谷歌自动驾驶汽车一年内改善400%，数据驱动的机器学习成创新源泉

你还在用雅虎吗？你还记得聚友网（MySpace）、康柏电脑、柯达吗？拥有很好想法的创业公司取代老牌公司的案例比比皆是。这就是“创造性破坏”（这个词在近一个世纪前由创新先知Joseph Schumpeter创造）的美妙之处。现有公司必须不断创新，以免被一个新的、更有创造力的竞争对手赶超。可以说，至少在那些由技术变革所塑造的行业中，创新创业让市场保持竞争，其效果远胜于反托拉斯法规。几十年来，创造性破坏确保了竞争性市场和不断的新创新。但如果情况不再如此呢？

问题在于创新的源泉正在发生变化——从人类的聪明才智变成由数据驱动的机器学习。谷歌的自动驾驶汽车在街上行驶时会收集数十亿个数据点，通过分析这些数据点，这些汽车正在变得越来越完善。通过用数十万个皮肤图像来进行自我训练，IBM Watson能像普通的皮肤科医生那样精确地检测皮肤癌。由于从未停止学习，Siri和Alexa能越来越好地理解我们所说的话。当然，这需要有大量的有才华、有创造力的人来开发这些产品。但是，它们的改进更多靠的是数据和机器学习的进步，而不是人的“顿悟时刻”。

有时候公司不得不出去收集某种特定数据——想想行驶在硅谷街道上的谷歌汽车。有时候，为了让自己的系统能够学习，公司会购买数据访问权。但是这些促进创新的数据往往是由那些与一种现有数字服务进行交互的用户生成的。对Siri来说，当我们接受它的建议时，这就是给它的反馈，表明它说得对。当我们离开亚马逊的产品推荐页面时，这是另一个反馈信号，表明我们并不是很满意。当一名司机关掉特斯拉汽车的辅助驾驶时，或者当我们接受（或不接受）谷歌自动完成我们的搜索查询时，这些都是反馈信息。这种反馈数据非常有价值，因为它是机器学习工具的原材料，是推动数据驱动型创新的关键资源。你拥有的越多，获得的结果就越好。以自动驾驶汽车为例。在2016年，由大型国际汽车制造商开发的自动驾驶车改善了约1/3，这是一个重大的飞跃。但是每台谷歌汽车收集了更多的数据，这些数据被喂给一个更先进的机器学习系统，结果是谷歌汽车改善了400%——一个惊人的创新飞跃，这一改善幅度是那些使用更少数据的汽车的10倍以上。

如果创新建立在数据而不是人的想法之上，受益的将是那些可以获得最多数据的公司。因此，在很多情况下，创新将不再是市场集中和规模的反作用力。相反，创新将成为进一步推动它们发展的力量。

这将从根本上改变竞争，并且可能导致市场集中——就像已经在美国发生的那样。如果这种情况发生，传统的反垄断措施将不会提供多大帮助，因为它们限制的是非竞争行为——但是大公司利用他们的数据来学习和创新，这并不违法。事实上，他们表现得非常高效，利用自己的规模优势来从大量数据中挖掘新见解。

能访问数据的公司将变成数据驱动型创新的领导者，让较小的竞争者和创业公司望尘莫及。政策制定者应该关注这类公司，以确保市场将保持活力和竞争力。他们所面临的挑战并不是发现问题，而是制定一个既能保持市场竞争力又不会从整体上扼杀数据驱动型创新的解决方案。

另一方面，大多数商业领导者在这个数据驱动型创新世界里面临着一个非常不同的挑战。为了与数字赢家竞争，他们将不得不克服规模和网络效应，尤其是这些新的数据驱动型反馈效应。对于许多创新公司来说，未来几年将是一个调整期：随着数据驱动型创新的力量增强，这些更传统的创新者将不得不寻找数据访问渠道以继续创新。这至少需要两次大的调整。首先，他们需要在数据价值链中重新定位自己，以获取和确保数据访问渠道。这很难，所有数据都在数据价值链的上游被捕获是原因之一。问问汽车制造领域里的供应商或出版商就知道了。其次，随着创新从人的洞察转向数据驱动的机器学习，公司需要重建自己的内部创新文化，强调机器学习机会并落实数据开发流程。这很难，因为它往往与长期以来崇尚人类智慧的工程文化背道而驰。

这一调整将如此剧烈，以至于许多创新公司将在未来几年陷入困境，被更多精通数据的竞争对手所赶超。那些成功的公司看起来将与它们今天的样子截然不同。但是，要想要保持创新力，公司别无选择。也许你今天在你的创新公司里干得很好，但随着创新源泉的转移，你也需要跟着调整。

文章主要内容引自 思达派