先说结论：强烈推荐《在线》这本书 - 大道至简，技术思想家带来一段通透的思考。
一晚读完了王坚博士的《在线》，书的内容并不多，精华散落其中，不由得结合自己AI的产品做一些新的“读后感”。
一、“大数据”这个词叫错了，它没有反映出数据最本质的东西。今天数据的意义并不在于有多“大”，真正有意思的是数据变得在线了，这恰恰是互联网的特点。
站在AI的解读：
数据是AI的三要素之一，大数据是现在我们解决AI问题的必要条件。我频繁看到很多工程师在抱怨数据不足、数据质量差，所以我们没有办法做“AI”。有了数据问题的抓手，抱怨者也有了“懒”的借口，失去了追本溯源，找到数据问题的本质的能力或者动力。我们有否想过给AI一个“学习”的好环境，就如孩子学习不好，我们是抱怨教材不好、孩子懒，还是反思我们如何给孩子设计一个更好的教具和内容？让数据在线，数据就有了“多”和“好”的前提，作为AI从业者，多为AI考虑，少为自己开脱，寻找数据源头的闭环、在线的可能性，无论是产品设计还是技术研发都会有更宽阔的解法。
二、非互联网时代的产品，功能一定是它的价值所在，而互联网时代的产品，数据才是它的价值。
站在AI的解读：
如果我们把软件功能与在线数据都作为产品的价值比较的话，两者最大的差异在于横向的延展性和纵向的持续性。横向来讲，软件功能的价值是解决事情、任务，任务完成，使命结束，而在线数据实时追踪、即时反馈的特点给了用户解决事情、任务更多的想象空间，我们利用数据解决了问题A，那么与它关联的问题B到问题Z都有可能在“活”的数据的流动中被一起解决；纵向来讲，软件功能解决的是静态时间切片的问题，而在线数据的流动带来的我们可以持续优化，在时间轴上持续地解决问题，逻辑上自然会带了更好的结果。同样的，我们回到AI的产品思考，理解数据的价值，抓住在线的触点，AI的应用自然也有了更强的生命力。
三、事实上云比原来的方法安全，就好像把钱放在银行还是放在枕头底下哪个更安全一样，一定是银行更安全！使用云计算需要克服的是心理障碍。
不得不佩服博士的格局。当国家已经把数据在2020年作为新的生产要素加入我们的国家战略时，一朵“公共云”或者几个公共云一定会使得我们的计算能力更高效，也确实如同银行之于金融行业的基石地位。但带来的问题是，最多的用户心理障碍是来源于信用问题，银行有国家信用的背书，但我们现在的公有云即便有阿里几千亿美元的背书，比起国家的基础信用来讲，恐怕也很难让企业放心地“存钱”进来。也许当计算成为和数据一样被重视的时候，国家的信用体系可以支撑这些云的发展。
站在AI的解读：
当我们把数据汇集凝聚成AI模型或者应用时，我们的产品用户是否有信心把这一些附加值更高的“钱”放入云，也是我们在做产品设计和IP保护是要思考的问题。
四、互联网之前的信息革命，完成了原子的比特化；而互联网的出现，则要完成比特的在线化。
站在AI的解读：
大家的讲述总是深入浅出，技术大咖的总是带着Geek范。原子的比特化，我们通过软件完成了信息化、数字化，而互联网的出现，将这些已经被数字化的数据尤其是离线的数据全部上线，全时在线。而从AI的角度看，AI的责任一定要将在线比特做自动化，无人化。
五、互联网的用户体验，本质在于它不同于线下体验，这才是关键。互联网之所以不同于传统行业，不是因为互联网提供了良好的用户体验，而是因为互联网本身就是对产同行业的跨越，千万不要本末倒置。
站在AI的解读：
确实看到了很多产品经理拿着用户一眼这张大虎皮，宣传了不少“黄金大便体”的文字和话题。一样的道理，为用户思考，思考本质，互联网的连接将大家物理世界的交易成本数量级、雪崩式地降低，完成了对传统行业的跨越。但我们要清晰地认识到AI至少现在的AI并未实现这样的跨越，所以产品的设计上如何与“连接”、“在线”做整合，以完成对用户的价值变现，才是核心的问题所在。
Tips：产品经理少提用户体验，在用户体验记在心里就好，提多了容易被自己忽悠。
六、数字化和在线是两种不同的境界，如同方正和谷歌的区别。
站在AI的解读：
离线 | 在线，一墙之隔，天壤之差，博士在其他章节也提到了一个更加直接的观点：单纯数字化的数据根本不是大数据。离线也有大数据，一个企业自有业务每天生产PB级数据的比比皆是，不同的是，在线带来了数据的流动，也给AI创造了源头活水，AI要做的是“智能的谷歌”，而不是“智能的方正”。
七、在线社会，云计算相当于发电企业，云存储相当于钢铁行业，而大数据就是福特汽车生产线。
站在AI的解读：
相比吴恩达将AI比作“水和电”，我想博士的解读更有全局观，如果把AI也嵌入进去的话，也许汽车产线上，生产出来的应该是自动驾驶汽车。
八、在线社会，云计算相当于发电企业，云存储相当于钢铁行业，而大数据就是福特汽车生产线。
站在AI的解读：
相比吴恩达将AI比作“水和电”，我想博士的解读更有全局观，如果把AI也嵌入进去的话，也许汽车产线上，生产出来的应该是自动驾驶汽车。
九、Analysis注重的是用数据反映用户的反馈，而Analytics不但要用数据反映用户的反馈，更重要的是利用数据给用户以反馈，这是只有在线才能做到的一种状态。
站在AI的解读：
一个洞察用户的反馈，一个给用户反馈，这样的动作更难的是这样的即时动作没有在线的确是无法完成的。AI作为在不同的Analytics层面都可以输出的技术能力，保证所有动作输出的在线与完整的反馈是基础也必须的条件。
十、大数据的厉害之处在于把沙子变成了硅
站在AI的解读：
本书最精彩，也最让我受启发的类比。如此类比，我们把芯片或者其他“核高基”的产业链拉开，就清楚了自己的位置，AI公司谁会是“Intel”？
十一、比别人早知道一点，就没什么东西能阻挡你了，只要早知道几分钟，你就有更大的机会赢取胜利，而数据会帮助你抢先那几分钟。
站在AI的解读：
什么是最稀缺的资源？什么成本最高？毫无疑问就是时间。阿里的同学分享他们的观星台时，活现了他们对于这几分钟的重视，数据实时，洞察实时，决策实时。AI的预测和决策能力同样要在这几分钟体现价值，无论是研发还是产品设计，钻研这几分钟，往往给用户带来的巨大的竞争优势。
十二、好的基础设施：
（1）能够用：要能够大规模使用；
（2）便宜用：成本要足够低；
（3）安心用：便利性和渗透率足够高；
当有了一个新的基础设施时，可以先不考虑它能起到什么作用，而是要想你能利用它干什么。
站在AI的解读：
如果我们把AI当做新的基础设施，AI是否具备了这三种要素成为基础设施？什么样的AI能够可以成为基础设施？或者AI = 基础设施本就是伪命题？有意思的问题，也留给我自己做思考。
有价值的是，当我们有了结论后，在这条路上面要走路，骑马，还是开车，才是价值所在。
十三、做死掉又如何？我从来不觉得作死掉的事情不伟大。我最讨厌的事情是，张还没开始打，就举白旗了。
之前看过很多博士带阿里云从无到有的文章和讲述，即便文字也让我深感其中艰难。在这本书里，虽无慷慨激昂，博士这一句话，让我看到真正的驱动力 - 梦想远大，内心笃定，是一种技术人从底层逻辑的坚持和执行力的承载。“为过程喝彩，为结果负责”，感慨良多。
十四、王坚：我将成为最大的客户经理，敦促提升服务质量。
这是博士在阿里云早期在产品不成熟的时候，给客户的承诺。对于产品经理而言，无论产品处在什么阶段，自己要对产品有100%的信心，要主动承担起来自己产品负责人的责任，主动担责，为用户负责。
