特区彩票网旗下:特区彩票网七星彩论坛
南国七星彩论坛_特区彩票七星彩论坛_南国彩票七星彩论坛_海南七星彩论坛社区

南国七星彩论坛 > 科技发展 >

对话吴军:认清科技发展内在逻辑锁定趋势机会

2019-06-10 16:30:00 科技发展119℃

  科技的发展看似高深难测,但背后却有其自身发展的逻辑。正如吴军博士在其新书《全球科技通史》中指出,几千年来科技发展有两条清晰的脉络,就是能量和信息。它们不仅将整个人类科技史贯穿,还可以帮助人们了解当下和未来科技的动态。

  吴军博士对于科技趋势有着敏锐的判断,他毕业于清华大学、美国约翰霍普金斯大学,是知名的自然语言处理和搜索专家;他曾为谷歌资深研究员,是当前谷歌中日韩算法的主要设计者;他也曾担任腾讯搜索业务副总裁。吴军博士还很早就参与硅谷的风险投资,成立了丰元创投。

  相信有很多人了解吴军博士是通过他的著作,如《浪潮之巅》、《数学之美》、《文明之光》、《见识》等。

  近期,我们找来吴军博士围绕他的科技史观与投资观进行了沟通,文中有不少他对科技与创投的本质思考,相信看完会对你有启发。

  “我用两条线把科技发展串起来,一条线是能量,从农耕革命开始人类技术都围绕尽可能创造能量这个核心在发展,这样才能养活更多人,社会文明才能发展。另一条线是信息,这是社会得以组织起来的一个很重要因素。”

  李曌:你的新书《全球科技通史》中有一个观点认为科技发展有其自身的逻辑,19世纪出现机械、电力相关的技术,20世纪出现信息相关的技术,接下来出现更多生物相关的技术,究竟是什么在推动科技向前发展?

  吴军:我用两条线把科技发展串起来,一条线是能量,从农耕革命开始人类技术都围绕尽可能创造能量这个核心在发展,这样才能养活更多人,社会文明才能发展。当农耕水平提高后,所创造的总能增多,人们利用能源的效率提高,社会文化得以繁荣,比如古代中国。

  我们可以用化学燃料产生巨大的动力,生产力有了极大提高,最终这也使商品由供不应求到供大于求。而原来我们只有两种动力能用,一种是如人力或畜力的生物能,还有一种是如风能、水能的机械能。

  而另一条线是信息,这是社会得以组织起来很重要的一个因素。十九世纪后期,由于远距离与长距离的信息传输需求,通讯业发展起来,信息传输开始了一代代地进步,最早从烽火台到使用机械臂的信号塔,到后来电报、电话、无线通讯、移动通讯。到二十世纪以后,我们能想到最大的几项技术进步,其实都和能量、信息相关。

  吴军:我个人认为有四个。量子力学和公理化的概率论,奠定了一个多世纪以来的科学基础,也提醒我们的世界是不确定的。原子能的使用让我们得到了宇宙中最大的能量来源。计算机和集成电路的出现让人类进入到信息时代,与此同时,香农提出信息论,告诉人们消除不确定性的方法就是利用信息。这一点和20世纪初人类对不确定性的认识正好匹配。

  随后,DNA双螺旋被发现,人类了解了自身的遗传信息。到了二十一世纪,很多技术也是围绕如何更有效利用能量,以及单位尺度下如何能处理和传输更多信息。

  吴军:对,马斯克的商业帝国表面上看是一堆无关的产业,有电动汽车、太阳能发电、发射火箭等,用他自己的话讲,这些都在围绕如何更有效利用能量来开展。

  新能源汽车可以使单位里程数的二氧化碳排放少一倍,太阳能发电某种程度上也是为了取代化石能源,发射火箭并不是火箭运载能力要比过去阿波罗登月时的土星5号强多少,而是火箭能被多次使用,并且同样运一吨东西到火星,消耗能量会少很多,所以马斯克的商业帝国主要是从节约成本上考虑的。

  吴军:首先,从PC互联网到移动互联网不过十年的时间,发展是迅速的,现在全世界中70多亿人口中,已有30多亿是移动互联网的用户。

  其次,接下来我们将进入到万物互联网的时代,我不太喜欢物联网的概念,因为未来是所有东西相连,不仅包括物还有人。今天全世界超40亿设备(30亿移动设备+10亿计算机)在联网,而到2022年最保守估计全世界会有300亿个设备联网,甚至有人说是500亿。这需要全新的基础架构,否则海量设备无法同时上网,而5G可以解决这个问题。

  过去我们从3G到4G感觉变化不大,是因为基站几乎没有增加,只是技术发生了变化。但5G时代基础设施的建造量是惊人的,基站密度从2-3公里缩短到200-300米,是过去的100倍,每个基站覆盖的平均人数只有过去的1/100。这才使得网速有可能更快,也让更多的带宽能够给到IoT设备。当然,5G的通信协议和前面的几代都不同。

  所以无论是从市场空间、技术架构来看,信息革命都还在加速,完全没有停止,更不用谈处于末端。

  李曌:但在一些逃离互联网的投资人及创业者看来,过去互联网的发展依靠流量红利,而如今流量红利已消退,所以接下来几年没什么大机会了。

  吴军:我觉得所有指望人口红利的企业,说句不好听的都是不思进取和思想懒惰的企业,不然怎么还有拼多多等企业的出现。

  这也是为什么我要写《全球科技通史》的原因,不少人看技术只看到单点,实际上我们要沿着它的发展潮流去看。现在单位能耗即花一度电计算能力的提升要比过去快太多,谷歌AlphaGO的单位能耗计算能力比一年前提升了几百倍。同时,过去三年人类收集到的数据,是从三年前到有文字记载以来全部数据的总和。我们必须要看到这些变化。

  李曌:IoT中智能终端是非常重要的,我联想到乔布斯在2001年的一次采访中总结,第一代计算机主要是服务企业,第二代计算机主要是帮助个人获取知识,在他看来接下来的智能设备(手机也是小型计算终端)主要用于帮助人表达感情,你如何看待他的这个观点?

  吴军:计算机是计算机,而人是人,两者之间有明确的边界,计算机不能做人所做的所有事,这点已经非常清楚了。我们需要从本源来看计算机到底是什么。

  大概一百多年前有一位了不起的数学家叫希尔伯特,他曾经问自己三个本源的数学问题。这三个问题分别是:

  第一,数学是否是完备的?通俗地讲就是,能否用数学体系概括所有的知识?第二,数学是否是一致的?比如今天3+2等于5,明天是否还等于5,会不会等于6?物理学就不是一致的,你今天测量开水的温度是100.1度,明天你测可能就变成了99.3度。第三,数学是否是可判定的?物理学的结论是可以判定和验证的,但是数学问题是否有答案?这第三个问题后来变成了著名的希尔伯特23个问题中的第10个。

  另一个很了不起的数学家叫哥德尔,他把前两个问题解决了,大概意思是完备性和一致性不能兼而得之,这就等于告诉大家,世界上大多数问题都不属于数学范畴。

  第三个问题的结论也非常让人失望,1970年,前苏联数学家马蒂塞维奇最终证明:在一般情况下,答案是否定的。也就是说,绝大多数数学问题我们无法判断有没有答案,更不要说寻找答案了。

  图灵在思考计算机的问题时,受到哥德尔的启发,他觉得有很小的一部分数学问题是有答案的,后来他发明了一种机械的数学模型,在这个模型中,通过有限的步骤就能找到答案,这种模型被称为图灵机。图灵将那些可以在有限步骤内解决的问题称为可计算问题,后来冯诺伊曼等人设计出具体的计算机,实现了图灵所提出的虚拟模型。

  今天所有的计算机,无论多么复杂,都没有超出图灵机的范畴,解决的还是可计算的问题。当我们把世界上所有的问题和今天有答案的问题,做两张相互嵌套的图展示出来,你会发现,人类要解决的问题要比今天计算机能解决的问题多得多,而今天人工智能可以解决的问题又是少之又少的。

  回到问题本身,我和乔布斯的理解不一样,我认为人与计算机有着明显的边界,一个人有感情就有感情,没有感情就没有。像有一些男生会撩女生,没有手机,他照样能很快找到女朋友,而对于一个木讷的男生而言,有手机照样用处不大。

  李曌:无论是我们谈及的数学还是物理学,都属于基础学科研究,但有业内人士认为国内忽视基础学科的研究而注重技术应用,这是否会导致落后?

  吴军:的确在过去,中国人对基础科学不感兴趣,因为我们讲的是学成文武艺,货与帝王家,我学了东西必须得有地方用。中国人对科学的兴趣,是近百年来的事情,全社会对科学的价值的认可程度还有待提高。

  不过,我们还是要将科学和技术分开。中国的科学能发展得更快自然是好事,如果做不到,至少20年里也不会有太大影响。因为科学本身是不能直接卖钱的,如果应用研究能跟上,对社会经济的发展的影响也不会太大。

  “如果说有投资存在时间窗口,一过就没了,那它就不是真的机会,而是投机。所以,我做投资奉行时间就是朋友的理念,那些真正能几十年仍活跃在市场上的投资人都是时间的朋友。”

  李曌:在中国谈科技,就绕不开腾讯这样的巨头公司,而你曾在腾讯就职,如何理解腾讯将使命愿景更改为科技向善?

  吴军:科技公司的发展和是否向善无关,如果腾讯真愿意这么做,首先要给它点赞,毕竟我们都希望大公司是负责任的公司,但全世界都不可能单纯依靠善意来解决问题。

  以中国为例,自从有文字记载的3000多年来,对官员的道德约束从来没有停止过,但也几乎从未管用过。今天所有的大数据公司都说自己拿了大众的数据是要做好事,但依然会出现Facebook卖数据的事情。

  Facebook卖用户数据不是扎克伯格的主意,那些卖数据的钱连Facebook一年收入的千分之一都不到,扎克伯格也不是那么弱智的人。但是他无法保证底下的人做事都讲道德,于是就出事了。

  因此,不能把我们每个人的命运寄托在科技公司自己能向善而行上,还是要有约束和制约。任何掌握权力的人都有可能会滥用,今天大公司有大量数据与技术就是一种权力,所以要有法律来制约它。如今互联网公司对用户的价格歧视不是什么新鲜事,说明道德约束和自己的善意在生意面前非常苍白。

  李曌:的确,如今价格歧视已成普遍现象,一些企业为了利润最大化而不顾用户的利益。

  吴军:当然提供服务和卖东西的公司会把价格歧视这件事说得很崇高。他们会说,让一些人支付能力比较强的人多付点钱有什么不好,这样可以给穷人降点价啊。

  李曌:价格歧视也源于对用户数据的掌握。前段时间欧盟颁布了《GDRP》,从数据层面制约科技巨头们,可能会慢慢得到更多国家的效仿。

  吴军:是的,欧盟从法国大革命开始就懂得用权力制约权力,所以最终政府会向监管银行一样监管这些数据公司。

  李曌:回顾历史能发现经济萧条前投资人会乐于投资新科技,你如何理解经济周期与科技的关系?也有学者指出08年的金融危机至今仍余波未去。

  吴军:每一次技术革命都有一些落伍的国家,咱们就讲信息革命,以1965年摩尔定律提出作为起点,距今54年的时间,我们看到整个前苏联和欧洲在这一轮信息革命完全落伍了。每一次工业革命周期大概是50到80年,错过这一次周期就只能等下一波了。

  李曌:刚刚我们说到国家如果跟不上科技发展的周期就会被淘汰,其实企业也是。聚焦到赢得信息革命最大红利的大公司,我们能发现他们的壁垒非常脆弱,不断被下一代颠覆,比如IBM被微软动摇,微软和亚马逊被与谷歌动摇,谷歌被脸书动摇。

  吴军:你说的有一些对也有一些不对。首先,无论是市值还是营业额上来看,脸书比谷歌差了很多。虽然脸书在社交网络上的确动摇了谷歌,但谷歌在移动互联网上又赢了回来。再看亚马逊,谷歌成为最大互联网公司的时候,亚马逊确实被动摇了,但它在云计算上又赢了回来。微软也是如此,它在企业级软件上赢了回来。

  壁垒是随时代而变的,过去有些能称之为壁垒的可能在未来就变得没用了。在PC机时代Windows和Intel形成的壁垒有用,那时没公司觉得自己可以赢Windows和Intel。但随着手机的发展,PC机的影响力变弱了,现在的壁垒就是安卓和ARM,将来会是IoT和5G。所以很多企业是输给了时代,而不是输给了别的企业。

  李曌:的确,环境变化带来公司的原有优势失效。除此之外,你认为科技公司死掉的原因还有哪些?

  吴军:客观来讲,死和生是一起的,没有死就不会有生,很多时候死亡是好事,因为没有死亡就不会释放资源,就不会有新的代替。如果不适应环境剧烈变化的公司死掉也是很正常的。从主观来讲,还有很多个人失误造成的死亡,尤其是年轻的创业公司,由于能力、资源与他所支配的钱不匹配,跟不上成长的步伐。

  李曌:这也决定投资早期公司的失败率是极高的,早期科技投资很像一个黑箱,作为一位硅谷的早期科技投资者,你如何尽可能使得投资收益最大化?

  吴军:一开始随意性会比较大,但投完半年后就会有反馈,目标就明确了。比如你开始投了100家公司,有50家表现比较好,有50家表现不好,这时你做出什么反应很重要。

  有的人怕投资亏了,会去扶植50家进步比较慢的公司,但真正好的投资人都知道,要把50家糟糕的公司赶快扔掉,对表现好的50家公司双倍砸钱,加大力度扶植,比如你第一轮投了100万,第二轮要给它200万,300万。再往后50家里可能有20家表现比较好,30家不太好,那就继续对表现好的20家继续砸钱,500万,800万地投入。对于优秀的公司在下一轮要遵循双倍砸钱的原则,这是风险投资一个系统性原则。

  吴军:对于市场、技术和产品这些层面很多时候是需要创业者自己来把控的,这也是你把钱交给他办公司,而不是自己办公司的原因。

  所以投资人最重要的还是对人的判断,基本上有两点,第一会判断创始人的人品、诚信,看他周围有没有原来的亲朋好友或同事愿意跟他一起做事情。

  比如当我投资一个印度人的公司时,一定会要求他同时要有自己族裔的朋友投资他,这是因为他骗了我们可能影响有限,但他连同族人一起骗了,那他在自己圈子里就会形成很坏的印象,这当中的成本会使得他要好好掂量。另外,如果他周围的同族裔人都没有愿意投资他,这其实会是一个很不好的信号。

  第二会判断这个人的适应力如何,因为我们都很难预测五年后会发生什么事,能否适应变化不断调整就变得很重要。

  吴军:这个事如果做成了,一定要持续挣几十年的钱,如果只能挣5年的钱,就不值得投资。所以时间是你的朋友,但时机不是,没人总能把握好时机,就像巴菲特讲的好生意必须能长期增长,如果它是一个将来能发展很长时间的公司,你早一点进场和晚一点进场关系都不大,只要进场就好。

  我老拿电商来举例,电商取代部分实体店是一个趋势,所以你早一天进场,晚一天进场都行,并且你只要进场就会有很好的回报。

  比如,阿里巴巴你都不用早期投资它,它上市时你只要买它的股票就能挣很多钱。前几年当大家都觉得电商发展到头的时候,拼多多跑了出来,这说明电商不是一年、两年的机会,而是有很长的机会,每个阶段都有钱可挣。

  如果说有投资存在时间窗口,一过就没了,那它就不是真的机会,而是投机。所以,我做投资奉行时间就是朋友的理念,那些真正能几十年仍活跃在市场上的投资人都是时间的朋友。

搜索
网站分类