智力革命是縱貫三次產業的升級動力（下）

閔萬里 車文心

只要我們始終堅持科技創新，牢牢抓住“計算力+數據”，把新動力沿著新路徑朝著新方向投射到全產業，就一定可以讓三次產業煥發出新動能，重塑全產業和諧共振的新格局，孕育提供通用智力服務的新物種，最終建成現代化強國，實現中華民族的偉大復興

步入2020年，新冠疫情的全面沖擊促使各行各業加速擁抱數字化，而中國推出的“新基建”政策將促進創新驅動發展和新舊動能轉換。在這些大背景下，既要深刻理解新舊動能轉換不等于新舊產業替換，更要甄別“淺創新”與“潛創新”，尤其是如何用好“計算力+數據”這一新動力，在貢獻中國GDP一半的傳統常青行業中挖掘潛在新價值。新動力在成熟行業中既能創造發展新動能，還能催生超越獨角獸的新物種，更能創造產業文明的新格局。本文將延續上一期內容對此予以闡述。

一、新動能：在成熟產業中注入新智力，創造新價值

近幾年，我國一直在推進供給側結構性改革和新舊動能轉換。新動能既表現于新興產業，也來自成熟產業的提質增效，尤其是通過數字技術與“計算力+數據”這個新動力推動成熟產業實現智能化升級，使新智能創造新價值。

（一）讓產品學會思考：智能化增加附加值

2019年，在香港中環的寫字樓里，筆者關注到Schindler品牌電梯的新設計。這種電梯替代傳統電梯那種先輸入上或下、進入電梯后再輸入目標樓層的做法，而是要求乘客在電梯外鍵盤上先輸入目標樓層，當乘客的乘梯需求被迅速傳達給調度模塊后，基于精準信息計算的電梯分配方案會優于傳統電梯的“半盲調度”。以這個場景為例：電梯A與B各自搭載12人從底層分別去第22層和第19層，A比B早出發10秒，而有1人在第10層等候要上第19層，那么應該分配哪個電梯停在第10層接人？新電梯比傳統電梯更聰明更高效，顯然是分配電梯B，因為按照目的地合并同類項，停梯次數最少，耽誤的總人時最少。但是傳統調度會按照“先來先服務”原則分配電梯A到第10層接人并在第19層停車放人，多一次停梯耽誤了要去第22層的12人的時間。

這個案例說明，數字化浪潮下的智能革命必將席卷全產業鏈，具有百年歷史的電梯產品也借助“計算力+數據”提升思考力和智能化水平。事實上，在很多領域，數字技術正在讓供給與需求之間的信息實現雙向透明完整。如果三次產業能夠抓住這個趨勢主動提升產品的智能化定位，就可以優化供需對接，提升產品服務效率，贏得高附加值。

（二）讓生產線學會思考：智能化提質增效

在很多制造業細分領域，我國的龍頭企業已經用高度自動化生產線提高生產效率，但是成品的良品率和質量穩定性仍落后于發達國家，提高生產制造環節的質量效率是制造業整體升級必須直面的挑戰。日本和德國的高端制造業提供了兩種不同思路。

日本以精益求精的工藝技術把產品的品質做到了極致。以豐田的精益生產為代表，日本工業路線的思路是強化SOP標準操作流程，讓每個崗位上的工人操作出奇地穩定，從而保證成品質量與生產的連續性，但是這種路線對人的過度依賴已經顯示出不可持續性。二戰之后日本最敬業的那一代匠人退休，接班者的工匠精神退化，制造業必然出現下滑趨勢。近年來日本制造業陸續爆出造假丑聞，例如2016年6月曝光的神戶制鋼篡改鋼線強度測試數據長達9年，三菱材料、斯巴魯、日產等日本知名企業也紛紛爆出篡改產品檢測數據。

不同于日本工業路線“讓工人像機器一樣可靠”，德國工業設計則是“讓機器像人一樣博聞強記”。前文提到的Schindler新電梯，作為瑞士品牌忠實反應了德國工業路線的特點，它們把產品及設備生產線設計得知識淵博，植入功能模塊處理各種預設場景。但是，預設場景不可能窮盡所有實際情況，遇到未預設場景時就有挑戰，因為產品及產線的智能水平在設計定型的時候就被固化了。再以寫字樓電梯為例，我們經常見到電梯按照固定分層運行（A梯1～12層，B梯13～24層）。假設樓內員工分布大部分集中在8～10層，那么電梯需要臨時加大對8～10層的供給，顯然新方案（A梯1～10層，B梯8～24層）優于原來方案。事實上，從電梯最新的運載數據可以自動識別各個樓層的員工分布，再相應計算最優的樓層分梯方案，通過“計算力+數據”賦予電梯自動調整分梯運營的智力，但是市場上還很少見到有如此自學能力的電梯。同理可推，生產線設備在運行中損耗，識別損耗情況后需要計算調整工藝參數，而不是一直采用標準工況的參數設定，所以把機器設計得“博聞強記”并不等于具備隨機應變的智能。

由此可見，產線智能化的路徑不能照搬日本或者德國的思路，而是需要結合兩者的優勢，利用“計算力+數據”新動力賦予產線自我學習進化的能力，即：“讓產線像人一樣學習”，而不是灌輸僵化的知識。機器產線的IQ自我進化，既能減少對人工的依賴，也能自主應對多樣化場景，最終達到提高服務質量與生產效率的目的。

（三）讓產能學會共享：平臺化服務化

先進生產力通過服務化、共享化加速行業擴散的路徑有史可鑒：電廠集中發電，提供電力服務，推動全產業的電氣化變革;云計算把計算力輸送到企業，提供計算服務，推動企業智能化升級。那么對于農業和工業尤其是制造業，能否把先進產能開放共享并承接同行業內的訂單？答案是可行的，前提是先進產能以產線柔性應對訂單品類多樣性，以產能彈性應對訂單量的波動，從而保證制造服務的連續性，類似C2M（Customer to Manufacturer）平臺模式。首先樹立行業內產品與組件標準，再把多種訂單需求類型做標準化分解，然后實時串聯排產排程、生產執行、倉儲、供應鏈等數據，結合多種約束條件（人員排班、物料庫存、產能余量、時間窗口等），依據組合原則（訂單完成效率、產線負載均衡）分配訂單與調度產線。這種分配調度計算一直是運籌優化的經典難題，但今天強大的計算力已能實現準實時求解。通過先進產能共享，既能激勵行業創新，還能通過分流訂單的方式加速淘汰落后產能。

二、新物種：“咨詢+技術+金融”的通用智力服務商

先進生產力必然會催生新的產業巨頭，例如第二次和第三次工業革命分別誕生了通用電氣GE與Intel。在其發展歷程中，資本發揮了重要的推動作用，而GE的百年興衰史也預示第四次工業革命大潮中可能會誕生一家“通用智力”公司。

（一）產融結合：GE的百年輝煌與衰落

愛迪生發明電燈后于1882年成立了愛迪生照明公司，1892年合并成立了GE。而GE陸續推出了電燈、中央發電站、電氣火車頭、X射線成像儀、熱感應電爐、第一臺民用雷達、固體激光器、便攜式空調和磁共振成像系統。這些劃時代的產品也讓GE雄踞道瓊斯30指數111年（直至2018年6月26日）。GE的成功帶有鮮明的特點，追尋先進生產力“電力”的行業應用場景打造創新產品，不斷跨越行業邊界（照明、交通、醫療、家電），牢牢把握電力“行業通用”的特點做跨界創新，而資本在GE的成長中功不可沒。著名的J.P.摩根資助了愛迪生的研究發明并推動成立愛迪生通用電氣公司，最終在1892年與湯姆森-休斯頓電氣公司合并為GE，可以說摩根財團就是GE的早期風險投資人。而GE在1905年涉足商業信貸服務并逐步壯大為GE金融，為集團產品銷售提供金融服務。GE利用制造業的優勢拓展金融服務渠道，同時又利用金融配套服務強化制造業中的客戶關系，極大地拓寬了GE能源和航空業務的發展空間。在1980—2000年期間，GE金融為集團主營業務貢獻了41%的利潤（52億美元，2000年），創造了產融結合的標桿。

但是GE金融發展壯大后脫離了服務于制造業的初心，其利用高杠桿擴大收入累積風險，在2008年全球金融危機中被重創。最終GE在2015年剝離大部分金融業務，回歸高端制造業。GE的百年輝煌說明金融業務能強化實業競爭力;GE的衰落也警醒產業與金融的結合要以“產”為核心，尤其是以實業為本，避免落入主業空心化的金融泡沫。

（二） 智融結合：“咨詢+技術+金融”新物種為產業提供智力服務

正如通用電氣傳奇CEO杰克·韋爾奇在其自傳中所說，GE金融的成功證明了資本與智慧融合能帶來額外的增量價值。在第四次工業革命的背景下，既然“計算力+數據”新動力能推動各行各業的智力革命，那么按照“資本與智慧”的邏輯推演，是否會再孕育出一個GE？筆者認為一定會誕生。因為“計算力+數據”是跨產業通用的新動力，如果掌握了通用的方法論，跨產業快速嵌入新動力，輸出智力，創造無可辯駁的新價值，那么就會出現“通用智力”的新物種。新物種可以形象類比為“McKinsey+SAP+Blackstone”，它用“咨詢+技術+金融”的形式實現“方法論+新動力+資本”的內涵，為企業創造新價值，而且是以“正和”的游戲創造可持續新價值。

這種“智融結合”與GE產融結合有著本質區別。GE是用金融服務幫助客戶購買含有智慧結晶的GE產品（發動機、汽車等），而“智融結合”則是利用金融服務幫助企業購買以“計算力+數據”為核心的智力服務，即“產品化的智慧”與“服務化的智慧”之區別。

為什么要以服務化而非產品化的方式把“計算力+數據”投射到企業？主要有四個原因：第一，產品化不宜急于求成。“計算力+數據”作為新動力尚處于產業擴散的早期，行業成功案例還不夠豐富，不能急于宣布達到產品化程度。第二，新動力在產業落地時需要找準具體目標企業的痛點，然后把解決方案用正確的方法切入到正確的環節解決有價值的問題，而這個過程需要深入客戶場景調研訪談，即典型的“問診”服務。第三，“計算力+數據”落地必須做到最小侵入性，形式上與企業原有信息化系統實現數據流串通，內涵上則要從數據流產出有新智慧的可執行方案反作用于業務流。由于各個企業的信息化系統狀態各異，所以嵌入式系統開發過程需要個性化服務而不是簡單的一鍵復制。第四，咨詢服務尤為關鍵。首先，要以咨詢方法論挖掘企業內有價值的痛點問題，并映射出業務流大圖上痛點和源頭的因果關系。其次，要以咨詢引導企業進行組織流程變革，讓配合機制變成數據流驅動的敏捷模式，從“人拉數據”變成“數據推人”，保證“計算力+數據”提供的解決方案有效執行。

既然是服務化，自然有人擔心會陷入到服務規模的陷阱。例如傳統咨詢公司以人力規模輸出智力服務，業務量與人員規模只能同步線性增長。要突破服務規模的陷阱，關鍵是把“計算力+數據”開發成帶有行業特色的可復用技術模塊，以“通用方法論+可復用技術模塊”提高定制化服務的效率，實現“結果個性化、過程標準化、方法標準化、工具通用化、服務標準化”。

（三） 先智后融：“咨詢+技術+金融”新物種的起源

“咨詢+技術+金融”新物種誕生的關鍵條件有三條：適用于多個行業的底層通用邏輯與方法論（廣度與深度）;可復用的能力模塊（效率）;資本協同驅動價值放大（杠桿）。這些關鍵條件需要從“計算力+數據”在多個行業應用的成功案例（創造可衡量價值）中抽象提煉。小型初創公司很難取得大企業的信任來證明自己，缺乏案例提煉通用邏輯與方法論，所以不會成長為新物種。而咨詢公司與傳統PE私募基金由于缺乏“計算力+數據”尤其是云計算的產業實踐，難以提煉出可廣泛復用的能力模塊，也不可能率先進化為新物種。而阿里巴巴、Amazon等技術巨頭的主業直接受益于云計算技術，對新動力的威力有深刻體驗，其內部團隊可利用品牌影響力進入各種產業場景探索“計算力+數據”落地。如果能夠在多個產業里打造成功案例，這只團隊就可能掌握通用邏輯與方法論，從技術巨頭公司裂變出來再與資本結合，就能成長為新物種。

為什么技術巨頭很難直接成長為新物種呢？從顯性條件看，這些技術巨頭具備資源優勢（人才與資本），還有產品與品牌優勢，只需要收購整合一家咨詢行業巨頭，就能打造至少形式上的“咨詢+技術+金融”新物種，但是商業模式的基因排斥構成了難以逾越的隱性底層障礙，注定了這些巨頭不可能自我進化為超級合體。

主要表現為：第一，技術巨頭如Google、Microsoft、阿里巴巴等都是上市公司，都有各自成熟的業務主航道和盈利模式及資本市場的財報預期，不會貿然進入周期漫長的企業服務市場，這是大企業慣性使然。即使有技術巨頭勇敢轉型邁向企業服務市場，其本質不是新價值創造，而是用新方式獲取價值，即老酒裝新瓶。最典型的就是Office365的推出，幫助微軟貼上“云計算”標簽， 但是消費者使用Office軟件的長期成本變貴了，這種轉變沒有創造絕對新價值，不是一種“正和”游戲。第二，收購整合大型咨詢公司也不能幫助科技巨頭升級為新物種。咨詢公司的服務是一種依托于人員的智力輸出，使用的是原始初級工具，缺乏真正可復用的產品杠桿提升服務效率，所以其業務規模由咨詢團隊的規模決定。而科技巨頭大都是售賣成熟產品，依托產品杠桿，具有極大的網絡效應和邊際成本優勢，不是絕對依賴于人員規模。這兩種基因不兼容的大型物種結合，排斥反應可能是毀滅性的。

（四） 智融互驅：“咨詢+技術+金融”新物種的進化

正如J.P.摩根所說“推動歷史進步的不是法律，而是金錢，只是金錢”。資本能夠為新物種的進化提供穩定的產業營養，智力服務與資本的價值驅動有兩種模式：第一，新物種提供金融服務幫助行業龍頭企業購買其以“咨詢+技術”方式提供的“計算力+數據”智力服務，并收取金融服務費用和智力服務費用，新物種本身的估值將隨著服務收入增長而上漲;第二，新物種的“計算力+數據”智力服務幫助企業升級IQ、創造新價值，從而提升企業估值，而新物種提前投資入股也可分享增值。這兩種模式可能在不同發展階段輪換或者組合，以新技術的確定性降低價值創造的不確定性，從而實現新物種與被服務企業的共同增值。

三、新格局：新動力串聯三次產業和諧共振

2008年全球金融危機后，美國加速“再工業化”進程，隨后三屆美國政府都推出了讓制造業回歸美國的激勵政策，試圖糾正產業“空心化”的不合理狀況。而德國于2009年提出工業4.0，試圖強化其在制造業的競爭力。這些發達經濟體的選擇已經表明，健康的經濟結構不能只是依賴服務業，必須有堅實的農業和工業作為支撐。而在中國國內，相當多的政策、資本、人才等資源集中在房地產、金融、互聯網等領域，而農業和工業由于改革滯后，得不到有效資源投入，面臨產業結構不合理、人才選擇性流失、新技術應用遲緩等問題，導致生產力水平較低、轉型升級成效不明顯。如果加快推動“計算力+數據”這個新動力的產業擴散，完全有可能提振中國第一、二產業的生產力水平向第三產業看齊，找準不同產業間的生產力共振頻率，實現經濟高質量發展。

（一）拉近三次產業生產力水平的落差與時差

數字技術的迅速擴散以及云計算的普及，讓第一、二產業能夠迅速應用源自第三產業的“計算力+數據”，縮小產業間的智力落差。筆者自2016年開始在農業和工業領域探索云計算、大數據的落地場景，最終通過一系列成功案例打造了阿里云ET大腦。在浩豐集團，通過無人機采集農田生菜的低空遙感數據，用圖像分析計算每畝長勢，再提出“千畝千面”的精準灌溉與施肥方案，在保證產量的同時可節省每季水肥成本150元/畝，每年可節省千萬元。在攀枝花鋼鐵，針對煉鋼工藝中的投料和造渣過程，通過全面分析生產過程記錄找到定量規律，在生產過程中實時推薦最優參數以控制鐵損和輔料消耗，每噸鋼綜合成本節約2元，每年可節省千萬元。這些案例充分證明第一、二產業完全有可能利用后發優勢，通過跳躍式發展，直接嫁接數字化解決方案，而不一定要循規蹈矩，先投資做信息化自動化，然后再考慮智能化。

如果說前幾年政府決策者和市場主體還有理由懷疑“計算力+數據”，那么到了2020年，他們唯一要質疑的是能否早點擁抱“計算力+數據”。云計算的共享模式大大降低了強大計算力的使用成本，而企業也積累了相當多的存量數據資產，具備了引入“計算力+數據”的條件，但是很多企業決策者要求只用成熟產品，缺乏創新者的膽識。殊不知最新的生產力在早期不可能迅速打磨出成熟產品，“成熟往往意味著不先進，產品往往意味著智商板結”。引入“計算力+數據”需要以購買智力服務的方式而不是購買成熟產品，因為“計算力+數據”相關的成熟產品僅具有最基礎的存儲網絡數據庫等功能，距離實際業務價值差了幾代。如果第一、二產業能迅速擁抱“計算力+數據”，那么先進生產力的產業轉移時差可以被壓縮，從而為產業和諧共振和轉型升級奠定基礎。

（二）平衡三次產業之間的全要素資源分配

過去十年，房地產和互聯網風生水起，而農業和工業雖然是穿越人類歷史周期的行業，卻因為“老舊”的標簽而被冷落。正如過猶不及，隨著國內外發展環境的變化，特別是中美貿易摩擦和新冠肺炎疫情的影響，我們深刻認識到，一個國家的核心競爭力不是房地產，沒有掌握核心技術的互聯網只能受制于人，沒有擁有強大科技實力做支撐的農業、工業更是無法立足和走遠。

習近平總書記號召，“廣大科技工作者要把論文寫在祖國的大地上，把科技成果應用在實現現代化的偉大事業中。”全要素資源的分配也要直面祖國大地而不只是仰望混凝土叢林和網絡星空。第一、二產業承擔了經濟社會發展中的較大成本（能耗、排放、就業），也是第三產業的基礎，例如電商平臺上流通的商品都是來自第一、二產業。如果全要素資源過度擁擠到第三產業的金融、房地產，不僅造成資源浪費，也會截流第一、二產業的資源供給，擠壓實體經濟發展空間，導致整個經濟底座的“空心化”。解決資源的產業性錯配還需從生產力入手，以“計算力+數據”為技術突破口迅速拉齊第一、二產業與第三產業的生產力水平，將新動力轉變為實體經濟的價值引力，通過巨大的價值增量吸引人才和資本的合理流向，從而實現產業間的資源分配回歸合理水平。

（三）重整三次產業之間的價值耦合

按照產業劃分，第一、二產業是物質資料生產部門，而第三產業是為生產生活服務的部門，憑借資本、科技、渠道等優勢取得強勢控制權并獲得最大利潤，而承擔了商品生產的第一、二產業反被定位在價值鏈底部。那么第一、二產業是否有機會通過提升競爭力獲得合理價值定位呢？答案是肯定的，其實現節奏是先“去中間化”再“去中心化”?！叭ブ虚g化”是精簡供需之間散亂環節，而“去中心化”則是打消供需之間的壟斷中心。

消費互聯網時代是“去中間化”。互聯網電商重整了商品的流通銷售環節，通過“買方賣方彼此看對方”減少信息不對稱性，壓縮中間商環節提升商品流通效率，從而催生了“中心化”平臺，例如天貓、京東等?？梢哉f消費互聯網時代完成了供需之間的通道重整，以“中心化”實現“去中間化”。已經取得巨大優勢的互聯網中心化平臺聚合需求側海量訂單，開始反向分配給生產制造側，進一步獲取更大價值，例如智布互聯、淘工廠等。上游生產制造商有徹底淪為中心化平臺代工廠的風險，互聯網中心化平臺可能發展為產業鏈的壟斷寡頭。

產業互聯網時代是“去中心化”。根本原因就是這些中心化平臺的核心生產力“計算力+數據”是普惠技術，可以快速擴散到上游第一、二產業并為其提供智力服務，將會從兩方面改變產業間博弈格局。第一，提升生產制造側的產品主導權。新動力可以提高生產效率和產品智慧含量，而優質產品能滿足人民群眾對美好生活的向往。掌握核心優勢的產品是生產制造側與流通銷售平臺博弈的籌碼，蘋果iPhone對各大渠道（包括電商平臺）的絕對管控就是最好的案例。第二，打破中心化平臺的信息壟斷。生產制造企業可以借助數字技術（如移動App）建立與需求側直連模式，通過優質內容強運營的手段積累對消費者的理解，應用“計算力+數據”驅動數智化運營，從而形成生產、制造、服務一體化模式?！叭ブ行幕敝螅F有的互聯網平臺不會消失，而是成為供需之間的通道之一。

三次產業在供需之間的配合關系回歸合理之后，打消了壟斷帶來的價值鏈條結構性扭曲，能保護整個產業鏈條上的各個主體的發展積極性，最終實現三次產業之間的供應鏈、價值鏈和諧共振。

四、小結

自2009年以來，德國、美國之所以把制造業升級及“再工業化”作為國家戰略，核心邏輯是以先進技術提升實體經濟的生產力水平，防止產業“空心化”。這正如1764年英國人為了突破勞動力短缺發明珍妮紡織機，從而開啟了第一次工業革命。過去的十年，中國雖然一直在推進供給側結構性改革，但增長和投資慣性促使許多優勢資源和生產要素依然“脫實向虛”：炒房、以錢炒錢、投資圈錢等，導致供給側的創新投入不足、要素成本居高不下，第一、二產業轉型升級之路變得更加艱難。

歷史、現實和疫情是一面鏡子，當前我們迫切需要重溫鄧小平同志的“科學技術是第一生產力”的重要論斷，深刻領會黨中央提出的“創新驅動發展戰略”。盡管我們這一代人不曾聽見瓦特蒸汽機的第一聲轟鳴，也錯過了愛迪生白熾燈的第一縷光明，更沒有見證“Hello，World！”的第一行顯影，但是，時代給了我們一個罕見的“第一次”機會：與全球同步站在新一輪科技革命和產業變革的起跑線。只要我們始終堅持科技創新，牢牢抓住“計算力+數據”，把新動力沿著新路徑朝著新方向投射到全產業，一定可以讓三次產業煥發出新動能，重塑全產業和諧共振的新格局，孕育提供通用智力服務的新物種，最終建成現代化強國，實現中華民族的偉大復興。

（作者閔萬里系北高峰資本創始人兼CEO，原阿里云機器智能首席科學家;車文心系北高峰資本CEO助理）