智能商业.pdf
http://www.100md.com
2020年2月20日
 |
| 第1页 |
 |
| 第6页 |
 |
| 第15页 |
 |
| 第29页 |
 |
| 第40页 |
 |
| 第115页 |
参见附件(2257KB，143页)。
智能商业是作家曾鸣写的关于商业模式的书籍，主要讲述了互联网的本质，智能商业的特征，商业模式变革，战略变革，以及具体的案例分析等等。
智能商业内容提要
《智能商业》由马云作序推荐。《智能商业》是阿里巴巴集团前总参谋长曾鸣，对互联网时代的重要趋势做出革命性解读的作品，披露了其对于未来商业模式的思考和判断。
2006年，曾鸣教授加入阿里巴巴集团，参与阿里巴巴集团及各重要业务线，如淘宝、支付宝、阿里云计算、菜鸟等的发展，被业界称为阿里的“军师”。
基于在阿里巴巴集团十几年的实践经验，以及对互联网、大数据和人工智能的深入思考，曾鸣教授在《智能商业》中提出了未来30年新的商业模式——智能商业。
在线化、网络化、智能化是智能商业的三个创新方向，纵观当下异军突起的企业，无不是在这三个领域有极大突破。“网络协同”和“数据智能”是新商业生态系统的DNA，在万物互联的时代，只有智能商业的新物种才能生存和发展。
智能商业作者信息
曾鸣，现任阿里巴巴集团学术委员会主席，湖畔大学教育长，阿里巴巴商学院院长。2006—2017年担任阿里巴巴集团总参谋长。曾任教于欧洲工商管理学院(INSEAD)。长江商学院的创办教授之一，2006年8月之前任长江商学院战略学教授兼EMBA和高层管理培训中心学术主任。2006年8月加入阿里巴巴集团，任总参谋长，参与了阿里巴巴集团整体战略的制定和执行，包括淘宝、支付宝、阿里云计算、菜鸟等重要子公司的开创和发展。
智能商业读者评价
因为工作的原因，日常就接触到很多曾教授的理念。但从书中还是能得到一些战略决定的缘由并能从中受到启发。今天我们谈C2B和S2b2c，也许就是40年前的加盟店和连锁店；今天我们谈网络协同和数据智能，也许就是我们20年前互联网流量和点击。
智能商业截图
C O P Y R I G H T
书名：智能商业
作者：曾鸣
出版社：中信出版集团
出版时间：2018年11月
ISBN：9787508695761
本书由中信出版集团授权得到APP电子版制作与发行
版权所有·侵权必究推荐序
马云|阿里巴巴集团创始人|
1995年，我去美国，第一次看到互联网。我尝试在网上搜“中国啤酒”，但一
无所获。看到这样的结果，我决定回国创办一家公司，想要把互联网带到中国，把中国带向世界。那时中国还没有在线业务，不像现在，互联网无处不在。回望
过去，真的很难想象世界的巨变。
1999年，阿里巴巴在我的公寓成立，最初不过18人，但我们有共同的梦想，就是要用互联网技术改变落后的商业行为。今天，我们为全球近10亿消费者、数
百万企业提供服务。通过帮助其他人发展，我们自己也获得了长足的发展。我们
参与改变了世界。
商业推动社会进步。为了让天下没有难做的生意，阿里巴巴形成了独特的商
业模式。我们从来就不是一个简单的B2C(企业对消费者)公司。我们是一个拥
有数百万成员的商业生态系统，包括商家、软件服务商和物流伙伴。我们在1999
年时的梦想在今天变成了现实，互联网真正开始造福于数十亿人。
然而，这仅仅是开始。到2036年，阿里巴巴希望能服务20亿客户并创造1亿
个就业岗位，帮助1000万个企业形成连通线上和线下的可赢利的业务，推动全球
数字经济升级。
在第一次和第二次工业革命之后，工厂和公司占据了经济活动的主导地位。
今天，占据主导地位的则是平台和商业生态系统。它们将推动数字经济的全球化
发展。平台与商业生态系统为全世界的“小人物”提供了参与全球市场并获得成功
的工具。
曾鸣在2006年加入阿里巴巴，并成为我们的“总参谋长”，参与公司整体战略
的制定和执行。从那时起，我们就紧密合作。当我邀请他加入阿里巴巴时，我承
诺，总有一天，阿里巴巴将会是他写下的最激动人心的商业案例。
今天，这一切都成真了!凭借其对阿里巴巴的深入理解和强大的学术背景，曾鸣博士的这本著作不仅分析了阿里巴巴的成长史，更重要的是阐述了阿里巴巴
开创的新的战略框架，以及这一框架对于其他创业者的意义。这本书在理论深度
和实践指导上实现了难得的平衡，是数字经济时代的一本商业创新指南。
1999年，我们看到了机遇。但现在，我们更看到了挑战。世界上还有许多问
题有待解决，但我很乐观，大家都应该乐观。优秀的创业者本性上必然是乐观的
，他们会问自己可以解决什么问题，或者如何用更好的方法解决现有问题。在这
个数据技术和智能商业的新时代，我们不仅要成全自己，更应该成全别人，这样
我们才能让世界变得更加美好。曾鸣博士的书和阿里巴巴的故事会启发大家怎么
做。数字经济是人类伟大未来的重要组成部分。我很高兴阿里巴巴为此做出了自
己的贡献，但还有很多工作要去完成。你们应坚持理想主义和抱负，更需要脚踏
实地。如我经常所说，今天很残酷，明天更残酷，但后天会很美好。我迫不及待
地想要看到你们将创造的美丽新世界。自序
本书的渊源，可以追溯到1993年。
那年秋天，我到美国的伊利诺伊大学香槟分校攻读国际商务与战略学博士学
位。不久，一款叫作“Mosaic”的软件迅速在校园里流行起来，它提供了一个简单
的工具，可以浏览互联网上开始涌现的内容。这是全球第一个大众化的互联网产
品——浏览器。很快，它更名为“Netscape”，也就是大家耳熟能详的“网景”，并在
1995年完成IPO(首次公开募股)。这成为互联网商业化的里程碑，并直接引爆
了第一次互联网大浪潮——没有网景，就没有在线内容的井喷，以及后来的门户
网站，也就没有搜索引擎，人和信息的在线连接更加无从谈起。
虽然有幸成为互联网最早的原住民，但当时的我完全没有意识到互联网的巨
大可能性。直到1999年网络热浪涌现，我才开始系统地研究互联网。很幸运，我
做的第一个案例研究对象就是刚刚成立不久的阿里巴巴公司。2003年，我成为阿
里巴巴的战略顾问，2006年全职加入阿里巴巴，负责战略工作，转瞬12年。
有价值的战略研究，一方面需要深入实践，问题驱动；另一方面，又必须有
足够的前瞻性和体系化，所谓抬头看路。本书就是我18年研究、工作和思考的结
晶。
2007年9月，阿里巴巴集团战略会第一次提出后工业化时代和电子商务生态
系统的概念，也是我们第一次看到千亿美元市值公司的可能性。2009年，对于是
否进入云计算领域的讨论让我意识到，云计算对于互联网时代的价值，就像电网
对于第二次工业革命的价值，这将是一个历史转折点。基于这样的判断，2010年
，阿里巴巴集团明确提出了互联网时代将呼唤全新的商业文明。2011年，阿里巴
巴开始感觉到数据的价值，新成立的小额贷款公司被要求基于云计算和大数据，开始商业模式创新的探索。2012年，阿里巴巴提出C2B(消费者对企业)的商业
模式创新。2013年，阿里巴巴设立了首席数据官的岗位，全力推动大数据和机器
学习方面的技术进步与商业创新。2014年，马云提出数据时代的概念。2015年，淘宝网千人千面的个性化推荐开始释放巨大的客户价值。2016年，马云进一步提
出了“五新”战略和互联网经济体的思想。
在互联网前沿的核心地带工作和思考，每一天都被问题追赶驱动，永远有新
的困惑，这是弥足珍贵的经历。问题足够新、足够复杂，没有现成答案，我们被
迫基于现实追问本质，被迫跨越现有的知识门类广泛阅读，被迫回到人类历史当
中寻找某种参照或知识。大部分时候虽然仍旧困惑，但当看清楚一点远方和终局
时，尤其是当这种认知可以惠及平台上的众多参与者时，当中的快乐难以言述。
我和同事们深深意识到自己的幸运，也深深知道，在当下这个世界中，有多
少同伴也在同样的追寻过程中。我们愿意把自己的所思所得和大家分享、讨论，也愿意告诉更广阔世界的人，我们正在置身于怎样的历史进程中，不论理解不理
解，不论愿意不愿意，没有人可以避开。不被前行的历史抛在身后的唯一方式，就是主动拥抱变化。
所以我有了写作本书的想法，但没想到一写就是6年。
在2012年发表的两篇文章中，我第一次系统地提出了C2B、网络协同等概念。基于这些思考，实际上2013年我就写出了本书的第一稿。但完成初稿之后，我
总觉得许多概念缺乏案例支持，无法讲透，同时，全书也缺乏一个统一的框架。
于是，这5年，我不断地把这个初步理论框架和实践创新反复迭代，把书的框架
更迭了数十次。
感谢在前沿领跑实践的人，尤其是2015年以来在大数据和人工智能领域内的
先行者，他们的实践让我有机会补上了本书逻辑中最重要的一环——随着对大数
据、算法和人工智能理解的深入，我终于提炼出了未来商业必须全面智能化的主
线。同时，阿里巴巴集团和众多创新企业在C2B和网络协同方向不断努力，也让
协同网的价值、机制，以及和生态系统的关系逐渐清晰起来。数据智能和网络协
同的融合，让我意识到这就是未来商业文明DNA(脱氧核糖核酸)的“双螺旋”。
这个框架试图把握这个时代大变革的本质。本书将全面展开阐述这个框架的
推演过程，以及如何有效地运用这些概念和理论来指导商业创新。希望本书在读
者思考未来时能提供一个简洁而有力的思考框架。
在写作的过程中，我们确信在这个时代将出现万亿美元市值的公司，它们是
智能商业到来最显性的标志。2018年8月，这个预判成为现实：苹果、亚马逊已
经率先进入万亿美元俱乐部。
作为一本讨论互联网的书，如果仅仅出版传统的纸质书，感觉还是没有实践
自己倡导的理念。实际上，这两年曾鸣书院的公众号和湖畔大学的App(应用程
序)频道，已经成为和大家互动的良好平台，很多的线上反馈也直接帮助了本书
的写作。如果大家想就书中的内容与我们探讨，可以在这两个平台和我们交流。
精彩刚刚开始，祝大家成功!前言
本书试图勾勒的是未来商业的大蓝图，那么，怎样理解和应对这样的未来呢？这几年，因为创办湖畔大学，我有机会跳出阿里巴巴，接触了更多的不同类型
的创业企业，这让我开始意识到大家对未来的感知的确有很大的差别。其中有一
个很重要的原因是，中国不仅一直是一个快速变化的市场，也一直是一个发展很
不平衡的市场。技术变革、政策环境经济结构变化带来的商业大变化，不仅激烈
，而且迅猛，变化周期又很短。所以经常会在一个时间点出现三个发展周期的叠
加。在当时的那个时间点来看，三种模式都有很不错的发展，非常难判断到底什
么才是未来的趋势，也不知道如何做战略选择。如果公司错误判断趋势，导致战
略上的保守，很容易被下一个浪潮快速淘汰。所以理解和判断我们到底在什么样
的时代、面临什么样的机会，是战略决策的第一步。我把中国这个市场的发展特
殊性称作“三浪叠加”的时代，它把我们面临的挑战复杂度又提升了两个量级。
2008年，淘宝全年的零售总额达到999亿元，当年最大的三家零售企业分别
是国美、苏宁和百联，都是刚刚超过1000亿元。如果回到2008年这个时点，把传
统零售称为1.0模式，国美、苏宁为2.0模式，淘宝为3.0模式，那么当时国美、苏
宁的2.0模式正如日中天，正在经历一个超高速发展的阶段。传统零售的发展势头
其实也很好。而当时虽然淘宝的零售额每年都会翻倍增长，但毕竟总量还小，而
且模式依然受到很多人的质疑，认为增长随时会停滞下来。
那个时间点，对于零售来说就是一个典型的“三浪叠加”的情况，三个模式发
展得都不错，也都有自己的信仰者，而未来到底会怎样展开其实很不明朗。其实
，在这个时间点做的战略选择，直接决定了企业未来的命运。短短4年后，到201
2年，淘宝全年的销售额就超过了1万亿元，遥遥领先，而传统零售却开始负增长
，2.0模式的增长也开始缓慢起来。
如果我们带着今天的理解回到2008年，战略选择当然会很容易，可是谁也没
有能够预知未来的水晶球。其实，我们今天面临的几乎是同样的挑战，比如女装
行业，传统的品牌例如ZARA(飒拉)、优衣库和新兴的女装网红品牌各有千秋
、相互学习；又如旅游行业，传统旅行社、携程、穷游等，以及新兴的个性化旅
行定制平台，也构成了“三浪”。
“三浪叠加”在中国很多产业中都是一种十分常见的现象，而我则聚焦在智能
商业的未来，讲的主要是3.0模式的选择。在当下这个时间点，到底是选1.0、2.0
还是3.0模式，每一个人、每一个行业具体情况不一样，无法给出统一的答案，所
以在这里只能分享一些决策心得。
无论是在哪个时间点，当3.0模式出现之后，1.0模式的企业就要非常小心了
，因为发展空间看起来还在，但是很可能会突然进入断崖式的困难期。就像2012年很多传统服装大佬依然不相信淘宝这个平台的潜力，也不认为淘品牌能够对它
们形成任何威胁。但是到2013年，很多传统服装品牌开始大滑坡、大规模关店。
对于1.0模式的企业来说，在看到3.0模式之后，一定要尽早做准备，能够趁大部
分人没有反应过来的时候套现退出，其实就已经是很好的结局了。
2.0模式的企业其实没什么选择，因为眼下正是这些企业风头正劲的时候，虽
然出现了一些未来挑战者的苗头，但绝大部分企业不会放弃看起来非常好的增长
，而去做所谓的战略升级。不过，在2.0模式企业工作的个人选择的空间会大一些。也许有少量的、有眼光的人会加入3.0模式的创业企业，但这样的人肯定是少数。一方面，有这种眼光的人本来就不多；另一方面，这批人的机会成本很高，往
往都已经是行业中呼风唤雨的人，所以很难放弃原有的地位。
3.0模式的创业者，如果你相信这是未来，那么需要做的只有勇往直前。当然
从0到0.1，到1，再到10，每一个坎儿都是巨大的挑战。有一批人虽然相信3.0模
式的未来，但或者觉得这个未来还很遥远，或者觉得2.0模式目前利益巨大，希望
能先抓住眼前的部分利益，再考虑3.0模式的事情。这是一种很理想的想法，但是
在实际中，当一个企业的大部分资源都投入到2.0模式时，其实很难再去吃3.0模
式创业的苦。所以当3.0模式的“浪”真正打来的时候，往往只有那批专心致志、苦
苦探索3.0模式的人，才能够快速地奔跑起来。
我还有一个心得和3.0模式的创业者分享。在“第三浪”发展的早期，你能看清
的利益肯定都不够大。如果你过早地去追求刚出现的利益，就很有可能错过未来
真正有价值的大机会。只有当浪大到一定程度的时候，真正的宝贝才会浮现出来。对于下决心追“第三浪”的人来说，既然已经选择这条路，只要有可能，还是应
该坚持长远目标，憋大招。
淘宝能够有今天的成就其实也是憋大招的结果。2006—2007年，其实淘宝的
流量已经非常大了，赚钱的方法当然也有很多。但是，当时马云依然觉得淘宝还
处于发展的早期阶段，无法看清未来，远没有到可以讨论赢利模式的时候。所以
淘宝当时宣布了开店再免费三年的政策，进一步推动了淘宝的大发展。在随后的
两年中，由于技术的发展，淘宝最终找到了适合自己的精准广告模式，在投入9
年后开始大规模赢利，这就是坚持的价值。当然，大家也可能会发现，真正能够
坚持下来的人，其实往往不是因为利益算计得很准，更多的时候，反而是因为使
命、愿景的驱动，没有过多考虑短期利益，反而有了最后的大成。
15年前，在写《略胜一筹》那本书的时候，我曾经总结过企业发展的周期，倒是和这“三浪”并发的提法很吻合。一个企业从创业开始历经好点子、好产品、好团队、好组织、好文化等阶段，千锤百炼终于成为行业的领导者，但这个时候
往往3.0模式的挑战者已经悄然兴起，而行业的领导者却经历了看不见、看不起、看不懂、学不会、挡不住的阶段，最终被新兴者淘汰。今天我们面临的更大挑战
是，原来这样的周期可能需要20年，而今天这样的周期可能只需8~10年就走完了
，波澜壮阔的商业史就这样在一浪接一浪的商业变革中展开。
智能商业本质上是对未来的前瞻性判断，所以最适合的听众其实是在3.0模式
下进行探索和创新的创业者。如果你觉得在你的产业和地区，2.0模式依然在高速
增长，甚至1.0模式的发展空间也很大，原则上可以不用管我讲的这些事情。只不过需要提醒大家一句，中国这个市场的发展周期已经被快速压缩，所以即使今天
发展得非常顺利的企业，可能也要对我讲的这些类似天方夜谭的概念先有一些准
备，就当作先给自己打一剂预防针吧。第一部分
智能商业人类文明的发展，主要不是依靠人脑的进化，而是通过社会化合作的不
断创新和突破，带来生产力的大爆发。如今这个时代，网络技术和人工智能
的不断发展，给商业以及整个人类社会带来了全新的可能性。网络协同和数
据智能成为智能商业双螺旋的组成部分，网络协同会推动数据智能的发展，数据智能反过来也会驱动网络协同的扩张。二者循环往复，推动人类商业文
明朝着智能化的方向不断演进。01
智能商业大变革
智能商业时代已经来临，每个人都要顺势而为。有大抱负者要敢于取势，甚
至勇于造势，只有这样才能成为新经济时代的弄潮儿和引领者。那么，智能商业
究竟是什么？我们的未来又会因此发生何种改变呢？
智能商业：网络和数据时代的必然选择
在一个经历剧烈变革和转型的时代，我们很难看清未来，越是这样，越需要
有一个相对长期的展望。我们现在所看到的趋势，可能不仅是下一个10年的趋势
，更可能是关系到未来20年、30年，甚至50年的大浪潮。今天我们眼前发生的一
切都是一个新时代的开始。这不仅是一次经济模式的变迁，更是一次文明的变革
，其意义不亚于人类社会从农业文明演进到工业文明。在这样的环境剧变下，我
们有太多的机会，也有太多的挑战。
表1–1是1997年、2007年、2017年全世界市值排名前10位的公司榜单。在过
去短短20年间，只有两家公司是一直留在榜上的，一家是石油公司，还有一家是
微软。这是一个非常大的时代的变革，但是更大的变化是从2007年到2017年，在
短短的10年时间内，除了微软和石油公司之外，其他8家公司都是第一次上榜。
特别是6家互联网公司从10年前几乎默默无闻，到今天成为全球领先的公司，市
值基本上都在5000亿美元以上。这些互联网的巨头企业，究竟做对了什么？
表1–1 1997年、2007年、2017年全球市值排名前10位的公司榜单我总结出三个重要方向上的创新。这些企业在这三个方向上，最少把握住了
两个，并且在这些方向上都有了巨大的突破(见图1–1)。
第一，在线化。身处互联网时代，你有没有联网，有没有在线，是最重要的
一步。你连上了互联网，所有的优势才能为你所用；如果你跟互联网完全没有关
系，这个世界只会离你越来越远。只有懂得如何将物理世界转换映射到互联网上
的虚拟世界中，你才会有在这个时代中立足的根基，这也是微软能够20年一直在
榜单中占据一席之地的原因。
微软最早的成功当然是IT(信息技术)时代的Windows操作系统，但是，199
6年，比尔·盖茨下定决心，力推IE浏览器，并最终赢得了这场战争的胜利：微软
占据了PC(个人计算机)互联网时代最重要的基础设施——浏览器，并在此基础
上衍生出了搜索服务等众多产品。如果说微软能够在搜索这个领域中站稳脚跟，是因为它占据了浏览器这一入口，那么，苹果公司之所以能够成为如今的庞然大
物，则是因为它开创了移动互联网时代。iPhone手机奠定了移动互联网时代的硬
件标准，苹果应用商店(App Store)确定了应用和服务的获取形式，iOS移动操
作系统本身便是一个生态概念。在此基础上，苹果公司还整合了一系列智能服务。换句话说，现在的苹果公司是一家将硬件、软件、服务和生态全部合为一体的
集大成企业。在它的基础上，全世界完成了移动互联网化。注：1—n、n—n、m—n，表示一对多、多对多的沟通。
图1–1 智能商业的三个创新方向
第二，智能化。谷歌首席执行官埃里克·施密特最近说：“现在是数据的时代
，算法的时代。”在商业前沿探索的人，没有人会反驳这一论断。数据和算法，构
成了智能的基本要素。谷歌的成功，最重要的是推动了整个商业的智能化进程。
搜索是第一款大规模商业应用的智能服务，任何人在搜索框中输入一个关键词，就能够让全世界的知识为你服务，并能够迅速在秒级时间内获得你想要得到的信
息。这是一个了不起的突破，我们今天回想起来都觉得这是一个奇迹。只有智能
商业才能完成这样的突破，在第4章，我会详细解释原因。
除了搜索之外，智能服务的第二个核心产品是推荐。说到推荐，亚马逊公司
可以说是这一领域的开山鼻祖，这也是它能够在营销端获得巨大突破最重要的基
础。亚马逊另外一个重要的突破是，它把零售和物流全流程在线化，使得零售效
率得到了巨大提升。
如果说亚马逊是在推荐方面走得最早的公司，那么腾讯和脸书就是在社交网
络化方面走得最远的企业。这就是我要说的第三个方向。
第三，网络化。实际上谷歌的广告系统非常赚钱的就是一个由千万级的小广
告主和千万级的网站所组成的高效生态。同样，脸书这几年的成功也是因为它在
广告技术方面的突破。阿里巴巴，特别是淘宝，则是将网络协同和智能化这两个
方面做成了一个紧密结合又互相促进的生态。
所以，我们可以看到如今最成功的互联网企业都是在在线化的基础之上，在
网络化和智能化方面取得了重大突破，这是一个非常简单又很有效的分析和思考
框架。
最近中国发展比较快的互联网企业，都是在这三个轴上有新的突破，才有可
能在一个领域里面奠定自己的领先地位。今日头条就是走在智能化这条路上，它
从传统的内容搜索走向内容推荐，并在这个点上打穿，成就了自己过去几年的爆
发式成长。滴滴完成了打车服务的在线化，当然，前提是有了智能手机的广泛普及。由于有了地图服务，让在线定位变得非常清晰，在这个基础上，滴滴把打车
服务变成在线服务，然后通过算法进行优化，成为智能服务，从而成就了自己。
美团，一方面是把传统的生活服务在线化，另一方面也是在构建一个生活服务的
协同网络。
我把这一批具有代表性的互联网企业统称为“智能商业”。之所以称为智能商
业，是因为它们有几个非常典型的特征，是传统企业所不具备的。
低成本，实时服务海量用户
要知道，这些互联网企业的用户都是以10亿级别来计算的。充分利用互联网
和算法的优势，这些企业能以极低的成本实时服务海量用户，这是它们做到今天
的规模、赢利能力和市值的基础。
满足每一个用户的个性化需求
这是智能商业非常重要的一个特征。搜索是精准到你输入的每一个关键词，它给你的内容都不一样。也就是说，根据你过去的搜索记录以及你的一些性格特
征背景资料，提供一个专门为你打造的搜索引擎。淘宝也是利用了过去这几年人
工智能技术上的突飞猛进，实现了千人千面，让每个人看到的页面都不一样。淘
宝还做到了实时更新，当你浏览完一些商品并再次登录时，你看到的商品已经是
根据全网的数据，按照你的需求又做了一次调优。这种海量个性化服务，在工业
时代是无法想象的。
服务自我更新与提升的速度
更重要的是，这些企业已经在很大程度上直接依赖机器在提供服务了。基于
人工智能技术这20年的高速发展，在某些领域，机器已经拥有强大的学习能力。
从这个意义上说，它也是一种智能，即可以快速学习，甚至比人在很多领域的学
习能力还要强大。所以我们看到这些企业一旦实现智能化，无论是服务的效率还
是服务的满意度，都在快速提升。
为什么这些企业能做到以上三点，这正是本书要回答的核心问题。
毫无疑问，这些商业的创新首先源于技术的重大创新。这些先行的公司，其
实都是技术驱动的公司，它们利用最前沿的互联网和算法技术重构了整个商业的
逻辑与运营规律，全面突破了工业时代的商业模式和效率。
可以预见，智能商业在今后很长的一段时间里，会像一辆无坚不摧的战车碾
碎所有人心中已经布满灰尘的商业常识。在如此强劲的对手面前，传统商业无疑
显得不堪一击，而理解智能商业的本质和发展趋势在今天已经是生死存亡的挑战
了……
双螺旋构成：网络协同+数据智能
既然智能商业的时代已经势不可当，在我们感叹万物更迭、缅怀时代变迁的
同时，更要打起精神推陈出新，才能有机会投身未来智能化的大浪潮中。那么，智能商业是如何构成的？
简单来说，智能商业最重要的两个组成部分分别是网络协同与数据智能(见
图1–2)。二者机制不同却相辅相成，网络协同推动数据智能发展的同时，数据
智能也成为网络协同扩张不可或缺的助力，共同构成了智能商业的双螺旋。就像
我们的人类社会，这么多年以来，个体大脑的进化程度十分有限，但社会协同能
力却迅猛发展，一日千里。所以，所谓的人类文明，最关键的并不是每一个个体
，而是整个社会日益增强的协同能力，这才是我们这个时代最大的优势。
图1–2 网络协同和数据智能的“双螺旋”
网络协同
所谓网络协同，指的是通过大规模、多角色的实时互动来解决特定问题。以
前我们解决一个问题，通常需要通过命令、科层制或者在简单市场中通过价格信
号进行调整，但今天更多的是通过大规模、并发、多角色的实时互动加以实现。
举个例子，相信大家都很熟悉维基百科，或许正是因为太熟悉，以至我们都
忽略了它是一个如此了不起的成就。维基百科是一个非常开放的知识共创平台，原则上全世界任何人都可以在上面贡献自己的思想。但是换个角度来说，你有权
利修改任何一个词条，甚至可以恶意攻击它。当然，维基百科还有一键恢复的功
能，如果你认为你的诠释更加准确，你可以再把它修改回来。
这样简单的协同工具以及一套协同规则，居然可以让我们在没有中央权威、没有传统命令机制的情况下，建立如此全面且庞大的实时在线知识库。要知道，中国有史以来最大的百科全书《永乐大典》，可是由明朝翰林院所有学士耗费了
6年时间才编辑完成的。
再举一个大家很熟悉的例子——淘宝。淘宝不是零售商，我们不拥有任何一
件商品，它是一个零售的生态圈，是一个赋能卖家的平台。淘宝之所以能够创造
这么多奇迹，很重要的一个原因是淘宝演化成了一个社会化协同的大平台。在今
天，即使是非常小的一个淘宝新卖家，也可以在线同时和几百个服务商合作，只
需要有一个API(应用程序编程接口)的链接，就能调动相关的数据和相关的服务。相关的服务可以包括打通微博这样的社交渠道、蚂蚁金服提供的金融服务后
台、旺旺的工作流以及各种营销产品。所以淘宝本身就是一个非常复杂的协同网
络，而这个协同网络带来了巨大的社会化的价值创造(见图1–3)。
图1–3 淘宝卖家协同网
举这两个例子，就是想和大家说明怎样才能让一个原本被锁死在供应链里，只能进行线性沟通的角色，在互联网的平台上实现重构，进而形成一个实时互动
的网状格局，这是每一个企业迈向智能商业的第一步。
数据智能
在了解网络协同之后，接下来要向大家介绍智能商业的第二个核心概念——
数据智能。数据智能的本质就是机器取代人直接做决策，和传统的BI(商业智能)完全不同，这一点至关重要。如今，大多数企业都会有BI部门，用来分析数据
，提供决策支持；核心的服务人群是高层管理人员。而数据智能强调的是运营决
策直接由机器决定。比如每天上亿人到淘宝购物，每个人看到的商品都不一样，这么复杂的决策只能由机器来完成。在你的公司里，由人操作的环节能不能让机
器直接代替，这是一个非常有效的评判标准，只要能替代，就是向智能商业的一
次质的飞跃。
当然，想要让机器取代人进行决策，有几个非常重要的前提条件——云计算
、大数据和算法。云计算和大数据相辅相成，如果没有云计算，我们就没有办法
用极低的成本存储和计算海量的数据；而正因为有了处理大数据的需求，我们才
会对云计算的要求越来越高。二者推动了整个数据行业不断高速发展。但想要让
云计算和大数据真正创造价值，背后还需要“大脑”的支撑，也就是算法。
其实算法严格来说并不是机器，而是人，是算法工程师。它会将人的思考和
人的角色进行模拟，抽象成一个模型，然后用数学方法给这个模型找到一个近似
的解，之后再用代码把这个解变成机器可以执行的命令，这样就完成了一个机器
大脑的构建。所以，算法其实就是将人对特定事情的理解转换成机器可以理解和
执行的模型与代码。就今天人工智能的发展水平来说，它和人脑还是有很多不一样的地方。它的核心是靠海量数据的不断学习来优化决策，所以如果没有大数据
的支撑，算法也就变成了无本之木，再也无法显露神通。
所以大数据和算法是机器学习的本质，这两者的结合才产生了快速迭代和快
速优化。最好的例子就是2016年万众瞩目的AlphaGo大战世界顶级围棋棋手李世
石。AlphaGo的计算能力特别强，学习效率也非常高，它可以把人类历史上所有
的棋谱都快速学会，在此基础之上进行优化。这种突出的学习和计算能力，使它
很快就打败了人类棋手。此后不久推出的AlphaGo Zero在原有版本的基础之上，又取得了更大的突破，在某些方向上也代表了未来。AlphaGo Zero甚至可以不用
人的历史数据，不看历史棋谱，只靠左右手互搏，就能够达到一个更强的算法水
平。因此，AlphaGo Zero很快就打败了AlphaGo，这一结果也从侧面证明了未来
算法的突破还有很大的空间。
机器学习都基于反馈闭环，谷歌是最典型的例子。用户在搜索结果页上的每
一次，连写这个算法的工程师都觉得难以置信。这张名为《跟我
远走高飞》(Come Away with Me)的专辑最终热销2000万张，那名叫诺拉·琼斯
(Norah Jones)的歌手当年获得5项格莱美奖。
设计一套算法并非易事，工程师需要以机器可读的语言编写，然后进行千丝
万缕的测试，找到复杂编码中的每一个问题。久而久之，计算机工程师研发了无
数个互相关联、互相依赖的算法，形成了编码的生态系统。然而这套生态系统中
的复杂程度日增，系统中的小问题也会迅速蔓延。算法与算法之间的相互作用，乃至算法本身，其复杂程度开始胜过人类的脑容量。不夸张地说，如果有一天一
切算法都骤然失灵，那世界即便谈不上毁灭，也会了无生趣。
算法是什么？让我们回到这个基础问题上。算法是按照设定程序运行以获得
理想结果的一套指令。
人类可见的最早算法来自两河流域的苏美尔人，他们留下的一块距今4600年
的泥板上刻着一段文字，写的是利用小型称量工具，在人数不定的一群人中平均
分配几千公斤谷物可重复使用的方法。计算机的发明使算法的功能被极大提升，因为在做重复性工作时，计算机显然更具优势，而人们要做的是运用计算机语言
将众多极为简单的指令组成非常复杂的逻辑推理链条。譬如，做蛋糕的时候该加
一小勺白糖，人可以执行，计算机可不行，它首先必须知道白糖是什么；其次，“
一小勺”的量不够精确；最后，计算机也不知道怎么“加”，从如何拿起勺子到如何
移动勺子再到如何把勺子里的白糖倒到碗里，计算机都需要明确的指示才能执行。可见，算法是一种严苛的标准。
不过，随着算法对我们日常生活的渗入，一个小错误就可以击垮整个系统，导致火箭陨落、电网崩溃、市场坍塌，前两者我们或许还没见到实例，但是因为
算法的一个小错误引发连锁反应导致市场崩盘的惨剧确实发生过。2010年5月6日
，美国股市就曾因为计算机算法停止竞价，导致股价大幅下跌，市场崩溃，这种
情况被人们称为“闪电崩盘”。
那么怎样避免这样的情形再次发生？怎样让算法越来越聪明？怎样让算法超
越人类既有经验，创造出前所未有的价值？这些领域都有巨大的发展空间。
算法是“机器学习”的核心——笨机器用笨办法，靠着算法的持续迭代优化，变得越来越聪明。即便是一个非常粗糙的算法模型，也可以在实时在线、全本记
录的数据中，通过没有预判和方向的数据探索，来发现那些广泛潜伏但我们无从
察觉的关系结构，并持续优化。
这是算法的又一次决定性的跃升。[2]
也是在这次跃升中，数据对算法的巨大
作用被充分显现出来。任何一个算法模型，尤其是能够自我学习、自我优化的算
法模型，比如股票市场分析模型或者巧克力爱好者口味偏好模型，都承担着在成
千上万个可能的因素中寻找出所隐藏着的联系的艰巨任务。这些可能因素中有些
具有决定性的价值，有些却是彻底的“噪声”，而且，它们还在实时发生着变化。
所以算法真正要准确地预测股价，或是猜对某种朗姆酒口味巧克力的受欢迎程度
，就必须通过分析海量数据来实现，必须在实时更新的数据中快速迭代优化。
机器学习的原材料是数据，数据越多越好。并且机器学习能够克服各种复杂
情况，只要数据足够丰富，简单的学习算法可以轻松编写百万行长的新算法，工
程师的工作轻松多了。工业革命使得体力劳动自动化，信息革命使得脑力劳动自
动化，而机器学习使得自动化过程本身自动化。战胜围棋本身并没有什么商业价
值，但它带来了算法的突破，而这种突破肯定可以被应用到不同的商业场景中。
数据时代的智能商业对算法提出了全新的要求：算法的迭代方向、参数工程
等，都必须与商业逻辑、机制设计，甚至价值观融合为一。当算法迭代优化时，决定其方向的不仅是数据和机器本身的特性，更包含了我们对商业本质的理解、对人性的洞察和对创造未来商业新样貌的理想。
这就是我们将算法称为智能商业的“引擎”而非“工具”的关键理由，它是智能
的核心。基于数据和算法，完成“机器学习”，实现“人工智能”。第三次工业革命
发展到今天，计算方法已经产生了从量变到质变的飞跃，可以说是数据时代最根
本的特征。
产品化：数据智能和商业场景的最终载体
其实，人工智能只是人类的一个工具。智能商业的核心特征就是能主动地了
解用户，通过学习不断提升用户体验。而真正把用户、数据和算法创造性地连接
起来的是“产品”，这也是互联网时代特别强调产品重要性的根本原因。
产品和数据、算法的互补作用可以形象地比喻成“端+云”。“端”就是产品，是
与用户完成个性化、实时、海量、低成本互动的端口，它不仅直接完成用户体验
，同时使数据记录和用户反馈闭环得以发生，和“云”互动；而“云”则是数据聚合
、算法计算的平台，它通过算法优化，更好地揣摩用户需求、提升用户体验。作
为“端”的产品，具备以下三大关键作用。
产品设计直接影响用户体验
产品的功能是否齐全、界面是否友好以及交换是否自然，都是产品能否取得
成功的关键因素。苹果公司这10年的成功，特别是iPhone的跨时代意义，充分显
示了这一点；谷歌也是如此，超简洁的搜索框一经问世就立刻俘获了所有用户的
心，人们的口口相传，为其带来了早期的高速发展。上传：将“端”的行为数据向“云”反馈
产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算
法优化的通道。用户的真实需求常常是无法直接加以表达的，但是他们的行为不
会骗人。用户的每一次行为都成为一次数据反馈，算法在这样一次次的反馈中敏
捷迭代，一次次更加接近用户的真实需求。
下达：将“云”的数据智能传递到“端”
产品是将“云”上的数据智能传递给用户、为用户带来价值的通道。事实上，在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI(用户界
面)互动，而更多地决定于“云”上的数据智能。
例如，用户在淘宝的体验不仅是搜索是否好用、类目是否合理、导航是否有
效等，更重要的是用户能否高效地从几十亿件商品、千万级卖家中快速找到自己
需要的商品，甚至还有惊喜，而这取决于“云”上的数据智能。不通过数据和产品
的紧密融合，不通过“云”上的数据智能实时发挥作用，真正意义上的客户体验持
续提升是根本无法想象的，就好像我们根本无法想象传统的金融服务能在几秒钟
内完成对客户的贷款一样。
上传下达，双“管”齐下，数据闭环靠产品互动实现，而产品体验依赖于数据
智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接
、交互友好、价值明确的互联网产品上，其智能的价值才能真正体现出来。
万物互联之“广”和数据智能之“深”，其价值都集中体现在互联网产品上。通
过创造性的产品设计，既把数据智能的价值不折不扣地传递给用户，又使用户低
成本、高频度地进行反馈，从而使数据智能持续提升。实际上，这里所说的“产品”已不止于“端”的概念，从更广泛的意义上说，互联网产品是一种包含了“云”的智
能和“端”的体验的完整互联网服务，它是数据智能和商业场景紧密融合的最终载
体，也必将取代营销，成为商业运营的关键。
因此，智能商业的成功，最关键的一步往往是一个极富想象力的创新产品：
针对某个用户问题，定义了全新的用户体验方式，同时启动了数据智能的引擎，持续提升用户体验。这样的智能商业才是对传统商业的颠覆，才能真正实现降维
攻击，胜者一骑绝尘，败者万劫不复。谷歌超越雅虎、脸书超越MySpace(一个
社交网站)、优步颠覆出租车行业等，莫不如此。
数据化、算法化加上产品化构成了智能商业的三大基石。例如谷歌，其搜索
引擎的三大核心，一是网页内容的数据化，二是基于PageRank的算法引擎，三是
谷歌巨大的产品创新——极为简洁的搜索框和基于相关性排序的结果页。然而这
还不够，要让智能商业一天比一天更聪明，还有一样东西不可或缺——反馈闭环。
用户行为通过产品的“端”实时反馈到数据智能的“云”上，“云”上的优化结果
又通过“端”实时提升用户体验。在这样的反馈闭环中，数据既是高速流动的介质
，又持续增值；算法既是推动反馈闭环运转的引擎，又持续优化；产品既是反馈
闭环的载体，又持续改进功能，在为用户提供更好的产品体验的同时，也促使数据反馈更低成本、高效率地发生。
一言以蔽之，数据化、算法化和产品化就是在反馈闭环中完成了智能商业的“
三位一体”的。智能交通体系是另一个例子。以无人驾驶汽车为代表的整体智能交
通体系已经不是科幻，谷歌首次实现了根据路况数据设计路线，本质上就是将关
于路线选择的算法在线了，而今天在美国，无人驾驶汽车已经上路试验，就是汽
车这个“端”的全面智能化。
在中国，阿里巴巴最新的实践则是交通“云”的全面智能化。依据各方面交通
数据的整体打通，预测未来一小时里的每一个路口可能的交通状况，进而对接城
市交通指挥系统，有的放矢。在北京这样复杂的路况下，此套体系的预测准确率
超过95%。其中，数据化、算法迭代和产品同样在反馈闭环中实现了三位一体。
智能交通体系首先以一连串事物的数据化为前提，包括地理位置的数据化、车况
的数据化、天气的数据化，以及红绿灯、分道线、行人的数据化等；其次，它还
是算法实时优化的结果——不仅是车况本身的优化，更是整体智能交通体系的优
化；再次，它当然离不开从汽车到红绿灯等种种产品的智能化；最后，它更是众
多数据反馈闭环的集合体——路况数据使车辆实时优化行车路线，周遭环境数据
使车辆实时决定行驶速度，乘客身体状况的数据使车辆实时调整车窗开合。
本质上，商业从一开始就是基于某种反馈闭环的，从而了解客户所需，提供
相应的产品或服务。然而，不论是发挥商业天分猜测客户需求，还是通过市场调
查听取客户需求，都始终失之于准确、困之于成本。不过，到今天，当客户可以
通过全本实时的数据把他们的需求直接告诉商家时，当商家可以凭借敏捷迭代的
算法引擎精确满足客户的需求时，当产品借助互联网的巨大能量成为数据智能和
用户实时互动的端口时，我们终于可以说，我们找到了促使这个反馈闭环成本更
低、效率更高，甚至自动运转的颠覆性工具。它可以被视作数据智能的“永动机”
，只要有在线的互动，有数据的反馈，这台机器就永不停歇地学习，实时敏捷地
进行优化。
数据、算法、产品在反馈闭环中“三位一体”，唯有如此，智能商业才能完成
对传统商业的降维打击，DT时代的商业跃升才有发力点。
活数据：让反馈成为闭环
我们之所以花费大量精力去了解、分析有关商业智能的知识和案例，绝非单
纯为了满足我们的好奇心和求知欲。将这些理念同我们自身的工作和事业相连接
，让自己能够赢在起跑线上，才是我们最终的目的。所以，如果这些理念不能平
稳地着陆与实现，一切就都只是纸上谈兵，毫无价值。
因此，如何才能帮助一个企业在数据方面取得足够的成功？怎样利用数据智
能真正把自己的企业变成一个精准商业的模型？类似这样的问题才应是我们关注
的焦点。这里我们就将重点介绍一个在实操方面很有价值的新概念——活数据。
大数据是近年来我们经常听到的一个概念，它的特征是：大量、多样、快速
、高质量。但我们会发现，这4个词只是在描述两个事实——数据的“大”与“快”，这些并不能帮助我们更好地进行商业决策。难道我们对数据的需求仅仅停留在“大”与“快”这两个方面吗？我们到底应该怎样去使用它呢？
想要让数据与现实生活无缝衔接，就需要数据在线，实时记录而不是主动采
集；要不断更新，随时可用来产生洞察；需要在实际业务场景中被灵活使用，驱
动下一个决策的产生。这个概念我称为“活数据”。
“活”的两层含义
这里提到的“活”字，有以下两层含义。
1.数据是“活”的
“活数据”一定是始终在线且不断更新的，可以随时被使用。
2.数据需要被灵活使用
“活数据”在不断地被消化、处理，产生增值服务，同时又能产生更多的数据
，形成数据回流。
“活数据”的三大重要特征
了解了“活”字的具体含义之后，我们再来看看“活数据”的三大重要特征。
1.全本记录，而非样本抽查
虽然按照统计学的方法，一个随机样本也可以在相当程度上推导出全局的特
征，但商业的环境是动态的，始终处于不断变化的过程之中，一个间隔很长时间
才收集到的样本，充其量只能将静态的一部分描述出来，并不足以支撑商业决策
的全部需求。
众所周知，在传统时代收集数据是一件极其麻烦的事情。首先得先整理出问
题，随后设计合理的问卷调查，再有针对性地找人专门填问卷，这样才有可能收
集到一些对商业决策有些许帮助的数据。但互联网的第一步就是连接、在线，你
只要让自己的业务处于在线状态，就会得到巨大的好处。要知道，你的用户的所
有行为都会在互联网上留下清晰的印迹，而将这些行为直接记录下来，就能够让
你对这个用户进行全面而深刻的了解。
淘宝并不需要经常性地组织抽样调查，去询问用户对淘宝的服务是否满意。
淘宝的每一个用户在登录后，后续的所有行为都会被自动记录下来。他们看了哪
些商品、在某一款商品的详情页上停留了多长时间、最后购买了何种商品，这些
数据都会被自动记录下来。这种不加选择全本记录的方式，毫无疑问意味着巨大
的数据记录成本。因此，今天我们谈论“活数据”的最大前提，一定是数据记录成
本的大幅下降。这个前提如果无法得到满足，“活数据”的概念不谈也罢，因为它
无法落地。
2.先有数据，后有洞察
传统市场调查方法的第一步是整理问题，如果你想了解一个问题，或者想测
试某一个假设，你就要根据这个问题去收集相关的数据。其中最麻烦的地方在于
，一旦你发现自己遗漏了一些问题，或者产生了一些新问题，这个过程就必须推倒重来，从头收集相关的数据和信息。
但是在“活数据”时代，市场调查的整个过程被颠倒了。在越来越多的人口中
，可以听到这样的说法：“我们重视的是相关性，而不是因果性。”由于数据存储
和计算成本足够低，我们可以把所有相关数据都记录下来，在业务的发展过程中
去看哪些数据的使用能够让我们更好地进行洞察，能够帮助我们重新进行商业决
策。简而言之，就是先有数据记录，再有分析和洞察。这样做的最大好处，是避
免了事后出现新的需要调查的问题而被迫进行重复作业，这种传统方式所带来的
成本是巨大的。
3.数据就是决策
数据就是决策。也就是说，数据智能的引擎机器要能够直接做决策，而不是
传统的利用数据分析来支持人的决策。如果数据仅仅被用来支持人的决策，那便
无法形成真正的闭环，不具备大规模复制推广的价值。
举个例子，如今很多企业不太理解数据工程师跟商业智能(BI)分析师的区
别。其实，BI是business intelligence的缩写，也就是所谓的商业分析部门，规模稍
微大一点的公司都有这个部门。BI分析师最核心的工作就是研究数据，然后将数
据分析成一个个报告，支持高管做出某些商业决策。这里提到的数据其实是离线
的，目的是支持决策，并非我们正在讨论的“活数据”的概念，真正的“活数据”一
定要能将数据本身产生的洞察直接变成商业决策。
说到这里，让我再以淘宝为例。如果用户在淘宝上通过关键字搜寻自己想要
的商品，那么他第一眼会看到什么、在第一次点击之后再给他看什么，类似这样
的决策其实都是机器自主完成的。用户看到的一切其实都是机器想让他看到的，都是通过数据智能的算法自动形成的，不存在任何人为干预。
实话实说，早期我们也走了不少弯路。那时，为了帮助淘宝卖家进行数据化
运营，我们的数据部门会不断地为卖家后台推送数据分析报告，然而收效甚微。
后来我们发现，数据部门推送的这些数据，不仅使用率很低，就连打开率也不高
，很多淘宝卖家甚至看不懂这些数据分析报告。在得出这一结论后，我们猛然意
识到，其实卖家真正需要的不是去理解这些晦涩庞杂的数据，而是让数据直接帮
助他们更快更好地做出决策，让他们的运营效率产生质的飞跃。
所以，我们第一个比较成功的产品就是在卖家的后台装了一个行动按钮。只
要卖家点击一下这个按钮，整个店铺的陈列展现就会被自动优化，从而带动销售
额的提升。对于卖家来说，这样的操作再简单不过，只需要点击一下鼠标即可完
成。这个产品其实就是淘宝的后台通过“活数据”的运营，对海量数据进行算法分
析，最后智能化地帮助卖家自动优化店铺展现，实际上就是让卖家的店铺展现智
能化了。如果不是依靠机器和算法，仅凭人力来完成如此庞大且快捷的决策过程
，估计连爱因斯坦也无法办到。
以上三大特征结合在一起，也就形成了反馈闭环的概念。只有“活数据”，才
能让整个反馈闭环顺畅运作。你跑业务的时候自然会产生数据，这些数据会被自
动、全部地记录下来，然后经过算法处理直接形成决策，用以指导你的业务，并
通过客户反馈不断地优化你的决策。如此一来，整个企业的业务发展就走上了反馈闭环的正向循环，也就是走上了智能商业的发展道路。
如果从“活数据”的角度来考虑商业运营的话，感受便会很不一样。现在有很
多人一听到“大数据”这个词，就会觉得和自己没有太大的关系——“我就是个小公
司，数据量也不大，你们讲的那一套理念跟我没有任何直接关系”。但是，如果从
“活数据”的角度去思考，你会明白数据量的大小只是个相对概念。如果让数据成
为你业务中的自然组成部分，让机器成为你决策中的一个环节，你的商业行为就
会走入智能化的快车道。
企业智能化=在线化+自动化
谈到智能商业，相信很多人会问：到底怎样才能赶上这个智能化的浪潮？我
要做些什么？其实，智能化的浪潮并不像我们想象中的那样抽象，也绝非虚无缥
缈、不可落地的事情，其核心就在于你能否创新性地实现产品化，把你的核心业
务流程在线化。通过这种方式，全本记录用户数据便有了实现的可能。接下来要
做的事情十分简单，你只需要在那些大型互联网企业提供的算法工具包里挑一个
适合你的算法即可。
产品提供反馈闭环，数据作为原料，交给算法去处理，三位一体，你的业务
就变成了一个智能业务，你的商业有了数据智能这一核心引擎，你就能跑在竞争
对手之前。能否做到这些，决定着未来大部分企业的生死，如今国内有很多优秀
的企业已经先行一步。
下面，我想和大家分享一个案例——流利说。
“流利说”创立于2012年9月，创始团队有三个人，都是理工科技术男。“流利
说”的创始地与湖畔花园(阿里巴巴创始地)仅一街之隔。成立之初，这三位理工
男首先做了一个简单至极的口语练习工具。通过这个工具，“流利说”成功积累了
第一批用户，并且逐步形成了自己的社群。
社群形成以后，“流利说”沉淀了很多的内容。值得一提的是，他们的内容基
本上是自演的，而且他们所找的是外国人，以此来确保文字和录音的规范性。发
展至今，“流利说”已经拥有超过5000万的用户群体，其中13是中小学生，13是大
学生，另外的13则是成年人，其中以白领居多。
我与“流利说”的缘分源自一个朋友。一次偶然的机会，我和这个朋友在机场
相遇。他花了15分钟为我介绍了“流利说”的案例，我听完后的第一感觉是这个案
例太漂亮了!无论是时间、地点、人物还是事情，都恰到好处地演绎了数据智能
的创新应用。
之后，这个朋友又和我谈起了对这个公司的看法，我当时的反应是：“这个公
司应该拥有50亿美元的潜力。”朋友对于我的说法并不赞同，他认为成人教育中的
口语教育是一个较小的细分市场，在这样的市场内做出一个市值50亿美元的公司
几乎是天方夜谭。就此问题，我们两个人还展开了一次争论。我觉得这个案例值
得深入研究。因此，我们又和团队专门为此进行了两次交流，其间我确实又学到
了很多东西。
关于“流利说”，我想和大家分享以下两点感悟。在正确的时间、正确的方向做正确的事
2012年创业时期，“流利说”恰逢移动AI、云计算和大数据三大趋势的结合，所以才会有这样一个产品的诞生。试想，当时如果没有智能手机，没有麦克风语
音输入，没有人工智能技术的发展……那么，语音识别甚至语音识别之后的语音
语料处理，包括匹配、辨别、评测就都没有了基础。可以说“流利说”是在合适的
时间找到了一个合适的切入点，撬动市场的可能性也就因此大了许多。
事实上，我们在实际生活中不难发现，大多数成功的企业，不管它们当时有
意还是无意，它们的成功都暗合了很多当时的大趋势和一些基本的商业规律，这
是非常重要的。所以我们在湖畔开玩笑时经常讲，校董们分享的都是失败的案例
，是希望大家少踩“坑”，但是教授就必须能够研究透，能够讲明白成功背后的原
因，只有这种背后的东西才能帮助大家走得远，才能最后走向真正的卓越。
企业智能化
需要学习口语时，大多数人通常都会想到找老师约课，由老师来安排课程的
方向和频次，却并不知道自己要学的到底是什么。针对这个问题，“流利说”找到
了一个巧妙的解决方向——数据智能，它不仅有效实现了课程的在线化，还成功
将其变成了一个个性化的学习课程，有效实现了智能商业的初步闭环。
其实无论是哪个行业，只要是想做大、做强，搭上智能化的顺风车就都是殊
途同归的，需要完成的事情也都是一样的。我们完全可以把“流利说”这个教育行
业的案例当成一个普适性的案例来看。通过它，我总结了企业智能化的两大步骤。
1.核心业务在线化
让企业智能化，对于绝大部分企业来说，第一步往往就是实现核心业务的在
线化。
“流利说”的定位并不是一个评测公司，他们所做的口语练习工具，其实就是
数据和用户的入口。他们最初所做的App，实际上就是一个和用户交流的界面，是一个数据收集器。利用它，“流利说”将用户录的每一条语音都进行记录，以使
其逐步演变成一个世界上最大的“中国人说英语”的口语数据库。如今，“流利说”
对于中国人自然语言识别准确率已经居全球领先水平。
由于智能手机的出现，口语学习实际上已经完成了数字化的过程，“流利说”
将更多的力量集中于软件化的攻关上，也就是将大家习以为常的行为变成一个模
型，再用软件将其贯通起来。但是在更多的场合下，核心业务的在线化是你首先
应当考虑的事情，也就是运用IoT技术让线下场景变成线上场景。
最简单的例子是摄像头。由于摄像头的存在，我们才可以把场景录下来。如
果这个摄像头是孤立的，那么它并没有多大的价值；但如果这个摄像头是联网的
，那么它记录下来的视频就能够快速地在互联网上传播，价值得到了成倍的提升；如果这个摄像头后面还接了一个智能引擎，那它就能够进行人脸识别和ID(身
份标识)匹配。举个例子，如果将一个线下实体店和淘宝或者微信的数据打通，就能够轻松
知道一个人在淘宝上的ID或者微信号是什么，可以将线下的独立个体转化成线上
可以识别的人，这就是数字化的过程。这中间有硬件、互联网和算法的相互作用
，但其核心是把一个线下的场景映射到一个在线的场景中。通过数字化和软件化
两大步骤，将传统的服务搬到线上，这是企业智能化的第一步。
2.业务环节自动化
实现核心业务在线化之后，接下来要做的第二步是完成自动化的过程。对于“
流利说”而言，也就是将学口语变成一个非常简单的自动化过程。你的录音都会得
到系统的反馈，你可以针对反馈不断提升自己的口语水平，也可以随时调整课程
的进度，这其实就是机器人AI老师的概念。它是用机器决策取代了传统的老师反
馈和课程改进，而这个过程需要的就是前文提到的数字化和软件化。
只要这两步能够顺利跑起来，不管你企业的规模，也不管你所在的领域，你
就是一个互联网时代的新物种，你就能登上智能商业的快车，比别人更快演化。
2014年，“流利说”做了一个自适应的学习系统。这个系统可以把用户学习的
数据输入到引擎中，引擎背后连接的是一个很大的内容库，然后把内容库中的每
一个算法，穿针引线般给每个用户穿上不同的“珠子”。简单来说，就是根据用户
学习的轨迹，为其创造比较个性化的学习体验。
在教育这一领域中，“流利说”可以说挑了一块最难啃的骨头。因为用户中有
很大部分是成年人，要知道教育对于成年人来说并不是刚需。但“流利说”还是能
够发展壮大，其中的奥妙自然不言而喻。在“AI+教育”这一领域，“流利说”有三个
核心，即团队、数据和技术。其实用户是不直接消费数据和技术的，他们消费的
是产品。所以就需要产品能够为用户提供足够好的体验，能够切实解决用户的问
题，为用户创造价值。教育本身很重要的一点就是内容，内容不是冰冷的死物，“
流利说”通过算法和机器引擎让内容“活”了起来，变成了一个标准化产品。
所谓企业智能化，简单而言就是“能学习的决策机器”，不但能够做决策，就
连决策的效率和效果也可以通过学习的闭环不断进行优化改进，这当然需要数据
和算法的支撑。我们可以看到，在“流利说”这个场景下，三位创始人从创业之初
便对数据有着较为深刻的理解，将一款移动产品变为了数据输入的极佳入口，运
用算法为输入的口语进行识别、打分和反馈。与此同时，还让产品保持快速的迭
代优化，不断提升用户体验，从而取得了今天的成绩。
不可否认，“流利说”的成功有着特定的天时地利因素，但绝非无法复制。在
某个特定的业务场景下，通过在线化和自动化形成智能商业的初步闭环，这是接
下来最值得大家去研究的事情。
[1]这个看似非常简单的问题，只能用机器学习的方法解决，而且这个“解决”
不是事先确定解决方案，而要看不同场景下调用哪个数据的效果更好。
[2]算法的突破往往依靠数学的发展。05
智能商业的特征：向精准升维
新旧商业的区别，在于精准。精准，就是精确和准确，分别对应着网络协同
和数据智能。服务想要做到精确和准确，就需要不断地互动，不断地迭代优化，通过数据智能不断加深对用户的理解。未来的社会必然会向服务型转变，而那些
无法为用户提供精准服务的企业，则很快会被淘汰。
“精+准”是未来商业的核心要求
互联网时代的到来，使商业衍生出了一种全新的模式，这就是智能商业。但
是，智能商业和传统商业到底有什么本质区别？经过很长一段时间的思考，我终
于找到了一个可以概括这两个概念根本差别的词语——精准。这个词在这些年里
经常被人们提起，但一直没有被系统地完整阐述过。其实精准就是精确和准确，分别对应着网络协同和数据智能。
为什么谷歌、阿里巴巴、优步能够成功，能够有如此大的影响力？就是因为
它们能够做到精准。精准广告、精准零售、精准交通、精准医疗……这些应该是
时下最时髦的词了。虽然精准似乎有被滥用的风险，但仔细想想，这个词的确抓
住了未来商业的本质。
谷歌开创了人类历史上第一个大数据驱动(如果用现在的词汇，也可以称之
为“人工智能驱动”)的精准服务。那些存在了100多年的传统广告，其效率是没法
准确评估的，而谷歌的精准广告是广告投放模式的革命。用户在谷歌上输入了某
些关键词，自然可以将其判断为相关领域的潜在客户。通过关键词匹配发展出非
常精准的广告，这种广告模式对于传统广告模式有三个根本性的颠覆。
根据效果付费
如果没人点击，就不会收钱，精准广告玩的是事后收费模式。
市场竞价，实时在线定价
精准广告的价格是市场竞价、实时在线决定的。传统广告全部都是事先定下
价格再人工销售的，而在互联网上，一旦有用户搜索了相关的关键词，这时下一
秒钟究竟闪现谁的广告，就是由相关性、出价高低等很多因子根据算法来实时决
定了。
持续跟踪反馈
淘宝在谷歌的精准广告方向上，又往前走了一步。客户在淘宝投放一个广告之后，系统就会持续地进行跟踪反馈，比如，在过去的一个月中，由于这条广告
产生了多少直接和间接销售。广告的投入和产出变成了一个可变成本，并且可以
精准计算投入产出。客户可以清楚地知道这条广告给他带来了多少收益，这在以
前是无法想象的事情。
人们以前总会开传统广告的玩笑，“我知道它有效果，但我却不知道是哪一部
分有效果，到底起了多大的作用”。原来不管是所谓的监测报告还是评估体系，其
实都没有办法真正知道一个广告的实际价值。但是在“互联网+大数据”的时代，广
告的确可以做到精准。所以，传统线下的广告都在快速地往互联网上转移，同时
互联网的广告又向类似谷歌和淘宝这样的精准广告平台上转移。
商家投放广告的初心是为了销售，既然广告领域已经发生了变化，销售领域
自然也会产生同样的精准革命。还是以大家熟悉的淘宝“双十一”为例。每年的“双
十一”购物节，淘宝都会迎来上亿消费者，浏览者更是无法计数。但即使在这样的
数据量下，用户在淘宝的每个小时，甚至是每次登录所看到的东西都是不一样的。淘宝会根据用户历史上的购物数据、“双十一”期间的购物数据、收藏夹里未购
买的物品等所有因素，为用户定制专属的淘宝页面，也就是定制的商品推送，这
样的精准零售让沃尔玛等传统卖场望尘莫及。
如今，精准的商业概念已经被越来越多的企业认可并复制。比如我们在手机
上常用的UC浏览器，它会记录下用户每次点击的网页，并且根据用户搜索的内容
，向用户精准推荐相关信息。再比如现在的各大视频网站，如优酷、腾讯、爱奇
艺等，它们同样会记录用户每一次观看的视频，然后根据视频类型向用户进行精
准推荐。
需要再次强调的是，这里所说的精准与传统商业的精准是截然不同的两个概
念。传统大众化时代，每个通路处理信息的效率是有限的，匹配的能力是非常低
的，所以每个消费者只能在有限的几个选择中进行决策。对于传统企业来说，利
用规模优势进入主要通路，并且尽量抢占头部位置，才是商业的核心所在。在此
基础上，传统商业中所谓的“精准”，只是降低成本、提升利润的手段之一，而且
只能在很粗的层面实现。
进入互联网时代后，线上平台处理信息的效率和匹配能力几乎被无限提高，全世界的数据相互连通，每个消费者都可以在无数个可选项中做决策。因此每个
通路，无论是广告、推荐、电商、社交还是工具，都必须优先向用户呈现最“精准”的选择，才有可能被选中。所以在新商业时代，精准是商业的核心要求，是产品
和服务能否有机会与用户连接的先决条件，更是企业能否存活并做大做强的关键
所在。
精准商业要建立在和用户的持续性互动关系之上，在这种持续性互动中，对
产品(服务)进行迭代和优化，从而更加精准。在这个模式下诞生的产品是一种“
活”的产品。而要创造一个“活”的产品，就必须以数据智能作为产品的核心。因为
，一方面产品的价值很大一部分来源于数据智能在其中的应用，另一方面产品本
身又是收集数据的渠道，形成反馈闭环、学习优化的基础。
同时，要与用户建立持续性互动关系，就必须以个性化、一对一的方式来实现与用户的连接，这样双方才有可能互动起来。但是想要同时能够和海量用户进
行持续互动，就必须依赖于一个协同网络，只有协同网络才能支撑这样个性化的
服务体系。
总而言之，在未来的商业文明中有两个基石：网络协同和数据智能。而我们
所追求的最终目的则是实现精准的、不断优化的个性化服务。接下来，让我们分
而论之。
精确：通过网络协同，实现降维打击
未来智能商业的精准性要求，分为“精”和“准”两个方面。在这一节中，让我
们先从“精”的层面讲起。
“精”指的是精确。过去10年，有一个词语出现得愈加频繁——个性化。在工
业时代，个性化被当作商业的至高追求目标。彼时的基本逻辑是标准化大规模生
产，按照同一个标准的模型来生产产品与服务。在这样的环境下，人的个性必然
被抹杀。但个性、自由是所有人共同追求的目标，打压得越狠，反弹的力度也就
越大，每个人都希望获得个性化服务。
但是个性化并不能完全代表精确，否则早在多年前，腾讯公司为用户推出的
每个人拥有专属号码、可自由变换头像和签名的QQ企鹅就已经满足了精确的所有
需求。在新商业时代，想要做到精确，个性化只是一个起点，精确的颗粒度可以
被无限扩大。
那么，精确究竟是什么概念？如今的精确，不但要求企业根据不同的用户提
供个性化服务，还要掌握用户是何地、何时、何种场景之下需要服务。这个道理
其实说起来简单。每个人在早上9点和晚上9点时的心情大相径庭；在家和在公司
的需求也不一样；酒醉与清醒的不同状态下，又会产生截然不同的需求。所以精
确要追求的方向，是在极度颗粒化的场景下，依然能找到具体时间点的需求，然
后按需服务。
在弄清了精准的概念之后，让我们思考下一个话题：究竟如何才能实现精确？答案的核心是通过协同网络的不断扩张，获取一个人在不同场景、不同状态下
的更多数据。
举一个简单的例子。如果现在将某人在微博、微信、陌陌、淘宝、支付宝这
些软件上所显示的所有数据都打通，那么对这个人的理解就会变得全面且立体，更便于商家在某个具体瞬间捕捉到他当时的某种服务需求。因此，我得出了以下
结论：精确是通过协同网络的扩张，对一个人在不同场景下的理解逐步深化的过
程。
只有协同网络才能完成个性化服务，只有当一个网络能满足千万人需求的时
候，才能真正满足一个人的需求。这是一次非常有趣的商业突破，它实际上是突
破了一个传统的供给悖论——用网络上大规模的方法完成个性化服务。相对于一
个固定的线性供应链结构，网络结构才有弹性来支持任何一点的需求，满足低成
本、柔性化、模块化等要求，这些都是过去被认为商业上不可能实现的组合。
为什么淘宝和谷歌这样的企业，一出现就能够对传统企业进行摧枯拉朽般的打击？个中关键在于它们实现了过去做不到的组合，提供的核心客户价值让人无
法抵挡，这才是网络结构的优势所在。在这个网络上能够进行全局动态优化，这
是固化的供应链难以做到的事情，也正是所谓的降维打击。
从工业时代到数据时代，无论是基本逻辑还是指导思想都在发生着变化。工
业时代要解决供给不足的问题，让大家都能用得起，所以它的核心就是标准化，只有标准化才能进行流水线生产，实现大规模和低成本。由于中国中产阶层的不
断扩大、消费需求的日益增加，产能需求进一步扩大，对标准化又提出了更高的
要求。这个正向循环的整体逻辑是线性的，以控制为核心。精确的系统一定要能
有效控制；一旦失控，整个系统就面临崩溃的局面。
然而进入互联网时代之后，一切都发生了变化。新时代对企业的要求是一切
以客户为中心，以C端为中心，C2B模式成为主流。这种模式强调个性化和差异
化，追求的是价值而非成本。由于供给过剩，商家必须强调将给客户带来何种额
外价值，客户才会愿意为此买单。因此，互联网时代强调的是网络和社会化协同
，看重的是自组织生长，这是一种生态思路、网络思路和演化思路。
说到这里，解决精确问题的关键，又回到了如何才能构建协同网络上。伴随
淘宝10多年一路走来，我们有了以下心得和体会。
降低准入门槛，扩大生态容量
要想构建协同网络，首先要能够通过赋能降低门槛，让原来不存在的供给者
进入，这样才能极大地扩大生态容量，才有可能改变原来的格局。
在旧体制里改革，从来都是一件很难的事情。既然存量难改，那么你能做的
只有增量改革。当增量达到一定程度后，新的东西才能把旧的东西囊括进去。
最早的淘宝，我们戏称它是“边缘人群卖边缘商品”。那时候只有找不到工作
的大学生和下岗工人，才会到批发市场批发一些东西，将其放到网上来卖，而这
些人在传统商业模式中根本无足轻重。渐渐地，这些人靠着自己的勤奋和新技术
，“吃螃蟹”一般做出了示范效应后，才让一些稍微有点钱、有点能力的人愿意加
入其中，就这样一棒一棒地传了下去。因此，我一直认为，低门槛是非常重要的
一个竞争手段，越大的生态越需要低的门槛，这样才能保证足够的容量。
以协同为核心的不断演化
淘宝是怎么变成平台的？答案不是淘宝去发展关系，而是大家之间发生了关
系。除了最开始的买家与卖家，绝大部分角色都不是我们按计划设计出来的。比
如，从“窄带”到“宽带”之后，出现了模特需求，于是有一批人当起了网店模特；
随后有一部分没有货源的卖家提供运营服务，于是就出现了名为“代运营商”的新
物种；渐渐大家发现对快递服务的要求越来越高，于是就出现了几家来自桐庐小
镇的快递公司……像这样的例子，还有很多很多。
新物种是不断演化的过程，是以协同为核心，让网络不断扩张的过程，这一
点在中国非常特别。而在美国，因为传统商业极其发达，每个环节的效率都很高
，所以电子商务很难在整体上重构美国的商业版图。准确：数据智能的背后，是商业逻辑的根本改变
在展开讲“准”这个概念之前，我们先要对当前时代的宏观背景有个准确的认
知：我们这个时代，已经从短缺经济变成了过剩经济。其实早在20世纪90年代，美国就已出现物质极大丰富的现象，绝大部分的商品都处于过剩状态。中国在赶
超了40年之后，近几年也出现了产能严重过剩的情况，大部分标准化产品的竞争
都无比激烈，因为标准化产品的市场已经饱和了。未来竞争的核心，将从满足显
性的标准化需求变成挖掘潜在的个性化需求。
这是一个根本性的差别。在传统工业时代的逻辑下，广告和标准化的生产是
相匹配的，先有标准化的产品，然后通过广告去激发需求，再通过渠道把这个激
发的需求与产品匹配起来。进入互联网时代之后，我们能够做的是更好地挖掘潜
在需求，而不是用标准化的服务去满足某种被广告激发的需求，这就回到了我们
本节的关键词——准。
“准”指的是准确，而这只有通过智能化才能实现。依靠牛顿经典力学为代表
的现代科学所发展起来的工业时代，是追求确定性的时代。在那个时代，人的信
仰是科学能够发现一切规律，依靠规律就可以将一切事情做得准确。最近50年，随着量子物理和计算机科学的发展，新时代最大的特点就是开始接受不确定性，尝试用统计的方法来逼近准确性。所谓的机器学习和人工智能，就是先从一个非
常粗糙的目标开始，逐步迭代优化，最后可以达到非常准确的高度。
谷歌翻译的准确率可以从一开始的40%，仅仅利用几年时间就达到很高的水
平，就是因为它拥有了和工业时代完全不一样的思路。谷歌翻译是用统计、概率
、学习、反馈来逼近精确，向越来越准确的最终目标前进。它要求“活”数据，而
不是一般意义上的“大”数据。只有量是不够的，数据必须和业务完整地融合在一
起，在此基础上有模型和算法，还要有云计算和大计算能力支撑海量数据处理。
这就是未来商业真正比拼能力的地方，能否做到更加准确，这是商业逻辑的根本
变化。
到了现在，如果还用工业时代的逻辑，三年计划一个产品，然后希望这个产
品在未来某个时刻能打中人的需求，这样的概率几乎为零，没有任何准确性可言。所以，未来服务的准确度是去挖掘潜在的需求，我们要用一套全新的方法论去
指导这种思考。而这个方法论想要变成一套完整的运营体系、业务流程，就需要
拥有一个互联网化的支撑系统，才能提供更加准确的服务。
那接下来的关键问题就是：如何挖掘潜在需求，才能实现最高效率？
如果让人和一个个用户不断地进行互动，看他们到底想要什么，这是一种成
本很高的方法。就像做所谓的定制化服装一样，要人跟人之间发生很多次的反复
互动才能达到目的，性价比非常低。如果这种场景想要普遍化，最终还是要靠我
们讲到的数据智能。你先要建立起一个有效的产品通道，将商家跟潜在的客户联
结起来，再通过各种各样的方法去试探客户的反馈。最终双方动态的匹配形成某
个时间节点的最优服务，而这个服务又会随着用户的需求不断演化。
想要完成这个目标，唯一的方法是通过持续的互动进行产品的迭代和优化，光靠人力注定无法完成，背后需要数据智能引擎的支撑。只有用机器决策取代人力决策，才能在足够短的时间内快速学习、提升和逼近可能的潜在需求，这样得
出的判断才是准确的。用工业时代的思想无法企及准确这一高度，只有用数据时
代的思想，人们才能用渐进的方法来快速迭代、试探。其实这种试探是双方的，只有经过多次的摸索、互动，最后才能找到一个当时足够满意的服务。
既然要靠试探和摸索，那便离不开数据智能的自我学习能力。在这方面，淘
宝的经验或许能为你提供帮助。
在线记录数据
淘宝提供在线购物服务，用户所有浏览和购买行为自然就被记录了下来，这
不是额外的动作，而是业务的自然过程，是记录数据而非收集数据。
收集所有的数据
淘宝不仅能够记录买家的购买数据和浏览数据，就连买家在两个浏览行为之
间停顿多少时间这样微小的行为都会一一记录。这些数据的价值在当下或许不会
得到体现，但在将来的某一天也许能够对你产生极大的帮助。先大范围地收集数
据，数据的具体价值留待将来慢慢发现，这也是一种很不同的思路。
要想做到以上两点，就要把一切业务在线化、软件化，这是与ERP平台[1]
的
根本差别所在。ERP是将管理行为固化，通过最佳实践的软件化传播来提升管理
效率；而未来需要的是要将业务行为软件化表现出来。人能够通过潜意识对用户
的一个线下行为进行预测，但无法让机器通过学习加以掌握。只有当你把业务的
全部流程都用软件方式表现出来，并让其在线化之后，接下来的一切才有了开始
的可能性。所谓机器智能，就是用最笨的方法做出最聪明的结果，这是第一步。
我们之前讨论过淘宝的网红店铺，为了追求在线实时业务流，很大一部分的
网红店铺都在重写业务流程软件系统，抛弃了过去常用的ERP平台。在线化会带
来庞大的数据流，在掌握了用户的全部数据之后，再使用预测反馈校正的方法指
导业务决策。从这个角度讲，数据就是决策，而不是数据支持决策。智能化的第
二步一定是自动化，就是直接让机器做决策。
用户在淘宝的搜索框中输入一个关键词，或者点击某个地方会出现什么内容
，这些事情都是机器直接决定的。也许有人会产生这样的疑问：“我怎么知道机器
做得好还是不好？”其实这就是模型、算法、反馈要改进的过程。一定要将决策数
据化才能够加以持续优化。在优化的过程中，服务会逐步变得精准和智能。如果
你的核心业务没有在线化、自动化、数据化，你就没有开始智能化的过程。请记
住，“离线动物”是无法和“在线动物”较量的，因为“在线动物”有很多工具可供使
用，这根本就不是一个量级上的竞争。
最后还有一个问题需要解决，那就是怎样才能快速进行智能化服务。关于这
个问题，前面的不同章节都有涉及，这里再强调三点，希望能够对你有所启发。
数据化往往是一个很昂贵的过程
问一下自己，你是否有足够的创造性，能够找到一种适合你的方法完成数据的初始化？这一点非常重要。如果你能够用足够低的成本、在足够短的时间内，掌握足够大的数据量，你的胜出概率将大为提升。在互联网时代，谁能够找到有
创意的数据化方法，谁就具有重要的竞争优势，也就能真正融入未来的智能商业
中去。
只有上线，才能迭代优化
不上线就没有用户反馈，就不知道往哪个方向优化，迭代便无从谈起。这两
年有一个很好的例子——特斯拉自动驾驶。在全世界范围内，有数量庞大的特斯
拉电动车在路上飞驰，特斯拉公司自然能够收集到大量的数据进行优化，这是智
能商业非常重要的一个方向。
用机器学习的逻辑贯穿整个业务过程
还有一个问题需要问问你自己：针对一个足够大的问题，你能否找到新的算
法来挖掘数据背后的洞察？千万别小看这个问题，要知道，算法创新具备极大的
实用价值。谷歌正是凭借两个别出心裁的算法，支撑起了自己5000亿美元的市值。再举个简单的例子，未来一定会出现某种算法，让餐厅实现按收费最大化的目
标来安排订位。但在这个算法没被人发现之前，大家就享受不到这样的服务。换
句话说，这是未来餐饮业的商机所在，相信无数有心人正摩拳擦掌，打算凭借自
己的力量打下全新的商业版图。
[1]ERP，enterprise resource planning的缩写，即企业资源计划，是指建立在信
息技术基础上，以系统化的管理思想，为企业决策层及员工提供决策运行手段的
管理平台。06
黑洞效应：智能商业胜出的秘密
黑洞，是一个让人望而生畏的词语，它有着极强的引力，能够将所有接近它
的事物吞噬殆尽，甚至连光都无法逃脱。未来的智能商业有着像黑洞那样无限大
的潜力与空间，可以包容一切的人、数据甚至时间。而拥有“黑洞效应”的企业，可以搜集到无数的数据、信息，从而持续不断地高速发展。同时，因为越来越庞
大的数据基础，智能商业的发展也必将越走越远，做到真正的海纳百川，有容乃
大。
黑洞效应：智能商业的优势源泉
近年来，有一批企业以前所未有的速度发展，如滴滴、今日头条、摩拜、快
手、瓜子，以及最近的抖音。那么，为什么这些互联网新兴企业能够拥有如此强
大的生命力和火箭般的发展速度？同时，那些已经拥有庞大体量的互联网公司，如阿里巴巴、腾讯、亚马逊，又是如何继续保持着高速增长？要知道，这种情况
在商业史上颇为少见。
我在研究和梳理这些案例的时候，找到了一个很有意思的观察角度，我称其
为智能商业的“黑洞效应”。既然叫“黑洞”，自然意味着它有巨大的能量场。那么
这些“黑洞”的能量场又是如何形成的呢？
网络效应
智能商业双螺旋之一是网络协同，而网络协同的驱动力就是网络效应。既然
是互联网企业，天生就带有“网络效应”，具备指数型扩张等大众已经非常熟悉的
互联网天然优势。所以，“黑洞”型企业的第一个优势当然就是网络效应。
学习效应
数据智能是智能商业双螺旋的另一个重要组成部分，而数据智能有着乘法的
优势，也就是学习效应。打个比方，机器的算法在不断对数据的处理中提升了自
己的智能水平。这是7(一周7天)×24(一天24小时)永不停歇的自我运转，所
以这种学习效应是乘法叠加的。“黑洞”型企业越学越聪明，学得越来越好、越来
越快，这就是学习效应。
数据压强会推动数据智能发展
一个网络在不断扩张时，数据天然会被记录下来，随着时间的推移，积累的
数据会越来越多。当网络越来越复杂以后，靠人力根本无法完成如此繁重的工作。就像我们提到的快手，人流量快速过亿。如此庞大的人群，每天都会产生极为庞大的数据量，我称之为“数据压强”。在这种巨大的原生性压力面前，人力束手
无策，数据智能是唯一且必然的选择。而快手高速成长的原因之一，正是从一开
始就将平台运营建立在了机器学习的基础上。
再以淘宝为例。早在2008年之前，我们就已经感觉到传统的类目再也无法处
理这个平台上如此多的商家和商品信息了，消费者的购物效率出现了直线下滑的
趋势。因此，淘宝从2007年开始计划，在2008年全面投入，用搜索引擎取代传统
的分类浏览。在当时，搜索引擎是一款数据智能的新产品，只有搜索引擎才能支
撑淘宝复杂网络的爆发式成长需求。对于搜索引擎而言，处理1亿件商品与处理1
00亿件商品并没有太大的区别，只要它的可扩容性能够承载就可以了，但这是人
力无法达到的效率。
现在看来，淘宝的数据智能之路，与日趋庞大的网络所产生的“数据压强”息
息相关。在“数据压强”面前，要么数据智能，要么变成肉泥，没有第三条路可选。
数据智能拥有网络张力
如果说自然资源中的石油与钢铁是20世纪最重要的生产资料，那么在当下的
时代中，最重要的生产资料就是数据。二者的主要区别有以下几点。
1.物质资源有形，数据资源无形
数据和石油、钢铁的最本质区别在于，石油和钢铁都是物质资源，而物质资
源都是有形的。就像一杯水，只要有一个人喝了，这杯水就没有了，别人自然也
就无法再喝了。数据、信息则是无形的资源，可以被反复传播共享。
2.物质资源传播成本高，数据资源传播成本低
数据信息的复制和使用的边际成本近乎为零。换句话说，数据信息无论在网
络上被传播多少次、传播得有多快，都不会提高数据信息的传播成本。反观那些
物理属性的物品，无论你用何种方式进行传播，速度与成本都会受到很大的制约。
3.物质资源的使用是损耗过程，数据资源的使用是价值创造过程
物质资源越用越少，最后的结局就是完全枯竭，因此，物质资源的使用过程
是单纯的损耗过程，而数据资源却不然。数据的使用过程是一个增值过程，有多
少人查看，查看的人是谁，这些信息本身就有着巨大的价值。如果查看信息的人
再去点个赞、留下一条评语，甚至再转发一下，整个信息的价值更会以几何级数
上升。从这个角度看，数据资源的使用过程可以算作是一个价值创造的过程。在
我看来，任何互动产品的设计都极有价值，原因就在于这些优秀的互动产品，让
信息的消费过程变成了信息的再生产和信息价值的再创造过程。也就是说，在网
络上有多少互动，就能够产生多大的信息价值。
4.二者的经济学原理不同
在给传统的物质资源定价时，成本因素起到了很大作用。但是对于数据资源而言，编辑复制它的成本基本趋近于零。另外，同样的数据资源在不同人眼中，价值也完全不同。从市场有效性的角度来看，某个特定信息总是有着极大的意愿
去触达不同的人群，总是希望能够在网络上“走”得更远一些。唯有如此，它才会
有更大的概率遇到某个愿意为这个信息付出高额溢价的人。
在了解了物质资源和数据资源的四大不同之后，你会越来越清晰地发现：数
据就像是一个黑洞，它总想越变越大，触达的人越来越多。因为数据传播和消费
的过程，本身就是价值创造的过程，而传播的边际成本又非常低。这种不对称性
使得数据有很强的动力去尽可能地在全网络传播，这是一种天然的网络张力，所
以数据的积累又会进一步推动网络的扩张。
以上四大优质DNA的重叠附加与彼此赋能，让有着“黑洞效应”的企业占据了
指数级增长的竞争优势。这些优势的乘法叠加，足以在各自的行业和领域内掀起
一次又一次的惊天风暴，也由此诞生了一个又一个智能商业独角兽。诺基亚与摩
托罗拉的悲剧式谢幕、雅虎的破产贱卖……那些曾经无限风光的行业巨头纷纷倒
下，暴露出了现实的残酷性：传统商业在面对这样的对手时，几乎毫无还手之力。
图6–1 黑洞效应
在智能商业的时代，想要让自己的企业获得成功，首先要问自己4个问题：
·第一个问题，我的企业能否最大限度地实现网络化？
·第二个问题，我的企业能否尽可能地引入机器的学习效应？·第三个问题，我的企业能不能在网络扩张的过程中，尽可能地用机器决策取代人工决策？
·最后一个问题，我的企业能否让自己收集的数据与更多不同类型的数据产生
交换？
这4个问题，每解决一个，你就离成功更近一步。因为，这4个问题代表了“黑
洞效应”的4个不同优势，无论哪一个优势都能为你的企业带来巨大的发展动能，都能为你的企业创造出巨额的价值。
黑洞效应的必然方向是智能商业在了解了“黑洞效应”的四大共性后，让我们来思考这样一个问题：既然黑洞
效应的威力如此巨大，那么它会将我们的世界带向何方？
在我看来，物质、能量和信息分别是世界的三大核心资源。而在信息这个维
度中，还可以分为两条主轴：一条是通信和通信，另一条是处理和计算。在人类
文明高速发展的这些年，物质与能源这两大核心资源带来的巨大变化，大家都已
经很熟悉了。而信息这条主轴上的技术进步，同样推动了人类社会突飞猛进的发
展。因此，我们只需要将目光聚焦于信息这个点上，将人类的三大文明时代进行
横向对比，就可以得到这个问题的答案。
在农业文明的早期时代，人与人之间通信与通信的实现，主要依托于烽火台
、信鸽和驿站。通过烽火来传递信号，通过动物(如飞鸽和驿马)来触达更多的
人。文字和后期印刷术的发展，极大地提高了通信的效率。而彼时的处理和计算
，主要依靠的是算筹和阿拉伯数字的发明，是几何定律与代数法则的出现，以及
不可不提的算盘。实际上，农业文明的社会框架就是依靠这些形成的。
在人类文明进入到工业时代后，蒸汽机的发明让世界变得越来越小，曾经无
法逾越的距离与天堑不再能够阻碍人类探索世界的步伐；电的发明在万家灯火璀
璨的同时，也为世界带来了电报和电话。这两大跨世纪的发明让人类世界在通信
与通信这条主轴上，出现了几何级的效率提升。同时，对计算能力也产生了巨大
的需求，催生了一家时至今日依旧如雷贯耳的企业——IBM(国际商用机器公司)。
IBM创立于美国，初期以生产计算器为主业。计算器的生意带给IBM无限的
财富与名声，也聚集了大量的人才。正是依托于这些时代的精英，IBM在发展后
期成功将主营业务转为文字处理机，再到如今的计算机及相关咨询服务和解决方
案。今日的IBM依然是业界的巨头，麾下员工遍布世界各地，人数高达30多万。2
016年，IBM宣布该公司在美国一共获得了8088项专利。虽然在互联网时代面临巨
大挑战，但在计算技术的进步领域，IBM建立了百年基业。
除了蓝色巨人IBM，100多年前成立的另一家公司，直至今日依旧对世界产生
着巨大的影响，它的名字叫NCR。NCR起家于付款机业务，在2011年还曾名列世
界500强，提供的服务更是涵盖了制造、金融、交通、安保、旅游等诸多领域。
在IBM和NCR这两家公司身上，隐藏着这样一个成功秘诀：在工业时代，不
管是计算器还是付款机，任何简单的机器一旦包含了一定的计算能力，就能被称
为当时最前沿的科技，足以诞生一家巨头级别的公司。
如果追溯智能商业的起源，我们就得将时光调至1989年。正是在那一年，世
界上第一台个人计算机成功连接至公共的互联网网络。信息资源的两条主轴——
通信和计算——终于合二为一，个人计算机在具备了计算属性的同时，又具备了
通信节点的通信属性。正是有了两条主轴的相互重合，网络协同和数据智能的双
螺旋结构正式成型，开始了极为强劲的耦合发展，进而奠定了智能商业时代的基
石，也为崭新的时代揭开了序幕。
换言之，经过了几亿年的不断演进，人类依靠碳基能源，终于完成了整个世
界的物理连接，再加上钢铁与照明，共同构成了如今的世界。而未来的智能世界，则需要人类在这些物理连接的基础之上，完成创造力、知识和智慧的联结。
这是一个伟大的联结过程，它分为三大实践步骤：
·人脑的联结。
·全世界机器智能的联结。
·人脑与机器脑直接联结的网络。这同很多科幻电影中描述的场景极为相似，艺术是生活的延伸，而那一天似乎离我们越来越近了。在特斯拉、SpaceX(美国
太空探索技术公司)等公司外，马斯克的Neurolink(脑机接口公司)所聚焦的就
是这个领域。
如果说在过去十年间，智能商业的概念听起来还比较遥远，那么时至今日，我们已经可以对这个伟大的商业文明时代感同身受。尤其是生长在互联网环境下
的90后与00后，这两代人从出生起便处于当下这个新时代中，他们对所有新生科
技都能自然地接受并且理解，毫无违和感。前文提过，1989年正是智能商业的技
术起点，这也意味着智能商业的演变过程和用户以及整个社会的演变过程完全同
步，我们的生活越来越网络化、场景化、流动化和碎片化。
如今，人们生活在云端之上和朋友圈里，物质条件已经极为丰富，甚至出现
了过剩的情况，但焦虑感却始终挥之不去。每个人都桀骜不驯，追求着自我个性
的极度释放，但与此同时，对于自己所认同的一个个小社群，我们又无比的忠诚。这是一个全新时代的开始，智能商业的目的，不是为了满足工业时代中那一个
个毫无个性的人的物质需求，而是为了满足一个个完全不同的人在完全不同的社
会中的发展需求，这也正是所有科技进步的终极目标——以人为本。在未来，每
一个人都是被服务者，也都是这个世界的主人。
毫无疑问，这是一个让人极度兴奋，却又倍感恐惧的未来。到那时，如今所
有一切庞大、臃肿、老态龙钟的企业都将被淘汰。企业要想存活，就必须时刻保
持警惕，不断学习进步。因为稍不留神，就有可能被新一代的浪潮淹没。第二部分
商业模式变革随着人类社会的不断进步，商业模式也在不断地变革。曾经，所有的品
牌都想着不断扩大规模，让所有人都使用同一种商品，而现在的品牌变得越
来越细分，越来越多元，越来越重视小部分人的意见与需求。这不仅是商业
史上的一次革命，更是人类文明的跨越式发展。07
C2B：未来的核心商业模式
随着生活水平和科技水平的不断提高，用户的个性化需求逐渐显露。想要“一
网打尽”所有用户并靠规模制胜的传统商业模式已经渐渐被时代淘汰，C2B模式由
此悄然兴起。谁能够把握这一趋势，谁就能成为未来的商界领袖。
传统三大商业模式
商业模式并不是一个新颖的词汇，不但不新颖，反而十分陈旧。商业模式是
从人类社会建立之初就已经存在的概念，以物易物也许就是商业最早的存在模式。所以，如果你想要做一个企业，而不单单是一次成功的生意或者投资，就一定
需要一个有最终目标、可持续性的商业模式。因为只有确立了目标，你才能够制
定出清晰明确的发展路线。投机也许可以当作一时的手段，却绝不能作为长期的
战略目标。
这么多年来，商业圈形成了一种很有趣的风气，仿佛所有人都急于表达自己
对于商业模式的看法，但殊不知能够将商业模式解释通透的，一向都只是“事后诸
葛亮”般的存在。当然，适时总结肯定比一味蛮干要好太多，而我也十分愿意总结
一下在中国互联网历史上出现过的不同商业模式，因为它们代表了中国互联网发
展的不同方向。
无论何种商业模式，它的起点一定来自用户的痛点，来自一种未被发现或满
足的需求。在商业领域内，较为常见的有B2B、B2C、C2C(个人对个人)三大
商业模式，这里面的B指的是business(商业、商家)，C指的是customer(顾客、客户)，2也就是to(对、到)。下面就让我们来详细了解一下其中的不同之处。
B2B代表企业：阿里巴巴、中化网
B2B指的是商家对商家，这是极为常见的一种商业模式。2B的业务往往意味
着项目单价和利润率都比较高，是很多企业首选的生存之道。我将B2B分为两种
：水平B2B和垂直B2B。望文可知义，水平指的是企业与客户企业之间是平行关
系，而垂直则是指二者处于同一产业链之内，属于上下游关系。
1.水平B2B
阿里巴巴是较有代表性的水平B2B企业之一，如今，阿里巴巴已经成为全世
界最大的商人社区和网上贸易市场，为全球近200个国家、700多万家企业提供服
务。既然我们说到了水平B2B，那么阿里巴巴便是绕不过去的典型案例。
马云曾在不同场合多次提到，阿里巴巴的使命是帮助他人成功。那么阿里巴
巴如何帮助客户成功？我将其分为以下4类。(1)帮助企业完成交易
这一类十分简单，也就是为买家服务，帮助这些企业找到它们想要的商品。
(2)帮助企业宣传
第二类主要针对的是卖家企业，通过对企业产品、形象、文化的宣传，帮助
它们找到更好的买家。
(3)帮助企业“交友”
第三类可以称为商业圈的“交友”服务，也就是通过阿里独创的TradeManager
(阿里旺旺国际版)软件，帮助企业之间进行交流与信息传递。
(4)帮助企业寻找商机
阿里巴巴会发送大量的国际商业行情，并且提供细致周全的专项咨询服务。
阿里巴巴平台创立的目的，就是为了企业之间能够更好地合作，信息传递能
够畅通无阻、互利互惠，相关企业共同变得强大、繁荣。
2.垂直B2B
与水平B2B对应的则是垂直B2B，中化网就是其中的佼佼者。中化网全名为
中国化工网，是中国第一家专业的化工网站，也是目前知名度最高、最受消费者
信赖的化工专类网站。垂直B2B其实就是为企业寻找上游与下游伙伴，为零售商
寻找供应商，为生产商寻找经销商，大大提高了企业之间的合作效率。
B2C代表企业：亚马逊、天猫和京东
B2C商业模式是指商家直接将产品或服务销售给消费者，电子商务的先驱亚
马逊公司可谓其中的杰出代表。亚马逊公司诞生于1995年7月16日，最开始经营
的是网络图书。由于库存书籍数以百万，曾被称为地球上最大的书店。
从互联网中尝到甜头的亚马逊创始人杰夫·贝佐斯，更加坚定了创业时选择的
互联网道路。1999年，贝佐斯将亚马逊的业务范围拓展到了电子产品、音乐和视
频等领域，此后更是一发不可收拾。很快，化妆用品、婴儿用品、家居用品等领
域都能看到亚马逊的身影。如今的亚马逊几乎已经做到了应有尽有，成为互联网
中的“百货大楼”。
在中国，大家都非常熟悉的天猫商城采取的就是B2C模式。天猫诞生于2008
年，前身叫作淘宝商城，是淘宝网中的一个独立单元。因为有着淘宝网5年的经
验和海量的数据支持，天猫甫一问世便得到了广大消费者的普遍信赖。2011年10
月，共有38家B2C模式的商家加入天猫；到了2012年的“双十一”，天猫更是创下
了13小时销售额突破100亿元的惊人成绩，创下了世界纪录。在随后的几年里，天猫不断突破自己保持的销售纪录。2017年“双十一”，天猫商城以总成交额1682
亿元的战绩，再次刷新了世人对天猫的认知。
C2C代表企业：易贝、淘宝 ......
书名：智能商业
作者：曾鸣
出版社：中信出版集团
出版时间：2018年11月
ISBN：9787508695761
本书由中信出版集团授权得到APP电子版制作与发行
版权所有·侵权必究推荐序
马云|阿里巴巴集团创始人|
1995年，我去美国，第一次看到互联网。我尝试在网上搜“中国啤酒”，但一
无所获。看到这样的结果，我决定回国创办一家公司，想要把互联网带到中国，把中国带向世界。那时中国还没有在线业务，不像现在，互联网无处不在。回望
过去，真的很难想象世界的巨变。
1999年，阿里巴巴在我的公寓成立，最初不过18人，但我们有共同的梦想，就是要用互联网技术改变落后的商业行为。今天，我们为全球近10亿消费者、数
百万企业提供服务。通过帮助其他人发展，我们自己也获得了长足的发展。我们
参与改变了世界。
商业推动社会进步。为了让天下没有难做的生意，阿里巴巴形成了独特的商
业模式。我们从来就不是一个简单的B2C(企业对消费者)公司。我们是一个拥
有数百万成员的商业生态系统，包括商家、软件服务商和物流伙伴。我们在1999
年时的梦想在今天变成了现实，互联网真正开始造福于数十亿人。
然而，这仅仅是开始。到2036年，阿里巴巴希望能服务20亿客户并创造1亿
个就业岗位，帮助1000万个企业形成连通线上和线下的可赢利的业务，推动全球
数字经济升级。
在第一次和第二次工业革命之后，工厂和公司占据了经济活动的主导地位。
今天，占据主导地位的则是平台和商业生态系统。它们将推动数字经济的全球化
发展。平台与商业生态系统为全世界的“小人物”提供了参与全球市场并获得成功
的工具。
曾鸣在2006年加入阿里巴巴，并成为我们的“总参谋长”，参与公司整体战略
的制定和执行。从那时起，我们就紧密合作。当我邀请他加入阿里巴巴时，我承
诺，总有一天，阿里巴巴将会是他写下的最激动人心的商业案例。
今天，这一切都成真了!凭借其对阿里巴巴的深入理解和强大的学术背景，曾鸣博士的这本著作不仅分析了阿里巴巴的成长史，更重要的是阐述了阿里巴巴
开创的新的战略框架，以及这一框架对于其他创业者的意义。这本书在理论深度
和实践指导上实现了难得的平衡，是数字经济时代的一本商业创新指南。
1999年，我们看到了机遇。但现在，我们更看到了挑战。世界上还有许多问
题有待解决，但我很乐观，大家都应该乐观。优秀的创业者本性上必然是乐观的
，他们会问自己可以解决什么问题，或者如何用更好的方法解决现有问题。在这
个数据技术和智能商业的新时代，我们不仅要成全自己，更应该成全别人，这样
我们才能让世界变得更加美好。曾鸣博士的书和阿里巴巴的故事会启发大家怎么
做。数字经济是人类伟大未来的重要组成部分。我很高兴阿里巴巴为此做出了自
己的贡献，但还有很多工作要去完成。你们应坚持理想主义和抱负，更需要脚踏
实地。如我经常所说，今天很残酷，明天更残酷，但后天会很美好。我迫不及待
地想要看到你们将创造的美丽新世界。自序
本书的渊源，可以追溯到1993年。
那年秋天，我到美国的伊利诺伊大学香槟分校攻读国际商务与战略学博士学
位。不久，一款叫作“Mosaic”的软件迅速在校园里流行起来，它提供了一个简单
的工具，可以浏览互联网上开始涌现的内容。这是全球第一个大众化的互联网产
品——浏览器。很快，它更名为“Netscape”，也就是大家耳熟能详的“网景”，并在
1995年完成IPO(首次公开募股)。这成为互联网商业化的里程碑，并直接引爆
了第一次互联网大浪潮——没有网景，就没有在线内容的井喷，以及后来的门户
网站，也就没有搜索引擎，人和信息的在线连接更加无从谈起。
虽然有幸成为互联网最早的原住民，但当时的我完全没有意识到互联网的巨
大可能性。直到1999年网络热浪涌现，我才开始系统地研究互联网。很幸运，我
做的第一个案例研究对象就是刚刚成立不久的阿里巴巴公司。2003年，我成为阿
里巴巴的战略顾问，2006年全职加入阿里巴巴，负责战略工作，转瞬12年。
有价值的战略研究，一方面需要深入实践，问题驱动；另一方面，又必须有
足够的前瞻性和体系化，所谓抬头看路。本书就是我18年研究、工作和思考的结
晶。
2007年9月，阿里巴巴集团战略会第一次提出后工业化时代和电子商务生态
系统的概念，也是我们第一次看到千亿美元市值公司的可能性。2009年，对于是
否进入云计算领域的讨论让我意识到，云计算对于互联网时代的价值，就像电网
对于第二次工业革命的价值，这将是一个历史转折点。基于这样的判断，2010年
，阿里巴巴集团明确提出了互联网时代将呼唤全新的商业文明。2011年，阿里巴
巴开始感觉到数据的价值，新成立的小额贷款公司被要求基于云计算和大数据，开始商业模式创新的探索。2012年，阿里巴巴提出C2B(消费者对企业)的商业
模式创新。2013年，阿里巴巴设立了首席数据官的岗位，全力推动大数据和机器
学习方面的技术进步与商业创新。2014年，马云提出数据时代的概念。2015年，淘宝网千人千面的个性化推荐开始释放巨大的客户价值。2016年，马云进一步提
出了“五新”战略和互联网经济体的思想。
在互联网前沿的核心地带工作和思考，每一天都被问题追赶驱动，永远有新
的困惑，这是弥足珍贵的经历。问题足够新、足够复杂，没有现成答案，我们被
迫基于现实追问本质，被迫跨越现有的知识门类广泛阅读，被迫回到人类历史当
中寻找某种参照或知识。大部分时候虽然仍旧困惑，但当看清楚一点远方和终局
时，尤其是当这种认知可以惠及平台上的众多参与者时，当中的快乐难以言述。
我和同事们深深意识到自己的幸运，也深深知道，在当下这个世界中，有多
少同伴也在同样的追寻过程中。我们愿意把自己的所思所得和大家分享、讨论，也愿意告诉更广阔世界的人，我们正在置身于怎样的历史进程中，不论理解不理
解，不论愿意不愿意，没有人可以避开。不被前行的历史抛在身后的唯一方式，就是主动拥抱变化。
所以我有了写作本书的想法，但没想到一写就是6年。
在2012年发表的两篇文章中，我第一次系统地提出了C2B、网络协同等概念。基于这些思考，实际上2013年我就写出了本书的第一稿。但完成初稿之后，我
总觉得许多概念缺乏案例支持，无法讲透，同时，全书也缺乏一个统一的框架。
于是，这5年，我不断地把这个初步理论框架和实践创新反复迭代，把书的框架
更迭了数十次。
感谢在前沿领跑实践的人，尤其是2015年以来在大数据和人工智能领域内的
先行者，他们的实践让我有机会补上了本书逻辑中最重要的一环——随着对大数
据、算法和人工智能理解的深入，我终于提炼出了未来商业必须全面智能化的主
线。同时，阿里巴巴集团和众多创新企业在C2B和网络协同方向不断努力，也让
协同网的价值、机制，以及和生态系统的关系逐渐清晰起来。数据智能和网络协
同的融合，让我意识到这就是未来商业文明DNA(脱氧核糖核酸)的“双螺旋”。
这个框架试图把握这个时代大变革的本质。本书将全面展开阐述这个框架的
推演过程，以及如何有效地运用这些概念和理论来指导商业创新。希望本书在读
者思考未来时能提供一个简洁而有力的思考框架。
在写作的过程中，我们确信在这个时代将出现万亿美元市值的公司，它们是
智能商业到来最显性的标志。2018年8月，这个预判成为现实：苹果、亚马逊已
经率先进入万亿美元俱乐部。
作为一本讨论互联网的书，如果仅仅出版传统的纸质书，感觉还是没有实践
自己倡导的理念。实际上，这两年曾鸣书院的公众号和湖畔大学的App(应用程
序)频道，已经成为和大家互动的良好平台，很多的线上反馈也直接帮助了本书
的写作。如果大家想就书中的内容与我们探讨，可以在这两个平台和我们交流。
精彩刚刚开始，祝大家成功!前言
本书试图勾勒的是未来商业的大蓝图，那么，怎样理解和应对这样的未来呢？这几年，因为创办湖畔大学，我有机会跳出阿里巴巴，接触了更多的不同类型
的创业企业，这让我开始意识到大家对未来的感知的确有很大的差别。其中有一
个很重要的原因是，中国不仅一直是一个快速变化的市场，也一直是一个发展很
不平衡的市场。技术变革、政策环境经济结构变化带来的商业大变化，不仅激烈
，而且迅猛，变化周期又很短。所以经常会在一个时间点出现三个发展周期的叠
加。在当时的那个时间点来看，三种模式都有很不错的发展，非常难判断到底什
么才是未来的趋势，也不知道如何做战略选择。如果公司错误判断趋势，导致战
略上的保守，很容易被下一个浪潮快速淘汰。所以理解和判断我们到底在什么样
的时代、面临什么样的机会，是战略决策的第一步。我把中国这个市场的发展特
殊性称作“三浪叠加”的时代，它把我们面临的挑战复杂度又提升了两个量级。
2008年，淘宝全年的零售总额达到999亿元，当年最大的三家零售企业分别
是国美、苏宁和百联，都是刚刚超过1000亿元。如果回到2008年这个时点，把传
统零售称为1.0模式，国美、苏宁为2.0模式，淘宝为3.0模式，那么当时国美、苏
宁的2.0模式正如日中天，正在经历一个超高速发展的阶段。传统零售的发展势头
其实也很好。而当时虽然淘宝的零售额每年都会翻倍增长，但毕竟总量还小，而
且模式依然受到很多人的质疑，认为增长随时会停滞下来。
那个时间点，对于零售来说就是一个典型的“三浪叠加”的情况，三个模式发
展得都不错，也都有自己的信仰者，而未来到底会怎样展开其实很不明朗。其实
，在这个时间点做的战略选择，直接决定了企业未来的命运。短短4年后，到201
2年，淘宝全年的销售额就超过了1万亿元，遥遥领先，而传统零售却开始负增长
，2.0模式的增长也开始缓慢起来。
如果我们带着今天的理解回到2008年，战略选择当然会很容易，可是谁也没
有能够预知未来的水晶球。其实，我们今天面临的几乎是同样的挑战，比如女装
行业，传统的品牌例如ZARA(飒拉)、优衣库和新兴的女装网红品牌各有千秋
、相互学习；又如旅游行业，传统旅行社、携程、穷游等，以及新兴的个性化旅
行定制平台，也构成了“三浪”。
“三浪叠加”在中国很多产业中都是一种十分常见的现象，而我则聚焦在智能
商业的未来，讲的主要是3.0模式的选择。在当下这个时间点，到底是选1.0、2.0
还是3.0模式，每一个人、每一个行业具体情况不一样，无法给出统一的答案，所
以在这里只能分享一些决策心得。
无论是在哪个时间点，当3.0模式出现之后，1.0模式的企业就要非常小心了
，因为发展空间看起来还在，但是很可能会突然进入断崖式的困难期。就像2012年很多传统服装大佬依然不相信淘宝这个平台的潜力，也不认为淘品牌能够对它
们形成任何威胁。但是到2013年，很多传统服装品牌开始大滑坡、大规模关店。
对于1.0模式的企业来说，在看到3.0模式之后，一定要尽早做准备，能够趁大部
分人没有反应过来的时候套现退出，其实就已经是很好的结局了。
2.0模式的企业其实没什么选择，因为眼下正是这些企业风头正劲的时候，虽
然出现了一些未来挑战者的苗头，但绝大部分企业不会放弃看起来非常好的增长
，而去做所谓的战略升级。不过，在2.0模式企业工作的个人选择的空间会大一些。也许有少量的、有眼光的人会加入3.0模式的创业企业，但这样的人肯定是少数。一方面，有这种眼光的人本来就不多；另一方面，这批人的机会成本很高，往
往都已经是行业中呼风唤雨的人，所以很难放弃原有的地位。
3.0模式的创业者，如果你相信这是未来，那么需要做的只有勇往直前。当然
从0到0.1，到1，再到10，每一个坎儿都是巨大的挑战。有一批人虽然相信3.0模
式的未来，但或者觉得这个未来还很遥远，或者觉得2.0模式目前利益巨大，希望
能先抓住眼前的部分利益，再考虑3.0模式的事情。这是一种很理想的想法，但是
在实际中，当一个企业的大部分资源都投入到2.0模式时，其实很难再去吃3.0模
式创业的苦。所以当3.0模式的“浪”真正打来的时候，往往只有那批专心致志、苦
苦探索3.0模式的人，才能够快速地奔跑起来。
我还有一个心得和3.0模式的创业者分享。在“第三浪”发展的早期，你能看清
的利益肯定都不够大。如果你过早地去追求刚出现的利益，就很有可能错过未来
真正有价值的大机会。只有当浪大到一定程度的时候，真正的宝贝才会浮现出来。对于下决心追“第三浪”的人来说，既然已经选择这条路，只要有可能，还是应
该坚持长远目标，憋大招。
淘宝能够有今天的成就其实也是憋大招的结果。2006—2007年，其实淘宝的
流量已经非常大了，赚钱的方法当然也有很多。但是，当时马云依然觉得淘宝还
处于发展的早期阶段，无法看清未来，远没有到可以讨论赢利模式的时候。所以
淘宝当时宣布了开店再免费三年的政策，进一步推动了淘宝的大发展。在随后的
两年中，由于技术的发展，淘宝最终找到了适合自己的精准广告模式，在投入9
年后开始大规模赢利，这就是坚持的价值。当然，大家也可能会发现，真正能够
坚持下来的人，其实往往不是因为利益算计得很准，更多的时候，反而是因为使
命、愿景的驱动，没有过多考虑短期利益，反而有了最后的大成。
15年前，在写《略胜一筹》那本书的时候，我曾经总结过企业发展的周期，倒是和这“三浪”并发的提法很吻合。一个企业从创业开始历经好点子、好产品、好团队、好组织、好文化等阶段，千锤百炼终于成为行业的领导者，但这个时候
往往3.0模式的挑战者已经悄然兴起，而行业的领导者却经历了看不见、看不起、看不懂、学不会、挡不住的阶段，最终被新兴者淘汰。今天我们面临的更大挑战
是，原来这样的周期可能需要20年，而今天这样的周期可能只需8~10年就走完了
，波澜壮阔的商业史就这样在一浪接一浪的商业变革中展开。
智能商业本质上是对未来的前瞻性判断，所以最适合的听众其实是在3.0模式
下进行探索和创新的创业者。如果你觉得在你的产业和地区，2.0模式依然在高速
增长，甚至1.0模式的发展空间也很大，原则上可以不用管我讲的这些事情。只不过需要提醒大家一句，中国这个市场的发展周期已经被快速压缩，所以即使今天
发展得非常顺利的企业，可能也要对我讲的这些类似天方夜谭的概念先有一些准
备，就当作先给自己打一剂预防针吧。第一部分
智能商业人类文明的发展，主要不是依靠人脑的进化，而是通过社会化合作的不
断创新和突破，带来生产力的大爆发。如今这个时代，网络技术和人工智能
的不断发展，给商业以及整个人类社会带来了全新的可能性。网络协同和数
据智能成为智能商业双螺旋的组成部分，网络协同会推动数据智能的发展，数据智能反过来也会驱动网络协同的扩张。二者循环往复，推动人类商业文
明朝着智能化的方向不断演进。01
智能商业大变革
智能商业时代已经来临，每个人都要顺势而为。有大抱负者要敢于取势，甚
至勇于造势，只有这样才能成为新经济时代的弄潮儿和引领者。那么，智能商业
究竟是什么？我们的未来又会因此发生何种改变呢？
智能商业：网络和数据时代的必然选择
在一个经历剧烈变革和转型的时代，我们很难看清未来，越是这样，越需要
有一个相对长期的展望。我们现在所看到的趋势，可能不仅是下一个10年的趋势
，更可能是关系到未来20年、30年，甚至50年的大浪潮。今天我们眼前发生的一
切都是一个新时代的开始。这不仅是一次经济模式的变迁，更是一次文明的变革
，其意义不亚于人类社会从农业文明演进到工业文明。在这样的环境剧变下，我
们有太多的机会，也有太多的挑战。
表1–1是1997年、2007年、2017年全世界市值排名前10位的公司榜单。在过
去短短20年间，只有两家公司是一直留在榜上的，一家是石油公司，还有一家是
微软。这是一个非常大的时代的变革，但是更大的变化是从2007年到2017年，在
短短的10年时间内，除了微软和石油公司之外，其他8家公司都是第一次上榜。
特别是6家互联网公司从10年前几乎默默无闻，到今天成为全球领先的公司，市
值基本上都在5000亿美元以上。这些互联网的巨头企业，究竟做对了什么？
表1–1 1997年、2007年、2017年全球市值排名前10位的公司榜单我总结出三个重要方向上的创新。这些企业在这三个方向上，最少把握住了
两个，并且在这些方向上都有了巨大的突破(见图1–1)。
第一，在线化。身处互联网时代，你有没有联网，有没有在线，是最重要的
一步。你连上了互联网，所有的优势才能为你所用；如果你跟互联网完全没有关
系，这个世界只会离你越来越远。只有懂得如何将物理世界转换映射到互联网上
的虚拟世界中，你才会有在这个时代中立足的根基，这也是微软能够20年一直在
榜单中占据一席之地的原因。
微软最早的成功当然是IT(信息技术)时代的Windows操作系统，但是，199
6年，比尔·盖茨下定决心，力推IE浏览器，并最终赢得了这场战争的胜利：微软
占据了PC(个人计算机)互联网时代最重要的基础设施——浏览器，并在此基础
上衍生出了搜索服务等众多产品。如果说微软能够在搜索这个领域中站稳脚跟，是因为它占据了浏览器这一入口，那么，苹果公司之所以能够成为如今的庞然大
物，则是因为它开创了移动互联网时代。iPhone手机奠定了移动互联网时代的硬
件标准，苹果应用商店(App Store)确定了应用和服务的获取形式，iOS移动操
作系统本身便是一个生态概念。在此基础上，苹果公司还整合了一系列智能服务。换句话说，现在的苹果公司是一家将硬件、软件、服务和生态全部合为一体的
集大成企业。在它的基础上，全世界完成了移动互联网化。注：1—n、n—n、m—n，表示一对多、多对多的沟通。
图1–1 智能商业的三个创新方向
第二，智能化。谷歌首席执行官埃里克·施密特最近说：“现在是数据的时代
，算法的时代。”在商业前沿探索的人，没有人会反驳这一论断。数据和算法，构
成了智能的基本要素。谷歌的成功，最重要的是推动了整个商业的智能化进程。
搜索是第一款大规模商业应用的智能服务，任何人在搜索框中输入一个关键词，就能够让全世界的知识为你服务，并能够迅速在秒级时间内获得你想要得到的信
息。这是一个了不起的突破，我们今天回想起来都觉得这是一个奇迹。只有智能
商业才能完成这样的突破，在第4章，我会详细解释原因。
除了搜索之外，智能服务的第二个核心产品是推荐。说到推荐，亚马逊公司
可以说是这一领域的开山鼻祖，这也是它能够在营销端获得巨大突破最重要的基
础。亚马逊另外一个重要的突破是，它把零售和物流全流程在线化，使得零售效
率得到了巨大提升。
如果说亚马逊是在推荐方面走得最早的公司，那么腾讯和脸书就是在社交网
络化方面走得最远的企业。这就是我要说的第三个方向。
第三，网络化。实际上谷歌的广告系统非常赚钱的就是一个由千万级的小广
告主和千万级的网站所组成的高效生态。同样，脸书这几年的成功也是因为它在
广告技术方面的突破。阿里巴巴，特别是淘宝，则是将网络协同和智能化这两个
方面做成了一个紧密结合又互相促进的生态。
所以，我们可以看到如今最成功的互联网企业都是在在线化的基础之上，在
网络化和智能化方面取得了重大突破，这是一个非常简单又很有效的分析和思考
框架。
最近中国发展比较快的互联网企业，都是在这三个轴上有新的突破，才有可
能在一个领域里面奠定自己的领先地位。今日头条就是走在智能化这条路上，它
从传统的内容搜索走向内容推荐，并在这个点上打穿，成就了自己过去几年的爆
发式成长。滴滴完成了打车服务的在线化，当然，前提是有了智能手机的广泛普及。由于有了地图服务，让在线定位变得非常清晰，在这个基础上，滴滴把打车
服务变成在线服务，然后通过算法进行优化，成为智能服务，从而成就了自己。
美团，一方面是把传统的生活服务在线化，另一方面也是在构建一个生活服务的
协同网络。
我把这一批具有代表性的互联网企业统称为“智能商业”。之所以称为智能商
业，是因为它们有几个非常典型的特征，是传统企业所不具备的。
低成本，实时服务海量用户
要知道，这些互联网企业的用户都是以10亿级别来计算的。充分利用互联网
和算法的优势，这些企业能以极低的成本实时服务海量用户，这是它们做到今天
的规模、赢利能力和市值的基础。
满足每一个用户的个性化需求
这是智能商业非常重要的一个特征。搜索是精准到你输入的每一个关键词，它给你的内容都不一样。也就是说，根据你过去的搜索记录以及你的一些性格特
征背景资料，提供一个专门为你打造的搜索引擎。淘宝也是利用了过去这几年人
工智能技术上的突飞猛进，实现了千人千面，让每个人看到的页面都不一样。淘
宝还做到了实时更新，当你浏览完一些商品并再次登录时，你看到的商品已经是
根据全网的数据，按照你的需求又做了一次调优。这种海量个性化服务，在工业
时代是无法想象的。
服务自我更新与提升的速度
更重要的是，这些企业已经在很大程度上直接依赖机器在提供服务了。基于
人工智能技术这20年的高速发展，在某些领域，机器已经拥有强大的学习能力。
从这个意义上说，它也是一种智能，即可以快速学习，甚至比人在很多领域的学
习能力还要强大。所以我们看到这些企业一旦实现智能化，无论是服务的效率还
是服务的满意度，都在快速提升。
为什么这些企业能做到以上三点，这正是本书要回答的核心问题。
毫无疑问，这些商业的创新首先源于技术的重大创新。这些先行的公司，其
实都是技术驱动的公司，它们利用最前沿的互联网和算法技术重构了整个商业的
逻辑与运营规律，全面突破了工业时代的商业模式和效率。
可以预见，智能商业在今后很长的一段时间里，会像一辆无坚不摧的战车碾
碎所有人心中已经布满灰尘的商业常识。在如此强劲的对手面前，传统商业无疑
显得不堪一击，而理解智能商业的本质和发展趋势在今天已经是生死存亡的挑战
了……
双螺旋构成：网络协同+数据智能
既然智能商业的时代已经势不可当，在我们感叹万物更迭、缅怀时代变迁的
同时，更要打起精神推陈出新，才能有机会投身未来智能化的大浪潮中。那么，智能商业是如何构成的？
简单来说，智能商业最重要的两个组成部分分别是网络协同与数据智能(见
图1–2)。二者机制不同却相辅相成，网络协同推动数据智能发展的同时，数据
智能也成为网络协同扩张不可或缺的助力，共同构成了智能商业的双螺旋。就像
我们的人类社会，这么多年以来，个体大脑的进化程度十分有限，但社会协同能
力却迅猛发展，一日千里。所以，所谓的人类文明，最关键的并不是每一个个体
，而是整个社会日益增强的协同能力，这才是我们这个时代最大的优势。
图1–2 网络协同和数据智能的“双螺旋”
网络协同
所谓网络协同，指的是通过大规模、多角色的实时互动来解决特定问题。以
前我们解决一个问题，通常需要通过命令、科层制或者在简单市场中通过价格信
号进行调整，但今天更多的是通过大规模、并发、多角色的实时互动加以实现。
举个例子，相信大家都很熟悉维基百科，或许正是因为太熟悉，以至我们都
忽略了它是一个如此了不起的成就。维基百科是一个非常开放的知识共创平台，原则上全世界任何人都可以在上面贡献自己的思想。但是换个角度来说，你有权
利修改任何一个词条，甚至可以恶意攻击它。当然，维基百科还有一键恢复的功
能，如果你认为你的诠释更加准确，你可以再把它修改回来。
这样简单的协同工具以及一套协同规则，居然可以让我们在没有中央权威、没有传统命令机制的情况下，建立如此全面且庞大的实时在线知识库。要知道，中国有史以来最大的百科全书《永乐大典》，可是由明朝翰林院所有学士耗费了
6年时间才编辑完成的。
再举一个大家很熟悉的例子——淘宝。淘宝不是零售商，我们不拥有任何一
件商品，它是一个零售的生态圈，是一个赋能卖家的平台。淘宝之所以能够创造
这么多奇迹，很重要的一个原因是淘宝演化成了一个社会化协同的大平台。在今
天，即使是非常小的一个淘宝新卖家，也可以在线同时和几百个服务商合作，只
需要有一个API(应用程序编程接口)的链接，就能调动相关的数据和相关的服务。相关的服务可以包括打通微博这样的社交渠道、蚂蚁金服提供的金融服务后
台、旺旺的工作流以及各种营销产品。所以淘宝本身就是一个非常复杂的协同网
络，而这个协同网络带来了巨大的社会化的价值创造(见图1–3)。
图1–3 淘宝卖家协同网
举这两个例子，就是想和大家说明怎样才能让一个原本被锁死在供应链里，只能进行线性沟通的角色，在互联网的平台上实现重构，进而形成一个实时互动
的网状格局，这是每一个企业迈向智能商业的第一步。
数据智能
在了解网络协同之后，接下来要向大家介绍智能商业的第二个核心概念——
数据智能。数据智能的本质就是机器取代人直接做决策，和传统的BI(商业智能)完全不同，这一点至关重要。如今，大多数企业都会有BI部门，用来分析数据
，提供决策支持；核心的服务人群是高层管理人员。而数据智能强调的是运营决
策直接由机器决定。比如每天上亿人到淘宝购物，每个人看到的商品都不一样，这么复杂的决策只能由机器来完成。在你的公司里，由人操作的环节能不能让机
器直接代替，这是一个非常有效的评判标准，只要能替代，就是向智能商业的一
次质的飞跃。
当然，想要让机器取代人进行决策，有几个非常重要的前提条件——云计算
、大数据和算法。云计算和大数据相辅相成，如果没有云计算，我们就没有办法
用极低的成本存储和计算海量的数据；而正因为有了处理大数据的需求，我们才
会对云计算的要求越来越高。二者推动了整个数据行业不断高速发展。但想要让
云计算和大数据真正创造价值，背后还需要“大脑”的支撑，也就是算法。
其实算法严格来说并不是机器，而是人，是算法工程师。它会将人的思考和
人的角色进行模拟，抽象成一个模型，然后用数学方法给这个模型找到一个近似
的解，之后再用代码把这个解变成机器可以执行的命令，这样就完成了一个机器
大脑的构建。所以，算法其实就是将人对特定事情的理解转换成机器可以理解和
执行的模型与代码。就今天人工智能的发展水平来说，它和人脑还是有很多不一样的地方。它的核心是靠海量数据的不断学习来优化决策，所以如果没有大数据
的支撑，算法也就变成了无本之木，再也无法显露神通。
所以大数据和算法是机器学习的本质，这两者的结合才产生了快速迭代和快
速优化。最好的例子就是2016年万众瞩目的AlphaGo大战世界顶级围棋棋手李世
石。AlphaGo的计算能力特别强，学习效率也非常高，它可以把人类历史上所有
的棋谱都快速学会，在此基础之上进行优化。这种突出的学习和计算能力，使它
很快就打败了人类棋手。此后不久推出的AlphaGo Zero在原有版本的基础之上，又取得了更大的突破，在某些方向上也代表了未来。AlphaGo Zero甚至可以不用
人的历史数据，不看历史棋谱，只靠左右手互搏，就能够达到一个更强的算法水
平。因此，AlphaGo Zero很快就打败了AlphaGo，这一结果也从侧面证明了未来
算法的突破还有很大的空间。
机器学习都基于反馈闭环，谷歌是最典型的例子。用户在搜索结果页上的每
一次，连写这个算法的工程师都觉得难以置信。这张名为《跟我
远走高飞》(Come Away with Me)的专辑最终热销2000万张，那名叫诺拉·琼斯
(Norah Jones)的歌手当年获得5项格莱美奖。
设计一套算法并非易事，工程师需要以机器可读的语言编写，然后进行千丝
万缕的测试，找到复杂编码中的每一个问题。久而久之，计算机工程师研发了无
数个互相关联、互相依赖的算法，形成了编码的生态系统。然而这套生态系统中
的复杂程度日增，系统中的小问题也会迅速蔓延。算法与算法之间的相互作用，乃至算法本身，其复杂程度开始胜过人类的脑容量。不夸张地说，如果有一天一
切算法都骤然失灵，那世界即便谈不上毁灭，也会了无生趣。
算法是什么？让我们回到这个基础问题上。算法是按照设定程序运行以获得
理想结果的一套指令。
人类可见的最早算法来自两河流域的苏美尔人，他们留下的一块距今4600年
的泥板上刻着一段文字，写的是利用小型称量工具，在人数不定的一群人中平均
分配几千公斤谷物可重复使用的方法。计算机的发明使算法的功能被极大提升，因为在做重复性工作时，计算机显然更具优势，而人们要做的是运用计算机语言
将众多极为简单的指令组成非常复杂的逻辑推理链条。譬如，做蛋糕的时候该加
一小勺白糖，人可以执行，计算机可不行，它首先必须知道白糖是什么；其次，“
一小勺”的量不够精确；最后，计算机也不知道怎么“加”，从如何拿起勺子到如何
移动勺子再到如何把勺子里的白糖倒到碗里，计算机都需要明确的指示才能执行。可见，算法是一种严苛的标准。
不过，随着算法对我们日常生活的渗入，一个小错误就可以击垮整个系统，导致火箭陨落、电网崩溃、市场坍塌，前两者我们或许还没见到实例，但是因为
算法的一个小错误引发连锁反应导致市场崩盘的惨剧确实发生过。2010年5月6日
，美国股市就曾因为计算机算法停止竞价，导致股价大幅下跌，市场崩溃，这种
情况被人们称为“闪电崩盘”。
那么怎样避免这样的情形再次发生？怎样让算法越来越聪明？怎样让算法超
越人类既有经验，创造出前所未有的价值？这些领域都有巨大的发展空间。
算法是“机器学习”的核心——笨机器用笨办法，靠着算法的持续迭代优化，变得越来越聪明。即便是一个非常粗糙的算法模型，也可以在实时在线、全本记
录的数据中，通过没有预判和方向的数据探索，来发现那些广泛潜伏但我们无从
察觉的关系结构，并持续优化。
这是算法的又一次决定性的跃升。[2]
也是在这次跃升中，数据对算法的巨大
作用被充分显现出来。任何一个算法模型，尤其是能够自我学习、自我优化的算
法模型，比如股票市场分析模型或者巧克力爱好者口味偏好模型，都承担着在成
千上万个可能的因素中寻找出所隐藏着的联系的艰巨任务。这些可能因素中有些
具有决定性的价值，有些却是彻底的“噪声”，而且，它们还在实时发生着变化。
所以算法真正要准确地预测股价，或是猜对某种朗姆酒口味巧克力的受欢迎程度
，就必须通过分析海量数据来实现，必须在实时更新的数据中快速迭代优化。
机器学习的原材料是数据，数据越多越好。并且机器学习能够克服各种复杂
情况，只要数据足够丰富，简单的学习算法可以轻松编写百万行长的新算法，工
程师的工作轻松多了。工业革命使得体力劳动自动化，信息革命使得脑力劳动自
动化，而机器学习使得自动化过程本身自动化。战胜围棋本身并没有什么商业价
值，但它带来了算法的突破，而这种突破肯定可以被应用到不同的商业场景中。
数据时代的智能商业对算法提出了全新的要求：算法的迭代方向、参数工程
等，都必须与商业逻辑、机制设计，甚至价值观融合为一。当算法迭代优化时，决定其方向的不仅是数据和机器本身的特性，更包含了我们对商业本质的理解、对人性的洞察和对创造未来商业新样貌的理想。
这就是我们将算法称为智能商业的“引擎”而非“工具”的关键理由，它是智能
的核心。基于数据和算法，完成“机器学习”，实现“人工智能”。第三次工业革命
发展到今天，计算方法已经产生了从量变到质变的飞跃，可以说是数据时代最根
本的特征。
产品化：数据智能和商业场景的最终载体
其实，人工智能只是人类的一个工具。智能商业的核心特征就是能主动地了
解用户，通过学习不断提升用户体验。而真正把用户、数据和算法创造性地连接
起来的是“产品”，这也是互联网时代特别强调产品重要性的根本原因。
产品和数据、算法的互补作用可以形象地比喻成“端+云”。“端”就是产品，是
与用户完成个性化、实时、海量、低成本互动的端口，它不仅直接完成用户体验
，同时使数据记录和用户反馈闭环得以发生，和“云”互动；而“云”则是数据聚合
、算法计算的平台，它通过算法优化，更好地揣摩用户需求、提升用户体验。作
为“端”的产品，具备以下三大关键作用。
产品设计直接影响用户体验
产品的功能是否齐全、界面是否友好以及交换是否自然，都是产品能否取得
成功的关键因素。苹果公司这10年的成功，特别是iPhone的跨时代意义，充分显
示了这一点；谷歌也是如此，超简洁的搜索框一经问世就立刻俘获了所有用户的
心，人们的口口相传，为其带来了早期的高速发展。上传：将“端”的行为数据向“云”反馈
产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算
法优化的通道。用户的真实需求常常是无法直接加以表达的，但是他们的行为不
会骗人。用户的每一次行为都成为一次数据反馈，算法在这样一次次的反馈中敏
捷迭代，一次次更加接近用户的真实需求。
下达：将“云”的数据智能传递到“端”
产品是将“云”上的数据智能传递给用户、为用户带来价值的通道。事实上，在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI(用户界
面)互动，而更多地决定于“云”上的数据智能。
例如，用户在淘宝的体验不仅是搜索是否好用、类目是否合理、导航是否有
效等，更重要的是用户能否高效地从几十亿件商品、千万级卖家中快速找到自己
需要的商品，甚至还有惊喜，而这取决于“云”上的数据智能。不通过数据和产品
的紧密融合，不通过“云”上的数据智能实时发挥作用，真正意义上的客户体验持
续提升是根本无法想象的，就好像我们根本无法想象传统的金融服务能在几秒钟
内完成对客户的贷款一样。
上传下达，双“管”齐下，数据闭环靠产品互动实现，而产品体验依赖于数据
智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接
、交互友好、价值明确的互联网产品上，其智能的价值才能真正体现出来。
万物互联之“广”和数据智能之“深”，其价值都集中体现在互联网产品上。通
过创造性的产品设计，既把数据智能的价值不折不扣地传递给用户，又使用户低
成本、高频度地进行反馈，从而使数据智能持续提升。实际上，这里所说的“产品”已不止于“端”的概念，从更广泛的意义上说，互联网产品是一种包含了“云”的智
能和“端”的体验的完整互联网服务，它是数据智能和商业场景紧密融合的最终载
体，也必将取代营销，成为商业运营的关键。
因此，智能商业的成功，最关键的一步往往是一个极富想象力的创新产品：
针对某个用户问题，定义了全新的用户体验方式，同时启动了数据智能的引擎，持续提升用户体验。这样的智能商业才是对传统商业的颠覆，才能真正实现降维
攻击，胜者一骑绝尘，败者万劫不复。谷歌超越雅虎、脸书超越MySpace(一个
社交网站)、优步颠覆出租车行业等，莫不如此。
数据化、算法化加上产品化构成了智能商业的三大基石。例如谷歌，其搜索
引擎的三大核心，一是网页内容的数据化，二是基于PageRank的算法引擎，三是
谷歌巨大的产品创新——极为简洁的搜索框和基于相关性排序的结果页。然而这
还不够，要让智能商业一天比一天更聪明，还有一样东西不可或缺——反馈闭环。
用户行为通过产品的“端”实时反馈到数据智能的“云”上，“云”上的优化结果
又通过“端”实时提升用户体验。在这样的反馈闭环中，数据既是高速流动的介质
，又持续增值；算法既是推动反馈闭环运转的引擎，又持续优化；产品既是反馈
闭环的载体，又持续改进功能，在为用户提供更好的产品体验的同时，也促使数据反馈更低成本、高效率地发生。
一言以蔽之，数据化、算法化和产品化就是在反馈闭环中完成了智能商业的“
三位一体”的。智能交通体系是另一个例子。以无人驾驶汽车为代表的整体智能交
通体系已经不是科幻，谷歌首次实现了根据路况数据设计路线，本质上就是将关
于路线选择的算法在线了，而今天在美国，无人驾驶汽车已经上路试验，就是汽
车这个“端”的全面智能化。
在中国，阿里巴巴最新的实践则是交通“云”的全面智能化。依据各方面交通
数据的整体打通，预测未来一小时里的每一个路口可能的交通状况，进而对接城
市交通指挥系统，有的放矢。在北京这样复杂的路况下，此套体系的预测准确率
超过95%。其中，数据化、算法迭代和产品同样在反馈闭环中实现了三位一体。
智能交通体系首先以一连串事物的数据化为前提，包括地理位置的数据化、车况
的数据化、天气的数据化，以及红绿灯、分道线、行人的数据化等；其次，它还
是算法实时优化的结果——不仅是车况本身的优化，更是整体智能交通体系的优
化；再次，它当然离不开从汽车到红绿灯等种种产品的智能化；最后，它更是众
多数据反馈闭环的集合体——路况数据使车辆实时优化行车路线，周遭环境数据
使车辆实时决定行驶速度，乘客身体状况的数据使车辆实时调整车窗开合。
本质上，商业从一开始就是基于某种反馈闭环的，从而了解客户所需，提供
相应的产品或服务。然而，不论是发挥商业天分猜测客户需求，还是通过市场调
查听取客户需求，都始终失之于准确、困之于成本。不过，到今天，当客户可以
通过全本实时的数据把他们的需求直接告诉商家时，当商家可以凭借敏捷迭代的
算法引擎精确满足客户的需求时，当产品借助互联网的巨大能量成为数据智能和
用户实时互动的端口时，我们终于可以说，我们找到了促使这个反馈闭环成本更
低、效率更高，甚至自动运转的颠覆性工具。它可以被视作数据智能的“永动机”
，只要有在线的互动，有数据的反馈，这台机器就永不停歇地学习，实时敏捷地
进行优化。
数据、算法、产品在反馈闭环中“三位一体”，唯有如此，智能商业才能完成
对传统商业的降维打击，DT时代的商业跃升才有发力点。
活数据：让反馈成为闭环
我们之所以花费大量精力去了解、分析有关商业智能的知识和案例，绝非单
纯为了满足我们的好奇心和求知欲。将这些理念同我们自身的工作和事业相连接
，让自己能够赢在起跑线上，才是我们最终的目的。所以，如果这些理念不能平
稳地着陆与实现，一切就都只是纸上谈兵，毫无价值。
因此，如何才能帮助一个企业在数据方面取得足够的成功？怎样利用数据智
能真正把自己的企业变成一个精准商业的模型？类似这样的问题才应是我们关注
的焦点。这里我们就将重点介绍一个在实操方面很有价值的新概念——活数据。
大数据是近年来我们经常听到的一个概念，它的特征是：大量、多样、快速
、高质量。但我们会发现，这4个词只是在描述两个事实——数据的“大”与“快”，这些并不能帮助我们更好地进行商业决策。难道我们对数据的需求仅仅停留在“大”与“快”这两个方面吗？我们到底应该怎样去使用它呢？
想要让数据与现实生活无缝衔接，就需要数据在线，实时记录而不是主动采
集；要不断更新，随时可用来产生洞察；需要在实际业务场景中被灵活使用，驱
动下一个决策的产生。这个概念我称为“活数据”。
“活”的两层含义
这里提到的“活”字，有以下两层含义。
1.数据是“活”的
“活数据”一定是始终在线且不断更新的，可以随时被使用。
2.数据需要被灵活使用
“活数据”在不断地被消化、处理，产生增值服务，同时又能产生更多的数据
，形成数据回流。
“活数据”的三大重要特征
了解了“活”字的具体含义之后，我们再来看看“活数据”的三大重要特征。
1.全本记录，而非样本抽查
虽然按照统计学的方法，一个随机样本也可以在相当程度上推导出全局的特
征，但商业的环境是动态的，始终处于不断变化的过程之中，一个间隔很长时间
才收集到的样本，充其量只能将静态的一部分描述出来，并不足以支撑商业决策
的全部需求。
众所周知，在传统时代收集数据是一件极其麻烦的事情。首先得先整理出问
题，随后设计合理的问卷调查，再有针对性地找人专门填问卷，这样才有可能收
集到一些对商业决策有些许帮助的数据。但互联网的第一步就是连接、在线，你
只要让自己的业务处于在线状态，就会得到巨大的好处。要知道，你的用户的所
有行为都会在互联网上留下清晰的印迹，而将这些行为直接记录下来，就能够让
你对这个用户进行全面而深刻的了解。
淘宝并不需要经常性地组织抽样调查，去询问用户对淘宝的服务是否满意。
淘宝的每一个用户在登录后，后续的所有行为都会被自动记录下来。他们看了哪
些商品、在某一款商品的详情页上停留了多长时间、最后购买了何种商品，这些
数据都会被自动记录下来。这种不加选择全本记录的方式，毫无疑问意味着巨大
的数据记录成本。因此，今天我们谈论“活数据”的最大前提，一定是数据记录成
本的大幅下降。这个前提如果无法得到满足，“活数据”的概念不谈也罢，因为它
无法落地。
2.先有数据，后有洞察
传统市场调查方法的第一步是整理问题，如果你想了解一个问题，或者想测
试某一个假设，你就要根据这个问题去收集相关的数据。其中最麻烦的地方在于
，一旦你发现自己遗漏了一些问题，或者产生了一些新问题，这个过程就必须推倒重来，从头收集相关的数据和信息。
但是在“活数据”时代，市场调查的整个过程被颠倒了。在越来越多的人口中
，可以听到这样的说法：“我们重视的是相关性，而不是因果性。”由于数据存储
和计算成本足够低，我们可以把所有相关数据都记录下来，在业务的发展过程中
去看哪些数据的使用能够让我们更好地进行洞察，能够帮助我们重新进行商业决
策。简而言之，就是先有数据记录，再有分析和洞察。这样做的最大好处，是避
免了事后出现新的需要调查的问题而被迫进行重复作业，这种传统方式所带来的
成本是巨大的。
3.数据就是决策
数据就是决策。也就是说，数据智能的引擎机器要能够直接做决策，而不是
传统的利用数据分析来支持人的决策。如果数据仅仅被用来支持人的决策，那便
无法形成真正的闭环，不具备大规模复制推广的价值。
举个例子，如今很多企业不太理解数据工程师跟商业智能(BI)分析师的区
别。其实，BI是business intelligence的缩写，也就是所谓的商业分析部门，规模稍
微大一点的公司都有这个部门。BI分析师最核心的工作就是研究数据，然后将数
据分析成一个个报告，支持高管做出某些商业决策。这里提到的数据其实是离线
的，目的是支持决策，并非我们正在讨论的“活数据”的概念，真正的“活数据”一
定要能将数据本身产生的洞察直接变成商业决策。
说到这里，让我再以淘宝为例。如果用户在淘宝上通过关键字搜寻自己想要
的商品，那么他第一眼会看到什么、在第一次点击之后再给他看什么，类似这样
的决策其实都是机器自主完成的。用户看到的一切其实都是机器想让他看到的，都是通过数据智能的算法自动形成的，不存在任何人为干预。
实话实说，早期我们也走了不少弯路。那时，为了帮助淘宝卖家进行数据化
运营，我们的数据部门会不断地为卖家后台推送数据分析报告，然而收效甚微。
后来我们发现，数据部门推送的这些数据，不仅使用率很低，就连打开率也不高
，很多淘宝卖家甚至看不懂这些数据分析报告。在得出这一结论后，我们猛然意
识到，其实卖家真正需要的不是去理解这些晦涩庞杂的数据，而是让数据直接帮
助他们更快更好地做出决策，让他们的运营效率产生质的飞跃。
所以，我们第一个比较成功的产品就是在卖家的后台装了一个行动按钮。只
要卖家点击一下这个按钮，整个店铺的陈列展现就会被自动优化，从而带动销售
额的提升。对于卖家来说，这样的操作再简单不过，只需要点击一下鼠标即可完
成。这个产品其实就是淘宝的后台通过“活数据”的运营，对海量数据进行算法分
析，最后智能化地帮助卖家自动优化店铺展现，实际上就是让卖家的店铺展现智
能化了。如果不是依靠机器和算法，仅凭人力来完成如此庞大且快捷的决策过程
，估计连爱因斯坦也无法办到。
以上三大特征结合在一起，也就形成了反馈闭环的概念。只有“活数据”，才
能让整个反馈闭环顺畅运作。你跑业务的时候自然会产生数据，这些数据会被自
动、全部地记录下来，然后经过算法处理直接形成决策，用以指导你的业务，并
通过客户反馈不断地优化你的决策。如此一来，整个企业的业务发展就走上了反馈闭环的正向循环，也就是走上了智能商业的发展道路。
如果从“活数据”的角度来考虑商业运营的话，感受便会很不一样。现在有很
多人一听到“大数据”这个词，就会觉得和自己没有太大的关系——“我就是个小公
司，数据量也不大，你们讲的那一套理念跟我没有任何直接关系”。但是，如果从
“活数据”的角度去思考，你会明白数据量的大小只是个相对概念。如果让数据成
为你业务中的自然组成部分，让机器成为你决策中的一个环节，你的商业行为就
会走入智能化的快车道。
企业智能化=在线化+自动化
谈到智能商业，相信很多人会问：到底怎样才能赶上这个智能化的浪潮？我
要做些什么？其实，智能化的浪潮并不像我们想象中的那样抽象，也绝非虚无缥
缈、不可落地的事情，其核心就在于你能否创新性地实现产品化，把你的核心业
务流程在线化。通过这种方式，全本记录用户数据便有了实现的可能。接下来要
做的事情十分简单，你只需要在那些大型互联网企业提供的算法工具包里挑一个
适合你的算法即可。
产品提供反馈闭环，数据作为原料，交给算法去处理，三位一体，你的业务
就变成了一个智能业务，你的商业有了数据智能这一核心引擎，你就能跑在竞争
对手之前。能否做到这些，决定着未来大部分企业的生死，如今国内有很多优秀
的企业已经先行一步。
下面，我想和大家分享一个案例——流利说。
“流利说”创立于2012年9月，创始团队有三个人，都是理工科技术男。“流利
说”的创始地与湖畔花园(阿里巴巴创始地)仅一街之隔。成立之初，这三位理工
男首先做了一个简单至极的口语练习工具。通过这个工具，“流利说”成功积累了
第一批用户，并且逐步形成了自己的社群。
社群形成以后，“流利说”沉淀了很多的内容。值得一提的是，他们的内容基
本上是自演的，而且他们所找的是外国人，以此来确保文字和录音的规范性。发
展至今，“流利说”已经拥有超过5000万的用户群体，其中13是中小学生，13是大
学生，另外的13则是成年人，其中以白领居多。
我与“流利说”的缘分源自一个朋友。一次偶然的机会，我和这个朋友在机场
相遇。他花了15分钟为我介绍了“流利说”的案例，我听完后的第一感觉是这个案
例太漂亮了!无论是时间、地点、人物还是事情，都恰到好处地演绎了数据智能
的创新应用。
之后，这个朋友又和我谈起了对这个公司的看法，我当时的反应是：“这个公
司应该拥有50亿美元的潜力。”朋友对于我的说法并不赞同，他认为成人教育中的
口语教育是一个较小的细分市场，在这样的市场内做出一个市值50亿美元的公司
几乎是天方夜谭。就此问题，我们两个人还展开了一次争论。我觉得这个案例值
得深入研究。因此，我们又和团队专门为此进行了两次交流，其间我确实又学到
了很多东西。
关于“流利说”，我想和大家分享以下两点感悟。在正确的时间、正确的方向做正确的事
2012年创业时期，“流利说”恰逢移动AI、云计算和大数据三大趋势的结合，所以才会有这样一个产品的诞生。试想，当时如果没有智能手机，没有麦克风语
音输入，没有人工智能技术的发展……那么，语音识别甚至语音识别之后的语音
语料处理，包括匹配、辨别、评测就都没有了基础。可以说“流利说”是在合适的
时间找到了一个合适的切入点，撬动市场的可能性也就因此大了许多。
事实上，我们在实际生活中不难发现，大多数成功的企业，不管它们当时有
意还是无意，它们的成功都暗合了很多当时的大趋势和一些基本的商业规律，这
是非常重要的。所以我们在湖畔开玩笑时经常讲，校董们分享的都是失败的案例
，是希望大家少踩“坑”，但是教授就必须能够研究透，能够讲明白成功背后的原
因，只有这种背后的东西才能帮助大家走得远，才能最后走向真正的卓越。
企业智能化
需要学习口语时，大多数人通常都会想到找老师约课，由老师来安排课程的
方向和频次，却并不知道自己要学的到底是什么。针对这个问题，“流利说”找到
了一个巧妙的解决方向——数据智能，它不仅有效实现了课程的在线化，还成功
将其变成了一个个性化的学习课程，有效实现了智能商业的初步闭环。
其实无论是哪个行业，只要是想做大、做强，搭上智能化的顺风车就都是殊
途同归的，需要完成的事情也都是一样的。我们完全可以把“流利说”这个教育行
业的案例当成一个普适性的案例来看。通过它，我总结了企业智能化的两大步骤。
1.核心业务在线化
让企业智能化，对于绝大部分企业来说，第一步往往就是实现核心业务的在
线化。
“流利说”的定位并不是一个评测公司，他们所做的口语练习工具，其实就是
数据和用户的入口。他们最初所做的App，实际上就是一个和用户交流的界面，是一个数据收集器。利用它，“流利说”将用户录的每一条语音都进行记录，以使
其逐步演变成一个世界上最大的“中国人说英语”的口语数据库。如今，“流利说”
对于中国人自然语言识别准确率已经居全球领先水平。
由于智能手机的出现，口语学习实际上已经完成了数字化的过程，“流利说”
将更多的力量集中于软件化的攻关上，也就是将大家习以为常的行为变成一个模
型，再用软件将其贯通起来。但是在更多的场合下，核心业务的在线化是你首先
应当考虑的事情，也就是运用IoT技术让线下场景变成线上场景。
最简单的例子是摄像头。由于摄像头的存在，我们才可以把场景录下来。如
果这个摄像头是孤立的，那么它并没有多大的价值；但如果这个摄像头是联网的
，那么它记录下来的视频就能够快速地在互联网上传播，价值得到了成倍的提升；如果这个摄像头后面还接了一个智能引擎，那它就能够进行人脸识别和ID(身
份标识)匹配。举个例子，如果将一个线下实体店和淘宝或者微信的数据打通，就能够轻松
知道一个人在淘宝上的ID或者微信号是什么，可以将线下的独立个体转化成线上
可以识别的人，这就是数字化的过程。这中间有硬件、互联网和算法的相互作用
，但其核心是把一个线下的场景映射到一个在线的场景中。通过数字化和软件化
两大步骤，将传统的服务搬到线上，这是企业智能化的第一步。
2.业务环节自动化
实现核心业务在线化之后，接下来要做的第二步是完成自动化的过程。对于“
流利说”而言，也就是将学口语变成一个非常简单的自动化过程。你的录音都会得
到系统的反馈，你可以针对反馈不断提升自己的口语水平，也可以随时调整课程
的进度，这其实就是机器人AI老师的概念。它是用机器决策取代了传统的老师反
馈和课程改进，而这个过程需要的就是前文提到的数字化和软件化。
只要这两步能够顺利跑起来，不管你企业的规模，也不管你所在的领域，你
就是一个互联网时代的新物种，你就能登上智能商业的快车，比别人更快演化。
2014年，“流利说”做了一个自适应的学习系统。这个系统可以把用户学习的
数据输入到引擎中，引擎背后连接的是一个很大的内容库，然后把内容库中的每
一个算法，穿针引线般给每个用户穿上不同的“珠子”。简单来说，就是根据用户
学习的轨迹，为其创造比较个性化的学习体验。
在教育这一领域中，“流利说”可以说挑了一块最难啃的骨头。因为用户中有
很大部分是成年人，要知道教育对于成年人来说并不是刚需。但“流利说”还是能
够发展壮大，其中的奥妙自然不言而喻。在“AI+教育”这一领域，“流利说”有三个
核心，即团队、数据和技术。其实用户是不直接消费数据和技术的，他们消费的
是产品。所以就需要产品能够为用户提供足够好的体验，能够切实解决用户的问
题，为用户创造价值。教育本身很重要的一点就是内容，内容不是冰冷的死物，“
流利说”通过算法和机器引擎让内容“活”了起来，变成了一个标准化产品。
所谓企业智能化，简单而言就是“能学习的决策机器”，不但能够做决策，就
连决策的效率和效果也可以通过学习的闭环不断进行优化改进，这当然需要数据
和算法的支撑。我们可以看到，在“流利说”这个场景下，三位创始人从创业之初
便对数据有着较为深刻的理解，将一款移动产品变为了数据输入的极佳入口，运
用算法为输入的口语进行识别、打分和反馈。与此同时，还让产品保持快速的迭
代优化，不断提升用户体验，从而取得了今天的成绩。
不可否认，“流利说”的成功有着特定的天时地利因素，但绝非无法复制。在
某个特定的业务场景下，通过在线化和自动化形成智能商业的初步闭环，这是接
下来最值得大家去研究的事情。
[1]这个看似非常简单的问题，只能用机器学习的方法解决，而且这个“解决”
不是事先确定解决方案，而要看不同场景下调用哪个数据的效果更好。
[2]算法的突破往往依靠数学的发展。05
智能商业的特征：向精准升维
新旧商业的区别，在于精准。精准，就是精确和准确，分别对应着网络协同
和数据智能。服务想要做到精确和准确，就需要不断地互动，不断地迭代优化，通过数据智能不断加深对用户的理解。未来的社会必然会向服务型转变，而那些
无法为用户提供精准服务的企业，则很快会被淘汰。
“精+准”是未来商业的核心要求
互联网时代的到来，使商业衍生出了一种全新的模式，这就是智能商业。但
是，智能商业和传统商业到底有什么本质区别？经过很长一段时间的思考，我终
于找到了一个可以概括这两个概念根本差别的词语——精准。这个词在这些年里
经常被人们提起，但一直没有被系统地完整阐述过。其实精准就是精确和准确，分别对应着网络协同和数据智能。
为什么谷歌、阿里巴巴、优步能够成功，能够有如此大的影响力？就是因为
它们能够做到精准。精准广告、精准零售、精准交通、精准医疗……这些应该是
时下最时髦的词了。虽然精准似乎有被滥用的风险，但仔细想想，这个词的确抓
住了未来商业的本质。
谷歌开创了人类历史上第一个大数据驱动(如果用现在的词汇，也可以称之
为“人工智能驱动”)的精准服务。那些存在了100多年的传统广告，其效率是没法
准确评估的，而谷歌的精准广告是广告投放模式的革命。用户在谷歌上输入了某
些关键词，自然可以将其判断为相关领域的潜在客户。通过关键词匹配发展出非
常精准的广告，这种广告模式对于传统广告模式有三个根本性的颠覆。
根据效果付费
如果没人点击，就不会收钱，精准广告玩的是事后收费模式。
市场竞价，实时在线定价
精准广告的价格是市场竞价、实时在线决定的。传统广告全部都是事先定下
价格再人工销售的，而在互联网上，一旦有用户搜索了相关的关键词，这时下一
秒钟究竟闪现谁的广告，就是由相关性、出价高低等很多因子根据算法来实时决
定了。
持续跟踪反馈
淘宝在谷歌的精准广告方向上，又往前走了一步。客户在淘宝投放一个广告之后，系统就会持续地进行跟踪反馈，比如，在过去的一个月中，由于这条广告
产生了多少直接和间接销售。广告的投入和产出变成了一个可变成本，并且可以
精准计算投入产出。客户可以清楚地知道这条广告给他带来了多少收益，这在以
前是无法想象的事情。
人们以前总会开传统广告的玩笑，“我知道它有效果，但我却不知道是哪一部
分有效果，到底起了多大的作用”。原来不管是所谓的监测报告还是评估体系，其
实都没有办法真正知道一个广告的实际价值。但是在“互联网+大数据”的时代，广
告的确可以做到精准。所以，传统线下的广告都在快速地往互联网上转移，同时
互联网的广告又向类似谷歌和淘宝这样的精准广告平台上转移。
商家投放广告的初心是为了销售，既然广告领域已经发生了变化，销售领域
自然也会产生同样的精准革命。还是以大家熟悉的淘宝“双十一”为例。每年的“双
十一”购物节，淘宝都会迎来上亿消费者，浏览者更是无法计数。但即使在这样的
数据量下，用户在淘宝的每个小时，甚至是每次登录所看到的东西都是不一样的。淘宝会根据用户历史上的购物数据、“双十一”期间的购物数据、收藏夹里未购
买的物品等所有因素，为用户定制专属的淘宝页面，也就是定制的商品推送，这
样的精准零售让沃尔玛等传统卖场望尘莫及。
如今，精准的商业概念已经被越来越多的企业认可并复制。比如我们在手机
上常用的UC浏览器，它会记录下用户每次点击的网页，并且根据用户搜索的内容
，向用户精准推荐相关信息。再比如现在的各大视频网站，如优酷、腾讯、爱奇
艺等，它们同样会记录用户每一次观看的视频，然后根据视频类型向用户进行精
准推荐。
需要再次强调的是，这里所说的精准与传统商业的精准是截然不同的两个概
念。传统大众化时代，每个通路处理信息的效率是有限的，匹配的能力是非常低
的，所以每个消费者只能在有限的几个选择中进行决策。对于传统企业来说，利
用规模优势进入主要通路，并且尽量抢占头部位置，才是商业的核心所在。在此
基础上，传统商业中所谓的“精准”，只是降低成本、提升利润的手段之一，而且
只能在很粗的层面实现。
进入互联网时代后，线上平台处理信息的效率和匹配能力几乎被无限提高，全世界的数据相互连通，每个消费者都可以在无数个可选项中做决策。因此每个
通路，无论是广告、推荐、电商、社交还是工具，都必须优先向用户呈现最“精准”的选择，才有可能被选中。所以在新商业时代，精准是商业的核心要求，是产品
和服务能否有机会与用户连接的先决条件，更是企业能否存活并做大做强的关键
所在。
精准商业要建立在和用户的持续性互动关系之上，在这种持续性互动中，对
产品(服务)进行迭代和优化，从而更加精准。在这个模式下诞生的产品是一种“
活”的产品。而要创造一个“活”的产品，就必须以数据智能作为产品的核心。因为
，一方面产品的价值很大一部分来源于数据智能在其中的应用，另一方面产品本
身又是收集数据的渠道，形成反馈闭环、学习优化的基础。
同时，要与用户建立持续性互动关系，就必须以个性化、一对一的方式来实现与用户的连接，这样双方才有可能互动起来。但是想要同时能够和海量用户进
行持续互动，就必须依赖于一个协同网络，只有协同网络才能支撑这样个性化的
服务体系。
总而言之，在未来的商业文明中有两个基石：网络协同和数据智能。而我们
所追求的最终目的则是实现精准的、不断优化的个性化服务。接下来，让我们分
而论之。
精确：通过网络协同，实现降维打击
未来智能商业的精准性要求，分为“精”和“准”两个方面。在这一节中，让我
们先从“精”的层面讲起。
“精”指的是精确。过去10年，有一个词语出现得愈加频繁——个性化。在工
业时代，个性化被当作商业的至高追求目标。彼时的基本逻辑是标准化大规模生
产，按照同一个标准的模型来生产产品与服务。在这样的环境下，人的个性必然
被抹杀。但个性、自由是所有人共同追求的目标，打压得越狠，反弹的力度也就
越大，每个人都希望获得个性化服务。
但是个性化并不能完全代表精确，否则早在多年前，腾讯公司为用户推出的
每个人拥有专属号码、可自由变换头像和签名的QQ企鹅就已经满足了精确的所有
需求。在新商业时代，想要做到精确，个性化只是一个起点，精确的颗粒度可以
被无限扩大。
那么，精确究竟是什么概念？如今的精确，不但要求企业根据不同的用户提
供个性化服务，还要掌握用户是何地、何时、何种场景之下需要服务。这个道理
其实说起来简单。每个人在早上9点和晚上9点时的心情大相径庭；在家和在公司
的需求也不一样；酒醉与清醒的不同状态下，又会产生截然不同的需求。所以精
确要追求的方向，是在极度颗粒化的场景下，依然能找到具体时间点的需求，然
后按需服务。
在弄清了精准的概念之后，让我们思考下一个话题：究竟如何才能实现精确？答案的核心是通过协同网络的不断扩张，获取一个人在不同场景、不同状态下
的更多数据。
举一个简单的例子。如果现在将某人在微博、微信、陌陌、淘宝、支付宝这
些软件上所显示的所有数据都打通，那么对这个人的理解就会变得全面且立体，更便于商家在某个具体瞬间捕捉到他当时的某种服务需求。因此，我得出了以下
结论：精确是通过协同网络的扩张，对一个人在不同场景下的理解逐步深化的过
程。
只有协同网络才能完成个性化服务，只有当一个网络能满足千万人需求的时
候，才能真正满足一个人的需求。这是一次非常有趣的商业突破，它实际上是突
破了一个传统的供给悖论——用网络上大规模的方法完成个性化服务。相对于一
个固定的线性供应链结构，网络结构才有弹性来支持任何一点的需求，满足低成
本、柔性化、模块化等要求，这些都是过去被认为商业上不可能实现的组合。
为什么淘宝和谷歌这样的企业，一出现就能够对传统企业进行摧枯拉朽般的打击？个中关键在于它们实现了过去做不到的组合，提供的核心客户价值让人无
法抵挡，这才是网络结构的优势所在。在这个网络上能够进行全局动态优化，这
是固化的供应链难以做到的事情，也正是所谓的降维打击。
从工业时代到数据时代，无论是基本逻辑还是指导思想都在发生着变化。工
业时代要解决供给不足的问题，让大家都能用得起，所以它的核心就是标准化，只有标准化才能进行流水线生产，实现大规模和低成本。由于中国中产阶层的不
断扩大、消费需求的日益增加，产能需求进一步扩大，对标准化又提出了更高的
要求。这个正向循环的整体逻辑是线性的，以控制为核心。精确的系统一定要能
有效控制；一旦失控，整个系统就面临崩溃的局面。
然而进入互联网时代之后，一切都发生了变化。新时代对企业的要求是一切
以客户为中心，以C端为中心，C2B模式成为主流。这种模式强调个性化和差异
化，追求的是价值而非成本。由于供给过剩，商家必须强调将给客户带来何种额
外价值，客户才会愿意为此买单。因此，互联网时代强调的是网络和社会化协同
，看重的是自组织生长，这是一种生态思路、网络思路和演化思路。
说到这里，解决精确问题的关键，又回到了如何才能构建协同网络上。伴随
淘宝10多年一路走来，我们有了以下心得和体会。
降低准入门槛，扩大生态容量
要想构建协同网络，首先要能够通过赋能降低门槛，让原来不存在的供给者
进入，这样才能极大地扩大生态容量，才有可能改变原来的格局。
在旧体制里改革，从来都是一件很难的事情。既然存量难改，那么你能做的
只有增量改革。当增量达到一定程度后，新的东西才能把旧的东西囊括进去。
最早的淘宝，我们戏称它是“边缘人群卖边缘商品”。那时候只有找不到工作
的大学生和下岗工人，才会到批发市场批发一些东西，将其放到网上来卖，而这
些人在传统商业模式中根本无足轻重。渐渐地，这些人靠着自己的勤奋和新技术
，“吃螃蟹”一般做出了示范效应后，才让一些稍微有点钱、有点能力的人愿意加
入其中，就这样一棒一棒地传了下去。因此，我一直认为，低门槛是非常重要的
一个竞争手段，越大的生态越需要低的门槛，这样才能保证足够的容量。
以协同为核心的不断演化
淘宝是怎么变成平台的？答案不是淘宝去发展关系，而是大家之间发生了关
系。除了最开始的买家与卖家，绝大部分角色都不是我们按计划设计出来的。比
如，从“窄带”到“宽带”之后，出现了模特需求，于是有一批人当起了网店模特；
随后有一部分没有货源的卖家提供运营服务，于是就出现了名为“代运营商”的新
物种；渐渐大家发现对快递服务的要求越来越高，于是就出现了几家来自桐庐小
镇的快递公司……像这样的例子，还有很多很多。
新物种是不断演化的过程，是以协同为核心，让网络不断扩张的过程，这一
点在中国非常特别。而在美国，因为传统商业极其发达，每个环节的效率都很高
，所以电子商务很难在整体上重构美国的商业版图。准确：数据智能的背后，是商业逻辑的根本改变
在展开讲“准”这个概念之前，我们先要对当前时代的宏观背景有个准确的认
知：我们这个时代，已经从短缺经济变成了过剩经济。其实早在20世纪90年代，美国就已出现物质极大丰富的现象，绝大部分的商品都处于过剩状态。中国在赶
超了40年之后，近几年也出现了产能严重过剩的情况，大部分标准化产品的竞争
都无比激烈，因为标准化产品的市场已经饱和了。未来竞争的核心，将从满足显
性的标准化需求变成挖掘潜在的个性化需求。
这是一个根本性的差别。在传统工业时代的逻辑下，广告和标准化的生产是
相匹配的，先有标准化的产品，然后通过广告去激发需求，再通过渠道把这个激
发的需求与产品匹配起来。进入互联网时代之后，我们能够做的是更好地挖掘潜
在需求，而不是用标准化的服务去满足某种被广告激发的需求，这就回到了我们
本节的关键词——准。
“准”指的是准确，而这只有通过智能化才能实现。依靠牛顿经典力学为代表
的现代科学所发展起来的工业时代，是追求确定性的时代。在那个时代，人的信
仰是科学能够发现一切规律，依靠规律就可以将一切事情做得准确。最近50年，随着量子物理和计算机科学的发展，新时代最大的特点就是开始接受不确定性，尝试用统计的方法来逼近准确性。所谓的机器学习和人工智能，就是先从一个非
常粗糙的目标开始，逐步迭代优化，最后可以达到非常准确的高度。
谷歌翻译的准确率可以从一开始的40%，仅仅利用几年时间就达到很高的水
平，就是因为它拥有了和工业时代完全不一样的思路。谷歌翻译是用统计、概率
、学习、反馈来逼近精确，向越来越准确的最终目标前进。它要求“活”数据，而
不是一般意义上的“大”数据。只有量是不够的，数据必须和业务完整地融合在一
起，在此基础上有模型和算法，还要有云计算和大计算能力支撑海量数据处理。
这就是未来商业真正比拼能力的地方，能否做到更加准确，这是商业逻辑的根本
变化。
到了现在，如果还用工业时代的逻辑，三年计划一个产品，然后希望这个产
品在未来某个时刻能打中人的需求，这样的概率几乎为零，没有任何准确性可言。所以，未来服务的准确度是去挖掘潜在的需求，我们要用一套全新的方法论去
指导这种思考。而这个方法论想要变成一套完整的运营体系、业务流程，就需要
拥有一个互联网化的支撑系统，才能提供更加准确的服务。
那接下来的关键问题就是：如何挖掘潜在需求，才能实现最高效率？
如果让人和一个个用户不断地进行互动，看他们到底想要什么，这是一种成
本很高的方法。就像做所谓的定制化服装一样，要人跟人之间发生很多次的反复
互动才能达到目的，性价比非常低。如果这种场景想要普遍化，最终还是要靠我
们讲到的数据智能。你先要建立起一个有效的产品通道，将商家跟潜在的客户联
结起来，再通过各种各样的方法去试探客户的反馈。最终双方动态的匹配形成某
个时间节点的最优服务，而这个服务又会随着用户的需求不断演化。
想要完成这个目标，唯一的方法是通过持续的互动进行产品的迭代和优化，光靠人力注定无法完成，背后需要数据智能引擎的支撑。只有用机器决策取代人力决策，才能在足够短的时间内快速学习、提升和逼近可能的潜在需求，这样得
出的判断才是准确的。用工业时代的思想无法企及准确这一高度，只有用数据时
代的思想，人们才能用渐进的方法来快速迭代、试探。其实这种试探是双方的，只有经过多次的摸索、互动，最后才能找到一个当时足够满意的服务。
既然要靠试探和摸索，那便离不开数据智能的自我学习能力。在这方面，淘
宝的经验或许能为你提供帮助。
在线记录数据
淘宝提供在线购物服务，用户所有浏览和购买行为自然就被记录了下来，这
不是额外的动作，而是业务的自然过程，是记录数据而非收集数据。
收集所有的数据
淘宝不仅能够记录买家的购买数据和浏览数据，就连买家在两个浏览行为之
间停顿多少时间这样微小的行为都会一一记录。这些数据的价值在当下或许不会
得到体现，但在将来的某一天也许能够对你产生极大的帮助。先大范围地收集数
据，数据的具体价值留待将来慢慢发现，这也是一种很不同的思路。
要想做到以上两点，就要把一切业务在线化、软件化，这是与ERP平台[1]
的
根本差别所在。ERP是将管理行为固化，通过最佳实践的软件化传播来提升管理
效率；而未来需要的是要将业务行为软件化表现出来。人能够通过潜意识对用户
的一个线下行为进行预测，但无法让机器通过学习加以掌握。只有当你把业务的
全部流程都用软件方式表现出来，并让其在线化之后，接下来的一切才有了开始
的可能性。所谓机器智能，就是用最笨的方法做出最聪明的结果，这是第一步。
我们之前讨论过淘宝的网红店铺，为了追求在线实时业务流，很大一部分的
网红店铺都在重写业务流程软件系统，抛弃了过去常用的ERP平台。在线化会带
来庞大的数据流，在掌握了用户的全部数据之后，再使用预测反馈校正的方法指
导业务决策。从这个角度讲，数据就是决策，而不是数据支持决策。智能化的第
二步一定是自动化，就是直接让机器做决策。
用户在淘宝的搜索框中输入一个关键词，或者点击某个地方会出现什么内容
，这些事情都是机器直接决定的。也许有人会产生这样的疑问：“我怎么知道机器
做得好还是不好？”其实这就是模型、算法、反馈要改进的过程。一定要将决策数
据化才能够加以持续优化。在优化的过程中，服务会逐步变得精准和智能。如果
你的核心业务没有在线化、自动化、数据化，你就没有开始智能化的过程。请记
住，“离线动物”是无法和“在线动物”较量的，因为“在线动物”有很多工具可供使
用，这根本就不是一个量级上的竞争。
最后还有一个问题需要解决，那就是怎样才能快速进行智能化服务。关于这
个问题，前面的不同章节都有涉及，这里再强调三点，希望能够对你有所启发。
数据化往往是一个很昂贵的过程
问一下自己，你是否有足够的创造性，能够找到一种适合你的方法完成数据的初始化？这一点非常重要。如果你能够用足够低的成本、在足够短的时间内，掌握足够大的数据量，你的胜出概率将大为提升。在互联网时代，谁能够找到有
创意的数据化方法，谁就具有重要的竞争优势，也就能真正融入未来的智能商业
中去。
只有上线，才能迭代优化
不上线就没有用户反馈，就不知道往哪个方向优化，迭代便无从谈起。这两
年有一个很好的例子——特斯拉自动驾驶。在全世界范围内，有数量庞大的特斯
拉电动车在路上飞驰，特斯拉公司自然能够收集到大量的数据进行优化，这是智
能商业非常重要的一个方向。
用机器学习的逻辑贯穿整个业务过程
还有一个问题需要问问你自己：针对一个足够大的问题，你能否找到新的算
法来挖掘数据背后的洞察？千万别小看这个问题，要知道，算法创新具备极大的
实用价值。谷歌正是凭借两个别出心裁的算法，支撑起了自己5000亿美元的市值。再举个简单的例子，未来一定会出现某种算法，让餐厅实现按收费最大化的目
标来安排订位。但在这个算法没被人发现之前，大家就享受不到这样的服务。换
句话说，这是未来餐饮业的商机所在，相信无数有心人正摩拳擦掌，打算凭借自
己的力量打下全新的商业版图。
[1]ERP，enterprise resource planning的缩写，即企业资源计划，是指建立在信
息技术基础上，以系统化的管理思想，为企业决策层及员工提供决策运行手段的
管理平台。06
黑洞效应：智能商业胜出的秘密
黑洞，是一个让人望而生畏的词语，它有着极强的引力，能够将所有接近它
的事物吞噬殆尽，甚至连光都无法逃脱。未来的智能商业有着像黑洞那样无限大
的潜力与空间，可以包容一切的人、数据甚至时间。而拥有“黑洞效应”的企业，可以搜集到无数的数据、信息，从而持续不断地高速发展。同时，因为越来越庞
大的数据基础，智能商业的发展也必将越走越远，做到真正的海纳百川，有容乃
大。
黑洞效应：智能商业的优势源泉
近年来，有一批企业以前所未有的速度发展，如滴滴、今日头条、摩拜、快
手、瓜子，以及最近的抖音。那么，为什么这些互联网新兴企业能够拥有如此强
大的生命力和火箭般的发展速度？同时，那些已经拥有庞大体量的互联网公司，如阿里巴巴、腾讯、亚马逊，又是如何继续保持着高速增长？要知道，这种情况
在商业史上颇为少见。
我在研究和梳理这些案例的时候，找到了一个很有意思的观察角度，我称其
为智能商业的“黑洞效应”。既然叫“黑洞”，自然意味着它有巨大的能量场。那么
这些“黑洞”的能量场又是如何形成的呢？
网络效应
智能商业双螺旋之一是网络协同，而网络协同的驱动力就是网络效应。既然
是互联网企业，天生就带有“网络效应”，具备指数型扩张等大众已经非常熟悉的
互联网天然优势。所以，“黑洞”型企业的第一个优势当然就是网络效应。
学习效应
数据智能是智能商业双螺旋的另一个重要组成部分，而数据智能有着乘法的
优势，也就是学习效应。打个比方，机器的算法在不断对数据的处理中提升了自
己的智能水平。这是7(一周7天)×24(一天24小时)永不停歇的自我运转，所
以这种学习效应是乘法叠加的。“黑洞”型企业越学越聪明，学得越来越好、越来
越快，这就是学习效应。
数据压强会推动数据智能发展
一个网络在不断扩张时，数据天然会被记录下来，随着时间的推移，积累的
数据会越来越多。当网络越来越复杂以后，靠人力根本无法完成如此繁重的工作。就像我们提到的快手，人流量快速过亿。如此庞大的人群，每天都会产生极为庞大的数据量，我称之为“数据压强”。在这种巨大的原生性压力面前，人力束手
无策，数据智能是唯一且必然的选择。而快手高速成长的原因之一，正是从一开
始就将平台运营建立在了机器学习的基础上。
再以淘宝为例。早在2008年之前，我们就已经感觉到传统的类目再也无法处
理这个平台上如此多的商家和商品信息了，消费者的购物效率出现了直线下滑的
趋势。因此，淘宝从2007年开始计划，在2008年全面投入，用搜索引擎取代传统
的分类浏览。在当时，搜索引擎是一款数据智能的新产品，只有搜索引擎才能支
撑淘宝复杂网络的爆发式成长需求。对于搜索引擎而言，处理1亿件商品与处理1
00亿件商品并没有太大的区别，只要它的可扩容性能够承载就可以了，但这是人
力无法达到的效率。
现在看来，淘宝的数据智能之路，与日趋庞大的网络所产生的“数据压强”息
息相关。在“数据压强”面前，要么数据智能，要么变成肉泥，没有第三条路可选。
数据智能拥有网络张力
如果说自然资源中的石油与钢铁是20世纪最重要的生产资料，那么在当下的
时代中，最重要的生产资料就是数据。二者的主要区别有以下几点。
1.物质资源有形，数据资源无形
数据和石油、钢铁的最本质区别在于，石油和钢铁都是物质资源，而物质资
源都是有形的。就像一杯水，只要有一个人喝了，这杯水就没有了，别人自然也
就无法再喝了。数据、信息则是无形的资源，可以被反复传播共享。
2.物质资源传播成本高，数据资源传播成本低
数据信息的复制和使用的边际成本近乎为零。换句话说，数据信息无论在网
络上被传播多少次、传播得有多快，都不会提高数据信息的传播成本。反观那些
物理属性的物品，无论你用何种方式进行传播，速度与成本都会受到很大的制约。
3.物质资源的使用是损耗过程，数据资源的使用是价值创造过程
物质资源越用越少，最后的结局就是完全枯竭，因此，物质资源的使用过程
是单纯的损耗过程，而数据资源却不然。数据的使用过程是一个增值过程，有多
少人查看，查看的人是谁，这些信息本身就有着巨大的价值。如果查看信息的人
再去点个赞、留下一条评语，甚至再转发一下，整个信息的价值更会以几何级数
上升。从这个角度看，数据资源的使用过程可以算作是一个价值创造的过程。在
我看来，任何互动产品的设计都极有价值，原因就在于这些优秀的互动产品，让
信息的消费过程变成了信息的再生产和信息价值的再创造过程。也就是说，在网
络上有多少互动，就能够产生多大的信息价值。
4.二者的经济学原理不同
在给传统的物质资源定价时，成本因素起到了很大作用。但是对于数据资源而言，编辑复制它的成本基本趋近于零。另外，同样的数据资源在不同人眼中，价值也完全不同。从市场有效性的角度来看，某个特定信息总是有着极大的意愿
去触达不同的人群，总是希望能够在网络上“走”得更远一些。唯有如此，它才会
有更大的概率遇到某个愿意为这个信息付出高额溢价的人。
在了解了物质资源和数据资源的四大不同之后，你会越来越清晰地发现：数
据就像是一个黑洞，它总想越变越大，触达的人越来越多。因为数据传播和消费
的过程，本身就是价值创造的过程，而传播的边际成本又非常低。这种不对称性
使得数据有很强的动力去尽可能地在全网络传播，这是一种天然的网络张力，所
以数据的积累又会进一步推动网络的扩张。
以上四大优质DNA的重叠附加与彼此赋能，让有着“黑洞效应”的企业占据了
指数级增长的竞争优势。这些优势的乘法叠加，足以在各自的行业和领域内掀起
一次又一次的惊天风暴，也由此诞生了一个又一个智能商业独角兽。诺基亚与摩
托罗拉的悲剧式谢幕、雅虎的破产贱卖……那些曾经无限风光的行业巨头纷纷倒
下，暴露出了现实的残酷性：传统商业在面对这样的对手时，几乎毫无还手之力。
图6–1 黑洞效应
在智能商业的时代，想要让自己的企业获得成功，首先要问自己4个问题：
·第一个问题，我的企业能否最大限度地实现网络化？
·第二个问题，我的企业能否尽可能地引入机器的学习效应？·第三个问题，我的企业能不能在网络扩张的过程中，尽可能地用机器决策取代人工决策？
·最后一个问题，我的企业能否让自己收集的数据与更多不同类型的数据产生
交换？
这4个问题，每解决一个，你就离成功更近一步。因为，这4个问题代表了“黑
洞效应”的4个不同优势，无论哪一个优势都能为你的企业带来巨大的发展动能，都能为你的企业创造出巨额的价值。
黑洞效应的必然方向是智能商业在了解了“黑洞效应”的四大共性后，让我们来思考这样一个问题：既然黑洞
效应的威力如此巨大，那么它会将我们的世界带向何方？
在我看来，物质、能量和信息分别是世界的三大核心资源。而在信息这个维
度中，还可以分为两条主轴：一条是通信和通信，另一条是处理和计算。在人类
文明高速发展的这些年，物质与能源这两大核心资源带来的巨大变化，大家都已
经很熟悉了。而信息这条主轴上的技术进步，同样推动了人类社会突飞猛进的发
展。因此，我们只需要将目光聚焦于信息这个点上，将人类的三大文明时代进行
横向对比，就可以得到这个问题的答案。
在农业文明的早期时代，人与人之间通信与通信的实现，主要依托于烽火台
、信鸽和驿站。通过烽火来传递信号，通过动物(如飞鸽和驿马)来触达更多的
人。文字和后期印刷术的发展，极大地提高了通信的效率。而彼时的处理和计算
，主要依靠的是算筹和阿拉伯数字的发明，是几何定律与代数法则的出现，以及
不可不提的算盘。实际上，农业文明的社会框架就是依靠这些形成的。
在人类文明进入到工业时代后，蒸汽机的发明让世界变得越来越小，曾经无
法逾越的距离与天堑不再能够阻碍人类探索世界的步伐；电的发明在万家灯火璀
璨的同时，也为世界带来了电报和电话。这两大跨世纪的发明让人类世界在通信
与通信这条主轴上，出现了几何级的效率提升。同时，对计算能力也产生了巨大
的需求，催生了一家时至今日依旧如雷贯耳的企业——IBM(国际商用机器公司)。
IBM创立于美国，初期以生产计算器为主业。计算器的生意带给IBM无限的
财富与名声，也聚集了大量的人才。正是依托于这些时代的精英，IBM在发展后
期成功将主营业务转为文字处理机，再到如今的计算机及相关咨询服务和解决方
案。今日的IBM依然是业界的巨头，麾下员工遍布世界各地，人数高达30多万。2
016年，IBM宣布该公司在美国一共获得了8088项专利。虽然在互联网时代面临巨
大挑战，但在计算技术的进步领域，IBM建立了百年基业。
除了蓝色巨人IBM，100多年前成立的另一家公司，直至今日依旧对世界产生
着巨大的影响，它的名字叫NCR。NCR起家于付款机业务，在2011年还曾名列世
界500强，提供的服务更是涵盖了制造、金融、交通、安保、旅游等诸多领域。
在IBM和NCR这两家公司身上，隐藏着这样一个成功秘诀：在工业时代，不
管是计算器还是付款机，任何简单的机器一旦包含了一定的计算能力，就能被称
为当时最前沿的科技，足以诞生一家巨头级别的公司。
如果追溯智能商业的起源，我们就得将时光调至1989年。正是在那一年，世
界上第一台个人计算机成功连接至公共的互联网网络。信息资源的两条主轴——
通信和计算——终于合二为一，个人计算机在具备了计算属性的同时，又具备了
通信节点的通信属性。正是有了两条主轴的相互重合，网络协同和数据智能的双
螺旋结构正式成型，开始了极为强劲的耦合发展，进而奠定了智能商业时代的基
石，也为崭新的时代揭开了序幕。
换言之，经过了几亿年的不断演进，人类依靠碳基能源，终于完成了整个世
界的物理连接，再加上钢铁与照明，共同构成了如今的世界。而未来的智能世界，则需要人类在这些物理连接的基础之上，完成创造力、知识和智慧的联结。
这是一个伟大的联结过程，它分为三大实践步骤：
·人脑的联结。
·全世界机器智能的联结。
·人脑与机器脑直接联结的网络。这同很多科幻电影中描述的场景极为相似，艺术是生活的延伸，而那一天似乎离我们越来越近了。在特斯拉、SpaceX(美国
太空探索技术公司)等公司外，马斯克的Neurolink(脑机接口公司)所聚焦的就
是这个领域。
如果说在过去十年间，智能商业的概念听起来还比较遥远，那么时至今日，我们已经可以对这个伟大的商业文明时代感同身受。尤其是生长在互联网环境下
的90后与00后，这两代人从出生起便处于当下这个新时代中，他们对所有新生科
技都能自然地接受并且理解，毫无违和感。前文提过，1989年正是智能商业的技
术起点，这也意味着智能商业的演变过程和用户以及整个社会的演变过程完全同
步，我们的生活越来越网络化、场景化、流动化和碎片化。
如今，人们生活在云端之上和朋友圈里，物质条件已经极为丰富，甚至出现
了过剩的情况，但焦虑感却始终挥之不去。每个人都桀骜不驯，追求着自我个性
的极度释放，但与此同时，对于自己所认同的一个个小社群，我们又无比的忠诚。这是一个全新时代的开始，智能商业的目的，不是为了满足工业时代中那一个
个毫无个性的人的物质需求，而是为了满足一个个完全不同的人在完全不同的社
会中的发展需求，这也正是所有科技进步的终极目标——以人为本。在未来，每
一个人都是被服务者，也都是这个世界的主人。
毫无疑问，这是一个让人极度兴奋，却又倍感恐惧的未来。到那时，如今所
有一切庞大、臃肿、老态龙钟的企业都将被淘汰。企业要想存活，就必须时刻保
持警惕，不断学习进步。因为稍不留神，就有可能被新一代的浪潮淹没。第二部分
商业模式变革随着人类社会的不断进步，商业模式也在不断地变革。曾经，所有的品
牌都想着不断扩大规模，让所有人都使用同一种商品，而现在的品牌变得越
来越细分，越来越多元，越来越重视小部分人的意见与需求。这不仅是商业
史上的一次革命，更是人类文明的跨越式发展。07
C2B：未来的核心商业模式
随着生活水平和科技水平的不断提高，用户的个性化需求逐渐显露。想要“一
网打尽”所有用户并靠规模制胜的传统商业模式已经渐渐被时代淘汰，C2B模式由
此悄然兴起。谁能够把握这一趋势，谁就能成为未来的商界领袖。
传统三大商业模式
商业模式并不是一个新颖的词汇，不但不新颖，反而十分陈旧。商业模式是
从人类社会建立之初就已经存在的概念，以物易物也许就是商业最早的存在模式。所以，如果你想要做一个企业，而不单单是一次成功的生意或者投资，就一定
需要一个有最终目标、可持续性的商业模式。因为只有确立了目标，你才能够制
定出清晰明确的发展路线。投机也许可以当作一时的手段，却绝不能作为长期的
战略目标。
这么多年来，商业圈形成了一种很有趣的风气，仿佛所有人都急于表达自己
对于商业模式的看法，但殊不知能够将商业模式解释通透的，一向都只是“事后诸
葛亮”般的存在。当然，适时总结肯定比一味蛮干要好太多，而我也十分愿意总结
一下在中国互联网历史上出现过的不同商业模式，因为它们代表了中国互联网发
展的不同方向。
无论何种商业模式，它的起点一定来自用户的痛点，来自一种未被发现或满
足的需求。在商业领域内，较为常见的有B2B、B2C、C2C(个人对个人)三大
商业模式，这里面的B指的是business(商业、商家)，C指的是customer(顾客、客户)，2也就是to(对、到)。下面就让我们来详细了解一下其中的不同之处。
B2B代表企业：阿里巴巴、中化网
B2B指的是商家对商家，这是极为常见的一种商业模式。2B的业务往往意味
着项目单价和利润率都比较高，是很多企业首选的生存之道。我将B2B分为两种
：水平B2B和垂直B2B。望文可知义，水平指的是企业与客户企业之间是平行关
系，而垂直则是指二者处于同一产业链之内，属于上下游关系。
1.水平B2B
阿里巴巴是较有代表性的水平B2B企业之一，如今，阿里巴巴已经成为全世
界最大的商人社区和网上贸易市场，为全球近200个国家、700多万家企业提供服
务。既然我们说到了水平B2B，那么阿里巴巴便是绕不过去的典型案例。
马云曾在不同场合多次提到，阿里巴巴的使命是帮助他人成功。那么阿里巴
巴如何帮助客户成功？我将其分为以下4类。(1)帮助企业完成交易
这一类十分简单，也就是为买家服务，帮助这些企业找到它们想要的商品。
(2)帮助企业宣传
第二类主要针对的是卖家企业，通过对企业产品、形象、文化的宣传，帮助
它们找到更好的买家。
(3)帮助企业“交友”
第三类可以称为商业圈的“交友”服务，也就是通过阿里独创的TradeManager
(阿里旺旺国际版)软件，帮助企业之间进行交流与信息传递。
(4)帮助企业寻找商机
阿里巴巴会发送大量的国际商业行情，并且提供细致周全的专项咨询服务。
阿里巴巴平台创立的目的，就是为了企业之间能够更好地合作，信息传递能
够畅通无阻、互利互惠，相关企业共同变得强大、繁荣。
2.垂直B2B
与水平B2B对应的则是垂直B2B，中化网就是其中的佼佼者。中化网全名为
中国化工网，是中国第一家专业的化工网站，也是目前知名度最高、最受消费者
信赖的化工专类网站。垂直B2B其实就是为企业寻找上游与下游伙伴，为零售商
寻找供应商，为生产商寻找经销商，大大提高了企业之间的合作效率。
B2C代表企业：亚马逊、天猫和京东
B2C商业模式是指商家直接将产品或服务销售给消费者，电子商务的先驱亚
马逊公司可谓其中的杰出代表。亚马逊公司诞生于1995年7月16日，最开始经营
的是网络图书。由于库存书籍数以百万，曾被称为地球上最大的书店。
从互联网中尝到甜头的亚马逊创始人杰夫·贝佐斯，更加坚定了创业时选择的
互联网道路。1999年，贝佐斯将亚马逊的业务范围拓展到了电子产品、音乐和视
频等领域，此后更是一发不可收拾。很快，化妆用品、婴儿用品、家居用品等领
域都能看到亚马逊的身影。如今的亚马逊几乎已经做到了应有尽有，成为互联网
中的“百货大楼”。
在中国，大家都非常熟悉的天猫商城采取的就是B2C模式。天猫诞生于2008
年，前身叫作淘宝商城，是淘宝网中的一个独立单元。因为有着淘宝网5年的经
验和海量的数据支持，天猫甫一问世便得到了广大消费者的普遍信赖。2011年10
月，共有38家B2C模式的商家加入天猫；到了2012年的“双十一”，天猫更是创下
了13小时销售额突破100亿元的惊人成绩，创下了世界纪录。在随后的几年里，天猫不断突破自己保持的销售纪录。2017年“双十一”，天猫商城以总成交额1682
亿元的战绩，再次刷新了世人对天猫的认知。
C2C代表企业：易贝、淘宝 ......
您现在查看是摘要介绍页， 详见PDF附件(2257KB，143页)。