近來因為創業同陳孝良博士（聲智科技創始人，聲學、網到T微危險語音識別專家）對未來進行了較多探討，軟聯非常認同陳博士對未來趨勢的想們兩個關鍵判斷：
1. 移動互聯網之后 AI （人工智能，英語 Artificial Intelligence）互聯網正在到來，互聯但這是網到T微危險一個慢熱的過程。
2. 2~3年內 AI 領域會出現回調（類似2000年的軟聯互聯網）。
用常用語來描述那就是想們前途是光明的，但道路是互聯曲折的。這篇文章主要就想探討下曲折的網到T微危險道路上會有什么，道路的軟聯終點又會有什么。
AI互聯網時代
現在我們的生活里處處都是移動互聯網的痕跡：今日頭條、微博、互聯微信、網到T微危險起點讀書、軟聯京東、美團外賣、滴滴打車時刻圍繞在我們周圍。手機已經成為一種外延器官，人們的生活圍繞著手機展開。
AI 互聯網則會被進一步重構每個人生活的模式，想象一下：
早晨 Echo 這樣的智能助理會把我們從睡夢中叫醒，當我們還賴在床上的時候，它會根據我們的偏好組合出一組有趣的新聞。起床后，智能助理幫預定的早餐已經送到，又因為這一天是在家辦公，所以可以比較悠閑的吃個早飯。之后則會帶上一幅 AR 眼鏡開始自己一天的工作，當需要和同事溝通時那個同事會被迅速投影到自己的身邊，共享相同的視角進行問題討論。工作一段時間后智能助理會提醒你需要進行活動，并根據日常的習慣推薦了今天的午餐，你從推薦中選了一個，然后繼續一天的工作。晚上需要外出時一輛無人駕駛的車會根據此前的預約開到指定地點來接你。晚上回家后，智能助理提示說你關注的老家的房價又有變化可以入手了，這時又需要帶上 AR 眼鏡，身臨其境的感受目標房子的狀況。遠程辦公因為 AI 互聯網而越來越方便，所以你可能會考慮告別高房價的大都市，回到自己的家鄉了……
AI 互聯網下智能助理無處不在，自動化無處不在，增強現實無處不在，這與移動互聯網不同。
此前人們嘗試用IoT（萬物互聯）來描述下個時代，想象出的圖是下面這樣：
---By Gartner
但萬物互聯這表述并沒抓住變化的關鍵點，同連接、乃至數據的產生方式相比，更重要的顯然是數據的消費方式（場景和人機交互方式）和處理方式（比如云）。
2016年這個時間點之所以激動人心是因為從智能助理到 AR 眼鏡再到自動駕駛每一點都露出了一點點曙光，所以人們才對 AI 傾注了如此多的熱情，但所謂的泡沫大多時候根本不來自于事情本身的不合理和沒想象空間，而是來自于尺度上的誤判。要想把握這種尺度，那么要回到新浪潮根本的技術驅動力。
AI 互聯網的核心驅動力
各方面的技術進展確實都在暗示我們 AI 互聯網會來。
AI 互聯網的核心基石之一是傳感器。
顯然只有及時充分感知到環境的變化智能助理才能變得真正智能。也只有真正感知環境才能有真的自動化。假設我們對智能助理說：請幫我放首歌吧。這個時候如果什么數據都沒有，那智能助理唯一能做的事情是隨機選一首，最終結果就是你可能喜歡劉德華但出來的是鹿晗。這不是智能不智能的問題，你讓一個陌生人在打電話的時候給你推薦首歌一樣是這結果。
這時候為了讓智能助理真的智能，那需要讓它有眼睛、耳朵和記憶。假設說它有了記憶，那從你的歷史數據中就會發現你是個中年大叔，聽歌也比較懷舊，那就不會推鹿晗給你了，但如果沒有眼睛和耳朵那它還是可能在你想放浪漫一點的歌時來首哀傷的破壞氣氛，為了解決這問題就需要利用到眼睛（比如攝像頭）和耳朵（比如麥克風陣列）擁有感知環境的能力，通過它們智能助理就可以識別出你是一個人躺在床上還是在和女朋友一起，是在咖啡廳還是一個人在大街上。
傳感器的精度和種類確實在增加（參見下圖），尺寸也確實在縮小，電池的發展一般給力，但問題是前端計算能力不足，同時數據是割裂的，一個人的不同維度的數據是在不同的公司手中。
AI 互聯網的第二個基石是帶寬和延時。
在所有變量里這點反倒是最確定的，不管是 5G 還是 WiGig （Wireless Gigabit，無線千兆比特，是一種更快的短距離無線技術）都在穩定推進。人們對 5G 的預期是延時降到 5 倍，帶寬提升 10 倍到100 倍。但 5G 的落地牽涉運營商，所以落地會相對較慢，現在預測 2019 年才會有第一個 5G 網絡出現。作為短距離無線的 WiGig 則走在了前面，率先公布了 802.11ad 標準，這會把 WiFi 的傳輸速率提升到 1GB 。高速率低延時的網絡為 VR/AR 等的展開鋪平了道路。
在帶寬和延時上唯一的障礙就是時間，指望 5G 在 3 年內攤開顯然是不現實的。
AI 互聯網的第三個基石是深度學習、數據和計算能力。
其中計算能力的增長借助 GPU （Graphics Processing Unit，圖形處理器）增速最為迅猛，也最為確定，3年間訓練速度增加60倍，Inference 速度增加約16倍。數據的獲取則會受制于傳感器的部署，但算法的進一步突破則具有高度的不確定性，科學家們很可能在十年間也搞不定 NLU （自然語言理解，Natural Language Understanding）和無監督學習，這是讓AI互聯網遲到的最大風險。
商業信號則從另一個側面佐證了很多大公司也作出了同樣的判斷。
最近與此相關的三場收購是高通收購 NXP，三星收購哈曼，ADI 收購固態激光波束轉向技術 Vescent Photonics。這些公司如果不是對未來的做出了某種預判這些收購就不會發生。
其中高通的收購最具代表性，下圖是對這次收購的核心概括：
看了你就會發現對這次歷史上最大半導體收購的唯一合理解釋就是 AI 互聯網會來，并且這種變革首先從車開始。而其它的兩次并購在這邏輯下也同樣成立。
誰是AI互聯網時代的主導者
誰主導AI互聯網誰就是下一個BAT。
但這地方有一個極為關鍵的點被慣性思維掩蓋了，那就是未來并不會有 Windows 也不會有Android，而只會有軟硬一體的產品。所以未來的BAT很可能從硬件產品廠商中首先誕生。
我們假想一下這樣一種情況，Oculus Rift、索尼和 HTC Vive 最終成為極為流行的 VR 設備并占據60% 的市場，剩余的市場份額被其它小廠商瓜分。那么這時候這三家廠商那家會愿意把操作系統讓出來或者把應用商店讓出來，成就一個微軟或者 Android 而自己變為純粹的設備制造商嗎？沒有一家會這么做，這相當于自己春天辛苦種地，但秋天的時候則把收成免費讓給別人。每一家都會用盡一切辦法確保自己能夠主導生態，拿到最大利潤。引申一步那就是不會再有微軟、不會再有 Android 、不會再有聯想和 Dell，有的只是一個個或大或小的蘋果。
歷史的慣性給了很多人一種錯覺，總是覺得過去的模式會被重復，但實際上過去的商業現實已經深刻的教育了所有參與者，沒人想成為單純的做殼，做銷售的公司。硬件產品開發者已經認識到做產品的核心不是銷售數量而是把握品牌和生態，沒粘性的銷售數量只有短期價值。
這導致很多現有互聯網公司的硬件產品打法驢唇不對馬嘴。互聯網時代核心的盈利模式是廣告和游戲，特征則是前端不賺錢后端變現。這導致互聯網公司對賺取前端利潤不感興趣。 比較下述兩種打法：
一種是從高往低打，在新品類的初期不追求低價和銷量，而是打磨產品追求美譽度，理想結果就是品牌即品類。
一種是從低往高打，在新品類的初期就做便宜的產品，期望能夠累積數量，形成有價值的入口。互聯網公司的后端變現思路導致他們做硬件的時候會選擇這方式，因為低價數量會多，所有市場數據也確實證明低價數量會多。
但在做有科技含量的新品類的時從低往高打其實會完敗。我們拿這種思路和 Rokid（從高往低打的代表）進行比較就可以把事情看的更清楚。
從低往高打做出的便宜智能音箱確實可能多賣一些，比如30萬臺。從高往低打的 Rokid 顯然會賣得少比如幾千臺或者幾萬臺。但這個時候市場并沒有啟動，所以即使多也不存在迅速占據市場的可能。再往下便宜的產品由于產品體驗限制（你不可能在新品類上做出即便宜又體驗好的東西）會被用戶迅速拋棄，人們不再記得還有這么一款產品。Rokid 雖然也沒賣幾臺，但 Rokid 已經累計了它的品牌價值，甚至已經代表了這個品類，如果智能音箱真的起量，它就可以迅速推出中檔的產品占據市場份額。
我們仍然很難猜測誰是 AI 互聯網時代的成功者，但如果上面說的兩點（成功的產品玩家會控制生態而不是把操作系統、應用商店等開放出來，互聯網公司秉持硬件低價搶入口的思路不可能改變）同時成立，那曾經成功的思維模式正在成為下一步的障礙。
想象不用工作的日子
移動互聯網的核心是便利和便宜，但 AI 互聯網除此之外還可能帶來的一個后果是工作時間縮短。
資本主義剛開始的時候，工人們每天要勞動 14 至 16 個小時，有的甚至長達 18 個小時，此后歷經多次多種斗爭最終 1866 年第一國際日內瓦會議提出八小時工作制的口號。1886 年 5 月 1 日，以美國芝加哥為中心，在美國舉行了約 35 萬人參加的大規模罷工和示威游行，示威者要求改善勞動條件，實行八小時工作制。我們熟悉的五一勞動節就是這么來的，此后 100 多年工作時間確實在縮短，包括法定假日和周末現在每個人大概一年有 1/3 的時間是在休假（創業的除外，比如我們...）。
那么AI對工作時間會有什么進一步的影響？
一個核心的影響預計是工作時間會進一步縮短，標準的工作時間很可能變成一周休息五天工作兩天，因為很多工作會變的沒有價值，而在縮短工作時間和大量失業之間明智的政治家更可能會選擇前者。
小結
總結來看技術信號、商業信號都在提醒我們 AI 互聯網正在到來，不同的公司不同的人會從不同的角度對此進行類似的解讀，比如在烏鎮聯想楊元慶把它表述為 Smart Internet，nVidia也做過類似的表述，但有意思的是這類事情并不能用任何手段進行證明，有的只是信號，最終的判斷也只依賴于信或者不信。
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
