2022年初，我看见了什么？

客户世界 | 2022年4月13日 | 2022年, 客世原创 | 评论已关闭 | 1109

最近参加了CCO百人会和媛新说搞的一个叫做“看见”的活动，很喜欢这个主题，也正好符合数字化专栏年初想跟大家对话的内容，特摘录其中部分内容，以供参考。

为什么CCO100和媛新说的开年论坛是大家一起“还原大象”

我觉得我们百人会开年论坛这样的一个交流特别重要，我们面临实践中新挑战或新问题，作为CCO要看战略，也要看战术，只有战略和战术高度统一科学合理，才可能做好一年甚至未来几年的工作。

做到这一点无非两个方式。一个是解剖麻雀，没有直接的经验，但是发现了一个成功案例，存在的就是合理的，用显微镜进去看明白，解刨一只麻雀，如果麻雀和麻雀一样，甚至麻雀和鸡也没啥不同，解刨麻雀就知道鸡的结构了，这就是商学院的案例教学的精髓，

有时候我们要还原一头大象，面对一个庞大复杂的新事物或新变化，任何一个角度的解读，都不足以说明全貌，看清楚全貌，更不用说找到一个可以复制的麻雀，但是全局和整体正确认知是正确行动的前提，此时我们就需要还原大象，从各个角度观察，对碎片的信息拼凑出整体全貌，找到象鼻子变得尤为重要。这时候，不同视角的观察和结论都十分重要。

这几年大家之所以很多的困惑，其中一个原因是因为面对人工智能时代数智化浪潮的时候，在每个行业，每个部门，每个人遇到的问题前所未有地庞杂和繁复。所以，我觉得更多的是我们在还原以个大象。百人会开年的论坛，就是一起还原大象的讨论。下面我来提供一个新的角度，以期贡献一些价值，这个角度实际是解读从计算方式的创新，一直到各个领域的一些问题解决的范式转移。

为什么算力创新正在引发一些社会问题的解决？

其实，我最近一直在思考这个问题，这个问题源自于我的日常工作。我会发现很多时候，越来越多的社会的问题慢慢会跟某些计算能力创新结合在一起解决。

我很好奇，这是怎么发生的。

我大概梳理了一下，大致逻辑是这样的，越来越多的社会问题会，比如，经济、气候、公共卫生的问题，这些问题的解决大致有两个走向，一个走向会变成一个产业的问题，另外会变为学术界的学术问题。这个产业界的问题和学术界的问题会最终转化成一个数学的课题，数学的课题又会转化成一个计算求解的课题。最后这些年是并行计算或串行计算的方法，加上机器学习和科学计算，最后把这个问题解决掉了。

在这里，我引用一下北大元培学院的鄂维南院长的一句话，他说：其实一个行业如果成熟的标志，是在这个行业里所做的工作能够被一个数学公式来表达。其实不光学术界，我们产业界也是这样，比如我们作为销售人的一些销售漏斗，或者客服的分布函数等，就是这样一个过程。思考的终点是模型化，模型化的终点是公式，公式它是一个成熟的代表。

那么，这个数学公式是不是可能求解呢？比较简单的线性的方程是比较容易求解的，但是一到多维方程求解的时候在工程上就是一个巨大的问题，所以历史上有很多问题没有解决掉，是因为计算的方法没有创新。

今天越来越多的问题能够被解决掉，是使用人工智能、深度学习的方法解决掉，实际上是因为我们用并行计算、用GPU这种方法，算力、算法和数据结合在一起，就把这个多维的方程可以求解了，细节不在这里表述。例子很多，比如我们运用到的现在很多视觉上的一些处理，包括NLP的解决方法，本质上回溯的是一个多维方程的求解，利用深度学习、数据、算法和算力，这些问题就迎刃而解，这是一个突破。

所以我们从供应角度的视觉来看，如果我们在计算的方法和计算能力上产生了一些突破的时候，某些以前不能解决的计算的课题是可以被解决的。

并行计算本身解决的问题，是维数灾难，数学上有一个概念叫维数灾难，就是偏微方程求解难题，只要维数一多的时候，这种方程就很难去做求解了，AI这个上面的突破带来了一些新的变化，根本上解决了经济问题、学术问题的一种方式。

为什么这次AI带来的数字化会引发一些列范式转移？

维数灾难问题被人工智能解决，这个变化带来的后果或者影响十分深刻，它其实不是一次管理上的线性改进的机会，它是一种管理方式上的范式转移。

什么叫范式转移呢？

比如说我们有两种方式来去管理一个对象，起码我们可以开车，甚至是自动驾驶。如果是管理的线性改进，我们可以给马装一个马鞍子，甚至我们可以给马装一个仪表盘，但我们真正要做的时候，把马变成一辆车、变成一辆自动驾驶的车，这才叫做范式转移。

范式转移有什么好处？

所有的人经过培训几乎都可以开车，但是只有少数的人可以骑马，车开得快，拉得多，跑得远，还容易管理，甚至成本还低。因为车和马貌似都是交通工具，但其实是两个物种，这就是范式转移的好处。

范式转移不是自然发生的，其背后是几种来自AI的力量，一个是看见的力量，一个是实施数据的力量，一个是闭环的力量，一个是迭代的力量，还有一个是第一性原理的力量，就是我们从第一性原理出发，回到了我们的数据闭环之后，我们能够看见，我们迭代，减少了对人和经验的依赖，这样的过程就可以控制。

我举几个例子，比如说我们在科研范式上的创新，我们就看到了一些例子，在他们的科研范式里不再那么强烈的依赖于这种试验来去验证，而直接就进行仿真，这就是说我们有可能用数学的方法推理出来一个灯泡的灯丝用什么样的材料，它甚至是这个自然界不存在的材料，就是最好的一种状态，而不需要像爱迪生一样试验1000种或者几百种才能找到结果。

再比如管理范式的转移，我们看到了很多的数字闭环以后的仿真、模拟、AB测试，经营模式的这种创新也有很多，经营范式的转移，比如我们其实是有可能去仿真一个便利店的生意，它如果在某地做，然后上什么商品会赚钱、赚多少，都可以仿真出来。

包括公众服务，我们现在做的智慧城市、智慧卫生，所有管理的模式其实都是一种非常好的范式转移，它非常精确，比如说像我们这次防疫，我们就已经能够体现到这种公共服务的范式转移以后带来的巨大的好处，本质上的区别是这样的。

当然我们也会从商业的角度去看，我们认为一个商业的赋能要能站得住脚，它应该是符合这种合理性，合理性的核心在哪里？就是说我们赋能以后，数字化这个方向赋能以后，是不是可以带来可归因的、可量化的、可沟通的价值，这是讲什么呢？可归因的是你带来的，不是别人带来的；可量化是有数据要求的，就是它能量化的数；可沟通是双方大家都认，所以这是我们看到的一个未来。

借用三句话来阐述我对未来的三个判断

引用我们公司副总裁的一个讲话，他有这么几个判断，这几个判断可以跟大家稍微的介绍一下。

第一是未来任何可以移动的东西都将自动化的进行，这是他的原文，我稍微加了一点，就是说任何可移动的东西，包括了被创造出来准备持续运营的东西，它是一个工厂的，还是一个商店，或者什么都可以，甚至是一段马路，可以是一个桥洞，可以是一个隧道，也可以是一个公路，都要自动化的进行。

为什么要自动化的进行呢？自动化和人动化相对，变为自动化是因为减少了人的参与和干预，因为效率、质量、规模、成本、速度等各个方面的一些考量，越自动化，它的效率越高，质量越好，速度越快，几个要素可以同时做到，系统最优。

第二句话是任何被造出来的东西都会被很好的图示化显示。这个是讲什么呢？这个目的是为了让人更容易接受，让人容易理解，能够让大家一起达成共识做出正确的决策。

图示化会有两个走向，一个走向是它的图示化会变的更加逼真、生动、形象和具体，这是一个方向。我们最近看到一个化学反应可以在分子层面上或者是在稍微大一点的尺度上可以看见它的过程，物理的作用更是这样，所以越来越多的方式。比如说我们家装一套房子，完全没有装之前，我们可以在一个软件上去做任何调整，甚至是光线，从早到晚光线起来以后到晚上，它会产生什么样的结果，所以是非常逼真的，逼真会让大家相信以后会做决策。

另外一个方向是把它仪表盘化，这是对管理者的，这个过程实际能够把因果关系通过数据化的方式显示出来，让大家知道这里头的因和果，或者这个作用和那个作用的结果。这是第二个方向。

第三是任何自动化的东西都将会被仿真，这个更厉害，我认为自动化的东西最后一定是应用在一定的隐形规律上的，我们找到了这个隐形规律，我们就找到了一个数学方程，这个数学方程被用机器去模拟的过程、还原的过程，我觉得其实就是数字孪生仿真的一个过程。所以基本一个东西在没有被制造的时候，在设计阶段的时候，它可以去做仿真、验证，我们不需要把一个GPU、CPU造出来，我们实际上在整个逻辑里头已经跑过一遍，建设过程中智慧工地、智慧制造这种方式保证你建造的过程是能够达到你设计的目的、意图，甚至可以去调整。

最后在运营阶段，真正你每天在运营过程中的时候全量的质检和可预测性的维护，是在这个方面。数字孪生最终带来的价值是大幅度的减少了浪费，提高了成功率，在时间、成本、效率、质量方面都有非常大的优势，数字化的价值可以被充分地体现，整体就是这样的一个过程。

这是我们的一些观察，希望对大家有关注。

作者：任建斌，《客户世界》编委。

本文刊载于《客户世界》2022年3月刊。