作 者：于启章
2023，破冰
常言道“新年新气象”，今年的转变，从“语境”开始就尤为明显。
曾几何时，谈起创业、经营、发展，人们首先想到的关键词一定是“风口”“热钱”“互联网”，而嗅一嗅今年的空气，另一个词正在人们心里扎根——健康增长。
这其实反映了大多数企业内心两种情绪的冲撞。
一方面，谋增长不难理解。大疫之后重新出发，全力拼经济已经成为一种社会情绪。
另一方面，对企业发展健康度的关注更像是反思和修正，带着些“心有戚戚焉”的意味。
毕竟在过去3年里，“黑天鹅”齐飞让人们遭遇或者见证了太多的巨变甚至颠覆，一些被“风口”吹上天却没能及时筑基的企业更是摔了个粉碎。
于是当下，人们开始回归商业的本质，目光投向长期主义，“健康的增长”开始重回舞台中央。
而在刚刚结束的第五届百度Create AI开发者大会上，李彦宏也很有引领性地发表了一场以“增长”为主题的演讲。
就像很多人所期待的，2023年能成为不少行业、企业破冰的一年，而对结果起决定性作用的，是搞清楚两个关键问题——
增长从何而来？
可持续的增长由什么推动？
创新，创新，还是创新
先说增长从何而来。
要论证这个问题，比起聚焦一个企业、一个行业或者一个国家，我们不妨直接看看全人类的进步足迹。
下面这张图可以说明很多问题。
全球人均收入三千年变迁史（来源：《文明的逻辑》陈志武著）注：1800年全球人均收入设为1
很显然，在1800年工业革命之前，整个人类世界都不能说经历过真正的增长，有的只是上千年的波动。
《世界经济千年史》中对全球人均收入的估算，结论也一致：在工业革命之前的2000年里，人类的劳动生产率基本不变。
转变发生，接下来是很多人耳熟能详的部分：200多年里的3次工业革命，人们从“蒸汽时代”“电气时代”再到“信息技术时代”，社会的生产率飞跃式上升，社会经济发展，出现指数级增长。
这时候很多人可能会抢答：科学发明就是创新，是这种创新带来了增长。
但很遗憾，“创新理论”的鼻祖熊彼特不会认同这种观点。
按熊彼特的理论，科学发明不是创新，只有当一个企业家将这个发明用于建立一个新的商业组合，这才是创新。
按照这个思路，目前公认第四次科技革命的标志是深度学习算法，其所能够带来的效率提升、能够驱动的经济增长，或许超出大多数人的想象。
关键，就在于企业家如何带领企业将相关前沿技术应用于商业。
这方面，百度走在了前列。
目前，百度是全球为数不多的、进行全栈布局的人工智能公司，10年间投入高达1000亿元，每年研发占收入比例都超过15%，去年更是达到了23%，主攻的事情可以分为4层：芯片层、框架层、模型层和应用层。
这个技术架构，越往下越通用，越往上越专用。
更通用，意味着不断降低行业使用技术的门槛；更专用，则是深入产业去深化应用。
举两个简单的例子来说明：
1. 通用端——飞桨
作为一款百度自研的开源深度学习框架，简单来说，飞桨就像是人工智能时代的操作系统，让开发者能够像搭积木一样构建AI应用，大大降低AI的应用门槛。
目前，飞桨凝聚了535万开发者，服务20万家企事业单位，基于飞桨创建了67万个模型，已经构建起一个繁荣的深度学习生态。
类比智能手机领域，芯片卡脖子很要紧，但软件卡脖子一样要紧。
也正因此，百度在人工智能领域的布局从一开始就把软件的根扎了下去，这样才能让创新持续发生，让顶层的商业更加繁荣。
2. 专用端——智能交通
我们可以把专用端的发展理解为人工智能深入产业，赋能实体经济发展的一个个案例。
比如智能交通，也可以看作一个“智能调度系统”，通过智能红绿灯控制交通流量，从而提升交通效率。
数据显示，通过对交通网络的智能化改造，通行效率提升15%-30%是完全可实现的。
目前百度的智能交通方案已经落地全国63个城市，交通部也正式将百度列为交通强国的试点单位。
李彦宏在会上预测：“智能交通方案可以使得2027年之前，中国一线城市不再需要限购限行，从而激活汽车消费，为城市疫情之后的经济注入新活力。2032年之前，靠交通效率的提升，拥堵问题就基本可以解决。”
我们可以期待，自动驾驶、智慧交通、水电能等领域的智能调度系统等，它们的应用会像汽车、互联网这些发明一样，带来深远的社会影响。
反馈，意味着有迹可循
增长由创新带来，毋庸置疑。但从各种意义上来说，创新仍然是一种结果，我们需要进一步去追寻，推动创新的又是什么？
在今天的第五届百度Create AI开发者大会上，李彦宏的观点很有启发性，他认为“反馈驱动创新”。
对此他举了个生动的例子：
科学家曾做过一个思想实验，就是把魔方打乱，交给一个盲人还原。
第一种情况，假设盲人每秒转动一次，他需要多久才能将魔方复原呢？答案是137亿年。
第二种情况，盲人每转动一次魔方，就有人向他做一次反馈，告诉他是更接近目标了，还是更远离目标了，盲人需要多久能把魔方还原？答案是两分半钟。
反馈的巨大力量，不言而喻。
商业世界中，这样的对比实验也一直在反复上演。
企业创新时的状态何尝不像盲人？技术商业化落地的可能性何止千条？应用端会带来的连锁反应又何止上万？闭门造车，往往是南辕北辙。
这提示我们，哪怕你只是一个人在解决困难问题，没有任何团队成员，你还是需要一两个听众，否则你非常容易进入自嗨模式，在一条错误的路上走到黑。
纵观百度的经营发展，我们会意识到李彦宏对反馈的重视不是说说而已，他们是这个理念的信仰者、实践者，也是受益者。
就比如我们现在看到，百度的昆仑芯在AI芯片中性能非常领先，可在此之前，它已经为百度的搜索服务优化了10年。
这是什么概念？
百度的搜索服务，每天响应几十亿次真实的用户使用需求，每天进行1万亿次深度语义推理与匹配。
正是如此大规模、真实、及时的反馈，倒逼了大模型、深度学习框架和芯片的优化，让昆仑芯走在了创新的前列被所有人看见。
又比如萝卜快跑，百度的自动驾驶出行服务。
从一年前开始，他们每个季度都发布萝卜快跑的订单量，卯足劲儿要保持自动驾驶出行服务订单量全球领先。
为的是什么？
这背后也是“反馈驱动创新”的理念——订单量最大，意味着百度能够获得最多的市场和用户反馈。
去年一年，北京有一个小伙竟然打了600多次萝卜快跑的无人车，很多地方的网友在社交平台呼吁，希望无人车出行服务能够开到自己家门口。
显然，市场对自动驾驶的接受度比我们想象的要高，那么自动驾驶的落地速度，也就可能比预期要快。
大量的场景、互动、需求响应所形成的反馈，无疑让百度在人工智能的全栈布局获得了很强的引领性地位。
但平心而论，不管走过的路还是未来的路，百度在人工智能上都不是一帆风顺。
挑战长期，
就意味着接受波动的底气
最后，我们谈谈关于周期的问题。
达利欧说过一句清醒而又饱含希望的话：
“像许多事物一样，在人的一生中，重大的繁荣时期和重大的萧条时期只会出现一次，除非我们研究几代人的历史模式，否则很难预料到这些时期的到来。因为繁荣时期和萧条时期的更迭往往相隔很久，我们所面临的未来很可能与大多数人所预期的情况迥然不同。”
对于企业来说，围绕深度学习算法的大数据、人工智能等技术趋势已经日益明朗，可只要是做技术战略，就要有跟长周期博弈的心理准备。
这个心理准备包括小周期和不确定性事件带来的起起落落，前沿技术发展的瞬息万变，商业落地过程的艰难险阻……
甚至仅仅在过去一年里，无论是技术层面还是商业应用层面，人工智能都有了方向性的改变。
首先是技术层面，各行各业的人都会发现，AI作画、AI写作、AI合成视频等各类应用仿佛一夜之间就出现在了生活的角落，AI已经从理解内容走向了自动生成内容，其到来的速度超出很多人的意料。
其次是商业应用层面，最具有代表性的还是自动驾驶。
过去大家都觉得，自动驾驶既然分为L2-L5，那发展应用恐怕也是按部就班。
但其实L2之后，率先进入商用的很可能是L4，并非L3。主要原因是L2和L4的事故责任界定很清晰，L3的事故责任却难以界定，普及需要更长时间。
事实也是如此，百度的L4级自动驾驶落地很快。截至今年9月累计订单超过了140万单，在北京、上海等10多个城市运营，在重庆和武汉还开放了全无人商业化运营。
显然，法律法规、现实可操作性、社会普及门槛，各种因素都可能成为人工智能应用航向转变的舵手，其复杂性也是困难的一个层面。
以及近在眼前的，人工智能的其他挑战也清晰可见：
实体经济很多领域的数字化改造尚未完成，而数字化本身并未能够带来效率的明显提升；
智能化的广泛渗透还需要时间，智能化对实体经济的巨大拉升作用也没有成为广泛共识。
因此，人工智能的商业化还需在黑暗中摸索一段时间。
不过老话说得好，挑战永远与机会并存，二者也确实总在商业世界的主旋律中并行出现。
就像李彦宏在演讲结尾提到的：“所有伟大的企业、伟大的创造者也是一样，没有一帆风顺，只有不断地历经困难再凯旋。”
看未来，头脑要清醒；看脚下，却也不能妄自菲薄。
敢于挑战长期的企业，就要有悲观主义的正确和乐观主义的前行，更重要的，是穿越周期的底气。
排版 | 敲敲
审校 | — —轮值主编 | 徐悦邦
