D0VDc-PXgAAXb32

QT洞察

《智力革命是纵贯三次产业的升级动力》

本文刊载于《新经济导刊》杂志2020年第2期、第3期,总第277期、278期。

作者:闵万里    北高峰资本兼坤湛科技创始人兼CEO,原阿里云机器智能首席科学家。

导读:深刻认知“计算力+数据”是纵贯第一、二、三产业的新动力,将为中国经济高质量发展找到新方向、新路径、新动能,创造经济新物种与产业新格局。

《智力革命是纵贯三次产业的升级动力》(上)

本文刊登于《新经济导刊》第2期,总第277期

 

一、引言

 

2008年全球金融危机以来,中国经济增速持续放缓,人口红利逐渐消失,资源环境约束不断增加,依靠要素投入(土地、劳动力、资本等)拉动经济增长的传统动力趋于减弱。加快科技创新、优化要素市场化配置是转变增长动力、实现经济高质量发展的重中之重,其衡量指标是全要素生产率(TFP),但是,TFP对中国经济增速的贡献偏低且最近十年持续走低。

 

根据国务院发展研究中心、财政部与世界银行发布的研究报告《创新中国:培育中国经济增长新动能》显示,1978-2017年间,中国TFP年均增速约为3.5%,对经济增长的贡献平均为36%。2008年以后,中国的TFP增速从过去五年的平均增速5.06%跌至2%以下,并且低位徘徊至今,而相应地其对经济增速的贡献也降至30%以下。所以,许多人担心科技创新及资源配置优化能否成为经济增长的主要动力。

 

无独有偶,美国经济学家罗伯特·戈登(Robert Gordon)在其著作《美国增长的起落》中通过研究美国的生产率增长史发现,1970年之后的生产率增速不及1870-1970年“黄金世纪”的一半。他认为,第三次工业革命(信息技术)在过去三十年对生产率增速的贡献远不如前两次工业革命,并推论第四次工业革命的各类新兴技术(AI、大数据、新材料、无人驾驶汽车、机器人等)对生产率的贡献有限,所以生产率增速会长期看低。

 

生产率增速放缓与新一轮科技革命和产业变革形成悖论。那么技术创新是否能够显著推动生产率?创新驱动能否引领中国经济走上高质量发展的轨道?

 

笔者认为,完全可以。第三、四次工业革命对生产率的拉动将叠加出现,第三次工业革命打基础、蓄势能,第四次工业革命则利用新科技把势能释放为产业动能。其核心逻辑在于,第三次工业革命的IT和物联网技术实现万物数字化,其在各个行业中的扩散创造了永不枯竭的新能源——数据。正在发生的第四次工业革命是由大数据、云计算、人工智能等底层通用技术引领,它们提供了崭新的生产力——计算力。而第三次和第四次工业革命的结合,“计算力+数据”将成为空前的产业动力,这是一场全面智力革命,在打破人脑智力物理极限的同时也赋予万物思考的能力。中国三次产业的劳动生产率远低于发达国家水平,利用新技术将使三次产业具有巨大的提升空间。深刻认知“计算力+数据”是纵贯第一、二、三产业的新动力,将为中国经济高质量发展找到新方向、新路径、新动能,创造经济新物种与产业新格局。(注:限于篇幅,该文将以上下篇的形式分两期来阐述这六个方面的深刻内涵及其战略和现实意义。)

 

二、新动力:“计算力+数据”是人类历史上空前的产业动力

 

前两次工业革命分别通过蒸汽动力和电力突破了劳动者的体力限制;第三次工业革命以原子能、电子计算机、空间技术的应用为代表,通过信息化、自动化,大大提高了劳动生产率;第四次工业革命将通过“计算力+数据”极大提升人类的认知水平,形成智力驱动型经济。总体上看,前三次工业革命的动力源于自然界能量转化:热能与机械能、化学能与电能,而“计算力+数据”作为新动力是在第三次工业革命(信息技术应用)的基础上从非物质原料(数据)到智能的认知转化,在形式与内涵上有显著不同。

 

(一)“计算力+数据”推动智力革命

 

“计算力+数据”打破了劳动者与劳动工具的智力局限。人脑每秒钟能处理的并行信息有限,而且有疲劳极限,所以人脑的智力推演速度存在物理瓶颈。大脑容量限制了人一生能够消化吸收的信息总量,也决定了人脑的知识水平和可供开发智力的上限。计算力与大数据技术的发展推进了从海量数据中提取知识的深度、广度、速度。今天AI算法一分钟就能处理完一个人整个生命周期所接触的数据,大大超越了人类的认知。从1997年IBM的深蓝打败国际象棋大师卡斯帕罗夫到2016年AlphaGo打败世界最顶尖的围棋高手,皆得益于其背后惊人的计算力和处理海量数据的AI算法。如果说前三次工业革命改变的是人类的生产、生活和工作方式,那么这次将提升人类的思考深度以及透过现象看本质的认知能力,例如在基因层面研究各种疾病的根源。更重要的是,工具设备的数字化可以带来生产线的智能化,通过设备端的实时数据与计算力结合实现智能化返控。因此“计算力+数据”既能突破人类的智力极限,又能赋予机器和生产线的IQ,让生产线像人一样思考,同时提升万物智能(包括人与物),它是空前的产业动力。

 

(二)“计算力+数据”是增殖的永动力

 

一方面,“计算力+数据”是计算力的不断进化。承载计算力的各种硬件设备不断提升其计算性能(根据摩尔定律,电路上可容纳的元器件数目约每隔18-24个月便会增加一倍,性能也将提升一倍),而云计算把计算单元聚合为大规模计算集群的计算力再以统一调度的方式形成合力,通过虚拟技术理论上可以无限扩容服务器集群(例如,2019年7月阿里云推出的计算引擎能将10万台服务器合为一体统一调度),能提供的算力也将无限增强。

 

另一方面,“计算力+数据”是源源不断增长的数据资源。尽管英国《经济学人》杂志在2017年3月份的封面文章中将数据喻为新时代的“石油”,但石油是储量有限的不可再生资源,而数据却无时无刻不断增加。我们正处于一个“数据通胀”时代。随着数字技术发展以及传感器的普及,人类的劳动生产及社会活动被全面实时数字化。例如,农业生产的环境土壤传感(温度、湿度、墒情等);工业生产线的实时状态监测(温度、压力、震动、转速、噪音等);远程航班的发动机及飞行状态监控数据;全球近50亿用户在互联网上的行为记录等。预计到2020年,全球的传感器数量将多达1000亿个,它们24小时都在产生数据,由此导致信息爆炸。类似于摩尔定律,有史以来人类创造的数据总量每过18-24个月将会翻一番。所以无限增长的计算力与数据共同推动“计算力+数据”的动力不断增殖,取之不尽,用之不竭。

 

(三)“计算力+数据”是提升生产力水平的全要素动力

 

生产力的四个基本要素为劳动者、劳动工具、劳动对象及管理水平。第一、二次工业革命主要通过蒸汽动力和电力改造劳动工具从而提高生产力水平。第三次工业革命则利用电子与信息技术实现劳动者和劳动工具协作的自动化程度以及推行现代化管理来提升生产力水平。而在第四次工业革命中,数字技术、智能技术等最终都殊途同归至以“计算力+数据”的形式直接变革生产力水平。例如,通过智力革命突破劳动者的智力局限(类似Google眼镜实现人工智能与人的混合智能);让劳动工具变得更聪明(工业机器人、AGV、智能运维等);优选及人造劳动对象(原材料配比优化、预加工过程优化、源源不断的数据);让管理流程实现数字化、网络化与智能化(智能排产排程、柔性供应链);等等。

 

 

图1   经济政策多从生产关系(4)入手,而非颠覆性创新的劳动工具(1)

 

三、新方向:以科技创新引领产业高质量发展

 

人类社会发展史一直遵循“生产力决定生产关系、生产关系反作用于生产力”的基本原理。中国两千多年封建社会的发展史,往往因为天灾人祸导致社会总生产力被破坏,劳动者(农民)起义推翻旧政权建立新王朝从而调和生产关系,“休养生息”的政策激活劳动者积极性从而恢复社会总生产力。朝代的兴衰更迭只是在生产力水平(黄牛、铁犁、锄头为代表)原地踏步或发展缓慢的情况下进行的原有生产关系的破坏与修复,并未产生新的生产关系和社会制度。而西方国家从18世纪中期工业革命开始,通过生产力水平的大幅度跨越全面反超中国并迅速崛起,诞生了新的生产关系和社会制度,从而又大大促进了生产力的发展。深刻理解生产力发展路径差异化的底层思想根源,能够帮助找准中国产业追赶并再次领先的新方向。

 

(一)中国传统社会陷入“三重三轻”的发展误区

 

重人力、轻工具;重关系、轻耐力;重现象、轻机理——这是导致中国两千多年传统社会生产力水平踏步不前的观念、政策、科技三个维度的发展误区。自春秋战国以来,劳动力数量就是国家实力的核心指标之一,“人多力量大”的观念深入人心。政策制定者认为,人的重要性远高于改造自然所需的劳动工具,忽视了劳动工具是提高生产力水平的最直接手段。另外,政策制定者习惯从调节劳动分配关系着眼缓和生产力与生产关系之间的矛盾,例如调节赋税、赈灾、大赦天下等。因为调节劳动分配关系能迅速让统治者取得民心。中国历史上最著名的两次变法:商鞅变法、王安石变法,分别提出的《垦草令》《青苗法》 都是从生产关系的角度调节收入分配关系,从而激发劳动者(农民)的劳动热情,实现积极开源而非消极节流,但是都随着统治者的更迭而终止。调节劳动分配关系在一定程度上固然能促进生产力的发展,但是如果没有政策引导并激励科技创新从根本上提高社会生产力水平,会导致经济可持续发展的耐力和动力不足。

 

以“四大发明”为代表的中国古代技术水平曾经大幅领先于世界,但是为什么没有在中国率先实现西方工业革命那样的生产力水平跃变?根本原因是“重技术轻科学”。东方的科学思想是归纳法,即通过自然现象观测大样本归纳总结规律最终形成认知,此过程靠人海战术持续积累数据即可实现迭代升级,但是缺乏基础性的科学原理做体系化指引,属于“重现象、轻机理”。

 

而西方的科学思想强调公理体系及从底层逻辑向上推理现象(第一性原理)。公元前欧几里德的《几何原本》,仅五个基础性公理就建立了整个经典几何学大厦,并且推理出许多定理、解释很多现象,真正做到举一反三,大大扩展了人类对自然现象的认知水平。从开普勒到牛顿,从法拉第到麦克斯韦,从普朗克到爱因斯坦,力学、电磁学、量子力学相对论等物理学的发展极大提升了生产力水平,不是靠人海战术而是靠这些大师智者追求基础理论的信仰接力。归纳法VS推理法的距离就是底层逻辑的通感,而这直接注定了两种科学体系的上层建筑差距,蒸汽机及发电机分别从热力学及电磁学理论指导下诞生就是最佳例证。

 

(二)调节生产关系能解决眼前的矛盾,不能提高长期发展的质量

 

如图1所示,中国两千多年的经济发展政策,习惯于调节生产关系从而调动劳动者积极性。秦朝的商鞅变法、宋朝的王安石变法在当时都有效恢复了社会生产力,但是都没有带来持续发展。明朝在江浙地区的纺织业出现了资本主义萌芽——邻里间小规模协作催生了雇佣劳动关系,但由于生产工具落后所以无法形成规模化机器大生产,此时的生产关系比生产力发展水平超前。此后,明朝被生产力水平和政策水平全面落后的清朝取代后,“闭关锁国”的政策导致资本主义萌芽夭折,中国重新回到小农经济为主导的封建经济,其结果是错过了蓬勃兴起的工业革命。

 

改革开放以来,我国对经济体制进行了市场化改革,比如农村“包产到户”、国有企业改革、所有制结构变化、分配制度变革等,主要是从调节生产关系的角度切入解决特定历史时期的主要矛盾,激活在中国大地上参与生产经营、创新创业的所有劳动者的积极性。经过坚持不懈的努力,如今中国发展成为世界第二大经济体、第一制造业大国和第一贸易大国,用7%的耕地养活了全球22%的人口,这些巨大成就再次验证了让生产关系适应生产力的重要性。

 

经过四十多年的发展,中国工农业的生产效率仍然远低于世界发达国家水平。例如中国与发达国家在每公顷小麦种植成本及人均制造业增加值的对比分别为2900:650美元与2000:6000美元。原先的发展方式已经遇到了生产力瓶颈。国研中心等发布的研究报告《创新中国:培育中国经济增长新动能》指出,全要素生产率(TFP)是衡量技术进步拉动的生产率贡献,中国TFP已从1978年占美国的31%上升至2014年的43.3%,但是同年日本、法国、德国的TFP分别为美国的71.1%、95.3%、93.0%。这些数据说明中国的科技创新对生产率贡献仍有极大的提升空间。

 

(三)提升生产力水平是推动经济高质量发展的根本之策

 

受人口、资源和环境等条件约束,中国现在必须走高质量发展道路,必须全面提升生产力水平。如果继续沿用调整生产关系的惯性政策,很难跨越“中等收入陷阱”并赶超发达国家。以“以市场换技术”为例,四十年来中国引进了很多国外汽车大品牌,但是国产汽车的技术和质量依然落后。全球最大汽车消费市场换来的只是先进国家的产品,而拥有产品不等于拥有先进技术,更不等于拥有创造新技术的能力。中美之间在知识产权上的博弈就是一个警醒:先进技术不可能买来或者换来,自主创新才是保障经济高质量发展的核心竞争力。

 

以史为鉴,可知兴替。西方的第一、二次工业革命的发展都是以先进生产力为突破,迅速扩散到各个行业拉动经济增长。党的十八大报告提出,要实施创新驱动发展战略,必须把科技创新摆在国家发展全局的核心位置。所以,必须通过科技创新来提高生产力水平,加快培育新动能,改造提升传统产业迈向中高端。这是一场持久战,也是一场无法回避的科技赛跑,需要深刻认识并遵循生产力发展的内在规律,深化改革开放,让创新要素充分涌流,让创新活力竞相迸发,让创新成果迅速扩散。

 

四、新路径:第三产业为源头,第一、二产业为主战场

 

从美国等先进国家的经验看,服务业占主导地位是各国进入工业化中后期的重要特征。2013年中国第三产业即服务业增加值占GDP比重为46.1%,首次超过第二产业的43.9%。此后在第二产业增速下滑的情况下,由第三产业拉动GDP增速被寄予厚望。2019年第三产业增加值占国内生产总值的比重为53.9%,高于第二产业14.9个百分点,对GDP增长的贡献率为59.4%。

 

但我们需要明白,美国的经济结构是建立在金融霸权与军事霸权的基础上,在全球产业链垂直分工中卡位高端。而“双霸权”并非中国的优势也非发展之道,所以不能一味模仿美国的产业结构和产业发展路径。笔者认为,中国先进生产力创新源头在第三产业(互联网孕育了“计算力+数据”),但要真正实现经济的“质”与“量”双双超越美国,则需把先进生产力投射到作为主战场的第一、二产业。目前,新冠肺炎疫情对经济的冲击已让欧美日等发达国家深刻认识到“产业空心化”的危险性,并有促使制造业回归本国的动机和苗头。

 

(一)将先进生产力瞄准产业增量

 

一味模仿欧美的经济结构和发展路径,同质化发展模式下赶超发达国家难度极大。要采用差异化竞争战略,从可挖掘潜力的角度来选择产业主战场。中国的国情决定了其产业结构不可能像美国等发达国家那样对第三产业极度倾斜,而必须保持三次产业的合理比例,保证粮食能源安全和整体就业率。当前农业占GDP的比重只有约10%,无论如何都不能再削弱,但是生产效率远低于发达国家,农村人均经营土地面积为0.49公顷,远低于美国,缺乏使用先进技术的动力。中国第二产业已经是世界最大体量,但制造业整体劳动生产率仅为22美元/小时,相当于美国的1/6、德国的1/8和日本的1/9。体量极大但生产效率较低的第一、二产业有巨大的潜在价值待挖掘,通过提升生产力水平(提质降本增效)能带来惊人的产业增量,这应该是超越欧美日的主战场。现在恰逢第四次工业革命的前期,可以利用这次机遇缩小第一、二产业生产率与发达国家的差距,创造绝对经济增量,实现经济总量和质量的大跨越。

 

(二)模式创新不是提升生产力水平的充分条件

 

在中国移动互联网迅速发展的十年中,“互联网思维”“羊毛出在猪身上牛买单”“共享XX”等轰轰烈烈的模式创新创业热潮使得大街小巷充斥各色自行车、雨伞、充电宝等。这些商业模式利用中国人口基数大和城市人口密度高的国情,解决老百姓的消费需求痛点,促进了经济活力,但不能根本上提高生产力水平。相比之下,地球另一端的亚马逊云计算AWS,在为企业提供计算服务时也采用共享模式,但其共享的是最先进生产力(计算力)。第二次工业革命也是把当时最先进的生产力(电力)以共享的方式迅速扩散到产业里,热电厂集中发电通过电网分布式输送到用户,推动了全产业的电气化变革。由此可见,共享先进生产力能加速其产业渗透,加速产业进步,促进社会价值的创造力与创新力。因此,在创业者和投资者决定为所谓模式创新投入宝贵的智力和资本前,需要冷静思考被共享的介质本身是否代表了先进生产力。当亚马逊、微软等全球科技巨头全面拥抱云计算(共享计算力)的时候,我们应该清醒地认识到,“共享XX”们的模式创新无法承载中国制造业强国和现代化强国的梦想。

 

还有山寨模仿,反映出我们的制造业还缺乏原创力。改革开放以来,中国制造业虽然凭借低成本优势跻身制造业大国,但也付出了高污染、高能耗、低附加值的代价,正如一句英文谚语“What Got You Here Won’t Get You There”(没有屡试不爽的方法)。随着劳动力成本的提高,原有的粗放式增长已成为进一步升级到制造强国的阻力。要打破“一流产线、二流产品、三流价格”的困境,必须从生产力水平与生产效率上解题,必须突破关键核心技术,把更多的资源和要素投入到技术创新上,而不是停留在山寨模仿和所谓的模式创新。

 

(三)不单单是“互联网+”,更是“×互联网”

 

科学技术是第一生产力,几次工业革命都是多种技术的共同推动。第四次工业革命有个显著特点,“计算力+数据”作为最早源自互联网场景的一种具体技术,它的适用场景纵贯整个三次产业,是典型的全要素全产业新动力。阿里云为四川特驱集团建立生猪养殖过程全生命周期管理的体系,将猪的死亡率降低10%,实现种猪PSY(即每年每头母猪断奶仔猪数)和企业利润双增益;利用磷酸萃取流程数据实时改进关键参数控制,帮助六国化工提升磷转化率约0.33%;通过实时调整送风量,帮助锦江环境提升垃圾焚烧发电的蒸汽产量3%。

 

这些案例充分体现了“计算力+数据”在具体场景里解决痛点并创造可衡量价值,是典型的“×互联网”而不是“互联网+”。

 

这里需要注意几点:第一,计算力必须从互联网下沉到产业场景中。因为计算力与数据是一个硬币的两面,缺一不可。数据诞生在产业的场景里,云计算技术使得计算力可以像电一样被输送到各个场景,所以必然是计算力下沉到场景。第二,切勿模仿互联网的形式,在应用场景里生搬硬套各种“连接平台”追求接入设备数量。很多龙头企业的信息化系统已经积累了相当多的数据,只需要引进计算力内涵而不要纠结于互联的外在形式。第三,企业不能强行戴“互联网帽子”、向互联网靠拢并开通公众号或者电商平台。必须清晰地认识到当前农业和工业的发展瓶颈是生产制造环节而不是流通,强行上网并不能提高生产制造的效率。

 

五、小结

 

第一次工业革命时期,中国的经济总量虽然是世界第一,但鸦片战争却让中国沦为半殖民地半封建社会,根本原因是闭关锁国、大而不强、生产力水平落后,同时人口众多也导致经济发展缺乏创新动力。首先,廉价劳动力供给压抑了技术提高生产工具效率的意识。500年前江浙一带的纺织业资本主义萌芽,由于劳动力过剩且便宜,纺织厂主自然不考虑发明机器来节省成本,导致生产力水平无法提升。“工欲善其事,必先利其器”的道理终究敌不过短期利润的诱惑。此外,大量人口的衣食住行基本需求耗尽了社会资本再投资。明清时代的徽商、晋商致富后广置田地与当铺,持有不动产(炒房)和放高利贷(P2P),货币资本没有转化为产业资本和人力资本而推动生产力发展。

 

经过四十多年的改革开放,理顺了生产关系,释放出人口红利,大大促进了生产力的发展,使中国成为世界大国。展望未来,我们必须深入贯彻新发展理念,把人口红利转化为“智力红利”,把握好新动力源泉,瞄准价值创造的新方向与产业渗透的新路径,从生产关系调节的思路转向主要通过科技创新来提高生产力水平,促进先进技术与实体经济深度融合。

 

《智力革命是纵贯三次产业的升级动力》(下)
本文刊登于《新经济导刊》第3期,总第278期

 

步入2020年,新冠疫情的全面冲击促使各行各业加速拥抱数字化,而中国推出的“新基建”政策将促进创新驱动发展和新旧动能转换。在这些大背景下,既要深刻理解新旧动能转换不等于新旧产业替换,更要甄别“浅创新”与“潜创新”,尤其是如何用好“计算力+数据”这一新动力,在贡献中国GDP一半的传统常青行业中挖掘潜在新价值。新动力在成熟行业中既能创造发展新动能,还能催生超越独角兽的新物种,更能创造产业文明的新格局。本文将延续上一期内容对此予以阐述。

 

一、在成熟产业中注入新智力创造新价值

 

近几年,我国一直在推进供给侧结构性改革和新旧动能转换。新动能既表现于新兴产业,也来自成熟产业的提质增效,尤其是通过数字技术与“计算力+数据”这个新动力推动成熟产业实现智能化升级,使新智能创造新价值。

 

(一)让产品学会思考:智能化增加附加值

 

2019年,在香港中环的写字楼里,笔者关注到Schindler品牌电梯的新设计。这种电梯替代传统电梯那种先输入上或下、进入电梯后再输入目标楼层的做法,而是要求乘客在电梯外键盘上先输入目标楼层,当乘客的乘梯需求被迅速传达给调度模块后,基于精准信息计算的电梯分配方案会优于传统电梯的“半盲调度”。以这个场景为例:电梯A与B各自搭载12人从底层分别去第22层和第19层,A比B早出发10秒,而有1人在第10层等候要上第19层,那么应该分配哪个电梯停在第10层接人?新电梯比传统电梯更聪明更高效,显然是分配电梯B,因为按照目的地合并同类项,停梯次数最少,耽误的总人时最少。但是传统调度会按照“先来先服务”原则分配电梯A到第10层接人并在第19层停车放人,多一次停梯耽误了要去第22层的12人的时间。

 

这个案例说明,数字化浪潮下的智能革命必将席卷全产业链,具有百年历史的电梯产品也借助“计算力+数据”提升思考力和智能化水平。事实上,在很多领域,数字技术正在让供给与需求之间的信息实现双向透明完整。如果三次产业能够抓住这个趋势主动提升产品的智能化定位,就可以优化供需对接,提升产品服务效率,赢得高附加值。

 

(二)让生产线学会思考:智能化提质增效

 

在很多制造业细分领域,我国的龙头企业已经用高度自动化生产线提高生产效率,但是成品的良品率和质量稳定性仍落后于发达国家,提高生产制造环节的质量效率是制造业整体升级必须直面的挑战。日本和德国的高端制造业提供了两种不同思路。

 

日本以精益求精的工艺技术把产品的品质做到了极致。以丰田的精益生产为代表,日本工业路线的思路是强化SOP标准操作流程,让每个岗位上的工人操作出奇地稳定,从而保证成品质量与生产的连续性,但是这种路线对人的过度依赖已经显示出不可持续性。二战之后日本最敬业的那一代匠人退休,接班者的工匠精神退化,制造业必然出现下滑趋势。近年来日本制造业陆续爆出造假丑闻,例如2016年6月曝光的神户制钢篡改钢线强度测试数据长达9年,三菱材料、斯巴鲁、日产等日本知名企业也纷纷爆出篡改产品检测数据。

 

不同于日本工业路线“让工人像机器一样可靠”,德国工业设计则是“让机器像人一样博闻强记”。前文提到的Schindler新电梯,作为瑞士品牌忠实反应了德国工业路线的特点,它们把产品及设备生产线设计得知识渊博,植入功能模块处理各种预设场景。但是,预设场景不可能穷尽所有实际情况,遇到未预设场景时就有挑战,因为产品及产线的智能水平在设计定型的时候就被固化了。再以写字楼电梯为例,我们经常见到电梯按照固定分层运行(A梯1~12层,B梯13~24层)。假设楼内员工分布大部分集中在8~10层,那么电梯需要临时加大对8~10层的供给,显然新方案(A梯1~10层,B梯8~24层)优于原来方案。事实上,从电梯最新的运载数据可以自动识别各个楼层的员工分布,再相应计算最优的楼层分梯方案,通过“计算力+数据”赋予电梯自动调整分梯运营的智力,但是市场上还很少见到有如此自学能力的电梯。同理可推,生产线设备在运行中损耗,识别损耗情况后需要计算调整工艺参数,而不是一直采用标准工况的参数设定,所以把机器设计得“博闻强记”并不等于具备随机应变的智能。

 

由此可见,产线智能化的路径不能照搬日本或者德国的思路,而是需要结合两者的优势,利用“计算力+数据”新动力赋予产线自我学习进化的能力,即:“让产线像人一样学习”,而不是灌输僵化的知识。机器产线的IQ自我进化,既能减少对人工的依赖,也能自主应对多样化场景,最终达到提高服务质量与生产效率的目的。

 

(三)让产能学会共享:平台化服务化

 

先进生产力通过服务化、共享化加速行业扩散的路径有史可鉴:电厂集中发电,提供电力服务,推动全产业的电气化变革;云计算把计算力输送到企业,提供计算服务,推动企业智能化升级。那么对于农业和工业尤其是制造业,能否把先进产能开放共享并承接同行业内的订单?答案是可行的,前提是先进产能以产线柔性应对订单品类多样性,以产能弹性应对订单量的波动,从而保证制造服务的连续性,类似C2M(Customer to Manufacturer)平台模式。首先树立行业内产品与组件标准,再把多种订单需求类型做标准化分解,然后实时串联排产排程、生产执行、仓储、供应链等数据,结合多种约束条件(人员排班、物料库存、产能余量、时间窗口等),依据组合原则(订单完成效率、产线负载均衡)分配订单与调度产线。这种分配调度计算一直是运筹优化的经典难题,但今天强大的计算力已能实现准实时求解。通过先进产能共享,既能激励行业创新,还能通过分流订单的方式加速淘汰落后产能。

 

二、“咨询+技术+金融”通用智力服务商

 

先进生产力必然会催生新的产业巨头,例如第二次和第三次工业革命分别诞生了通用电气GE与Intel。在其发展历程中,资本发挥了重要的推动作用,而GE的百年兴衰史也预示第四次工业革命大潮中可能会诞生一家“通用智力”公司。

 

(一)产融结合:GE的百年辉煌与衰落

 

爱迪生发明电灯后于1882年成立了爱迪生照明公司,1892年合并成立了GE。而GE陆续推出了电灯、中央发电站、电气火车头、X射线成像仪、热感应电炉、第一台民用雷达、固体激光器、便携式空调和磁共振成像系统。这些划时代的产品也让GE雄踞道琼斯30指数111年(直至2018年6月26日)。GE的成功带有鲜明的特点,追寻先进生产力“电力”的行业应用场景打造创新产品,不断跨越行业边界(照明、交通、医疗、家电),牢牢把握电力“行业通用”的特点做跨界创新,而资本在GE的成长中功不可没。著名的J.P.摩根资助了爱迪生的研究发明并推动成立爱迪生通用电气公司,最终在1892年与汤姆森-休斯顿电气公司合并为GE,可以说摩根财团就是GE的早期风险投资人。而GE在1905年涉足商业信贷服务并逐步壮大为GE金融,为集团产品销售提供金融服务。GE利用制造业的优势拓展金融服务渠道,同时又利用金融配套服务强化制造业中的客户关系,极大地拓宽了GE能源和航空业务的发展空间。在1980—2000年期间,GE金融为集团主营业务贡献了41%的利润(52亿美元,2000年),创造了产融结合的标杆。

 

但是GE金融发展壮大后脱离了服务于制造业的初心,其利用高杠杆扩大收入累积风险,在2008年全球金融危机中被重创。最终GE在2015年剥离大部分金融业务,回归高端制造业。GE的百年辉煌说明金融业务能强化实业竞争力;GE的衰落也警醒产业与金融的结合要以“产”为核心,尤其是以实业为本,避免落入主业空心化的金融泡沫。

 

(二) 智融结合:“咨询+技术+金融”新物种为产业提供智力服务

 

正如通用电气传奇CEO杰克•韦尔奇在其自传中所说,GE金融的成功证明了资本与智慧融合能带来额外的增量价值。在第四次工业革命的背景下,既然“计算力+数据”新动力能推动各行各业的智力革命,那么按照“资本与智慧”的逻辑推演,是否会再孕育出一个GE?笔者认为一定会诞生。因为“计算力+数据”是跨产业通用的新动力,如果掌握了通用的方法论,跨产业快速嵌入新动力,输出智力,创造无可辩驳的新价值,那么就会出现“通用智力”的新物种。新物种可以形象类比为“McKinsey+SAP+Blackstone”,它用“咨询+技术+金融”的形式实现“方法论+新动力+资本”的内涵,为企业创造新价值,而且是以“正和”的游戏创造可持续新价值。

 

这种“智融结合”与GE产融结合有着本质区别。GE是用金融服务帮助客户购买含有智慧结晶的GE产品(发动机、汽车等),而“智融结合”则是利用金融服务帮助企业购买以“计算力+数据”为核心的智力服务,即“产品化的智慧”与“服务化的智慧”之区别。

 

为什么要以服务化而非产品化的方式把“计算力+数据”投射到企业?主要有四个原因:第一,产品化不宜急于求成。“计算力+数据”作为新动力尚处于产业扩散的早期,行业成功案例还不够丰富,不能急于宣布达到产品化程度。

 

第二,新动力在产业落地时需要找准具体目标企业的痛点,然后把解决方案用正确的方法切入到正确的环节解决有价值的问题,而这个过程需要深入客户场景调研访谈,即典型的“问诊”服务。

 

第三,“计算力+数据”落地必须做到最小侵入性,形式上与企业原有信息化系统实现数据流串通,内涵上则要从数据流产出有新智慧的可执行方案反作用于业务流。由于各个企业的信息化系统状态各异,所以嵌入式系统开发过程需要个性化服务而不是简单的一键复制。

 

第四,咨询服务尤为关键。首先,要以咨询方法论挖掘企业内有价值的痛点问题,并映射出业务流大图上痛点和源头的因果关系。其次,要以咨询引导企业进行组织流程变革,让配合机制变成数据流驱动的敏捷模式,从“人拉数据”变成“数据推人”,保证“计算力+数据”提供的解决方案有效执行。

 

既然是服务化,自然有人担心会陷入到服务规模的陷阱。例如传统咨询公司以人力规模输出智力服务,业务量与人员规模只能同步线性增长。要突破服务规模的陷阱,关键是把“计算力+数据”开发成带有行业特色的可复用技术模块,以“通用方法论+可复用技术模块”提高定制化服务的效率,实现“结果个性化、过程标准化、方法标准化、工具通用化、服务标准化”。

 

(三) 先智后融:“咨询+技术+金融”新物种的起源

 

“咨询+技术+金融”新物种诞生的关键条件有三条:适用于多个行业的底层通用逻辑与方法论(广度与深度);可复用的能力模块(效率);资本协同驱动价值放大(杠杆)。这些关键条件需要从“计算力+数据”在多个行业应用的成功案例(创造可衡量价值)中抽象提炼。小型初创公司很难取得大企业的信任来证明自己,缺乏案例提炼通用逻辑与方法论,所以不会成长为新物种。而咨询公司与传统PE私募基金由于缺乏“计算力+数据”尤其是云计算的产业实践,难以提炼出可广泛复用的能力模块,也不可能率先进化为新物种。而阿里巴巴、Amazon等技术巨头的主业直接受益于云计算技术,对新动力的威力有深刻体验,其内部团队可利用品牌影响力进入各种产业场景探索“计算力+数据”落地。如果能够在多个产业里打造成功案例,这只团队就可能掌握通用逻辑与方法论,从技术巨头公司裂变出来再与资本结合,就能成长为新物种。

 

为什么技术巨头很难直接成长为新物种呢?从显性条件看,这些技术巨头具备资源优势(人才与资本),还有产品与品牌优势,只需要收购整合一家咨询行业巨头,就能打造至少形式上的“咨询+技术+金融”新物种,但是商业模式的基因排斥构成了难以逾越的隐性底层障碍,注定了这些巨头不可能自我进化为超级合体。

 

主要表现为:第一,技术巨头如Google、Microsoft、阿里巴巴等都是上市公司,都有各自成熟的业务主航道和盈利模式及资本市场的财报预期,不会贸然进入周期漫长的企业服务市场,这是大企业惯性使然。即使有技术巨头勇敢转型迈向企业服务市场,其本质不是新价值创造,而是用新方式获取价值,即老酒装新瓶。最典型的就是Office365的推出,帮助微软贴上“云计算”标签, 但是消费者使用Office软件的长期成本变贵了,这种转变没有创造绝对新价值,不是一种“正和”游戏。

 

第二,收购整合大型咨询公司也不能帮助科技巨头升级为新物种。咨询公司的服务是一种依托于人员的智力输出,使用的是原始初级工具,缺乏真正可复用的产品杠杆提升服务效率,所以其业务规模由咨询团队的规模决定。而科技巨头大都是售卖成熟产品,依托产品杠杆,具有极大的网络效应和边际成本优势,不是绝对依赖于人员规模。这两种基因不兼容的大型物种结合,排斥反应可能是毁灭性的。

 

(四) 智融互驱:“咨询+技术+金融”新物种的进化

 

正如J.P.摩根所说“推动历史进步的不是法律,而是金钱,只是金钱”。资本能够为新物种的进化提供稳定的产业营养,智力服务与资本的价值驱动有两种模式:

 

第一,新物种提供金融服务帮助行业龙头企业购买其以“咨询+技术”方式提供的“计算力+数据”智力服务,并收取金融服务费用和智力服务费用,新物种本身的估值将随着服务收入增长而上涨;

 

第二,新物种的“计算力+数据”智力服务帮助企业升级IQ、创造新价值,从而提升企业估值,而新物种提前投资入股也可分享增值。这两种模式可能在不同发展阶段轮换或者组合,以新技术的确定性降低价值创造的不确定性,从而实现新物种与被服务企业的共同增值。

 

三、新动力串联三次产业和谐共振

 

2008年全球金融危机后,美国加速“再工业化”进程,随后三届美国政府都推出了让制造业回归美国的激励政策,试图纠正产业“空心化”的不合理状况。而德国于2009年提出工业4.0,试图强化其在制造业的竞争力。这些发达经济体的选择已经表明,健康的经济结构不能只是依赖服务业,必须有坚实的农业和工业作为支撑。而在中国国内,相当多的政策、资本、人才等资源集中在房地产、金融、互联网等领域,而农业和工业由于改革滞后,得不到有效资源投入,面临产业结构不合理、人才选择性流失、新技术应用迟缓等问题,导致生产力水平较低、转型升级成效不明显。如果加快推动“计算力+数据”这个新动力的产业扩散,完全有可能提振中国第一、二产业的生产力水平向第三产业看齐,找准不同产业间的生产力共振频率,实现经济高质量发展。

 

(一)拉近三次产业生产力水平的落差与时差

 

数字技术的迅速扩散以及云计算的普及,让第一、二产业能够迅速应用源自第三产业的“计算力+数据”,缩小产业间的智力落差。笔者自2016年开始在农业和工业领域探索云计算、大数据的落地场景,最终通过一系列成功案例打造了阿里云ET大脑。在浩丰集团,通过无人机采集农田生菜的低空遥感数据,用图像分析计算每亩长势,再提出“千亩千面”的精准灌溉与施肥方案,在保证产量的同时可节省每季水肥成本150元/亩,每年可节省千万元。在攀枝花钢铁,针对炼钢工艺中的投料和造渣过程,通过全面分析生产过程记录找到定量规律,在生产过程中实时推荐最优参数以控制铁损和辅料消耗,每吨钢综合成本节约2元,每年可节省千万元。这些案例充分证明第一、二产业完全有可能利用后发优势,通过跳跃式发展,直接嫁接数字化解决方案,而不一定要循规蹈矩,先投资做信息化自动化,然后再考虑智能化。

 

如果说前几年政府决策者和市场主体还有理由怀疑“计算力+数据”,那么到了2020年,他们唯一要质疑的是能否早点拥抱“计算力+数据”。云计算的共享模式大大降低了强大计算力的使用成本,而企业也积累了相当多的存量数据资产,具备了引入“计算力+数据”的条件,但是很多企业决策者要求只用成熟产品,缺乏创新者的胆识。殊不知最新的生产力在早期不可能迅速打磨出成熟产品,“成熟往往意味着不先进,产品往往意味着智商板结”。引入“计算力+数据”需要以购买智力服务的方式而不是购买成熟产品,因为“计算力+数据”相关的成熟产品仅具有最基础的存储网络数据库等功能,距离实际业务价值差了几代。如果第一、二产业能迅速拥抱“计算力+数据”,那么先进生产力的产业转移时差可以被压缩,从而为产业和谐共振和转型升级奠定基础。

 

(二)平衡三次产业之间的全要素资源分配

 

过去十年,房地产和互联网风生水起,而农业和工业虽然是穿越人类历史周期的行业,却因为“老旧”的标签而被冷落。正如过犹不及,随着国内外发展环境的变化,特别是中美贸易摩擦和新冠肺炎疫情的影响,我们深刻认识到,一个国家的核心竞争力不是房地产,没有掌握核心技术的互联网只能受制于人,没有拥有强大科技实力做支撑的农业、工业更是无法立足和走远。

 

习近平总书记号召,“广大科技工作者要把论文写在祖国的大地上,把科技成果应用在实现现代化的伟大事业中。”全要素资源的分配也要直面祖国大地而不只是仰望混凝土丛林和网络星空。第一、二产业承担了经济社会发展中的较大成本(能耗、排放、就业),也是第三产业的基础,例如电商平台上流通的商品都是来自第一、二产业。如果全要素资源过度拥挤到第三产业的金融、房地产,不仅造成资源浪费,也会截流第一、二产业的资源供给,挤压实体经济发展空间,导致整个经济底座的“空心化”。解决资源的产业性错配还需从生产力入手,以“计算力+数据”为技术突破口迅速拉齐第一、二产业与第三产业的生产力水平,将新动力转变为实体经济的价值引力,通过巨大的价值增量吸引人才和资本的合理流向,从而实现产业间的资源分配回归合理水平。

 

(三)重整三次产业之间的价值耦合

 

按照产业划分,第一、二产业是物质资料生产部门,而第三产业是为生产生活服务的部门,凭借资本、科技、渠道等优势取得强势控制权并获得最大利润,而承担了商品生产的第一、二产业反被定位在价值链底部。那么第一、二产业是否有机会通过提升竞争力获得合理价值定位呢?答案是肯定的,其实现节奏是先“去中间化”再“去中心化”。“去中间化”是精简供需之间散乱环节,而“去中心化”则是打消供需之间的垄断中心。

 

消费互联网时代是“去中间化”。互联网电商重整了商品的流通销售环节,通过“买方卖方彼此看对方”减少信息不对称性,压缩中间商环节提升商品流通效率,从而催生了“中心化”平台,例如天猫、京东等。可以说消费互联网时代完成了供需之间的通道重整,以“中心化”实现“去中间化”。已经取得巨大优势的互联网中心化平台聚合需求侧海量订单,开始反向分配给生产制造侧,进一步获取更大价值,例如智布互联、淘工厂等。上游生产制造商有彻底沦为中心化平台代工厂的风险,互联网中心化平台可能发展为产业链的垄断寡头。

 

产业互联网时代是“去中心化”。根本原因就是这些中心化平台的核心生产力“计算力+数据”是普惠技术,可以快速扩散到上游第一、二产业并为其提供智力服务,将会从两方面改变产业间博弈格局。

 

第一,提升生产制造侧的产品主导权。新动力可以提高生产效率和产品智慧含量,而优质产品能满足人民群众对美好生活的向往。掌握核心优势的产品是生产制造侧与流通销售平台博弈的筹码,苹果iPhone对各大渠道(包括电商平台)的绝对管控就是最好的案例。

 

第二,打破中心化平台的信息垄断。生产制造企业可以借助数字技术(如移动App)建立与需求侧直连模式,通过优质内容强运营的手段积累对消费者的理解,应用“计算力+数据”驱动数智化运营,从而形成生产、制造、服务一体化模式。“去中心化”之后,现有的互联网平台不会消失,而是成为供需之间的通道之一。

 

三次产业在供需之间的配合关系回归合理之后,打消了垄断带来的价值链条结构性扭曲,能保护整个产业链条上的各个主体的发展积极性,最终实现三次产业之间的供应链、价值链和谐共振。

 

四、小结

 

自2009年以来,德国、美国之所以把制造业升级及“再工业化”作为国家战略,核心逻辑是以先进技术提升实体经济的生产力水平,防止产业“空心化”。这正如1764年英国人为了突破劳动力短缺发明珍妮纺织机,从而开启了第一次工业革命。过去的十年,中国虽然一直在推进供给侧结构性改革,但增长和投资惯性促使许多优势资源和生产要素依然“脱实向虚”:炒房、以钱炒钱、投资圈钱等,导致供给侧的创新投入不足、要素成本居高不下,第一、二产业转型升级之路变得更加艰难。

 

历史、现实和疫情是一面镜子,当前我们迫切需要重温邓小平同志的“科学技术是第一生产力”的重要论断,深刻领会党中央提出的“创新驱动发展战略”。尽管我们这一代人不曾听见瓦特蒸汽机的第一声轰鸣,也错过了爱迪生白炽灯的第一缕光明,更没有见证“Hello,World!”的第一行显影,但是,时代给了我们一个罕见的“第一次”机会:与全球同步站在新一轮科技革命和产业变革的起跑线。只要我们始终坚持科技创新,牢牢抓住“计算力+数据”,把新动力沿着新路径朝着新方向投射到全产业,一定可以让三次产业焕发出新动能,重塑全产业和谐共振的新格局,孕育提供通用智力服务的新物种,最终建成现代化强国,实现中华民族的伟大复兴。

 

阅读更多

Leave a comment