一切改变，从认知开始
口述 | 钱跃东 采访&文 | 君莫笑 【整理摘编：时英平】
一、云2.0时代与产业互联网
问：云2.0是什么？
云2.0这个概念，是云计算的服务商最先提出来的，我们先从云1.0开始讲。
云计算1.0是云计算的最初状态，目的是为了对IT系统架构进行重建。
国内最早是阿里在做云计算，它是从自身的需求出发的。应该是2008～2009年左右，阿里提出“去IOE（IBM的小型机、Oracle数据库、EMC存储设备）化”。
它希望将本地化的东西，原来可能是一个缺乏弹性的、大的一个服务器，变成了很多小的服务器，组合起来，行业上叫做“分布式架构”，来解决电商交易中的流量波动问题。
比如，电商的数据流在大部分时候是平峰，但有些时候，比如双11时，流量会特别大。如果你按照平时的服务器容量去应对双十一，肯定要宕机。
但如果你按流量峰值来准备服务器的算力，那么平时大量的算力就被浪费了，这时候你对服务器的投资是低效的。
后来，阿里就运用技术创新，采用分布式架构，使算力不再基于单一服务器，而是来源于一组服务器，这样算力可以较为便捷地扩容、缩容，稳定性也更好。
重构了IT系统架构的云计算就被称为云计算1.0，因为它低成本、高弹性、高可靠，适合那些需要灵活算力资源的公司，所以云计算最早的一批客户就是互联网公司。
为什么会出现2.0呢？
我个人的理解是因为技术在不断进步，数据、算力、算法更加丰富和成熟了。
此外，云计算涉及云管端，“云”就是计算的那一块，“管”是传输管道，大量的光纤铺设解决了流量传输速度的问题。
“端”的话，就是终端，有硬件终端和软件终端之分。现在终端变得越来越丰富，而且由于算力、算法的进步，各行各业的应用都在不断涌现。
数据的积累会触发新的算法，形成以大数据为基础的人工智能，在各行各业不断地发掘新的应用场景。
云2.0就不再局限于 IT架构，也就是不仅是对IT架构进行降本增效，而且是解决企业整个经营全流程当中的成本-效率问题。
我们可以将“云2.0”理解为企业数智化转型的底座。而且一般来说，企业不大可能跳过云服务商，而自行构建这种底座。主要原因有几点。
第一，没有这个能力。企业没有条件自己去建大规模的服务器，没有条件自己去研发各种各样的组件，去根据自己的业务需求做系统。
第二，成本太高。如果只是自己使用，不能延伸给其他人使用，几乎没有外部收益。
第三，封闭性。如果只是自己使用，没有办法获取大量的数据，那么进化速度会非常慢。数智化转型必须基于开放的系统。
问：云计算与产业互联网的关系？
产业互联网是相对消费互联网来说的，消费互联网已经比较成熟了，主要解决的是产业链后端，也就是流通环节的问题。
但产业互联网是要把整个产业链从起点到终点进行互联网化的、数字化的改造。
但产业是非常复杂的，不同产业之间的分化程度非常的大，需要重点关注和解决的问题都不一样。
比如，乳制品行业去贯穿上下游，它可能想的是如何提升牧草的质量，如何解决牛的病患和繁育问题，还有工厂自动化生产的问题，奶的消毒和储存问题等等；
而钢铁行业，考虑的是铁矿石和废钢的成本问题，安全生产问题，钢材的运输半径和运输线路问题，钢材品种的选择问题。这些行业是绝没有可能采用同一种架构去做数字化改造的。
而对于离散型的产业而言，产业互联网的价值会特别明显。所谓离散型的产业，就是产业链上有很多的供给方，有很多的需求方，甚至还有很多第三方，整个链条非常复杂。
比如，下游要买什么零配件，具体要去找谁，谁能保证交付时间、交付质量、交付数量等等。
供应商来讲，也很头疼，生产能力要让下游的采购商知道——我能生产什么，交付期是多久，账款支付方式，售后服务如何处理等等。
而且行业还会进化，比如核心技术路线变化了，整个产业链上都要变，这种变化怎样高效地传导，这些都是产业互联网可以做的。
总的来说，产业互联网的复杂程度和迭代速度，可能远远超过消费互联网，因此它对于算力、算法的需求，也远远过之。从这个角度来看，产业互联网的发展，必须基于云计算的技术底座。
问：中小企业如何通过云服务商进行业务开拓？
站在中小企业的角度来看，如果要像大型企业一样，和云服务商以项目制的方法去做数字化改造，这是不太可能的，成本收益比算不过来。
而且一般来说，中小企业也不需要很多个性化的东西，它更多的是需要一些通用的服务。
这些通用化的服务，其实有很多基于云底座的SAAS（Software as a service，软件即服务）服务商就能够提供，比如帮中小企业解决招聘问题或者是财务问题。
问：调研中，印象最深刻的事情是什么？
印象深刻的事情挺多的，因为以前对产业数字化只有一个模模糊糊的认识。
但是，调研后，看到这么多行业都已经有了具体的动作，已经迈出去了。
这句话当时对我的触动是挺深的，因为他还很年轻，可能也就30多岁，不到40。
中国改革开放到现在也不过40年，已经翻天覆地了，中国现在拥有全球最全的产业链。我们怎么能够去想象四十年的变化呢？
但是，他觉得产业互联网能做的还有很多，没有止境。
因为他也在产业深耕了很久，接触到了几个工业门类，他发现在每一个门类里面，要把整个产业流程当中，把很多东西完全打通，进行数字化改造，需要很长的时间。
而因为每个门类之间有很大的差异性，有可能说做了很多年做成了一个门类，换一个门类再去做，还是要重复地踩坑。
但是，做通了以后，你会发现，它真的是对整个产业是有优化的。
我们的书中提到有一家企业在做产业互联网，实际上在我们调研的时候，它还有不少环节卡在非常复杂的问题中，但是它们还是很勇敢地继续投入。
我向他们报以敬意。彼岸的美丽在想象中，但到达彼岸的路途中，有多少泥沼和陷阱，只有探索者知道。敢于为了信念而踏入迷雾的，都是真正的勇者。
二、数字化转型与企业
问：数字化转型的痛点和难点在哪？
传统经营管理更多依赖于人的经验，但是随着选择多元化、价值多元化，不管是消费端，还是企业端，都面临着更多的需求。
没有数字化之前，决策很可能只是凭借直觉，拍脑袋做出来的。凭借经验或直觉，往往无法做出更清晰、准确的判断。
有的时候，效率和准确性都会差很多。而机器算法在这方面可能会做得比人好，特别是拥有大量的数据资产时。
这是很多企业面临的痛点，也是选择进行数字化转型的初衷。
数字化的难点就在于这件事情并没有先例可循，或者说完全成型的例子可以模仿，零售行业也好，制造行业好，基本都是在“摸着石头过河”。
此外，同一行业的不同企业间也存在各自不同的需求。
我们需要明确，数字化很大程度上是希望通过沉淀数据资产，创造价值，降本增效。其很重要的特点之一，就是标准化。
但是每家企业面对的客群多多少少存在差异，意味着产品品类方面需要做到差异，这就会影响到整个制造或服务流程。
因此，在做数字化转型的时候，“一企一策”才是真正要面临的问题。
问：数字化转型存在哪些误区？
数字化转型方面，可能大企业在这一块做得会比较好，中小企业相对来说，做得就更艰难。
但是，不管是大企业，还是中小企业，都会存在思维误区。
第一个误区，数字化是概念，还是事实。
这一点在2018年前后，数字化转型刚刚展开的时候，特别明显。当时很多人都对此抱有怀疑，毕竟还没什么人做成，效果是什么样子的，并没有人知道。
特别是作为企业，成本-收益是必须要考虑的。
因此，冒险去尝试一个全新的“概念”，没有合适的风险补偿，是没有人去做的。
其次，传统企业的已经形成了路径依赖，或者叫经验性思维。以往的流程就是“a+b=c”，a、b是可以被掌握的，是可以通过可见的流程不断被优化的，保证每一个环节的“a+b=c”。
但是，引入数字化之后，很多过程涉及到计算机处理，类似于一个“黑箱”，黑箱处理的过程几乎不再受到人类管控，那么对于结果的预期就会动摇，这就成了一个相信的问题。
那么，相信就会选择接受，不相信就会犹豫。
比如，蒙牛上游有几百个牧场，蒙牛第一年推牧场数字化转型的时候，只有六家牧场愿意尝试，大部分都不相信。
相对来说，大企业由于管理者的眼光、格局以及资源，就更愿意拿出一部分资源去做这件事。
当然，数字化转型的投入也不是无限度的，并非投入越多越好，有时候快半步比快两步好，决策者需要对资源配置进行相机抉择。
第二个误区，中基层不认可带来的阻力。
我们在调研过程之中，其实可以感觉到，大部分管理者都有转型意识，但是有时候运营层（中层）和执行层（基层）执行力度会打折扣。
一是因为战略方向变得“模糊”，个体的思维和格局没有意识到趋势。二是因为没有具体的方法可以执行，需要摸索。
举个例子，攀钢一开始和阿里云合作的时候，很多人是有顾虑的，甚至项目负责人最初都认为，钢铁行业是一个高度流程化、工艺特别复杂的行业，要完完全全搞智能，实现无人化，是有难度的。
问：数字化转型，企业决策者要如何应对？
企业家层面，比较重要的一点，我觉得应该要早点看清数字化的趋势。
尽管很多企业处于不同的行业，或者是行业的不同阶段，或是数字化难度不一样（数据多的企业，更容易数字化），共同点要搭上数字化这趟班车。
“数字化班车”一旦起步，就不等人了，你可能就比人家跑慢了一秒，人家先上车了，然后你没上，5分钟后，可能人家就到了下一站，你还在原地。
前期不一定要蒙着头疯狂的投入，但起码要去琢磨数字化转型这件事情大概的思路是什么，与企业的价值发展存在什么关系，企业的核心竞争力如何与数字化结合等等。
因为对于企业家来说，核心无非就是两件事：管事——制定战略，管人——团队建设。
战略想清楚，先定下来，具体的操作流程，可以分权给到真正懂的人去做。
如果行业已经有成功案例了，那么就抓紧时间去看别人怎么做。
如果没有，就找数字化转型的专家或是参加论坛/峰会/课程等等去学习，要搞明白自己企业的经营流程，哪些环节是可以利用数字化进行降本增效的。
当然，也不能走极端，资源供给过多，容易不平衡，一旦失败，“失血过多”一样会死。
人方面，执行层有抵触很正常。这个时候，要通过重塑企业文化和激励机制，去推动中层干部去执行。
根据我们的调研经验，其实企业家认知到位后，能够坚定不移地去推动，一旦有了效果，再适当给一些激励，执行层还是会有充分的动力去行动的。
问：数字化转型之下，组织模式如何转变？
事实上组织模式已经开始在改变了，调研过程中，我有一个比较深的印象。
在四川的青城县，有一家企业“德恩精工”，它不是一个特别大的企业，它是一个细分行业中小龙头，属于机加工行业，主要做齿轮、皮带轮等机械传动产品。
它跟阿里云合作，将自己的生产经营的过程进行了一些数字化的改造。
结果是，车间工作单元细分了，指令从模型发出，跳过车间主任、组长，直接落到一台机器、一个人身上。
设计部门变成了设计公司，维修部门变成了维修公司，都可以接其他公司的设计或者维修业务。
也就是说，业务单元都会变得更细分和更加独立。
这个变化的本质是什么呢？
就是原来的科层制，需要用节点管控节点，节点上全是人，但是人的管理半径是有限的，因为时间和精力有限，所以节点很多，链条很长，效率就低了。
但是，全流程数字化改造后，许多标准化动作其实不需要人参与，中间有很多人为动作被数字替代掉了。
现在他们副总就说，车间只有一个计划员，模型自动会分配任务，他只要通过现实的情况去做反馈，当然，会存在一点偏差。但是，大数据会不断去做优化。
这是一个我印象比较深刻的例子。
此外，很多工作外派给机器人或者AI之后，人会得到解放。
但并不是说机器完全取代人，企业的决策权并不会完全是放给机器，但是机器起到一个很大的决策引导或决策建议的作用。
领导者自己还是会有一个自主地做调整的余地，但是基于精准性和精确性，他可能会比较多地参考模型的结果。
因为计算模型本质还是基于数据，但是数据都是过去的，某种程度算是历史性的经验，但是商业是面向未来的，未来有很多新的情况出现，不确定性会增加很多。
所以，这个时候人的因素还不太可能完全消失。
问：数字化转型，对员工提出了什么样的挑战？
我们感觉是员工需要的素质会不一样。
还是以攀钢为例，工作内容发生很大的变化。
以表检工作为例，以前的工人可能需要不停地盯住钢板的表面，用自己的经验去判断钢材表面质量是否达标。
但现在他盯的东西不一样，他更多的时间可能要去盯模型的反馈情况。他的技能可能是在于用人工判断和模型判断做对比，包括要对模型进行反馈.
因为模型有的时候对于新出现的问题，或者说有一些比较相近的问题可能是无法识别的。这时候需要人来对模型进行修正。
可能有人担心，机器人会对人进行替代，就会抵触。
当然，这是个趋势，但是流程再造之后，就会有一些新的环节出现，这些新的环节可能还是需要人来进行处理。
三、数字化时代，普通人的挑战与机会
问：对创业者来说有什么样的机会？
创业的话，我的感觉是有机遇也有挑战。
因为云其实是一个全社会共有的一个工具，包括基于SAAS的服务。
创业者可以通过较低成本，享受比较好的SAAS服务，相对于以往的经营管理，便利了很多。
比如，组织健全度和商业模式成熟度，能够在很短的时间内起来。在传统上，这些东西是需要跟着企业规模成长，经历很长时间才能慢慢定型的。
但是，从另外一个角度来讲，挑战也是非常大。
因为我们看到，数字化对于商业金字塔的塑造，可能是比传统更强的力量。你从底端想要逆袭，想要挑战顶端，变得更难了。
比如，在90年代的草莽时代，一个爆品，靠狂打广告、靠铺设各种渠道，可能一两年内迅速打成龙头。
但到数字化时代，就很难了。初创企业和龙头企业已经不在一个维度上战斗了，因为人家能够在数字化方面投入更多的资源，从供应链到用户，全流程地运用数字的力量进行降维打击。
也就是说，龙头企业原来可能会面对规模不经济的问题，但现在数字化的力量扩张了它的经营管理半径。这个时候初创企业要做面对面竞争是很难的。
所以，对于创业者来说，最好的选择，可能是进入一个全新的领域，或者是细分到没有巨头进入的领域。不然，就是给核心企业做服务。
问：普通人培养哪些能力？
说实在的，我没有什么太好的答案，因为大家对于数字化的未来也是一个朦朦胧胧的想法。
会被取代的肯定是重复性很高的工作，一个动作每天就是重复做几千遍、几万遍的。
但是，工作一旦有一些创造性，或者是有一些不确定性，是非标准化的，那么人就是不可或缺的。
比如说，AI写诗、写文章，它的底层无非就是把文字库做成了数据库，在那儿做排列组合，它是没有个性的，只能做信息的发布，能给人带来的思考就比较少，情感的丰富性也不够。
再比如教育，在线教育用AI的手段去辅助是很好的做法，但老师不会失业。因为其中很多个性化、开放性的互动，机器在可见的未来还没法代替人类。
问：人会活在算法之下吗？
我对这个问题没有结论，但是我自己倾向于机器还是有边界的，至少在可见未来，还是做不到像人一样。
因为所有的机器学习还是根据既有的东西，至少现在硅基生物没有进化到可以运用想象力去凭空地创造，这个还是很难。
也许未来会有变化，但我就不能预测。
我目前的想法还是机器更多的是一个辅助，它对于一些历史的、经验性的东西，它用一些更好的算法，可以提供更加准确的结果。
但是，所有带有个性化和想象力的东西，我倾向于认为它还没那么容易能够提供，所以未来还是没有那么悲观。
问：算法之下，马太效应会不会更加明显？
我倾向于认为会是这样。
这很难有好的解决方法，阶层的固化确实在逐渐强化，而且随着科技的进步，这种趋势可能会越来越明显。
这个东西我觉得很难有解。让资源的掌握者主动地自我革命，去向下让渡一些权益，挺难的。
当然也许有一些法制的框架去应对这个问题，这属于社会学的范畴，我对此所知甚少。
我个人的观点是，对于普通人来讲，你能够做到的就是避免让自己变得更无知。
有认知是一切改变的起点。
*文章为作者独立观点，不代表笔记侠立场。