半個多世紀以前就引發(fā)了人工智能(AI)革命。在過去的十年中，人工智能已經(jīng)從學術(shù)科學領(lǐng)域發(fā)展成為我們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?。我們看到的最常見的AI業(yè)務策略是圍繞數(shù)據(jù)構(gòu)建的。我們認為專有數(shù)據(jù)是AI公司目前很具戰(zhàn)略意義的護城河，但在未來幾年中，專有數(shù)據(jù)將不再是一種獨特的資產(chǎn)，從而使專有數(shù)據(jù)差異化的可持續(xù)性降低。因此，我們希望重點從基于數(shù)據(jù)的AI策略轉(zhuǎn)向基于知識的AI策略。

大數(shù)據(jù)的進步得益于眾多傳感器的部署，互聯(lián)網(wǎng)連接以及計算能力，通信能力和數(shù)字存儲方面硬件和軟件的改進，使AI能夠從小型學術(shù)研究項目擴展到大型企業(yè)生產(chǎn)應用程序。本質(zhì)上，大數(shù)據(jù)需要復雜的AI模型來分析和獲取知識和見解，而AI模型則需要大量的大數(shù)據(jù)來進行培訓和優(yōu)化。。因此，目前，數(shù)據(jù)通常被認為是AI初創(chuàng)企業(yè)足夠的戰(zhàn)略護城河。作為風險投資人，我們經(jīng)常會看到這種現(xiàn)象。近年來，我們看到許多初創(chuàng)公司將數(shù)據(jù)采集作為其業(yè)務戰(zhàn)略的核心。越來越多的此類公司強調(diào)他們已獲取的獨特數(shù)據(jù)集以及獲取其他專有數(shù)據(jù)的長期策略，將其作為可持續(xù)的進入壁壘。此外，由于AI工具和AI即服務平臺已使AI模型的開發(fā)商品化，并且公共數(shù)據(jù)已無處不在，因此人們對于建立和捍衛(wèi)數(shù)據(jù)護城河的需求已變得顯而易見。

在當今的技術(shù)生態(tài)系統(tǒng)中，市場越來越多地通過領(lǐng)先的AI程序和對專有數(shù)據(jù)的控制來獎勵公司，這是巨大而可持續(xù)的競爭優(yōu)勢。諸如Google和Netflix之類的公司已經(jīng)在很長一段時間內(nèi)開發(fā)并策劃了海量且權(quán)威的數(shù)據(jù)集，而其他許多公司都在徒勞地努力以取得成功。一個例子是競爭對手的媒體服務提供商和制作公司的大規(guī)模破壞，而Netflix復雜的數(shù)據(jù)策略卻無法解決這些問題。

不過，由于預期的數(shù)據(jù)交換能力和意愿的提高，我們相信十年之內(nèi)，專有數(shù)據(jù)的護城河將不太可持續(xù)。盡管數(shù)據(jù)仍將為AI價值引擎提供動力，但AI業(yè)務戰(zhàn)略將越來越側(cè)重于知識。

將AI價值金字塔向知識層發(fā)展

AI價值金字塔基于數(shù)據(jù)并由知識驅(qū)動。今天，盡管“我們淹沒在信息中，卻渴望獲取知識”，但我們期望將AI價值金字塔推向知識層。實際上，我們已經(jīng)開始看到通過創(chuàng)建數(shù)據(jù)交換來促進和加速這一趨勢的進步。我們希望增加可行性和愿意分享商品化數(shù)據(jù)以換取有價值的知識的結(jié)合將促進數(shù)據(jù)交換。總而言之，數(shù)據(jù)將變得更加豐富，可用，可靠，標準化且價格便宜，這是理想商品的完美定義。將來，將數(shù)據(jù)用作可持續(xù)的進入壁壘將變得更加困難。

通過物聯(lián)網(wǎng)(IoT)的數(shù)據(jù)源激增將加速共享數(shù)據(jù)的可行性。此外，還有用于合并，共享和交換數(shù)據(jù)的新技術(shù)，協(xié)議和標準。展望未來，只要有動力和越來越大的意愿，共享數(shù)據(jù)的能力就會變得真正重要。隨著AI破壞并破壞傳統(tǒng)的競爭進入壁壘，許多組織不懈地嘗試收集自己的專有數(shù)據(jù)并從中獲利。las，這種數(shù)據(jù)的獲取和利用既不容易也不富有成果，因此會造成戰(zhàn)略上的不和諧。這是因為，盡管對于大多數(shù)組織來說，人工智能已變得越來越不可缺少，但它并不是其傳統(tǒng)技能或核心專業(yè)知識的一部分。此外，經(jīng)過AI培訓的工程師，開發(fā)人員，產(chǎn)品負責人和經(jīng)理的長期和長期短缺加劇了這種矛盾，并導致以知識交換為目標的數(shù)據(jù)共享解決方案偏愛。

通過交換數(shù)據(jù)以創(chuàng)造知識來創(chuàng)造能力和意愿的結(jié)合的一個例子是歐盟提出的新建議，即創(chuàng)建“單一數(shù)據(jù)市場”，以賦予人，企業(yè)和組織更好的決策權(quán)基于來自非個人數(shù)據(jù)的見解，以便與當前的科技巨頭競爭。

導致數(shù)據(jù)護城河變得越來越不可持續(xù)的另一個因素是發(fā)明了新穎的數(shù)據(jù)解決方案，該解決方案能夠使用較小的數(shù)據(jù)集進行訓練。合成數(shù)據(jù)解決方案(例如，使用通用對抗網(wǎng)絡)和其他最小化技術(shù)(如數(shù)據(jù)增強)可能使公司無需大量數(shù)據(jù)即可創(chuàng)建破壞性的AI產(chǎn)品。

建立知識策略

人工智能革命的未來將為企業(yè)帶來新的現(xiàn)實，并將需要修訂的業(yè)務戰(zhàn)略。從數(shù)據(jù)到知識的轉(zhuǎn)變將產(chǎn)生新穎的框架，合作伙伴關(guān)系和業(yè)務模型，其中包括為知識創(chuàng)造提供數(shù)據(jù)，信息，AI模型，存儲和計算能力的不同參與者。由于傳統(tǒng)數(shù)據(jù)護城河在未來十年將變得不那么可持續(xù)，并且知識將成為AI的真正價值驅(qū)動力，因此我們認為企業(yè)應該開始制定更側(cè)重于知識的戰(zhàn)略：

• 建立知識護城河而不是數(shù)據(jù)護城河是一項基本原則，應該成為未來業(yè)務戰(zhàn)略的核心。公司和組織應該開始為以知識為中心的時代做準備，在這個時代，贏家將是那些提出正確問題，尋找最相關(guān)的預測并設(shè)計很具破壞性的基于AI的應用程序的人。
• 自上而下使用AI并圍繞應用程序和產(chǎn)品層組織業(yè)務。模型應基于特定的垂直和假設(shè)進行開發(fā)和訓練。例如，在成像，診斷，遠程醫(yī)療，藥理學和其他臨床應用中開發(fā)特定的醫(yī)療保健應用;或在車隊管理，公共交通及其他方面的流動性。這些解決方案的開發(fā)將基于特定領(lǐng)域的豐富知識和實踐經(jīng)驗，結(jié)合上下文知識和適當且經(jīng)過良好調(diào)整的模型。
• 數(shù)據(jù)獲取計劃應僅被視為短期的戰(zhàn)術(shù)追求，而基于知識的交流與合作伙伴關(guān)系則應作為長期的業(yè)務戰(zhàn)略加以培養(yǎng)。一個富有成效的例子是，去年，以色列創(chuàng)新局啟動了一項試點計劃，以實現(xiàn)醫(yī)院與技術(shù)初創(chuàng)企業(yè)之間基于知識的合作。這種合作在初創(chuàng)企業(yè)的醫(yī)院之間產(chǎn)生了數(shù)十項計劃[12] ，并促進了醫(yī)院之間以及醫(yī)院之間的原始(和幾乎未使用的)數(shù)據(jù)交換，以及初創(chuàng)企業(yè)產(chǎn)生的新穎而有價值的知識。
• 最后，向知識的轉(zhuǎn)變也應該影響組織的人力資源戰(zhàn)略。公司應為AI的未來制定相關(guān)且明智的人力資源戰(zhàn)略。盡管一些初創(chuàng)企業(yè)仍需要聘用大量稀有和昂貴的數(shù)據(jù)工程師和科學家，但應將精明的公司的AI團隊設(shè)計為一個管理團隊，旨在追求和促進AI知識合作伙伴關(guān)系，發(fā)明基于AI的應用程序和產(chǎn)品并創(chuàng)造性地探索AI革命的美好前景-從以數(shù)據(jù)為中心到以知識為中心進行了重新構(gòu)想。此外，AI團隊應該讓人們了解他們所操作領(lǐng)域的上下文。這些上下文團隊成員應該包含一種整體方法，這種方法源于他們對AI和特定領(lǐng)域的理解，而不僅僅是一般AI專家。

總體而言，人工智能的未來取決于從強調(diào)專有數(shù)據(jù)集轉(zhuǎn)向跨實體共享數(shù)據(jù)以創(chuàng)建知識。為了實施成功的AI戰(zhàn)略，公司必須正確地組合數(shù)據(jù)，信息，AI模型，存儲，計算能力等，以使業(yè)務扎根于知識。