et是在沿着阻力最小的路径前景，基础研发和应用之间形成了良性循环；而IBM的惊世豪赌则以惨败告终。“后人哀之而不鉴之，则使后人复哀后人也！”IBM:一部追逐“硬科技”应用失败的总记录在中国资本市场趋之若鹜的“硬科技”领域，IBM一直不缺乏成果。毫不夸张地说，越是前沿、越是不接地气的研究方向，IBM的存在感往往就越强；如果一项研究项目还停留在实验室里，那它很可能就是IBM精通的项目。当下最典型的例子是量子计算(QuantumComputing)，被学术界视为传统（电子）计算机的潜在颠覆者，但是离大规模实用还非常遥远。IBMQSystemOne不但是世界上第一部基于线路(Circuit)的量子计算机，而且是第一台投入商业运营的量子计算机。虽然实际商业价值非常有限，这个成就仍然得到了无数媒体的报道，并且必将在IBM印发的各种PPT当中反复被强调。IBMQSystemOne,世界上第一台量子线路计算机熟悉历史的人不妨大胆预测：一旦量子计算开始大规模投入实用，IBM的领先地位即使不丧失，也会大打折扣。这家老牌科技公司有能力维持基础研发投入，却总是在寻找应用场景上落后于那些更新潮、更灵活的公司——以前是Microsoft,现在是Alphabet。我们不需要寻找遥远的例子，只需要回顾IBMWatson这个高开低走的大型泡沫就足够了。机器学习(MachineLearning,ML)是人工智能的一个重要分支，而且从1990年代开始逐渐发展为一个独立的研究领域。在这份研究报告中，我们没有必要讨论二者的微妙区别，只需要了解机器学习更重视大数据、强调通过海量数据的训练去自动提高算法精度即可。沿着这条道路发展下去，算法可以代替人类解决越来越多的智力问题，就像机器已经代替人类解决了大部分体力问题一样。有人将机器学习视为下一次工业革命的核心技术，并非没有道理。IBM不可能缺席如此重要的前沿技术。早在2016年，它就启动了Watson项目，目标是在自然语义下实现复杂的人机问答。也就是说，用户可以以日常语言向计算机提问，无需将其转换为代码，即可获得专业的、可理解的回答。2011年1-2月，IBMWatson取得了一个万众瞩目的开局：在美国历史最悠久的电视智力竞赛节目“Jeopardy！”当中击败了两位人类冠军，并获得了100万美元的大奖。同年，IBM宣布Watson已经达到了医学院二年级学生的知识水平。雄心勃勃的IBM决定利用Watson改造整个西方世界最复杂、资源浪费最大的行业——医疗，而且一上来就聚焦于难度最高的癌症诊疗。2013年，包括德克萨斯大学MDAnderson癌症中心在内的三家大型医疗机构与Watson签约合作；IBM市值的历史最高点，也恰好出现在这一年（比现在高25）。2015年，WatsonHealth正式成为了IBM旗下的一个独立部门。与此同时，Watson在教育、交通、工程、政务、天气预报等领域也得到了一定的应用。人们有理由相信，IBM将成为机器学习产业化的最大受益者之一。然而，IBMWatson此后的历史，给“技术泡沫”这个词做出了最佳注脚。从2018年开始，每年都有大批医疗机构与Watson解约；2019年，IEEESpectrum发表了一篇文章，详细论述Watson为何不能完成自己的承诺；2021年，IBM终于决定出售WatsonHealth的大部分资产，由于买家兴趣平平，直到2022年才出售完成。综合看来，Watson的失败完全是可以理解的：对癌症治疗的建议效果不佳。具体而言，Watson的治疗建议与人类专家建议的一致性较低，导致许多医院拒绝予以采信。当然，人类专家的建议未必就是对的，可是在癌症治疗这种大事上，没有人敢轻易用人工智能否定人类专家。此外，Watson的适用场景有限，只对肺癌等常见癌症有比较高的精度。无法融入已有的医疗信息和数据系统。在MDAnderson癌症中心，Watson甚至无法接入电子病历系统；在英国，Watson也经常无法读取实际病历。原因一方面在于监管（病人隐私保护），另一方面在于医疗系统的复杂性。让Watson接入所有医院的医疗信息系统(HIS)简直是难于登天！无法直接代替医生的劳动。WatsonHealth的设计初衷是减轻医生的工作负担，但由于技术和伦理的双重原因，它无法代替医生发表诊断意见，只能为医生提供参考。结果，在许多医院，Watson沦为昂贵的“年轻医生培训系统”，资深医生的工作量并未得到很大缓解。说到底，IBM选择医疗作为突破口，本来就错了，因为医疗涉及到太多既得利益，又有太多伦理问题；选择癌症诊疗作为细分市场突破口，更是大错特错，因为医疗机构对于癌症这种重症的治疗手段必然是非常保守的，很难相信人工智能；选择以自然语义提供癌症诊疗建议，更是人为增加难度，妄想一步登天。事实上，直到2020年，医疗机构仍然在抱怨Watson对日常语言的理解能力不足！IBM对Watson从希望到绝望的全过程，形象地体现在其年报中：2012年仅提及8次Watson，此后逐年剧增至2016年的131次，然后又一路回落至2021年的6次。值得一提的是，2020年Watson有过回光返照的势头，可那是由于疫情期间个人用户大量使用Watson语音助手所致，与“高大上”的医疗服务没有关系。假如IBM没有选择医疗这个极难改造的行业作为突破口，而是从一开始就聚焦于教育、交通等相对容易改造的行业，或许Watson的命运会大不相同。换一个角度想，IBM可不可以把Watson做成纯粹的消费应用，例如智能家居产品或智能机器人？毕竟，“自然语义识别”对消费者有很强的吸引力，即使是Siri和Alexa这种半吊子智能语音助手都能赢得用户青睐，何况是水平更高的Watson？可惜，历史不容假设。好高骛远、一味追求改变人类历史的结果，就是成为人类历史的笑料。可惜的是，自从2005年出售PC业务以来，IBM基本失去了消费级业务，也就失去了对消费市场的感知。可以看到，IBM几乎从来没有认真地在零售、家电等消费行业推广Watson。2017年，IBM收购了一家广告代理公司，企图利用Watson指导广告投放——可是与Google、Meta高度成熟的精准投放技术相比，IBM又能有什么优势？就算IBM想把Watson技术带进千家万户，也要首先找到一个ToC科技巨头作为合作伙伴。可想而知，Apple、Amazon、Microsoft应该都不会对此十分感冒。由此可见，Microsoft在2007-14年的困难时期，坚持不放弃消费级业务，反而一次又一次对智能硬件市场放弃冲击，又是何等高瞻远瞩。那是进入21世纪以来Microsoft与IBM市值差距最小的时期，也是两家走上根本性道路分歧的时期。附带说一句，IBM可能是历史上的所有信息科技巨头当中，唯一一家从未认真考虑开展任何消费互联网业务的公司。当IBM在Watson押下重注之时，Google（后来更名Alphabet）的广告业务正处于黄金时期，而且这个黄金时期至今尚未结束。2011年，即Watson首次公之于众的那一年，IBM的营业收入是Google的2.82倍，净利润则是后者的1.63倍；到了2021年，即IBM拼命寻求出售WatsonHealth的那一年，它的营业收入仅相当于Alphabet的27，净利润则仅为后者的6。2022年1月，IBM终于以约10亿美元将WatsonHealth的大部分资产出售，一个时代划上了句号；它同时宣布将改变战略，从此聚焦于“混合云和AI策略平台”。事到如今，也没有什么更好的选择了，因为IBM的财力已经不足以支持如此巨大的野心。在人工智能和机器学习领域，Alphabet即便在基础研发方面的实力，至少也不逊色于IBM。假设前者希望重复IBMWatson在医疗行业的冒险，虽然不一定能成功，但成功的希望很可能稍大一些——至少它可以多撑上一段时间。恩格斯《在马克思墓前的讲话》中提到：“人们首先必须吃、喝、住、穿，然后才能从事政治、科学、艺术、宗教等等；所以，直接的物质的生活资料的生产……便构成基础。”对于企业而言，基础研发是比较高级的工作，必须以前台业务部门提供现金流、应用场景和生态系统支撑。这个道理本来是非常直观、不言自明的，遗憾的是，无论在美国还是中国，真正理解的人似乎不多。Alphabet:最远大的理想，以及最接地气的生意Alphabet既是全世界最大的广告平台（没有之一），又是全世界在人工智能和机器学习领域成就最大的公司之一。上述两方面可谓浑然天成，因为广告本来就是机器学习最早、最重要的应用场景之一。AlphaGo在围棋这样复杂的智力运动中击败人类，当然是值得大书特书的，问题在于Alphabet不是依靠下围棋赚钱，也不是依靠比围棋更复杂的天气预测或癌症治疗赚钱；它赚钱主要是依靠在搜索引擎、地图等场景中搭载广告，赚钱效率则依赖于广告推送的精度。2014年，麻省理工学院(MIT)就论证过机器学习对于广告行业的重要意义：与人类专家根据历史经验做出的判断相比，机器学习的判断能够将广告转化率提升12倍，而且通过机器学习获得的客户黏性（体现为续约率）要高出近2倍。从那时起，效果广告在互联网广告当中的地位越来越重要，自动化投放比例也越来越高。这个趋势的受益者不仅包括Alphabet、Meta和Amazon，也包括国内的字节跳动、阿里巴巴和腾讯。与癌症治疗这种“地狱级难度”的应用场景相比，互联网广告投放堪称“简单难度”：在这个场景里，监管和伦理问题要少得多，做出成效要容易得多，也不存在大量盘根错节的既得利益。作为全球最大的搜索引擎、地图和网盟服务商，Alphabet自己掌握着终端消费者，也就掌握了机器学习技术的整个实用链条。机器学习的进步，既提升了广告推送的效率，从而取悦了广告主；也提升了搜索结果的精度，从而取悦了消费者。IBM在医疗、交通等场景未能实现的良性循环，在广告场景却比较顺畅地实现了。2016年以来，随着美国和欧盟的消费者隐私保护立法进程的深入，互联网公司不得不配合进行自律式监管，其中影响最大的两个举措就是Apple修改IDFA（广告提示符）政策，以及浏览器厂商纷纷禁用第三方Cookie。上述两个举措均会导致广告平台或广告代理商追踪用户身份的难度提升，从而既无法精准地推送广告，也难以准确衡量广告转化率。迄今为止，Alphabet的广告收入增速没有受到实质性影响，其管理层也不认为用户隐私政策将对自身的广告业务构成重大约束。一个非常重要的原因是：Alphabet通过前瞻性的技术研发，在一定程度上抵消了用户隐私保护的影响。最典型的例子是2019年宣布、2021年开始实施的GooglePrivacySandbox方案。该方案的核心是改变广告推送人群，不再追踪个体浏览行为，转而追踪有类似浏览习惯的群体，从而最大限度地保护个人隐私。Google宣称，PrivacySandbox的最终目标是废除浏览器端的第三方Cookie和安卓端的广告提示符，同时尽量不影响广告推送精度。虽然监管部门和外部开发者对此充满疑虑，但是我们应当承认，Google提出了目前对于解决互联网用户隐私问题比较全面、有实用价值的解决方案。GooglePrivacySandbox应用了多种数据分析和机器学习技术。其中最重要的算法之一是“群体联盟学习”(FederatedLearningofCohorts)，原理是将浏览相同内容的用户“混合”起来，赋予一个群体ID，从而在不泄露个体身份的情况下进行基于兴趣的广告投放。听起来非常庸俗、缺乏美感，但正是这种“庸俗”的技术应用，支撑着那些更远大、通向“星辰大海”的前沿技术研发。（注：该算法其实并不符合“联盟学习”的定义，可能是因为Google在开发过程中改变了技术路线。）浏览器端的GooglePrivacySandbox时间表资料来源：GooglePrivacySandbox官网与此同时，鉴于搜索广告在全球广告市场的份额已经见顶，Alphabet一直在探索更多场景、更多形式的广告投放，其中首要的是基于地理位置(LBS)的投放。上文提到过，新冠疫情彻底改变了美国消费者的习惯，零售商因
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
