峰瑞资本李丰：究竟什么是人工智能？

中美SaaS峰会|2017年中国SaaS产业峰会于2017年5月10日在北京新云南皇冠假日酒店举行，峰瑞资本创始合伙人李丰从中国产业结构变革转型以及如何看待大数据、SaaS、AI方面阐述了自己的观点。

组织变革和就业场景重构

中国是过去劳动力成本上升最快的国家，中国的就业人口是全世界最多的。 中国处在一个我们叫经济转型的阶段或者叫经济结构调整的阶段，一般在任何一个国家经历经济结构调整的时候会经历劳动力市场、就业结构和就业技能这几件事情的结构性转变。这些转变的背后大概就带来了刚才标题上所讲的，不管是就业还是社会就业结构，或是一个企业组织方式的变化，这些东西在中国是几乎不可逆转且会持续非常长时间的变化。

李峰以诞生在纽约的WeWork为例：大趋势或者商业结构的调整都是因为有大的宏观原因。

国内的大家也都拼命的做过各种各样的创业创新空间，先把WeWork看成是新的办公室租赁管理和新的方式的变革，第一个特殊条件是因为在美国有金融危机。所以说极其特殊的一个时间窗口在大概08、09、10年之间，出现了在纽约这样的美国少见的超大型城市当中的二类黄金地段有大面积的办公室空置，用较短的时间做成了一个模式和品牌的一个很特殊的时间窗口，因为这件事情不管是之前的美国还是现在的美国已经很难再发生一次了，因为这是经济结构变化提供的WeWork的机会。

但是在WeWork里面还有另外一个非常神奇的事情是大概其中有超过1/3比例的它的办公室租户是我们叫自由职业者，他们利用这个方式社交，展现自己的方式，不要太孤独，获得资源和支持。这件事情回到美国的用工统计也出乎你的意料。

第二件事情是劳动力成本上升，第三件事情是在所谓 消费升级 ，大概在中国是一个非常特殊且注定发生而且比美国快很多的事情。

但这种人口结构的调整带来了非常多的长期变化，包括对企业办公方式、企业组织形态和企业管理模式的转变，这里边当然就涉及到了我们的 SaaS 。

我再举一两个小例子就知道这个力量是很大的，我们也知道BnB和Uber这样的公司，他们也抛去两个小因素，第一个因素和金融危机有关，因为金融危机之后才导致这两个方向。这两个企业非常特殊，他们都处在去监管化的过程当中，酒店行业和出租车行业在美国也是高度监管的行业，他们能够获得超速发展除了移动互联网提供的效率之外，也是因为在金融危机之后，整个政府出于解决就业、劳动力技能转化这几个方面的因素，所以给予了他们一定的政策灰度空间，让他们得以快速发展。但是Uber和WeWork这样的公司，也指向美国劳动力结构的调整、劳动力技能的转化，这些行业带来了越来越多专兼职的美国更高比例的自由职业者，美国因此还出了更多的税务法案。

我们看过两个公司，他们做一个虚拟的组织起来变成了一个虚拟的工会，帮助他来解决财务税收和自己的权益问题。这件事情在组织形态上不再具有物理上工会组织的形态，它提供了更为便捷的看起来更像是B和C之间界限模糊的一个服务软件，把它称2B也可以，2C也可以，但是它本质上是面向了一个组织和社会结构变革。

中国有经济结构调整的问题，这是一个很长期的问题，最少持续五到十年。我们涉及到的除了劳动力成本和从2013年开始的中国劳动力人口总量净减少这两个因素同时发挥作用，加上中国要做产业结构调整，中国的公司形态、中国的自由职业者、公司平均规模的大小，这三件事情会非常显著的在长期发生变化，以五到十年和十到十五年的周期来看。这件事情的变化背后所带来的所有的公司管理、组织结构、效率提升、节约成本与之相关的变化就是长期持续不可逆转且力量非常巨大。

怎样看待 AI ？

我们看中国的投资现象非常纷纭复杂，这句话背后的意思是三年前流行的是SaaS，两年前流行 大数据 ，一年前开始流行AI，所以现在创业者跟投资人谈的时候，到底应该说我是SaaS还是大数据还是AI，还是说我是SaaS+大数据+AI？ 我们自己作为投资机构判断这个问题的时候只有两个简单的逻辑，这个简单的逻辑是什么呢，我们一环环往前推，所谓 人工智能 只是一个大数据处理或者数据处理效率和模型构建效率的提升。

这是第一句话，这句话推导出来的结果是，AI这件事情是基于数据多到了不能由原来的传统方法高效处理之后，才开始需要的事情。

这句话就带来了一个简单的结论，在各种不同的应用和方向上，是不是到了AI的已经产生的数据大到不能由原来的方式来处理，大数据又是怎么跟SaaS连起来的呢？数据是怎么来的呢？大概也是两句话：

第一是数据这个跟我们现实生活有意思的一些事件有关。 在过去十几二十年发生的科技现象，数据的来源有两个部分，第一个部分是创业者做的事情，非常多的 企业服务 把一些线下的数据进行了线上化，这是数据的一个来源，这是为什么SaaS会跟大数据连起来，大数据会跟AI连起来，这个判据也很简单，如果这个行业当中的管理软件或者叫线下数据的线上化还没有完成，那第一步肯定先是SaaS，线下数据的线上化已经比较普遍了，之后才轮到数据处理存储这些事情，这些事情再往下堆迭，随着产生时间越来越长，才到了处理数据的高效化，到了所谓人工智能，没有人工智能的也不用慌，也不用担心，AI该来的时候，数据该来的时候，人才自然足够多。

除了SaaS把线下数据线上化之外，还有另外一种最大量的来源是来自于让以前没有在线的传感器在线了，手机能在线产生大量的数据。 再举个例子Uber怎么出现的，现在手机里有加速度传感器、陀螺仪、GPS，+在线+地图放到了车上，因此才有了Uber这样的事情，把GPS+电子锁这两个电脑变成在线放到自行车上，所以有了共享自行车。

我们意识到数据另外一个最大的增量来源是把一些以前不能够被广泛使用的传感器放在了一些设备上，并且使得这些设备厂时间在线，因之他们创造了大量的多维度的长期不断的数据，这些数据构成了巨大的增量，很多最后到了大数据、到了人工智能。 文本数据足够多有了雅虎网站来组织使用数据，数据多到他们已经不能用商业模式的简单方法和网站编辑组织的时候，我们最后到了Google，到了人工智能，数据多到了一定程度之后，我们移到了用人工智能的方法来处理这些PC上的文本数据，所以这个历史在互联网上发生过一遍了。

所以发生在今天很多领域的事情并不新鲜也不特殊，也不用担心AI会怎么样，因为从传感器到用户设备到用户使用到在线，到创造商业模式，到商业模式数据多到需要用人工智能来处理，这些事情完完整整在互联网上、在PC上发生过一遍。

在过去半年里面金融相关的人工智能投了非常多，是因为金融数据的百分之百的线上化、较大比例的线上化因为从13年6月份开始的中国互联网金融和中国银行业的原来基础设施已经做的IT非常好，所以金融的数据化比例非常高。 所以在金融上开始出现了一些AI的应用，相对具有其合理性，它是从数据的线上化到数据积累的大数据，到大数据积累以后的人工智能这个路径发生的。

谁已经线上化很好，非常充分，并且有较长时间，较大量的行业，就会先到人工智能，否则要先SaaS再到大数据再到人工智能。因为流通领域在中国过去的消费升级，消费能力上升和零售行业快速发展电子商务之后，变成了中国最大的行业之一，因为广义上的流通领域在GDP当中大概占20%的比例，所以从道理上讲流通是超级巨大的领域，在这个领域当中，其实原来的组织结构、原来的效率提升、原来充分的管理系统、数据的线上化这几件事应该讲都还没有优化到极限，如果优化到比较好的程度是谁呢？前天晚上刚发财报的 京东 大概是一个在原来中国的流通领域当中，把流通在封闭体系当中用系统做到了效率极限，之后所产生出来的典型的流通公司，或者叫流通领域的代表公司。

中国的SaaS和美国不太一样。 我们发现在中国SaaS第一次典型的系统化，而美国经历了很多周期。 80年代先经历了软件化，大型企业、小型企业软件化、经历了互联网化、又经历了SaaS，所以它的周期非常完整且非常长，中国有很多是第一次开始系统化同时在企业的管理结构上云端化，所以在中国就是先把数据搬上来，SaaS、大数据和AI的发展流程当中，中国很多行业，通常在做第一次的管理信息系统化和云化的过程当中，需要明显的带有更多的服务提供者的特色，而不是软件服务提供者的特色，需要提供超过一个软件提供商或者服务提供商所提供的服务内容，或者叫流程和线条会做的越来越长。

很多行业当中，大家都涉及到需要给甲方提供远超过流程的服务，流程足够长和深才带来足够的价值，长和深到一定程度就从B拐到了C，这是2B到2C的很大可能性，毕竟做封闭系统当中效率是最高的，这也是为什么京东本质上是流通效率很高的企业出身，却做成了今天的2C的零售商。