subscription模式依靠“产品创新，销售驱动”，检测产品有多创新的一个简单方式是，看看你的产品在多大程度上提升了“流程”之外的效率，界面背后的数据是否能产生客户愿意买单的价值（通常与客户的revenue相关），这些是硬功夫，需要技术创新。
比较务实的想像空间主要来自于标准化产品所target的Total Addressable Market有多大。在一个成熟的商业环境中，从横向功能来看，销售管理、人力资源以及财务管理三方面的需求最为明确最为核心（B2D is another story），所谓管人管钱以及跟收入相关的所有，核心到Salesforce可以下沉至PaaS做生态平台，核心到Zenefits可以有机会切保险交易，但很难说这些带有互联网气质的SaaS的成功（或暂时的成功）可被复制，换个时间换个商业环境换个品类估计都不成立。典型的大型软件企业如Oracle/SAP往往通过多条产品线服务大客户不断upsell来做收入，收入约等于主营业务所创造的客户价值，羊毛出在猪身上的事情并不成立。
SaaS customer adoption的速度与一个国家整体商业环境的成熟度和信息化程度呈正相关关系，因此，中国的SaaS和美国的SaaS发展路径必定不同，且中国的竞争环境还将造成更高的获客成本，横向功能型SaaS公司的发展速度自然不快。在SaaS赛道整体偏慢的情况下，outlier选手更有可能来自于服务短期内可以产生足够增量的垂直行业SaaS/PaaS，包括业务的增量（比如过去几年金融服务市场的增量）以及信息化的增量（比如酒店行业天然信息化程度比较高，加上OTA的发展，在这样的环境下做管理的SaaS有更大的机会切交易）。
听起来，世界不太可能被SaaS吃掉...
互联网，从“人机交互”说起
历史已经证明，every once in a while，一种新的人机交互方式会被发明，同样，信息化的基础设施也会演进出一种新的形态，无论创业者还是投资人都在寻找（或者更准确的说应该是等待）这样的disruptive机会all in。那些擅长于技术的极客们驱动着这股浪潮，那些精于行业洞察的企业家们充分发挥极客们所建设的技术基础设施来提升行业效率，例如美团、滴滴们所享受的移动互联网普及带来的红利。
无论软件还是互联网，本质上都是在探索一种更加高效且自然的“人与信息的交互方式”，以Microsoft为代表的图形界面交互方式“1.0”（thanks to Apple thanks to Xerox），以Google为代表的信息检索交互方式“2.0”，以及抓住了当年next-gen killer device机会的Apple “the truely all in one thing - iPhone”，他们要么是在人机交互创新上迈出了一大步，要么是建立起了生态体系牢牢把握住了大众与信息交互的入口，Microsoft, Apple, Google都是拥有用户端产品能力的操作系统级企业，Amazon is good at organizing goods and Facebook has an incredible insight in discovering human ego，这些深刻理解了人与信息交互本质的科技公司证明了其可持续的重大商业价值，反过来，持续的商业价值也证明了人机交互意义之重大。当年Netscape从IPO到市值27亿美金只用了1分钟，而传统制造企业通用动力则花了43年，那时的基本判断逻辑同样是，浏览器可能会成为下一代人机信息交互的重大创新。不久之前的Wearable浪潮以及仍然在继续的AR/VR也是这个逻辑，Wearable几乎被证明不成立，而AR/VR距离发明体验自然的killer device还有时日（智能手机是移动互联网的那个killer device，大小刚好，容纳得下足够的计算能力，机器与人的“距离”也刚刚好，是人类携带一个设备最自然的方式，相比之下，那些贴身的wearables就没有那么舒服的“距离感”了），这些基本可以归为“硬件载体”难以突破的问题。
3.0, what is the next big thing?
我曾一度把iPhone的电容屏触摸交互技术也归为人机交互的里程碑式革命，后来渐渐发现，触摸屏技术固然伟大，但它仍然是操作层面的进步，提升的是人机交互中操作层面的效率，而非探索信息本身，或者说它既没有提升信息结构化的程度，也没有从本质上增强人类理解信息的能力。Google的搜索引擎并没有在前端交互形式上做出什么贡献，恰恰相反，它的前端足够轻足够简单，它的伟大之处在于后端信息的组织。
那么，最有可能先到来的人机交互“3.0”会是什么形态呢？那些让“2.0”倍感焦虑的技术可能会是其中之一，当年Apple推出Siri时曾让Google非常紧张，因为Siri确实吸走了足以让Google担心的信息检索流量，如今几年过去了，语音交互技术似乎仍然是体验尴尬和不智能的。按照对“触摸屏技术”理解的思路，我们也可以解理为，虽然语音是人类最自然的一种交互方式（它甚至不需要像AR/VR那样去发明一个killer device，创造一个新的世界，语音交互就存在于生活本身），但人机语音交互技术仅仅在语音识别层面取得了短平快的突破（也就是操作层面，机器知道你说了哪几个字），但更为重要的语义理解层面并没有同样重大的突破，也就是说，机器仍然难以理解人类，所以语音交互体验是尴尬的。
如果能有一种技术可以大幅提高机器理解人类的能力，那么，真正能称之为下一代的人机交互应用是否会先发生在人类最自然的沟通方式 - 语音交互？Andrew Ng和微软的陆奇对语音寄予厚望，或者，下一代的人机交互革命会是一种去中心化的形态？像一层Layer作为一种Enabler存在于各种已经充分信息化的场景下，使得机器能更好的理解人类，也使得人类更愿意与机器交互。我相信，eventually, AR/VR把世界都格式化的那天一定会发生，我们可以把AR/VR immersive式的体验理解为，在特定场景下全方位的提高了人机交互的信息展现效率，从2D到3D的突破必将带来这些场景新一轮信息化的重塑，但更为关键的，在一个普遍的高度信息化的世界里，我们需要一种能让机器理解人类的Enabler技术来彻底改变人机交互体验，否则，在一个AR/VR的世界里，交互体验仍然是尴尬和效率低下的，就像现在的人机语音交互。
从“人机交互”到“AI基础设施”
听起来，世界更有可能被那层Enabler软件吃掉。
那么，如何理解这层软件呢？传统意义上的软件本质上是在解决信息化的问题，从基础层的数据存储、网络传输、数据计算，到应用层多样的应用程序技术，以及由信息化带来的各种中间件技术和网络安全技术，简单问题用轻量级的技术架构信息化，复杂问题用平台级的技术架构信息化，这是一个将世界从analog到digital转化的digitalizing过程；互联网基于软件但核心不是软件技术，互联网的巨大商业价值产生于实现了人与信息的“连接”，互联网商业模式就是一种“发现信息的机制”，某种角度，我们也可以把使机器理解人的AI技术看作一种“连接”，过去是人approach信息，所谓感知（人感知信息），有了这层AI Enabler之后，未来是信息approach人，所谓认知（信息认知人，机器认识世界），也就是说，AI enable了另一个方向的“连接”，开启了另一个境界的信息化！Sounds like a big thing, right?
In the long run, 机器将理解人类的情感，甚至拥有自己的思想，in the short run, 比较务实的理解是，AI ＝ Smart Computation (Data x Algorithms)，也就是一种更智能更自动化的“计算”。Why now? AI从量变到质变的突破来自于：
Data：信息化所积累的足够大规模、多元化的数据，以及云计算所带来的数据集中化；
Algorithms：作为machine learning的分支，deep learning在上世纪60年代就被提出，直到2012年左右Lecun的卷积神经网算法所取得的进步终于带来了质的突破，在人脸识别领域，机器第一次超越了人眼识别的能力；
硬件层面：基于deep learning的学习迭代需要恐怖的硬件计算资源支持，GPU并行计算的运用提供了CPU无法达到的计算能力（NVIDIA的市值也应声水涨船高），我们可以期待定制集成电路ASIC，神经元芯片NPU的发展对AI的重要促进。
今天，机器学习还是基于监督式学习，也就是说，需要人工介入事先把数据集打上标签来训练模型，告诉机器这张图片是猫那张图片是狗，反反复复训练之后，算法就具备了识别猫猫狗狗的能力，听起来不太sexy... right? 稍复杂一些的场景，机器可以将一张图片翻译为它所理解的文字，比如 A young lady holding a Starbucks coffee。在运用deep learning之后，语义理解NLP领域已经取得了一些进步，但deep learning在NLP方面的应用还没有取得突破性的进展，原因在于deep learning是一种更适合于做特征提取的算法，也就是，在人不好描述的情况下通过机器做特征描述，因此deep learning在图像这个便于模式抽象的领域最容易发挥，在自然语言理解方面还有待探索。科学家们也在努力使深度学习模型获得逻辑推理能力。未来的想像空间在于从监督学习到非监督学习的跨越，毕竟这个世界的绝大部分信息是没有被打上准确标签的，非监督学习将减少人工干预，让机器更自动更自由的学习探索世界，这将带来根本的进步，一切才刚刚开始。
AI能成为Infrastructure而不仅仅局限于vertical技术的原因在于deep learning技术的强“获得特征迁移性”，也就是强通用性。DeepMind在成功挑战人类复杂游戏围棋之后（AlphaGo），向视网膜医学影像诊断领域进军，并且再次证明了机器可以比人类做得更好，同时，DeepMind还在探索基于机器传感数据做针对机器硬件的能耗管理、故障预测。在越来越多的领域，作为一种基础设施级的enabler，AI技术的出现极大的提升了行业效率，甚至是这个领域的Game Changer。无论是自动驾驶对交通出行的改变，还是智能制造IIoT(Industrial IoT)或者智能投顾RA(Robot Advisor)的兴起，机器替代人工并不新鲜，技术创新重塑行业产生的机会以及对产业上下游产生的改变才应该是我们关注的重点。
过去十年，我们说了太多的模式创新，未来十年，创业圈最性感的事情莫过于，具有企业家探索精神的科学家技术极客翻开重塑信息世界的新篇章！
硬件层面：基于deep learning的学习迭代需要恐怖的硬件计算资源支持，GPU并行计算的运用提供了CPU无法达到的计算能力（NVIDIA的市值也应声水涨船高），我们可以期待定制集成电路ASIC，神经元芯片NPU的发展对AI的重要促进。
今天，机器学习还是基于监督式学习，也就是说，需要人工介入事先把数据集打上标签来训练模型，告诉机器这张图片是猫那张图片是狗，反反复复训练之后，算法就具备了识别猫猫狗狗的能力，听起来不太sexy... right? 稍复杂一些的场景，机器可以将一张图片翻译为它所理解的文字，比如 A young lady holding a Starbucks coffee。在运用deep learning之后，语义理解NLP领域已经取得了一些进步，但deep learning在NLP方面的应用还没有取得突破性的进展，原因在于deep learning是一种更适合于做特征提取的算法，也就是，在人不好描述的情况下通过机器做特征描述，因此deep learning在图像这个便于模式抽象的领域最容易发挥，在自然语言理解方面还有待探索。科学家们也在努力使深度学习模型获得逻辑推理能力。未来的想像空间在于从监督学习到非监督学习的跨越，毕竟这个世界的绝大部分信息是没有被打上准确标签的，非监督学习将减少人工干预，让机器更自动更自由的学习探索世界，这将带来根本的进步，一切才刚刚开始。
AI能成为Infrastructure而不仅仅局限于vertical技术的原因在于deep learning技术的强“获得特征迁移性”，也就是强通用性。DeepMind在成功挑战人类复杂游戏围棋之后（AlphaGo），向视网膜医学影像诊断领域进军，并且再次证明了机器可以比人类做得更好，同时，DeepMind还在探索基于机器传感数据做针对机器硬件的能耗管理、故障预测。在越来越多的领域，作为一种基础设施级的enabler，AI技术的出现极大的提升了行业效率，甚至是这个领域的Game Changer。无论是自动驾驶对交通出行的改变，还是智能制造IIoT(Industrial IoT)或者智能投顾RA(Robot Advisor)的兴起，机器替代人工并不新鲜，技术创新重塑行业产生的机会以及对产业上下游产生的改变才应该是我们关注的重点。
过去十年，我们说了太多的模式创新，未来十年，创业圈最性感的事情莫过于，具有企业家探索精神的科学家技术极客翻开重塑信息世界的新篇章！
