技術創新一定掙錢嗎
- 2019 年 10 月 7 日
- 筆記
技術是企業的核心競爭力，但所有技術都能為企業帶來巨大經濟效益嗎？事實證明是不一定的，因為必須是可商用化和規模化的技術，才能給企業帶來巨大經濟效益。技術分兩種，一種是研究型技術，一種是商用化技術，研究型技術關注可能性不關注成本這些經濟效益，而商用化技術是對研究型技術的進一步市場化發展，關注商用化成本，關注最終的經濟效益。
技術商用化路上太多坑，很多技術是表面風平浪靜的海面，但水下卻有無數的巨大冰山，很多潛在危險都是被人逐步發現的，直到最後被困死在裏面，下面舉例說明這類技術。
AI技術
AI技術這幾年非常火爆，資本投出了很多AI獨角獸公司，但這種成功更多的是資本的成功，大家把AI過分誇大了，很多媒體講AI將取代人類，似乎AI比人類聰明很多，因為谷歌的Deepmind讓AI在圍棋領域戰勝了人類。但事實上，AI戰勝人類的領域都是有邊界領域，可以通過大規模計算獲得最優解，但人類要解決的很多問題是無邊界的，比如下圖講到的NLP，自然語言分析，AI的一個分支。NLP的目標是實現像人類一樣的對話，但實際上這個對AI來講太難了，而對人類卻是一個非常簡單的事情。很多服務智能機械人其實是一種」智障」狀態，就是因為NLP領域遇到的問題，導致AI真正落地還非常困難。Deepmind這種圍棋的項目更多是學術性的，很難有真正的運用場景，存在商用化問題，導致谷歌的10億美元虧損，當然這個對谷歌可能小數目，但對其他公司就不是了。
AI還有一個巨大的應用障礙就是數據問題，現在成功運用的領域，比如人臉識別，因為已經具備了數據條件，公安部有多數公民的照片，但在工業領域，這個條件是不具備的，導致AI在工業領域的應用成本太高，所以，才有下面文章提出的小數據模型，來解決數據的問題，當然如果小數據模型如果能夠成功，會大大提升AI商用可能性，但這個小數據模型還是一個研究課題，是學術上還沒有有效解決。
具體的更詳細的對AI技術的揭秘，請您參看」揭開人工智能面紗」。
自動駕駛技術
自動駕駛是AI技術的最難的運用場景，應該是AI技術當中的皇冠，因為自動駕駛要求數據量大，準確度高，識別速度要快，而且要求可靠性極高，因為任何錯誤判斷都可能導致生命的代價，現在AI技術的準確率不能達到多個9的可靠性，所以真正規模應用還是遙遙無期的，連最先做自動駕駛的谷歌大佬都講，自動駕駛遙遙無期。即使準確率達到要求了，自動駕駛是個系統工程，需要主機廠的配合，主動權在主機廠那裡。即使主機廠配合這關過了，高高的成本又誰來買單呢。協和飛機比普通飛機快一倍，商業運營了幾十年，但最好還是因為成本問題失敗了，自動計算對普通人來講只是一個錦上添花的功能，沒有太多人會為此買單的，就和沒有很多人為協和飛機買單一樣，很多人需要價格優惠，不需要那麼快的速度。所以，商業成功是一個非常複雜的事情，不是產品穩定可靠就行，必須要考慮成本問題，成本沒有過關，一切都白搭。
電動汽車技術
電動汽車領域也是一個看似美好，但商用化道路困難重重的領域，最大瓶頸在電池上面，而且因為國內企業在電池管理上面技術不過關，往往導致續航能力不行。而且即使續航能力不錯，如特斯拉，也會因為能量密度太高出現自然問題。即使國內電動汽車續航能力過關，充電樁建設也是需要時間來完成的。而且電動汽車電池成本非常高，電池一般只能使用5年，5年以後需要換新電池，這也是一個巨大的成本，如果政府補貼減少，這部分成本誰來承擔呢。很多普通消費者購買電動汽車，是因為大城市車號問題和政府補貼，只有少數人購買特斯拉是耍酷，不差錢。補貼慢慢褪去，購買成本上升，又能有多少消費者買單呢。特斯拉在中國建廠，應該會降低生產成本，但原料成本還是降低不了的吧，本人認為電動汽車真正實現盈利還是需要些時間的，就看哪個企業可以堅持到最後啦。
新能源光伏發電技術
2010年左右，中國出現一次光伏行業的泡沫式發展，一些大的光伏企業，如無錫尚德，瀕臨破產，關鍵原因是很多生產設備和原料都把控在國外企業手中，生產成本太高，國外設備廠商掙了大錢。但隨着2015年以後，一些新技術，如金剛線切割技術的應用，生產成本大大的降低，現在光伏發電成本在逐步靠近火力發電成本。光伏發電從當初的火爆泡沫到現在逐步走向成熟，花了10年的時間，專家預計還需再過幾年才能實現平價上網的目標。
總結
技術的最終目標是為了提升生產效率，所有市場化和規模化是一個繞不開的坎，看清楚這些坎則獲利，忽視這些坎則泡沫賠錢。
