2017张红波副研究馆员 2016年张红波副研究馆员

兴义资本创始合伙人杨戈于2017年4月在北京

前言：

去年夏天，我第一次和硅谷的名人谈论未来。虽然他们来自不同的国家和文化，但我们对未来的看法却惊人的相似。在谈话中，一个例子给我留下了深刻的印象。他说，在他七八十年代的同学中，很多学习最好、家庭条件最好的精英都去了飞车，因为他们认为这是未来的方向。然而三四十年过去了，笨重的实验室电脑已经改造成了和声，互联网已经遍布全球，但汽车还在地上跑，翅膀却一直没有插上。

最近在研究一个历史学家眼中的未来世界观的时候，yuval harari的脑洞真的够大了。他的思路清晰，逻辑性强，从灵魂到宗教，从生物到AI，他明确定义了无数历史事件和典型案例，证明了一切可以分类的宏观规律，令人钦佩。但是我并没有很大的兴趣去看，这和我在投资过程中遇到的问题很像。投资科技，我们总是遵循第28条规则(甚至更多)，花大量时间讨论的事情通常以失败告终；三年来，我们在智能硬件、大数据、VR、生命科学等方面投入了大量精力去思考判断，却始终没有突破底线；原因很简单。市场眼中的未来和我隐约意识到的未来大不相同。如果未来已经来临或者就在眼前，我们都很激动很害怕，我们要做的就是对它有进一步的了解和认识。

高技术的爆发不满足任何常规规律，因为常规增长趋向于线性，技术的奥秘在于它是一条破坏性的阶梯曲线。进入20世纪后，由于科技发展越来越快，每一步跳板的密度不断拼接在一起，逐渐形成指数发展曲线。特别是最近10年，一个“尿吓单元”可以在越来越短的时间内完成，就像诸葛亮看蒸汽火车一样，也像大妈第一次来我家打扫卫生时看到的很多屏幕、智能家居控制、虚拟现实定位器一样仿佛穿越而过。

回过头来看这个例子，其实他同学犯的错误是一个很普遍很普遍的现象。其实大家眼中的未来，在高速指数发展的过程中，大多是当下线性思维做出的切线延长线。如果——听起来太别扭，可以翻译成白话文，意思是：用过去的知识体系和习惯方法来推导未来的发展进程。这就像飞天车的想象，就像每隔10年，我们回去看过去的科幻片，都会觉得复古可笑。世界上很少有人有爱因斯坦、尼古拉特斯拉和埃隆穆斯克那么大的脑子去线性地幻想白万，但只有这样一群人才能引领市场的发展。“消费者不知道他们想要什么，我们告诉他们趋势，”乔布斯说。

然而，一代神话乔布斯已经远去，留下了不断线性增强的iPhone4567。我们不停的讨论VR，智能硬件，自动驾驶，但是每一个焦点都丢了。我们眼中的未来似乎并不那么令人兴奋。原因其实很简单：我们的想象力不够丰富，我们的脑洞不够大，我们站在当下用旧的知识结构拼凑未来，我们走的是飞车的老路。

尤其是2017年，互联网留下的泡沫烟雾不断蔓延，迫使大家对未来展开了热烈的讨论。一方面孙正义和开复老师背着AI恐吓人，另一方面马云的云计算理论不等于天。然而，在1000个企业家或投资者中，有1000个哈姆雷特，他们中的大多数人在趋同的观点上争论微小的差异。这时候需要抛开一切观点，回来做总结分析。

单一技术推动生产发展是一个应用模式由简单到复杂的兴衰过程，也是一个地方想象力趋于枯竭的过程。从半导体驱动的计算单元到互联网的形成，直到今天，我们在信息传播进化的历史上经历了几个大起大落的循环。

但是在每个周期的后半段，我们都因为各种原因执着于过去的赛季。通常我们只是简单的猜测下一个技术场景(而不是进入下一个技术周期在地面做RD工作)。希望借之前发泄的资本红利，跳过商业本质，快速投机；或者穷尽当前风口的应用，机械的连接所有能想到的行业和工作，想象各种应用场景，直到泡沫破灭。2014年的智能硬件，2015年的O2O和P2P，2016年的供应链B2B都符合这个原则。最后的事实告诉我们，上升红利窗口期和某项技术推动的适用行业总是有限的。在市场下半年的增长泡沫期，我们认为可以通过模式复制来降低风险和迭代成本，从而创造更多的商业模式。但实际上大多数情况下都是为了生硬的模仿付出更多，这是徒劳的。

经济学的基本理论告诉我们，总生产是资本和劳动的函数，与技术无关，但我们的市场不断被新技术推向新的高度。其实并不矛盾。技术本身只是生产经济的驱动力，经过一个技术周期，其溢价空间最终会归零。问题在于人们的视角和选择不同，是选择做上一个技术周期的卖家，还是下一个技术周期的探索者。前者侧重于选择合适的场景整合营销渠道，实现真正的交易，而后者侧重于需要跳创造性思维，重视R&D和工业化的步伐，以确保它不会落在红利黎明明之前。

在这里，一个常见的卖家误区是对之前的技术周期中的场景做一个复杂的延伸，用现在的技术为高端用户高成本打造一个豪华组合，称之为未来的技术商品，并试图不断降低这种商品的制造成本。这类伪期货产品通常具有以下特点：1。成本高，能耗高；2.产品复杂的用户体验不尽人意；3.它是最昂贵的技术(而不是最先进的技术)的拼凑。从现代市场的发展来看，一个优秀的现代技术产品通常会使用更成熟的技术组合，并在短时间内定位于大众市场

，并迅速倒逼各类上游供应商竞争生产价格(就算是独占GPU鳌头的Nvidia也不断面临挑战)，最终形成一个操作简单价格亲民的大众化商品。这与伪未来产品——正如当年的飞行汽车——形成鲜明的反差。

销售者误区通常都发生在上一个技术循环的后半叶，但恰好很不幸的是至今为止我们仍是一个主要以需求和销售驱动的市场，很多公司从创建之初到迭代成型都选择了剥离研发部门，生产部门，甚至连销售部门也都分拆外包出去，最后只剩下品牌运营和商务拓展。在这样的一个环境下，有未来观的和重视研发的探索派总是被扇耳光得到负反馈，而相反销售派的思路却总能在红海之中捞到一定便宜，直至最后温水煮青蛙的囚徒困境。

以历史的经验对比来看当前的泡沫，当下的境况无疑已经进入了互联网循环的尾声，甚至是硅机电一体化(指半导体计算机结合控制机电一体化设备)的后半叶。我们需要跳出臆想的红海，客观地审视我们当下五花八门的新技术新模式，到底是属于上一个技术循环下的复杂组合，还是真正下一个技术循环的隐约启示。

在众多的未来科技分支之中我们这里简单地来看三个方向：

1.VR是大众想象未来的一个方向，有必然性也有重大瓶颈。

有关于VR当下的问题，我们在课上和网上已经讨论了很多。当前VR的发展为何始终难以正中靶心，除了虚拟现实的表达方法其实并不只是把一个盒子扣在脑袋上这么一个简单而难教育的应用场景，以及资本奋力推动内容与商业模式快速先行于软硬件标准化导致的概念泡沫之外，其实还有更多的道理。

比起其他的未来科技，当下大众的VR观与之前飞行汽车的相似程度最高，看起来触手可得但实际却总差那么点意思。目前市面上相对成熟的VR商品，例如HTC和PS4的VR头盔，风靡一时的GoogleGlass，以及特殊场景模拟器如室内高尔夫，虽然炫酷但都处于初级阶段，大众人群其实并不能产生稳定的消费依赖。VR产品生产商在当下遇到的dilemma在于，为了提升更好的UE(用户体验)，要么需要集成复杂高门槛的软硬件部署环境，定位于高净值消费用户群体；要么就要解决终端产品的各类技术长期研发问题，制造出轻便性价比高的便携设备，这其中最大的难点还不只在于光路视野、像素GPU效率、运动定位、和平衡辅助的问题，短期不可逾越的最主要问题在于能源供应。于前者，即是上一个技术循环下的销售派观点，高投入窄市场很难捕捉到长期发展前景；于后者，即是下一个技术循环的挑战者，对于技术研发的投入，或对于大多数玩家来讲仅仅是对技术的等待成本，是难以评估的。

说到无线设备的能源问题，这目前可以说是机电一体化、硅机电一体化设备的通病。我们想尽办法更换电池材料，增大电池容量，降低电池的充放时间比；然而这远远比不上我们越来越智能的终端设备对能源的需求增量。要想在短期内解决好能耗问题，我们必须在以下方面有所突破(可能有我没想到的方法欢迎拍砖讨论)：①能源无线传输的成熟和普及，②通过把GPU等计算云端化的方法来降低终端能耗需求，③采用稳定安全的核能电池或其他高效电池。其中单独的②有可能还不行，还需要①②配合起来才可以，这又要涉及到近场基站的部署和短距离传输协议的普及等等问题。

还有一点值得一提的是，对于科技类产品在久攻不下的历史阶段时，通常弯道超车能起到一些作用。比如在智能手机PK的早期，iPhone成功异军突起是倚靠了iPod的先行社群效应，这是弯道超车的阶段化产品典范，而这成功的原因是听音乐和打手机的使用场景类似并且简单。然而VR却并没这么幸运，它的使用场景更加新颖独立，短期并没有更好的同场景弯道产品。正如马云所说，现在发展太快，弯道超车已经不管用了，可能还是想想换道超车的事情吧。

2.AI就在眼前，大众难想象，小众快跑微调迭代。

最近对AI的讨论是层出不迭，开复老师经常跑出来吓人说血腥的颠覆理论blabla，我作为多年的算法工程师出身，对于此当然一样是深信不疑的。互联网的发展打通了信息传递的渠道，云计算的成熟积累汇聚了海量超乎于常人想象的大数据，而如今我们正面对着这个巨大的数据矿山摩拳擦掌，正如十九世纪初一个配好装备想实现淘金梦想的西部牛仔。

赶紧醒醒吧，要不又跑偏了！正如云、纳米、量子、物联网一样，AI是一个一进市场就被立刻玩儿坏了的名词。所有公司从2015年16年都开始人工智能机器学习，迅速把一个新的技术循环倒逼到了上一个技术循环的IP概念销售加资本运作的玩法。很多的项目通常禁不住十个技术问题就倒下成为商业模式的营销，然而这也确实是市场发展过度中所需的必经之路。重要的是，谁能最快地切入下一个循环吃到第一波红利？

智能驾驶是AI应用的一个主战场，然而对此我却始终不能认同。我是一个北京的老司机，在北京甚至国内开过车的人想必都能理解，红灯停绿灯行对于你面前的行人和骑士们来讲只是停留在书本上的知识，然而中国的交通课堂上又有一个重点叫做保护弱势群体。所以如果你有美国开车的习惯比如过路口加速，直行不顾对面左转，打灯就可以并线等等在中国一定要小心，一不留神就会出现事故。曾经有一个荷兰的资深交通学家来中国解决交通问题，声称一年内一定搞定回国，结果待了三年后精疲力竭地离开并最后甩下一句话“ThatisChina’sproblem!”没错，这就是我们的交通，从北京的国贸到上海的静安寺，如果你没练出车推行人缓步走的功夫基本上就是寸步难行，所以在中国要想实现智能驾驶，那汽车基本上要具备跟人一样的高等智能，学习反应分辨率必须要细到厘米级，考虑交通规则和简单的突发情况是远远不够的。谷歌的智能汽车去年突破了300万公里的行驶里程，然而在强智能和超智能的界线面前仍然不足一提，目前的AI能制造出AlphaGo打败李世石惊动全球，但是离说第4局是故意输的这种超智能还有很远的距离(甚至于没有学习对象和可量化的锻炼过程)。所以到目前为止，智能驾驶的应用大多面向于慢速定制路线的行驶场景，使用在于降低人力成本和复杂轨道式交通成本，从单个项目来讲虽然具备一定应用价值，而从大行业来讲已经失去了智慧交通产业的意义(并不能对技术或商业模式给出行业溢价)。

智能驾驶是当前市场对AI理解和使用的一个典范案例，具备真实的需求，开始真正走向下一个技术循环的探索，然而靶向精准度却稍有偏差。AI的使用最重要的在于两点，一方面是要有成熟的海量数据，另一方面是要对场景问题进行精准的模型化设计。智能驾驶的确具备明确的使用场景，但场景模型化的算法方案却很复杂，另外也不具备已成型的可供训练数据集，需要模拟真实场景长期积累数据，可以说在上述的两个必要方面上都不具备优势。

AI市场的dilemma在于，大众认为好模拟的场景多是人为直观感性化的，其实对于数据模型来讲是很复杂的；而相反问题数据相对简单的场景，却又是大众不好想象的，通常都在于一些垂直专业的领域里面(这非常像物理空间和谱空间的重点问题分析差异)。在未来的几年中，AI势必会爆发在量化金融、物流仓储大数据、有数据积累和标准的传统产业升级、以及机器人运动行为学习等方向中。对于数据积累成熟，模型化场景清晰明确的这些行业，人工智能将会带来血腥的颠覆，正如今年摩根大通将华尔街36万小时的工作化为秒级。

3.基因编辑打开生命之门，碳硅机电一体化拥有指数化发展的蓝海机遇。

最后，我们将来到生命科学面前。这一对中国市场仍然陌生而在硅谷已经响彻业界的方向，正在悄然追赶AI和其他的未来科技，争夺未来霸主地位。

CRISPR/Cas9的出现，彻底改变了人类对生命科学乃至智能化科学的认识，在半导体掌控着集成电路半个多世纪之久之后，终于出现了又一个从零到一的颠覆。基因剪辑的出现大幅度增进了基因研究的效率，改进了基因敲除的方法，使基因编辑和基于此而有针对性的生物智能化算法学习成为可能。在短短的三年间，基因编辑推动了Car-T(TCR-T)等各类前沿疗法快速迭代，推动癌症等复杂病症治疗从靶向药疗法向更精准的人造组合细胞群疗法不断迈进。2017年初碳云智能王俊更是提出了“寻找碳基生命的硅基未来”的口号，说出了新一代脑洞大开的共同心声。

标签： #时下热门事件