【整改清算】香港地產商十大高危「#壟斷行為」
外電指地產商受中央施壓引起全城烘動,地產股亦隨著恒大爆煲而大跌。其實所謂「遊戲規則已經改變」並非重點,「壟斷行為」一詞才是對地產商來說可以內容無限擴充的紅線,如何才構成「壟斷行為」暫時沒有任何定義,以下嘗試探討香港地產商十大最高危的潛在「壟斷行為」,從而預視香港地產商將會否/如何遭到整改清算。
■ 1 #囤積居奇
單是四大地產商抬面有上千公頃土儲,估計仍有大量未登記、仍然掌控在俗稱「艇仔公司」的中介手上的土儲,亦未完全反映入公司年報, 圈地規模遠超枱面所及。
這些土地資源本來是尋常百姓的家園、自給自足的農田、自然生態的棲息地,都被囤積高度集中化起來。這些囤起來的土地資源無論有多不適合作發展,現時都歸咎政府阻礙他們點地成金,也不讓出來還原各種用途,為社會作業及自然環境重建生機。只肯短借出來作過度屋,收回之後又能借機變豪宅。
地產商的囤積壟斷,並不限於公開在公司年報上的一千公頃土地儲備,還有每年囤起上萬個已建成空置單位。本來針對此問題的《一手樓空置稅》條例草案,準備好通過最後都可以失踪泡湯,繼續容許地產商將手上空置單位待價而沽,彰顯了後國安法時代地產影響力仍然法力無邊。
■ 2 #壟斷式圈地
除了大規模囤地自肥,過往在新界的圈地模式也很可能構成所謂「壟斷行為」。
一直以來透過在新界與村長「打好關係」,大地產商之間已形成了無形的收地地盤,亦令其他潛在競爭者無法進場,明顯的例子如新界東北及洪水橋,明顯有著分區割據之收地格局。加上還有政府配合的規劃選址及原址換地,大大鼓勵了地產商進一步圈地壟斷。
土地業權外,亦透過不限於「田地生產」的手法,從小業主手上集中化市區業權作重建,亦成功爭取放寬強制拍賣門檻的政策,大大加強收購議價能力,掃平中下階層在舊區的生存空間。
■ 3 #操控衣食住行每個環節
過往談到「地產霸權」,一般都指不單是在住屋問題上由地產主導,而是在交通運輸、電子消費、物業管理、飲食娛樂、城市活動,深植日常生活的每個環節,各種服務選擇、物價水平、生活質素都牢牢挾制在地產商手中,連街市規劃也可以操縱。
真正的霸權壟斷莫過於市民根本無法決定自己的民生大小事,而當今被套上「壟斷行為」的罪名,很可能就是因為他們在各行各業霸佔龍頭地位,未有全面「讓」給「其他競爭者」入場所致。
■ 4 #公眾輿論帶風向
地產利益不只在政治體制及大大小小的政策委員員內,過往還透過籠絡「經濟學者」、地產經紀、退休高官等知名人士,透過媒體版位、董事袍金、團體資助、政黨捐獻、評論專欄、顧問研究的方式,讓社會各界都有專業打手或代理人協助主導社會輿情,帶出有利地產商利益的論調,實現公眾輿論的壟斷。過往遇上反對地產利益的社會聲音,曾有抽廣告、發信傳媒及團體作「提示」的做法。
透過以上的廣泛動員做到轉移視線、sideline反對聲音的效果,過去成功創造出「土地不足」、「地權複雜」、「收地困難」、「環保霸權」、「補地價 = 白做」、「一日最衰都係辣招」等論調,令地產利益能夠以公眾利益之名滲透香港日常議題,主導土地房屋施政。
而當今還能保有「帶風向」的權力,在全面管治權下當然會被理解為新時代香港隱患。
■ 5 #利益主導政府施政
當今各種被質疑為地產利益度身訂造的土地房屋政策,例如土地共享、原址換地、發水露台、強拍門檻、加大濕地發展密度,放寬祖堂地等,都會獲得過政府大力幫手背書成訂立, 一般都會以「地產商發功」來形容背後難以得知的政策制訂過程,卻可從「許士仁案」、「梁展文案」反映這種「功力」並非空穴來風。
人脈財力使然,這亦未必是能透過削阻地產商在特首選舉的影響力,就能輕易破除,這些都應該會被明眼人看在眼內。
■ 6 #區位租值壟斷
壟斷不僅只在資源上、媒體中,還能透過主導基建配套達到區位上的壟斷,令區域中心地段全面配合地產利益,才能有效收割小市民的租值。
這樣就不停留於大地產商的行為,領展、港鐵、市建局三座大山顯然也是加劇城市空間階級化及房屋問題的元兇,不過暫時仍未有在輿論上分享著地產商相同的待遇。
■ 7 #阻礙政府收地與發展
近年提出10塊私人地事隔兩年有7塊擱置,1,000公頃未發展棕地不斷避開地產商土儲只額外收得47公頃,可以預視背後現今依然有著巨大的收地力場,守護著他們愈儲愈多的土地儲備。
事實上,過往有不少案例發展商動輒進行司法覆核及上訴,發展商成功率亦相當高。明明收回土地條例是最難以挑戰的尚方寶劍,政府一直都避開而選擇更貴更破壞的填山填海。
現今恆隆地產陳啟宗試圖甩獲反指土地短缺全因反對派,但明顯土地發展最有力的反對派,其實就是地產商本身,這並不是發展商憑口就能帶過的事實。
■ 8 #非正規掠地起豪宅
地產商不僅會大手收購公共事業如電力、巴士、媒氣等行業進行壟斷,更甚者是「不務正業」,利用這些公共事業大搞地產,懂得將旗下/合作團體的巴士廠、變電站、碼頭、機樓、科學園區、教堂等公共設施申請改劃成私樓住宅項目,如同黨媒所形容恒大在不同省市「以車圈地」的騙地模式。
這除了大大影響香港賣地庫房收益及公地公用的潛力,變相廉價搶地,將原有批租作公共用途的土地變成私樓豪宅圖利。
■ 9 「#智商勾結」
還有透過私下「捐獻」或參與某某智庫組織,一方面能因慈善牌可獲免稅優惠,另一方面亦能借助他們影響政府施政,製造對地產利益更有利的政策環境,一石二鳥,可謂「智商勾結」,但這些行為大眾是看到的,亦可理解是另一種助長壟斷的行為。
■ 10 #大孖沙「#鋤Dee會」
根據不少過往報導,傳聞大地產商們曾私下組成「鋤Dee會」,有傳成員包含恒大許家印、「重慶李嘉誠」張松橋、「大劉」劉鑾雄等大地產商,這種富豪「共富」的合作模式,方便在過往地產股票市場大手交易,互惠互利做Deal。
不論鋤Dee會是否存在,或者是否已經在新時代香港式微,外人不得而知,但若然還有這個沒有社團註冊的「團伙」,今時今日也很有可能以「壟斷行為」被取締。
小結:風聲已聞 危難未至
現時其實只聞風聲草動,未有實質行動,但現今地產商還想以小恩小惠打發就算,更想借機以解決住屋問題之名大撈一筆,現屆仍較親地產界時或尚可蒙混過關,靠拿劏房業主Slumlord祭祭旗,但長遠且看「壟斷行為」的紅線如何變化,如何換莊,畢竟香港地產收益供養不同利益版塊,政商之間還是你中有我的利益共同體。
想留意更多有關地產商壟斷行為:
【本研Podcast】Ep57 - 施壓中 - 地產商就嚟冇得玩?
🎧Spotify:https://spoti.fi/3EwCgMw
-
研究有價 月捐撐起土地研究工作:https://liber-research.com/support-us/
FPS ID:5390547
HSBC PayMe 捐款支持:https://bit.ly/32aoOMn
戶口號碼:匯豐銀行 640-198305-001 (LIBER RESEARCH COMMUNITY (HK) COMPANY LIMITED)
義工招募:https://bit.ly/2SbbyT3
集中化例子 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
集中化例子 在 李開復 Kai-Fu Lee Facebook 的精選貼文
對話李開復、汪華:公共偶像與預言家的投資十年
深度、坦誠的採訪,談創新工場10年
本文來自晚點團隊 晚點LatePost
………………………………………………………………
創新工場創立十年,搬家三次,從清華科技園、第三極大廈到今天的鼎好大廈,都沒有離開過中關村。從創業搖籃、大公司高地到技術陣地,中關村的變遷像一個隱喻詮釋著創新工場的發展。
2009年,人們因為李開復知道創新工場,他“創業導師”的偶像身份,扮演著創新潮中的聚光點角色,他們孵化新項目、投天使輪。2014年李開復生病休整一年多後,創新工場開始走向覆蓋早期到後期的技術型基金。
如今,創新工場管理資金規模超過20億美元,投資項目超過350個,包括VIPKID、曠視科技、米未傳媒、美圖、知乎等專案,其中70餘家公司估值超1億美元,獨角獸17家。
在中國短暫的VC發展史中,VC承擔著複雜的角色:從創業導師、貴人,到資本推手,他們能快速搞熱一個行業、又能快速燃盡一個行業。但從某種程度上說,VC的九死一生或許比創業更加殘酷——它決策金額更大、組合更為豐富、結果更為隨機,但驗證週期非常長。
因此,多數人對VC的評價,總是後驗的。多數投資人看趨勢、忽略週期;看風口、忽略時間點;靠運氣、忽略沉澱。因此,研究一家VC的難點在於,你需要找到正確的時態,並且在這個時態的當下來動態觀察這家VC——他們是如何看待過去時的單個案例,如何討論未來時的大趨勢,以及貫穿始終的、關於基金本身思考的更迭。
在創新工場成立的第十年,《晚點LatePost》採訪到了創新工場創始人李開復和汪華。他們錯失過、也踩對過,創新工場是少數見證過十年週期、創業者代際和環境變化的基金,這讓他們的思考更有價值。
李開復和汪華,一個是公共偶像,一個是預言家。兩人極為互補,李開復擅長面對公眾,汪華長於思考分析;李開復更願意開拓新的領域,汪華負責決定投資的大方向。中關村的輝煌面臨著新的挑戰,他們的角色和創新工場的定位也將迎來一系列變化。
┃談投資:
《晚點》:創新工場十年,你如何評價工場的投資業績?
李開復:不夠快、不夠感性,嚴謹是我們的強項,也是我們的弱項。需要當場看人快速做的決策,我們不會做,因此我們會錯過一些能量很大,但不是最嚴謹的創始人;第二,看到巨大的風險且(創始人)當時沒有解決方案,我們會謹慎。
汪華:2009年我們可以把移動互聯網趨勢精確預測到第一二三階段,分別對應軟體、和社交、娛樂相關的使用者平臺、商業交易,事實也是如此。趨勢瞭解得挺好,投得也不錯,但從結果上來講,並沒有成為最大的受益者。
《晚點》:做投資以來,犯下過最大的失誤是什麼?
李開復:我們的基金不夠大。這不叫失誤,只能說是一個很大的挑戰。
汪華:還是執行層面上的問題:募投管退的執行跟不上市場變化的速度。我們在移動互聯網第一階段、第二階段投得挺好的,但移動互聯網最值錢的公司很多出現在第三階段:2013年底到2014年初的商業和交易階段。第二階段幾個工程師就可以做起來一家公司,但第三階段需要投幾千萬美金,這中間也只有一年時間。那時趕上開復生病,投資收縮持續了一年多時間。到2014年底的時候,我們的基金規模和當時的狀況是投不動當時估值和燒錢都很厲害的交易性公司。
《晚點》:為什麼在對商業趨勢的判斷上你們花了很多時間,而在做基金最基礎的募投管退上,你們花的精力卻不夠多?
汪華:這是個很有意思的話題。在這個行業做得最靠譜的VC,天天都在投創新、在看商業模式變更。但基金這個生意本身,不論是決策裡的科技含量,還是商業模式創新、管理、激勵等各個層面,這十多年的變化是很小的。唯一一個大變化就是大型基金的出現。
在整個金融行業,VC一直是邊緣領域,也不該站在舞臺主流的領域,錢不多人不多,根本就不能支撐大規模的投資。只是因為移動互聯網的出現,VC從後臺走到前臺,參與到巨額的投資當中,超級基金開始出現,才開始有了足夠多的錢和足夠大的規模。
過去VC並不是一個有持續性的生意,上一個基金做得再好,和下一個基金之間也沒有任何的延續性。VC高度依賴老中醫式的個人判斷,導致無論是組織架構還是整個基金的能力建設都很難。所以VC採用合作制也是這個原因,不規模化,手工作坊制和合作制本質上是最好的。尤其是過去八年,在機會非常多的情況下,VC們去當槍手,而不是打陣地戰——成了最好的抓住過去八年機會的方式。
《晚點》:你理解的陣地戰是什麼?
汪華:可以長期、延續性地積累核心能力;不斷擴展規模和邊界,不依賴具體的個人;持續提升和改善效益,並且擁有不斷擴張、無邊界的投資能力、投資工具和投資規模。
《晚點》:中國最好的VC紅杉資本是否某種程度實現了規模化的陣地戰作戰?
汪華:紅杉是規模化的遊擊隊槍手。
大部分基金合夥人,有的是出於個人興趣,有的是想掙一些錢,他們有什麼動力把自己弄成雷軍和任正非呢?
過去八年的投資機會,本質是移動互聯網提供了新的交易界面和通訊界面。很多領域裡原來有老大的可以換掉老大,沒老大的可以造個老大。
但最重要的是在新界面層出來時,你第一個沖上去佔領位置。過去之所以短短五年就可以產生百億美金級別的公司,並不是公司內生的自然增長,而是公司迅速佔領界面層之後,對上游和下游的價值體現,本質是在杠杆社會已有的價值。
這種環境下,投資的核心要點是迅速覆蓋、迅速補槍,這時候做投資,對精確度的要求比對覆蓋的要求要低得多。我們很多單子回報在30倍、50倍,即使有5個失敗、10個失敗都沒有太大問題,關鍵只要能贏,一切都可以pay off。在這種情況下,陣地戰壓根就不是什麼明智的做法。
但往後不一樣,小而美、槍手式的VC時代會逐漸過去。從2018年往後,界面層的機會已經沒有多少了。這種情況下,公司如果能掙到錢,很大程度是內生價值創建,而不是外延價值轉移。這個時代裡面,投資本質上需要打價格戰,而且大家都不約而同把基金規模擴大,包括我們自己。
《晚點》:所以孫正義在兩年前就做了1000億美元的願景基金還是有其創新之處的。
汪華:有,也沒那麼多,它從基金量的角度實現了陣地戰,但我覺得整個VC領域沒有誰真正做到這一點。
擴大基金規模是最容易做的,執行層面的陣地戰要難得多。我覺得第一步要做的不光是規模擴大,而是做成全階段、全能力的基金。
比如高瓴,拋開二級市場部分,它把VC加上PE,都在做大規模的產業化投資。紅杉也是一樣,無論幣種、階段,紅杉還想做二級市場的事。企業的增長週期在變長,需要VC以完整的投資鏈條工具去保證cover這個增長,而不像以前一樣,企業核心增長可以在兩三年之內發生。
《晚點》:你們很早就認知並預測了移動互聯網的幾次浪潮,但你們並沒有成為收穫最大的基金。為什麼?
汪華:有客觀原因、主觀原因、能力原因。還有很多理想主義的成分也需要被時間洗刷,理想主義是要體現在目標上,而不是在執行上。
最好的基金是去人性化的——我希望在將來不要把投資弄得像“中醫”一樣。
投資像“中醫”,指的是把對未來的東西更多判斷成信仰、隱忍、堅持、熱情這些主觀情緒化,在投資裡面做自增強、自我感動。
投資去人性化的原理是,第一,你對未來的判斷和對當下的判斷必須要接近真理,越接近真理你才越有可能成功;第二個,你雖然接近真理,但你接近的真理是眾所周知的真理,也賺不到一分錢,所以你不但要接近真理,而且必須跟其他99%的人的認知不一樣,但是在大部分情況下,跟其他99%的人認知不一樣的,真的就是錯的事。
《晚點》:在你眼裡,算得上少有人看到的真理是什麼?
汪華:比如我們當時決定投線上教育的時候,沒有人看好線上教育,而我們認為教育線上化是接下來幾年最大機會的時候,可以從本質上提高教育的供給、教學的效率。
《晚點》:你把這些稱為真理?為什麼不換一個謙虛點的詞?
汪華:為什麼要換謙虛點的詞?投資的本質就是一個求真的過程。我們對未來變化的真實情況和真理的把握,越接近它,我們的投資收益就會越好。
┃談人類:“刷抖音和造金字塔、登月、工業革命、大型戰爭本質是一回事”
《晚點》:過去十年有什麼事情最出乎你的意料?
李開復:中美關係。
汪華:沒什麼特別意外的。所有這些政治問題本質上都是經濟問題。貿易摩擦之類只是表像,包括全世界各地保守主義的上臺,這些都是表像,實際上是經濟結果,只要這個原因不被修正,貿易摩擦就不會結束,保護主義就不會結束。
而修正並不是通過貿易摩擦來修正,也不是通過一次經濟危機,而是要通過各個國家再重新建立法律、分配、社會權力再制衡的體系,這些體系真建立起來了。或者我們人類運氣特別好,找到下一個增量,通過繼續做大蛋糕來解決分配問題。
《晚點》:AI是否可以做大全人類蛋糕?
李開復:AI是像電一樣的平臺,會促成所有傳統行業變革,變革的下一階段是它會取代重複性工作。從人類的歷史可以看到,工業革命帶來最大的壞處就是把我們洗腦成為了重複性工作的奴隸,如果失去重複性的工作,有人認為是人類一種價值的喪失,所以才有人覺得AI時代存在失落感。
但實際上我的觀點是,人存在的本質,是創造力和愛。最終我們會感謝AI時代的來臨,因為我們會從重複性工作中解放,反而可以做最擅長的事情,無論是創造還是關愛。
汪華:AI理論上也可以做大一部分蛋糕,但是它提升效率的速度會比做大蛋糕的速度更快,會進一步加劇集中化和把大量的人口踢出生產交易的環節。
《晚點》:你曾經說,未來只會剩下兩類公司,一類是充分解放人類雙手的AI公司,一類是讓人獲得低成本娛樂的公司。
汪華:世界上全球化、自動化已經把一部分人踢出了生產消費的經濟迴圈,所以財富和權力都往少數公司聚攏。第一,過去十年是人類有史以來貧富分化最劇烈的十年;第二,從廣義來說,這些互聯網公司造成的影響比日韓巨頭對當地的壟斷影響更深刻。
大量的生產經濟部門消失,同時又沒有新的經濟部門被建立,這在過去幾年沒問題,因為互聯網、全球化還在不斷創造增量,當這個增量差不多快結束,同時又沒有新的增量被創造的時候,這件事就快崩潰了。
《晚點》:地球上還有什麼可以做大蛋糕的方法?
汪華:“地球上”這個字眼出來就很沒意思了。傳統上做大蛋糕是指大量低經濟體的人口加入到經濟迴圈裡來,那是純粹的消費創造,但已經接近尾聲了。即使做大蛋糕,剩下可以加入經濟迴圈的也沒有特別多。
所以要改變收入分配制度,讓多出來的生產力有匹配的消費,這可以解決一部分問題,但不能解決根本的問題,還有就是必須找到全新的產業消化生產力。
《晚點》:你認為現在的主要矛盾是生產關係跟不上生產力的發展。
汪華:如果從馬克思主義政治經濟學的角度是這樣,當然我認為也不只是這樣。
最主要的是現在暫時沒有新的增量,當然還有一種方式,就是把大量生產力投入到某個消耗的事情上去。類似于當年的互聯網、當年的工業革命、服務業革命,吸收大量生產力誕生新的需求。傳統的例子是金字塔、登月、大型戰爭,它們雖然不產生正迴圈,起碼可以消耗過剩的生產力,最理想的狀況是大航海時代。
《晚點》:所以你認為大航海、金字塔、登月、工業革命、互聯網是同一個維度的事情?
汪華:對。
《晚點》:下一個可以吸收大量生產力誕生新需求的產業可能是什麼?
汪華:自動化提高了生產力,但必須要有一個全新的東西去容納多出來的生產力。在中國抖音之類的其實已經算是很不錯的例子了。
比如改變分配制度我認為可以緩解這個問題,但是還不夠。創造一個全新的產業理論上是更好的。將來可能會出現消耗大量人口的第四產業。抖音可能是一個雛形,如果再過10年,大部分物理勞動都自動化之後,第四產業可能是純粹滿足人的精神愉悅需求的某種形態,抖音就是向人提供精神滿足的產品。但目前像抖音這樣的產品,依然還不能承接這麼多的人口。
如果現在的工業服務業只要佔用人類20%的人口,剩下80%的人口幹什麼?
《晚點》:騰訊和位元組,誰更靠近第四產業的發展?
汪華:理論上來講騰訊占一個先手,騰訊的核心資產是關係鏈,騰訊商業價值的本質就是佔有用戶時長。但第四產業廣義來說也很泛,娛樂只是一部分,比如說廣義的教育,包括廣義的健康,可以產生新的大規模用戶生產消費相關的東西都算。這個事還早,阿裡等公司也不是沒機會。
《晚點》:YC美國有一個實驗,即在滿足人們基本工資後,這些人會做什麼?研究表明這些人可以去做更有創造力的事情,比如說畫畫。
汪華:但必須是產業化的、必須能形成生產消費迴圈的事情才行,所以抖音是比畫畫更好的例子。
《晚點》:除了改善收入分配制度,以全新產業去消化生產力,還有沒有第三個更高維度的事可以承接大量生產力?
汪華:那就是擴充人類的邊界,把大量的生產力投入到馬斯克說的,投入到星球大戰計畫裡面去,投入到核聚變發電上去,投入到粒子加速器裡面去。
與其給所有人類都發基本工資,讓人類都躺在那裡都玩抖音,還不如把這些生產力投入到有可能擴充、拓展人類邊界的巨額投資裡去。當然這個是現在的經濟社會制度也是做不到的。
第四產業如果真的只是以抖音為代表逐漸發展出來,純粹以滿足人的精神娛樂為目標的產業,如果這個是未來的出路,我肯定會很失望。
《晚點》:你是對人類失望,還是對創造這些產業的企業家失望?
汪華:這樣的話會形成類似於中世紀一樣的場景:人類邊界沒有被擴充,而是停滯在一個自我滿足的狀況,80%的人就活在互相自我滿足的經濟迴圈裡。
《晚點》:有人認為人們如果不去刷抖音,他們就有可能性去探索其他事情;而另一些人的觀點是,這些人即使不刷抖音,他們也不會去自我創造和實現。
汪華:從現在的事實來看,對各個國家來講,讓這些人去刷抖音是最好的選擇。
┃談創新工場:“全世界唯一的模式”
《晚點》:創新工場回報最好的基金是哪一期?
李開復:投AI項目最多的回報最好。其實每支基金都能進第一梯隊,因為我們有很多超高回報的項目,比如曠視回報400倍、VIPKID回報1200倍。
《晚點》:什麼時候確定要做Tech VC的戰略?
李開復:工場最早是做孵化器,後來我們慢慢淡化孵化器,在2010-2013年慢慢轉型成投A、B輪的VC。在專注做基金之後,我們一直把自己定位成技術型VC。
中國結構性的變數就是傳統行業。我們在籌畫一個更大的基金來支援投資傳統行業。中國人工智慧所帶來的GDP,到2030年較今天會有50萬億的增長,這50萬億並不來自AI公司,而是傳統行業用AI找到切入點從而產生價值。這個時候我們要做他們的AI導師,同時連技術代碼、人和錢一起投進去。
汪華:Tech VC換一種說法是,中國很多產業前端集中,後端分散,效率低下,有以萬為單位的服務商或者流通商。Tech VC一方面要覆蓋最前沿的技術,另一方面要覆蓋中國最底層的產業。VC投資要陣地戰,不像以前那樣去抓一兩個最大的機會,而是需要系統化。
《晚點》:整個創新工場運轉的商業模式,對標全球,和哪一家VC比較像?差別是什麼?
李開復:跟Google Venture有點像,它的做法就是投資之後,會調一些Google工程師給被投資公司。最大差別在於工程師,工場工程師的KPI不是幫你賺錢,而是想嘗試新的事物,但Google Venture是要投資賺錢,Google又有自己的戰略目標,這三者會有利益衝突。但我們的目標是把我們的技術和人才,賦能給傳統公司,我們跟他的利益百分之百一致,因為我們投資了他。
工場現在的模式是全世界唯一。沒有其他基金的工程師又做醫療又做教育,還做投資。工場工程師有三塊,一個是立項了,做好了就出去創業,第二種是三四個頂級科學家,帶團隊做科技探索到場景應用。第三個AI賦能團隊正在建立,去傳統公司幫他們解決問題。
《晚點》:工場投的幾百家公司裡,哪家公司的發展曲線最讓你意外?
李開復:VIPKID,我沒有見過一家公司,每年實際資料都超過前一年預測的好幾倍,這持續了好幾年。
汪華:給我帶來最大意外的,往往是表現不好的項目,或者是我沒投但最後變得非常好的專案。如果任何事情能改變你的判斷體系和執行體系,它的價值都很高。
比如說位字节跳動,沒投,第一是考慮新聞監管性因素;第二是理論上來說,流量和搜尋引擎應該把這件事做得最好。結果無論是百度、騰訊,還是其他公司,表現差得出乎我意料,而頭條表現好得出乎我意料。
《晚點》:錯過頭條的不止你們,無數基金都在後悔。這是否是個還能接受的錯誤?
汪華:頭條是移動互聯網時代最重要的幾家公司,而且我當時還看過這家公司,並且跟創始人聊過。移動互聯網裡最重要的幾家公司,如果你沒投,你就會損失大筆投資收益,而頭條是裡面最重要的一家。
┃李開復談個人:“如果你想要影響一個人或一批人,你要挑最容易普及的”
《晚點》:你認為自己一直以來的角色是投資人還是創業導師?
李開復:早就不是導師了,創業和導師,是彼此互斥的兩個詞,強大的創業者都有自信,他可以參考你的觀點,但會拒絕你是他的導師。
《晚點》:什麼時候意識到中國創業者是不需要導師的?
李開復:我們把孵化器轉型成VC的時候就意識到了。最開始做創新工場,是看到很多創業者被欺負,很多投資規則在中國並沒有被大家瞭解,我希望來幫助他們,後來出現了很多天使投資人,創業者面臨的條款隨之公平,加上雙創熱潮,我覺得我們(孵化器)的歷史任務完成了。
《晚點》:最早成立創新工場,為什麼選擇汪華來做合夥人,最看重他什麼品質?
李開復:Google中國業務三分之一都是他魔術變出來的,當時Google總部不允許買流量,汪華能找到非常划算的流量。在一個規則很多的公司,他能有創意地把事做成。
《晚點》:你最不能忍受汪華哪一點?
李開復:汪華是愛因斯坦型的人,他腦子的轉速超過大部分人耳朵能聽進去的速度,好的地方是幫我們想了很多很棒的點子;不好的地方是別人跟不上,我們都插不上話。
但只要汪華一天在我們這裡,我們就要創造一個讓他不用彌補自己短板的環境。
《晚點》:在你生病的一年,汪華的狀態如何?他有找你尋求如何管理基金的建議嗎?
李開復:所有工場的人十七個月幾乎沒問我任何事情。我每次看到他,他臉上就多一點痘痘,最後全部都是痘子,其中鼻子上長了一顆,大得像衣服上的扣子。他的壓力太大了,壓力不只是說開復不在我要做所有的決定,還有萬一開復不能回來,我們還能不能再融到資,而且答案可能是融不到資。
《晚點》:你從人類歷史的角度看AI,這個視角是從什麼時候開始有的?
李開復:生病以後。因為我的生病讓我瞭解了人類真正生存的意義,不是重複性的工作,而是愛。從這個角度看AI我就會完全不同。
《晚點》:每天兩億多的人花60多分鐘不停地刷機器推薦過來的資訊、短視頻,如何理解這個現象背後的技術價值觀?
李開復:千人千面背後的AI技術,是一個讀取了海量資料的目標函數,但人的時間不能只被這麼膚淺的一個目標函數來控制,我們應該有更好的目標函數。我美國一個朋友提出,AI應該要從衡量時長,轉變到time well-spent。
《晚點》:但創業者會告訴你,我現在需要這樣的手段來讓我生存、上市。
李開復:然後出了問題再被要求整改,這可能就是我們的劣根性導致的,只看到這樣一個路徑。我想紮克伯格會不會給出一樣的答案。
《晚點》:你現在最大的熱情在哪裡,寫書嗎?
李開復:當然不是了,最大的熱情在發揮我的創意和愛。
《晚點》:你想普及正確的AI價值觀,為什麼不先從創業者開始?從這些大公司的CEO開始?
李開復:因為我覺得人還是要專注他能影響的事情。
我寫書能發揮的對社會的影響,超過說服紮克伯格,我不覺得我跟他們談,會讓他們做不同的事情。
但我寫了書以後,很多中國傳統企業家會說,開復老師,我們要做AI,你來教教我們;很多LP會說,我們可不可以投資你的基金;還有很多國家來找我,李博士你可不可以幫我們策劃國家的AI策略。
過去這六個月,我大概接到了七八個國家元首或者是總理的邀請,我在幫他們做AI的一些建議和策劃。如果你想要影響一個人或一批人,你要挑最容易普及的。
《晚點》:你覺得誰能影響這些企業家?或者什麼事情能影響他們?
李開復:只有出了事情之後才能影響他們。至少紮克伯格是這樣的,但現在只有他出事情了。
┃汪華談個人:“如果成功被解釋成天賦是一種失敗”
《晚點》:你曾有過創業的衝動嗎?
汪華:投資能滿足我的追求,我對未來會發生什麼樣的變化挺好奇的。2009年,我就假定所有人都用手機,這世界會發生什麼變化?但當時很多結論,很多人都覺得不可能。包括手機能不能買東西,要知道2000年的時候,別人還覺得無法在PC上買東西呢。
《晚點》:你是如何比別人都早看到、意識到這些?
汪華:有很多很客觀的東西,幫助你精確地推出一些趨勢。第一階段我們劃在2012年到2013年,我們相信這期間性能夠用的手機價格能降到1000塊錢,我們做出這個預測是在2009年,而當時所謂的智慧手機價格基本在3000元左右。這實際上通過供應鏈是可以做出判斷的。
《晚點》:站在今天,你認為最應該向未來5到10年提出的問題是什麼?
汪華:第一,我怎麼保證5到10年之後,創新工場擁有終極門票;第二,未來基金應該是什麼樣子的?它肯定不應該是現在這個樣子。
《晚點》:如何評價開復?
汪華:開復其實是挺有勇氣、挺有決斷力的一個人,無論從微軟離開去到Google,到探索中國的早期科技,每次變化都是放棄之前的很多東西,開復對於未來也是很敏感的,有自己的觀點。以前大家總把他當作公共偶像來看,所以看不到他的很多閃光點。
《晚點》:很多見過你的人都評價你極聰明,很多人誇你是天才,你認為自己的天賦是什麼?
汪華:沒覺得有什麼天賦。以創新工場為例,如果在這個基金裡,所有我以前的投資能力和投資成功的案例,只能被解釋成天賦,而不能把它歸結成任何的方法論的話,這在我的眼裡是一件非常失敗的事情。