關於AI的顛覆性效應，三位企業家的預言

電力改變了我們的社會。它改變了我們的生活方式——我們一撥開關就能獲得廉價且安全的照明，家用電器如電冰箱、洗衣機和吸塵器幫我們減輕了家務負擔；它還改變了我們的工作方式，為工廠和電梯提供動力。那這一切的背后是什麼呢？——時間。

今天電力的普及程度令人難以想象在20世紀初，即托馬斯·愛迪生發明電燈泡后的20年里，電力幾乎無處可見。1879年，愛迪生發明瞭聞名世界的電燈泡，並在幾年后啟動了曼哈頓的珍珠街發電站，照亮了街道。但20年后，只有3%的美國家庭使用電力，工廠里的情況也差不多（見圖1-1）。然而，又過了20年，這一數字就猛漲到了人口的一半。對於電力來説，這40年就是「中間時代」。

雖然當時人們對電力充滿熱情，但卻沒什麼東西可以展示。今天，當新興的激進技術出現時，我們往往會忘記這一點。燈亮起來了，看似一切都在改變，而實際上變化卻不大。人工智能的燈雖然亮了，但我們要做的還有很多。現在，我們正處於人工智能的「中間時代」——在展示技術能力和實現其廣泛應用前景之間的時代。

對於人工智能來説，未來並不確定，但我們已經看到了電力發展的軌跡。因此，要理解人工智能商業化所面臨的挑戰，可以設身處地地想象自己是19世紀80年代的企業家——電力是未來的發展方向，那麼你會如何設想去抓住這一機遇呢？

圖1-1 美國電力使用情況 

資料來源：數據來自保羅·A.大衞，《電腦和發電機：一面不太遙遠的鏡子中的現代生產力悖論》（1989年斯坦福大學經濟學系工作論文#339），twerp339.pdf(warwick.ac.uk) 

點解決方案企業家

蒸汽在19世紀下半葉推動了經濟的發展。人們用煤炭加熱水來產生能量，並用於帶動驅動杆、滑輪和皮帶，進而實現工業生產。從各種記錄來看，蒸汽是繼農業之后推動經濟革命的又一大奇蹟。因此，一個想要售賣電力的企業家必須想方設法讓潛在客户關注蒸汽，並發現其缺點。

如果把蒸汽與電力放在一起，那麼這些缺點就顯而易見了。蒸汽散發熱量，這正是它的用途；但其中大部分熱量會被浪費，這就是它的缺點。蒸汽動力在傳導過程中損失了30%～85%的能量，原因包括冷凝、閥門泄漏以及軸和皮帶將能量傳遞到工作臺時產生的摩擦。想象傳動系統可能有些困難，那麼我們簡單設想一下：蒸汽動力源位於一端，轉動着一根長3英寸的鐵軸或鋼軸，然后讓皮帶和滑輪沿線運轉。某些軸可能是水平的，但許多工廠有多層的軸，而且是垂直配置的。例如，一根軸可以驅動數百台紡織機。

對於電力，直接方案就是在使用蒸汽動力的同一位置——軸的末端——使用一種替代能源。弗蘭克·斯普雷格是愛迪生的一位前僱員，在1886年開發最早的一種電動機時，他就發現了這一點。儘管愛迪生專注於研究照明，但一些人已經意識到，白天的電力更便宜且電動機可以得到利用，斯普雷格就是其中一人。斯普雷格利用自己的見解為有軌電車和建築電梯提供動力，其他人則將電動機引入了工廠。

我們把這些方案稱為「點解決方案」，因為這些發明者是在當時工廠的能源接入點將蒸汽更換為新的動力源——電力。19世紀末期的點解決方案企業家發現了兩類願意將電力視為新動力源的客户。一類是大型蒸汽動力工廠。美國南卡羅來納州哥倫比亞市的一家紡織工廠於1893年放棄了蒸汽，轉而採用電力。利用水力發電，然后通過1英里長的電纜進行傳輸，該工廠提供的電力是美國最便宜的。另一類是服裝和紡織製造商。蒸汽的缺點是其本身不夠環保以及動力產生的速度不穩定，而電力恰好解決了這兩個問題。

點解決方案企業家給出的優惠就是低成本以及某些工廠能夠享有特定的好處，產品的即插即用特性使他們的銷售內容變得清晰明瞭。但在許多情況下，產品仍然賣不出去。即使改變了動力來源，能源賬單可節省的幅度也是有限的，而且點解決方案沒有給出使用更多電力的理由。

應用解決方案企業家

蒸汽機一旦啟動就會一直運行，而電動機可以在關閉后重新啟動。因此，儘管蒸汽動力是通過軸傳遞的，各機器操作員可以通過操作槓桿連接或脱離機器來控制動力，但是電動機操作員可以輕松地開關與各機器直接連接的電動引擎。后者更簡單，需要的維護工作也少得多。然而，這意味着工廠消耗的電力會因使用情況而異。正如經濟歷史學家內森·羅森伯格所言，這帶來了一個「分散化電力」的時代，「現在能以非常小且成本較低的單位提供電力，且無須產生過量電力以提供小‘劑量’或間歇性的電力」。

對於電力價值，企業家認為要少量用電，或者更準確地説，只在需要時用電。儘管這種見解改變了一些工廠的設計，如為不同類型的機器設置獨立電源，不過有一些工程師打算給每臺機器都配備電動發動機。但即使對於一組機器，只在使用機器時支付電費也非常划算。

重大的變革是將電力驅動安裝在單臺機器上，我們稱之為應用解決方案，即不再簡單地更換電源，而是換掉整個設備（應用設備）。而且，一些機器變得易於攜帶。這些工具不再被固定於一根中央軸上，而是可以四處移動。工作不再被機器牽着轉，而是機器可以跟着工作走。

不過這只是一種預期。現實情況是，任何單獨的機牀，如鑽頭、金屬切割機或壓力機，都必須進行全面重新設計，以利用獨立的電動引擎。此外，這些引擎通常不是現成的，而是需要根據特定機器或用途量身定做的。由於設備需要被重新設計，因此應用解決方案的機會雖然多，但很難真正得到應用。如果你為工廠設計一個帶有獨立引擎的工具，那麼就會降低發動機為其他工具提供動力的價值。然而，找到平衡需要重新設計許多工具，這意味着需要花費大量時間創建一個新的系統。

系統解決方案企業家

縱觀整個工業革命，工廠都是爲了利用蒸汽而設計的。正如我們所見，工廠的單一動力源通過掛着一根皮帶和滑輪的中央軸將動力分配到各臺機器上。對於現代人來説，這就是一臺大型機器，里面的人只是其中的齒輪而已。從宏觀上看，它是一個機械裝置，其中數百個運動部件與單個動力入口相連，這一點並沒有因為新動力的出現而發生改變。有了新設備，一些企業家就開始重新思考工廠的形式。設想一下，那里沒有中央軸，甚至沒有專門為一組機器設計的軸。如果讓你根據現在對電力的瞭解從零開始設計工廠，它會是什麼樣子呢？

工廠是爲了讓機器靠近動力源而建造的，這意味着縱向設計的多層車間有其優勢。19世紀末，狹窄多層的工廠在工作條件、安全性和機器性能方面都付出了一定的代價。在有了電力后，工廠就不再需要將所有東西都塞進狹小的空間內。

更多的企業管理者意識到，電力的真正價值是提供一個系統解決方案，具體而言，是提供一個能夠充分利用電力的系統。所謂系統，是指一套程序，它們共同確保某件事情得以完成。

讓我們思考一下工廠內部的空間經濟學。在有了蒸汽與中央軸后，靠近中央軸的空間比其他地方更有價值。因此，工作都在靠近軸的地方進行，其他東西不是被儲存起來就是被移走了。這意味着實物必須根據動力需求來回移動。

電力拉平了空間的經濟價值，使其變得靈活。如今，在生產線上組織生產比較划算，這樣可以縮短實物來回移動的距離，並將其從一個工序轉移到下一個。亨利·福特沒能利用蒸汽動力發明出T型車的生產線，直到電力商業前景展現出來的幾十年后，這一目標才得以實現。福特是一位汽車企業家，但他本質上也是一位系統解決方案企業家。這些系統變革改變了工業格局，直到這時，電氣化纔在生產力統計數據中大幅度地顯現出來。

人工智能企業家 

我們可以得出三條結論。第一，實現巨大生產力的關鍵在於理解新技術的內涵。一個企業家如果在1890年向人們推銷電力，可能會把「降低燃料成本」作為該技術的關鍵價值主張。但電力不是一種更便宜的蒸汽機，它的真正價值在於能夠將能源使用與能源來源分離，這樣用户就擺脫了距離的限制，工廠和工作流程設計也迎來了一系列的改進。一個企業家如果在1920年向人們推銷電力，就會發現電力的關鍵價值主張並不是「降低燃料成本」，而是「能極大地提高生產力的工廠設計」。

這也是我們對人工智能的期待。最初的創業機會包括Verafin等點解決方案，它們通過更好、更快、更便宜的方式取代了其他預測方法。

還有一些應用解決方案，需要圍繞人工智能重新設計設備或產品。所有由人工智能驅動的機器人都是應用程序，設備上的人工智能增強軟件也是如此。請看一下你的手機，它可以識別面部，這需要特殊的相機以及專門的硬件來保證信息安全。不過這種創新最大的推動力可能是將數十億美元的投資，用於設計和生產在現有道路條件下自動駕駛的車輛。儘管這些汽車的外觀可能沒什麼變化，但必須重新設計其內部硬件，以保證傳感器配置正確、車載處理及機器操作一切正常。

大量高價值的潛在人工智能系統解決方案尚未出現。本書將闡述實現這些機會的可能性以及所面臨的挑戰。

第二，一旦我們理解了這一點，就要問一個直截了當但難以回答的問題。鑑於我們現在對人工智能的瞭解，如果從頭開始，那麼將如何設計產品、服務或工廠呢？新的扁平化工廠架構最初並沒有在傳統行業中出現，而是出現在20世紀的新興行業中，如菸草、金屬加工、運輸設備和電氣機械等。同樣的情況重現在當今的新興數字化行業中，如搜索、電子商務、流媒體和社交網絡，它們早期採用了以人工智能為核心的系統設計。

提到人工智能，我們仍然要回答這兩個問題：(1)人工智能真正帶給我們的是什麼？(2)如果我們從頭開始設計業務，那麼將如何建立業務流程和商業模式？如果電力不是爲了「降低燃料成本」，而是一個「能極大地提高生產力的工廠設計」，那麼人工智能可能也不是爲了「降低預測成本」，而是一個「能極大地提高生產力的產品、服務和組織設計」。電力的主要好處在於它將能源使用與其來源「脱鈎」，從而促進了工廠設計的創新；人工智能的主要好處在於它將預測與決策的其他方面「脱鈎」，從而通過重新構想決策之間的相互關係，促進了組織設計的創新。

我們認為，通過將預測與決策的其他方面「脱鈎」，並將預測從人類轉移到機器，人工智能實現了系統級創新。決策是這種系統的關鍵構件，而人工智能增強了決策能力。

第三，不同類型的解決方案提供了不同的獲取市場權力的機會。當企業家既能創造價值又能獲取價值時，他們就能盈利。點解決方案的問題通常是最初創造的價值相對較少。電力曾是蒸汽的替代品，但蒸汽已經配套了現成的基礎設施，因此替代並不是零成本的，並且這樣做對消費者來説，價值就是降低電費。換句話説，點解決方案企業家可以通過最佳點解決方案獲得持續的利潤——Verafin正是如此——但這只是最好的情況。

隨着我們轉向應用解決方案，然后轉向系統解決方案，企業家創造的價值變得更有説服力。新設備可以從競爭中脫穎而出，並受到專利等知識產權措施的保護。然而，新系統的潛力更大。在電力領域，工廠主提供新的工廠設計，這是在他們自己的領域里，他們懂得技巧，因此能夠獲得市場份額，並使自己免受競爭的影響。雖然工廠的佈局是顯而易見的，但新系統背后的流程、能力和培訓可能就不那麼明顯了，而且難以複製。更重要的是，新系統可以實現規模化。

人工智能的顛覆與權力

電力系統花了幾十年的時間才實現了所謂的「顛覆」。在最初的20年里，它只是一些工廠和應用中的點解決方案，或者被用來照明。但當新系統被開發出來后，它改變了經濟。這一變化是深遠的，它將權力轉移到了控制電力發電、電網以及能在大規模生產中使用電力的人身上。在那之后，人們不再想成為皮帶和滑輪的製造商，也不再想成為市中心工廠房地產的持有者。

我們可以看到人工智能也在經歷類似的過程。經濟權力的真正轉移，是將稀缺資源和資產的控制權從一羣人手中轉移到另一羣人手中，這羣人同時就有能力保護企業免受競爭壓力。可以肯定的是，利用人工智能有機會做到這一點，但那些會造成顛覆的機會——重塑行業和權力分配的機會——來自新系統。新系統很難被開發，正如我們將要探討的，它們通常很複雜，很難被複制，這為那些能夠在系統創新上有所突破的人創造了機會。

但是仍然存在許多的不確定性。對人工智能而言，誰會從這些新技術中積累權力，是一個懸而未決的問題，這將取決於這些新系統的具體形態。我們的任務是為你指引方向，預測在人工智能系統的發展和採用過程中，誰可能獲得權力，誰又可能失去權力。

人工智能的系統未來

2017年，各類人工智能會議層出不窮。這股洪流吸引了商界人士和政府官員齊聚一堂，同時激發了學術界的熱情。我們意識到人工智能有改變經濟的潛力，希望吸引世界上最優秀的經濟學研究人員來思考人工智能。我們在多倫多組織了一次人工智能會議，為經濟學家制定了研究議程。

令我們吃驚的是，這次會議吸引了一大批與會者。斯坦福大學的保羅·米爾格羅姆后來因在經濟學和計算機科學領域的創新而獲得諾貝爾經濟學獎，他回憶起1990年收到的一份類似邀請，主題是互聯網經濟學，當時他拒絕了，現在感到后悔不已。他説：「我清楚地記得，1990年，美國國家科學基金會問我是否有興趣研究互聯網經濟學，當時我正忙於研究委託—代理理論、公司經濟學和超模研究，所以我拒絕了。但這次我沒有任何藉口。我一定會到場的。」

一些與會者對人工智能的影響持樂觀態度。另一位諾貝爾經濟學獎得主丹尼爾·卡尼曼説：「我認為，沒有什麼事情是我們能做，而計算機無法通過編程完成的。」曾在奧巴馬總統經濟顧問委員會任職的貝齊·史蒂文森總結了這種樂觀情緒，她指出：「經濟學家認為人工智能代表着實現可觀經濟收益的機會。」

其他人則持比較懷疑的態度。諾貝爾經濟學獎得主約瑟夫·斯蒂格利茨就是其中一位擔心人工智能會加劇不平等的人；經濟學家、《紐約時報》前專欄作家泰勒·考恩認為人工智能的生產力會導致資源的稀缺；曾在以色列政壇工作的曼努埃爾·特拉伊滕貝格指出，如果一場變革發生，那麼一項技術的長期利益就無關緊要了，這預示着人們對機器自動化的抵觸情緒會不斷增加，以及大眾認為機器自動化會對就業產生影響。

一個特別有趣的擔憂是，人工智能似乎對經濟沒產生什麼影響。正如經濟學家埃里克·布萊恩約弗森、丹尼爾·洛克和查德·西弗森所説的：

我們生活在一個矛盾的時代。使用人工智能的系統在越來越多的領域中與人類的水平相匹敵，甚至超越我們，並藉助其他技術的快速進步推動了股票價格飆升。然而，在過去十年中，數據顯示生產力下降了一半，且大多數美國人的實際收入自20世紀90年代末以來一直停滯不前。

對那些研究技術史的人來説（正如我們在電力方面所看到的），這種矛盾並非前所未有。1987年，麻省理工學院的羅伯特·索洛有句名言：「各個地方都迎來了計算機時代，唯獨生產力統計數據中沒有。」計算機無處不在，但生產力卻沒有明顯提高。這種模式很常見，於是經濟學家開始關注「通用技術」出現時會發生什麼情況，這些技術能夠在諸多領域持續地提高生產力。通用技術包括蒸汽機和電力，以及近些年的半導體和互聯網。對我們的與會者來説，人工智能也可以被算作通用技術，而且是個不錯的候選者。我們應該對此有何期望呢？從歷史上看，這些技術最終改變了經濟、企業的發展和工作方式，但在出現所有改變的幾十年中，發生了什麼呢？在這個「中間時代」又發生了什麼呢？

人工智能創新系統

谷歌首席執行官桑達爾·皮查伊表示：「人工智能可能是人類有史以來最重要的事情。我認為它的影響比電力更深遠。」谷歌已經從人工智能中獲益頗豐，但其他許多公司還沒有。麻省理工學院《斯隆管理評論》和全球諮詢公司BCG在2020年的一項研究中發現，僅有11%的組織表示從人工智能中獲得了顯著的經濟效益。這種結果並不是因為其他組織沒有嘗試，59%的組織表示有人工智能戰略，57%的組織表示已經部署或試點了人工智能解決方案。

人工智能先驅吳恩達創立了谷歌大腦項目，並擔任百度的首席科學家，他宣稱：「人工智能是新的電力。它有潛力改變每個行業並創造巨大的經濟價值。」我們認同他的觀點。人工智能具有改變世界的潛力，就像電力一樣，但根據歷史經驗，這種變革將是一個漫長而曲折的過程。

電力的例子表明，對人工智能的未來保持樂觀態度和對迄今為止的結果感到失望，並非固有的矛盾。布萊恩約弗森、洛克和西弗森強調了這個時代的悖論。我們應該樂觀地期盼未來，同時也應該承受對當下處境的失望。事實上，在經濟經歷與變革性技術相關的結構調整時，我們有很好的理論性原因支持這兩種情緒同時存在。

在電力的第一波浪潮中，燈泡取代了蠟燭，電動機取代了蒸汽機。這些都是點解決方案，無須進行結構調整。經濟沒有發生轉型。

人工智能正面臨相同的情況。它被用作預測分析的新工具。像Verafin等少數公司正在從增強版預測中受益，這是已經獲得經濟效益的那11%的公司。它們早就進行預測，而人工智能讓它們的預測更好、更快、更便宜。對於人工智能來説，最容易實現的目標是點解決方案，而這些目標正在逐漸達成。

就像只有在人們理解和利用分佈式發電的巨大好處后，電力的真正潛能才被釋放出來一樣，人工智能也只有在其提供預測的好處被充分利用時，才能真正發揮其潛能。這明確指出了預測在改善決策過程中所起的作用。我們將證明，在許多情況下，預測將改變決策的方式，以至於整個組織的決策系統和流程都需要進行調整。只有到那時，人工智能才能真正被大規模地採用。

我們正處於「中間時代」——在人工智能的顯在潛能得到證明后，但在其變革性影響出現前的時代。Verafin就像那些已經成功部署人工智能的11%的大型企業，因為它們的預測能夠與現有系統相契合，系統操作和工作流程已經為利用這些預測做好了準備，而無須進行重大調整。

對於剩余89%的公司來説，它們的系統尚未做好準備。前景雖然是明朗的，但實現這一前景的路徑還未明確。我們需要找到一種能夠利用機器預測來更好地完成任務的方法，即利用預測來做出更好的決策。

人工智能將影響人類能做的所有事情，因為它們能夠做出更好的決策。這不僅包括收集數據、構建模型和生成預測等技術挑戰，還包括組織挑戰，即在正確的時間讓正確的人做出正確的決策。而且，它涉及戰略挑戰，即在獲得更多的信息后，確定該如何以不同的方式去完成。

設置舞臺

「中間時代」的特點是人們對點解決方案充滿熱情，並取得了成功，但人工智能似乎仍然是一項小眾技術。不過，當前在應用解決方案方面人們有了一些發展和嘗試。由於其特性，這些解決方案通常非常具體，它們改善了現有產品，如手機或汽車安全功能。

美國人口普查局詢問了30多萬家企業關於其使用人工智能的情況。已經採用人工智能的大型企業普遍強調利用人工智能來推動自動化和改進現有流程。換句話説，它們的人工智能是點解決方案和應用解決方案，因此係統並沒有發生變化。這些人工智能對企業生產力的影響不大。觀察現有工作流程，找出人工智能可以替代人類的地方，能帶來重大益處，不過這是漸進式的，並不能帶來巨大的機遇。

在「中間時代」，企業家和企業管理者努力使應用具有經濟可行性。正如內森·羅森伯格所言，對於所有技術來説，「無數創業的失敗可以歸因於這樣一個事實，即創業者沒有考慮到他所關注的部分與系統其他部分之間相互依存的條件」。

只有在創新者將注意力轉向創造新的系統解決方案時，真正的變革纔會發生。這些系統解決方案將人工智能引入經濟範疇，並且它們會刺激應用解決方案的發展。這種潛能的擴展和后續創新將使人工智能系統具有經濟效益。

鑑於這些解決方案的重要性，我們有必要全面解釋一下其內涵。下面讓我們定義一下三個方案的概念：

點解決方案改進既有程序，可以獨立採用，無須改變其所嵌入的系統。

應用解決方案可開啟新程序，可以獨立採用，無須改變其所嵌入的系統。

系統解決方案通過改變相關程序，改進既有程序或者開啟新程序。

這些定義中的重點在於「獨立」這一術語，它出現在點解決方案和應用解決方案的定義中，但在系統解決方案的定義中並沒有出現。想象一下，我們有一個既有的或新的程序，通過採用新技術可以使其價值更高。如果增加的價值大於開發和採用該解決方案的成本，那麼該解決方案在經濟上就是可行的。而且，無論其他方面是否發生改變，它在經濟上都是可行的。然而，如果新技術帶來的收益太低，只有通過改變其他方面才能改善，那麼在沒有這些改變的情況下，獨立採用在經濟上是不可能的，一旦採用新技術，就需要同時改變多個流程。

因此，我們看到一些工廠很容易將電力作為點解決方案，用電力替代蒸汽。而且，一些應用程序也可以與電力發動機集成，並在既有的生產系統中使用。但在許多情況下，工廠需要重新設計，只有提供整個集中式電力系統和電網，才能讓解決方案具有經濟可行性。換句話説，系統解決方案將電力從既有能源的替代品轉變為使用新能源的機會。

現代人工智能的進步本質上是預測技術的改進。此外，預測只有為決策服務才具有價值。因此，爲了闡釋本書所表達的主題，我們修改了之前的定義：

人工智能點解決方案：如果一項預測能夠改善既有決策，並且該決策可以獨立完成，那麼該預測作為點解決方案就是有價值的。

人工智能應用解決方案：如果一項預測能夠促成新決策或改變決策的方式，並且該決策可以獨立完成，那麼該預測作為應用解決方案就是有價值的。

人工智能系統解決方案：如果一項預測能夠改善既有決策或促成新決策，那麼該預測作為系統解決方案就是有價值的，但前提是其他決策方式發生了改變。

對於其他技術，雖然我們可以做「事后諸葛亮」，準確判斷什麼是獨立的、什麼是相互依賴的，但對於人工智能，我們仍須弄清楚系統的各個方面。本書就能幫助我們釐清這些問題。

系統變革是顛覆性的

根據歷史經驗，人工智能採用規模的巨大增長將來自系統變革，而這種變革也會是顛覆性的。所謂顛覆性，是指它將改變許多人和企業在行業內的角色，同時伴隨着這些變化，引發權力的轉移。也就是説，如果系統變革發生得相對迅速，則很可能會產生經濟上的贏家和輸家。

我們可以通過農業中的預測來感受這種顛覆性。農業是一個因機械化而大幅減少就業人數的行業，但是農場管理權仍然掌握在農民手中。儘管農場規模龐大，但決策權仍在農民手中，許多農場仍然歸農民所有。農民利用天氣預報來做決策，但一般而言，農民在預測和決策方面的技能與他們自身土地的特點緊密相關。

然而，情況正在發生變化。農民容易受天氣條件的影響，但關鍵是，他們所受影響會因農作物和當地的土地條件而不同。這種風險是大衞·弗里德伯格（他是第一個通過互聯網提供天氣預報的人）在試圖向美國農民銷售保險時意識到的。除了天氣數據，美國政府還擁有2900萬塊農田的紅外衞星圖像和土壤成分數據，這使弗里德伯格能夠計算出與農田或農作物相關的天氣風險。

弗里德伯格創辦了氣候公司，並向農民銷售保險，但他很快就發現農民對他所掌握的與田地有關的數據也非常感興趣：

他向農民展示了田地在任何時刻所含的濕度——如果超過一定水平，耕作就會對田地造成損害。他每天向農民展示降雨和温度情況——你可能認為農民知道這些，但農民可能管理着二三十塊不同的田地，且這些田地分佈在幾個縣里。他向農民展示了農作物的精確生長階段、最佳施肥時機、播種的最佳8天及理想的收穫日期。

預測對於農民的關鍵決策有着重要驅動力：施肥、播種和收穫。這些決策的目標幾乎在哪兒都一樣，即最大限度地提高產量。農業生產總是與農民的直覺判斷有關，而氣候公司將農業變成了決策科學及一種概率問題。農民不再玩輪盤賭博，而是玩21點，大衞·弗里德伯格所做的就是幫助農民算牌。

農民習慣看到技術變革以他們能夠使用的新工具形式出現，但預測正在改變他們的決策方式。事實上，這些決策不僅發生了變化，而且發生了轉移。轉移到了哪里？——遠離美國農村的舊金山。這家位於美國西海岸的城市公司告訴堪薩斯州的農民：不應該再種植玉米了。

目前氣候公司並不負責所有的農業決策，農民仍會做出一些關鍵決策。然而，正如弗里德伯格所指出的：「隨着時間的推移，這些決策將會減少至零。一切都將被觀察到，一切都將被預測。」農民正在逐步接受這一點。作家邁克爾·劉易斯回憶道：「從來沒有人問過弗里德伯格這個問題：如果我的知識不再有用，那我還有用嗎？」換句話説，這預示着農場管理將走向顛覆和集中化。我們不知道這需要多長時間，也不知道有些決策是否無法自動化。我們知道的是，業界認為這些工具潛力巨大。孟山都公司在2013年以11億美元收購了弗里德伯格創辦的氣候公司。

隨着預測機器的不斷改進，農民不僅接受預測並做出決策，而且會將決策權讓渡給他人。這可能會優化農場管理，因為擁有正確的信息、技能、激勵措施和協調能力的人會做出更好的決策。但與此同時，農民將會扮演什麼角色呢？他們現在是土地的所有者，但在這種變革之前，他們還能擁有土地多久呢？

總體而言，由人工智能驅動的行業轉型需要時間。剛開始人們並不清楚怎麼做，許多人可能會進行試驗然后失敗，因為他們誤解了需求，或者他們無法保證單位經濟效益。最終，有人將取得成功，開闢出一條盈利之路。其他人會嘗試模仿，行業領導者將試圖修築壁壘以保護其優勢，有時這種做法有效。不過無論如何，行業都將發生轉變，而且一如既往地會有贏家和輸家。

作者簡介：

阿杰伊·阿格拉沃爾 （Ajay Agrawal） 

創新顛覆實驗室創始人，多倫多大學羅特曼管理學院戰略管理教授。 

喬舒亞·甘斯 （Joshua Gans） 

創新顛覆實驗室首席經濟學家，多倫多大學羅特曼管理學院戰略管理教授。 

阿維·戈德法布 （Avi Goldfarb） 

創新顛覆實驗室首席數據科學家，多倫多大學羅特曼管理學院營銷學教授。

本文來自微信公眾號「騰訊研究院」（ID：cyberlawrc），作者：阿杰伊 等，36氪經授權發佈。