中國 PC 時代網際網路自 2000年 左右經過 10年 發展，創造了 “流量經濟”；移動網際網路自 2010年 左右開始大躍進 5年，催生了 “共享經濟”；站在 2015年 的驛道上，最令人心馳神往的路標非 “網際網路 +” 莫屬，這個以新一代資訊通訊技術、雲端計算、大資料和物聯網為基礎，推動消費網際網路向產業網際網路轉移及傳統行業 + 網際網路升級轉型的創新生態邏輯，無疑像夜空中最亮的星一樣，指引著中國科技創新創業前行的方向。那麼，在中國網際網路速度的跨越式迭代週期下，“網際網路 +” 又會孕育怎樣的創新經濟形態呢？答案是 “演算法經濟”。
演算法經濟才是大資料的未來
據 Intel 預測，到 2020年，世界各地將有超過 500 億個連線裝置和 “物” 運作；而面對如此龐大的連線及產生的海量資料時，最大的障礙是將所有的資料賦予含義，這不得不使問題重點從資料切換到演算法，以期望能夠利用隱藏在龐大資料裡的資訊價值。Intel 稱之為 “Algorithm Economy”，我們將其翻譯成 “演算法經濟”，意思是資料成為社會、企業和個人已經無法忽視的資產時，演算法是這些資料資產估價及交換的載體，這將會推動一些有意思的新的經濟模式產生。
從有 “大資料” 這個詞開始，很多地方都提到：大資料是 21 世紀的石油。這話不假，但根據 Gartner 最新發表的文章分析稱，就資料本身而言是無含義的，資料本身並沒有做任何事情，除非你知道如何使用它。正如石油本身是沒用的粘性物質，除非把它提煉成燃料。演算法就是大資料版本的燃料提煉，不同的專有演算法對應不同的提煉出的燃料，來解決實際問題並轉化為可執行的決策。這必將是未來成功企業的祕密武器。下一波的數字化淘金浪潮將會是如何利用資料來解決實際問題，而不僅僅是使用資料的行為。這便是演算法經濟的希望所在。
“未來已經來臨”
事實上，“未來已經來臨，只是尚未流行”。
演算法經濟在美國的企業級軟體服務領域已經開始發揮作用。自上世紀 70年 代開始的 20年，美國的企業級軟體服務提供商還主要集中在提供收集、儲存和度量資料的工具，進入 90年 代，以 Salesforce 為代表的新型 SaaS 公司開始通過自動化銷售工作流程管理，隨著資料的積累，靠人腦很難分辨出超過 3 個維度資料資訊的內在價值，於是進入 2000年 逐漸開始出現以 Tableau 為代表的資料視覺化工具，輔助人分析資料。之後大資料開始流行，但大資料只是一箇中間階段，很快在美國就進入預測即服務 (Prediction As a Service) 階段。從預測下一個目標，到診斷下一個行為，終極目標是通過人工智慧自動化做決策，這就是未來五年在美國企業級軟體服務領域的方向。
大資料時代以來，中國出現的新公司已經不少是演算法經濟的踐行者。網際網路金融領域表現特別明顯。網際網路金融就能很好地服務中國的中小微企業和個人,但金融的本質是經營風險，則需要大量真實的資料為基礎來做風險評估。無論是 P2P、股權眾籌，還是第三方支付，抑或電商平臺的金融服務，都需要通過演算法來構建信用模型，或者反欺詐模型，來提高針對企業和個人的個性化金融服務的效率和質量。往更長遠而言，基於個人或企業的徵信體系，做到網際網路金融產品能基於風險定價，專有的演算法則是根本。很明顯，徵信演算法即服務，反欺詐演算法即服務應該離我們不遠了。通過自動化演算法引擎來動態定價、資源分配和使用者反饋，每家網際網路金融公司都可以重新想象其產品，以迎接演算法經濟這場革命。
演算法經濟推動智力資本的共享
雲端計算是網際網路集約化經營的典範。對使用雲端計算的人而言，喜歡將複雜隱藏在雲端，自己的操作迴歸簡單。所以，沿著這個趨勢下去，當大資料來臨，將獲取和儲存資料放在雲端，提供即插即用的 API 呼叫服務，資料即服務（Data As a Service, DaaS）。美國已經有很多獨立的第三方 DMP（Data Management Platform），如 D&B、Bluekai、Acxiom 等專門提供各種資料 API 服務，中國也開始有非常專業的第三方資料提供商出現。
下一步搬到雲端的就是各種專有的演算法服務。一方面，這是網際網路集約化運營的趨勢，讓專業公司做專業事情，不是每個公司都有能力或都有必要建立資料科學家團隊；同時，這也是智力資本共享的需求，當所有公司都 “+” 網際網路了，都需要資料科學家分析資料幫助資料驅動的決策，但哪有這麼多的資料科學家呢？必然的趨勢是，擁有專業資料科學服務能力的公司來可以提供專業的演算法服務。
演算法經濟會創造新的模式與趨勢
個人、企業和智慧裝置將構成演算法經濟的主體，他們生產資料，基於網際網路、物聯網通訊，基於演算法思考決策，形成自己的生態系統。在這個系統裡，專有演算法會產生經濟效益，有利益就會有市場進行交易。因此，可以大膽預測一下，未來可能創造的新的模式與趨勢有：
1. 企業人工智慧（Enterprise Intelligence）
現在我們談企業級服務，還主要停留在 SaaS 上。但未來 SaaS 可能只是企業級服務的一種中間狀態，企業的內部工作流和網際網路之間是相通的，會產生大量複雜的資料，未來的企業級服務會將這些資料通過各種演算法服務利用起來，直接作為決策的工具。企業級服務的產品形態將可能會由不同場景產生的資料及專業演算法決定，會思考的 SaaS 才是未來。當看到亞馬遜 AWS 和微軟 Azure 兩家巨頭雲平臺推出機器學習服務，BAT 都在推出資料開放平臺，企業構建專業演算法將變得越來越容易。可以想象一下，未來企業之間可以直接對話，對話的語言就是各種專有演算法，去直接匹配服務的供求雙方，這就是企業人工智慧的未來。
2. 小資料驅動服務 (Small Data Driven Service)
物聯網上的裝置已經開始產生大量與個人的資料，比如各種醫療健康 App，可以根據個人體質測試資料，不斷滾動生產個人的 “健康畫像”，這是個人非常有價值的資料資產，即量化的自我 “小資料”。依靠這樣的健康小資料，可以通過演算法推薦適合身體健康的養生建議，甚至基於位置推薦適合的健身或養生服務；當個人的健康 “小資料” 匯聚成家庭的健康 “小資料”，甚至可以用來指導家庭的飲食計劃及各種健康服務。同理，家裡使用的智慧硬體形成以家庭為單位的 “小資料”，可以用來衡量家庭的生活質量，進而針對性推薦提升家庭生活質量的服務。個人徵信也是一種 “小資料”，將會成為個人獲取網際網路上虛擬生活服務的主要憑證。
3. 專有演算法提供商（Proprietary Algorithm Provider）
當演算法成為一種普遍需求時，肯定會有第三方專業演算法服務提供商的模式出現；當演算法可以直接帶來經濟效益時，基於演算法的套利交易就會產生。這跟金融行業的演算法服務與交易如出一轍。金融行業的資產管理公司都需要風險模型，於是有如 MSCI Barra 提供的各種不同區域的 Risk Model 來測算投資組合的風險；更進一層次是，高頻交易演算法的基金直接利用其專有的演算法在金融市場上賺取利潤，更有利用人工智慧演算法來分析網際網路資訊以獲取資訊不對稱進行套利。當前，網際網路 RTB 廣告行業已經算是走在演算法經濟的前沿，通過演算法來競價廣告投放，DSP 就是一種第三方的演算法服務提供商；未來當 RTB 形成規模後，也肯定會有直接通過演算法來套利的交易商。