互联网三十年的竞争与创新

最近和90年代末一起参与建设中国教育科研网及网络技术普及教育的老友符云清做了一次直播畅谈。

对话者1：顾青，DTALK创始人，清华至道教育MBA/DBA班数据驱动决策导师，中国电子工业标准化协会用户体验专家委员，曾担任携程集团TRIP.com的全球业务增长CGO，CERNET-思科首批网络技术讲师

对话者2：符云清，重庆大学大数据与软件学院教授，重庆天文学会秘书长，CERNET-思科首批网络技术讲师

对话的核心话题：

初期阶段：互联网起源于1960年代末的ARPANET项目，这是由美国国防部高级研究计划局（ARPA）资助的一个计算机网络项目56。

技术突破：1970年代见证了TCP/IP协议的诞生，这是互联网通信的基础6。

学术与军事应用：1980年代，互联网主要由学术界和军事用途使用，同时开始向商业领域扩展6。

商业化与普及：1990年代初期，随着万维网（WWW）的发明和第一个网页浏览器的发布，互联网开始向公众普及46。

泡沫与增长：1990年代末，互联网经历了快速的商业化和投资热潮，尽管后来遭遇了泡沫破裂，但用户数量依然急剧增长6。

全球化：互联网逐渐成为全球性的现象，亚洲、欧洲、非洲和拉美的网民数量显著增长，尽管北美在互联网的早期发展中占据了中心地位

BAT崛起的本质：长尾、网络效应、数据驱动，AI的应用

移动互联网的异军突起：推荐、信息流、社交的本质，AI的应用

支付推动下的最后一公里：即时交付，AI的应用

企业经营管理者的核心能力：提问、思考、判断、归因、分析、假设、试验和创新

对话的主要内容：

顾青 今天我们谈谈互联网三十年竞争与创新这个话题。互联网 30 年的发展历史，充满了竞争，但是背后不断有新的创新的技术和产品在推动这个行业的发展。

最早60年代末ARPANET，只是美国国防部资助的一个网络项目，然后 70年代才诞生的TCP/IP协议。

我这有一个光碟，是90年代末期中国的广电行业在做数字化，通过模拟信号转到数字信号，原本一个带宽里面只能放一个到两个频道，数据化之后可以压缩放几十个、上百个频道，但它仍然是单向网。最早期在它上面跑软件，跑中间件，在机顶盒那端去做一些交互性的应用。当时我参与一些项目，他们想用单向网的方式做一些网页方面的这种应用，但是很快就被互联网代替了。

符云清 发展太快，这个技术相当于昙花一现。我给大家展示一个 3.5 英寸的磁盘，容量就只有 1.44兆，当时我读书的时候，只能通过软盘的方式存储。原来我们用的驱动器是软驱，那现在都不用了。现在我们任何一个 U 盘，包括闪存，它都不是用兆，而是用G来计算。

第二个物品是以前我们搞网络的同步电缆，一边有梯形头可以接到网卡上去，在末端它有一个端接器，防止信号在末端再反弹回去。这个现在也不用了，传输速率很慢，是 10 兆的传输速率，这种方式很不稳定。

顾青 当年 90 年代初，普通用户上网要花钱，他只能通过那Modem的电话线，每次播放很久，然后发出“滋”的声音，而我在交大计算中心的时候直接用光纤，上网很快。不过那时候，大部分的应用是基于比较低的网速和性能比较差的浏览器承载。后来我们发现最早互联网的泡沫，大概在 1998 年，当时很多公司全都垮掉了。虽然有大量公司倒闭，但是网民的数量不断增加，如同现在用 AIGC 应用的人每天都要增加。

虽然很多风投的 AIGC 公司，或者 AI 产品公司商业化还没有做得很好，但每一个阶段， AI在互联网发展过程中都产生作用。即便在最早搜索引擎阶段，2000 年后我参与过一些北美项目，基于 PC 的互联网，基本上是从 Google、雅虎、Bing 等搜索引擎获取用户，然后国内是百度。

百度最早跟谷歌一样，没有去做那么大规针对普通用户的搜索引擎来商业化，而是也曾面向企业端提供搜索引擎的技术服务，当时北美一些大的门户网站，包括雅虎都用过 Google 的搜索技术。

符云清 我当时接触百度搜索引擎，用来搜索一些学术资源信息，国外用谷歌可能会更多一点。我的程序员在写代码的时候，都要求东西做好后要能够被谷歌搜索识别到。

顾青 做一个网站需要流量，但本质上又是在做一个技术的项目，希望在搜索引擎那里，这网站是一个对用户有用的东西，而且方便用户找得到。在 2010 年左右，包括Google，百度，每年都有大量for Developer的会议，会讲一些最新的算法，一些网站的最优做法，分享一些案例，目的是为开发者做的一些应用能够更好适应谷歌对于优质内容的要求，这是非常好的一个生态系统。

我们用GPT 类应用的时候，发现很多时候我们国内的一些企业还需要用到英文语料来训练。在全球来讲，在 UGC 层面，用户提供内容的质量层面，现在还是海外的质量高。当年Google为了它的搜索生态里面的内容质量高，导致所有的玩家相对更好去配合做这个事情，这个效应目前继续在延续。

我也经历过谷歌的整个变化，包括搜索方面，当时我们的项目都是需要流量的，现在我也还指导很多国外团队，帮助他们掌握如何让优质内容更快被谷歌发现并index，并且能够提供更好的用户体验。

符云清 做一个项目无论多好，肯定要依托平台。对谷歌、百度来说，它也要营造一个生态，对开发者提供一些比较成熟典型的案例，让更多的人在上面完善自己的研发产品。

顾青 现在大家用的比较多一类 AIGC产品，很多都是增强版的搜索引擎，只不过放弃使用百度或者谷歌而已，减少搜索时长，当年很多数据驱动的技术方案和工程实现现在依然还在起作用，我想知道你作为大数据领域的学者，对搜索引擎在 AI 方面的一些应用怎么看待？

符云清 我帮助政府做过很多大数据方面的咨询，第一，实际上我们国家数据本身就是一种资源，数据通过脱敏以后，可以确权，可以交易，它本身就是一种资产，这是一个概念。

第二，我经常在讲大数据、数字经济的时候，就说过去我们的生产资料更多是一些机器设备、厂房、土地。在数字经济时代，数据也是很重要的一种生产资料。过去，生产关系基本上只有劳动者跟生产资料，以及劳动者跟雇佣者的关系。现在互联网时代，也带了新的一种生产关系。数据不仅仅只是说数据本身能够带来价值，还有增值服务。

第一方面，有了大量数据，可以来进行挖掘，给生产经营和管理提供决策支撑。在互联网时代里所有的决策靠数据来提供科学决策，如果纯粹按经验拍脑袋，那你的一个失误就可能会成就你的对手。

第二方面，目前人工智能有三个要素，算力、算法、数据。没有数据就是盲人摸象，我们的很多模型，包括 LLM 大模型是开放的，如果没有数据就没办法进行训练，更没办法进行测试和验证，反之，可以成百上千倍提高生产效率。

顾青 是不是大部分人都认同数据驱动决策是唯一的办法？哪怕是一些简单的科研项目，有大量的数据都不是高性价比的，是没有经过清洗的。如何在数据里面找到高质量的决策信息？

符云清 并不是数据越多就价值越高，没有数据或数据性价比低都是问题。举个例子，一个学校内部，有学生系统里我的信息是未婚，教工系统里面是已婚，数据相互矛盾，那有人跟我要推荐对象时，他该怎么决策，我到底是已婚还是未婚？这就牵扯到数据质量的问题。近年来一些其他传统经济形势不佳，现在国家看重大数据特别是人工智能的发展，下一个增长点肯定是数字经济，考虑用数据来产生价值，包括决策，包括AI训练以及它的测试和验证。

顾青 一些国家企业、事业单位可能没有激烈的商业竞争环境去促使做出一些改变，以前搜索引擎行业竞争非常激烈，为什么最后Google 能够胜出？这有一个巨大的差异性的问题，在谷歌关键发展的一些节点上，内部不仅仅是用数据去决策，他们的数据就是产品，或者说数据已经变成产品的一部分。

如果说 To C产品或者业务，能够形成双边网络效应，企业能够自动把拥有的数据变成用户产品价值的一部分，那它的壁垒就非常高，它的对手就很难短期内赶上。当用户使用的频率越高，使用的时间越长，它在上面所产生的这些内容和数据，帮助用户下一次获得更好体验的时候，就有马尔可夫效应，用户会去依赖和记忆品牌。用户在选择搜索引擎的时候，第一时间就会想起用Google，而不是其他，慢慢形成行为习惯效应，几年发展之后竞争格局越来越明显，导致谷歌几乎占有各国搜索引擎 90% 以上的市场占有率。

前两天还有一个国内出海团队说他们才发现只是做了APP，但网站这一个巨大空间完全忽视了，我说他们在国内做移动互联网做得太舒服了，早就应该意识到国外有大量用户依然停留在 PC互联网时代的用户习惯上，依然会使用浏览器去寻找信息。开发者如果去没有去做出正确判断，说明还是凭着经验吃饭。

符云清 这是一个典型的认知偏差问题。2014年以后，国内移动互联网就得到了全面的发展，随时随地永远在线，同时能够提供LBS基于地理位置服务，大部分人会使用APP 或者小程序，这带来了方便，是中国的的趋势。

但是做官网这一块，更多的是通过 PC 的方式，不光是国外的用户习惯如此，其实咱们政府官方要求有APP、有公众号，同时还需要有网站。

顾青 我知道你也在普及天文学方面的知识给公众，，如果在用户看到太空 360 度全景的交互体验过程中，用户希望一边学习，一边记录的话，生产力最高的方式依然是在 PC 上面打开一个大的屏幕浏览，通过鼠标进行处理，用户的体验会好很多，毕竟手机屏幕小，它的处理能力也是有限的。

有意思的一个现象是，很多中国互联网团队在国内市场做到一定程度后，发现新的增长在海外，但海外用户与国内不同，他们必须为用户做出新的应用形态，那就是Web，所以还是需要掌握搜索引擎技术。当时字节的张一鸣最早创业时做的不是抖音，而是房产搜索，后来他去做了推荐和信息流产品，但推荐和信息流产品跟用户主动搜索的产品，是完全两种不同的被动和主动的信息获取逻辑。

符云清 做推荐这一块，就是基于相似度，根据用户的偏好，然后个性化推送。后来，除了偏好以外，可以基于社交网关系，比如我跟某人是好朋友，那么我喜欢的产品，另一人可能也喜欢。现在方式就更多，可能基于一些应用上的交互行为。

不管是谷歌，还是百度，它原来就是一个搜索引擎，而竞争越来越白热化，跟做互联网+一样，肯定要尝试创新，创造蓝海，而不是说在红海血淋淋竞争。

过去，我们更多是基于关键词，或者基于自然语言，然后被动进行搜索。在学术的角度上，区分搜索引擎的好坏有两个维度，一是能不能把信息查全，二是能不能查准。

早期的时候在搜索引擎里面输一个关键词会查出很多东西，这样比较消耗用户的时间。后来根据用户的偏好社交，在一些网站的交互行为，像TikTok，或者抖音，就可以主动推送内容，减少用户时间的浪费，而且给用户比较好的体验，这是一种创新。

顾青 在信息流场景里面，用户会不断看到大量的信息进来出去，点开抖音滑动屏幕，点开微信视频号的时候，就是后台在根据交互行为不断给用户推送，理论上就不断在做特征训练，然后再判断。

它是基于当下用户行为去判断搜索意图，然后推广告，以个性化搜索去做特征，去训练，之后来计算搜索结果的排序，能更好满足用户需求。

根据行为去调优模型，这件事是一个典型的先发者有优势，各个公司要抢日活，要提高留存率，希望用户在自家产品上待的时间越长，导致用户越来越依赖，现在这叫信息茧房cho Chamber，这其实是一个认知陷阱，我们会更加相信身边的人告知的事情。

但是我们在做投资，在做企业经营决策，在做市场分析时候如果也陷入信息茧房 Echo Chamber，那是绝对会跌大跟头。我们需要判断大V讲的事情是否有依据，真相是需要自己去做逻辑判断的。

符云清 关于这个部分，我其实曾做过一个跟教学有关的项目，当时有个 learning system，一个学生就有一个测试，建立一个比较粗略的模型，然后根据这个模型做内容的呈现以及教育策略的选择。那么，教学完了以后，隔一段时间做一些测评，再根据测评的情况，修正模型。当这个模型和测试者真实情况，比如认知能力、年龄、心理等等相互完全匹配的时候，就能够根据模型来进行真正精准的个性化教学。

我们国家是人口大国，缺乏优质的教学资源，人工智能大数据应用在这方面，会有利于教育质量的提升，实现真正的素质教育和因材施教。

顾青 作为教师，就是希望学生能够青出于蓝胜于蓝，而创新是中国今后教育面临的重要挑战。

问题是什么叫做创新？创新首先第一件事就是不能担心失败，整个社会对于失败的容忍度要提升，我之前做很多互联网项目的时候，很多迭代的版本，其实一开始很可能并不是用户真正的需求。

我们需要有一个尝试的过程，可能会做一些假设，分析，实验，然后通过实验的结果反馈。真正强大的公司就是这样，比方说马斯克最近把X做得很好，他们用了什么样的流程，用了什么样的管理方法，使得内部鼓励大量的创新想法可以通过一个科学的过程被发现出来，这才是最关键的事情。

很多公司完全把创新的目的搞错了，他们认为创新就是拿出一个超前的想法，然后马上去落地。

符云清 这基本上不太现实，一个伟大的想法不可能马上就能够落地验证，应该有一种创新的文化，鼓励大家去探索，能够容忍失败。

顾青 在企业的管理和组织架构上，负责业务增长的人，有工程师背景非常重要，因为这类人系统思维能力很强，能把复杂问题进行结构化。我们当年一起从事计算机网络教学的时候，其实就是把复杂问题结构化。

符云清 我做项目的时候，首先会考虑整个项目怎么去做，流程确实很重要，我会做好需求分析，然后概要设计、详细设计，接下来我的团队就做开发环境的搭建、编码、测试、部署。我知道每个环节要关注哪些地方，那么它的一些难点，或者说它可能会出现影响项目交付以及项目质量的地方在哪？我们做软件的时候，前面的需求没做好，就会牵连后续的工作。

但是需求怎么做好呢？两个熟悉IT的人合作没问题，那如果跟一个不是IT的人聊的时候，这里面有认知差距，会互相以为对方懂自己这方的业务，但其实有很多的需求是隐含在里面的。

我做项目总结了几个经验，第一，我的需求调研完了以后，我会用我自己的语言，展现出来跟用户确认一下，用户确认需求以后双方签字，然后我再进入下一阶段做设计。设计结束以后，我会做一个可交付的原型给用户，用户如果有问题我再改，没问题我再签字，双方签字确定，到后面的时候大部分的需求被挖掘出来了，用户不会再改。

第二，即使用户要改，那么前面我也签字确认了，那是后面沟通的事情。所以说搞工程的人，要有一个比较严谨的系统逻辑思维。

顾青 这恰恰成为了企业数字化的挑战，就是内部的流程管理缺乏敏捷的理解，在移动互联网时代，推荐信息流这些社交类的产品为什么迭代速度非常快？他们在内部的敏捷其实相当强。

我看到很多做得不错的团队，这方面非常迅速，不在于他们交付快，而是他们对于敏捷过程的掌控有科学的方法。比如o2O业务方面，饿了么、美团其实都不是单纯的软件团队就能独立完成的事情。

饿了么为了能够智能化去判断骑手的路径，选择的算法迭代，它需要一个条件，就是反馈来自于前方的骑手最终履约过程中的用户体验。这要取决于实际情况，还取决于商户的密度，不是一个简单的在线APP，还有大量的线下商户的实际经营的物理情况。比方说那个地方有没有修路？商户是否还在营业？

饿了么总部整个大数据团队希望通过算法，通过调度的方式，尽可能把路径优化，虽然上海是饿了么覆盖最强的城市，但当年跟美团斗争时，线下拜访商户团队在每个城市都是打巷战，覆盖商户的密度会很大影响用户体验。

它能否快速覆盖城市的30%商户？中央技术团队没有办法去感受到前线的业务，这个时候怎么能够做到人机协同？无论是算法，还是机器学习，团队到了临门一脚的时候，仍然不能够完全给予很多的支持。因为业务的最后一公里交付太复杂，有很多无法采集的数据，有很多不可控的东西。

这里需要人的思考和逻辑能力来弥补算法的不足。

符云清 就像我们经常讲自动驾驶，不仅仅是一个车的问题，包括车车协同、车路协同的问题等等，会比较复杂。从技术层面来说，很多东西理论上很好解决，但实际上落地最后一公里，做得不好很影响效率和用户体验，因为有很多不确定的因素，如果信息越多越全，对用户来说就更加人性化、个性化。

顾青 谈过了早期的互联网、搜索、推荐、再到O2O，我们来聊聊支付和数据。

外卖软件背后都有支付的能力，美团有美团支付，饿了么有支付宝，毕竟，中国是全球移动支付比例最高的国家，国外基本上还在用信用卡。从数据资产角度来讲，对于这一类金融属性很强的数据资产的获取和利用，你怎么看待目前趋势？

符云清 我们移动支付很方便，出行可以不带现金，带个手机，很多超市可以刷脸支付，外国人很羡慕这件事。这些年来，随着移动互联网的发展，特别是移动支付给生活工作带来极大的便利，这里面最大的问题就是一些安全和隐私的问题，外国人很看重隐私安全。他们觉得这会涉及隐私，担忧在互联网上公布了自己的生活信息。而在保护用户的隐私或安全上，国内在这方面问题比较多。

顾青 国外相对比较严格，比方说欧洲的GDPR条例，举例说，如果你要做一个网站让国外用户去选看内容的话，比较国外同行业其他公司的网站，你会发现打开网站那一瞬间，会给你至少四个选项。

那些是问使用者 cookie 的 permission 选项，第一级别是functional功能级别的cookie 收集。第二级别是要分析你行为的 cookie 是不是允许。第三级别是说是否允许进行一些个性化的需求的了解。第四级别就是广告级别的permission，所以连cookie 的 permission 都分四个级别。

这在对于用户数据的隐私管理上，还是有很大差异的。

我们中国的企业，无论是卖电动车的、玩具、在线课程等都可以，中国的供应链不是问题。但是中国很多企业，思维方式还停留在卖货角度和营销角度，对于用户侧的思考还是不够，这也直接影响品牌力。

在国外，如果想要获得用户的认可，在品牌方面，在独立网站对用户体验的建设方面，在个人数据方面的隐私保护方面，等等都要做到好，至少跟当地企业看齐，而恰恰中国很多传统企业在这上面认知严重不足。

当年我做携程的国际业务增长，第一件事我们就要考察各个国家当地用户对于一个在线 OTA 平台的安全性信任度。假设用户要订一个酒店，万一订完之后去没法住，甚至是一个假酒店怎么办？就这些用户安全体验、信息保护各方面的事情，支付的安全性方面都得对，这些要严格去做前期调研。

所以我觉得今天谈竞争创新，在于一个企业考虑现在怎么做得比以前更好，我们需要去学习硅谷的一些企业的做法，这都是经过检验的。

其实，从搜索引擎到推荐信息流，到社交，到支付，去年开始 AIGC 很火，但是AI不是一个才出现的事务。机器学习、深度学习、神经网络这些武器早就放在大家面前了，能不能用好才是关键问题。那么，你看如何把这些现有的、成熟的技术用得更好？

符云清 当时我在做e learning的时候，国内继续教育是通过函授，把资料传过去，后来通过广播电视传播，到1998 年，我们做网络教育是基于广播电视网，然后基于互联网。而当时英国的开放大学的继续教育，它采用的还是传统的函授方式。

因此，并不是用了最新的技术就会成为最有效的方式，好的技术并不一定有好的结果，只有最合适的才是最好的。

国家强调数字经济，人工智能是未来的发展趋势。但不是每一个单位、每一个系统都需要人工智能来做，但核心的问题是它可能在架构设计上面有。现在的人工智能还谈不上真正的智能，类似于一个函数 y 等于F（x），我有足够多的x和y，然后去训练它无限逼近这样一个模型。

政府部门和高校培养人才肯定考虑到这领域，这是国家战略，现在国外很多领域给我们卡脖子。比如英伟达的GPU。我们得先去把基础工作做好，为人工智能创造比较好的一些真正有时间价值的应用场景和大模型，总比目前蜂拥上去凑热点要好。

顾青 很多时候我们会短期内高估一个技术的价值，但又会长期低估一个技术的价值。举例来说，人类长期低估了互联网的能力 ，但是短期内又过于高估，所以造成1998 年的泡沫。

先别说 AGI通用人工智能什么时候能来到，假设出现一个人形机器人可以用来解决大量人类问题，这种产品商用化落地，大量推向市场销售，也仍然不能取代人类很多根本的能力，比方说人类的逻辑推理能力，这跟 AI的推理能力，是两个性质。

人类的想象和大源模型的想象是不同的，后者是生成式的，那不叫想象，是相当于按照固定的模式。那基本上就是个平均数，就是在一个统计学意义上面有意义的下一次prediction，有意义的下一个平均的预测。从长期看，并不会产生人类文化艺术作品，比方说陶渊明诗集，这不可能是个平均数，肯定是一个突发的东西，完全找不到任何一个相似的东西的跑出来。

我们现在最大的一个挑战，是我们的教育，或者我们对于企业发展过程中，对于人本身能力如何进行一定程度的调整，更大程度去发挥人的创新空间。一部分工作交给agent 去代理没有问题，那但只是任务，不叫完整的一个工作，只是一个工作一部分的任务。

但是人的提问能力、思考能力、假设能力、创新能力、预测能力，这些东西更需要大量的实践去反馈大脑进行提升。

符云清 我赞同你的看法，现在我身边人很焦虑，觉得人工智能发展很快，很多工作会被取代。实际上，现在人工智能还不是真正的人工智能，它就是一个固定的程序或者一个模型，然后根据输入有输出，它不像人有很多下意识的行为，不像人有很多创造性的思想，所以我跟他们讲，不要担心这个问题。

现在的人工智能还是初级阶段，给它足够多的x和y，要逼近这个函数F（x），就是一个模型。除非等到未来的脑机科学的发展，把人类大脑怎么工作搞清楚了，特别是随着生物芯片、生物计算机跟它结合了以后，真正的人工智能就可能出现，它具有自己的一些思想的这种机器，那个时候我们才要担心被取代的问题。

目前机器学习、深度学习，把大量过去认为计算机不能做的重复性的工作，现在交给计算机去做，把我们解放出来，人更多去做有创造性的工作。人类去做一些原创性的研究，进一步推动科学技术的发展，从而推动人类社会的进步和繁荣。

顾青 现在一个年轻人去涉足这方面，我觉得他需要有一定积累，对于一些跨学科实践性的东西要多做一些，接着通识类教育的结构一定要吃足。

因为有了这些 agent 能做任务，其实需要人去思考的质量更高了，需要把事情想更清楚。类似文员做会议纪要这种工作以后不需要人做了。

人需要去做一些更高维度的思考，更高维度的规划和更高维度的探索。这需要人有丰富的经历，广泛的阅读和宽阔的视野，他才能够去纵览全局，所以其实对于人的要求是提高的。这种提高不是学历上的提高，如果花一个月时间每天跟 GPT 对话，会发现最终对话质量高低取决于对话者阅读书籍质量的高低，以及见识的广博，跟他是否具备985，211大学学历没有任何直接关系。

现在处于一个巨大的分水岭，就看我们对下一代，对企业中的年轻一代，我们能不能告诉他该怎么去做事，怎么去学习。

符云清 目前我们国家在人才培养方面，在评价上是有一些问题的。高考相对比较公平，但考试是反复地去做题，人接触过题型，就知道怎么去做好。在高校里面，一些推免研究生，拿奖学金的人，一般是女孩子比较多，可能是学习习惯要好一点，考试的知识更多的是偏重于死记硬背，但这不是好事情。以后人工智能发展后，很多死记硬背的不需要我们花太多的时间去做。

知识分成四大类，一种叫做 know what，知道关于什么的知识，例如做错事挨揍会痛，这种关于自然界和社会科学里面一些事实的知识。

第二种叫 know why，知道自然界和社会界规律，例如苹果落地是因为万有引力。这两类知识用专业术语来说，是可以编码的知识。

另外两类知识就很关键了，一种叫做 know how。给一个问题，知道怎么样去解决这个问题，解决方式很多，可以翻书，可以上网，并不一定像考试这种模式，这类知识更多的就是能力。这类知识不是光看书就可以，需要在实际过程中去训练。我们要学会游泳、开车，书本讲得再好也不够，这必须在特定的场景里面去训练，这就需要人有工程背景或者实践出真知。

还有一类知识叫know who，就算自己不能解决这个问题，但是能够去找知识来源，包括去找学者、老师，让他们去解决问题，这也是一种能力。

在人工智能时代，要多去实践，不能光去死记硬背。很多东西像前两类知识，装个带芯片的脑子就可以，脑机有了这些知识以后，人怎么样去应用这些知识解决问题，这很关键。

举例说，我是搞软件工程的，现在可以通过 ChatGPT 帮写代码，但这代码该怎么放在一块，这些接口该怎么架构，这里要求就更高了。计算机行业里面最低的是做码农，再往上走是搞系统设计、信息分析，再往上走是架构，以后下面很多事情可以通过机器来做。该怎么样整体来规划这个项目，来考虑这几个块如何能够高效地集成，使它们能够协同，那对人要求更高了。

顾青 系统架构师有点像导演，假设要拍部电影，有这个灯光师，有道具师，但是导演是绝对不可能被 AI 代替的。至于化妆师的活儿容易被替代，明确到补什么妆都知道，这没有价值的。做动画片里面，原画设计师有渲染工作，可能以后软件可以处理掉，但是整个故事的脚本、角色设计，还是得有人来想象这件事情，这需要创造性。

将来的发展依然是需要创新，而创新是需要人的能力。我一直说人有几个核心能力，这些能力其实代表了企业、组织将来做爆发性增长发展的能力。

今天我很高兴能有这场沟通，我从产业、商业、产品创新角度，你从教学者和科研技术角度，分别对竞争和创新做一些交流。之后我们定期可能还会做一些交流，针对某个主题畅所欲言，特别是在数据决策创新，对一些新的技术产品的探索方面，还有很多话题。

现在我给很多企业内部提升能力做顾问，这些能力这是一方面。第二方面，今年我们可能会参与一些书籍的写作，主要是围绕数据驱动决策，企业的数据领导力在管理视角上面怎么做创新推动。

比方说面向想要了解AI，了解数据驱动的一个群体，他们是企业的实际经营管理者，你觉得他们首先需要解决的是哪些东西？就对于一个人要正确认识 AI 和大数据能力，有些东西其实可能会误导他们，能告知他们哪些是负面清单的话题吗？

因为现在大量的企业都在做“数字化转型”，为什么很多转型都失败呢？企业花了很多钱做系统，为什么做完之后都说没看到什么效果，没提升利润，他们问：”做数字化不是为了提升利润、促成收入的吗”？所以，你觉得数字化和提升收入这两件事情有关系吗？

符云清 不是，数字化转型不是一蹴而就，实际上是高成本的，要建很多信息系统，要把基础设施弄好，然后就做好。不是说一两年建好了以后，马上就能够降本增效，提高企业在数据化时代的竞争力，这是一个持续过程。

中国数字化转型的企业成功比例很低，这里面有很多的问题，一些政府领导和企业老板，认为数据化转型就是IT部门的事情，就是买几个系统，上几个软件，这是错的。

数字化转型是整个企业各个方面的，生产、销售、人力、仓储部门都要参与进来，因为这是企业整个业务重构，按照我们统计，IT部门占贡献应该是很低的，可能30%的比例，而企业文化、业务流程，组织架构占的更多。在这个过程中，IT包括新一代信息技术，只是一个创新的手段或者创新的引擎。

顾青 我们谈互联网 30 年，在中国感受到的情况更强烈，因为我们切身经历快速从 PC 过渡到移动互联网。但是美国和欧洲这 30 年，整个用户体验的大部分的场景依然在 PC里面。但是为什么他们的数字化、信息化的建设和内部企业管理的流程化，却领先于我们的企业？

现在我们的移动互联网超越他们了，但是我们企业内部的流程建设，管理效能，对数字化理解，相比较美国很多企业还有差距。我们很多企业理解就是上一个系统，上一个ERP，上一个CDP，上一个BI。但是有个很大的问题，就是它的管理理念，它的企业治理的模式，HR 的绩效考评手段都仍然落后。

符云清 第一，企业没有围绕业务用一些系统信息化手段来达成真正转型。第二，HR 还是传统的考核方式。

在数字化转型里，第一，要营造一种数字化创新的文化，鼓励员工去探索，鼓励去做创新，旧酒装新瓶是不可能转型的。第二， HR 部门要营造一个数据化文化，靠事实说话，借助数据决策和考核。

顾青 曾经我跟机器学习的一些同行交流，他跟一个传统的企业老板聊企业的数字化，那老板说他企业有网站，有线上APP，然后他说了一句很经典的话，”这不是数字化，数字化首先企业需要做大量的实验，但这个 APP看上去长得跟别的一样，没有自己的创新。”

数字化不是上一堆功能就好了，而是说需要不断用平台向客户做测试，拿反馈来判断用户对企业业务和产品的感受。这反馈在用户行为上面，在下单的流程中，支付特征等，包括所有业务特征中，有没有发现一些可以去做出有差异化服务、端到端的交付体验？企业要可以做到这个东西，然后快速迭代上新版本之后，继续探索发现的机会点，能够不断满足用户在别人那里满足不了的需求。不断迭代需要有 open 的心态，用各种各样的方式，不要怕做错，而是要快速找到可能前进的方向。

符云清 阿里讲数字化转型三步，第一步，业务要在线，让用户可以享受服务。第二步，业务要数据化，在业务上线的时候需要不断积累数据。第三步，数据要业务化，有了这些数据以后，反过来要给业务提供支持，包括基于数据的决策，数据改变业务流程，训练一些模型等等。

顾青 这样看来，对于一个传统企业，第一，管理的组织结构和管理理念都要发生变化。

第二，在内部要学习典型的桥水基金的公司文化，叫做创为先限，创意可以来自于任何一个人，哪怕只是公司的保安。如果有个非常好的创意，而这创意能被经过科学的方式验证，有一个有效置信度，有合理的权重范围，那这个创意就会被采纳。

这个文化需要这家公司有个强大的开放心态，愿意承认好的想法可能来自于任何一个人，例如当年奈飞还举办过百万美金的算法大赛。

符云清 这难度很大，要改变不是短时间的，需要企业文化长时间积累。

顾青 我觉得需要开一门概率课，我们对于未来的推演都是概率学的一个判断，比如排队，在超市排队前面有 10 组人，选择排队 a 组还是 b 组还是 c 组、 d 组，那边有一个人感觉东西很多，那边服务员太年轻没经验，当下大脑做各种决策，每一个都是概率。没有一个人可以说做的决定一定是对的，因为都会有一点风险，是基于当前的某一个场景来做的决策，当然我们尽可能有多的数据。

那么概率论如何用在公司的决策中？如何让公司的基层员工能够理解，每一个决策都是概率的可能性。我们最终不是为了结果去的，而是为了一个最优的决策模型去的。

在投资里面，一级市场、二级市场可能对于PE 和 VC 有意义，他们看赛道、看企业的价值。

美国有一个职业扑克牌选手，他后来参与一些私募基金的项目，又独立出来给一些大型机构做关于决策策略方面的顾问，他就是为了能够提升每一个人理解决策背后的科学机制问题，而且有大数据的前提下，做决策可用的工具更多。

符云清 原来没有数据，或者没有这些渠道，现在互联网时代里面辅助手段、工具很多。我觉得可以到时候安排做那方面一些研究，网络里面就是排队论，就是概率，就是丢包，再去计算某个事件的概率。

顾青 把这些知识迁移到管理学、运筹学，其实大量实验也是在做概率的推演，上升到打仗的程度的话，总参每天都在做大量推演。

现在政府的意识很好，要做新质生产力，扶持什么样的企业能够起来。

如果看什么样的企业，本质上是什么样的团队，关键还是人的因素，人的创造力和决策质量，及围绕这些能力的建设：

提问、思考、判断、归因、假设、预测、试验和创新。

符云清 我们到时候建立一个数学模型，然后你提出一个问题，我带研究生作为一个课题研究，说不定我们就可以形成一些可以落地的方式，以及一些工具，及配合的流程。

联系我们交流提升创造力和决策质量