人工智能只是一種技術手段，數(shù)據(jù)資產(chǎn)最終決定人工智能的行業(yè)應用發(fā)展，以及企業(yè)新的市場。

隨著互聯(lián)網(wǎng)、開源、云計算等技術的發(fā)展，企業(yè)在技術上會越來越接近。

不久的將來，超級摩爾定律下芯片計算力會有更大突破，人工智能作為一種技術能力將越來越普及，長期來看，技術能力上的差異會越來越小。

在行業(yè)應用上，真正能建構牢固“護城河”的核心要素一定落在數(shù)據(jù)上。

那么，數(shù)據(jù)又從哪些維度展開競爭呢？

第一，數(shù)據(jù)的品質(zhì)。

比如數(shù)據(jù)的準確性、完整性、可追溯性、持續(xù)性、真實性和共享性。這些品質(zhì)決定著人工智能模型的質(zhì)量，也決定最終的落地成果。

第二， 數(shù)據(jù)競爭存在先發(fā)優(yōu)勢。

那些占據(jù)著特定的應用場景，并且更早、更多地獲取數(shù)據(jù)的領域，人工智能的優(yōu)勢會更明顯。

第三，數(shù)據(jù)的安全和隱私保護，決定了人工智能應用最終可以走多遠。

一、提升數(shù)據(jù)品質(zhì)

針對特定領域的數(shù)據(jù)集越龐大、越真實、越準確、越可追溯、維度越豐富、越協(xié)同共享，越能得出最佳算法并帶來競爭優(yōu)勢。

比如，在奈飛的網(wǎng)站上，圍繞用戶的維度，有性別、年齡、瀏覽過的電影、喜歡的明星、過往閱覽記錄等;圍繞某個電影的維度，有年代、導演、演員、風格、題材、用戶評價等。

繞兩個主體的數(shù)據(jù)維度越豐富，越能在兩者間建立精準匹配的關系，讓企業(yè)以更好的體驗擴大用戶群，不斷強化自己的優(yōu)勢。

我們看到，App的用戶規(guī)模越大，往往越能更精準地滿足個性化體驗。

比如，現(xiàn)在我們使用的一些音樂App已經(jīng)能夠精洞悉每個用戶喜歡的音樂風格，并準確推送喜歡的音樂。

對如何提升數(shù)據(jù)品質(zhì)，企業(yè)可以在兩方面同時努力：

內(nèi)部，要有系統(tǒng)的規(guī)劃，實時采集和整理數(shù)據(jù)，建立長期數(shù)據(jù)積累;在外部，要有意識地構建生態(tài)體系或者尋找合作伙伴，盡可能多地獲得相關數(shù)據(jù)，且搭建統(tǒng)一架構，幫助數(shù)據(jù)互通。

二、數(shù)據(jù)的先發(fā)優(yōu)勢

數(shù)據(jù)競爭一定存在先發(fā)優(yōu)勢。企業(yè)越是占據(jù)特定的場景，更早、更多地獲取數(shù)據(jù)，人工智能的優(yōu)勢就越明顯。

現(xiàn)在，數(shù)據(jù)尚未全面商品化，企業(yè)與企業(yè)之間的數(shù)據(jù)交換尚未暢通。

由于市場的復雜和競爭、數(shù)據(jù)安全和監(jiān)管等原因，企業(yè)或機構不敢輕易開放數(shù)據(jù)，企業(yè)或機構需要通過自己的產(chǎn)品和生態(tài)體系來獲得更多數(shù)據(jù)。

從這個角度看，平臺型科技公司基于自己強大的數(shù)據(jù)基因，占有完全優(yōu)勢。

長期來看，數(shù)據(jù)是可以創(chuàng)造收益的資產(chǎn)，是公司的核心競爭力，越早入局規(guī)劃，越能占據(jù)主動。未來數(shù)據(jù)全面商品化之后，價值會非常明顯。

三、數(shù)據(jù)安全和隱私保護

對數(shù)據(jù)安全和個人隱私的保護程度，決定了人工智能可以走多遠。

數(shù)據(jù)安全有兩層含義：

一是保證用戶數(shù)據(jù)不損壞、不丟失，這種情況發(fā)生的概率不大，數(shù)據(jù)存儲在云端也安全得多;二是保證數(shù)據(jù)不泄露或者濫用，這是主要的關注點。

無論在電子商務、航空旅行、金融借貸還是醫(yī)療行業(yè)，全球已發(fā)生多起數(shù)據(jù)泄露的件，引發(fā)公眾的憤慨。

2017年，單是美國征信企業(yè)艾可菲（Equifax）一家公司的信息泄露就涉及多達1.43億人的姓名、住址、出生日期、社會保障號和駕照等敏感信息。

人們不可能縱容自己的數(shù)據(jù)隱私被侵犯。任由信息泄露和濫用，公司會陷入輿論的漩渦，商業(yè)發(fā)展的困境最終會阻礙人工智能的發(fā)展。

四、找到“強相關數(shù)據(jù)”

首先，無論大數(shù)據(jù)或小數(shù)據(jù)，有價值的就是好數(shù)據(jù);其次，“大數(shù)據(jù)”這個詞，更多是一種思維方式和一個時代標志。

實際的場景中使用的數(shù)據(jù)往往是有限的，真正有用的是“小數(shù)據(jù)”。

兵法上講，“傷其十指不如斷其一指”，大數(shù)據(jù)是一樣的道理，要用力在關鍵的“一指”上，不必追求“十指”面面俱到。

用戶源源不斷地產(chǎn)生數(shù)據(jù)，目前對于企業(yè)來說，數(shù)據(jù)的收集和存儲能力并不構成障礙。

癥結在于，90%的數(shù)據(jù)沒有被真正利用起來，成了“廢數(shù)據(jù)”。

主觀上，這與機構的數(shù)據(jù)思維文化有關，并不是所有公司都能像奈飛、亞馬遜那樣推崇用數(shù)據(jù)說話。

客觀上，則與數(shù)據(jù)的相關度有關。

比如一名用戶10年前的互聯(lián)網(wǎng)數(shù)據(jù)，對于分析當下或預測未來并沒有太多的作用，時間序列上的弱相關度，大大減弱了數(shù)據(jù)的效力。

相關數(shù)據(jù)，特別要強調(diào)與特定場景的相關度?，F(xiàn)在，人工智能的應用針對的是某個具體任務或具體目標，需要的數(shù)據(jù)類型不盡相同。

比如，傳媒、金融、醫(yī)療等各行業(yè)需要的細分數(shù)據(jù)不同，具體到同一行業(yè)的子領域也不同。比如，在醫(yī)療領域，心血管疾病和癌癥診斷所要的細分數(shù)據(jù)就不一樣。

大部分人工智能的應用場景，都是針對一個具體的任務。

比如，個人信貸鑒別申請者的信用風險，餐飲外賣確定最優(yōu)的派送路線，資訊信息流做精準的個性化推薦……具體的場景中，起作用的主要是相關度高的數(shù)據(jù)。

五、重視小數(shù)據(jù)

相對大數(shù)據(jù)來說，能直接用起來的相關數(shù)據(jù)，往往是一種特定的小數(shù)據(jù)。

這里的小數(shù)據(jù)，指的是使用場景單一、對應算法簡單、及時性較高、數(shù)量規(guī)模較少的數(shù)據(jù)。

可以說，大數(shù)據(jù)是宏觀、全面的分析，小數(shù)據(jù)則是針對特定任務的具體分析?，F(xiàn)階段真正好用的其實是小數(shù)據(jù)。
責編AJX