【张家卫按语：4月22日下午的“三点半咖啡“，张璐做客云上演讲，获得点赞无数。应大家要求，工作室将演讲整理成文字，与Laura助理一起认真校对完成。我发送短信给张璐说：“今天开始连载，因为太长啦，三万多字！不过，听者反映热烈。特别是在疫情之下，可以从另外一个视角看世界未来，大大鼓舞了小众人群！”从今天开始，我将冠以不同标题，分九次连载完成，以飨小众读者】【今天为连载六】
人类对中性的科技如何进行合适的监管？
当然在这个过程中，现在技术已经发展到一个阶段，对我这样的一个技术狂热爱好者来说，是一个兴奋的时代，但确实也会潜在的产生很多对于社会架构，人和人之间的关系，人与社会之间关系有巨大挑战和影响。
所以在过去的这一年，我们确实也是花了很多时间，包括在斯坦福成立了这个机构，叫“human centered artificial Intelligence institute”，就是以人为本的人工智能研究中心。在这个研究中心，不仅有我们的人工智能专家，也有很多社会学家、经济学家、政客等等。大家聚集到一起，去更好的探讨，在技术发展的过程中，怎样也去对技术行业进行合适的监管，对技术进行指引。无论是我们作为投资人，还是说作为硅谷的企业家，我们有非常强的责任感，就是要保证技术会往对的方向去发展，往人类有益的方向去发展，因为技术永远都是中性的。而它会发生什么样的作用，掌握在使用它的人的手中。在这样的一个可能说世界在变混乱的时代，我们作为技术的投资方和技术的创新研发方，可能承担的责任也会更多。
除此之外，刚才张教授也提到，我从2018年始在达沃斯世界经济论坛担任全球青年领袖。在达沃斯有一个非常重要的命题，就是去号召更多的人，无论是政客还是经济学家、社会学家，包括以我自己为代表的硅谷科技界的一些领袖，要去关注中性技术的监管。我们可能有一点也做得不够好，就是在过去这些年没有很好的去和华盛顿的政客们进行交流，去帮助他们更好的理解技术，去更好的监管技术，或者说从政策的层面上去支持技术的发展。所以，这个方面，也是我个人，包括合作的一些朋友重点在推进的一个方向。我相信大家无论是在加拿大还是在国内，在科技圈里面，无论是在投资还是在创业，对于命题的讨论都是非常关键的，而且只有我们将这样的一个命题，在政策，还有非技术方面的因素都讨论完善之后，才可以给我们更大的动力和更强的信心，去进一步推动这些信息技术的发展。
第四次工业革命，科技创新是带我们走出经济危机的唯一办法
刚才跟大家讲的是技术对于我们人的赋能，我们怎么样通过技术创新变成超级人类。除了人之外，另外一个很重要的命题是技术和产业的变革—工业和企业的数字化转型，第四次工业革命。这也是在过去几次达沃斯会议的时候，我们重点关注的一个具体方向，怎么样去促进传统行业进行数字化转型，从而进行效能提升，去进一步根本上改变生产力，调整生产关系，改变生产结构，去应对现在所面临的这次世界性经济危机。
大家去讨论经济危机的时候，很少去把技术作为一个特别大的主题去讨论，但是在过去几年，我觉得无论是我们科技界，还有很多政客、经济学家也都渐渐关注到了这一点。我在过去的两年，分别在牛津、哈佛、达沃斯论坛等世界领袖项目中和很多政客，还有各地各国的一线领袖都有这方面的沟通与交流。
因为大家也逐渐意识到了，每一次我们人类经济周期，它是不可逆的，是必然会发生的。因为经济周期它的一些硬性参数，无论是人口架构，还是经济杠杆等方面，我们都无法通过短期的政策调整或者资本投入去改变它，或抵消它。
但是每一次当人类经济危机的时候，只有一个事情的发生，可以去帮助我们快速的脱离泥潭，那就是科技创新，尤其是工业界和企业界对于新技术的一个应用，在危机的时候会推动他们快速的应用新技术，从而才可以快速的推动社会提高生产效率、生产力，从而快速的去进入下一个新的经济周期阶段。
企业数字化转型
刚才提到整体的第四次工业革命，包括工业和企业的技术化转型，还涉及到另外一个话题：把新的技术，包括人工智能引入到数字化转型，引入到整体的传统的工业和企业，会不会导致人的工作机会就被消灭掉了？
这个确实是会必然发生的一个趋势，但是如果大家真的回头看，每次的技术创新趋势来临的时候，总会有一些旧的工作岗位被消灭，但是总会催生更多的新的岗位。所以如果我们从这个角度去看的话，每次科技创新反倒会带来更多的工作机会，而不是更少的工作机会。只是当企业转型的时候，企业内的人也必须进行知识结构的调整，去进行转型，而没有及时跟上转型过程的人就容易会被淘汰。但同时对于新型人才的需求也会快速增长。
举一个例子来讲，4年前其实每个企业对于数据工程师的需求还是比较低的，可能只有个别大的新兴科技公司，会有很多数据科学家或数字科学家，那个时候大数据分析等还是一个比较新的概念。但是到现在为止，由于数字化转型的开始以及渐渐的铺开，各大科技公司或非科技公司都在寻找数据工程师。给大家举一个例子，我公司有自己的网络叫CXO网络，里面有大概30多家美国上市的500强企业的公司的CXO，或是他们的首席技术官或首席创新官，或首席数据官。我发现在过去这两年很大的一个转变，这些公司渐渐出现了一些新的岗位，其中一个就是CDO，D就是digitalization。然后惠普，保洁这类公司也开始进行数字化转型，很正常，他们和科技圈的交互也很多。
去年11月份，美国有家公司叫Target，是美国很大的一家超市，他们竟然也有了自己的CDO，而且他们跟我讲说在硅谷这边设了一个中心，招聘了200名数字工程师，这个在以前可能都很难想象的，一个公司里面可能顶多就有3~4个数据科学家，但这样的一个传统企业招聘了这么多。
而在今年年初的时候，Prada，很多女性会熟悉的奢侈品品牌，他们也招聘他们的首席数据官，他们的首席数据官是一个意大利人，在跟我聊的时候我觉得他可能对数据的理解还在初始的阶段，但是他们也在做数据化转型。
另外一个很有名的奢侈品牌，卡地亚，高奢的珠宝品牌，他们的全球 CEO赛瑞是我很好的一个朋友，他们也在做数字化转型，已经收购了几家小型的初创型公司，去帮助进行内部的一个数字化调整。
所以这是现在我们看到的一个趋势，这也是为什么我讲到说在接下来这几年，虽然说我们在经历一个经济周期，科技公司所有的这些大的500强企业、科技、非科技公司都会面临巨大的挑战，但也是由于这种巨大的挑战，才会迫使他们要加速数字化转型，通过数字化转型，更加高效的去进行内部的企业效能提升，内部公司运作效能提升，人员的技能的提升，以及帮助他们更好的进行数字资产的变现，这也是我一会将深入讲的一个概念。
企业数字化转型，它第一步会由AI驱动，应用比较多的三个人工智能技术，一个是在自然语言处理，手机上 siri它就是一个自然语言处理的一个技术。企业内部运用，如大的企业客服，如美国银行，花旗银行，每天的客户不管什么样的信息，无论它是语音、文字、信息，都扔进去，然后通过技术去吸纳这些数据信息，做客户数据的智能分析。在NLP技术和深度学习技术进行分析之后，反馈客户的满意度。去帮助决策层做基本的判断，甚至说可以帮助他们进行每个部门的一个功能的反馈、信息的评价以及内部人员信息的管理。
另外一个很大量应用的技术就是计算机视觉技术。计算机视觉技术现在发展的速度非常快，在企业内部，除了企业安全，还有包括人脸识别，员工打卡上班，这方面的基础应用都在快速推广。除此之外的话，计算机视觉技术现在也在推进到由具象到抽象应用，现在最好的计算机视觉技术已经可以做到什么程度？
举一个例子。现在最好的技术在斯坦福的AI实验室，已经可以通过计算机视觉去看一幅抽象画，然后用一句话去总结它。可能我说完这一段话，大家觉得有什么难的，但是你想一想，作为一个人类，如果人类没有受到非常良好的教育，他是很难通过一句话去总结归纳一幅抽象画的。
除此之外，当然还有深度学习在各方面应用的一个基础，能帮助我们更好的去理解信息数据背后的信息，之前大家看到的很多数据分析，它分析的本体，尤其是在企业和工业里面，是结构性数据。什么叫结构性数据？它是有规律的数据，它的形式都是一样的。但现在深度学习已经可以做到去分析非结构数据，也就是说你直接扔给他一堆杂乱的信息，你不用告诉他说这个信息是人名、信息是出生日期、信息是怎么样，它可以自动去识别，所以也就会让它的应用更加的智能化，高效化。对于企业内部的好处是，以前需要人工智能工程师或数据专家或数据工程师，才可以去使用这样的一个数字化的数工具。但现在即使你这个人没有任何人工智能的背景或数字的背景、数据工程师的背景，你也可以直接用这样的一个工具，就像傻瓜相机一样，你只要明白扔给它什么样的数据，然后再去设定好你想要什么样的结果，就可以直接进行处理，然后给你提供最终的一个信息和结果。
搭建企业的中央大脑。
下一步数字化转型就是工业。工业的数字化转型和企业相比更加复杂一点，是因为工业里面还涉及到很多硬件的部分。我们经常讲到传统的工业，如石油、化工、精细化工、航空、汽车、交通这样的一些产业，这些产业巨大的一个特点，是有很多线下的大型工厂，这些工厂也在生成数据，但它最大的一个问题就是怎么样去进行这些数据的收集。在过去的这几年，对于这类转型有一个非常利好的消息，就是大量低成本传感器的普及。之前的运用传感器，传感器的造价非常的高，但是从2015年、2016年开始，有大量的低成本传感器进入到市场，所以这个时候的应用就非常简单了。
以前要进行智能工厂的建造，要从头建，把每个零件变成智能化设备，但现在可以用以前很老旧的这种机床，在上面添加一个小小的低成本传感器，通过传感器连到云端或连到内网进行信息的收集，从而进行智能的监控、工厂的管理，及时进行预判，当机器生产线出现问题时去进行智能的信息反馈和辅助维修。许多企业购买低成本传感器来进行供应链管理和物料数量的智能管理，去更好的降低成本，以及对事故进行预判。然后分析这些软件解决方案，从而实现企业的中央大脑。而这些大脑可以进行中央集中调配，让工厂更加安全，更加高效，成本更加降低，同时让项目大规模的提升。除了刚才那两个方向的发展之外，当然边缘计算和物质技术也是在工业和企业应用中非常重要的一个技术。可能通过边缘计算在智能化设备上的应用，就可以进行更快的信息返还，更好地提高效率。
【未完待续，明天续（七）】
