阿里云跻身全球第三的秘诀居然是这些......

大数据的发展，利益于众多传感器的部署、互联网连接的普及以及计算能力、通信能力与数字存储等层面软硬件的大幅改进，这也使AI技术培训得以从小型学术研究项目变身成为大规模企业生产级应用程序。在本质上，大数据要求复杂的AI模型从中分析并提取知识与洞见，而这些AI模型又需要海量大数据进行训练及优化。因此，目前AI企业往往将数据视为重要的战略储备，这种趋势在风险投资领域也变得愈发普遍。事实上，近期不少初创企业已经将数据收集作为其业务战略的核心。越来越多的同类厂商开始强调他们所掌握的独特数据集以及能够进一步获取其他专有数据的长期策略，并将此视为一种可持续的从业壁垒。此外，由于AI工具与AI即服务平台使得AI模型开发快速进入商品化阶段，再加上公共开放数据集的持续涌现，人们建立并捍卫自己数据围栏的需求也变得愈发显著。

在如今的技术生态系统中，谁拥有更先进的AI程序、谁对专有数据的控制能力更强，谁就能从市场上获得更多回报。这也被视为一种巨大且可持续的竞争优势。以谷歌与Netflix为代表的厂商，已经在多年的运营中开发并整理出规模庞大的权威数据集，无数其他企业则满怀钦羡在他们身边亦步亦趋、希望复制他们的成功。但面对Netflix复杂精妙的数据策略，竞争媒体服务供应商与剧集制作企业根本无法望其项背。

但随着预期数据交换能力与交换意愿的提升，我们相信在未来十年之内，专有数据建立起的准入门槛恐怕将无法持续。虽然数据仍将成为AI价值引擎的重要燃料，但知识在AI业务策略中的比重将越来越大。

将AI价值金字塔向上推进至知识层

如果存在一座AI价值金字塔，那么其基底部分无疑是数据，而越是往上、知识的占比就越可观。如今我们正处于“信息触手可及，知识却难觅形迹”的时代，因此将AI价值金字塔推向知识层已经成为一种必需。

事实上，我们已经看到众多数据交换倡议旨在促进并加速这一趋势的推进。我们希望通过商品化数据共享以换取有价值的知识乃至业务可行性。总之，数据将变得更加丰富、可用、可靠、标准化且成本低廉，而这一切也意味着数据将成为一种典型的商品。以此为基础，将数据作为准入壁垒的理念也将不攻自破。

随着物联网（IoT）设备的激增，数据共享的可行性也将达到新的高度。此外，用于数据合并、共享与交换的新兴技术、协议及标准也将及时跟上。展望未来，只要拥有明确的动机与意愿，数据共享能力本身也将成为一种重要优势。随着数据这一准入壁垒在AI技术的冲击下土崩瓦解，将有更多组织不懈收集自己的专有数据并将其作为一种重要商品。当然，这种数据的获取及利用仍然颇具难度，回报也未必明显，因此可能在战略层面造成扭曲。这是因为尽管大多数组织已经将AI视为自身业务体系中的一部分，但AI却仍然不属于传统技能或者核心专业知识中的一分子。另外，AI训练工程师、开发人员、产品负责人以及管理者的长期缺失，也将加剧这种战略失衡并最终令以知识交换为目标的数据共享方案受到市场的广泛认可。

欧盟最近提出的通过数据交换以产生知识倡议，就是这种将创造力与合作意愿加以结合的典型案例。他们希望建立起“单一数据市场”，帮助个人、企业及其他组织以非个人数据为素材提取洞见并做出更好的决策，借此与当前各主流技术巨头开展竞争。

冲击专有数据可持续性的另一大因素，在于新型数据解决方案的出现。这类解决方案能够使用相对较小的数据集实现模型训练。合成数据解决方案（例如生成对抗网络）与其他样本最小化技术（例如数据增强）有望使企业无需大量数据即可构建起颠覆性的AI产品。

建立知识发展战略

AI革命的未来将重塑企业赖以生存的现实市场，因此我们必须建立起有针对性的业务战略。由数据向知识的转变也将带来新型框架、合作伙伴关系与商业模式，包括为知识创造提供数据、信息、AI模型、存储以及计算容量的各参与方。面对这片前所未有的广阔市场，企业应该尽快着手制定更侧重于知识要素的发展战略：

• 建立知识储备以替代数据储备，并将这一基本原则视为未来业务战略的核心。企业与组织应该为以知识为中心的时代做好准备——在这一新时代中，谁能提出正确问题、找到关联度最高的预测结果并设计出最具颠覆性的AI应用方案，谁就能占据市场竞争的制高点。

（编辑：广安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!