未來的智慧網際網路Mapping——資訊圖

《跨入智慧網際網路時代——從連線到資料，從流量經濟到效率經濟》

本期導讀：

1990 年 ，Tim Berners-Lee 在歐洲量子物理實驗室開始 WWW（ World Wide Web）計劃。全球資訊網誕生以來，從 PC 到智慧手機終端，網際網路的「連線」特性逐步創造出一個資訊自由流動的商業社會，並悄然承接著下一輪科技變革。

而就在被稱作“資本寒冬”的過去一年，Alpha Go 對戰李世石的勝利，把快步進行中的自動化和智慧化變革推到公眾注意力的頂點：“人工智慧”、“物聯網”、“網際網路+”、“工業4.0”等風口概念依然此起彼伏，不少創業者與同行疲於貼上趨勢的標籤。

九合一直未曾懈怠從底層去思考但這一輪社會生產方式變遷的本質與共性。借九合五週年之機，將我們的思考提煉為「智慧網際網路」概念，與諸位探討：

（一）智慧網際網路是什麼？

智慧網際網路是網際網路「連線」作用發展到一定成熟階段的演進形態，其建立在互聯的基礎上，以連線產生的「資料」為核心，通過資料處理輸出「智慧」價值，指導人與機器的高效決策和資源利用。

1.1 智慧網際網路的五個核心特徵

（1）智慧網際網路是網際網路的演進形態，其首要表徵是網際網路的核心價值驅動力由「連線」到「資料」的發展。「連線」是智慧網際網路的基礎，「資料」是智慧網際網路創造價值的核心。

從傳統網際網路到智慧網際網路的演進

傳統網際網路時期，互聯的特性逐步克服資訊不對稱，消解時間和空間障礙，實現了以“連線”為核心的價值創造和商業變革。這一時期，人是連線動作的絕對主動方，物品僅作為人類的所有權標誌存在：電商中人與物的連線，“物”是售賣所有權的商品；共享經濟中“物”與“物”的交換也是具有所有權歸屬的物品交換與使用權分享。

智慧網際網路時代，“連線”所作用的社會生產方式改變已發展到一定成熟階段，積累在此基礎上的“資料”發揮了核心作用，帶來新一輪的效率變革和社會生產方式變遷。物與物的連線並非作為烙印所有權的分享，還包含“萬物互聯”的自動化價值。當“資料”價值創造的核心驅動力，智慧網際網路中擁有資料價值的機器也被賦予了作為獨立資料體的存在意義，平行於傳統網際網路時期擁有絕對主動控制權的人。

（2）傳統網際網路的載體相對統一且載體遷移對原有商業格局影響較大  VS. 智慧網際網路載體分散並將呈現越來越離散的特徵。

以「連線」為核心的傳統網際網路，“人”是「連線」動作的絕對主動方，使用者通過某一載體實現與資訊、商品和其他個體的行為互動，統一的載體更易形成統一的互動規則和使用場景，因此也對應存在著使用載體的聚攏效應。

從“PC 網際網路”到“移動網際網路”，載體在某一段時期具有相對統一的壟斷，載體的消費資料（eg.智慧手機、PC電腦出貨量）是判斷產業成熟曲線的重要資料，而載體的變遷則帶來新的使用者洗牌和商業變革。

「資料」作為核心價值驅動力的智慧網際網路 , 人和機器都以獨立的資料體平行存在，強調資料輸出智慧價值而非基於統一載體的行為互動，因此，智慧網際網路載體分散並且將隨著其滲透到生產生活的各個場景而呈現出越來越離散的特徵：

• 資料的收集可以來源於物聯網、網頁爬蟲、電信運營商資料等多種渠道；
• 通過資料產生智慧價值的應用，可能是智慧手機的 App，也可能是擁有核心演算法 SaaS 軟體；
• 使用者可以選擇手機端 Siri 下達指令 ，也可以使用智慧家居/家庭機器人承擔虛擬助手的角色；
• 企業可以將演算法軟體內嵌於生產機器，也可以使用移動端控制

  ……

（3）智慧網際網路的核心價值驅動力——「資料」 ，既包括作用於產業與行業的橫向資料，也包括以某一具體指向為單位的縱向資料；其實質都是超出人腦可處理範圍、需要演算法發揮智慧價值的資料。

大資料是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力來適應海量、高增長率和多樣化的資訊資產。

——Gartner 關於「大資料」的定義

近年來也有不少觀點提出了「小資料」（small data）的說法：

“小資料”指的是有特定屬性傾向的資料集，比如：

以個人/家庭為單位的資料集（eg.某人每個時刻的所有行為資料）

以某一具體事項為指向的資料集（eg.風力發電機每個時刻的水箱溫度）

這裡的“大資料”與“小資料”不限於字面理解的“大”與“小”。“大”本身就是一個相對的概念；更準確而言，其是從橫向與縱向應用資料的不同方式：

“大資料”的方法論是在海量多維度資料中提煉出共同特徵或共同問題；

“小資料”則是縱向/時間積累的資料創造智慧價值。

但其實質都是超出人腦可處理範圍、需要演算法發揮智慧價值的大資料。

正如美國科技歷史學家 Melvin Kranzberg 著名科技六定律中，第三條定律的觀點：Technology comes in packages, big and small.

九合認為，智慧網際網路有其複雜綜合的運作機制，而作為智慧網際網路核心特徵的「資料」，同樣擁有多元的應用方式和應用場景，而非簡單稱謂的“大資料”。

（4）智慧網際網路價值鏈條的主要表現為：資料輸出決策，決策提高效率，效率作用於資源利用和時間成本。智慧網際網路的「智慧價值」包含對個體生活的智慧價值和社會生產力的智慧價值。

（5）凡是“通過連線與資料產生價值”的形式皆屬於智慧網際網路的範疇。

一切包含資料決策特徵或服務於資料決策環節的產品/服務都可以看作廣義的智慧網際網路範疇。

人工智慧是智慧網際網路智慧價值的重要表現形式；深度學習、機器學習是智慧網際網路的核心技術工具；物聯網是智慧網際網路資料層的基礎設施。

九合 選擇「智慧網際網路」的概念來表達對智慧化未來的整體性、包容度和運作秩序的看重與敬畏。概念所指並非爭一家之言，是為更好理解技術變革的底層運作機制，抓住核心突破點，在我們的角色中促成社會生產力正向發展。

1.2 智慧網際網路的四個基礎層面

智慧網際網路載體離散，但擁有相對恆定的價值生產鏈條，即從資料到智慧價值的輸入輸出正規化。鏈條中的四個核心環節呈遞進關係構成智慧網際網路的四個基礎面：資料層（資料來源和資料採集）—基礎設施（資料儲存）—技術設施（資料轉換智慧價值）—消費層（智慧價值轉換商業/社會價值）。

1.2.1 資料層

資料是智慧網際網路的底層原料，需要經歷定位資料來源和資料採集兩個步驟轉化為切實的資料資產。資料來源可大致分為個人/家庭資料、企業資料、公共／政府資料三大類別。

• 個人/家庭資料

主要包括身份資料、行為資料和隱私資料。

身份資料：指面部特徵、指紋、基因等個體獨有的生物特徵資料，身份資料在很有可能發展為智慧網際網路時代的“個人 ID”，也是政府公民檔案資料的重要部分。

行為資料：指個體/家庭在生活中留下的可採集的行為軌跡。

其一方面包含個體作為使用者在購物網站、社交媒體等商品或資訊消費平臺留下的註冊、消費、瀏覽、內容生產等行為資料，這部分資料目前在國內沒有明確的法律界限，使用者在平臺的資料也構成該企業、運營商資料資產的重要組成部分；另一方面則是依賴於智慧家居和物聯網發展普及、個體在與智慧家庭裝置的互動中積累的生活資料；隨著時間的縱向積累和資料餵養，個人/家庭智慧裝置會越來越定製化地聰明。

隱私資料：目前仍缺乏明顯的法律界限和隱私意識，同時也是較有潛力的藍海市場，隨著智慧家居的發展普及，未來可能出現大規模商用化的個體/家庭私有云。

• 企業資料

分為該企業的使用者資料，從公開資料集或資料商處獲取的、企業價值創造所需的資料資產，以及企業內部的私有資料。企業私有資料既有企業裝置、知識專利等資產資料；也包含現金流、供應鏈等企業執行過程中的資料。企業處理後的、結構化的資料集也是其重要的資料資產。

• 公共/政府資料

來源多樣並且擁有重要的群體價值，包括身份、政法、稅務等公民/法人資料，交通、公共設施等城市資料，環境資料等。公共資料的適度開放對於促進國家的資料科技突破和智慧城市推進有著重要作用。

• 資料的觸達需要通過資料採集完成。物聯網、感測器等「連線」設施的完善是豐富資料來源的基礎保障。近年來，基於光學、壓力、電磁場等原理的物理感測器，基於化學反應的感測器等，整合性、靈敏度以及成本方面做得越來越好，據美國市場研究公司 Gartner 預測，到 2020 年，將會出現 25 億個裝置連線到物聯網上； IDC 預測 2020 年全球生成的年度資料預計能達到 44 zettabytes。

散落在應用平臺和運營商處的個人消費資料，在國內還沒有形成清晰的資料隱私立法與執行界限，但從另一個角度而言，這一現狀也在為中國的深度學習提供了相對其他國家較為肥沃的資料土壤。對於較難獲取的線下資料，部分企業也通過資料眾包商或中間商購買資料集。根據美國參議院的報告，全美資料中介市場 2012 年的總規模達 1500 億美元。我國已成為僅次於美國的資料大國，預計到 2020 年將佔全球資料總量的 21%。但在眾多具有資料來源屬性的企業中，只有不到 8% 的開展了資料的租售業務，資料供應商與交易商仍存在較大市場空間。

1.2.2 基礎設施

晶片、雲服務是源資料儲存與進行計算的基礎設施。近年來深度學習的快速發展，與雲端計算的普及、晶片的計算效能的提升和成本降低密切相關。

傳統的 CPU 處理器實行序列指令，即使是現代改進後的多核 CPU 針對的也是指令集並行和任務並行，計算速度有限；而針對圖形處理和大規模並行運算而優化的 GPU，將大規模運算的速度提升了十倍甚至百倍，使得計算機快速處理海量資料成為了可能。

另一方面，GPU 的價格和成本也有了極大的降低。英偉達 GPU（GTX 1080）有 9 TFLOPS 的效能，只要 700 美元，意味著每 GFLOPS 只要 8 美分，而在 1961 年，串夠 IBM 1620s 每提供 1 GFLOPS 需要的錢超過 9 萬億。

同時，專用於加速人工智慧的特質晶片技術也在不斷推陳出新，除了傳統廠商，大公司也通過自研或併購的方式積極儲備晶片研發力量。

1.2.3 技術設施

技術設施指對源資料進行處理、轉換為擁有智慧價值的結構化資料或智慧結果的技術環節。智慧網際網路的技術設施主要包括以下三個層面：

1）生態 — 開源框架。
Tensorflow, Torch , MxNet 等深度學習框架。

2）呼叫 — 通用 API
語音、自然語言、影像處理等功能模組型 API 或通用演算法 API。

3）資產 — 演算法模型
企業/開發者專有的演算法模型，轉換智慧價值的重要環節與獨特競爭力。

1.2.4 消費層

圍繞智慧網際網路生態的商業型別多種多樣，包括基礎設施層面的晶片商、雲服務提供商，資料層面的資料交易平臺等。但這裡的「消費層」指交易核心來源於資料處理後的智慧價值的商業模式，目前主要有以下三種形式：

1）通用功能模組交易

語音、自然語言、影像處理等功能模組型 API 的售賣。

2) 演算法經濟

“演算法經濟”（algorithm economy）由 Intel 在 IDF 2015 (Intel Developers Forum) 提出，指當資料成為社會、企業和個人無法忽視的資產時，演算法是這些資料資產估價及交換的載體，這將會推動圍繞演算法為中心的新的經濟模式產生（data becomes the new currency – the currency of the digital world）。即以演算法為核心競爭力和壁壘的商業模型。

演算法經濟主要以軟體的形式出現，包括 BI（Business Intelligence）、服務於個人/家庭量化自我（quantifiedl self）的定製化演算法、專有演算法提供商等存在形式。從輸出結果的邏輯來看，演算法很難形成壟斷，因為不同於傳統商業複雜的付費衡量因素，演算法經濟中 1% 的效果提升都有著的替代顯著優勢；而從演算法背後的支撐 — 資料來源來看，餵養演算法的資料不斷積累與外延，容易形成某一特定或垂直領域的資料來源壁壘，從而建立資料來源壟斷優勢。

3）智慧升級應用

智慧升級應用指面向消費者的、已擁有對應場景下的產品，但通過智慧網際網路技術對其進行迭代創新的產品與應用。智慧升級應用包括移動端的智慧升級應用和其他場景的綜合智慧升級應用。比如今日頭條是通過推薦引擎和機器學習技術對原有新聞閱讀客戶端的升級，prisma 用智慧化的圖片正規化升級傳統的 P 圖軟體；自動駕駛則是對出行場景綜合化的智慧升級。

隨著開源平臺的進一步完善和可呼叫 API 的積累，智慧升級應用將最先在移動網際網路迎來一波發展熱潮，屆時除了技術能力，對場景和需求的銳捕捉能力將扮演更為重要的角色。

1.3 智慧網際網路的技術成熟週期

下圖分別為Gartner最新的2016年新興技術成熟曲線與2016年物聯網成熟曲線。

其中， 九合重點整理了 2-5 年內能夠到達成熟生產階段的技術如下圖：

• 物聯網超過 8 項技術有望在 2 – 5 年內到達生產成熟期，未來 5 年內物聯網技術將快速發展，為智慧網際網路聯打下堅實的「連線」基礎，採集到更多之前不可觸達的線下資料和產業資料，輔助機器學習的突破。
• 正在走向泡沫破滅低谷期的物聯網整合技術，能促進企業認識到物聯網整合不只是簡單的 M2M（Machine to Machine）一體化，在此之前要做好底層互操作性和硬體整合工作。
• IT / OT 整合撩撥著供應鏈和生產鏈實時打通的巨大想象，但回望更底層的物聯網整合正經歷低谷期，IT / OT 的整合仍必先實現物聯充足的資料採集布點。
• 預測性分析與 IT/OT 整合技術正處於同一階段，事實上，IT/OT 整合的想象力直接能轉化為豐富實時的資料來源，餵養預測模型，兩者呈正相關。
• 與智慧製造、工業大資料造密切相關的物聯網整合、IT/OT整合、預測性分析、機器學習等多項技術同時處於 2 – 5 年內到達成熟區的臨界點，可以預期未來五年內工業領域將快速發展突破。
• 自然語言問答技術行走於泡沫低谷期， 此前 bots 瘋狂的投資熱將逐漸恢復理性，企業開始思考將技術應用於實際產生價值的場景而非想象場景裡試錯。也就是說，近兩年內，個人虛擬助手等 C 端 bots 創業將逐漸冷卻或轉向 B 端應用場景。

（二）智慧網際網路時代的商業正規化：

從流量經濟到效率經濟

孫希有博士 2003 年在《流量經濟》一書將“流量經濟” 定義為“經濟領域中各種依靠要素或生產物的流動而帶來經濟效益與發展的經濟存在型態”。網際網路語境下，流量即客戶/使用者數（更早的 PC 網際網路瀏覽/點選量）。傳統網際網路到智慧網際網路的演進，「連線」為核心價值驅動力的傳統網際網路關注的是動作本身（即是否使用），相對應以使用者量/單個使用者的經濟價值為估值標準的流量經濟；而以「資料」為核心驅動力的智慧網際網路，關注的是輸出的結果（即使用的效果），相對應以成本節約、決策效率為衡量標準的效率經濟。

在完整闡釋智慧網際網路的概念、特徵、核心組成要素後，九合將從 ToB 和 ToC 市場在智慧網際網路時期的發展趨勢、核心特徵，以及智慧網際網路改造下的行業變革兩個角度來分析智慧網際網路的商業社會形態，探討未來的市場趨勢與演進規律。

2.1 智慧網際網路的市場發展趨勢

2.1.1 ToB：從管理成本到決策成本，從客戶資產到資料資產  

追求流量經濟的移動網際網路時期，由於 C 端的網路效應和快速起量的特徵，移動智慧手機應用最先爆發在 C 端領域，當 C 端應用培養了使用者使用習慣並積累起一定使用者基礎後，移動 SaaS 應用才開始逐漸興起。但對於效率經濟，效率的改善直接作用於收入與效率數字上的提升，智慧網際網路時代 ToB 企業的整體發展領先於 C 端企業。

智慧網際網路時代的企業服務，業界流行著 “AI-aaS” (AI as a Service)、“DasS”（Data as a Service），“演算法經濟”（Algorithm Economy）等稱謂。九合認為，從傳統網際網路到智慧網際網路的演進，最核心特徵體現為：

1）企業服務對於企業的核心作用由降低管理成本發展為降低決策成本。

傳統的企業服務軟體通過工作流和資訊流的視覺化與輔助管理，降低資訊和人員管理所需的人力成本、資源成本。在資料驅動決策的價值鏈條中，資料可以是巨大、多維變數、超過人腦可計算範圍的；機器處理輸出的決策可以實現實時反饋。也就是說，智慧網際網路時代決策成本的降低，既指機器代替人類決策超出人類大腦可處理範圍的複雜問題，也指決策週期的實時性。複雜決策的成本降低與實時性，使得從下游到上游、動態的供應鏈有了可能，也推動了自動駕駛智等對實時反饋和海量資料處理有著高要求的技術發展。

2）客戶不僅僅意味著收入，更是核心的資料資產。

過去，衡量一家企業服務公司的核心指標是客戶數量和對應的付費/收入情況。而智慧網際網路時代，客戶不再是單純的收入標誌，其背後還隱藏著更有價值的資料資產。資料是演算法的基礎，資料資產的積累，能夠幫助企業不斷外延新的市場和業務機會，創造新的利潤渠道；同時，充足或獨有的資料集也是演算法模型脫穎而出的重要條件。

企業服務可以從兩個角度去觀察：一類是功能型的企業服務軟體，即客戶不限行業，專注解決企業生產鏈條某一環節的痛點，比如客戶服務軟體、人力資源管理軟體、招聘應用等；一類是行業型的企業服務應用，即紮根在某個行業提供服務。這兩類服務積累的資料分別是跨行業的橫向資料和專注行業的縱向資料。IBM和以CRM起家的Salesforce應對智慧網際網路的收購策略，分別體現了兩種資料發展思路：IBM紮根醫療行業積累資料餵養Watson，Salesfore積極收購工具型人工智慧挖掘其跨行業資料的關聯價值。另一方面，由於資料的核心價值，擁有豐富資料來源的行業巨頭或擁有獨特資料集的公司都有帶著資料資源可能進入企業服務領域。

此外，由於資料資產的重要性，安全性和穩定性的要求會比傳統企業服務更為迫切，安全市場是智慧網際網路 toB 類應用的重要市場組成。 Gartner指出，如果物聯網安全能達到 IT 行業中每年 7- 8% 的安全投入，2019年全球物聯網安全規模將達到 910億 – 1040 億美元，幾乎與整個傳統網路安全的市場規模持平；根據 CEDA 的研究，2016 年中國物聯網產業規模預計達到 9300 億元人民幣，到 2020 年將接近 18300 億元，按照保守比例 1% 計算，中國物聯網安全在 2016 年達到 93 億元，2020年達到 183 億元。

2.1.2 To C：個人/家庭資料資產的應用程度決定市場發展階段  

九合根據 App Annie 的資料，整理了從 2010 年到 2015 年間中國區 App Store 和 Google Play 下載量爆發的應用和國內智慧手機出貨量資料的對比關係：

1）移動網際網路的發展沿著時間橫軸，先後經歷了工具 — 社交 — 商務交易平臺（包括電商、O2O） — 文娛消費的幾波發展熱潮。

2）移動網際網路的市場發展階段特點與智慧手機出貨量正向相關：

早期智慧手機使用者量不多，湧現一批輸入法、天氣、記賬等基礎工具，幫助使用者更好地使用智慧手機；
當手機使用程度達到能夠形成一定網路效應的基數時，社交類應用興起並且帶動更多人接納智慧手機；
社交、工具類應用培養了良好的移動端使用習慣，移動手機使用者也不斷增長接近峰值，在充足的使用者量基礎上，開始興起一波平臺遷移機會下的新型交易平臺機會；

當手機出貨量開始趨於平滑增長即移動網際網路到達成熟飽和期時，湧現的產品專注於進一步擴充使用者可能的停留時間，文化娛樂應用蓬勃發展，且各類應用呈越來越細分垂直和下沉的趨勢。

移動網際網路不同型別應用的發展曲線與階段特點所圍繞的核心因素是使用者/流量：智慧手機的“流量”（即使用量）影響著移動網際網路中不同型別應用的發展階段；單一應用的流量（即使用者數）和經濟價值決定了其市場佔有率。而從流量經濟到智慧網際網路的效率經濟，資料是核心資產與價值驅動力。

對於智慧網際網路 C 端市場的市場發展規律與階段特徵，九合認為，個體/家庭資料資產的應用程度將起到關鍵作用。智慧網際網路 C 端市場將先後經歷以下四個階段：

移動端智慧升級應用（利用公開資料集和部分個體行為資料升級場景體驗）— 智慧家居/家庭（個體/家庭資料資產真正作用於智慧生活） — 智慧消費（產業鏈上下游資料和個人消費資料實時互動） — 個人/家庭資料平臺和安全應用（形成個人/家庭資料資產保護意識）。

• 移動端智慧升級應用

移動端的智慧升級應用建立在移動網際網路已被廣泛接納和形成使用習慣的基礎上，使用者最在意的是其利用技術實現的智慧價值對比既有應用的效率提升，輸出結果的準確性和使用者對準確性/效率的容忍程度是影響其市場接受度的重要原因。

九合認為，移動端智慧升級應用的市場發展將先後經歷以下順序：

1）移動智慧應用最先獲得市場廣泛接受的將是文化娛樂、資訊消費等擁有趣味性，使用者對的準確度和效率不是特別看重的工具類應用，比如 prisma。

2）擁有長尾價值，但傳統商業模式無法平衡人力成本與規模化矛盾的需求，能夠在智慧網際網路時代找到對應解決方案並獲取商業價值。這類應用通常專注於一個領域或解決一個問題，沒有殺手級 App 競爭，因此面對“有解決方案”的需求渴望，使用者通常對結果準確性的成熟也相對預留了一定時間週期。

比如，購車諮詢是許多買車新手的需求，不少汽車新媒體創業者也曾嘗試付費諮詢模式，但隨著使用者與諮詢數量的增加，收入基本無法覆蓋人力成本 ；通過基於自然語言識別技術的 NLP bot 能夠實現）並且擁有深耕垂直領域積累核心資料資產的潛力。

3）服務於叫車、外賣等高頻次需求的綜合性私人助手應用使用者容忍度極低，技術仍在進步中，距離市場廣泛接納仍有相對較長的距離。

• 智慧家居、家庭

1）智慧家居/家庭是以生活居住環境為基礎，由硬體產品（家庭機器人、數字化娛樂裝置、安防監控等）、軟體系統、雲平臺構成的資料生態系統，個人/家庭在生活中的行為資料、健康資料都等會在資料生態系統中隨著時間縱向積累，以餵養基於個人/家庭的定製化智慧，用於指揮身邊的智慧硬體輔助個人和家庭成員更便利健康地生活。

智慧硬體並不是智慧家居/家庭的核心，核心是基於家庭物聯網收集和培養的資料智慧。理想狀態下的智慧生活，能實現個人/家庭資料資產真正作用於個體/家庭生活本身的迴圈，發揮個人/家庭資料在時間縱向維度上的積累和訓練，挖掘時間和機器“定製化”的智慧價值。

2）智慧家居/家庭的實現，有賴於晶片、物聯網底層技術的發展，也有賴於方案供應商的興起以及家庭資料中心的搭建。從長遠來看，智慧家居/家庭的發展需要經歷“區域性智慧（部分智慧家電比如掃地機器人帶來便利）— 部分連線 (部分生活資料的連線並雙向作用於智慧家電更智慧地輔助服務個人和家庭成員生活) — 基於個人/家庭資料中心的全域性智慧（家居自動化，基於個人/家庭資料中心智慧化），目前仍處於區域性智慧階段。

3）中國智慧家居市場滲透率低，市場空間巨大。

• 智慧消費

1）智慧網際網路時代擁有全新的消費場景和體驗，無人商店、機器導購、基於手勢操作挑選所試衣物的智慧穿衣鏡、基於 VR/AR 的沉浸式購物等，純線上或純線下的交易平臺將日漸模糊，走向線上線下融合的趨勢。

2）智慧網際網路時代能夠實現定製化的購物，其基於能滿足定製化需求和動態排場的智慧工廠和動態零庫存的供應鏈。

3）線下購物交易的 ID 可能逐步由身份資料（人臉/指紋/聲紋/基因..)代替，線下 ID 革新反推線上交易平臺 ID 的打通。

• 個人資料平臺和安全應用

1）當智慧家居/家庭發展到一定程度時，會推動市場對個人資料資產的重視，出現個人/家庭資料平臺產品，以私有云或其他形式存在。

2）正如 Melissa 病毒為標誌掀起的 PC 網際網路時代安全產品爭雄序幕，作用於個人資料資產保護的安全產品也將由一個標誌性的資料安全/隱私時間帶動市場熱潮。

3）C 端的個人資料平臺和安全產品發展設計都遠遠滯後於 B 端。

2.2  智慧網際網路時代的行業革新

智慧網際網路時代的效率經濟滲透各行各業，體現出顯性的、可直接轉換成經濟價值的成本降低和效率提升。高盛曾從統計經濟學的角度分析，移動網際網路時期的美國並沒有在經濟資料上體現明顯的社會生產率提升，但人工智慧所帶來的社會生產率促進作用卻呈現為可量化的巨大經濟效益。

九合將從工業、農業、醫療、金融和零售五大基礎行業分析智慧網際網路帶來的革新與機會。

• 工業

工業佔大部分國家 GDP 的核心比重，歷次工業革命同時也推進了人類社會經濟和組織形態的向前演進，而智慧網際網路時代的工業正經歷著人類歷史上的第四次工業革命 — 工業 4.0。國務院於 2015 年 5 月印發《中國製造 2025》，從國家層面制定了中國於 2025 年實現工業 4.0 的轉型目標。

李傑教授在《工業大資料》一書中，將“工業4.0”定義為：“第四次工業革命是以智慧化為核心的工業價值創造革命，其最終目的是實現生產活動的高度整合，使系統像人一樣思考和協同工作”。

智慧網際網路對工業的改造主要體現在以下兩方面：

1）智慧生產實現基於柔性供應鏈的、從下游到上游的生產鏈條

智慧生產，指通過工業機器人、3D 工業列印、無人物流、物聯網等先進技術和硬體產品打造智慧化工廠，能夠實現滿足工業 4.0 特性的、反向定製化的生產鏈條。

工業 4.0 區分於其他三次工業革命的核心特點之一便是其基於使用者端的生產力需求，打破了傳統的剛性供應鏈和計劃生產模式，能夠實現下游推動上游的生產鏈條。

2）工業大資料發揮大腦價值，機器決策人類大腦無法處理的大規模資料

工業領域的資料來源豐富，量級巨大，超出人腦可處理的範圍。傳統網際網路時期，工業領域的資料大部分都只實現了視覺化和基於人控制設計的 PLC（可程式設計邏輯控制器），並且反應相對滯後。而智慧網際網路讓彼此關聯的資料擁有了實時決策能力。

從巨集觀角度來看，工業大資料包括資產/裝置資料、產品資料、使用者資料、供應鏈資料；工業大資料可用於資產可靠性和裝置故障監測、能源效率的管理、產品質量管控、生產流程優化管理、上下游和產品週期預測-管控-追蹤、生產流程重塑、定製化生產等。每個環節 1% 的效率提升作用到整體經濟收益上都是一個可觀的數字。但從現階段來看，狹義的工業大資料主要集中在機器資料和生產流水線產品資料上；工業大資料的應用也主要集中在裝置監測、能效管理和質量把控上，貫穿上下游和產品生命週期的價值大資料還有賴於產業的整體成熟和打通。

就目前國內而言，作為工業大資料底層基礎的物聯網普及、感測器的分佈仍處於較為粗燥的階段，萬物互聯基礎下的工業 4.0 理想狀態仍需時間。

• 農業

農業是關係到國家安全級別的戰略產業，並且面臨著全球人口增長和耕地減少的嚴峻挑戰。智慧網際網路的應用和普及能顯著提高農作物產值，推進智慧農業形態的演進。智慧網際網路給醫療行業帶來的機會與革新主要體現在以下三方面：

1）農業生產各個環節的效率提升

智慧網際網路發揮資料的智慧價值，能夠實現農業“種植（機器選種，自動播種 etc.） – 施肥（基於環境和植物資料狀態的精細化施肥 etc.） – 灌溉（精細化自動化灌溉 etc.） – 病蟲害防治 （疾病識別 etc.）- 收割（自動化收割 etc.） ”各個環節的效率提升與成本控制（資源節約），促成單位面值農作物產值的提高。高盛在一項研究中指出，智慧網際網路能夠對美國農業生產各個環節實現 7% – 30%  不等的效率提升，預計至 2050 年，美國每英畝耕地的產值能夠達到 281 蒲式耳（對比 2016 年的 165 蒲式耳）

2）生產預測與動態調配

不少演算法公司利用衛星雲圖、氣候資料、土壤特徵等綜合資料以及農作物品種特徵、實踐引數等搭建預測模型，對農業的產值實時進行預測，推薦適宜的調控措施(如改變播種期、播種量或肥料運籌等)、動態調配農業市場和對應的金融期貨，同時幫助政府合理分配資源（比如當收到極端天氣或災難影響國家農業時，政府和銀行可以獲取足夠的資料來支援哪些農民需要貸款和救助的決策）。

但用於綜合預測的作物模擬模型的建立，通常要求輸入作物特徵、歷史農業實踐資料、氣候地理實時特徵等多個維度的資料。這類模擬模型必須引入專家知識，使系統形成以模型為基礎(定量)，以專家知識為準(定性)的“專家曲線”。

3）農產品溯源與食品安全

智慧網際網路理想狀態下的農業，有望實現作物都有其對應數字引數所形成的“digital twin”，流轉到市場裡的每個農作物都能查詢到完整的質量檢測資料以及回溯作物生產成長過程中的各項資料，實現真正全數字化的食品體系。

目前，國內農業感測器的佈局、農業整體解決方案的採納都有待進一步突破；不同於國外農場為主的商業化形式，中國的農業大部分分散在普通農民手中，農業的智慧網際網路升級有賴於地方政府的推進。

• 醫療

醫療是公民生活的基本保障，傳統網際網路促進了醫院的資訊化管理、醫生資源的整合、病患與醫生資源的連線；智慧網際網路則在診斷、藥物研發等環節都帶來了較大的效率提升和成本節約，基因研究的不斷進步甚至有可能推動醫療健康的革命性顛覆。智慧網際網路給醫療行業帶來的機會與革新主要體現在以下四方面：

1）輔助診療

計算機輔助診療（computer aided diagnosis，CAD）在診斷中的應用已經有40年的歷史，但近年來隨著神經網路的出現，機器學習給 CDA 帶來了突破性的進步，尤其體現在醫療影像診斷方面；建立在自然語言處理技術基礎上的機器問診也處於快速發展期。IBM Watson可以在 17 秒內閱讀 3469 本醫學專著，248000 篇論文，69 種治療方案，61540 次試驗資料，106000 份臨床報告。

機器輔助診療從一定程度上解決了醫生經驗資源的不對等，在特殊病例和罕見病例的甄別上尤為表現突出。但深度神經網路存在著“黑箱效應”，即輸入資料很細微的改變都會誤導機器學習的結果，而醫療診斷的準確性關係著個人的生命身體健康。另一方面，機器學習準確度的提高需要大量的資料餵養，有賴於電子病歷的普及、醫院之間的資料關聯和國家層面的醫療資料共享。

2）智慧健康管理與疾病預防

智慧網際網路也可很好的實現個體健康和生活習慣資料的迴圈利用，輔助健康管理與疾病預防。通過智慧可穿戴裝置實時監測病人的重要健康指標，進行用藥提醒、危險警報，如基於感測器精確到分秒的糖尿病人用藥提醒；也有初創公司基於個體健康資料的實時動態，提供每日營養學方案，監測身體不良訊號。

3）藥物研發

傳統藥物研發週期長、成本昂貴、成功率回報率低。但智慧網際網路從一定程度上打通了新藥研發各個環節的壁壘：在試驗前期新藥篩選時，可以通過綜合演算法獲得安全性較高的幾種備選物，提高成功率；在進入動物和人體試驗階段前，可以綜合成分分析和既有已知藥物的副作用資料庫，選擇生副作用機率最小的藥物進入動物實驗和人體試驗，節約成本、提高安全性；此外，還可智慧模擬和檢測藥物進入體內後的身體指標與劑量、濃度等用藥指標之間的關係，推薦試驗中的最佳用藥方案；進入試藥後期，可綜合前期資料推算研製成功率，選擇放棄成功率較低的藥品種類，減少成本浪費。高盛一項研究指出，通過演算法對後期試藥的成功概率推算能夠幫助美國每年至少減少 10 億美元的試驗支出。

4）基因革命

基因測序是一項極其複合摩爾定律的技術，隨著基因測序技術的更新換代，基因測序的成本不斷下降。2001 年平均每兆資料量基因測序成本是 5292.4 美元，單人類基因組測序成本是9526.3 萬美元；2006 年新一代測序技術推出，平均每兆資料量基因測序成本下降至 581.9美元，單人類基因組測序成本下降至 1047.5 萬美元，而 2014 年 1 月Illumina 推出 HiSeq X Ten 更是將單人類基因組測序成本降至 1000 美元以下。隨著基因測序成本的不斷降低，基因有可能成為新的“健康程式碼”，通過基因檢測、基因編輯等技術不斷革新健康檢測與治療方式。

• 金融

由於金融資料較高的數字化基礎與可觸達性，金融產業是演算法經濟應用較早發展相對成熟的領域。智慧網際網路給金融行業帶來的衝擊與革新主要體現在以下三方面：

1）大資料徵信與風控

大資料徵信與風控直接體現在收入數字上的風險控制和損失避免，此外，專業化的資料服務，消解了傳統徵信高昂的人力與時間成本，穩定的風控模型也能夠有效擴大信用經濟的範圍和方式。目前國內基於演算法模型的大資料徵信公司層出不窮，核心資料來源則主要由八家持有國家個人徵信牌照的企業掌握。

2）交易自動化

開年的一則新聞引起了金融圈一片譁然：由於工作都被自動交易程式接管，高盛在紐約總部的美國股票交易櫃檯僱傭的 600 名交易員已被削減至 2 名。根據《金融時報》，在 2000 年，紐約證券交易所的場內交易者超過 5500 名，而現在則不 400 名。麥肯錫全球研究院在 1 月推出的報告中稱，金融和保險領域的工作，有 43% 的可能性會被自動化替代。

目前機器在金融交易領域可承擔的角色主要有：自動化生成報告；海量資料庫精準搜尋；預測模型。自動化報告生成和精準搜尋解放了大部分初級分析師的工作。而基於衛星資料、人流分佈熱力圖等多維資料角度的演算法模型，突破了人腦能處理的知識和資料邊界，多數情況下能夠精準指導市場交易，減少人為誤差。

但深度學習的“黑箱效應”是典型墨菲定律的踐行者，機器微小的認知誤差造成可能帶來連鎖多米諾骨牌效應；此外機器只能基於已有資料給出結論，但機器很難理解一家尚未盈利的公司該如何估值或一種新商業模式的價值在哪裡。

3）智慧投顧

早在 1952 年， Markowitz 就提出了“投資組合理論”（Portfolio Theory）並因此獲得了 1990 年諾貝爾經濟學獎。智慧網際網路時代，通過機器進行投資組合的搭配，又稱為智慧投顧（Robo-advisor）。智慧投顧相較傳統的理財顧問或個人投資理財，質量穩定、收費低，並且能計算超過人腦可處理範圍內的豐富金融產品和收益影響因子，關聯和平均做得足夠好的智慧投顧應用一般能夠實現不錯的收益，有望逐步發展為中產階級理財的重要方式。

• 零售

傳統網際網路時期，網際網路的「連線」特性打破時間和空間的限制，電商和物流迅速發展；智慧網際網路時期零售行業的變革則圍繞供應鏈和購物體驗的創新展開。智慧網際網路為零售行業帶來的革新主要體現在以下兩方面：

1）智慧化購物場景

以 Amazon Go 為代表的無人商店成為今年創投圈又一熱詞，但“無人商店”從字面意義上僅體現了智慧化購物場景的自動化和人力成本降低，智慧網際網路給零售帶來的想象力還包括：智慧化購物導購機器人、手勢操作和 AR 結合的智慧試衣鏡、基於視覺系統的特定人群識別與營銷、智慧購物車；你可能線上下完成網上下單，可能線上下試穿線上挑選好的衣物，可能填完定製化的資料傳輸給工廠…智慧網際網路時代智慧化購物場景的核心特點是：使用者動作由「消費」轉移為「體驗」；使用者消費逐漸模糊線上線下的邊際。

2）以動態零庫存為目標的供應鏈與物流

7-Eleven 便利店創始人鈴木敏文曾在《零售的哲學》一書中提到 7-Eleven 壟斷日本便利店過程中採用的方式：從社會環境變化預估消費者行為；創造出“單品管理”概念解決滯銷品問題…上述手段所面向的都是傳統零售行業決定成敗的核心點 — 庫存 ，而智慧網際網路的推動目標，則是通過使用者導向的供應鏈體系和實時反饋的物流倉儲，實現動態零庫存的理想狀態。

在工業部分我們提到，工業 4.0 理想狀態能夠實現從下游到上游的定製化生產，而位於製造上游的零售行業，以此對應的是以動態零庫存為目標的供應鏈和物流革命。這裡的“動態零庫存“指的是基於大資料的實時特徵、能夠滿足預測數量並隨時調配的庫存狀態，而非時刻空倉的絕對零庫存。實現動態零庫存需要基於銷售預測、客戶偏好預測與精準營銷、快速響應定成本的智慧物流、動態定價等技術組合。

自 36kr