2018年1月14日 星期日

2018年科技創新趨勢



2018年科技創新趨勢
更新於201813 07:35 Fusion Fund創始合伙人 張璐 FT中文網撰稿
過去的十年,人類的科技創新完成了一個完整的進化周期。這個為期十年的小周期將成為兩個科技進步大周期之間的過渡與銜接,引領我們走進一個全新的時代。
如今回頭去看,2008年的世界經濟危機對全球社會經濟活動是一次重創,但對於科技革新卻是一件好事。
首先,由金融危機引發的經濟危機使得世界經濟迅速退潮,大量問題暴露無遺。世界上各主要經濟體都面臨老齡化或人口紅利衰減問題,投資效率降低,槓桿效應和拉動能力不足。當主要依靠資本的力量已經不足以拉動經濟繼續前行的時候,技術就要走向前台,成為新形勢下經濟驅動的新的核心動力。
其次,從2008年至今,科技創新完成了一個完整的進化周期,即基礎技術創新-技術應用創新-商業模式創新-新一輪基礎技術創新的循環。最初,信息載體技術(基礎技術)創新,互聯網+智能手機催生移動互聯網為時代,之後完成了基於此的各種技術應用,再到最後的通過商業模式變化進行利益的再分配。簡單地說就是,技術迭代提供了基礎,應用創新開闢新的市場,模式創新重新分配蛋糕。
但到2014年,以硅谷為代表,商業模式創新已經走到的瓶頸期,現有的技術平台無法繼續承載海量數據帶來的新技術時代,模式創新進入瓶頸期。這個時候,就需要下一代的技術創新去破舊立新,去搭建新一代的信息載體平台,推動下一層面的應用創新。
到了2016年,硅谷依託於新技術的新一輪應用創新探索開始逐漸形成。這一輪創新主要體現在新技術和現有以及傳統行業的應用結合。新技術的真正價值實現不在於替代,而是整合到現有行業和技術解決方案中,從而提高整體的生產效率。
施米德胡贝教授认为,一旦产生动物级AI,就可能有人类级AI,届时每个企业都会改变,所有文明都会改变,一切都会改变。
六大領域的科技紅利期
由於創新周期與周期主導產品生命周期的共同作用,在歷史上出現的每一個創新周期都呈現出一個共同的規律性——需要經歷科學技術與成本競爭兩個不同的發展階段。
首先是人工智能。AI是未來最重要的方向之一。2003年硅谷出現大規模AI創新以及投資失敗潮,如今投資人捲土重來,是因為現在的AI技術較之十幾年前不僅更加成熟,更重要的是應用成本大幅度降低,而且市場應用窗口也已經打開(這兩點也是技術創新應用產生經濟價值的關鍵)。
人工智能本身就是一個非常廣泛的領域,其中並不是每個細分技術方向都到了適合商業應用的階段。在過去一年中,人工智能更多的價值體現在工業、企業和醫療服務方面的應用。
而且作為一個基礎技術,AI可以廣泛存在於每個行業里。AI核心就是平台性技術加數據:生物技術+數據+AI,是AI在生物信息學(bio-informatics)的應用;醫療器械+數據+AI,是AI在智能醫療的應用;工業物聯網+數據+AI,是AI在智能工業的應用;安全技術+數據+AI,是新一代系統安全的應用。
接下來幾年具有巨大應用發展機會的主要是機器學習,自然語言處理,和計算機視覺,這幾個方向也有自己不同的側重點。
機器學習的核心是數據+算法,過去幾年大型科技公司逐漸建立了自己的機器學習開源平台(Google-Tensor flowMicrosoft-CNTKIBM- Waston等),賦能小公司,同時使自己成為行業標準。開源的機器學習平台可以類比過去的互聯網,成為行業標準就能成為新一代「互聯網」運營商。所以小公司在這方面的創新更多的體現在上層應用創新,以及尋找如何使用機器學習在每個細分領域進行進一步自動化、個性化和效率提升的創新機會。
語音交互是未來,也會是未來信息的入口。萬物互聯之後,不管是智能家居,還是車聯網,和人的交互首先第一個是基於自然語言處理技術的語音交互技術,而語音交互技術現在發展非常快速,過去幾年在硅谷已經由基礎的語義理解,發展到可以做到語境理解和背景判斷。
圖片和圖像信息過剩是工業和醫療影像行業的問題,而計算機視覺技術是目前最好的解決方案。從最基礎的安防,再到後面的用戶的識別,再到個性化的推送,都是商業應用的趨勢。
第二個迎來技術井噴的是機器人領域。有了在機器學習,自然語言處理和計算機視覺領域的長足進步,作為上述技術和硬件傳感器的整合,機器人的應用前景就不僅僅是前景,而是現實。
低成本傳感器的普及是機器人應用可以推廣開來的核心。同時通過在軟件層面配套雲計算和人工智能技術,過去一年機器人開始越來越多的應用於智能工業、智能製造領域,並開始在醫療領域鋪開,比如工業物流,自動化生產,人工外骨骼和手術機器人等。
第三,過去一年大公司的物聯網布局已經形成既有的家居物聯網生態。新的創新主要集中在車聯網,醫療物聯網和工業物聯網,同時這也是比智能家居更加巨大和能快速產生商業價值的技術創新方向。車聯網是物聯網在智能交通+無人駕駛領域的創新應用,也是實現無人駕駛的必要條件。車聯網是智能交通生態的重要部分,所以過去一年,越來越多的硅谷創新開始轉向智能交通生態,而不只是無人駕駛系統。
第四,過去一年公有雲和私有雲同步發展。大企業需要更多技術創新以形成更加安全和巨大運算能力的公有雲,私有雲的創新逐漸開始傾向於和公有雲的配合。另一個創新趨勢是新一代網絡加速技術,海量的數據實時產生需要更快速的網絡加速技術,信息傳遞也已經完全形成移動化,所以短平快的網絡信息加速也是新的創新趨勢。
第五,科技進步對於通訊傳播的廣度、速度和質量提出了更高的要求。5G技術創新在過去一年開始崛起,這也構成了對現有WIFI系統的巨大挑戰。
第六,區塊鏈技術未來的前景依舊可能非常廣闊,目前只是技術還處於早期,有許多瓶頸需要突破,且未形成成熟的基礎設施支持。經過未來幾年的市場調整後(類似於2000年的互聯網泡沫),然後會形成正式的市場機會。值得關注的是,區塊鏈技術的應用不只是在金融領域,過去一年也開始有在供應鏈,醫療信息,social data方面的技術應用,而這些領域的應用機會也更加巨大。
未來新型醫療和智能製造
IMS預測,到2019年,全球醫藥市場規模將達到1.2兆美元。
傳統醫療更多的是硬件創新,但在智能醫療和傳統醫療的結合下,新型醫療將實現機器視覺和傳統方法結合進行看片;用機器學習和自然語言處理做病例審閱;甚至通過數據處理輔助傳統的癌症篩查和檢測技術,用大數據做擬合,使得檢測結果更加準確。
此外,以前傳統醫療創新最大的問題在於所有人的生理信息是離散的,所以無法實時獲得數據真正的價值。但現在,當AI技術應用落地之後,醫療器械便成為了一個數據採集中心,將採集海量數據放入雲端,進行實時分析,通過整合達到精準診療和檢測。
未來醫療的另一個重要趨勢,就是向靶向診療發展——更加精準和個性化的診斷和治療。談及精準和個性化,就不可避免的涉及到一個新興技術——納米機器人,包括通過納米維度實現DNA引擎,內腔手術機器人,以及用於腦功能修復和提升的人腦機器互聯技術等。
在智能工業(智能製造)領域,新技術和傳統行業的結合始於製造業和半導體行業實現的生產線智能化。如今,這個智能化會進入2.0時代,即不只是簡單的智能化,而是軟件硬件的同步升級。硬件方面,低成本的傳感器的大量普及使其收集的生產線的信息更加的準確和具有實時性。而網絡技術和雲計算的普及,可以使生產線可以快速實時糾錯,減少停機時間,大量提高生產效率。此外,對於化工、石油等更為傳統的行業來說,這些行業與新技術的結合可以提升的效率更大。尤其在精細化工領域,很多化合物合成,利用人工智能技術和網絡技術的結合進行智能改造,可以提升科研速度,提高生產線上的質量和效能控制。
正如前文提到的那樣,未來醫療的趨勢是個性化和靶向,這為製藥行業提供了更廣闊的空間。通過收集個性化信息,根據每個人不同的病症,進行個性化的診斷和治療,將來藥物的生產也會隨之走向定製化——每個人吃的葯都不一樣。另外就是新葯研發,以往需要大量的人力和時間,而現在和將來利用新技術可以進行虛擬的篩選、整合和預測,可大大縮短新葯研發的周期。
新的信息壟斷即將出現
大型科技公司的技術壟斷並不是今天才形成的,而信息壟斷即將成為大公司下一個超級金礦。
科技發展到一定程度形成奇點效應,新經濟體的形成都是依託於科技創新,將公司從人口密集形式中解放出來。公司整體趨向小型化,單個人的價值創造和經濟貢獻指數型增長。低端的,重複性的工作通過技術手段而非人工方式完成,網絡加速,通信技術可以減少工作地域影響,更好地適應全球化團隊。通過技術創新,科技公司可以形成跨政府地域的信息採集,海量數據成為公司最寶貴的資產。
以生物信息學為例,過去人們的生理信息是離散的,因為傳感器和小型化醫療設備的普及,現在可以將每個人原本碎片化的個性信息整合,包括生理信息、樣本數據、基因等,形成的巨大數據庫。比如藥廠如果想研發個性化的藥物,它的前提是擁有數據,那麼設想一下,如果一個藥廠有了某國家或地域人的大量生理信息,比如基因缺陷等,這可以形成很大規模的生物信息壟斷。
此外,信息壟斷將打破科技公司既有的估值評價體系。跨行業的數據交換具有很強的乘法效應。跨行業後,新用戶的獲取成本更低,同時跨行業後,數據更加有價值,從而通過信息壟斷形成新的科技壟斷,不只單純是行業壟斷。
說到底,信息壟斷是一種資源型壟斷,而且不受行業地域的限制。低成本傳感器廣泛應用到人類社會各個領域,所形成的海量數據為科技公司的發展提供了可觀的勢能。通過技術觸角形成社會信息壟斷,所產生的社會影響已經顯現。
可以說,未來數據信息就像氧氣一樣,無處不在,不可或缺。人不呼吸會死,同樣,未來只有那些能自主掌握呼吸命運的企業才能生存下來。


沒有留言:

張貼留言

發表意見者,請留稱呼。用匿名不留稱呼者,一律自動刪除。