Goldman Sachs在2016年11月的时候发布了一份长达99页的报告分析人工智能“AI, Machine Learning and Data Fuel the Future of Productivity”，分析得非常到位，特别是Productivity（生产效率）这个词戳到了AI的商业本质。所谓生产效率的提升是人类文明进程的主旋律，本质上讲，也正是生产效率的发展推动着人类社会经济的进步。

报告同时也提到了各种关键的技术，理解了这些脉络，就更容易鉴别哪些是伪AI、哪些领域的AI应用很难取得生产效率上质的突破、哪些AI故事在短期内几乎不可能实现。

这让我想到了更早之前十月底的时候，我们与一些优秀的创业者做了一次关于AI的闭门分享，会上我分享了一些关于AI的思考，碰巧也是从“Productivity”的角度来理解。

当时我从Productivity+Possibility的角度来理解AI的原因之一是，这好像解释了为什么从Google的CEO Sundar Pichai到华为的任正非都严肃的把AI列为核心战略（这完全是不同业务和技术层面的两家公司啊.……），因为背后都是对更高生产效率工具的追求，以及对颠覆式创新带来的可能性之探索。

这个角度somehow也解释了为什么AI变成了一个现象级的事情，几乎所有互联网大公司都在谈论AI，背后的动因来自于，过去成功的互联网模式本质上是在做"连接"，当移动互联网的人口红利接近尾声，矛盾从"流量增长"转移至"转化效率"，后者的本质就是"Productivity"，从平台方和供给侧发起。

从“Productivity”的角度理解AI是一种“狭义”的角度，这里的狭义是个中性词，是AI短期内可以落地的视角，或者说，短期内这种“狭义”的角度才更有实际意义。在这个框架下，AI是一种渐进式技术进步在各个行业的应用，AI作为一层类似于基础设施的enabler，以一种inside-out的方式在现有世界秩序中生长出来，外来者想要破局并不容易，因为在数据壁垒方面就很难突破，数据壁垒背后往往是商业壁垒，因此，这一类型的主要创新更有可能是行业巨头的机会，巨头们拥有足够的资源优势（资金投入、数据获取、人才吸引）。

同时，当平台规模足够大时，即便小的改进也能带来可观的回报，“门口的野蛮人”也开始发现，依托大平台其实是一种高效率低风险的创新方式，这也解释了美国市场上出现的大量AI方面的acqui-hire（通过并购来获取人才）。

另一个角度是把AI作为一个独立的领域来看，本质是技术突破带来的颠覆式创新“New Possibility”，这类技术创新甚至可以开创一系列新的产业，在一百年前这个创新故事带来了汽车产业。

顺着这条逻辑，当AI发展到非常科幻的水平，接近人类智力甚至能理解人类情感拥有自己的思维时，才是人们目前所期待的“人工智能”，Wikipedia对它的定义是通用型人工智能“Artificial General Intelligence (AGI) is the intelligence of a machine that could successfully perform any intellectual task that a human being can”。

这一天终将到来，但我们很难预期在下一个十年内会发生。颠覆式创新是现有世界秩序所畏惧的一股力量，感谢计算资源、开源算法的发展和普及，在这条跑道上，初创公司与行业巨头往往处于同一起跑线，在关键资源上巨头并不一定占有优势，比如自动驾驶技术所需要的training data，通用汽车也没有数据上的优势。

关于颠覆式创新，A16Z的合伙人Marc Andreessen最近在接受采访时提到了他的角度“New Feature vs. New Architecture”，非常受教：

无论是创业者还是VC，我们都对下一个十年可能产生的颠覆式创新充满好奇与热情，与此同时，中国的信息化程度和商业成熟度大环境也在以同样的热情拥抱渐进式技术创新，更多的机会同时也存在于那些看起来没那么新鲜的云计算、大数据、网络安全等等之中，共勉。