“在未來，為什么說大數據非常非常重要，因為所有的公司都是數據公司，太武斷或者太絕對?回想50年前，說今天計算機無所不在，也沒有人信。”6月27日，《浪潮之巔》作者、Google科學家、硅谷風險投資人吳軍在顛覆式創新研習社的精彩分享，帶來他在大數據時代的前沿思考。以下是吳軍演講實錄!
 

　　大數據會在30年徹底改變世界
 

　　50年前，英特爾創始人之一戈登·摩爾提出來摩爾定律：當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍。換言之，每一美元所能買到的電腦性能，將每隔18-24個月翻一倍以上。
 

　　這一定律揭示了信息技術進步的速度，開啟了IT非?？焖侔l展的50年。
 

　　摩爾定律帶來的結果是：所有的硬件公司，每18個月必須實現產品更新。而且，以前我們說，社會需求帶動科技發展，現在不是了，一個東西出來之后會產生新的社會需求。各個公司都要針對開發未來的市場。
 

　　為什么說今年是一個轉折點呢?因為有了大數據，雖然他今天沒有產生那么大的GDP，但以后30年內會徹底改變這個世界，而且改變我們的思維方式。
 

　　把摩爾定律反過來看，你如果不能18個月把性能翻一番，你就被這個行業淘汰了?；蛘呶腋纱嗖桓阃媪耍胰氖乱粋€遠離18個月翻一番的行業，就出現什么呢?轉型，就是IBM。他說與其我做硬件利潤越來越薄，不如我賣給聯想去玩，我做IT服務。
 

　　于是我們有了很多的服務業，過去，我們理解的服務業是什么呢?旅游?家政?今天不是，是IT服務，光在美國這個市場差不多是一萬億美元。
 

　　所以創業時有一個選擇，你到底是做什么? IT產業第一代基本上就是做硬件，都是在摩爾定律出來之前誕生的，估值很低。摩爾定律出來以后，誕生了一流的軟件公司，比如說微軟公司、甲骨文。所以不同的時代要做不同的事情，而不在于說你的專長在那兒。
 

　　未來30年的趨勢是什么?
 

　　未來三十年是什么樣的呢?大概分成三部分，一是云計算和移動互聯網。二是大數據和機器智能。三是生物醫療，它的核心是大數據。
 

　　大數據為什么如此重要?它有三個很明顯的特征，并不僅僅是數據量大，因為它帶來了機器智能，而這個機器智能非?？膳隆?br />  

　　什么是機器智能?計算機老祖宗阿蘭圖靈提出來判定機器是否跟人有樣智能的方式，叫做圖靈測試，這個圖靈測試怎么說的呢?大屏幕背后放上一臺計算機，再坐上一個人，你問他一個問題，答案你無法判斷到底是機器給出來的，還是人給出來的，這時候我們就認為機器和人有同等的智能。
 

　　解決這個問題要幾個東西，首先要大量的數據，并且開始產生數據驅動。當時沒有互聯網數據，但是IBM因為有很多的商業客戶電傳數據。利用這些數據，IBM實現了語音識別系統，當時能識別大概100多個英文單詞，識別的錯誤率30%，這不可用，更何況只能識別100多個字。
 

　　而數據驅動能識別2.2萬字，這是差別。錯誤率從30%降到10%，這是劃時代的事。大家會發現原來看上去很復雜的機器智能問題，好象還有另外一條路可以走，不是來模擬人，是用數據驅動的方法。
 

　　什么是大數據呢?大數據不僅僅是數據量大，它常常是雜亂無章的多維度的。
 

　　舉一個例子，大概兩年前百度公布了一個很簡單報告，他從百度知道里面做了一些大數據的分析，然后得出一些中國各個地方飲食習慣的調查。這里面有多少呢?大概有7700萬條跟吃有關的問題，他根據IP知道你是什么地方人，問什么問題。他不是做問卷調查，你到百度知道去看數據雜亂無章的很，你通過IP地址看你問什么問題，他實際上很多數據不公布，公布以后會發現你的隱私被拿走了。而這個7700萬條數據還是歷史上不同時期收集來的，維度非常多。

　　還有一條，大數據必須具備完備性，才是有意義的。
 

　　綜上，大數據這三條要注意，一個是數據量足夠大，一個是多維度，還有一個是數據的完備性。在結束之前，再講一個很重要的，大數據為叫BIG DATA，不叫large，這其實還是有細微的差別，這不僅僅是強調數據量本身大，他是強調說這是一個思維方式的改變，所以BIG DATA本身有這樣一個深層的含義。
 

　　這件事本身很可怕，可怕在那兒呢?我們回到IBM深藍和國際象棋世界冠軍卡斯帕羅夫下象棋贏了的例子。IBM不僅把卡斯帕羅夫下所有象棋的結果搜集起來了，他還把世界上好多好多的象棋高手當時對弈結果搜集起來了，以至于說在每一步棋的時候，就像做預測的時候有一個數據的完備性，你每走一步，他實際上根據歷史結果，他對你有一個預測。當時還沒有大數據的概念，某種程度上是變成了一個大數據的問題。
 

　　大數據發展很好的一個機遇是移動互聯網，PC互聯網是機器和機器聯網，在移動互聯網時代，是人的連網，以前我們說手機可以讓你利用碎片時間，現在是說你根本就沒有整的時間，時間全變成碎片時間。你如果有可穿戴設備，你一天24小時某種程度上都掛在互聯網上，這也使得數據的完備性成為可能。
 

　　還有一個傳感器的技術， RFID，這是什么東西呢?大概瓶子蓋這么大的東西，零售價四美分，芯片帶一個天線，當你走過他讀寫器的時候，把里面數據傳到讀寫器上了。舉一個例子，我們買礦泉水需要排隊掃碼，然后支付。有了這個RFID傳感器以后，你把購物車推出去就完了，然后選擇移動支付，根本不用那么麻煩，因為傳感器會記錄你買下的所有東西。
 

　　所以我們給出今天的第一個結論，就是說我們今天是一個從摩爾定律到數據為王的年代。而這件事并不是說僅僅是增加幾億，幾十億或者多少億的市場或者說這么一個產業問題。這整個是幾萬億，幾十萬億的故事，未來的世界，在現有的公司中什么公司占比較有利的位置，已經擁有這些大數據和有能力處理大數據的，這是兩個不同的概念。
 

　　擁有大數據和已經有能力處理大數據的公司，他們會變得非常強大。傳統的數據公司，因為思維方式的變化，他固定的模式使得他可能反而落伍。
 

　　在未來，為什么說大數據是非常非常重要的，因為所有的公司都是數據公司，有人說是不是下得太武斷或者太絕對的。你如果今天回想50年前，說計算機無所不在，這個也沒有人信。
 

　　大數據不是IT界專利，傳統行業也需要
 

　　舉三個例子，這是一個中國公司例子，風能發電設備的上市公司。風力發電機有一個葉片，能用十到十五年，為什么是10到15年，這是從平均值得到的。因為你沒有辦法知道某一個具體的點具體的產品實際情況。
 

　　但是，這家公司裝了一些傳感器，就能監控到每一個地方葉片情況，有一些地方風大，風又不均，葉片老化快，可能要八年。過去這家公司光制造這個利潤并不高，為了競爭壓價很厲害?，F在有了大數據以后，他可以通過一些無線的聯網，把這些東西送回來，每一臺發電機具體運行情況知道，賣到什么地方，這個地方風力是大是小，一年四季哪天有風哪天沒有風都知道。
 

　　其實到以后，每一個產品，以后可以從貼一個RFID，你從出廠到運輸，每經過一個地方，最后到了誰手里，你都可以知道。也就是說在過去想都不敢想的事，在大數據時代，我們可以精細到每一件產品。
 

　　第二個例子，prada。我跟chanel聊過怎么設計專賣店，他說擺放很有講究，怎么擺放好，根據老板的經驗確定。
 

　　prada做了一個什么事呢?很簡單，他把衣服加了一個芯片，在試衣間加了一個傳感器，這個東西從貨架上拿下來，你試了多少次就知道了。他不能解決所有問題，但是至少解決一個問題，如果這個衣服大家不斷試就是不買，你肯定知道不是第一眼看上去不舒服，可能穿在模特身上好看，在我身上不好看。
 

　　第三個例子，TARGET是美國第二大百貨連鎖店，他有一次找來一個學統計的碩士到百貨店，干什么呢?他通過收集每個人的購物清單，分析用戶習慣。你光知道賣了多少貨還不行，還要知道誰在買。
 

　　之后碩士生做一些研究發現人買東西有一些規律，比如說孕婦在不同的階段買東西是不一樣的，大家基本上按照這個規律來，你買不同階段預測你下面買什么給你送優惠卷。
 

　　突然有一天接到了一個非常憤怒的爸爸打來電話說，我女兒才14歲，你們就給他寄嬰兒的用品廣告，這個經理一想數據好象也會出錯，大概一個星期回訪，他又打電話問這個父親，這個父親說對不起上次是我搞錯了，我女兒真懷孕了。
 

　　說明什么呢?大數據時代，有可能這些店家，這些商家比你更了解你自己的需求，淘寶可能比你更知道你下面要買什么東西?；蛘哒f為什么我講說，未來所有的公司可能都是大數據公司。我剛才講的這三個例子和我們傳統講的IT沒有關系。
 

　　面對大數據，我們能做什么?
 

　　我們能做什么，或者需要做什么呢?第一個是數據的搜集，谷歌兩年前買了一個公司NEST30億美元，才100萬的用戶量，為什么呢?這是一個號稱智能空調的，在你房頂上裝一些東西，會提供家里WIFI功能，平時什么生活習慣知道，谷歌買了它，不是真正為了省那點電，他通過這個為了采集數據。
 

　　第二，數據的存儲，別小看這個。以前我們處理數據，想象的數據，文本的數據，圖象的數據，視頻的數據，其實相對來講都是還算是小的。你數據量大了以后怎么辦，怎么檢索，怎么存儲，都是一個挑戰。
 

　　當然還有一個很關鍵的，剛才我已經反復講了隱私性，還有一個數據的安全。數據安全又有兩個概念，第一個概念就是說數據最好不要泄露。你不能丟，我們將來說大數據，我們存在百度云盤上，這個丟了怎么辦或者說損壞了還能不能恢復，這些都是挑戰。
 

　　機器智能的三足鼎立

 

　　下面我們要講機器智能，產生機器智能三個要素第一個是摩爾定律，計算機多快，存儲量多大。大數據，我們思維方式變了。還有一個要有數學模型。因為計算機解決智能的方法和人不一樣，他不是思考，他是算，要算要有數學模型，機器智能將來是三足鼎立，你做其中任何一個，你可能將來在今后20年里都會是一個不錯的立足點。
 

　　比如說谷歌大腦，其實和人腦一毛錢關系沒有，這就是一個人工神經網絡，以前人工神經網絡在一臺機器上實現可能幾百個節點不錯了，現在一百萬臺機器上實現可以有幾萬個節點。把這個模型訓練的更加準確，計算機顯得比以前聰明了。
 

　　這個像語音識別的錯誤，大概從15%-16%，大概能夠降到12-13%，沒有改變方法，沒有改變數據量，只是機器學習這個東西做了一個改變，就有了提高。
 

　　有了這些東西，我們回頭看一開始我提出的圖靈測試的問題，讓計算機回答問題。這個事解決了，計算機跟人類同等智能了。2012年的時候我從騰訊回谷歌，我的老板，管整個谷歌搜索的高級副總裁，說你做什么事隨你，只有一個要求，這個事做完了以后，讓微軟要花五年時間來追趕我們。
 

　　后來我想了想這個事好象能做，這個事過去歷史上還沒有人做成功，讓計算機回答問題。比如天為什么是藍的?我們做了一年半，給出一個結果，你可以讀一下。這實際上是一個數據的完備性的問題。其實很多時候，這個答案在類似于某個網頁里面，我們只是做了什么事呢?把互聯網上所有的網頁，不是說跟我們問題有關的，而是所有的網頁都拿下來做語法的分析，這個計算量很大，這必須在谷歌才能完成。
 

　　之后拼湊答案，還有一些數學模型，保證拼出來的句子讀起來像英文句子。就是這樣幾件事，把一個所謂智能問題變成一個大數據的問題，這是一個很重要的一點，并不是說我們比別人聰明，而是完全換了一個思維方式。你不再按照人的方式要求他去解決這個智能問題，而是讓機器的方式來解決智能問題。
 

　　第二個例子，谷歌自動駕駛汽車，你可以看成是一個機器人，跑了將近20萬公里，沒有出一次交通事故。實際上不是當成一個智能問題，他是當成一個大數據問題，這個項目是谷歌街景項目一個延伸，這個車能去的地方是谷歌掃過街的地方。他實際上把開車問題，變成了大數據問題。
 

　　講到這里引發一個問題，智能的機器無所不在的，未來的世界是人在主宰還是機器來主宰，大家可能會有這樣一個問題。舉兩個例子，一是富士康有很多裝配工人，郭臺銘已經講了，不當血汗工廠，要研制機器人，讓機器替代人。
 

　　可能有人會說，反正我們不是生產線裝配工人，波及不到我們，我們就講兩個高大上職業。第一個是放射科醫生，這在美國是非常高大上職業，但未來放射科醫生可能是一個機器。比如說識別癌細胞的機器，準確率在很多地方已經超過醫生，而且他有一個非常大得好處，識別水平非常穩定。
 

　　未來的社會，由于機器智能和大數據，不僅僅是郭臺銘的生態線工人受影響，我們所有高大上職業也受影響。
 

　　未來的世界是什么樣的世界呢?第一條，機器其實是不會控制人類的，制造智能機器的公司和這些人，他們實際上是通過機器在控制人。這些人可能占人口很少數量，他們實際上是機器智能時代的受益者，其他人怎么辦呢?要不加入他們，要不然你成為98%，被2%的人控制。沒有選擇，你必須站在這個行業，而且你的思維方式一定是有變化的。
 

　　大數據思維——全面性+互聯互通

 

　　總結一下大數據的思維。大數據思維第一點，一個是全面性，他將來可以在大數據時代做任何事可以細到每一個人，每一個商品，每一筆交易。
 

　　這畫了一個酒吧臺，這是一個創業公司。他把前一家公司賣掉以后，花了兩年時間走訪了美國100多家酒吧，他就做這個調查，他發現了一個很有意思的事，這個酒吧的酒有24%是被偷喝掉了，什么意思呢?比如說研習社汪洋是我的朋友，他來找我，我說小子今天沒有事，來給你來兩杯酒不算你錢，倒了兩杯喝了。
 

　　他做了什么事呢?他把酒架子改造了，每一個酒瓶子下面貼一個特殊的傳感器，傳感器本身三毛錢，然后每一次倒出來，倒多少盎司，什么時候倒的，和移動互聯網是連著的，老板躺在家里看手機都知道什么交易。這就是大數據思維。
 

　　我們對比講過去的互聯網思維，這個很重要的是什么呢?實際上是一個互聯互通，不是簡單的把電子商務，說把商品原來在實體店，現在放到網上去。原來賣硬件的,也開始賣服務,事實上小米今天賣小配件掙的利潤比他賣手機要高的多，這是一個大數據思維，要把整個的商業模式都改過來。