线性资本王淮：对科技创新范式的新思考 |捕手志

正文

请到「今天看啥」查看全文

重复的东西或动作进行机器替代，比如替代售货员的自动售货机、 BI等 。 如果把时间拉长，整个工业革命做的就是自动化演进，时间周期将近三、四百年；

第二阶段： 智能化，也被称为脑力劳动的替代阶段 。 着重从数据过程中寻找规律，处理更加复杂的问题，帮助我们多快好省的做有质量的决策和执行。

软件层面我们叫DaaS（Decision-as-a-Service）；硬件层面是机器智能化，相比机器自动化，机器智能化在数据处理的颗粒度、数据量、复杂度上更强，总而言之，最近 20、30 年，科技发展的大方向就是让机器从方方面面替代脑力活动。

第三阶段： 融合化， 更多的是智能化与Domain tech的结合，核心在于要了解产业规律。 而认知融合的过程，我认为将来会成为技术投资的常态，即如何把我们熟悉的 AI 、5G、软硬结合的硬件技术等 ，跟 Domain tech 真正有效结合。

数据智能技术更多是归纳性的技术，着重于correlation，但很难解释； 而domain tech着重于解释性，强调causality，具备可解释性，强调第一性原理。 两者的结合将会产生比任何单一技术应用更加强大的效果， 比如在生产过程中如何让AI机械臂拧螺丝，又如能不能把路径规划和高通量微流控技术和液晶显示控制芯片结合起来实现生物医药的大规模并行实验等。

总的来说，自动化是一个大的趋势，但在很多领域，由于发展不平衡，虽然数据遍地都是，但没有被高效高质的收集， 所以 当基本的自动化还没完成，谈决策的自动化就是空中楼阁， 融合化我觉得从纯粹 AI、Data 角度人是看不到的，必须要跟专业领域的实际问题结合，未来的挑战和收益也是在这个层面。

另一种，从数据应用的不同深度出发也是我们对科技发展最新的解读，我们把它分为五大类：

一是，在线化。 由于疫情的影响，远程办公需求激增，用户不断探索线上办公模式，在线化俨然正在成为主流， 但 在线化有一个很大的问题是「无法做数据沉淀」；

二是，数字化。 优势在于沉淀数据；

三是，数据结构化。 以数字化为基础，把数据根据不同维度和颗粒度进行有效记录和分类；

四是，辅助决策。 通过AI把数据进行智能化处理来辅助人类做出决策，机器也逐渐和人进行协同，这个过程主要 以人为核心；

五是，智能决策。 机器将变为整个流程中的核心主体，AI也将从辅助人变为代替人做决策，人机协同也将变为机人协同。

以上是我们解读科技发展的两个视角，也许会与其他机构视角不同，但客观来看，我们认为大而全的上帝视角不适合早期投资， 因为新技术在赋能不同产业的时候，它的落地周期、先后顺序有很大的差别。

目前互联网行业最快，传统行业最慢，造成这种问题的原因是传统行业的历史包袱很重，但这并不妨碍每个产业都有许多可以创新迭代的机会点，而机构最需要做的就是寻找到自己的视角和最佳切入点。

二

寻找「灰科技」商业化的机会

请到「今天看啥」查看全文