互联网3.0时代的普及新起点

互联网这些年好像只是带着人们买买买、连连连、玩玩玩、看看看，似乎没干什么“正经事”。可人们回过头仔细琢磨会发现互联网在不经意间从无到有，已深深地浸入到工作和生活里。仅仅是两款硬件（计算机、手机）已产生变革式影响，如若万物加入会有怎样的变化呢？互联网出现之前，信息要么是公开宣布的，要么是内部流通的。互联网出现之后，信息有了一个全面覆盖的通道，由于信息形成双向流转架构，原有依赖信息不透明去盈利的商业模式被颠覆。基于信息流嫁接物的流通，缩短了购买渠道，建立了新的线上零售方式。同时新媒介成为全新的信息展示渠道，并创造了新的广告、资讯获取等模式。到了移动互联网时代，移动终端与人捆绑的时间变长，可以充分完成线上线下双向导流，从而把更多的人类生活服务融入这条通道上来。互联网创造了一些行业，比如互联网游戏。另外在这个过程中，有些行业受到了直接的冲击，比如零售业、中介服务业、媒体及广告业等。有些行业一边完成着信息化的过程一边恐慌着，随时准备迎接颠覆式的改变，比如制造业。到了现阶段，所有人都心知肚明地迎接互联网3.0时代的到来。可能是5～10年才能普及应用的技术，比如区块链，已经被提前进行普及性研发。

为什么互联网3.0将改变人类生产力规则？

1）信息的收集和处理解决的是寻找“相似点”和“共同要素”，然后将这些共同重复点以应用场景进行归类整理，对非必需的环节进行缩减，直接减少工作量、提升效率。而当所有的点都被连接，这些重复点所处的位置被清晰定位后，即可采用同类的处置方式，或者输入同样的命令让程序或机器完成。减少人类的重复性工作或让机器完成重复性工作，对于某些领域，如前文所述的西门子德国数字化工厂已实现75%的自动化生产，可以缩减一半以上人力成本投入。另外，机器可以延长工作时间，可以提升至少一倍的工作效率。

2）服务不像产品可以有标准的质量产出和检验标准，所以需要大量的复核和抽检工作来确保服务达到标准要求、服务水平差异不会过大。有的工作对服务人员的情绪控制要求较高，尤其是在服务任务较重并伴有负面刺激的时候。需要由人重复提供的服务若由程序/机器替代完成，实现服务的标准化，减少情绪等因素对服务质量的影响；一方面服务水平不会因人而异，与用户的行为数据库关联还可实现服务拓展，提升用户体验；另一方面自然是减少成本，安心地让机器24小时提供服务。

3）人类在监控这件事上受情感、人情等因素的影响具有一定的灵活性。机器在做简单重复的控制工作上比人更有优势，至少不会出现“放水”情况。另外，不同经验和敏感度的人对于危险的感受力不一，认知能力也存在差异。比如安全监控，在基础库相对完整的前提下，机器可以时时识别及发现安全隐患，对伪装等因素有更高的识别率。要解决机器的过度敏感或不明理由警示的情况，需要人类对风险进行排查和处置。对于一些环节的灵活弹性设置也只能由人类去实施。

4）更大范围的整合应用，可以提升资源利用率。打破组织、地域的限制后，资源能否被充分利用？只能说这是一个美好的愿景。通过资源垄断获得更大利益的商业逻辑很难通过技术手段去彻底改变，但在一些环节仍有机会去突破，比如教育资源全球共享，实现教育公正公平。互联网3.0时代的生产力逻辑架构让一些企业有机会成为平台，比如通过提供算法模块和计算资源获得更丰富的数据资源，通过提供综合生产平台，实现工业资源整合利用以及其他整合模式。同时，囿于数据入口的遍地开花，想要以互联网1.0和2.0时代的逻辑，即通过占领更多的数据入口成为流量资源垄断者的难度增加。传统企业是否有机会加入流量再分配的争斗并可能取得优势，则要看他们对于硬件和基础设施的生产掌控力（见图5-2）。

总的来说，在互联网3.0时代，人类社会整体的商业逻辑没有变，依然是沿用信息化发展的架构，利用人工智能手段去提高效率、降低成本。由于流量的枝节更纷繁复杂，想要垄断流量资源难度反倒增加。对于人工智能发展的要求只需达到“学习”这一思考层级即可。

这阶段的大量工作仍在基础设施建设、数据聚合等基础工作方面，具体要素为：

1）科研成果到商业应用的转化落地。人工智能算法已发展60年，主要前沿研究成果均在各科研机构，部分科技巨头企业拥有领域顶级科学家。新兴技术的研发和应用需由有学术背景的机构进行技术可行性论证、技术应用设计和商业应用转化，例如科研机构派生企业，如科大讯飞；或者企业需设置有相应职能的岗位，如谷歌的颀顿。成熟的商业应用则需要实现成果的落地过程。(www.xing528.com)

2）核心算法的模块化。目前的市场现状是，声称自己做人工智能的企业很多，说得清人工智能算法的不多。人工智能+行业应用对于算法和计算资源都有较高的要求，从社会整体资源利用最大化的角度，核心算法模块化更利于商业应用拓展和整体效率提升。

图5-2 互联网3.O时代生产力规则逻辑框架

3）基于多点连接的标准统一。连接是将应用场景与数据结合，是数据与智能控制/表现的关键。无论是万物互联，还是局域网内连接，都需要在统一标准下实现。以智能硬件为例，互联网巨头和传统家电企业都在建立互联互通的标准，每家都表示愿意接受其他家连接进来（品牌连接或者云连接），但结果还是各自有各自的领地，各有千万级左右的连接量，互相不连通使得服务和数据的利用仍具有局限性。

4）数据整合应用。多数据库的融通不只是意愿度的问题，还需要大量的基础性工作，包括多ID融合，多数据入口对于同一描述统一以及整合后数据的持续采集和维护。数据是人工智能发展的基础，对于整合后数据应用的框架设计、算法和数据结果应用监测都需要从宏观政策和标准制定的角度予以明确。

5）应用场景和交互方式的拓展。刚需与智能应用发展的矛盾是人工智能+行业应用的主要制约因素。不仅需要让新兴技术与传统领域更紧密结合，实现传统+智能的升级，而且要创造具有刚需条件的应用场景，让智能真正融入社会生活的日常场景。

以上是人工智能更贴近人类社会现实的发展脉络预估，连接点和数据不断累积，非常有可能推进人工智能算法的优化或突破。新的生产力规则更可能是逐步推进，在应用中不断颠覆曾有模式，这也意味着人类在彻底变懒之前还需要勤快地做很多工作才行。

在普及阶段，不加入规则，会失去机会，加入规则，则会陷入风险。这阶段最需要所有人警醒的是“谁来监控规则设计者”。由于规则设计与技术结合提升了监管难度，看似普遍公平的规则被少数人全面掌管的机会更大，很有可能资源会集中在更少数的国家、企业及个人手中，造成更严重的贫富分化。另外，安全和隐私保护同样有难度且需重点关注。当信息成为资源，所有组织及个人的所有信息都在公开网络上流转，必然有人有企图去截取信息另作他用，而任一节点信息泄露都可能造成无穷尽的危害。这是人工智能不能解决的问题，这是人类需要从系统设计的根本上去解决的问题。