1704607830
1704607831
一浪快过一浪：第三波和第四波浪潮
1704607832
1704607833
已经有两波浪潮抵达了岸边，其中一波给我们带来了微软。第三波浪潮——Web 1.0，是以亚马逊和谷歌为代表的互联网。第四波浪潮——Web 2.0，带来了云计算和移动计算，苹果的iPhone、谷歌的安卓、亚马逊的AWS（云计算服务平台）是其中的赢家，还有一家新公司——脸谱网（Facebook）也强势登岸。在该次浪潮中，出现了基于云的软件公司，最著名的就是Salesforce。
1704607834
1704607835
每一个新的计算技术浪潮都比前一个更为猛烈，几乎是指数级增长，有前几个叠加在一起的乘数效应（见图5–1）。新公司成长的速度也大大加快。微软用了15年才取得10亿美元的年收入，谷歌成立于1998年，五年后年收入就达到10亿美元，到2015年，年收入超过了500亿美元。脸谱网在成立之后四年的年收入就达到10亿美元。亚马逊，成立于1994年第二波浪潮中的在线零售公司（Web 1.0），用了13年的时间年收入达到100亿美元，而亚马逊的云业务AWS，是第四波浪潮（Web 2.0）的新晋者，2006年发布之后，10年时间年收入就达到100亿美元。
1704607836
1704607837
1704607838
1704607839
1704607840
图5–1 新技术浪潮
1704607841
1704607842
技术浪潮与风险投资家
1704607843
1704607844
金钱（主要是以风险资本的形式）也在不断推动着技术浪潮前进。风险投资始于1959年，洛克菲勒家族的风险投资机构——文洛克创投公司（Venrock Associates）投资了仙童半导体公司。独立的风险投资公司直到20世纪70年代才出现，从凯鹏华盈和红杉资本开始，虽然当时它们的投资额都很小。
1704607845
1704607846
直到1978年，风险投资经历了第一个大筹款年，整个行业共筹集了约7.5亿美元。那一年，美国劳工部根据《雇员退休收入保障法》放宽了一些限制，允许企业养老基金投资于资产，为风险投资家提供了主要的资金来源。
1704607847
1704607848
虽然风险投资的总额增加了，但是投资到软件行业的额度还是有限。由于担心软件工程师（最重要的资产）跳槽以及这个新行业的新商业模式，20世纪80年代末到90年代初软件行业每年的投资达到4亿—6亿美元。1995年，软件公司的投资总额超过10亿美元。截至2015年，美国风险投资的580亿美元中，投资软件创业的金额增加到230亿美元，这增加了每波浪潮中新进入的公司的数量。1995年，风险投资家投资了435家软件公司。到2015年，这个数字增加到1800多家。同时，软件行业的领头羊也快速成长，包括通过自身发展以及收购其他新公司。微软2015年的收入达到930亿美元。第四波浪潮产生的Salseforce公司已经成为第六大软件公司，年收入达到60亿美元。年收入达到1070亿美元的亚马逊以及750亿美元的谷歌公司位列互联网公司榜首。
1704607849
1704607850
20世纪90年代，软件是如何开发的，其创新驱动力是什么？在第三波浪潮，免费或者开源软件成为网站开发人员的热门选择。开源软件，如Linux，降低了成立新公司的成本。这类软件不仅是免费的，还有来自全球的开发人员对其进行支持和快速优化。2000年，Salesforce公开发布了API（应用程序接口），这是访问基于Web的软件程序的编程说明和规范。专有软件不再是获胜的关键，软件和互联网变得更加开放和“可编程”。今天每种类型的软件都有超过15000个API。
1704607851
1704607852
第五波和第六波浪潮：大数据和物联网
1704607853
1704607854
互联网带来数据的大爆炸。所谓的大数据变得如此之大和复杂，传统的数据处理程序或者平台已经不足以获取、共享、存储和搜索所有信息，更不用说做任何预测分析了。2006年出现了一个名为Hadoop的开源平台，免费的开源软件Apache Hadoop与云计算平台掀起了大数据的浪潮。这套系统可以在几乎没有限制的、价格低廉的标准化服务器上对海量数据进行分布并行处理。
1704607855
1704607856
不仅仅是数以千计的应用程序及其数以亿计的用户会产生数据，在未来的10年中，估计会有超过1000亿台设备将连接到互联网，每台设备都有几十个传感器。超过万亿的传感器将从物联网的各个角落收集数据，包括可穿戴设备、自动驾驶汽车、无人机、卫星或者摄像机。随着大数据浪潮的到来，以及随之而来的物联网浪潮，我们从普通的互联网来到了“万物互联”时代，通过网络把无数的设备与人类连在一起。最近的这两波浪潮——大数据和物联网，都还没有到达岸边，第七波浪潮就已经到来，这是人们最关注的——人工智能。
1704607857
1704607858
第七波浪潮已经到来：人工智能
1704607859
1704607860
人工智能公司第一次出现在20世纪80年代的第二波浪潮中。在20世纪80年代，专家系统开始在个人电脑上出现。很多大学开设了专家系统课程，很多大公司在其业务中使用这项技术。风险投资家也投资了一些创业公司：Aion、Neuron Data、IntelliCorp以及Inference都是当时的领头羊。但是到90年代初期，这波浪潮中的专家系统以及人工智能公司基本都消失了，无一幸免。
1704607861
1704607862
就像在其他浪潮中一样，热衷者自信满满地宣称人工智能已经到来，有了未来的一些原型。随后的每波浪潮都给人工智能带来了一些关键模块。20世纪90年代人工智能技术也对自身进行了反思。但是，我们还处于这波浪潮的萌芽阶段，不太可能在弗诺·文奇给出的时间内达到奇点。
1704607863
1704607864
专家系统时代的人工智能成为一个被称为“机器学习”的新领域。机器学习是对数据进行学习并做出预测的算法。“深度学习”是其最新的分支，其算法是基于多层机器学习交互产生的数据。随着输入学习系统的数字化数据呈指数级增长、数据处理工具的优化、开源软件和廉价云设施的出现，人工智能创新呈爆炸式增长。
1704607865
1704607866
风险投资家再次表现出对人工智能的投资兴趣。初期，在浪潮形成之前，风险投资家投入了很多资金，并让这些公司保持低调，很多公司并不为人所知。对第七波浪潮——人工智能的投资开始于2010年左右（见图5–2）。人工智能的创业公司在2015年得到了26亿美元的投资。支持人工智能的基础设施工具在2015年获得了36亿美元的投资。当时，市场研究公司IDC估计在2015年只有1%的软件具有人工智能功能，很多都是刚获得投资的新人。IDC同时也预测到2020年，机器学习的市场规模将达到400亿美元，60%的应用软件将运行在亚马逊、谷歌、IBM和微软的平台上。
1704607867
1704607868
1704607869
1704607870
1704607871
图5–2 下一个大事件：投资人工智能创业公司
1704607872
1704607873
物联网及其各种应用实例引发了数字技术和数字智能的大爆发，让更多的人对其产生了兴趣。物联网为所有事物增加了情景感知功能。我的Nest Learning Thermostat（智能温控器，2014年被谷歌收购）可以编程和自我学习，它能够对我家里的温度进行控制和优化，并发送消息告诉我节省了多少能源。它基于机器学习的算法，在开始的几个星期，我需要调节恒温器以提供参考数据集。现在它“认为”自己已经学会了我的作息时间并能调节到合适的温度。使用内置传感器和我手机的定位功能，当它认为我不在家的时候会自动切换到节能模式。我的Rachio洒水控制器能够自动地分析最近以及未来的天气与湿度情况，不再需要我自己去看天气预报和控制洒水开关。从监控摄像头到门锁及冰箱，家居设备在整合了数据和机器学习后将变得更加聪明。
1704607874
1704607875
科幻小说作家亚瑟·克拉克说过：“当技术足够先进时，将变得与魔术一样。”在这波人工智能的浪潮中，软件巨头和新公司在“软件机器人”[2]领域相互竞争，讨人类欢心。通常，软件机器人主要用来执行比较简单和重复的任务，速度远高于人类。
1704607876
1704607877
在一个有着成千上万个应用程序以及数百种设备的世界里，要想讨得人类的欢心并不难。我很喜欢我的亚马逊Echo，Alexa（Echo里面的语音助手）能够识别我的声音，并对我需要快速访问大量数据的请求做出响应。事实上，它已经与我的很多智能设备通过亚马逊的API连接在一起。在开车的时候，我依靠Siri来发送短信。当谷歌使用Google Now对我的搜索请求做出预测时，让我大吃一惊。现在，生活中有很多的应用程序和软件机器人为我提供帮助。以后，当我回顾现在时，可能会说这些软件机器人只是“未来的原型”：本质上只是具有很强的语音识别功能的快速搜索引擎。我抱有很高的期望，很快我将能够与苹果的Siri、微软的Cortana、亚马逊的Alexa或者其他公司的产品进行真正的对话（Alexa已经有了幽默感，当我要她“给我打开分离舱门”时，她回答说“对不起，戴夫，臣妾做不到。我不是哈尔，我们现在也不是在太空中”）。
1704607878
1704607879
当我们在等待能够通过语言交流来运行并且最终通过图灵测试（由阿兰·图灵在1950年提出，用来测试某种机器是否能表现出与人等价或无法区分的智能）的计算机出现时，毫无疑问，我们让软件变得越来越聪明。在第七波浪潮中，一个快速的、良性的、互相竞争的创新循环带来了无形的动力。随着软件变得更加聪明，这种嵌入式的智能应用广泛出现：商业应用程序中更加优化的推荐引擎、程序化广告投放（programmatic ad placement）、医疗诊断、呼出呼叫中心（outbound call-centre）系统、投资组合选择、风险分析和优化、产品定价、交通线路搜索。