【互联网+】大数据会在30年彻底改变世界，未来伟大的公司都是数据公司？！

欢迎点击标题下的 "辰智" 快捷关注!

讲师名片：

吴军, Google科学家、硅谷风险投资人、原腾讯副总裁、《浪潮之巅》作者，它开拓了Google的中日韩文搜索时代，他对互联网时代的每一次变化洞若观火。

一、从摩尔定律说起

50年前，英特尔（Intel）创始人之一戈登·摩尔提出了摩尔定律。50年来，世界科技产生的增量很多来源于摩尔定律，如果把摩尔定律产生的GDP拿掉，人们的生活水平会差得很远的。50年来，摩尔定律已经改变了人们的很多生活方式，是一个浪潮，是持续的增长，它可以再走一段时间，但今年是转折点，接下来的30年还有个新机会：大数据。

接下来是大数据的福利，这个机会就像50年前一波人踩上摩尔定律的船一样。大数据是不是一个泡沫？虽然它今天没有产生那么大的GDP，但为什么认为它如此重要？30年后，它也将彻底改变这个世界，还有思维方式，并带来惊人的结果：机器智能。

首先回顾下摩尔定律：

1965年，摩尔提出一个定律：“半导体的集成度每年翻番。”正如当棋盘每次翻倍放麦子，10次后会翻1000倍。摩尔后来发现“每年”这个数据太乐观了，是18个月翻一番。1968年的时候，诺伊斯相信摩尔，所以他们成立了公司“intel”，最初只想做更大容易的存贮器（当时，IBM小型机的时代，计算机公司自己做处理器）。日本有一家做计算器的公司，它想设计一款微处理器，找到Intel，于是intel阴错阳差就设计出来了，它不仅能做处理器，还可以做很多。那时候他们两个人还没想到计算机可以家用，不知道计算可以在家里干嘛，就卖给了日本。很多探索，商业成功的运气有很大因素。

50年前，没人相信过“每个人都可以拥有一台计算机”这个事情，但是今天计算机的市场这么大。摩尔定律带来的结果是：所有半导体IT公司必须在18个月内完成下一代产品的开发。所以在美国，很多会在10月、11月会推出一款新产品，如果不能上，第二年基本没什么生意，以前你不敢想象的很多事情，就不断变成现实。

以前社会需求带动科技发展，现在科技先被造出来，你甚至不知道它干么用的，但是一旦它产生出来，就会产生社会需求。如果一个企业家在摩尔定律时代，却还是延续过去经济学教科书说的来做，就落伍了。因为有了摩尔定律，你尽管去做一件事情，你只要引领摩尔时代的一件事，各个公司都要开发针对未来市场的产品。在你创业的时候，不用考虑会不会没有市场，即使产品12个月后出来，但是如果你花很多时间去优化前期的代码，你比别人多花了半年的时间，你会发现即使你后面生产出来了，还是会发生很多技术的问题。

摩尔定律给世界带来了惊喜，因为产品18个月后价格会降一半，会给用户带来福利。在农业时代，种田后会留一些种子，第二年接着用，这是过去的方法，今天中国的农村已经不留种子了，可以直接从种子公司购买。为什么种子公司可以研发出更好的种子？因为他们运用了IT技术。

中国在过去的35年走过了英国300年的路，30年前，你去杭州万象集团的前身，会看到工人都是纯手工干活。今天，你去富士康，完全是制造王国，就是因为摩尔定律。过去，我们理解的服务业是旅游、家政等等，今天不是，今天IT作为服务业，光在美国就有1万亿市场，中国的第一、第二产业也正在向第三产业转型，这个时候不是仅仅为它们简单的法律等服务，而是用IT输出。

不过，摩尔定律在经济学上有一个很大的问题：通缩。在世界上比通货膨胀更可怕的是“通缩”。欧洲今天经济出这么大问题，包括日本过去出现那么久的问题，就是通缩，这是一件很可怕的事情。但问题出现的时候，常常就会出现一个解决方案。

那么，这个解决方案是：“安迪－比尔定律”（与摩尔定律、诺威格定律并称的IT产业三大定律。），即“安迪给你的时候，比尔就会全部拿走（“Andy gives, Bill takes away.）”。安迪指英特尔前CEO安迪·格鲁夫，比尔指微软前任CEO比尔·盖茨，这句话的意思是，硬件提高的性能，很快被软件消耗掉了，这对IT产业中软件和硬件升级换代关系的一个概括。这是微软要和大家做对吗？不是的。微软在和英特尔一起打造了IT的产业链。

个人电脑出现后，分工就更清晰了，硬件和软件分开做，硬件要提升，然后软件升级，吃掉硬件的提升。当芯片处理速度越来越快的时候，可以实现更多的文字报表、照片视频等处理，就带来整个工业和社会的升级。

把摩尔定律反过来看，IT就和制造行业完全不一样，它迫使IT从业人员非常辛苦，因为它如果18个月不能把性能翻一番，就会被行业淘汰，所以很多人要不断提升。有的人就说我不玩了，于是出现了很多IT公司转向服务业，把电脑卖出去，然后去做软件，比如IBM，它把电脑业务卖给了联想。在摩尔定律出来，也诞生了今天很多主流公司，如微软和甲骨文计算机公司。IT行业容易出现垄断，但是也迫使制造业升级。

未来30年是什么样的？看看硅谷投资的三个趋势：

1、云计算＋移动互联网：在美国有上万亿的企业级IT服务市场，在云计算时代，成本可以比IT时代降低很多，但是，在中国很遗憾，在中国没有几家企业级软件公司，在云计算时代，也许这里会有一个很大的市场；

2、大数据＋机器智能；

3、IT＋生物医疗：这个行业非常大。

三个趋势的核心是大数据，那么，为什么大数据如此重要？

二、人们对机器智能认知的发展

很多人把大数据和大量的数据等同起来，这两者有什么区别呢？大数据有三个很重要的特征，它不仅仅是数据表格，不是这么简单，它的重要性是将带来机器智能。

摩尔定律的结果是人类历史上第一次同现指数增长，第一次用机器运算来代替人脑，在某一个时间点上，机器智能会超过人。目前，我们正处在机器将近超过人脑的时间节点上。

回顾下过去：

50年代图灵测试，是计算机的模糊概念；60年人工智能；70年代出现了最早的数据驱动概念；96年出现了IBM电脑深蓝战胜了象棋大师，这台电脑是当时世界上最聪明的机器之一，后来互联网发展起来，带来了一系列的结果，到了2010年，谷歌的无人驾驶汽车出现，它已经可以能够主动控制一些东西，而不是和人类比头脑，跟深蓝时代的电脑已经完全不是一回事了。

想到机器智能的时候，大家会想到机器人：比如变形金刚等等。

那现实生活中的机器人是怎样的呢？到底什么算是机器智能呢？1950年，阿兰图灵提出了一个测试：“当计算机回答问题的时候，当你分不清给出答案的是人还是机器，这台机器就开始具备智能了。”图灵测试是以结果判定。那么怎么做呢？拆分条件：要能听懂，要会回答。

来看看机器智能的三个发展阶段：

1、1970年：人工智能时代

之前还属于人工智能时代，就是模拟人的思考方式，即，首先想到人是怎么做的，然后去模仿人，结果这条路走不通。人类之所以是人类，是能够思考、推理，当时有个很有名的计算机科学家明斯基，他们最早提出人工智能机器的概念，他们提了一个概念：“钢笔在盒子里和盒子在钢笔里（the pen was in the box；the box was inthe pen）。”前面这句话比较好理解，后面这句话就费解了，但是如果把pen理解成围栏，那么就可以理解成：盒子在围栏里面。这句话如果让计算机来模拟人，它就做不到这个理解的。因为判断这件事需要世界的知识，从小从生活中知道的，不是分析得到的。明斯基在计算机界很有名，因为这句话，美国计算机基金会对人工智能的投入就减少了。到70年代，发生了一个变化，大家不做这个事情了：人工智能。

2、1972－2000年：数据驱动时代

人是怎么飞起来的？人类为之努力了几千年，最早的认知就是看鸟怎么飞，模仿它。但是，最后人类做出飞机，不是学鸟，而是认知了空气动力学，也就是学习什么不必非要模仿它。所以，如果要让机器有智能，不是让机器按照人怎么想，于是推出了空气动力学派。

1972年发生一个事情：有一位教授从康奈尔大学离开，去IBM带薪休假工作，他做的一件事就是怎么让计算机聪明起来？于是他开始做了语音识别，语音识别和机器翻译是用数据驱动解决智能问题的最早范例。这位教授不是搞计算机科学的，他是基于数学研究通讯的，他认为语音交流的过程可以分解为：当你用语言把大脑中的概念表达出来（编码过程），然后通过空气传播（传输过程），然后你听到后进行理解（解码），这其实是一个通讯问题。

要解决这几个问题，第一要数据（为什么IBM能够做这件事情？因为它当时有超级计算机，有大量商业客户和数据），于是产生了“数据驱动”概念。运动这些数据就可以加以识别，从而实现了语音识别系统，最初的错误率30%，且只能解决100多个字，后来，经过升级，到22000字，误率从对30%降到10%，这就基本能看懂意思了。这给人们启发，原来不需要非得模拟人，还有另一条路可以走：数据驱动。

如果把中文翻译成英文，也是编码、传输、解码的过程。彼得·布朗受此启发，写了篇论文，作了一套翻译系统，但他失败了，因为它当时数据不足。双语资料当时只有圣经。后来，有了数据以后，证明这个方法能够做得很好。

3、云计算＋大数据时代

需要多大的数据量才够支撑人工智能呢？当你的统计量大到足够的时候，人工智能的统计模型程度会极大接近人的智能（真实模型）。

盖洛普认为：“统计量大到一定程度就不用再大了。”盖洛普是一个统计学博士，罗斯福第二次当总统的时候，他做总统的预测，盖洛普发了2000份问卷，而文学文摘发放了20万份的问卷调查。盖洛普公布了统计结果：”我自己预测罗斯福会嬴，我可以肯定文学文摘预测罗斯福的竞争对手兰登会嬴，但是我的预测会成功。”果然，最后是罗斯福嬴了，因为文献文摘发问卷的时候偷懒，通过黄页获得电话，当时基本都是中产阶级及以上阶层的人拥有电话，因此采样没有代表性，而盖洛普根据教育程度等数据发放问卷。

盖洛普一直做预测，时准时不准，即使后来的样本在增加，也总有误差。概率的方法虽然好，但总是有些小概率覆盖不了。

到了2000年以后，发生了一个变化，互联网兴起使得数据量剧增，使你一下子可以得到好多数据。凡是拿到美国政府经费的项目，每年就要参加政府的评测，比比谁做得好，谁做得不好。你即使没拿这个钱，你也可以去挑战。2015年， NIST当时对英语翻译做了评测，然后用机器翻译的结果和人翻译的结果去比对，结果：谷歌排第一。第二名相差5%，都是同一个人写的代码，内核更新并不多，唯一差别在于谷歌的数据量多了一倍。当你增加一万倍的数据，量变就产生质变了。

所以，人的思维方式也发生改变了，以前花很多时间研究方法，现在通过数据就会解决。摩尔定律不仅诞生了半导体行业，这是过去50年的事情，未来，你所有的思维方式都要沿着这个方向改变：大数据。

四、什么是大数据？

大数据三特征：数据量足够大、多维度、数据的完备性。

大概两年前，百度知道公布的一个数据：通过7700万条与吃有关的问题里，挖掘出一些结论，反映中国不同地区的饮食习惯，比如香港叉烧、厦门蛋挞、福州佛跳墙、重庆麻辣等等，广东人常问什么东西不能吃，西北地区问什么东西能吃，广东云南问虫子能不能吃，西北问螃蟹能不能吃。这些杂乱无章的信息，可以看出很多好的数据。

当然，还可以看出不同人用了不同的计算机、手机，而且上网时间、生活习惯都不一样，所有问问题的时间也不一样，从这里可以知道年龄段、收入等隐私。这些数据属于历史上不同时期产生的，叠加起来分析不同地区的GDP差距和时间上生活习惯的变化。数据维度非常多，维度一多，数据就相对非常稀疏，所以需要更大的数据量。

盖洛普吃亏就吃亏在数据的完备性上面。Natesilver也做了一个总统精选的预测，它找遍了所有网络上的数据，然后对美国50个洲的投票倾向性做了预测，美国竞选不像法国，法国是一人一票，但是美国是只要一个洲里面的数据能够胜出，就可以这个洲把所有票拿走。历史上从来没有一个预测可以同时做50个洲的预测，但是它获得了100％准确性。为什么他能做到？因为数据的完备性。如果你有本事统计到每个人投票前一天的想法，你的预测就会更加精准，以前我们想象不到这个事情，但是现在你有可能做到，所以，今天，我们的整个思维都要改。

BIG DATA，WHY NOT LARGE DATA？用前者的“BIG”不仅仅是强调数据量大，而是强调思维方式。

数据的完备性很可怕，回顾1996年，卡斯帕罗夫大师第一盘棋战胜IBM深蓝计算机，但是后面几盘计算机嬴了，因为它具备了数据的完备性，它把卡斯帕罗夫过去的棋局数据都收集起来了，包括全世界其它高手的历史数据记录都收集了。我们现在正在把很多智能的问题变成大数据的问题。

真正能够取代人的机器人，不是像人的，而是成千上万台的机器在运行聪明的软件。记住大数据三要素：数据量足够大、多维度、数据的完备性

为什么今天的人类正处在一个拐点上？为什么大数据在这个节点上爆发？

首先要归功于摩尔定律；其次，是移动互联网的起来，它和PC非常大的差别在哪里？互联网最早是机器和机器的联网，你离开电脑之后，你就离开互联网了，你坐在电脑前，才重新联上互联网，而移动互联网时代是你时刻联网，根本没有整的时间，全部是碎片时间，因为这样的特性，使得数据的完备性有可能获得。

还有就是传感器技术的发达，数据增长的速度已经超过互联网，也就是说，大数据的增长快于摩尔定律带来的增长。你如果今天创业，你不能做到移动是唯一的，也要做到移动优先。数据的收集不仅是传感器，还有摄像头，上海全市有几万个摄像头，未来市政府还打算扩大到10倍，几十万个。过去你是用密码认证，现在是用摄像头认证，以前摄像头是要花钱的，现在摄像头是可以送给你的。大数据的完备性在于它的多纬度，除了传感器、摄像头，还有很多手段和技术。

从现有的公司中，怎样比较能够处于有利的位置呢？是拥有和分析大数据能力的公司。未来所有的公司都是大数据公司。这根本不是几亿、几十亿的市场，这是几万亿的市场，孙正义说：所有的产业都要数字化。不同的时代一定由不同的公司来引领，PC是微软和因特尔引领，互联网时代是雅虎、谷哥、BAT等，大数据时代不是由传统的互联网公司引领的。在未来，大数据非常重要，未来，所有的公司都是数据公司，如果在50年前说计算机无所不在，没有人信，但是今天就是这样。

中国有一家做风能设备的公司，它的叶片和直升机的螺旋桨差不多，它的使用寿命是10－15年，在工业时代，最重要留一个余量，这个余量是从平均值得到的，所有10－15年的寿命测算就是余量和平均值，这是工业时代的概念，因为你没办法知道某一款产品具体的寿命点是什么时候。现在安装了传感器，就能够监控每一片叶片，可以具体到每一片叶片知道什么时候可以换。以前利润率也不高，被装到哪里也不知道，但是现在有大数据之后，就可以无线联网，每一台风力发电机具体的运行情况、卖到了哪里、当地情况风力如何，等等，都可以知道，这样做市场就特别好做了，能够清楚准确地判断哪个市场风力特别多。

在过去，很多想都不敢想的事情，今天都可以去实现。奢侈品牌他们怎么设计专卖店呢？它们对于怎么摆放产品都非常讲究，比如在北京开一家专卖店，它们用1：1的模型做了4个，然后根据老板的经验来考虑。产品摆完之后好与不好，没人知道，完全凭经验来，Prada做了什么事情呢？在店面和试衣间加了一个传感器，就可以知道多少人试衣，如果很多人试完不买，那就是看上了，但衣服某些细节可能有问题。

Target，类似于沃尔玛，它不要光知道卖了多少，也要知道谁在买，然后可以汇总出不同阶段用户的购买习惯，预计你处在什么阶段，下一阶段可能需要什么，针对性给购物建议。美国人每个月底信用卡都要账单，所以购物后会留发票，然后对账，但是发票多的时候还是麻烦，它就说我寄给你邮箱核对。用户在不同的阶段买不一样的东西，比如孕妇测试是否怀孕，是否开始买婴儿用品，然后出生后买奶粉等，再根据你的需要推送优惠券。后来有一个男客户打电话来，很生气，说你们怎么寄来婴儿用品，后来商场就安慰他，一周后，商场打电话跟踪咨询后续情况，但是男客户说，他女儿真的怀孕了。

五、大数据的关键技术

为什么未来所有的公司都是数据公司呢？在大数据公司，我们能做什么，或者需要做什么呢？

1、数据的收集（无目的性、非结构化）

谷歌去收购了NEST，后者是一款智能家居产品软件，它采集了家庭行为数据等等，数据采集很重要，它一定要无目的性和非结构化，在不知不觉中采集下来。刻意收集的数据可能是不准的，比如问你喜吃什么，可能不好意思说你喜欢吃臭豆腐。一年前我和罗辑思维的罗振宇聊天，罗振宇说在机顶盒出来之前，央视是如何了解收视率的呢？就是发一些调查问卷，发现所谓很多主持人的收视率都被高估了，后来有了机顶盒的统计，就省力很多。

2、数据的存储

3、数据的表示、检索和随机访问

以前我们处理的数据：文本，很容易索引，数据量大了之后怎么检索，如图片、DNA片断？

4、数据的使用和挖掘

当你从沙子里能够挖出金子，这就是挑战，所以数据的使用和挖掘非常重要，谷哥40％工程师的日常工作就是数据的挖掘，有了数据，你才知道产品怎么改进。比如医疗数据，怎么能够把不知道的人的具体情况找出这个人，然后利用这个数据呢？

5、其它挑战：安全、隐私

数据还有一个挑战，就是泄露，数据的安全和隐私不能丢和损坏，这些都是挑战，这不只是法律的问题。

六、机器智能的鼎足三立

计算机不是思考，它是算，所以它要有思维模型，机器智能未来是三足鼎立：摩尔定律、大数据和数学模型。谷歌大脑其实就是人工神经网络，它做了一个热门的概念：深度学习。以前人工智能要几百个节点，但是人工神经网络是几万个节点。

谷歌可以用计算机回答问题，这恰好解决了图灵的问题。比如，你输入：天为什么是蓝色的？自然搜索前10条，可能只有2-3条有用，计算机的解决方案就是把互联网上所有网页拿来做语法分析，是每句话分析，这个数据处理量巨大），或者拼凑答案，东边一句话，西边几个词，将问题转化成大数据问题。谷歌可以用大数据来弥补这个信息的鸿沟。大数据不是说让它比人更聪明，而是按照机器自己的方式解决问题。

再来看自动驾驶汽车。2004年这个点为什么重要？麻省理工两位教授说看看计算机有哪些事情是它替代不了人的呢？想来想去就想了“开车
”这件事情，因为要眼观六路，耳听八方，比如车手舒尔赫就是手脑协调能力特别好。自动驾驶汽车，它不是当作智能问题，而是当作大数据问题，它是谷歌街景的延伸，它能够知道路况、红绿灯、堵不堵车、街道宽度、车速如何，一下子机器显得很聪明。后来，谷歌又做了一些改进，对突发性事件预测得更准确了，它没有刹车、油门，现在已经跑了几百万英里了，一共出了十次事故，都是人撞它，没有它撞别人的。

七、如何看待大数据将带来的变化？

如果未来的世界，智能机器无所不在，大家可能会疑惑一个问题：这到底会是机器人的世界还是人的世界？

几个月前，深圳说有一个完全的机器人工厂，那么原来的工人去哪里？富士康未来的工厂，很多工人也将被机器人替代。那么，人去哪？ 你以为，再就业就好。其实不是那么回事。你如果看英国整体工业发展，你会发现要消化这些人，让社会重新稳定，这需要几十年的时间（消灭这种变革带来的动荡是几十年的事），所以有当年的《雾都孤儿》。 在美国也类似，美国上世纪20年代的激烈社会矛盾就在于此。

大家认为生产线工人比较容易被波及，那么也来看看放射科医生，在美国，高中毕业后不能直接去读医学院，要先读4年本科，然后还要做医生训练，最后才能行医，年薪非常高，但是未来会怎样呢？未来放射科医生是机器，自动癌细胞识别，它的精确度比人还高，而且它不受情绪影响，它随时都很准。

再看一个类似的粒子，谷歌在2012年搞青少年比赛，以大数据为题目，得第一名的是一位18岁女生，她有200万份取样数据，最终成功率98%，比任何有经验的医生的结果都好。

未来的社会，连高大上的职业都会受到影响。在美国写一份好的专利报告，要收1万多美元，有时候为了打嬴一个专利，要花1亿美元，三星和苹果也打过专利官司，当时有一个案子比较小就和解了，后来就要求对方付一小部分的律师费用，那这一小部分是多少呢？1600万美元。苹果和三星两家光为打官司这几年就花了几亿美元。后来有一个人做了一个用自然语言处理器，搜寻了所有类似的官司案例，最后只花了10万美元解决了问题。可以想象，这个技术未来也会让很多律师的职位受到威胁。

那么未来的世界是怎样的世界？

机器人是不会控制人类的，但是制造智能机器的公司和人，其实是通过机器来控制人。就某种程度，你是不是在被腾讯给控制了？它们是这个机器时代的受益人，其它人怎么办？要么加入他们，相信这个未来，成为2％的人，要么你沦为反对者，成为98％的人，被2％的人控制，还记得占领华尔街运动吗？如果你是那98%，你的希望在哪里？反对有用吗？因为你是不被这个社会需要的人。

从美国的工资变化趋势看：在整个波澜壮阔的互联网时代，全社会总体上生活没什么改进的，只是其中2%的人获得了收益。中国未来不可能持续7%的增长，如果你不在前者，你只能拿着社会的平均工资水平。硅谷的房价一直在往上走，当然这和中国的土豪也有关系，他们用现金去买掉了30％的房子，然后其它的房子去了哪里？是给那些表现突出、财富优越的明星公司，整体房价都在拒绝平庸。

在大数据时代，你没有选择。互联网时代，什么东西都很快，久而久之，你就习惯用数据得到结果。任何一个搜索引擎，没什么差别，差别就在长尾效果，就是谁的数据量大以及数据模型，微软的Bing在什么时候发生巨大的飞跃呢？是在搜索雅虎之后，因为有了大量的内容。

Big data（大数据）的Big，是思维方式的变化，如果你处在这个社会的2％，你的财富积累会被这个社会快非常多。

在美国，医疗费用占据GDP的16％左右，这已经是美国社会无法负担的，所以美国要不断卖掉债券，这就是在预支未来，随着老龄化越来越逼近，医疗这个市场非常大。

在50年代的十年里，对疾病的诊断和治疗没有太大突破，所以大家准备换一个角度看这个问题；60年代，医学界和生物界希望发明一些药品，让人活得好一些，经过十年努力，人均寿命提升0.8年；于是，到了70年再换一个思路，就是少吃油腻、多做运动，这个时候人均的寿命提升3－5年，这个还是很大的差异。所以，大家发现，依靠医疗不是寿命提升最根本的解决方法。

当时，抗癌药的发明人想：“有没有发明一个万能药，把癌杀死？”其实癌细胞是我们自己的细胞，会自己复制和转移，错一次就会错第二次，不知道会复制成什么样子，我们看到得癌症的人，很经常一夜之间猝发，因为可能癌细胞在此发生变异，原来的药品无效了，所以，试图找万能药是做不到的。

如果有专门的医疗团队专门针对病员研制药品，这个倒是可以很好地治疗疾病，但这个要求研制速度够快，而且费用特别高，要10亿美元左右，乔布斯可以做到这块，但是他不信这个方法。

现在谷歌成立了一家公司，通过大数据来做医疗，可以使成本降低到每人10万美元。大数据的关键技术之一是收集数据，但数据不能光靠一个人完成收集，是需要非常多人的数据，通过好基因和坏基因进行比对，就可以提前进行修复。

大数据给我们社会带来的影响不仅仅是产业的变化和生意，对人类也是非常有帮助。大数据的思维就是未来细到每一个人、商品、交易，可以全面性拥有数据。一个酒吧老板发现，有24％的酒是被偷喝掉的，后来他在每一个酒瓶下贴3毛钱成本的传感器，能够接收“酒倒了多少”、“什么时候被拿”等信息，通过手机或者平板电脑都知道，每一笔交易业都清清楚楚，这就是大数据时代和思维的特点。

大数据，它也不只是电子商务，不仅仅是把商品放到网上去，它是整个生态链的改变。这个时代，你再去卖大件产品的时候，是看谁能拿到用户信息，谁能把服务做好。当IBM发现利润不断下滑的时候，它从原来卖硬件改成卖服务。GE（通用）为什么能做成百年老店？它也意识到大数据的价值。

董明珠和雷军的论战，其实更多像两个时代的对话，雷军的想法叫做互联网思维，董明珠是典型的工业时代思维，以严格管理的企业和别人打阵地战，其实，不妨换一个思维，就像空调的过滤器是要更换的，实际上，空调用五年下来，只要市场做得好，用户信息把握得好，然后教育客户过滤器的更换使用，也许过滤器利润要比空调高，正如小米的配件利润比手机还高。

最后我们总结下：摩尔定律带来IT的革命，互联网和摩尔定律带来大数据，大数据和摩尔定律导致机器智能，机器智能改变未来社会。要么成为这个时代的2％，要么成为这个时代的98％。

ps：转自CIO四海一家