序言

从2016年开始，我在一家芯片公司工作，负责公司的市场销售，我们的客户主要是智能手机制造商。这几年智能手机行业可谓哀鸿遍野，一方面手机整体出货量逐年下滑，另一方面手机公司大量倒闭，行业快速走向集中化，给客户拓展带来了很大的难度，犹如逆水行舟。而这几年整个移动互联网相关的行业似乎也在经历一波困难，各种风口都消失了，就连行业巨头也面临增长压力，频频爆出裁员的信息，中小企业更是举步维艰，创业公司大量倒闭。商业模式上，O2O增长乏力，共享单车一片废墟，互联网金融的雷声此起彼伏，公安机关成为俘获独角兽最多的机构，互联网造车也几乎从神话变成了笑话。

而另一方面，一股以 5G、 人工智能、量子计算、物联网为代表的新力量萌发又让大家都对长期的未来充满了信心和憧憬，似乎我们正站在一个旧时代和新时代交替的拐点上。

我相信，和我一样，今天，大部分智能产业的玩家都已经意识到自己走到了一个新的路口，未来和过去会很不一样，也依稀地看到了一些新的趋势和苗头。但究竟路在何方？未来的大方向在哪里？关键点有哪些？我一直在苦苦思索智能产业的发展到底有什么内在规律？于是用业余时间开展了一些研究工作。

我的研究范围主要在手机、汽车、IOT等智能终端以及互联网、云计算、人工智能、通信和物联网等研发和生产具备数据处理或联网能力的硬件、软件和服务以及为此提供技术支撑的行业，暂且称其为泛智能产业。

智能场景化将成为智能产业的关键发展方向

经过长期观察和大量研究，我认为智能产业当前最重要的发展方向是智能的场景化（场景是指用户场景，包含三个方面：用户、用户需求和行为以及环境和资源）。

智能为什么会走向场景化？这需要我们把视线聚焦在决定智能发展的两个关键底层要素上：人的需求和技术的约束。首先看人的需求，根据马斯洛的理论，人的需求是分层次的，从低到高依次为生理需求、安全需求、情感和归属需求、尊重需求、认知与审美需求和自我实现需求。越底层的需求越具有稳定性和人与人之间相似性，越上层的需求越容易变化而且越因人而异。在智能产品和服务的使用和消费方面，人们总是希望用尽量少的代价(体力、时间、金钱等)获取尽量好（安全、便利、高质量、高体验等）的产品和服务。而随着人对产品和服务品质要求的提高，需求的变性化和人际差异性就会越来越复杂。但是以未来十年之内的技术条件，要想跟上人的变化和差异，只能分场景实现，系统级重构场景中一切硬件、软件和服务，重新组织资源的连接和组织形势，重新划定环境的边界。 这是因为只有在特定的场景中，即在具体约束下（比如：给定的环境和资源），针对特定用户群的特定需求，人的需求和行为才会有规律可循，才能相对稳定和同质化。因此场景化将不可避免地成为智能产业的关键发展方向。为了研究场景化趋势下智能产业的发展规律，我提出了智能场景模型。

智能场景模型

首先，我选取人、物、智能、数据和连接这五个最基本、最重要的要素，并定义了要素之间的关系，在场景的约束下构建了一个智能场景系统模型。

在这个模型的基础上，我又得到了五条定律，用于揭示智能场景发展的内在规律。

一、智能定律：智能水平I=F(D,C)；D为数据量、C为连接量、F为数据处理能力。

二、动力定律：智能场景主要的发展动力来自于系统内的增强回路。

三、红利动律：场景红利=（数据边际价值-数据边际成本）*（连接边际价值-连接边际成本）。

四、迁移定律：人和物会从低红利场景向高红利场景迁移。

五、权力定律：连接和决策的主导权将逐渐由人向物转移。

六、进化定律：人的数据化和进化加速将推动智能突破场景的限制，走向通用智能。

接下来，我将对模型和定律作详细解释。

智能场景是以场景为边界，由人、物、智能、数据和连接这五个要素所构成的系统，智能场景模型揭示了智能场景的基本内在规律。这里的人指智能产品的用户；物既包括手机、汽车、IoT等智能硬件也包括了软件、内容和云服务等非硬件智能产品。人和人、物和物、人和物建立连接，产生数据；而这些连接本质上都是数据之间的连接。人和人的数据、人和物的数据、物和物的数据之间连接形成大数据和大连接，涌现出智能，智能又赋能给人和物，让他们产生更多的可用数据和可用连接，更多的数据和连接涌现更强的智能，如此正向反馈循环，最终在特定场景下的智能快速自我加强。宽带、移动互联网和各种智能终端的发展促使人产生越来越多的数据和连接，而5G和物联网的发展会使物产生比人更多的数据和连接。云计算、边缘计算、大数据、人工智能、量子计算等技术又使数据涌现智能的效率越来越高。智能赋能于人，扩展了人能力和行为的边界；智能赋能于物，扩展了物的数据化、连接能力、主动性和智能化；人和物产生更多数据并建立更多连接。

个别特殊的场景中可能没有人，只有模型的右半部分，比如部分工业场景；但是所有的场景都最终受到人的需求的驱动和技术的约束，依然符合智能场景化的规律。

智能是我们追求的结果，所以我的研究从智能开始。欲研究智能，首先要提出一种度量智能水平和揭示智能形成机理的方法，并且尽量的数学化，以展开定量研究，而不只是定性研究。即便不能进行绝对数量的度量，至少也要可以进行相对数量级的比较，为后续分析打下基础。由于智能场景系统结构和宏观经济的市场结构具有某种相似性。我想到了借鉴宏观经济增长理论的索洛模型来类比研究智能场景。

第一定律：智能水平I=F(D,C)；D为数据量、C为连接量、F为数据处理能力。

智能的水平主要决定于数据量、数据之间的连接量和数据涌现智能的能力即数据处理能力，智能水平的索洛模型可以表示为：I=F(D,C)，I(intelligence)代表智能水平，F是常用函数符号，代表数据处理能力，D（data）代表数据量，C（connection）代表连接量。数据量可以细分为多种不同类型数据的量，D1、D2、D3......。同一种数据类型是指同一种主体（人或者某种物）的同一种属性的数据，比如打车乘客的位置信息，比如空调温度传感器给出的温度信息。 连接量又可以细分为多种不同类型连接的量，C1、C2、C3......。同一种连接类型是指同样的两种数据类型之间的连接，比如打车乘客和滴滴司机的位置数据之间的连接。数据处理能力可以细分为算力、算法能力、数据传输能力和存储能力等多个能力维度，F1、F2、F3......。所以I=F(D,C)又可以进一步表示为I=F1（F2(F3...Fn(D1,D2,D3...Dn,C1,C2,C3...Cn))...)，各种类型的数据量、各种类型的连接量和各种类型的数据处理能力一起决定了智能水平的高低。

第二定律：智能场景主要的发展动力来自于系统内的增强回路。

从系统动力学角度来讲，这个系统自我发展的主要动力来自于系统内部的增强回路。从智能场景模型中可以直观的看到左边有一条人——数据——智能——人构成的增强回路，右边有一条物——数据——智能——物构成的增强回路。还有两条增强回路，分别是人——数据——智能——物——人和物——数据——智能——人——物。而人和物不是孤立的，人和物之间有连接和交互，人和物的数据也不是分离的，是融合在一起的。所以可以简化为由数据和连接、智能以及人和物的集合这三个要素构成的增强回路。智能赋能于人和物，不仅使人和物产生了更多的数据，而且也产生了更多有价值的连接。

第三定律：场景红利=（数据边际价值-数据边际成本）*（连接边际价值-连接边际成本）。

虽然有增强回路的作用，但智能场景的发展也不是无限的。那么智能场景的发展边界在哪里？由什么决定？根据I=F(D,C)，智能水平由数据量、连接量和数据处理能力决定。而在特定场景下数据量、连接量和数据处理能力都不能无限提升，因为一切皆有成本。随着场景的发展，将出现数据边际成本递增和数据边际价值递减效应。数据的边际成本是人和物再产生一个单位新增数据的成本，数据的边际价值是指新增一个单位数据所增加的智能水平。也会出现连接的边际成本递增和连接的边际价值递减效应。场景红利是衡量场景价值的重要指标。场景红利的定义为：场景红利=（数据边际价值-数据边际成本）*（连接边际价值-连接边际成本）。

那么数据和连接的边际价值和边际成本有什么样的内在规律呢？ 在现实中，往往同一类型数据的边际价值和边际成本随着数据量的变化曲线呈钟形和倒钟形分布；同一类型连接的边际价值和边际成本随着连接量的变化曲线也呈钟形和倒钟形分布。边际价值呈钟形分布的原因和经济学中生产要素的边际价值呈钟形分布的原因类似。因为一开始新类型的数据或连接的规模不够，也没有形成网络效应，所以智能水平提高有限。到一定程度后，由于一种新的成规模的稀缺资源的进入，和网络效应的作用，使得场景智能的水平加速提高。当智能水平足够高时，再输入同种类型的数据或连接，边际价值将会降低。边际成本呈倒钟形分布的原因和经济学中生产要素的边际成本呈倒钟形分布的原因类似。要产生一种新类型的数据或者建立一种新类型的连接，需要投入一些成本来完善基础设施，所以开始时边际成本较高；基础设施基本具备后，再产生新的相同类型的数据或建立新的相同类型的连接的成本就会快速降低，到一定限度后，容易挖掘的数据和连接都已经进入场景，剩下的难度会逐渐加大，成本逐渐提高。由于场景中存在多种类型的数据和连接，当每增加一种数据或连接时，达到一定量后，场景红利会快速增加，然后增速下降，最后达到瓶颈。当所有类型数据的边际成本等于其边际价值，所有类型连接的边际成本等于其边际价值，场景红利消失，场景将失去发展动力。

这就解释了为什么移动互联网开始的前两年发展并不迅速，然后持续加速发展，最近几年又遇到了瓶颈。可以预见的是，随着5G的普及，两年之后，人工智能水平将以远远超过4G时代的速度加速发展，并且持续更长的时间，创造更大的经济和社会价值。因为5G时代的智能场景中的新增数据类型和连接类型会更加丰富。一个场景中的潜在新增的数据类型和连接类型越多，场景红利会越大，越持久，因为每一种新增的数据类型或者连接类型，在其边际价值大于边际成本的时期，都给场景红利增加了一个新的乘数，虽然前期需要投入一些成本来挖掘这种数据或者建立这种连接。那么数据类型的扩展空间和什么有关系？场景的基础设施的承载能力？场景的移动性？场景的重度和频度？这涉及场景结构的分析，话题较大，留作后续研究。

第四定律：人和物会从低红利场景向高红利场景迁移。

不同的场景最本质的区别是场景红利的不同。当一个场景的红利殆尽，人和物以及其产生的数据和连接都会从低红利场景向高红利场景迁移，从以获得更高水平的智能，从而造成场景的繁荣和衰败，并造成新场景的崛起和场景之间的融合。

由于场景内部的增强回路作用，人和物迁出的场景将加速衰败，人和物迁入的场景将加速繁荣。数据的迁移成本很低，而人和物以及连接的迁移成本较高。尤其是人，有些低红利场景也是必需的，所以会出现场景融合现象，多个小场景融合成一个大场景。比如“新零售”实际上就是经历了人和物大量从线下场景迁往线上场景，造成线下衰败、线上繁荣，而最终又无法完全脱离线下，线上线下才融合成新的零售场景，数据和链接类型合并，创造新的繁荣。

技术的发展将不断降低数据和连接的边际成本，提高数据和连接的边际价值，打破现有均衡，推动场景向更高的均衡发展。场景的融合也会推动场景向更高的均衡发展。目前的技术可以几乎无止境的降低物产生数据和连接的边际成本和提高物的数据和连接的边际价值，但不能无止境的降低人产生数据和连接的边际成本和提高人数据和连接的边际价值。主要是因为目前人的数据化还远远不够，人产生数据的能力也有瓶颈 ，而且人的数据涉及隐私。人的数据更多来自人的身份和过往的行为，而目前技术往往还不能即时将人当下的需求和自身状态数据化，人的数据化还远远不够，这一点导致了我们的人工智能还处于基于过去推断现在的水平。相对于物来说，人数量有限，人时间有限，人反应迟钝，性能不高，所以人产生数据的能力是有瓶颈的。人的数字化瓶颈，人的数据和连接边际成本的上升将成为智能场景发展最大的制约因素。

第五定律：连接和决策的主导权将逐渐由人向物转移。

人的数字化瓶颈还会产生另外的效应。从智能场景模型可以看出，右边的增强回路动能比左边更加强劲。万物互联时代，物产生数据和连接的能力将会超过人，智能为物赋能的方便性也将超过人，物的数据化、连接能力、主动性和智能化都将快速提高，这导致人与物之间建立连接和决策的主导权开始发生转移。过去主要由人来发起连接和决策，这个主导权会逐渐向物转移，目前已经处于过度阶段，我称其为联合决策阶段。抖音小视频就是个很好的例子，由系统决定下一条内容，人决定是否看下去。

第六定律：人的数据化加速将推动智能突破场景的限制，走向通用智能。

要破除人的数字化瓶颈的限制，追求更高的智能，同时保持人的主动性和控制权，就需要提高人的数据化程度，提高人产生数据的能力，并建立更好的数据使用机制，基因技术、生物工程、脑科学、认知科学、伦理学将闪亮登场。场景三要素为人、人的需求以及人受到的环境和资源约束。一旦人自身状态充分数据化、人的需求和目标充分数据化、资源和环境也充分数据化，场景的边界将彻底倒塌，人工智能彻底突破场景限制，走向通用智能。人也走向智慧设计和快速进化的深渊。人们不用担心机器将来主导世界，因为未来人将成为最强大的机器。

智能场景导论的应用

现在，我已经在理论推导的路上走了一段距离，得出了几条重要的数学化的定律，也得到了智能水平、场景红利这样基础的概念，并触及到了智能产业以外的领域。

之所以要进行抽象的理论推导，是因为不抽象就无法系统思考，不抽象就无法区分关键因素和非关键因素，就会迷失方向，找不到整个系统底层的动力所在。只有精确识别关键要素，理清关键关系，从具体业务中抽象出模型，经过推理得出一些系统级规律，再投射到具体业务中去，才能够给具体业务更深刻、更本质、更普适性的指导。

场景智能化既关系到整个智能产业尤其是行业巨头的未来发展，也关系到所有人尤其是智能产业从业者的切身利益。 场景化的智能不断循环反馈，自我增强，这种力量会造成强烈的幂次效应甚至造成垄断。行业巨头必然会竞相争夺场景化智能的主导权和参与权，至少要在这个循环中的某个关键环节扮演重要的角色，否则将不能保持自己的市场地位。一般企业也要在部分场景的部分环节拥有一席之地，否则将不能生存。而且在一个产业生态中，行业巨头往往具有绝对的主导力量，其他公司的机会点在哪里部分取决于巨头之间竞争的需要。比如因为谷歌需要和苹果、微软以及塞班竞争，大部分智能手机公司有了免费的操作系统可用，而且Android还持续更新优化，并推出一系列在线的服务。再比如由于小米需要尽早，先人一步地布局IOT，很多小米生态链的公司获得了发展机会。智能场景或者场景化的智能有两个关键词，“智能”和“场景”，智能是能力，是企业未来竞争力的核心。场景作为模型的边界，是智能的载体，是企业未来竞争的战场。个人更不用说，未来趋势会严重影响个人的职业发展和生活水平。产业发展趋势是这个产业生态中每一个企业和个人发展的底层约束，可谓顺之者昌，逆之者亡。

现在我在理论的路上先暂停下来，运用理论分析一些重要的实际问题，来验证理论的有效性和局限性。

我选择了如下几个实际问题：

未来企业的产品和业务战略。

未来哪些场景会繁荣，哪些场景会衰败，有哪些重要的新场景即将崛起。

未来的汽车。

未来的操作系统和个人助理。

未来的视频。

智能产业巨头业务战略的分析。

后续会持续更新。