新年伊始，一个神秘的围棋手Master（大师）以60：0的骄人战绩，横扫中日韩顶级围棋职业高手的新闻震惊了世人，不久谜底揭开，这个神秘高手竟然是一款电脑软件“阿法狗（Alphago）”。这意味着围棋――人类智慧的最后一个堡垒，现在也被人工智能无情地攻破，一时间在街头巷尾引发了人的热议，各种“狼来了”的恐怖论点和不必“杞人忧天”的淡然腔板展开了激烈的碰撞。人工智能如此奇迹般战胜体育和娱乐，成为了社会关注的焦点，也算是光怪陆离的现代社会里的一个小小的“黑色幽默”。
在此，我也想大胆地谈谈我的观点。以“阿法狗”为代表的人工智能的出现，显然预示着一个崭新的时代――人工智能时代已经拉开帷幕。不难想象，在不久的将来家用机器人也将和家用电脑一样迅速走进千家万户，从根本上改变我们的社会和生活。毋庸讳言，目前的人工智能依然还处在一个相对初级的发展阶段，暂时还只是单一功能、部分领域的应用，随着神经网络、深度学习等现代黑科技更广泛的拓展延伸，从单一走向综合，从部分走向全面，情感、创造、思想，这些高层次的技能都将不再是人类所专有，以“类人机器人”为代表的人工智能，必将强势融入我们的社会，并推动社会的进步和发展。
我认为看待人工智能，应该把他（对新涌现的在一定程度上超越人类智慧的人工智能，我用“他”来表示，以表达我的尊重，并区别于以前那些简单初级的人工智能，以下同）放到人类社会的大背景下去讨论，要参照整个社会的发展进程和社会个体的成长去衡量。
一、参照社会发展进程来看
人类社会文明上万年的发展进程，经历了非常曲折的过程，但是始终遵循了从落后到先进，从野蛮到文明的社会发展主线，人类所共同追求的公平正义的生存法则超越了地域、种族、阶级，指引着人们跨越黑暗时代，摆脱来自自然界或人类社会的种种羁绊，一步一步地推动着整个社会的发展。
人工智能诞生在人类社会，它们拥有了智慧，必然是受益于人类社会千万年积累的观念和认识，也必然受限于这些观念和认识，或许在某一个时间节点可能出现意外的突变，造成一定的混乱和损失，但是公平和正义的生存法则终会拨乱反正，正本清源。这正如人类一直以来的历史发展进程，当年战争狂人希特勒悍然发动了毁灭世界的战争，战争的初期看似以摧枯拉朽的姿态横扫了欧洲大陆，但是也促使正义的人们团结起来，组成了反法西斯统一战线，最终还世界一个朗朗乾坤。
从人类发展的最终进程来看，我始终乐观地坚信，人工智能的诞生和发展，不仅不会造成社会发展的困扰，或许人类因此更多了一道更为理智更为有效的防火墙，来避免历史上那些悲剧的重演。
二、参照社会个体成长来看
人类社会每时每刻都会诞生新的个体，他们的成长其实都是难以预期的，为什么人们不会为了这些新个体的诞生而去“杞人忧天”呢？因为，这些个体成长的环境就是我们的人类社会，他们受益于整个人类社会，也受限于整个人类社会。千百年来，人类社会早已经架构了足够成熟的运作模式对社会的所有个体进行监控和约束，对于那些超出行为准则、危害社会的个体，或清除（比如：死刑）或隔离（比如：监狱），人们有足够的手段去最大限度地保证社会的稳定和发展。
人类社会发展到如今，已经不是中世纪的英雄时代，个人的力量变得无限的渺小，所有的发展探索，都必须基于团队，甚至整个社会的一致协作，这样的发展状态，也充分地避免了社会畸形的发展，一个个体，或部分个体显然不可能轻易地左右整个社会的发展进程。
我认为，严格来说，人工智能只是人类用智慧孕育的另一个孩子，他和人类用生理孕育的孩子的性质是相同的，只是人工智能某些方面的能力，大大地超越了他的“兄弟”。可以肯定地说，不管他能力多强，成长多快，人工智能成长的环境，始终还是我们的人类社会，他们受益于整个人类社会，也同样受限于整个人类社会，人类社会所形成的监控约束模式，也同样能够对人工智能进行有效的掌控。
70年前，一个叫阿西莫夫的作家提出了著名的“机器人三大定律”，希望以此来保证机器人会友善对待人类，避免人类陷入被机器人统治、奴役的“机器末日”。这种看似合理的诉求，其实包含的是人们对于以机器人为代表的人工智能的无知所带来的恐惧，这与上个世纪当时极度落后的中国人面对火车、机器等现代工业产物时产生的莫名恐惧如出一辙，历史的车轮滚滚向前，时代的发展终究证明，高度的工业文明同样可以与古老的精神文明和谐地共存，共同地发展。摒弃了偏见的中国人，用自己的智慧和力量，锻造了如今的世界第一工业制造大国，取得了令西方列强瞠目结舌的社会发展奇迹。
中图分类号：TP389.1
文献标识码：B
1.关于人工智能
什么是人工智能呢？在 1956 年 Dartmouth 学会上，人们初次提出了“人工智能”这一术语。尽管人工智能没有确切的定义，但基本概念就是人工智能（Artificial Intelligence），英文缩写为AI。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支。就人工智能的本质而言，就是运用目前的人工智能技术去模拟实现人脑基本的思维，也就是模拟人脑处理信息的过程。但目前的人工智能仍大都是在电脑中储存众多的解决办法，然后通过分析面对的问题以及当前的环境信息，通过计算机得到最优的解决办法，其核心思想在于具有优越的算法。
2.人工智能发展现状以及驱动因素
目前，所有国家都十分看重人工智能这个产业，因为人工智能可以利用它自身快速准确的运算能力以及惊人的记忆力和巨大的存储空间等，为人类提供各种各样的服务。虽然我们生活中的人工智能机器正在逐渐增多，但是其应用方法仍十分原始。
正因为人工智能的前景十分广阔，也使得各种因素持续推动着人工智能的发展。当然，最核心的因素在于算法，人们的不断思考与努力持续推动着语法的进步。
3.人工智能与人类智能的关系
关于人工智能与人类智能的关系，知道什么是人类智能是了解人工智能与人类智能关系的前提条件。人类智能是人类与生俱来的自然智能，它主要包含感知能力、思维能力和行为能力三个方面。
现在我们从哲学的角度去理解人工智能与人类智能的关系。两者是对立统一的关系，因为人工智能是人类智能的实际体现，人类智能又凭借人工智能的优点而加强，所以人类智能与人工智能相互依存，谁也离不开谁，并且两者相互促进，共同推动人类社会的发展。人工智能和人类智能之间又存在对立的关系，正是通过这种对立的关系，人们才能够不断地对人工智能加以创新，促其发展。
4.人工智能与人类智能的区别
人工智能与人类智能两者的关系十分密切。且这两者之间的区别也非常大：第一，两者的优点十分不同，比如人工智能计算能力强，而且拥有人脑无法涉及的计算速度，另外，人工智能机器可以在特殊环境条件下正常地工作。但是人脑能提出新问题，对新事物进行分析研究，得到解决新事物的办法。第二，两者起源不同。人类是自然界长期发展的结果，人工智能是由人类创造的。第三，两者思维方式不同。人类智能拥有自己跳跃性的思维，但人工智能要严格遵循所设计好的思维程序。第四，两者语言形式不同。人类拥有自己的自然语言，而人工智能只能依靠人类去创造人工语言。
5.人工智能能否超越人类智能
关于人工智能能否超越人类智能这个问题，人们的看法都大不相同，而且每个人的看法都有自己的合理解释。但我认为，在整体上人工智能是不可能超越和代替人类智能的。因为人工智能是由人类所创造，只是人类智能的拓展和实现途径。它没有办法去替代人类智能，更不可能像电影里的情节一样，由人工智能来统治人类。
从社会环境来看，人工智能无法像人脑一样去面对现在复杂的社会环境。从实际应用来看，人脑拥有超强的容错率，而且可以在众多信息中提取关键信息，并且耗能低，但目前的人工智能需要有完全正确的程序才能正常运行，而且需要投入的资源量巨大。
由此，我认为，人工智能是无法超越人类智能的，但我们要承认人工智能给我们的生活带来了许多方便。虽然人工智能帮助我们在很多方面解决了依靠人力解决不了的很多问题，而且因为人工智能的快速发展，使人类智能可以无视时间和特殊环境进行研究和实践。但是，如果因为科学技术的发展和电脑的广泛应用，就认为人工智能可以代替和超越人类智能，这是没有依据的。
2017年，人工智能全面爆发，资本大量涌入，政策不断加持，各企业趋之若鹜。在此时刻，中国完全掌握着弯道超车的良机，只是，我们更需要理性认知，毕竟健康发展、蹄疾步稳的人工智能发展才会对未来有益。
风口已来，静待腾飞……
在不久前结束的2018年全国研究生招生统一考试中，“人工智能对人类社会产生哪些影响，对经济发展带来哪些改变”成为管理类联考综合能力考试中一道分值很重的作文题目。这从一个侧面可以看出，2017年成为国家战略的人工智能之火热程度。
在浙江乌镇落幕的第四届世界互联网大会上，人工智能同样是最热门的话题，在以人工智能为主题的分论坛会场，已经到了人满为患、不得不限制进场人数的地步。
回顾2017年的科技创新，坦率地说并没有给人太多惊喜，最引人关注的，莫过于人工智能。这一年，人工智能全面爆发，成为国家战略。
2017年7月，国务院印发的《新一代人工智能发展规划》中，明确新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。这是中国首个面向2030年的人工智能发展规划。随着人工智能上升为国家战略，顶层设计框架搭建完成，产业发展有望持续提速，带来投资新机遇。
实际上，在政策出台前，对市场异常敏感的企业层面已经开始布局，2017年只是进入到了发轫期。
也许，不少“吃瓜群众”此刻方才明白，为何做搜索引擎的百度提出“all in”(全面进入)人工智能战略，阿里巴巴也提出了数据是生产资料的概念，而腾讯早已经开始“连接”一切。
“作为一项改变世界的技术，人工智能已经到了从实验室走入真实的生产环境和日常生活的‘临界点’。”阿里巴巴集团副总裁刘松说。
在政策信号如此明确的背景下，人工智能几乎到了“人人争说”的地步。如今的中国，人工智能缺的不是关注和热度，而是理性的思考，是对未来风向的把握。
人工智能发展如何脱虚入实？人才与核心技术瓶颈如何取得突破？法律伦理责任如何界定？将会砸了谁的饭碗？背后的算法歧视如何解决？梳理过去一年人工智能发展，理性看待目前的阶段，这五大关键之问可能将是人工智能发展的风向标。
与实体经济结合去泡沫化
到了2017年年尾，曾经让各界争得面红耳赤的实体经济和虚拟经济之辩似乎已经没有太多意义。因为“取代谁”在当下已经成为非常不明智的设问。答案已经越来越明晰：实体经济是根本，虚拟经济也需要结合实体。换句话说也许更清楚，脱离实体的人工智能发展很难不出现泡沫。
于是在2017年，我们看到，很多的互联网工程师开始进入工厂深度研究流水线，拜师高级技工，在工厂写代码，而结合了人工智能的生产线大大提高了生产率。
阿里云总裁胡晓明认为，人工智能的发展要去泡沫化，下一站将是“产业AI”。目前，该公司在城市、工业、零售、金融、汽车、家庭等多个场景推出ET大脑等“产业AI”方案，这些能力、产品和解决方案都通过虚拟的云端结合了扎实的工业流水线。
胡晓明告诉记者：“现在人工智能领域有种浮躁的氛围，有些企业靠AI讲资本故事、炒作股价。人工智能不应仅仅是实验室里的、PPT里的‘概念上的AI’，更应是‘产业AI’。”
人工智能若要健康发展，首先必须要有场景驱动，人工智能在解决什么问题、为这个社会的成本降低了多少、效率提高了多少；人工智能背后，是否有足够的数据来驱动AI能力的提升；是否有足够的计算能力支撑算法和深度学习？只有在这三个场景同时具备的前提下，人工智能才会有价值。
在2017年，工业大脑走进车间，突破了良品率提升、故障率预测等制造业核心难题，互联网与工业的结合帮助类似协鑫光伏、中策橡胶、天合光能、盾安新能源等大型制造企业创造利润数十亿元。在天合光能，工业大脑帮助其提升了电池片A品率达7%，而之前预设的目标是1%。
机器观察世界，机器学习规律，数据的积累、计算能力的提升，让人工智能由此变得真正聪明可用。
猎豹移动CEO傅盛认为，传统行业的智能化核心是把传统行业数据化，今天人工智能有机会把传统的物理世界数据化。物理世界的数据化是传统行业真正转型的核心。如果实体经济想实现10倍数增长，关键是要实现物理世界的数据化，用更多人工智能的方式，去获取更多来自于这个产业的数据。
2017年，时髦的城市大脑、工业大脑、无人驾驶、无人超市、无人机、语音识别、唇语识别，无一不是人工智能与实体结合的应用。
进入商店的每一张人脸，其实就是每一个访客的访问，在里面顾客拿起的每个动作都可以被识别。进入无人超市看上去是一个人脸识别签到，其实就是一个数据的来回流动。线上和线下没有界限，电商开始进军零售店，融合的前提就是数据化。
傅盛说自己的公司在美国硅谷只干了一件事，就是投了一个小基金，让它每次带自己去看硅谷的创业公司，从中可以知道美国企业在干什么。后来傅盛发现在数字化这一点上，美国公司在做的事情就是把物理世界数据化。
将物理世界数据化，与实体经济结合，降低社会成本，而不是空炒概念，数字对数字，将是人工智能未来健康发展的重要一环。
人才还得自己来培养
得人工智能者得天下，得人才者得人工智能。
人工智能火热自不待言，但是必须清醒认识到，在人才储备和核心技术方面我们尚存突破空间。
打开某知名招聘网站，搜索“人工智能”后马上会出现很多招聘岗位，具有诱惑力的薪酬让人眼前一亮。以人工智能算法工程师为例，该职位少则月薪一两万元，多则年薪百万元。
这种供需不平衡的现象，不仅在中国有，在美国硅谷亦是如此。
早在2016年，创新工场创始人李开复曾公开透露：“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知。”
据领英近日的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI(人工智能)领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，而中国的相关人才总数也超过5万人，位居全球第七。
然而，这些人才仍不能满足互联网行业的需求。不少互联网企业人士告诉记者，目前互联网行业中最稀缺的就是人工智能人才，甚至很多行业巨头会用月薪几十万元招聘人工智能顶级人才。
傅盛表示：“下大力气把海外人才引入中国是合理的，但核心人才还是要中国自己来培养。”
目前，业界对AI人才的争抢近乎白热化，但是“缺口”同样明显。来自第三方数据显示，过去一年中，人工智能人才需求量增长近2倍，2017年第三季度，人工智能人才需求量相较2016年同期增长高达179%。中兴研究院副院长董振江坦言：“去年招人非常困难，在人工智能领域，大家都在抢人，薪酬也一再加码。”
AI技术人才是主导这一变革的中流砥柱。人工智能的竞争说到底是对人才的竞争，在国内人才竞争中，数字挖掘、算法分析、语言识别、自然语言处理是人才竞争的核心。
而在核心技术方面，虽然我国已经取得了多项创新，但主要偏向应用和数据积累，在核心技术方面与美国尚存差距。我国虽然已从跟跑走向领跑，并有了弯道超车的机会，但美国仍是目前出台人工智能战略最多、核心技术和人才最多的国家。
如何在人才和核心技术方面取得突破，将是未来我国在人工智能发展中最需要注意的问题。
意味着更多从业机会
当机器越来越像人，能够做人的工作时，这是否意味着它们会抢走人类的饭碗？
来自互联网业界的声音相对乐观，一个普遍的观点是：人工智能对就业的冲击正在发生，但被取代的主要是重复性的工作。实际上，人工智能也会带来新的职位，让人类可以从事更多创造性的工作。
阿里巴巴集团副总裁刘松对记者说，人工智能将是人类历史上的第四次工业革命，其实每次新的工业革命到来的时候，都有类似“砸饭碗”的恐慌，事实证明，创新带来的更多的是机会。
他认为，未来人工智能意味着更多从业机会。确实会有很多职业被人工智能取代，但人类可以空出来更多时间做创造性的东西，或是享受创造性的内容。这将为设计师、艺术从业者带来更多可能性。
“什么人才最缺，可能是艺术类的创造者，而大量简单重复类工作会遇到冲击。”刘松表示。
数据似乎同样在支撑这样的说法。来自智联招聘的一份研究报告显示，程式化、重复性、依靠反复操作实现的熟练工种已经开始受到冲击，投资银行业务、校对录入这两个典型职位在过去三个季度连续出现大幅同比负增长。咨询公司德勤的报告也显示，人工智能已经在英国取代了80万个低技能工作岗位，但同时也创造出350万个新就业机会，后者的年收入比前者多1.3万英镑。
人工智能的研发者认为，机器永远不可能取代人的作用，人工智能只能解放人类，让人类从事更多的创造性和服务性工作。机械化程度越高的工作，人们越希望由人工智能完成，而需要创作的工作，则需要人类来完成。
问题的关键在于，这些“新饭碗”谁来端？
懂得学习、勇于迎接挑战的人，将是未来端“新饭碗”的人。具体而言，艺术创造者、心理医生等精神层面的从业者，未来将越来越受欢迎，而高危和恶劣环境的稳定岗位将大量被人工智能取代。
相关法规需要不断突破
伴随人工智能的应用不断落地，法律责任的划分和承担是人工智能发展面临的首要法律挑战。其涉及如何确保人工智能和自主系统是可以被问责的。
百度创始人李彦宏第一次正式介绍百度无人车时就遇到了这一问题——他驾驶无人车到会场后不久，就收到了交管部门的罚单。而最近百度无人车在河北雄安进行试驾，当地相关部门特别出台了临时交通规则让其上路，这就是法规上的突破。
由此说明，伴随着人工智能的进步，法规也需要不断取得突破。“无人车收到罚单了，距离大规模上路还会远吗？”李彦宏如此认识这个问题，而在世界各国，关于无人驾驶的立法也正在不断取得突破。
然而，当此人工智能的发轫期，有一个绕不过去的法律问题就是数据隐私保护。
人工智能的发展越来越依赖大量的数据分析，大规模的数据收集、分析和使用，使传统社会走向透明化，在万物互联、大数据和机器智能三者叠加后，人们或许不再有隐私可言。
如今，商家越来越夸大大数据、人工智能给人类的生产、生活带来的极大便利，而用户本身也往往忽视了这些新技术新应用对隐私和个人数据带来的危害。
人工智能能带来精准营销，而精准营销的背后可能就是“精准诈骗”。因此，在发展人工智能的过程中，个人隐私和数据保护是国际社会长期以来重点关注的内容。近年来，随着大数据、云计算以及人工智能新技术的快速发展和应用，给现有个人信息保护法律制度带来了新的挑战，各国立法、修订法律活动更加频繁。
人工智能时代要负起责任
今日头条是过去一年各界争相关注的一个信息平台，基于一种设计后的算法，今日头条作为信息集合平台为用户推荐最感兴趣的内容。由于对用户注意力的精准抓取，今日头条取得了巨大成功，其身价不断增高。
今日头条的成功之处，在于其所谓基于算法的精准推送，但问题的关键还在于，这种算法已经越来越成为一种“看不见的正义”。这种算法是不是用户真正所需要的？对此，一些用户抱怨，往往因误点了一两条新闻，或者仅仅出于好奇点了一下相关新闻，就导致之后不断大量地被推送相关内容的新闻。这实际上也变相剥夺了用户的选择权。
必须明确的是，就目前发展阶段而言，认为算法可以为人类社会中的各种事务和决策工作带来完全的客观性只是一厢情愿。无论如何，算法的设计都是编程人员的主观选择和判断，他们是否可以不偏不倚地将既有法律和道德原封不动地写入程序，值得深究。
算法歧视由此成为一个值得重视的问题。
今日头条的出现说明这样一个问题，算法开始越来越多地左右着移动互联网，比如可以决定你看到什么新闻，听到什么歌曲，看到哪个好友的动态。那么，算法可以做到公平正义吗？
互联网上的算法歧视早已有之，图像识别系统就曾犯过种族主义大错，比如，谷歌公司的图片软件曾错将黑人的照片标记为“大猩猩”。
一、人工智能成为日常交流和信息获取的新工具
人工智能是计算机技术发展深入的产物，是更广泛、更快速、更聪明的计算。从范围上来看，计算已经延伸到各种设备上，人工智能为更多设备赋予了“思考”能力；从速度上来说，这种计算的速度要远远超过过去的速度；从功能上来看，通过算法不断优化提升，人工智能能够实现更多功能的计算，达到更多人们所设定的目标。传播学家施拉姆认为“媒介就是传播过程中，用以扩大并延伸信息传送的工具”。现实中，人工智能正在成为人们接触信息的中介。我们获取的信息是人工智能加工过的、挑选过的。我们会看淘宝里的猜你会买，这是因为我们不希望把时间浪费在挑选上，当然对于那些想在从挑选过程中获得满足的例外。麦克卢汉对媒介的经典论断为后人研究媒介的发展画出了清晰的路线，沿着这一路线，我们看到了媒介历经口语、印刷、广播、电视、数字的变迁过程。一切媒介都是人的某种器官——心理或身体官能的延伸。正如广播是耳朵的延伸、电视是对耳朵和眼睛的延伸，在笔者看来，人工智能则是对大脑的延伸。
二、人类迎来一个可追溯、数字化、可预测的全新信息生态
人工智能对新闻传播业的改变是从源头——信息开始的。信息是新闻传播的材料，是我们观察和认识世界的基础。而人工智能将会给信息的面貌带来巨大的改变，改变了我们观察和认识世界的模式，也给新闻传播业带来巨大的变化。具体表现在三个方面：
（一）人工智能赋予机器洞察力，我们看到前所未有的世界将物体植入传感器，借助人工智能的算法，通过对物对识别、对数据的联想、对关系的推断、对结果的转化，我们能看见前所未有的信息。我们看到的车将不是一辆简单车，而是包含它的终点、行车里程、耗油量等各种信息；我们看到的交通也不是直观感受到的拥堵或者畅通，而是它能够在未来的几分钟可能出现拥堵以及避免这种拥堵的最佳的规划路线等等。人工智能让我们拥有能够洞悉万物、预测未来的超级大脑。新闻传播业是为国家和社会进行环境的监测、危险的预警、秩序的维护，这一切离不开数据这一基础材料。媒体是环境的瞭望者和观测者。而我们的环境是一个数据环境，媒体应该观测的是数据。人工智能为我们提供了广阔的发挥空间。如何处理这些信息，如何判读这些信息的价值，如何对这些信息进行加工成为新闻传播工作者需要思考的问题。
（二）物联网＋人工智能使信息呈爆炸式增长物联网时代，随着越来越多的物体被植入传感器，与统一的管理服务云端相连，每一个原本独立于虚拟世界的实物目前都具有了收集信息、计算信息和对信息作出反应的能力。在人工智能技术的加持下，“万物相连”已进化为“万物皆电脑”。①在物联网时代，万物将会被自动记录并且在必要的情况下自动分析、自动转化，成为可用信息。虚拟世界与现实世界的实现信息交流，带来信息的爆炸式增长。据高德纳咨询公司的报告，物联网呈现出“爆炸式”的发展态势。目前全球有近50亿物件实现了互联。②据朱尼普研究公司（JuniperResearch）预计，2020年全球物联网设备数量将达385亿。③迄今为止，在海量数据中，人类能轻松利用的结构化数据低于20%，非结构化数据逾80%，而将非结构化数据转化为结构化数据，需要对算法提升，人工智能起到关键作用。未来，在人工智能的帮助下，会更有多结构化数据出现，我们所生活的环境将充满数据，我们将以一种数据化的方式来认识世界。信息量的增大，让新闻传播业的作用面变大，信息如同汪洋大海，舆论引导的受力面变大，引导力很容易被信息舆论的汪洋大海稀释。这为主流价值传播和舆论引导带来新的挑战。
（三）主动记录、固定保存，环境可追溯成为现实人工智能为我们呈现的信息归根到底是以数据化的形式呈现的，这些信息将会被存储在硬盘中，在一定时间内会被保存下来，而在有些领域，这些数据将会永久保存。我们对世界的观察变得可追溯，信息将不存在过去时。我们想要复盘一件事情，不用再去访问亲历者或者目击者，甚至根本就不需要亲历者或者目击者，只需要翻看当时的监控录像、各种终端设备的日志，就可以了基本还原事情的全貌。而且这种还原更加真实可靠，现实世界的罗生门被虚拟的数据终结。在未来，万物互联会让整个世界链接进一个虚拟网络中，人工智能会让任何事都有迹可循，过去的世界仿佛被微缩进一个魔盒之中，随时等待人们开启查看，我们将全面进入一个可追溯的世界。这一点不仅改变了我们看待世界的方式，也改变了新闻传播的基本模式，调查变成搜索、采访变成了查看数据。谁掌握了数据谁就掌握了发言权。人工智能如果被人有意操控，其提供的信息将会给我们呈现一个虚假的世界；如果数据被删除或者不被交出，我们将难以揭开事情的真相。
三、人的解放：新闻传播工作者如何与人工智能相处
在技术的发展过程中，技术与人的关系发生了重大变化。自从人类开始使用工具、改造工具，人类就开始了体外进化，这就是技术的“器官延长说”。从本质上说，人工智能只是一种技术的形式，是对人的功能的拓展和延伸。关于人和人工智能的关系问题，是人工智能时代一个值得思考的问题，也是新闻传播业变革中的重要变量。虽然人工智能目前不能超越人类的创造力，但可以承担起一部分信息的收集过程、数据整理和内容创作，将媒体人从一些重复性的繁冗的工作中解放出来，从而节省出时间用于创作和创造性工作。
（一）退化与进化，人工智能参与后的功能变迁人的本质变成了如何利用智能、如何优化智能，如同摄像机催生了人们对图像语言的创造一样，人工智能让人逐渐进化出新的功能，对人工智能技术的熟练掌握运用以及不断地适应和优化。正如图像媒介限制了人的眼力一样，智能媒体同样会限制人的脑力。但是图像媒介从来没有限制人对视觉文化的思考，反而催生了新的图像文化和图像文明，同样，智能媒体也一样赋予了人们思考的新维度，给媒体发展带来新的空间。过去我们说铁肩担道义，妙手著文章。现在或许我们可以说，铁肩担道义，妙算著文章。这个算不是计算的算，而是编织更加精巧、实现更多功能的算法。让人工智能实现更多的功能，同时，通过我们的努力去改变人工智能在新闻传播领域的种种弊端。
（二）协同与互补，人机共存的唯一可靠模式人到底干什么？人可以不在场。我们自从用了计算机智能开始，人就开始不断地被解放，简单地说当计算机出现简单的软件计算功能的时候人就已经逃离了繁重的体力劳动。当前的新闻生产中，从信息到一条新闻这个过程，人可以全程不参与。比如说财经新闻和体育新闻机器人已经可以自动书写了。虽然他还不够智能，但是这意味着人和人工智能在新闻传播业产生了一定的矛盾。人类智能的本质不是计算。人类智能体现在对外部环境的感知、认知、对所观察的事物或抽象、记忆、判断、决策等。在未来，人工智能和人将永远以协作互补的方式相处。人借助人工智能的功能提高工作效率，实现人类所无法实现的功能，而人同时要对人工智能生产的新闻产品进行复检，对人工智能处理的结果进行核对。任何技术的发展都会替代人的一部分功能，从而引起新的分工，造就新的职业。马克思认为新的生产工具会改变生产力和生产关系。作为技术，人工智能必然会替代人的一部分功能，例如对于复杂数据的处理，视频审查等等。但是，人工智能终究不会替代人的全部，与人工智能协同作业、互相补充将会是永久的生存状态。
不可否认，从诞生之日起，算机储存和处理信息的能力就超越了人类大脑的敏捷程度，并且还在悄然赶超人类智能。1997年，国际象棋棋坛神话加里・卡斯帕罗夫败给了电脑“深蓝”；2016年，谷歌人工智能AlphaGo又战胜了韩国棋手李世石；2017年，百度的人工智能机器“百度大脑”甚至以“智能革命”为主题作了一首长诗，“我来了，天上的云乘着风飞翔，心中的梦占据一个方向……醒来之后何时是归期。我要看到未来的自己。”阿里巴巴集团董事局主席马云也打趣道，“30年后，《时代》杂志封面上，年度最佳CEO很有可能是一个机器人，它记得比你牢、算得比你快，根本不会对竞争对手生气。”
人工智能真的会给人类带来威胁吗？
人工智能不绝于耳，机器真的会反叛吗？
1972年，在一家离波士顿不远的实验室里，第一个在商业上获得成功的电脑控制手臂PUMA（可编程通用装配机械手）由于编程错误，开始前后振动，随着冲量越来越大，竟带动着与之固定在一起的桌子颠簸行进，把一个在实验室工作的研究生逼到了角落里大声呼救。这一机器手臂“暴走事件”虽然只是程序错误引发的、可挽救的意外闹剧，却也使人们陷入“人类是否会遭机器反噬”的思考，毕竟没有人愿意看到《终结者》的故事在现实生活中上演。
霍金不止一次提出了“人工智能”，并不断提醒人工智能科研者们在利用这一技术造福人类的同时，还需注意消除可能的威胁。
今年3月，霍金就向英国《独立报》表示，人类必须建立有效机制尽早识别威胁所在，防止新科技（人工智能）对人类带来的威胁进一步上升。而在2017全球移动互联网大会上，他再一次警示人工智能的崛起可能是人类文明的终结，短期威胁包括自动驾驶、智能性自主武器，以及隐私问题；长期的隐患主要是人工智能系统失控带来的风险，如人工智能系统可能不听人类指挥。
霍金相信生物大脑可以达到的和计算机可以达到的没有本质区别，计算机在理论上可以模仿人类智能，然后超越。因此，他的担忧在于，人工智能从原始形态不断发展，并被证明非常有用的同时，也在创造一个可以等同或超越人类的事物。这恐将导致的结果是：人工智能一旦脱离束缚，以不断加速的状态重新设计自身，人类由于受到漫长的生物进化的限制，无法与之竞争，将被取代，经济也将受到极大破坏。未来，人工智能可以发展出自我意志，一个与我们冲突的意志。
无独有偶。特斯拉与SpaceX公司的创始人埃隆・马斯克也表示：“如果必须预测我们面临的最大现实威胁，恐怕就是人工智能了，它们比核武器更加危险。如果人类创造出‘具有超级智慧的人工智能产品’，它在各方面能力远超人类，那么人类在强大的人工智能面前可能会沦为‘家猫’。”
但这种担忧也促使马斯克采取了一些行动，确保人工智能不会把人类变成二等公民。比如，马斯克近期宣布成立一家名为“神经连接”（Neuralink）的公司， 在人类大脑中植入微小电极，与电脑建立联系：把人类思维“下载”到电脑中，或将电脑中的信息通过电极“上传”到人脑，把人类智力与人工智能有效融合，从而提高人类的认知能力和记忆力，让人类有能力应对人工智能带来的威胁。
霍金和马斯克的忧虑，来自于对强人工智能，甚至是超人工智能的忧虑。前者指的是可以胜任人类所有工作的人工智能，后者则是在科学创造力、智慧和社交能力等每一方面都比最强的人类大脑聪明很多的智能。对此，BAT三巨头之一的李彦宏在今年的IT领袖峰会上表示：“别说超人工智能，就是强人工智能这个阶段，我们都很难达到。因为目前人类对大脑如何工作这个事情的认知才达到3%左右，实际上人类可能永远都搞不清楚人脑是如何工作的。”
机器正在为人类“代班”
相比之下，如果说今天我们所看到的所有人工智能算法和应用都属于弱人工智能的范畴，是专注于且只能解决特定领域问题的人工智能，局限性很大，那么它们便很难产生威胁。但李开复老师也道出了“残酷”的现实，即机器作为工具，已经代替人类从事了很多工作，未来10～15年，人类一半的工作将会被机器取代。
相关报道也验证了这一趋势：
优步（Uber）投资了一个名叫Uto Motors的初创企业，其创始人曾经在谷歌人工智能部门工作，该公司的最终目标是淘汰需要司机驾驶的汽车，目前正在研发自动驾驶卡车；
除了亚马逊和谷歌规划中的无人机快递，最近还出现了滚筒外形的快递机器人Gita，目前已在试点项目中被投放，工作包括帮助工人拿工具、在机场提供引导、协助运送包裹等；
来自《华盛顿邮报》的写稿机器人“Heliograf”早已名声大噪，它既可以在文字模板的基础上嵌入数据生成文章，又能利用软件搜索海量信息帮助记者挖掘独家新闻点；
根据德勤（Deloitte）的报告，到2020年，法律行业约39%的工作岗位将被机器人取代，审查文件和信息查找这些初级律师的工作正是现阶段人工智能所擅长的，它还能够根据数百万的法庭历史数据来预测对方律师的策略，以及说服某一法官的最佳方式；
IBM的人工智能平台沃森（Watson）已经与医疗机构开展合作，帮助医生检测和治疗癌症、提升看护质量，相关人员宣称“沃森可以博览100万本书或2亿页的数据量，并且在3秒内分析其中的信息并给出精确回应”，不仅如此，具有了智能的计算机还可以进行手术，由医生远程干预，机械手臂的灵活性远超过人，且带有摄像机进入人体内，能够实施一些人类医生很难完成的手术；
就连华尔街金融业也要被人工智能“接管”了，2000年，高盛在纽约的股票现金交易大厅有600名交易员，而如今却只剩下两人，其余工作均由机器代替完成。
……
旧的不去新的不来，人类将获得海量新生工作C会
那么问题来了，人工智能将在不久的将来造成人类多大范围上的失业？由此引发的失业会成为一个严重的社会问题吗？
对此，计算机科学家、连续创业家、未来学家杰瑞・卡普兰的观点非常明确：不是所有工作都会被人工智能取代，很多工作都会转变为新的工作机会。
李开复持相同看法，他认为，人工智能时代人类工作转型在所难免，但这意味着新的工作方式，而非大量的失业。曾经因现代机器的出现被迫脱离传统农业、传统手工业的大量劳动力，后来大都在现代工业生产或城市服务业中找到了新的就业机会。科技革命虽会造成人类的既有工作被取代，同时也会制造出足够多的新的就业机会。
李彦宏也对人工智能时代的工作机会抱有积极态度，他举了一些简单的例子加以说明：“汽车消灭了马车，却创造出了司机这个职位。人工智能的普及也会创造新的职业机会。以后无人机会越来越多，而无人机的交通管理工作现在还没有，以后准会出现。”
“每次技术冲击了就业，也创造了就业。”马云举例说，淘宝和天猫对零售冲击很大，但他们创造的直接和间接就业机会达到3300万人，这是一个最保守的数字，原来的建筑工人和复员军人转移到了快递行业。
国际机器人联合会（IFR）提出，制造类机器人实际上增加了经济活动，因此，比起导致失业，这些机器人事实上直接和间接地增加了人类就业岗位的总数。到2020年，机器人产业在全球范围内直接和间接创造的岗位总数将从190万增长到350万，每部署一个机器人，将创造出3.6个岗位。
在经济学家们所说的“资本化效应”影响下，企业纷纷进入需求和生产力较高的产业，结果是产生了大量的就业岗位，这足以抵消经济转型带来的毁灭性影响。
要尽可能避免人工智能带来的数据风险
人算不如大数据云计算。但与此同时，大数据和智能革命也面临一些最直接的挑战，即企业对大数据资源的垄断威胁以及用户的隐私保护问题。
李开复认为，科技巨头坐享地球上最为丰富的大数据资源具有潜在威胁，因为目前还不能从法律、道德等层面保证，对这些大数据资源的垄断不会成为行业巨头谋求一己私利的壁垒与工具。对于这种潜在的“巨头风险”，他建议：提高大数据和人工智能应用领域的透明度，鼓励公开那些不涉及用户隐私和商业机密的研发成果；更多地鼓励利用区块链技术管理数据和信息流动，从技术和制度双方面打破科技巨头对大数据的垄断。
类似的伦理疑问还包括：如果你或你的家人突发重病，但无人驾驶汽车却拒绝超速赶往医院，你该怎么办？如果有家长让未成年的孩子喝酒，家佣机器人是否应当马上启动报警程序？
人工智能时代已经到来，机器人的智能化程度大幅提升，机器人已拥有了从经验中自我学习的能力，还能对现实问题作出快速反应。但有关人工智能、机器人的伦理性问题，却比单纯的技术问题更难得以解决。
在卡普兰看来，相比于过去的智能化机器，机器学习已有了本质的区别，已经“发展出自己的直觉力，然后用直觉来行动”，这也将使得机器人可以更为踊跃地进入人类世界，接管过去仅能由人执行完成的形形的工作。在过去，投放到医学、工业等多种领域的机器人，都存在精准性、力量性、持久性不足等问题，使得机器人适应环境的能力较差，只能在启动之前尽可能精准地设定，但随着机器感知领域的突破和发展，“未来的机器人可以看到、听到、做计划，还能根据混乱而复杂的真实世界来挑战自己”。
卡普兰预言，终有一天，随着传感器、反应器以及无线通信的不断进步，人工智能将以合成智能的方式，与人体甚至其他物体合而为一――“未来看起来会比你想象中的更像过去”。
智能时代毫无疑问会释放出更多的技术红利，但风险也不可小觑。卡普兰特意提到，随着在金融交易中越来越多地加入人工智能，高频交易程序一方面减少了市场震荡，另一方面却会将风险转嫁给一般的交易者，让交易者获得的交易价格偏离于最佳价格。这种情况在商业领域中也有表现，比如全球知名电商企业亚马逊通过复杂算法，使得不同顾客在不同时段获得的报价各有不同，并通过智能化的购买数据分析，推出更具诱惑力的促销方案，诱导顾客购买更多原本不需要购买的、实际上也并不那么价廉物美的商品。从目前情况来看，在合成智能方面投入最多的企业，无不热衷于将之应用于操控用户的注意力和购买力。
更进一步的风险在于，由于人工智能的设计仅仅服务于单一目的，因而未曾考虑是否存在副作用。比如，人工智能会抢在他人之前，（帮助主人）抢占车位，会在大萧条之前恶意抢购超市货架上的所有应急商品 ；与人对弈的机器人，不排除会使用“黑社会”式的手段，包括威胁对手的家人，破坏对手的交通工具。
近年来，随着智能手机崛起，传统手机厂商衰落，富士康国际的营收也逐年下滑。为改善业绩，富士康国际曾多次希望承接母公司富士康科技的苹果代工业务，但均未成功。2013年5月31日，富士康国际宣布将公司英文名称由“Foxconn International Holdings Limited”更改为“FIH Mobile Limited”，并采纳“富智康集团有限公司”为公司正式中文名称。
富智康希望通过改名向外界清晰传达，富士康国际和富士康科技是两家不同的公司，以此获得更多的其他品牌的代工业务。但是，拥有更多的代工业务，富智康的前景又能怎样？作为母公司的富士康科技，虽然长期为世界上最热门的品牌苹果代工，但是由于苹果iPhone5和iPad订单下滑，富士康科技2013年第一季度的销售额也创下7个季度以来的新低。
对比两家上市公司的财务报表可以看出：苹果公司并不生产任何产品，可它是全球最值钱的公司之一，去年，苹果公司的销售额达到1565亿美元，净利润率为26.6%；富士康国际代工生产诺基亚等品牌的很多产品，去年营业额为52亿美元，亏损3.16亿美元。苹果是一个非常赢利的公司，而富士康国际不是。
毫无疑问，相比于生产产品，建立品牌更能让公司赢利，因此，富智康应该建立自己的品牌，而非仅仅生产产品。显然，富智康已经意识到这一问题，并采取了行动。6月12日，富智康联手台湾电信服务运营商“台湾大哥大”一款低价的自有品牌手机 A5，合约价折合人民币为 823 元。这是富智康首次为本地运营商生产自有品牌的手机。
由此看来，富士康国际更名为富智康的举措，一方面是为了防止与母公司混淆，争取更多的代工业务，更重要的考虑还在于布局未来，打造自己的品牌。
但是，建立一个品牌比生产一个产品要困难得多。富智康建立自有品牌的第一步就证明这个公司并不知道如何建立一个强大的品牌。
首先，建立品牌要从一个好的品牌名开始。富智康的英文名称“FIH”是首字母的一个缩写，通常这种缩写形式无法建立品牌，消费者看到这些字母组合时，首先会想 “这些大写字母代表的是什么”。虽然很多著名的公司都使用大写字母组合，例如GE、IBM和KFC，但是它们在用这些字母组合代替其名字之前就已经很出名了。FIH是什么？富士康很出名，而FIH代表的富士康国际控股有限公司并不为人熟知。
此外，富士康国际很明显是为它的消费品品牌启用了一个新品牌，因为它想把消费品品牌（富智康）和OEM品牌（富士康）区隔开来。然而，富智康这个新名字所做的恰恰相反。从英文名称来看，消费者记住FIH这个名字唯一的方法就是将其“还原”成“富士康国际控股”（Foxconn International Holdings），所以，实际上这个公司现在仍然只有“Foxconn”这一个名字。
其次，新品牌的定位。对于富智康公司来说，进入消费者智能手机业务为时已晚。目前，智能手机品类已被分为两大阵营：一是位于高端的两大领先者三星和苹果都很赢利，去年，它们占据了全球智能手机市场50.3%的份额；二是位于底部的其他数十上百家公司，绝大多数都在亏钱，比如排名第三的诺基亚只有5.0%的市场份额，排名第四的黑莓仅占4.8%。
面对智能手机市场上所有这些竞争对手， 富智康可以填补的空缺是什么？目前来看，富智康似乎希望定位于低端市场，但是“低成本供应商”不正是OEM生产商必须占据的定位吗？如果富士康科技作为低成本代工生产商无法赢利，其子公司富智康如何以低价消费品供应商赢利？更重要的是，在低端市场很少能建立品牌，最强大的品牌通常都是在高端市场建立起来的。例如，苹果公司的iPhone和三星的Galaxy。
一个虚弱的名字（富智康或FIH）和一个虚弱的低端定位，富士康的自有品牌如何成功？很难！
富士康的问题是所有代工企业面临的问题。长远来看，这些企业都应打造自己的品牌。但是，打造品牌和代工产品完全是两回事。要想成功打造一个自己的专属品牌，这些企业需要从根本上转变现有的观念和做法，尤其是改变那些帮助他们在代工业务上取得成功的做法。我们的建议是：
第一，从内部产品导向转向外部认知导向。代工企业往往都非常迷信于自己的产品生产能力，认为自己可以生产出比市面上现有品牌质量更优、价格更低的产品，这些性价比更高的产品将最终赢得消费者的认可。但是市场竞争实际上是认知之战，而非产品之战。尽管事实上苹果iPhone的产品均由富士康生产，富士康自有品牌的产品质量不会差于iPhone，可消费者仍然不会购买“富士康”，因为在消费者的认知中“富士康”不是“iPhone”。代工企业需要转变传统的由内及外的思考方式，改以消费者心智为起点，由外而内，根据消费者的已有认知来重新规划自己的产品。
第二，自有品牌需要一个独立的、不同于原有代工业务名称的命名。就起步而言，要与从前为其代工的品牌进行竞争，新品牌必须摆脱消费者心智中的“代工”认知，独立的命名就变得尤为重要。长远来看，代工业务和自有品牌业务很难在一个体系里共存，分拆是必然结果。因此，从规划阶段开始，自有品牌就应有一个完全独立的品牌名称。
中图分类号：TM73 文献标识码：A 文章编号：2095-1302（2013）01-0032-05
0 引 言
智能电网是当今世界电力系统发展的重大变革，也是21世纪电力系统的重大科技创新和发展趋势。2003年，美国“未来能源联盟”首次提出智能电网的概念。同年，美国能源部了“Grid 2030”设想[1]，将美国的未来电力系统描述为一个完全自动化的电力传输网络，能够监视和控制每个用户和电网节点，保证从电厂到终端用户整个输配电过程中所有节点之间的信息和电能的双向流动。2005年，欧洲技术论坛（ETP）提出了“Smart Grid”概念[2]，计划通过智能电网的建设，向所有用户提供高度可靠、经济有效的电能，充分开发利用大型集中发电机和小型分布式电源，提高电网公司运营效率，降低电能价格，加强与客户的互动，应对来自市场、安全和电能质量、环境等方面的压力。
国内也高度重视智能电网建设。2010年6月7日，总书记在两院院士大会上的讲话中提出，要“构建覆盖城乡的智能、高效、可靠的电网体系”。国家科技部于2009年11月24日的《关于加快我国智能电网技术发展的报告》中提出了明确的目标和任务。国家电网公司于2009年5月了“坚强智能电网”愿景及建设路线图。南方电网有限责任公司在2010年7月提出了“建设一个覆盖城乡的智能、高效、可靠的绿色电网”的目标。2011年2月，陕西省地方电力（集团）有限公司作为专业的配电网公司，联合清华大学提出了建设“多指标自趋优”智能配电网的目标。
智能电网涉及能源、环境、社会、经济和管理等多个学科，由于其具备系统工程和创新技术的特点，目前智能电网的研究趋向发散，对智能电网的认识多从企业自身出发，尚未收敛到智能电网本质的研究，影响和干扰了对智能电网发展方向的研判。本文在分析国内外智能电网相关研究的基础上，结合实践应用，溯源了智能电网的本质——智能，提出了智能电网分代标准，建立了智能电网分代模型，探讨了智能电网分代的社会经济意义。
1 国外智能电网分代研究状况
分代研究在计算机和战斗机等领域已经取得了共识。计算机按照所采用的电子元件，历经了电子管计算机、晶体管计算机、集成电路计算机、大规模集成电路计算机，现在正在研发信息获取、存储、处理、通信与人工智能相结合的第五代计算机。20世纪40年代中期，以喷气式发动机为动力的战斗机出现后，按时代和技术水平，战斗机历经三代，目前正在研制第四代战斗机。
由于智能电网尚未大规模应用，与计算机、作战飞机等其他领域分代研究更注重“回头看”的方法不同，智能电网分代更注重“向前看”，这个特点导致智能电网分层次、分步骤、分阶段的研究异彩纷呈，莫衷一是。国外智能电网分代的相关研究综述如下。
1.1 智能电网演进模型
2010年1月，加拿大学者Hassan Farhangi从功能和投资回报率（ROI）两个维度，提出了如图1所示的智能电网的演进模型[3]。他认为，由于化石燃料的成本猛增，电力公司无法扩大发电能力以满足用户对电能不断上升的需求，只有从配电网着手，加强需求侧管理，才能保障电力公司拥有较高的ROI水平。模型表示，智能电网最初的投资用来满足计量设备由机电式到单向自动抄表（AMR）的功能转变，AMR具有节约人力以及时间成本的优势，但是由于其只具有单向通信能力，无法支持电力公司依据从电表获取数据采取调控措施。高级计量架构（AMI）能够提供双向的通信系统，旨在为电力公司提供实时的能耗数据，允许客户以价格为基础，对能源使用做出选择。智能电网演进的最终目标是分布式控制与微网相结合的互联电网。
1.2 智能电网持续发展理论
2011年7月，美国GridNet公司执行副总裁兼首席战略官Andres Carvallo和能源与IT行业学者John Cooper合作出版了“The Advanced Smart Grid — Edge Power Driving Sustainability”一书，提出了智能电网持续发展理论[4]。书中认为第一代智能电网（Smart Grid 1.0）实现了发电厂到终端计量设备的电流与信息流的传输，典型的第一代智能电网是美国科罗拉多州博尔德市智能电网的建设。下一代智能电网（Smart Grid 2.0）将是一个集成的、先进的智能电网体系，从战略上进行顶层设计，在组织、运行、系统集成与建模等多个维度进行柔性规划，下一代智能电网的一些技术已经在美国奥斯汀市智能电网研究项目Pecan Street中浮现。书中对第三代智能电网（Smart Grid 3.0）进行了展望，并将其定义为一个基于互联网络的重新设计的能源系统。
1.3 智能电网层次理论
IBM高级电力专家Martin Hauske认为智能电网的基本概念有3个主要元素：首先是广泛连接资产与设备的传感器；其次是数据的搜集与整合体系；最后是依据数据进行相关分析，以优化运行和管理的能力。与之对应，智能电网也就有三个层面的含义[5]：首先是利用传感器对发电、输电、配电、供电等关键设备的运行状况进行实时监控；然后将获得的数据通过网络系统进行收集、整合；最后通过对数据的分析、挖掘，达到对整个电力系统运行的优化管理。因此，智能电网可以被认为是通过传感器把各种设备、资产连接到一起，形成一个客户服务总线，通过对信息进行整合分析，从而降低成本，提高效率和可靠性，促进管理和运行达到最优化。
1.4 智能电网成熟度模型
智能电网成熟度模型是IBM、美国生产力和质量中心（APQC）及全球智能电网联盟（GIUNC）合作研究的成果[6]。智能电网的成熟度分为5个阶段：第1阶段，只有对智能电网的设想，主要工作是对技术的试验和评价，以及建立业务模型；第2阶段，企业在至少一个智能电网的重要业务领域进行投资和实施；第3阶段，企业对智能电网的组成部分进行重新配置，实现业务领域整合或产业链升级；第4阶段，实现企业范围的跨业务综合观测及综合控制，力争形成新的经济或商业模式；第5阶段，企业有能力在新的业务、运行、环境等机会出现时，充分利用并发展壮大。
综观国外的相关研究，智能电网演进模型以计量系统为主线，没有加入交易环节，同时忽视了人工智能在电网中的应用。智能电网持续发展理论有对智能电网分代以及各代相应功能的描述，但是缺乏对智能电网本质的分析，特别是对三代智能电网核心的描述。智能电网层次理论以传感器为基础，触及到智能电网的基本，但是数据收集与整合体系等没有体现人这一重要因素的参与，理论阐述不够全面。智能电网成熟度模型实质上是智能电网的推进步骤。因此，上述研究都没有涉及智能电网的本质。
2 智能电网的本质——智能
对国外智能电网的研究和实践进行分析，能够为国内的相关研究带来启示和借鉴。从人类认识事物的基本方法来看，对智能电网进行分代研究，必然要从智能电网的本质着手。智能电网可以认为是人工智能在传统电网中的应用，而人工智能又起源于人类智能，因此，必须从人类智能出发，探求智能电网的本质——智能。
2.1 人类智能的发展阶段
人类智能经历了从初级到高级、从简单到复杂的演化过程。这种过程只在个体的前十几年表现得尤为突出，正是这一过程决定了每个人一生智能水平的高低，也决定了人类群体智能水平的多样性。
1983年，美国学者Howard Gardner提出多元智能理论，将智能分为语言智能、数学逻辑智能、空间智能、身体运动智能、音乐智能、人际智能、自我认知智能、自然认知智能等8个方面。瑞士心理学家Jean Piaget从时间维度对人类智能演化规律做出经典总结，提出了人类智能发展理论[7]，将个体从出生到青年时期的智能发展水平分为感知运动阶段、前运算阶段、具体运算阶段和形式运算阶段。
虽然多元智能理论并不着眼于各个智能在个体层面的发展顺序，但是结合Jean Piaget的认知发展理论，同时根据Howard Gardner对每种智能概念的描述，可以对智能的8个组成部分以发展为时序，在多元维度上进行归类。在感知运动阶段，空间智能和音乐智能是人类智能重点发展的部分；到了前运算阶段，语言智能和身体运动智能在儿童身上表现较为明显；数学逻辑能力和自我认知能力在具体运算阶段得到了迅速发展；最后，从青少年阶段开始，终其一生，对自然的认知，人际交往能力随着阅历的丰富、经验的积累而日趋成熟。
2.2 人工智能是对人类智能的模拟、延伸和扩展
人类智能的演进规律遵循着Jean Piaget的人类智能发展理论，这些研究成果也深刻地影响着另一个与之紧密相关的学科，即以计算机为基础的人工智能的研究。人工智能最初被定义为“让机器的行为看起来就像人所表现出的智能行为一样”，到后期逐渐演变为让机器拥有自己的思维。对比人类智能发展的历程，人工智能的演进呈现出与之相似的路径。
（1） 人工智能发展的初级阶段是对人类智能的模拟。通过传感器远程传送信号，需要操作者通过计算机终端控制机器执行动作，这类似于人类智能的感知运动阶段，具体的应用如排爆机器人、勘探机器人等。
（2） 人工智能发展的中级阶段是对人类智能的延伸。着眼于通过程序算法实现机器的逻辑运算和自我认知能力，类似于人类智能的前运算和具体运算阶段。智能机器人通过处理器分析传感器收集的信息，在无人操控的状态下执行动作。有些智能机器人还能通过对人类语言的识别和模拟实现与人类的语言交流，如日本的ASIMO智能机器人，可以通过“脑—机”系统达到人类思维直接控制机器人的效果。
（3） 人工智能的更高阶段，智能将成为一种系统层面的应用。人工智能体现出自我思维和机器情感等人类特有的能力，通过自我思维产生对外部环境的认识，通过机器感情与外部环境产生更为复杂的交互，这些能力使得人工智能发生了从模拟、延伸到扩展人类智能的突破。
2.3 智能电网是人工智能在传统电网中的应用
智能电网建立在电力电子技术、传感与测量技术、控制仿真决策技术、信息与通信技术、人工智能技术等基础技术之上，以实现发电、储能、输电、配电、用电等环节的智能化为目的。其中，人工智能技术在推动智能电网发展中起着重要作用。
（1） 人工智能的应用能够推动整个电力系统的发展。传统电网存在大量非线性的、模糊的、不确定、不精确、不完全真值的问题，人工智能技术应用的目的就是解决上述问题。基于人工智能的电网故障检测与诊断、具有灵活自愈功能的配电自动化等技术的应用表明，在期望能取得低代价的解决方法和鲁棒性方面，人工智能的应用显著改善了传统电网对不确定、高度非线性环境的适应能力。
（2） 人工智能技术的应用体现了智能电网的本质。智能电网的本质是智能，现代人工智能技术是对人类智能的模拟，因而人工智能的应用是电网“智能化”的根本体现，人工智能技术应用使智能电网回归到了它的本质——智能。从这种意义上说，人工智能技术是否应用是评价一个电网是不是智能电网的基本依据。
（3） 人工智能技术在电网中的应用程度体现了智能电网区别于传统电网的特征。传统电网未能完整地体现人工智能“感知、思维、行为”三要素，导致人的参与程度较低，传统电网始终徘徊在由工业化主导的阶段，在信息化与工业化融合时，遇到了重重困难。智能电网中，人工智能技术的广泛应用将使得电网逐步具有模拟人类智能的能力，从而减少人的参与程度。
（4） 未来智能电网的发展中，人工智能是推动智能电网跃进发展的革命性力量。未来智能电网将是一个具有自预测、自诊断、自愈、自组织和自管理特性的电网。智能电网的跃进发展将主要依靠电网的自学习能力，人的干预将退居其次。人工智能的应用，使得电网的自学习成为可能。在可以预见的将来，除了人工智能技术，其他技术均无法有效增强电网的自学习能力。
3 智能电网分代原则、标准与模型
以上分析了智能电网的本质，以下在智能电网的本质基础上提出智能电网分代的原则、标准以及智能电网分代模型。
3.1 智能电网分代原则
智能电网分代必须遵循以下原则：
（1） 惟一性原则：下一代和上一代的智能电网必须按照智能电网的本质进行划分。
（2） 革命性原则：下一代智能电网必须在整体，而不是局部取得标志性进展和突破。
（3） 连续性原则：下一代智能电网发展的关键要素必须蕴含在上一代智能电网的发展过程中。
3.2 智能电网分代标准
智能电网的本质是智能。人工智能是人类智能应用于传统电网的纽带，人工智能将人类智能的8个方面归纳为“感知、行为、思维”3个要素，上述3个要素也是智能电网分代的标准。
感知是客观事物通过感觉器官在大脑中的直接反映。在多元智能的8个方面中，感知体现语言智能、空间智能、音乐智能。感知在人工智能技术中的体现有语音识别、机器视觉等。
行为是器官对外界刺激所产生的反应。行为体现身体运动智能，行为在人工智能技术中的体现有机器人学、智能控制等。
思维是主体处理信息及意识的活动。思维体现数学逻辑智能、人际智能、自我认知智能、自然认知智能，思维在人工智能技术中的体现有知识系统、专家系统、神经网络、进化计算等。
3.3 智能电网分代模型
智能电网发展的各阶段均须具备人工智能3个要素的全部或部分，不具备3个要素的电网属于传统电网。依据3个要素在传统电网中渗透与融合的深度和广度，建立智能电网分代模型如图2所示。
图2中将智能电网划分为具有以下特征的三代智能电网：
（1） 第一代智能电网：自感知智能电网（Self-sensing Smart Grid）。第一代智能电网在传统电网的基础上具备自主感知能力，是人工智能在电网中应用的初级阶段。智能电网关键设备能够自主感知电属性（负荷等）和电相关属性（温度等）的变化，需要人参与进行决策并采取行动，第一代智能电网只具备简单的自主决策和初级的自主行为能力。典型的自感知智能电网设备及系统如电子式及光学式互感器、智能环网柜、智能在线监测系统、智能终端等。
（2） 第二代智能电网：自适应智能电网（Adaptive Smart Grid）。第二代智能电网在第一代智能电网自主感知能力的基础上，具备一定的自主决策能力和自主行为能力，是人工智能在电网中应用的中级阶段，较少需要人参与就能根据感知结果进行决策并采取行动。这种感知、决策和行为是独立的，即只在单一设备或系统局部的感知域内进行决策并根据决策结果驱动单一设备或系统局部采取行动，以达到局部最优。典型的自适应智能电网应用系统如智能调度系统、智能自愈系统等。
（3） 第三代智能电网：自趋优智能电网（Self-approximate-optimization Smart Grid）。第三代智能电网在第二代智能电网自主决策和自主行为能力的基础上，是人工智能在电网中应用的高级阶段，更少需要或不需要人参与就能根据感知结果进行决策并采取行动。这种感知、决策和行为是系统的、全局的，即在整个系统感知域（或子集）内进行决策并根据决策结果驱动相关（部分或全部）设备采取行动，使得电网自身状态趋向最优。目前，已经提出来的自趋优智能电网如智能广域机器人（Smart Wide Area Robot，Smart-WAR）[8]。
4 智能电网分代的社会经济意义
技术创新与人类解放之间的历史发展进程表明，人的劳动方式在逐渐变化，技术创新使人在生产劳动中逐渐从事必躬亲的执行者演变成监督者、命令者，这种角色的演变，反映出技术创新在人的实践过程中所具备的强大能动作用。智能电网作为当前电网行业最重要的技术创新形式，同样发挥着着解放人类劳动的作用，亦即电网运行中人的参与程度不断减弱。
第一代智能电网通过技术创新实现自我感知，不但极大地拓展了认知的深度和广度，而且还使人的身体在一定程度上获得了解放。
第二代智能电网通过技术创新实现自我行为，将会极大地减轻人的劳动强度，甚至取代了劳动者在电网运行过程中仅有的操作、监督和控制工作，使人得以在很大程度上从体力劳动中解放出来。
第三代智能电网通过技术创新实现自我思维，“电脑”开始代替“人脑”控制电网运行，机器人劳动取代人的劳动，使人的活动逐渐从电网运行中淡出，这将使人的思维劳动强度得以极大的减轻。
以智能电网建设为标志的技术创新为电力产业提升运行管理水平，开发新产品和服务，以及延伸整个产业链奠定了坚实的技术基础。随着技术手段的革新与经营管理模式的转变，电力产业尤其是电网企业的供给可能性边界将极大扩展，不仅能够满足目前存在的潜在需求，而且还能在未来引领和创造新的需求，在供需双方良性互动的作用下，电力产业将不断优化升级，产业整体影响力和竞争力都会获得显著的提升。
5 结 语
智能电网分代是一个全新的课题，但是分代研究在计算机等其他领域并不鲜见，对这些领域进行分代的目的是通过研究“上一代是什么”来推测“下一代是什么”，因此有必要通过分代研究来预测和引导智能电网的发展方向。与其他领域分代研究更注重“回头看”的方法不同，智能电网尚未大规模应用，分代更注重“向前看”，正是人类智能与人工智能的发展规律，奠定了我们“向前看”的基础。未来，伴随智能电网的深入推进，实践应用总结出的成果和经验，将有助于深化对智能电网本质的认识，理论的可行性与实践的迫切要求，也必将对智能电网分代研究起到促进作用。
参 考 文 献
[1] US Department of Energy. Grid 2030： A national vision for electricity's second 100 years[R].USA： US Department of Energy Initiative， 2003.
[2] European Commission. European technology platform smartgrids： vision and strategy for Europe's electricity networks of the future[EB/OL]. [2012-09-20]. http：//ec.europa.eu/research/energy/pdf/smartgrids_en.pdf.
[3] FARHANGI Hassan. The path of the smart grid [J]. IEEE Power and Energy Magazine， 2010， 8（1）： 18-28.
[4] CARVALLO Andres， COOPER John. The advanced smart grid： edge power driving sustainability [M]. Boston： Artech House Publishers， 2011.
[5] IBM论坛2009. 点亮智慧的地球[EB/OL]. [2012-09-25]. http：///cn/forum2009/wisdom.shtml.
如果人工智能的高度发展开始体现其优越性的时候，人类很自然的就会想到将人工智能与人类本身结合起来，也就是改良人类本身硬件性能。这种想法在各类科幻小说中得到了充分发挥，这就意味着将来没有完整意义上的“生物人”，甚至在将来完全有可能出现由纳米材料“组合”成的人。那么这是否可以说其实我们已经落后于人工智能，不，这种“人”已经不是人工智能了，是另外一种形式的生命，因为这种“人”——机器人已经符合了生命的定义。
单从“硬件”上来看碳基生命的我们远逊于无视组成成分的机器人，在“软件”上人脑的智慧在模拟智能（这时应该不仅仅是模拟了）面前也并不占有什么优势，那么我不得不承认至少在进化中人类已经落后了。
仿佛一夜之间，人工智能出现在了我们的面前，似乎就在一个月之前，我们还认为拥有人工智能不可能攻陷的高壁垒的职业，已经在沦陷的边缘。比如记者，这样有创造力要求的行业已经看到了韩国的“写稿机器人”的威胁;比如保姆，本来认为她需要与被照顾者进行细腻的互动而远非人工智能能够胜任，但现在的人工智能不仅能照顾孩子，还能讲笑话，给孩子出小测试，根据孩子的不同培养出独特的互动能力。据达沃斯论坛的报告显示，人工智能未来5年将使15个主要经济体失去710万个就业岗位，而同期技术进步将仅带来200万个新工作岗位。那么哪些工作将最有可能被人工智能来接管呢?
有人将把人类的职业技能按功能分为四种：操作、索引、创新、管理。
操作类的工作就如司机、工人、售票员、清洁工等。这种流程性强、易于量产和标准化的工作最容易被人工智能来接管，而且这样的变化已经成为了我们身边的可以看得到的、正在经历的现实，比如售票员已经被自动售票机取代，无人驾驶已经在技术上没有难度，可以想见在不远的将来，我们将看到收银员也不再存在，至于我们的长三角、珠三角的制造业基地，机器换人的行动也早在前几年就展开推进。但也并非操作类的工作就一定会被取代，将会有一些难以标准化的岗位的工作在很长的时间内是不能被机器胜任的，如玻璃和太阳能面板的安装人员、修剪植物的园林工人，以及机器维修保养，废品回收等。
索引类的工作就是把学习的、储存在大脑里的知识，在需要的时候搬出来运用， 如教师、咨询师、裁判、顾问，还有一些是索引和操作共同使用的，如手术医生、动画师、诉讼律师等。索引类工作虽然比操作类的工作更难替代，但是某些领域已经开始沦陷，虽然这些领域人工智能的替代仍大多数处于实验室阶段，但值得我们高度关注。特别是那些标准化工作程序，不涉及或很少设计情感、价值判断和较少例外情况的职业，比如翻译，几年前，各种翻译软件还是一个笑话，而今天，翻译软件已经基本上能够让我们看得到看得懂了。而那些不容易被替代的职业则更需要人际间的细腻沟通，需要人类的情感判断和投入，需要复杂的价值判断。像幼儿教师、心理学家、摄影师、保姆等。其实很多职业从技术层面让人工智能来做没有问题，但价值判断却始终是人工智能的弱项，比如教知识人工智能轻松胜任，但要判断冲突中两个孩子的是否曲直，还是人类更胜一筹;再比如，无人驾驶的汽车技术人工智能毫无问题，但当出现需要价值判断的时候，尤其是在两难判断中，人工智能往往捉襟见肘。
创造类工作包括艺术家、发明家、思想家、设计师、产品经理、作家、编剧、导演、段子手 、体育明星等。创意能力是人类智力皇冠上的明珠，从人类的感情上来说，最不能接受的就是这种能力受到威胁。但从理论上说，因为机器人可以学习创新，而且速度惊人。无论任何一种创新，人工智能都可能抢先一步，阿尔法狗在人机大战中的一些被称为匪夷所思和离经叛道的招法就证明了这一点。但好在至少目前尽管科学家们也尝试着让人工智能写小说、写剧本、画画、做设计，但还远远没有达到对人类产生威胁的程度。而且很多专家认为就创意性作品而言，机器可以做，而且可以做得不错，但不可能达到艺术家的水准。正如我们在网络上看到的写诗软件，它可以通过海量数据库的收集整理和归纳，创造出不错意境的诗句，但总是让人感觉到似曾相识，并非真正的创造性工作。换而言之，如果人工智能将女人比喻成花，那一定是因为曾经有人这样比喻过，如果没有人这样做，它也不可能做出这样的比喻。
至于管理类工作，则分为两个极端，越是流程化、机械性的管理职位，越容易被取代，而真正需要人与人之间细腻交流，甚至需要那种“尽在不言中”的交流感觉的职位则在相当长的时间内不是人工智能所能够理解的。
现今无论是互联网企业还是传统行业的企业，都非常重视对于数据的收集、处理、算法的精炼以及最终对数据价值的应用。但是如何在这样一个以数据智能时代中，采取有效的措施和行动真正实现数据价值的提炼，利用数据智能去改变企业决策、改善人类生活？这是我们需要共同来探讨的。
一、数据智能的定义与本质
著名图灵奖得主Jim Gray提出的四大范式，可以很好地帮助我们梳理科学的演进。其中前三大范式，在人类文明发展的历史长河中帮助我们更好的记录、归纳和模拟现实世界；而进入数据智能时代，在机器学习、分布式计算等技术发展的基础上，数据逐渐呈现出高维度、高阶态、异构性的形势，能够对海量数据进行分析、处理和挖掘，并且通过建模、工程等方式来解决实际的预测和决策问题，最终实现决策的行动，则为“数据智能”。
数据智能也和数据科学、数据工程、数据分析等概念息息相关，但数据智能作为一个独立的概念，和其它几个名词最大的区别在于：
数据智能的目的是“预测”和“决策”，而非“分析”或者“展示”。
由于数据智能指向决策，所以用来判断数据智能的效率和价值就在于其决策的结果产生的可衡量的商业价值。
数据智能产出的过程中需要一个强有力的能够承载和调动一系列智能数据、核心模型以及面向不同情境的数据处理能力的数据智能平台。
最终呈现出有封装的、有交互界面的可以一定程度上替代人工决策的数据智能产品。
从商业和经济的本质上来说，数据智能平台指数级地加速了数据和人的智慧，其价值体现在两个方面：第一方面体现在聚合效应，即从数据源到数据加工、数据分析、数据应用最终形成数据产品过程中，实际上遵循价值“微笑曲线”；数据智能通过聚合各个环节的剩余价值，从而提升整条价值链的价值。
第二方面体现在加速效应。在数据的获取和应用的这些环节，数据的价值链已经从单一的线性结构逐渐演变成为模块与模块之间互相交叉融合的复杂架构。数据的每一个环节都都能够得到数据智能平台的加速，产生更多价值。综上，通过打通数据价值链，可以集中剩余价值、降低数据成本、提高资源配置，从而获得数据智能所带来的价值红利。
二、数据智能平台的使命与能力
数据智能平台/数据中台的使命有两件事：帮助企业更好的“看现在”——对现有数据的治理；帮助企业更好的“看未来”——对数据价值的挖掘对未来的预测；“看现在”的目的最终是为了更好的“看未来”，这是因为在数据智能时代，数据的量级和异构的程度都极其复杂，千里之行始于足下，因此这是企业实现数据智能的第一步，也是决定数据智能价值实现最为关键的基础。具体进一步来说，这两个能力拆开后又包括了以下这些能力要素：为了更好“看现在”连接、共享、安全；以及为了更好“看未来”的管理、科学与工程。
数据中台.png
1、连接，提高数据维度及饱和度。连接不强调对数据的拥有，而强调能够触及和返回的数据的广度、丰富程度。将不同来源的数据汇聚和连接起来形成更丰富的数据维度，是数据智能平台的使命。
2、共享，通过OPAL实现数据价值流转。共享能力是评估一个数据智能平台是否合格的首要标准。共享不代表要完全的透明，而是通过像OPAL（Open Algorithms，开放算法库）这样的技术框架去构建一个合理的、区分权限的、能够保护数据同时让知识的价值流转的机制。
3、安全，推动数据安全合规标准的建立。安全合规是重中之重。一个数据智能平台是中立的、合法合规的，它中间涉及到的各项任务都应该是安全且合规的，具有安全管理、用户管理、平台接入与使用的审计、调优和保障高可用性和容灾的能力。
4、管理，实现企业的数据资产化、资源化。管理是数据智能平台实现价值的起步，让数据的排列有序、结构趋同，可以被进一步的分域、保存、备份、重新组合，形成更多的协同价值。
5、科学，提升决策的科学性与准确性。数据科学是探索数据价值的流程，也是数据价值被挖掘的核心过程。数据的价值不是一次成型的，数据价值的挖掘依赖与不断假设、分析、验证、校准的反复迭代过程，最终才能凝聚沉淀成模型和解决的方案。
6、工程，实现数据价值的快速转化。数据能够直接变成决策，中间需要工程来构建环境，实现汇聚、仿真和自动化。工程这个因素将数据和算法、工具和能力有机的结合起来，最终形成一个封装的、内部自成体系的数据智能产品。
有了以上六个能力因素，数据智能平台才得以成为一个独特的平台，也成为企业想要快速构成数据智能产品、实现客户价值的必需平台。
三、数据智能市场的发展与痛点
随着互联网技术、人工智能等科技的飞速进步，数据量级的增长、计算能力的提升、存储的便捷化等推动数据智能市场蓬勃发展。数据市场从以传统IT企业为代表的软件时代，到以互联网企业为代表的数据时代，再到以数据智能企业的生态时代，数据的支撑和驱动因素越发成熟。随着终端的智能化、数据异构化、商业问题复杂性的提高，数据智能市场也向着万亿级别的市场规模进发。
对企业客户来说，企业数字化转型的不同阶段面临着不同痛点问题，但是总结来说会有如下几类：
第一、业务管理者或高管不知道怎么构建数据业务 / 数据能力；
第二、缺人，缺人，还是缺人;不知道从哪里获取这类人才，或者人才掌握的是上一阶段发展所需的知识；
第三、客户没有透彻地理解数据能力和企业业务能力之间的关系:无法与客户商业决策所对应的商业指标绑定；
第四、相应数据虽形成闭环但是数据闭环本身太小或者太过封闭，能够解决的问题过少、过小。
客户侧出现的问题，体现了整个数据行业目前面对的深层次问题。那么为什么要有数据智能平台呢？有数据智能平台的在位企业才能帮助客户解决上述问题。对于数据行业的从业者来说，数据获取已经不是问题，但是单一数据源的维度价值有限、数据需要共享才有价值；其次，数字业务推陈出新速度非常快，各数据源及应用厂商各自造轮子，很难形成规模优势，缺少行业的分工和合作；法律法规包括网络安全法、个人信息保护规范等还在不断完善，数据安全成为桎梏所有数据价值共享的主要鸿沟；数据与商业场景割裂，缺乏行业洞察，很难进行有效转化；最后，专业数据人才缺乏，大多数都集中在数据行业的从业企业中，留给传统企业进行数字化转型和提升的人才十分有限。目前高校等培养机构供给还处在缓慢加速的过程中，行业人才空缺加大。因而需要这样一个数据智能平台来通过能力的共创、复用、沉淀等，促进企业前端业务或者数据智能产品的效率、协同和创新。
为了解决以上的痛点问题，无论是对于客户企业还是对于数据行业的在位企业来说，都需要出现一家企业、一个团队来主导数据智能平台/数据中台的建设，这个新的数据智能平台/数据中台的存在，才能打破传统价值分工、重构数据行业的生态全景，全面提高行业的价值产生的能力。
四、数据智能行业全景与玩家分类
大数据行业诞生以来，大多数企业在不同的商业模式上进行试水。如果把整个行业分为标准化/产品化、客制化/服务化的纵向坐标以及数据和软件工具的横向坐标，究竟是将数据作为护城河，还是产出成型高效的软件应用工具，如何在数据加工程度和软件工具、客制化和标准化中找到一个平衡，也是当下数据企业思考与探索的问题。我们可以以此为维度，分为以下六种商业模式：数据源、数据交易、市场智能、SaaS、数据产品和解决方案。处于不同商业模式的企业在整个数据智能行业中的身份与角色也不尽相同，他们有着不同的速赢关键因素和策略（见报告详解）；但是在智能数据时代，这些不同类型的企业都在不约而同的自主发展数据智能平台，或者与行业中的数据智能平台形成深度的合作。
更多的合作呼唤更灵活的合作方式。不同于普通的平台类企业，数据智能平台需要同时包含数据、工具、算法和服务多个要素，不同要素的组合需要用不同的商业模式进行变现，甚至会改变价值分布、突破传统的、单向的客户关系甚至是竞争关系。因此数据智能平台需要更加开放和灵活的商业模式支持不同行业、不同业务和不同定位的合作伙伴进行合作，形成协同作用。突破传统的技术合作伙伴或者是联合建模合作伙伴、数据智能产品合作伙伴的合作方式，真正跨越简单的客户的概念的新型客户类型，与数据智能平台/数据中台类企业构建按照效果分成的成效合作伙伴关系。
五、数据智能的发展趋势与应对策略
