在“黑天鹅”“灰犀牛”层出不穷的复杂时代，企业管理者如何培养和掌握应对复杂性挑战的能力？

近日，在北航企业家俱乐部、科创人、方云智能联合举办的数智未来私董会上，微软（中国）首席技术官韦青给出了自己的答案，字字珠玑，观点深刻，既有工科视角下的方法论、案例和工程体系探讨，亦有形而上的哲科思想交流。精彩观点分享给大家。

希望有人告诉你该怎么做，在我看来极其危险

现在，我们已经进入了一个复杂性时代的开端。由于互联网的发展，原来因信息垄断而产生的权益全部打碎。Misinformation和Disinformation变成最大的难题。我们应该思考如何确认我们听到的、学到的东西是真的，而不是任由他人背后有意识的误导你。

只有死过的公司才有资格真正活着，没有死过的公司就算成功大概率是幸存者偏差

案例分析有个特别大的问题，成功案例全部是幸存者偏差，大部分同类公司，可能死掉了，但我们并不知道。只有跌倒再站起来，并慢慢步入正轨，正面反面的证明才能说明你的方法是对的，否则大概率是因为运气。

承认自己什么也不知道，远好过以为自己知道

不知道可以学，做错可以改。如果从我知道和我一定对的角度去学习改正，在这种逻辑下去学习，很容易进入另外一种思维偏差。

身处复杂性时代要回到本源，不妨看看三四十年前那些大咖们写的论文

以前的论文有可能让你看到真东西，剩下的大部分都是咀嚼别人的剩饭。我们实际上咀嚼的是别人已经嚼完之后吐完的渣子，别人已经把精华全部吸收了。所以，为什么我们不主动看以前的论文。

最早的数字化，是把意思说准

文字、语言的重要性，在我看来是怎么形容都无法表达的。当我们在对数据、数字产生认知的时候，往往忽略语言作为人类沟通和成长本质的重要性。我觉得我们这代人要避免不去追本溯源，不遵循第一性原理。

我们要意识到语言作为人类沟通和成长本质的重要性

当计算机语言产生的时候，大咖们对计算机语言进行争论、探讨、交流和发展。他们每一个人都是哲学家，每一个人都是人类学家。为什么会这样？因为他们对于computer language都有着特别深刻的理解。

人们不在乎真相，人们只愿意听故事

现在世界上信息复杂繁多，我们其实根本不知道真相是什么，只是在听故事，而正是这些讲故事的人抓住了人的心理，不断对你说故事。但真相是什么呢？没人care。

第一性原理的本源是物理，可能还有数学

现在无论是多么先进的科技，都没有超出一百年前物理学的范畴。整个科学的大厦，全是一百多年前的根基。我个人认为，如果地基不重新打、不重新搭，楼就只能这么高，已经到了瓶颈。

我们是否可以通过优化思维逻辑，实现第二曲线的增长

我们进入了一个确定性消失的时代，或者叫复杂性科学的时代。在这种时代下，如果我们能够放下思维的局限，不要先判断对错，而是先去吸纳，但也不要照搬，我们才有可能用几年时间重新的优化和完善我们的思维范式。

不要让我们的终点成为别人的起点，疫情之后或许是更大“海啸”

永远不要忘记数字原生代的思维方式与我们是不一样的。他们出生在数字化变革的时代，我们所认为的创新对他们来讲是原生的。疫情之后或许是一个更大的海啸。这种recession不是悲观的，它很清晰，会让我们认识到所有原来没有认识到的。我们每个人做的工作其实都是让信息知识更加为大众所用，当然也为自己所用，让公司、个人的效率和先进性提高，那样你就能做出更加理性的决策，让公司和个人更能够走在时代前面。

一种真正的新科学，某种意义来讲就是第四范式

这个新科学是什么呢？某种意义来讲就是第四范式，是data追问的范式。我们所说的信息论，是信息的数学属性，哲学的数学。当我们从本源理解，物理学定律就是哲学的数学原理。而哲学是热爱知识的结果，是你喜欢知识然后研究出了知识。

现在是一个独行速、众行远的时代，时代的浪潮太大了，我不认为有任何个人或一间公司可以应对这种挑战

如果想要应对挑战、想要众行远，那么就要找一帮志同道合者。但志同道合其实很难，因为在整个的逻辑体系中，还缺少common sense。Common sense特别重要，因为只有让一群人相信同一件事，才有可能做成事情。要想把事情做成，公司上下必须意见统一，然后才能够产生合力。

以信息维度来看，工业是一次回本

我不认为现在叫做第四次工业革命。或许以物质和能量维度来看工业是第四次，但是如果以信息维度来看，则是一次回本。因为互联网、数字化、量子计算的应用使信息得到极大的发展，发挥它本来就应该发挥的作用。

人体内99%都是空的，只有一点点物质。我认为这是现在科技界和科学界正在研究的点，一旦产生突破，可能我们看到的很多现象，包括很多我们的愿景，都要改变，而这个未来已经在以一种目视可感的速度向我们靠近。

我个人最大的收获就是科学的方法和缜密的思维

无人区的一个特征就是谁都不知道该怎么做。而这样就产生了一个心理学上的暗示，如果理解了自己是在无人区，你会发现自己敢说不知道。微软的一些大咖也是一样，和他们开会很轻松，不用装，知道就是知道，不知道就是不知道，因为都在无人区。

过早的达到人生的顶峰，是一件很悲惨的事情

因为你余生全是在回味，活在过去。我认识的很多企业家都陷入这个局面，他现在用一种自嘲、自我麻醉的方式，用已经财富自由来安慰自己，但其实他已经达到了人生的顶峰了，对于这些创业者来说，游山玩水是满足不了他的雄心壮志。我个人认为，我们应当去摆脱思维偏差并借鉴一些真正的企业家，那些每一天境界都比前一天要高的企业家。

我们在原生话语体系中容易混淆science、technology和engineering

一般来说technology是一个什么都能涵盖的名词，science是指谋求新知，engineering是指把事情做到位。某种意义来讲，像SpaceX最伟大的不是取得巨大的突破，而是脚踏实地地实施engineering。我们经常容易迷信技术，但是技术不能当饭吃，因为技术还是要落地成工程实现。

技术的定位就是怎么做到既不会走得太快，又不会总跟在后面，这是有方法的

这种方法到底是什么？有点类似于不确定性，如果在不确定的情况下，怎样做出相对有概率回报的决策。还有一个理论是小马过河，就算过了河，也仅仅能证明你过了这条河，并不能证明之后就没有一条更宽的河，因为你进入了无人区，谁都不知道该怎么做。

那些所谓大咖级人物是怎么管理的？我觉得是勤奋努力，拥有最基本的系统思维以及批判精神

我们经常讨论卡脖子，追求弯道超车，但是能弯道超车的人，都是那些车技非常好、车况也非常好，偶尔因为别人驾驶操作不当落后了才会有机会弯道超车。那么如果你的车况不是那么好，也不具备最优的驾驶技能，应该怎么办？应该是换道，找自己的主战场。不要做梦你可以弯道超车，只有那些本来就厉害的人才能做到。许多似乎被我们弯道超车的赛道，其实是被人放弃了。

//end

导读

近日，韦青走进了“智聊室”栏目的直播间，与智次方·物联网智库创始人——物女皇彭昭聊了聊他的AIoT“拾光”，本文摘取了两位大咖对话中的部分精华内容。

亘古至今，中国人对于“十”这个数字一直有着超越一般量词的特殊情怀。古人认为十是数字完备的标志，所以其象征着极致与完美。同时，从一到十也是一个完整的轮回，所以人们一直以来都非常重视“十年”这个时间节点，视其为承前启后的关键。

时值2022年，正是智次方·物联网智库陪伴AIoT产业发展的第十年，我们全新策划了 《智聊室》访谈节目，并以“细说AIoT产业的‘拾’光”为主题，开始探寻AIoT产业发展的激荡十年。

回顾2012年至2022年的十年光景，在产业迅猛发展之下，AIoT领域内涌现出了一批又一批的新概念、新技术、新场景。最初，人们乐此不疲地在其中寻找下一个风口，而随着行业应用的逐渐深入，“新瓶装旧酒”的现象逐渐显现。这也就导致——当业内出现一个新概念时，人们总是执着于它的名词定义，反而忽略了对技术自身发展的判断。

微软中国CTO韦青一直强调自己工程师的身份，认为科学讲究的是探索，技术讲究的是创新，但在真正落地阶段的工程实践上，我们却经常被新概念所束缚，容易忽略实现过程的“系统性”和“实用性”特点。韦青直言，现在经常提的新概念，如物联网、人工智能、区块链、元宇宙等，真的那么新吗？其实大部分概念在二、三十年前前辈们写的论文中就已经定下来了，但为什么现在才流行呢？因为在那个时候无法高效地工程实现。

回顾韦青近三十年来的从业生涯，从事过桌面排版、嵌入式、通讯、操作系统、云计算、人工智能……见证了数字化技术在信息的各个发展阶段对人类社会进行的改造，经历了无数行业风口。他一边思考一边前行，是物联网产业的“拾遗者”。

近日，韦青走进了“智聊室”栏目的直播间，与智次方·物联网智库创始人——物女皇彭昭聊了聊他的AIoT“拾光”。

本文摘取了两位大咖对话中的部分精华内容。

向新概念提出“黄金三问”

彭昭：您一路走来见证了AIoT产业的发展历程，这期间出现了哪些令您印象深刻的行业风口，亦或是您观察到了行业内是否有一些“坑”，我们应该如何避免？

韦青：2012年前后，云计算开始普及，大家才更加清晰地认知到，我们需要的并不是计算前面的形容词，例如云、边缘等，而是需要无处不在的计算，也就是施乐公司帕洛阿托研究中心（PARC）的首席技术官马克·维瑟（Mark Weiser）早在上世纪九十年代初就提出的“Ubiquitous Computing”（无处不在的计算）。

而如果要实现“无处不在的计算”，就需要由机器在“无处不在”的地方产生信号与数据并进行安全可靠地传输、通讯，从而进行云计算以及基于机器学习、人工智能的数据洞察，最后，在应用端则需要Power BI、Tableau等可视化工具进行数据展现。同时，只有人做决策还不够，机器也需要随时随地地决策、响应，所以就出现了无刷电机这一类设备。

换言之，目前业内的关注重点已经从“用什么算”转向了“算什么”。这其实就是人们常说的 “黄金三问”——Why、How、What，一般人们会优先考虑What，从做什么到怎么做，然后再去想为什么做，但如果站在行业前瞻力的角度来思考的话，应该先想为什么，再想怎么做，最后才想做什么。当然，这个过程并没有对错之分，都是从不知慢慢延伸的循环迭代，这也是物联网多年来的发展过程。

这其实就又回到了马克·维瑟提出的“Ubiquitous Computing”概念，有人将其翻译为“普适计算”，有人翻译为“无处不在的计算”，我个人倾向于后者，因为这种凸显计算本身的说法更加能够提醒我们去思考——算什么、为什么算、算完之后干什么？

我们可以用树木的成长来类比技术应用——一项新技术的出现从名词概念的提出开始，就像把种子放到土地中一样，但如果没有合适的空气、阳光、水分，它是无法成长的，可能放入的时间过早，种子反而枯竭了。而恰恰是在合适的时间、地点，由合适的人将种子埋入土地，加之阳光雨露滋养，它才能够成长并且结果、落地。

同样地，当业内出现某一种新概念时，我们不要认为它就一定很新，有可能在几十年前就已经出现在了前辈的论文中。所以，当行业有新概念出现的时候，我觉得大家反而要冷静，要去思考“Why、How、What”。

一般大家只关注“How”和“What”，例如物联网、云计算、元宇宙，还没实现就有一堆专家出来解读了，但当深刻思考“Why、How、What”之后，可能会发现在“Why”的本质层面它没有太多变化，解决的仍然是几百年来人类一直想解决的新型人机关系问题，即让机器帮助人，做我们不愿意做的事情。

“能指”与“所指”

彭昭：目前，包括工业4.0和数字化转型在内的很多概念都是直接英译过来的，而面对元宇宙、AIoT这些概念，我们其实并没有对应的中文解读，所以想请您分享一下，您认为有哪些概念是需要正本清源、从原理出发重新进行梳理和解读的？

韦青：早在200年前，英国著名思想家与作家狄更斯就提出过“Tyranny Of Word”，也就是“语言的暴政”，之后著名哲学家约翰·穆勒又提出“Anarchy of Knowledge”，也就是“知识的无政府主义”。彼时正值第一次工业革命时期，人们“造”出了很多名词，从而造成概念的极度混淆。可以看出，“语言的暴政”其实是双向的，人们参与暴政制造概念，同时也在被概念反向暴政，造成了思维混淆。

后来，包括罗素、维特根斯坦、乔姆斯基、索绪尔在内的很多哲学家、经济学家都在强调语言的重要性，并且提出了语言作为符号对于人类社会产生的巨大影响。

如今，我们学计算机其实也是在学架构和计算机语言，而如果我们不能够理解人类语言在形成概念、表达思想与合作发展中的作用，就很难真正深刻地理解计算机语言的形成与发展。其实它们都是一种语言、一种符号，我们一定要把握住它的能指和所指——能指是一种符号，所指是本质。

软件工程学者杰拉尔德·温伯格在其《系统化思维导论》中分享了一个故事——如果把狗的尾巴称作腿，狗有几条腿？这个故事其实源自于林肯，他也曾烦恼于新名词、新概念，于是便提出了这样的问题，并给出了明确回答——还是四条腿。因为不管你把狗尾巴叫做什么，它还是狗尾巴，狗尾巴不会因为你叫它不同的名字而改变它的属性。

换言之，我们不应该过度关注名词概念，也就是能指，而是要考虑技术本身的属性，也就是所指。

不难发现，在我们目前的语境中，对于科学和技术说的比较多，却很少谈工程，但放眼全球，尤其是在文献中，人们一般是把科学和工程合在一起，例如，computer计算机，要么就是computer science，要么就是computer engineering，因为技术更多的是考虑创新，科学考虑的是对于未知世界的探索，而工程考虑的则是实现，这三者都非常重要，没有高下之分，但有具体适用场景的区别。

对中国而言，我们谈数字化转型，到底是转型还是市场改革、配置优化。也有人提出是改良主义，但其实改良、改革、转型都是一体的，都是在变革。被称为人工智能之父的司马贺(Herbert A. Simon) 曾说过，生物只要活着，就一定是变化的，所以每一个活物都是改革派，只不过改革的程度不一样。这其实也就回归到了 “第一性原理”，我们对于这个时代的特征是如何理解的，什么变了？什么没变？查理.芒格经常讲“Inverse always inverse”，即“永远反向思维”，也就是当我们提出要变、要转型时，要先明白什么不能变。

我们之前所讲的AIoT目前并没有一个准确的解读，也没有形成共识。但如何能够推动一个时代的发展和进步呢？以中国几十年的改革开放来看，起始于举国上下多数人的一个共同愿景，也就是大家的目的、行为与规则达成了一个阶段性的共识。

又比如在两千多年前，始皇帝实现了“书同文、车同轨、行同伦”，进而成就了中华文明大一统的底蕴。如今，当我们将物理空间映射到赛博空间或者数字空间时，物理空间的统一性，并不代表赛博空间统一性。当企业信息系统建设过于专注于应用，而没有在地基的层面将概念、语言、流程、制度统一的时候，就面临着类似于诸侯割据般的数据烟囱或数据墙，但这种表现为数据墙的现象本质是部门墙、概念墙、思想墙、思维方式墙等等。

数字化时代的“第一性原理”，就是要回归利用数据来表达物理空间“人-事-物”的本质，就是要在赛博空间内实现“书同文、车同轨、行同伦”，制定统一概念、标识、流程与相应的语言。换言之，对于业内一直在讲的打破烟囱、数据墙，如果我们将认知高度降低到“书同文、车同轨、行同伦”，那么这些痛点就变成了统一标识与术语，而不再只是表象上的烟囱。

彭昭：在您看来，我们该如何解决“语言的暴政”这类现象？

韦青：我觉得解决的逻辑比较简单，但实现起来很难，因为需要触及到既得利益者的地盘，不仅是技术的问题，更是人的问题。当然，无论是在技术行业还是管理行业，我们如果都能够意识到这个问题的根本，就已经解决一半了。

其次，我们并不是闭口不谈概念，而是要回归概念的本源，以业内常说的“新瓶装旧酒”为例，不仅内容是有新旧之分的，瓶子也有新旧的差别。瓶子是能指，也很重要，因为人类作为一种“智人”物种是会由概念与故事驱动的，这种概念与相应的符号就是能指。但是如果我们一味地被能指所引导，而不去理性的识别符号背后的所指，或者只靠发明名词来创新，就很容易进入“新瓶一定是好东西”的认知误区，然后买了很多装着旧酒的新瓶回家，好东西没拿回来，搬回一堆概念。实际上，不管是不是新瓶，我们要把真的好酒拿回来，所以我们不仅要判断事物的能指是新的还是旧的，更要看它的所指，也就是看瓶子里的酒的品质，放在技术的领域，就是要针对自身情况下有用的技术和工程实现手段。

我们现在处于一个很好的时代，大家都已经发现了统一的重要性。无论是物理世界还是信息世界，最初都要有一个能达成共识的基础架构，如果一开始就在名词定义和数据结构不统一的情况下冒然开始应用，到后期必然会发生彼此分裂、矛盾、对立的情况——说小了，是信息系统分崩离析；说大了，连一个组织机构都可能分崩离析。所以，在从物理空间转向赛博空间的关键点，每一个人都要极度重视名词的统一。

但现在不用太在乎什么是AI、元宇宙、物联网，关键是统一，也就是“书同文、车同轨、行同伦”，只有概念、名词和术语统一之后，我们才能搭建起一套逻辑完备的赛博空间，再去和物理空间相结合，这在我看来是AIoT的基础。

技术是“生长”出来的

彭昭：如果邀请您来对整个物联网产业进行划分，您觉得产业发展经历了几个阶段？以及您认为现在产业发展到了什么阶段？

韦青：智次方·物联网智库创立的2012年前后发生了计算范式的转变，同时也是物联网逐渐成熟的关键时期。凡事都有一个原模型，而关于物联网的原模型一定不是突然出现的，不是我们灵光乍现想出来的。

以我之前工作过的寻呼机领域为例，当时分为单向寻呼与双向寻呼，其信息传输准确度控制方法是从开环到带有反馈能力的闭环，那时已经形成遥测、遥控、遥感的概念和基于当时技术能力的工程实现，请问这种概念和实现方式与现在的物联网有何异同？其实，包括维纳、图灵、冯·诺伊曼、司马贺、钱学森先生、王选先生在内的前辈们，知道需要实现这种信息能力，也已形成原型概念，只是由于当时技术的局限性，而没有办法实现，大家可以去网上搜索一下这些前辈们论文中对未来世界的展望，对时代的变迁会有更加客观真实的体会。

回看物联网的发展，2012年前后，微软也推出了Azure云计算，就已经开始逐步实现各种物联网应用以及AIoT的愿景。同时，我坚信任何一项技术或平台，都是“生长”出来的，不是完全计划出来的。没有人会知道它到底长什么样，但是要有种子——这个种子就是痛点驱动、问题驱动、需求驱动。

就像刚才说的“遥控、遥测、遥感”，其实这颗种子早在几十年前就埋下了，但却无法完全实现。而随着云计算、无处不在的计算、通信网络的普及，实时的反馈链成为可能，成本也在逐步下降，我们正在一步一步地接近几十年前描绘的未来愿景。

这种愿景不是空泛的技术词汇堆砌，描述的是针对人类世界的真实痛点而产生的需求。比如人类需要的并不是物联网，需要的是由物联网而满足的某种需求，当人们不必强调我有一台物联网洗衣机或冰箱，只需要说我有一台洗衣机或冰箱，并默认这台洗衣机或冰箱必须具备因物联网而形成的某种能力时，我们就说我们进入了万物互联的时代。

尽管10年前我们已经称其为物联网了，但当时它先解决的是设备连接问题，因为当时的设备根本连不上来，所以需要一个安全、可靠、及时的连接；随后又衍生出了设备管理、固件升级等一系列问题。而当设备广泛连接后，又会产生大量数据需要进行计算、产生洞察和驱动进一步的决策执行。所以，看似是物联网，实则是与数据库、云计算、设备管理、数据分析、数据展现、数据应用、安全可靠等等密不可分，逐渐成长起来的万物互联。

可以说，所有的技术名词都是在技术出现之后而被赋予的名词术语，这些技术都是生长出来的，为其定义一个名字从而更好理解，没有任何一项技术是先有名字再去生长的。我们可以称其为有机的、活的技术，是一个复杂的适应性系统，其功能是一点一点根据内部与外部环境的变化生长出来的。

如今，物联网的作用跟军事领域C4ISR系统的性质是类似的。C4ISR系统指的就是指挥Command、控制Control、通信Communication、计算Compute、情报Intelligence、监视Surveillance、侦察Reconnaissance7个子系统。

如盲人摸象一般感知这个时代

韦青：在这个技术时代，我们所有人都是盲人，都在摸象，有人摸的是虚拟空间、有人摸的是物理空间、有人专注于整合。我们只有通过做中学、学中做，不断地探索与实践，像盲人摸象一样集众力越摸越像，才能渐渐知道这是一个怎样的时代。

其实业内人士不用太关注于技术的名词术语，重点不是它叫什么，而是大家基于一种概念的共识而取一个大家公认的词汇，其目的是利于沟通交流，形成众力。如果只为求新求异，显得与众不同，创造出一个无法在“所指”含义上达成共识的“能指”，那么还是各自为战，形成不了高效的全社会生产力。

我认为物联网发展的难处首先是概念太多，业内人士自己都没有明确概念的外延与内涵，没有去理解名词的本质；其次是忽略短板效应，这是与片面追求概念名词的先进性相辅相成的。物联网不仅仅是技术概念，更多的是工程实践。而工程实践是一个复杂的巨系统工程，要兼顾长板与短板，尤其注重弥补短板，要在最有效的成本和时间投入上进行使用、升级、换代、兼容、维护。

但问题是弥补短板要花费很多显示不出来的精力与资源，如果不能够在制度与评估方面鼓励弥补短板的行为，基于人性的本质，大家会蜂拥而上打造高大上的长板，也就是炫酷的展示能力。如果形成这种局面，最好祈祷有人愿意默默无闻地弥补短板，否则努力打造出来的漂亮水桶盛不了多少水。

物联网与人类发明的其它技术一样，其目的是为人类的福祉服务，是“以人为本”的。我们以智慧城市为例，刘易斯·芒福德曾经写过一本书叫《技术与文明》，他提出，城市应该“为爱人和朋友”而建，而不是为了机器而建，更不是为了技术的先进性而建。

目前有很多智慧城市建设项目最终都不了了之，为什么？老百姓不喜欢、不习惯。不是建设的不先进，而是欠缺人的烟火气。其实人的基本需求没有那么高，就是“风调雨顺、丰衣足食”，物联网恰恰是最能够在以上几方面起到切实作用的技术集合。

如果能够在项目初期，以系统工程的方法，认真了解与确认项目各个利益相关方的需求，比如项目管理方、投资方、宣传方、受益方、建设方、评估方、运营方、维护方等等的多维度需求，尤其重视人性的作用，努力达成各个利益相关方的利益共识，充分利用数字化技术的特点，在工程实现的每一个阶段，都埋入数据采集点来试试评估落实多方利益平衡点，这就是我们所谓的以人为本的技术。

以一个城市来讲，有技术提供方、市政管理人员、市政维护人员，还有最重要的是老百姓，不应只关注某一个单方面。例如，当智慧城市建成后，如果没有培训市民如何使用智慧化设施、没有足够的人员进行维护、也没有足够的人员进行技术更新，整个智慧城市都将成为摆设。所以，这是我认为AIoT在落地过程中最容易遇到的问题。

以微软的架构来讲，无处不在的计算、无处不在的智能与以人为本的技术这三项是合一的，其底层是云计算、边缘计算、人工智能、数据展现等基础技术。这也与马克·维瑟（Mark Weiser）在提出“无处不在的计算”时所讲的观点不谋而合——人类社会未来的发展目标就是要让具有计算能力的设备无处不在而又消失于无形，“伟大的技术都是看不见的技术”。所以，当我们现在口口声声说AIoT的时候，还远没有到AIoT时代。

换言之，能够用起来的技术最终都是消失于无形的技术。就像百年前，在早期的电气时代，人们认为电就是用来点亮灯泡的，当时的人们是无法想象现在每一个家庭、每一个工厂、每一间公司的墙壁里都不为人们所察觉的布满具有上百伏电压的电线，可以说我们现代人的所有生活方式，都正在被无数根普通到没有人关注的电线所成就。

所以，对于AIoT而言，其发展应当如电力时代一样，当我们不谈怎么发电了，也不谈我的工具是用电来驱动，只谈使用由电驱动的工具来做什么事情，我们就进入了一个真正的由技术赋能的新时代。回归本源，我们变成了背后的默默赋能者，就像现在的电力行业一样，人们习惯了有电，也不会因为有电而惊叹，做物联网也一样，不需要因为物联网应用而惊奇，但会被没有物联网而诟病，这才是真正到达了那个时代，我们正在为进入那个时代而努力。

希望10年后，我们不用再提数字化、不用再提信息化、也不用再提智能化，它们已经“消失”在我们日常生活中的衣食住行，所有这一切都是由机器所赋能的。

彭昭：其实大家都在畅想美好的未来，从10年前我们就开始观察、陪伴这个行业。10年前听到物联网这个词的时候觉得特别兴奋，感觉三五年之后物联网就能够马上实现，但就像您刚才说的，大家是在盲人摸象，在这个过程中，也能够感觉到这个行业确实有很大的变化。但是我认为和我当时在10年前设想的那个时代还是相差很远的，您认为当前物联网的发展速度和您当时判断的一致吗？如果我们现在想加速，应该做些什么？

韦青：我认为首先需要承认我们每个人都有我们先天的思维误区，这不可怕，也不会显得人类无能。恰恰相反，如果我们能够迎合时代的变化而改革我们的思维方式，正好证明了人类作为有机体所具备的学习能力和相应的适应能力。这是有机体“活着”的表现，是人类在进化过程中为了更好地生存演变出来的生存之道。认识到我们思维能力的不足并采取相应的行动是应对这个巨变时代的生存之道。

时代变了，帮助人类工具能力在不断进步，从工业时代早期的机械力，发展到信息时代的计算力，也造成人类由《思考快与慢》一书中讲解的系统一与系统二所形成的认知偏差，从提高人类的生存能力变成降低人类的生存能力。这就需要我们改革我们的思维范式，拥抱系统化思维，真正认识到技术也是生长出来的，不要以主观想象的方式去寻求答案，要通过实践、通过顺应不断的变化去找到有时间与空间约束的暂时解决方案，再以循环迭代的方式不断优化改革已经过时的方案。

被彼得·德鲁克极为推崇的大思想家罗素·艾可夫早在上一世纪末就指出以古登堡印刷机的普及而启动的启蒙运动与科学革命和后来以工业革命为代表的机器时代已经结束，人类即将进入的是一轮同样以信息的解放而打开的一个新时代，我们可以称其为系统化的时代，或信息化的时代，当然最终可能会迈入智能化的时代。

同样的，命名这个时代是什么为时尚早，关键要理解这是又一轮因信息的解放而开启的时代。与六百年前古登堡印刷机的作用相似，只不过这次是由数字化技术造就的又一轮信息能力的飞跃。现在刚刚打开一道门缝，先不要急于宣告这是什么时代，但大概率下称之为第四次工业革命似乎过于狭隘和短视。

对物联网而言，我们也要认识到它是这个时代的一个过程，不是前无古人，也不是后无来者。因此在这个过程中，不必好高骛远，每一个发展阶段都应该让物联网“有用”，成为时代技术进步的承载物，承前启后，不断激发下一个成长出来而现在还无法预见的技术和应用。

我认为现在的物联网有一个潜在的隐忧，就是我们常常会混淆“有技术”与“用技术”，“有”和“用”是两个概念，但“有”不等同就能“用得起来”。例如，我们的智能手机都有非常丰富的功能和强大的算力，但是我们真正用到了多少呢？再比如，去年登上火星的火星车毅力号内置的PowerPC 750处理器与1998年G3 iMac使用的芯片的结构是同款的。NASA用不起一个最新的芯片吗？显然不可能。主要是因为这颗芯片稳定可靠，而且可以抗宇宙射线。所以，登上火星到底是依靠最先进的技术，还是需要把技术用足了？

回顾马克·维瑟（Mark Weiser）所讲的“伟大的技术都是看不见的技术”，我将其翻译为“上善若水，水善利万物而不争”，即我们用水和空气赋能人类生命力，物联网其实也是一样，我们要努力做通讯、传感、计算、存储、展现、应用，但我们要赋能的是看不见的、最基本的衣食住行。

物联网是人类社会发展的一个重要的过程，但它的终极使命比字面意义广阔得多。我的个人解读是：它是一个机器的“世界操作系统”，与人体的“操作系统”相配合，由机器助力人类的“感知、通信、存储、计算、行动、反馈”，为全人类福祉做贡献，循环往复，永不言倦。

同时，我也认为，我们正处于一个百年不遇的关键节点，面向技术赋能社会的数字化时代，我们可以共同为时代的进步贡献自己的力量，我们也特别幸运能够见证这个伟大的时代。

彭昭：感谢您为我们梳理了从十年前到现在以及未来十年的物联网发展历程，我也非常期待在十年之后，我们已经走出技术的术语轰炸的怪圈，而是进入用新技术赋能衣食住行的新状态。

首先我想强调的是，下面所交流的内容都是实证之后的经验总结，其实与其说是经验，倒不如说更多是教训。在巨变的时代，在确定性消失的时代，从错误中习得的知识，远大过从成功中习得的知识。

同时还要说明一点，下面交流的内容远远没有能够上升到理论的高度，是在不断摸索中对所有固有思路、经验和流程的重新审视，是我个人和我的同事们共同与客户、合作伙伴在实践中的一些体会。

我们在实践中发现这个时代已经没有所谓的大师、专家，大家都是在无人区内的实践者。说它是无人区，是因为这是一个全人类从来没有面临过的时代。

所有已知的经验或者理论，如果未经重新审视与验证，已经无法默认能够作为现在的行事指南，这大概就是人们所说的百年一遇，甚至千年一遇的大变革吧。

当在说我们进行的是数字化转型或者第四次工业革命时，要小心我们是不是有可能把这个即将来临的时代的范畴说得略微狭窄了。从种种实践中迹象表明，虽然说我们的确是在用数字化技术改造我们的一切，但它不仅仅是技术的，也是社会的、商业的和人文的，它更像是一场以数字化技术赋能的改革。

虽然这场改革是由数字化技术而推动，但真正起作用的是电子化信息，关于信息被电子化之后对于人类社会产生的巨大影响已经在五、六十年前被马歇尔·麦克卢汉、尼尔·波兹曼和他那个时代的思想家与科学家们做过深刻的讨论，信息的电子化所产生的效果已经可以比拟于六百年前古登堡印刷机的出现对于信息和信息所承载的人类知识的效果。

我们已经知道那一次信息技术的进步对人类社会产生的巨大影响，那么这一次到底是以工业时代的视角而言的第四次工业革命呢，还是因信息革命而造成的又一场复兴与启蒙运动呢？如果无法肯定地回答，倒不如把它称作是一个未知的时代，因为如果想在一个未知的状况下获得新的知识，我们只有通过做中学、学中做，不断地探索与实践，像盲人摸象一样集众力越摸越像，才能渐渐知道这是一个怎样的时代。

同时又要靠小马过河的方式，自己下水去实证，不能道听途说。每个人都有自己的体验、自己的成长路径，其他人的经验对自己会有借鉴意义，但“尽信书不如无书”，今天介绍的内容不是答案，其作用是提出问题，帮助我们回归“第一性原理”，从而走出一条适合自身特色的发展道路。我觉得这才是这个时代的特征，也是我希望和所有实践者共同走的一条道路。

如果不能本着盲人摸象的愿景去摸索，不能像小马过河一样实干实操，在这个巨变的时代大概率会走很多弯路。

在实践过程中我们自己就走过很多弯路，有时也会因为过于强调技术的先进性而忽略了技术是以人为本，为人所用的。比如在描述技术的应用时，我们习惯于说我们需要“有用的技术”，但是中文博大精深，“有用的技术”实际上指称的是两个层次的状态，先是“有”，然后是“用”。但有“有”不等同就能“用得起来”，“用得起来”也不能够自动等同于“用得好”。

我们在应用技术帮助我们的合作伙伴和客户时，就是在让大家“拥有”能够“用得起来”的技术，然后通过不断的学习、迭代，最终能够“用得好”已经拥有的技术。这说起来容易，实际做起来是非常困难的。

曾经有一位前辈跟我讲“真正用起来的技术都不是高科技”，就是说当一个技术能够为大众所用时，很神奇的技术就已经平民化了，这种平民化的技术才是对社会真正有冲击性的技术。

我在后面会介绍，能够用起来的技术最终都是消失于无形的技术，百年前在电气时代的早期，人们认为电就是用来点亮灯泡的，当时的人们是无法想象现在每一个家庭、每一个工厂、每一间公司的墙壁里都不为人们所察觉的布满具有上百伏电压的电线，其中流动的电流正在默默无闻而又无时无刻不在驱动着我们的时代。

好，下面进入主题——《狗尾巴的故事 — 数智时代的第一性原理》。

通常来说搞 IT 的人做事情都要先有一个约束前提，所以开始分享之前先把时代特征做一个约束。下图中的这段话源自戏曲《阿卡迪亚》（图1)，是我特别喜欢的一句话，无独有偶，这段话也放在了现在很流行的书《主权个人》的封面上。

图1

这句话的基本观点是不要简单地认为现在进入了第四次工业革命、进入了伟大的时代。现在是一个巨变的时代，按照预言了地球村和互联网时代来临的麦克卢汉那个时代的思想家和科学家的说法，信息的电子化开启一个全新的时代，这种全新的程度类似于六百年前古登堡印刷机的流行所引发的一系列社会发展进程，其中包括文艺复兴、宗教改革、启蒙运动、科学革命以及后来的工业革命。信息的力量是巨大的，它既可以是能力，也可以是权力，使用不当，还可以是暴力。

经过电子化之后的信息，或者说经过数字化之后的信息，它的实时传播能力和对物质与精神世界的巨大影响有可能促使整个人类社会进入一个再次复兴与启蒙的时代，其结果有可能远大过工业时代所理解的工业革命。

就像现在人类已经知道宇宙的构成要素包括物质、能量和信息，在农业社会人们关注的更多是物质，到了工业社会人们开始理解到能量的力量以及能量与物质的互相转化，那么再加上信息之后，大概率事件我们不会停留在工业社会。其实过去的几十年已经不断有所谓的后工业时代、后现代的概念，信息开始成为与物质和能量等同的宇宙构成之后，人类社会很有可能即将进入的是一个智能时代。它会很伟大，但是在伟大之前，要去探索，就像几百年前人类进入科学时代。

人类社会的发展始终伴随着人类与机器或者工具共同发展的历程，现在的机器能力解决的不只是人类的四肢力问题，还开始帮助人类解决一些我们并不擅长的重复计算问题，或许可以这么讲，我们即将进入的是一个“数智时代”，是一个机器利用数据来帮助人类的时代。

“数智时代”的含义不像其名词表面那么简单，是有来历的，源自后面会详细介绍的 DIKW 信息论金字塔。在实践中，我们常常过于关注表面如浮云般的名词，这些新概念是新酒装在新瓶中，还是旧酒装在新瓶中，或者是本来是新酒，无所谓瓶子长什么样，这会影响我们对事物发展的判断、投入与回报。

科学讲究的是探索，技术讲究的创新，但真正落到工程实践上，我们却经常被新概念所束缚。比如，利用“概念验证”(POC)来表现出技术的先进性，虽然不容易，但不是最难的；最难的是以最高的效率、成本优势以及可使用性、可重复性、可维护性、可升级性和可持续性的工程方法实现。

在这个思路下，不妨借鉴一下百年前发生的事情。现在经常提的新概念，如物联网、人工智能、区块链、元宇宙等，真的那么新吗？其实大部分概念在二三十年前，前辈们写的论文中就已经定下来了，但为什么现在才流行呢？因为在那个时候工程无法实现。比如现在很火的元宇宙，今年是发明了“元宇宙 Metaverse”和“阿凡达 Avatar”名词的科幻小说《雪崩》出版 30 周年纪念年，在微软 CEO 萨提亚的书《刷新》中就提到 1992 年出版的《雪崩》和《镜像世界》两本科幻小说在当时让好多工程师兴奋不已，很多人就因为看了这两本书之后，坚定不移地加入计算机产业，并为之奋斗终身。努力了近 30 年之后，才开始被大众所谈论。

以电气时代的百年史为例，在百年前有科学家、工程师非常兴奋地说电是伟大的，电网建立后可以做任何事情，但这里任何事情指的是“点亮灯泡”。仔细想想，这跟现在非常相似，很多概念被提出来，但大部分是以技术的形态出现，其应用领域还很狭隘，无论被称作互联网、物联网、区块链、人工智能还是元宇宙，有可能仅仅是百年前那盏“灯泡”。

不是说互联网、人工智能或元宇宙话语体系下的“灯泡”不伟大，只是都没有脱离人类现有思维范式的束缚，还没有将关注点从纯粹的技术术语转向由新技术赋能、跟人类生活息息相关的“衣、食、住、行”，这是技术提升人类福祉的终极目标。

图中的这个设备是百年前的电烤面包机（图2），它的插头像一个灯头，因为那时候的科学家、工程师能够畅想电的好处的终极目标就是点亮灯泡。当时对于电力的最大争议是“交流直流之战”。争的就是怎么发电，怎么输电。

图2

随着人类对于电的应用潜力认识越来越丰富，终于发现电不止用于点灯，还可以做很多需要利用能源来完成的事情，比如用电加热电热丝来烤面包，比如用电驱动马达来洗衣服。但是当时的“现代化”家庭至多设计安装了用于照明的灯座，不像现在有随处可用的墙上电插座。人们只好将电烤面包机或者洗衣机的插头设计为灯头形状插在灯座上，结果就是点了灯就不能洗衣，洗衣就不能点灯，明明可以全天候的工作只能在白天做。

那么之后我们的前辈们就想清楚未来的伟大而产生真正的远见吗？后来又有“伟大”的工程师出现，在灯头上设计了插座和开关（图3），但仍然没有随处可见的墙上插座。我认为这个大概可以比拟成当下类似于 web 3.0、元宇宙概念满天飞的时代，不是不好，而是局限，还没有理解到智能时代等同于“电力”的计算力使用是无时、无刻、无处不在的，是不需要被关注的。

图3

其实真正伟大的技术，如在上世纪九十年代初就提出了“无处不在的计算 Ubiquitous Computing”的施乐公司帕洛阿托研究中心（PARC）的首席技术官马克·维瑟（Mark Weiser）所言，都是看不见的技术，不需要被关注，只需要被使用。

后来有了插座，再后来又开始有了网络，接着人类正式进入电气化的时代，有了“电”视和“电子”计算机，墙上开始装了有线电视和有线网络插座无线网（如图4中间插座）。但是这种插座仅仅十多年就没有用了，因为大家都用无线网络了。直到现在像一个轮回，在“交流直流之战”百年后，我们回到了交流和 USB 5V 直流共存的时代。

图4

因此，当我们还在大谈技术术语的时候，大概率还没有摸到这个技术所赋能的本质。有什么样的征兆可以让我们知道技术已经为人所用了呢？就跟电力时代一样，当我们不谈怎么发电了，也不谈我的工具是用电来驱动，只谈使用由电驱动的工具来做什么事情，我们就进入了一个真正的由技术赋能的新时代。这时候谈什么呢？人们会在言语中默认具有时代特色的技术是泛在的，也就是无处不在的，是消失于无形的，大家谈的只是人类的“衣、食、住、行”和人类的“工作、生活、学习、娱乐”。

技术一定是拿来用的，是用来提高人类生活的，在机器学习的应用时代，工程师们思考的是拿算法来做什么，帮助人类解决什么问题，而不是想着比赛最先进的算法超越多少人，这时候人类可能就真正进入新时代了。

包括现在的电动汽车，其实最早的时候汽车就是电动的，但是为什么没有普及呢？就是因为工程实现不够高效，成本不够具备优势，不够方便，但是一旦技术发展到一定程度，能够被工程实现，自然就转变了。这其中是技术进步了，还是技术所赋能的生活场景变成可以实现了呢？这是一个问题供大家思考。

历史上已经出现过，大家信誓旦旦地说当时的技术很先进，结果从今天的视角来看并不是这样，刚刚讲的“电灯泡的故事”是供我们所有人思考，不要让未来的人嘲笑我们说“我们的前辈当时看着很牛，但是目光短浅，还特别会发明新名词，没有认真思考与实践先进的技术到底可以为人类带来什么样的福祉”。

上下文

刚才说了软件工程师做事情首先需要明确约束前提，这样才可以被认为有完备的行事逻辑，这种约束前提也叫上下文。但是现实中，又很少人愿意坚持遵循“因人、因时、因地…”制宜的方法，很容易陷入照搬教条的窘境。就好像有人说这个时代流行一种病，每个人都会得。但是在不同的时间和成熟度阶段，并不是每个人都得同样的病，因而也不可能所有人都吃一种药。就算每个人可能最终都会得的某种疾病，在不同阶段也有不同症状和需求，原因不同、阶段不同、形式不同、程度不同，不可能用同一个方法解决。

数字化转型也是一样的，有些企业刚开始并不需要做特别高大上的数字化转型，可能只是把公司内部的名词术语统一，把数据清理出来就可以了。但是，很多企业没做这些最基本的工作，一上来就做数据驱动、人工智能，反而会耽误时间。

破题

本次分享的标题有背后的故事。首先要破概念，我们真的不能再追概念了，要回到第一性本源，要回到数学，回到算法，甚至回到最早的信号处理，自动化原理。傅里叶变换、PID、LQR 等如果能够用起来，反而能够解决当下的问题，同时能够为未来更好地利用机器学习做准备。

软件工程学者杰拉尔德·温伯格写了一本历久弥新的《系统化思维导论》，其中有一个故事——如果把狗的尾巴称作腿，狗有几条腿？据说这个故事源自于林肯。林肯认为人类天天造新概念有什么意义呢？与其说天天追新概念，还不如先明确哪些是变的哪些是不变的。

据说他有一次也很烦恼，可能也是有人在问他类似于“元宇宙是什么？”、“web3.0是什么？”、“区块链是什么？”、“NFT是什么？”之类的问题，他就反问对方：“如果把一条狗的尾巴叫成腿，那么这条狗有几条腿？”，据说当事人小心翼翼又不十分确定地回答说：“五条腿？”，林肯斩钉截铁地回答道：“不！还是四条腿。”不管你把狗尾巴叫做什么，它还是狗尾巴，狗尾巴不会因为你叫它不同的名字而改变它的属性。

这个故事与我们现在的情况很相像。当然这不是新的现象，人类历史上这是一个永恒的争论话题，就像中国历史上有关“离坚白，合同异”之争类似，一百多年前的林肯时期出现过，三、四十年前当电子信息、计算机和通讯技术发展的时候也出现过。

我们的目标是尽量不要被后人说我们还是这种情况，但很不幸现在这是普遍现象。当下的趋势似乎是谁会说更多新概念谁就更厉害，尤其以说别人听不懂的新概念为至上心法。我们要警醒，“不是什么”和“你认为这是什么”或许更重要，更能帮助到我们。

能指 <—> 所指

人类发明并使用计算机语言来推动计算机做人类想让计算机做的事情，那么语言的本质是什么呢？中华文明有“仓颉造字”的故事，据说仓颉造字后“天雨栗，鬼神哭”，意思是说粟米像雨一样从天而降，鬼害怕的在夜里哭，形容造字是非常重大的事件。

同样的，在西方，人类发明语言之后出现了巴别塔的故事，语言比我们想象中深刻得多，它永远是第一位的，它也是人类包括机器能够理解的最本源的东西。现在人们对语言不是很讲究，随便拿来就用。

举个例子，我原来做产品经理时，分类学和命名法是必修课。在软件行业，无论是什么调研，对程序员来讲，如何给计算机程序中使用的变量命名永远是排在首位的难点。

这种学问可以一直回溯到林奈分类法的时代，比如 Domain Kingdom Phylum Class Order Family Genus Species，当了解其来历后就会更清晰的理解这些名词之后所代表的逻辑。“Kingdom ”大家可能知道有 Animal Kingdom， 它是“动物王国”的意思吗？不是，理解它来历就知道它是“动物界”的意思，在生物两界系统划分方法中对应的是植物界。

所以“Domain Kingdom Phylum Class Order Family Genus Species”原意是“域界门纲目科属种”（图5）。这些看似无关，但是对于体会由英文翻译过来的计算机术语有莫大的帮助，在计算机领域常用的 Domain 和 Class 的原始初衷就源于此。

图5

微软全球 CTO Kevin Scott 最近采访了《当下的启蒙》的作者史蒂芬·平克，平克出版的新书《理性》中专门强调语言和理性的作用。书中认为人类对于信息，尤其错误信息、片面信息、伪造信息的盲目认同，不加思索地认知，已经造成很大的影响。作为技术人员要扪心自问，我们会不会对于一些新的技术概念也在盲目认知，这会影响人类社会的发展。所以，今天讲的是三段论——想清楚、说明白、做得到，三者缺一不可。其中的逻辑思维、理性思维、实践论、矛盾论缺一不可。

想清楚

首先要知道这个时代的特征，这是个复杂性的时代。21世纪复杂性科学将会是一个重要的学科，包括系统论、混沌原理、分型、涌现、融合、协同理论等等。这其中我将介绍一下原 IBM 的科学家斯诺登提出的肯尼芬框架（Cynefin Framework），这个框架讲的就是针对简单→繁复→复杂→混沌的不同复杂性程度而建议采取的不同应对方法。

在简单和繁杂状态下，虽然其复杂度略有不同，但起码还是有原来的经验可做依托进行决策；到了复杂的阶段，已经没有陈规可循，需要不断小步尝试，慢慢摸索出新的方法，这种被称为探针(probe)的复杂环境应对方法，恰恰是数字化技术帮助人类应对复杂性挑战的本意。

微软有一个被俗称为“蝴蝶图”的数字化反馈链框架（图6），就是利用数字化技术，无论是用于办公的计算机，还是各种传感器，针对人类社会系统的每一个“人、事、物”单元嵌入数据采集点，在这种情况下，一台计算机或者手机，也可等价为一个传感器。以一个企业为例，通过数字化技术实现的数据“生成-采集-传输-存储-计算-应用”功能可以被内嵌至企业的员工、客户、产品和经营流程的每一个管理节点，由于硅基传感器和电子信息通讯的特征，这种系统可以随时随地不断产生与分析数据，这种计算而得的数据洞察，就可以帮助人类进行高效与技术的决策与行动。

图6

根据各类决策机制对于决策时效性、准确性与安全性的不同要求，就可以设计出不同成本结构的数字化信息系统，强化人类的生存能力。

以管理学为例，现代工业时代的管理学大致经历了以下几个阶段：一百多年前泰勒的科学管理法，是以简单的测量和线性计算管理工人、生产线，到后来彼得·德鲁克提出了针对 Knowledge Worker（知识工作者）的管理范式，上一世纪末，彼得·圣吉的《第五项修炼》和戴夫·斯诺登的肯尼芬框架，开始把复杂系统放在其中进行管理。通过这些方法让我们在不确定时代中，用相对确定的手段，用探索的方式，以可接受的成本和安全性，解决复杂性问题。

复杂性管理的核心理念是复杂适应性系统（Complex Adaptive System）前提下的学习能力。现在机器学习方法正在普及，人类也可以借鉴机器学习的方法。

例如，机器学习为了避免过早陷入本地最优解而错失全局最优解，它在算法参数初始化时尽量利用概率分布，尽量不让它在一开始就有明显特征，目的就是为了尽量避免在优化过程中过早停留在本地最优解，从而以最大可能性找到全局最优解。如果进入复杂性时代，大概率不会一开始就能知道答案在哪个方向，如果不能广泛的试错，很可能很快找到在个人与组织舒适圈内的最优解，这很有可能只是本地最优解，这往往离变革的初心相去甚远。

从一线的实践过程中我总结了一个“三错法”——认错、知错、改错，它与最小可行性产品（Minimum Viable Product，MVP）方法相结合，可作为依托于复杂性时代管理理论之下的的具体工程方法。当你知道复杂社会的特征之后，首先要承认做任何事情都会犯错，错并不稀奇，无论怎样精心计划，在复杂性年代，错误一定会出现，关键是能否尽快改错。

因此，复杂性时代做事的默认评估就是一开始一定出错，也就是一开始就认错，然后尽量放下害怕犯错的负面心理暗示，先在心理上坦然接受自己即将出错的默认状态，迅速将有限精力专注于如何最快知错和高效改错，借鉴肯尼芬框架针对复杂和混沌状态的应对方法，着重行动力，少些空谈空想，也不能完全不带批判思维的照抄照搬，在学中做，做中学，知错-改错不断地循环迭代，这是软件工程的 MVP方法，也是自动控制工程的 PID 方法，也与肯尼芬框架中试探后再行动的方法不谋而合，而以数字化技术表现出来的信息化能力，恰好是最能够帮助人类实现知错-改错的高效工具，也属于系统论、控制论和信息论的范畴。

要实现想清楚的目标，就需要认真的去想，这看似一句废话，但实际上当我们特别热衷于名词的创新时，就要小心我们是否真的认真想过新旧概念的异同。上个世纪，我国以钱学森先生为代表的科学家们，提出了系统论（老三论）的观点，其中包括系统论、控制论、信息论，不过要澄清一下，钱老当时并不赞成老三论的提法，就是系统论，只不过是更为复杂的复杂巨系统论。

另外香农的信息论只覆盖了信息的通讯理论，他在《通讯的数学理论》论文中明确表示他的理论不包含对于信息含义的研究，这一点很重要，因为对于信息含义的研究需要参考罗素、索维尔、乔姆斯基、麦克卢汉等学者对于信息、语言和符号以及相应的口语、书面和数字化表现方式的研究成果。从信息内容的作用而言，信息是一把非常锋利的双刃剑，既可救人，也可杀人；可以使大家齐心协力努力前行，也可以使群体成为“乌合之众“，有兴趣的读者可以继续深入研究。

现在所有跟计算机相关的理论，都没有跳出所谓广义的“老三论”范畴，包括机器学习的范式，与其说是人工智能，还不如说是又回到了控制论。

人们一直在说 1956 年的达特茅斯会议，殊不知之前的梅西会议上，控制论创始人诺伯特·维纳等科学家早已把人工智能的框架搭建起来，只不过他们不认为这种技术可以被称为人工智能，当时有一种说法，还是AI，只不过是 Automation Of Intelligence，意思是“智能的自动化”，而不是人工智能，这些技术的演绎史，都值得我们深思。

谈到系统论，自从贝塔朗菲提出一般系统论思想的近百年来，系统论已经从早期的系统整体性、协调性、有序性、目的性、连接性等一般系统观，发展到现在包括涌现、融合、协同、突变、混沌等概念与应用的复杂系统观，也是钱学森先生一直强调的复杂巨系统理论。

其中应对现实生活中复杂变化的重要观点就是要关注短板效应，即不仅要关注技术的先进性，也要关注工程实现的实用性，如果只是片面追求所谓的新技术，而在工程实现上做不到成本、效率、应用、体验、维护、更新、换代的综合考虑，就像水桶容量不由最长板决定，而是由最短板漏水的程度而决定，那么技术再好，没有系统工程的实现也是徒劳。

香农的信息论作用也很大，现在机器学习中损失函数的评估就是香农信息论的具体应用。工程界一直在用的诸如傅里叶变换、拉普拉斯变换、SVM、CNN 也都是很早就有了，只不过现在应用更加广泛。如果把线性代数、微积分等数学知识学好了，就会发现目前机器学习的思想并没有超出这些范畴。

并不是说机器学习不先进，它们在工程实现方面很先进，但是其基础科学理论在几十年前就已经成型，只不过随着计算能力的提高和数据量的增加，现在更容易以工程的方法实现原来实现不了的目标。再比如，钱学森先生的《工程控制论》中将控制论工程化，早在上一世纪五十年代就风靡全球，至今仍然指导着自动控制与优化工程领域的实践。

北大王选教授那一代科学家们早就知道芯片、计算机语言、操作系统三位一体方能有核心竞争实力，而且已经成功地实现了一些在当时就已具有全球先进性的方案，比如北大方正的激光照排系统就是一个很好的例子，在上一世纪八十年代一经推出，就占据了文字数字化处理的全球制高点。关于“数据为王”或者“数据是石油”的概念，微软科学家吉姆·格雷早在 2007 年的论文中就阐述了科学研究第四范式的主张，提出由数据驱动科学发现，但数据驱动也需要人类的智慧。

同时数据虽然是石油，但这种比喻已经给出答案，即石油需要被提炼方可为人类应用；同样的，经过计算而“提炼”的数据才可成为信息以具备可用的价值，对信息的进一步加工可以产生作用更为强大的知识。这些都是现在火爆的技术术语之后的本质核心，如果这些基础不打牢靠，光靠专注于新概念的推出，容易陷入“竹篮打水一场空”的窘境。

当然，我们不必否定以“离坚白”的方式表达技术的进步，但同时也不要忽略“合同异”的方法让我们注重不变的基础，这种“离坚白、合同异”共进的逻辑思辨方式能够帮助我们更完备地“想清楚”。因此，我们在欢呼技术名词不断推陈出新的同时，还是要冷静地区分技术的真正进步与踏实的工程实现之间的异同。

提到信息论，我想再说说 DIKW 模型——数据、信息、知识、智慧。这其中是有分工的，有些需要人来做，有些需要机器来做。这也会牵涉到信息含义的作用，要想深刻理解这一点，大家还需要去了解卡尔波普有关物理世界、精神世界和知识与信息世界的“三个世界”理论，以及信息最终产生作用的语法、语义和语用的异同，这里先不做展开。

现在经常在朋友圈中看到有人说自己的企业说已经完成信息化，要开始做数字化了。其实名词上的信息化和数字化只是一种“能指”，真的就是数字化比信息化更先进吗？还是更基础？仔细想想，过去几十年做的信息化应该还远未实现信息化的初衷，以我们的实践体会，大部分企业实现的是办公无纸化和工厂里面的生产自动化，信息的力量远未挖掘殆尽。我们现在强调数字化，非常及时，但数字的作用并不一定比信息化更先进，而是更基础，我们做的工作更像是在补信息化未完成的数据基础设施的功课，通过深入的数字化工作把每一个组织的数据基础打得更加扎实，之后做什么呢？还是信息化。

对于企业而言，由于很多公司、工厂连最基本的身份管理和企业数据字典都没有统一，也就是企业级的“书同文，车同轨”还没有实现，何谈信息化呢？一个公司、一个行业，如果没有实现信息化领域的“书同文、车同轨、行同伦”，是极其危险的，看似只是身份与数据没有打通，但这就是分裂和混乱的征兆。数字化时代是用信息驱动一切的时代，如果字典不统一，就像巴别塔的隐喻，整个机构就没有统一，也无法让整个团队在一个共识的基础上协调一致、共同有序前行，做不到这一点，企业效率和竞争力就得不到保障。

但是大家又不要误解这会产生僵化的组织，恰恰相反，这是有秩序地灵活，是依靠数字化信息能力形成的统一中央系统，并以此为前提，建立起韧性、灵活的分布式边缘机动能力。比如由微软全球首席财务官 Amy Hood 在微软的《现代化财务》报告中总结的微软转型经验，其中一条管理宗旨是“纪律的核心，灵活的边缘”(Discipline at core, flexible at edge)，纪律与灵活，在数字化信息技术的赋能下，不是矛盾，而是统一。

而要做到这一点，恰恰是基于微软过去几十年认认真真、脚踏实地的企业信息化基础建设，其最基本步骤就是通过“动态目录”(Active Directory, AD)实现的企业级统一身份管理，进步到当下“无处不在的计算”或者称其为云的时代，本地部署的“动态目录”也同时进化为“云动态目录”(Azure Active Directory, AAD)。

动态目录类型的产品极不起眼，就像”真正有效的技术都是低科技“说法一样，其实看似低科技的技术有可能是最高科技的技术，因为它是地基，不为非专业人士所关注，但却决定了整幢企业大厦的高度，是企业“书同文”的基础技术保障。这种信息化的基础工作才是数字化的目标。

介绍到这里大家可能就更容易理解为什么说我们现在做的数字化不比原来做的信息化更先进，我们还是在弥补过去信息化时没有做好的短板，即数字化的基础，也就是统一的数字化基础设施，最基本的表现就是一个企业是否有统一的身份管理和统一的企业术语字典。

很多企业过去几十年的信息化进程中，由于过于重视上层功能的建设，往往忽略了耗时、耗精力又看不到即时产出的数字化基础，做了若干年的信息化，结果连最基本的身份与名词统一都没有做到。

那么后续的应用开发、部署、管理与升级看似热闹风光，但是碎片化的。企业在投入了大量金钱、人力与时间后，还是无法享受到信息化带来的真正好处。

当然，这也是我们为什么现在要坚定不移地努力实现真正的数字化，不是因为它多先进，而是因为它太基础，基础到没有它就无法实现信息化。真正进入信息时代后，机器能够帮助人类处理数据，计算信息，再进一步产生知识，人就能够升格到用智慧做人应该做的事情，一方面可以是注重与精神领域的享受，或者更加高端、更加复杂的分析和判断（图7）。

图7

再往下讨论“说明白“之前我们需要再次强调说明白的前提是想清楚，这个时代是每个人、每个公司都进入无人区的时代，如果大家没有产生共识，很难合作共同实现目标。首先需要达成的人类共识是技术“以人为本”，而不是唯技术论。

1991年9月，马克·维瑟（Mark Weiser）在《科学美国》上发表的论文 “The computer of the 21st Century”，提出了“无处不在的计算”，认为人类社会未来的发展目标就是要让具有计算能力的设备无处不在而又消失于无形，“伟大的技术都是看不见的技术”，就像百年前的人类无法想象承载上百伏电压的导线会被埋在每一个建筑的墙壁内，随时随地的为人类的工作与生活提供能源而不为人所关注。

在此前提下，微软或者任何一家科技公司，现在做的被称之为云计算、边缘计算、末梢计算的技术与服务，其愿景并不在于修饰名词的形容词，就是计算本身，只不过是不为人类所关注而无时无刻不在使用的计算能力。

也就是说，“以人为本的技术”，会由云计算、边缘计算等各种计算所承载，最终实现“无处不在的计算”和”无处不在的智能“，最终为人类福祉带来利益。

微软首席执行官萨提亚·纳德拉（Satya Nadella）对微软Azure云计算的定义不只是云计算。在萨提亚初任微软首席技术官时发出的一份公司邮件就指出微软要打造的是一个 Cloud OS，即云操作系统，在 2008 年之后他又进一步明确微软Azure云计算平台的愿景是“世界的计算机”。

操作系统的核心就是管理计算、存储和网络资源与提供人机交互能力，再结合Mark Weiser的前瞻远景，大家没有必要过于纠结云计算与边缘计算或者集中式计算与分布式计算有哪些区别，要抓住计算的本质，操作系统只要还是在冯诺·伊曼的框架下，管理的就是计算、存储、网络，而微软搭建的 Azure 云计算平台，无论多么复杂，最终可以抽象为一台计算机，为人类提供“无处不在的计算“，实现”无处不在的智能“，所以我们把它称为“世界的计算机”。

微软首席执行官萨提亚·纳德拉（Satya Nadella）对微软Azure云计算的定义不只是云计算。在萨提亚初任微软首席技术官时发出的一份公司邮件就指出微软要打造的是一个 Cloud OS，即云操作系统，在2008年之后他又进一步明确微软 Azure 云计算平台的愿景是“世界的计算机”。

操作系统的核心就是管理计算、存储和网络资源与提供人机交互能力，再结合Mark Weiser 的前瞻远景，大家没有必要过于纠结云计算与边缘计算或者集中式计算与分布式计算有哪些区别，要抓住计算的本质，操作系统只要还是在冯诺·伊曼的框架下，管理的就是计算、存储、网络，而微软搭建的 Azure 云计算平台，无论多么复杂，最终可以抽象为一台计算机，为人类提供“无处不在的计算“，实现”无处不在的智能“，所以我们把它称为“世界的计算机”（图8）。

图8

因此，讨论再多边缘计算、云计算、末梢计算，集中式、分布式，要明白这些只是一个表达“所指“的”能指“符号。没有任何概念是绝对的，连这句话本身也不是绝对的，上述这些名词的内涵，会在不同前提条件下互相转换，过去被称为云计算的能力，现在可能在边缘即可实现，而现在的边缘计算能力，有可能在几年后会遍布每一个人类所能及以至于不能及的末梢节点；

同样的，集中式与分布式不是绝对对立的关系，而是矛盾统一的关系，不存在一个没有前提约束的断言，集中式与分布式架构会在不同的应用场景与技术成熟度的限定下体现出各自的优势与劣势，单独讨论这些名词概念不是没有意义，就像被争论了几千年的”离坚白，合同异“一样，都无法完备，尤其在着这巨变的时代，还不如先坦承每一个人都是在”盲人摸象“，然后大家一起通过实证来验证各自的观点，一起摸索出时代的真相。

在“无处不在的计算”、“无处不在的智能”的前提下产生了实时数字化反馈链，通过反馈的方法实现系统的目标是控制论的核心理论。有反馈就有纠偏，负反馈能够是系统的输出不断修正而接近目标，正反馈则使系统的偏差不断放大而达致系统极限。数字化能力的控制论表现就是利用机器实现无处不在的精准感知、计算与反馈，让负反馈无处不在，或者说在必要的“人-事-物“节点上嵌入数字化能力，就形成了一个依靠机器优点来强化人类的新型”人-机关系“的社会，在我看来，这是数字化技术最能够产生效果的地方。

当然，但凡兴一利必有一弊，我们既不能因为“弊“而不去兴利，但也不可因为明显的利益而忽视弊端的影响。对于数字化技术而言，最核心的就是信息系统的安全性与信息传播的可靠性与真实性，由于时间关系我们在这里先不展开，留待以后专题讨论。

但是当今全球动荡的局势，尽管有各种各样的原因，我们也已经清楚看到因信息系统的安全性对企业以至于国家造成的冲击，以及因错误、误导或者虚假信息对社会共识与稳定产生的巨大负面作用，希望大家将信息的理性应用予以最大的重视。

下图是以微软为例搭建的云智能框架（图9），该框架从底层最基本的身份管理、合规、安全等到云计算、到开发，再到生产效率提高、到行业应用等。虽然以微软的框架举例，但这是一个通用性框架，把这个框架学透了，再结合自身的情况，可以变化出各种适应不同需求的变种。

图9

我认为所有框架都只是概念，没有本质区别，关键不在于框架做得多漂亮，而在于如何根据实际情况机动灵活地实施与在实施过程中的实时学习与纠偏能力。实施过程中需要很多工程窍门，而这些不是靠框架能解决的，需要韧性能力的构建。

说了这么多，我认为在“云-物-大-智”的基础上，一切都将是服务。比尔·盖茨在 2005 年写过一个备忘录中提到“未来的一切都是服务”，因此就没必要说哪些是服务，也没必要去背什么叫 Iaas、PaaS、SaaS，就是 Everything as Service，XAAS。系统工程中的 IPO，即 Input-Process-Output，再加上 Feedback Loop，以及 Software defined everything, SDX，支撑起了物理世界和虚拟世界人、事、物的统一，这就是人类要实现的未来愿景。

说明白

“说”是有技巧的，当把上面提到的内容都考虑清楚后，“说”起来就有逻辑、有方法了。所有的结论都是以前提为约束的，因此做技术方案前一定要加约束，但是现在很多对于技术方案的吹捧都不加约束，看似百搭，其实哪里都不搭，就像以为大家都得了同一种病，用一种药就够了，这是不可能的。就像卡尔·波普尔对于科学“可证伪性“的解释一样，永远不会错的技术路线大概也就是难以实现的技术路线。

图尔敏论证模型（图10）很好地实践了每一个理性完备的论证都由前提条件“约束”，该模型认为结论需要靠逻辑推理和事实约束实现完备。这个模型的好处是，一方面给你一个空间继续加支撑体系，同时更精准地约束，更重要的是每一个论证想真正完备，需要有额外出口，也就是要有例外。用这种方式论证任何判断、逻辑都会比较完备，而且技术人群在推出某些观点、建议时，用这个模型会考虑更加全面，不会丢三落四。

图10

说清楚是一个发展极其完备的学问，从亚里士多德的《修辞学》，到图尔敏的论证模型，还有门罗序列说服法，以及基于通讯原理的高效传播方法，再加上由麦克卢汉一代前贤开创的媒介环境学，建议大家可以参考何道宽教授翻译推介的有关“媒介环境学“的理论与实践，相信会对如何高效的传播有更加深刻的洞察与体会。

做得到

每个人都不可能将所有知识都学完，因此很多人做事情采用第一性原理，不是一味地向上追新概念，而是向下学习数学、物理、化学等基础知识。现在流行的人工智能、机器学习，离不开微积分和线性代数；AI芯片优化，最终都是优化 MAC，也就是 乘法、加法的并行与序列相结合的异构计算。

几个星期前，微软的一位技术大咖 Raymond Chen 在他的博客上写到如何做加法和除法，(a + b) /2，在业内引发热烈讨论。为什么这个时候还在说加法和除法，因为做算法优化到极致时，不同方式的加法和除法会影响到计算的速度、效率和成本，人类能够看到的绝大多数数学计算都是经过抽象后的理想数学符号，但到了最本源的晶体管层面，具有众多优劣各异的实现方式，更不用说现在正在尝试的量子计算。

如同埃隆·马斯克在采访中多次强调的工程实现的第一性原理，他屡次强调实现一个概念验证不是最难的，难的是大规模工程实现。好走的路都已经走完，如果不能回到原子和比特级别实现创新，也就是在第一性原理层面的创新，只是站在别人的肩膀之上，片面强调不要重新造轮子，在这个高度竞争时代，很难把握住自己的技术命运。

数字化改革是一个复杂的巨系统工程，需要从思想、流程、文化、组织、评估标准等一体化、系统化的范式改变，其中包括硬核能力和软核能力（图11）。

图11

硬核能力：包括科学、技术、工程和数学。其中科学讲究的是突破，技术讲究的是创新，但是非常重要且丝毫不可忽视的是工程实现能力，如系统工程，软件工程，在应用上远比追求技术的先进性更为根本。

比如，美国毅力号火星车的芯片是二十前的 PowerPC 技术，NASA 不会没有或者用不起最先进的芯片技术，但是NASA所考虑的是可靠的实现。在外太空，比人们认为的快速计算更重要的是芯片是否可以抵御宇宙粒子的干扰，在各方面，恰好有二十年历史的PowerPC 芯片可以更好地满足要求，这就是工程实现，不求单纯的技术最先进，而是全面的系统观，首要关注的是影响系统输出的短板，然后再综合考虑长短板的结合。系统工程不仅考虑系统目标的实现，还要全面平衡成本、效益、使用、维护、升级、换代等各个利益诉求点的需求。

软核能力：包括人文能力、管理能力、经济能力、博弈能力、运筹能力。

早期，机器学习跟运筹学是同门兄弟，但为什么现在提到运筹学好像不是很牛，提到人工智能就很牛，如果把人工智能说成机器学习又不牛了呢，到底“能指“跟”所指“的关系是什么呢？明白这个道理可以少走一些弯路，但是不能减少努力的投入，学习、探索、实操一个都不能少。

最后举几个例子，这些例子并不是多么完备、正确，只不过能够促进大家思考、探索，来反省我们对技术和业务的评估是否像我们想象中的样子。

首先我想强调的是技术是拿来用的，不是拿来吹嘘的，更不是拿来炒的。比如，数字时代的“云原生”真的是“云原生”吗？或者说“云原生”这个词有那么重要吗？还是其本质是无处不在的计算？这时候就可以深究“计算“到底给人类带来的什么样的助力，如果真的说“云”很重要，那么原来的马、蒸汽等能力在当时对人类社会的助力不会比云小，那是不是应该叫“马原生”、“蒸汽原生”呢？我想强调的是云原生的确很重要，但其本质是解决无处不在的计算问题，它叫什么没有那么重要。

本质决定概念，而不是概念决定本质。以下通过“数据孤岛”和“中台建设”两个常见例子来解释一下这个道理。需要注意的是，名词本身是没有对错的，它的所指也没有绝对的对错，一般需要在特定的前提下进行判断，这是讨论这个话题的本意。

也就是说，在没有明确前提约束的情况下，我们无法判断概念的可行性，或者说适用性，更无从谈及对错。我们需要做的是认真思考无论是哪个概念，它在什么前提下是可行的，在什么前提下是不可行的；以及当什么前提在什么条件下发生变化之后，原来不可行的概念又变成可行的，或者原来可行的概念变成了不可行的。

数据孤岛

我们经常说数据孤岛，但是数据孤岛是技术问题吗？精确地讲，有技术含量在其中，但是以我们的观察与实践，发现其实大部分公司的数据孤岛是由于部门之间的矛盾和部门墙导致的。信息是一种权利、一种力量，统一数据看似是打通数据，但实际是打通部门墙，是在夺取某些既得利益者手上的权力，怎么会那么容易呢？如果没有一个勇于决断的人物，“书同文，车同轨”统一起来，那么公司想要做到数据的统一没那么容易。当然如果有这样的人物，你会发现技术本身没那么难，对于组织结构的重视就是“康威定律”所要表达的重点（图12）。

图12

中台建设

中台本身是当时提出这个概念的公司最需要解决的问题，也是当时发展阶段能够解决的问题。在这个前提条件下，中台的概念顺应了时代和个别公司发展的需求，也因此完成了它的历史使命。但同样的方法是否适用于所有公司是值得商榷的事情。大家都知道平台的概念，所谓中台，也是技术平台中的一部分，是一间公司在某一个发展阶段根据实际需求需要强化的那一部分技术，我们姑且称这一部分叫做中台。在大概率情况下，每间公司同时也需要强化包括通常被称之为后台的数据库体系，或者称之为前台的应用体系。其实从企业IT架构的角度而言，前台、中台、后台都是平台建设在不同发展阶段的不同体现。

根据每间公司数字化成熟度的不同，以及业务的不同发展阶段和组织的结构特征、人员的水准和财务的状况，同时也包括市场与用户的发展阶段，公司会有不同的重点和不同的痛点。也就是说，所谓中台，应该类似于传统文化中有关的“活子时“的说法，它不是一个死板、固定的概念，是一个随着各个公司在不同发展阶段的权宜之计。

在这个前提下，中台本来就可以建，也可以拆，很多公司由于发展阶段不同，可能最重要的是解决后台数据库结构的问题，也可能刚刚到了要开发前端应用的阶段。只有在前台与后台都发展到无法再进一步优化，以及由于公司的组织复杂度造成无法轻易统一规划前台与后台时，通常会采用所谓中台的方法，对组织、业务与技术进行一个复杂度的约束和管理。但就像人们经常说的“分久必合，合久必分”，当把一套体系通过约束的方式管得井井有条之后，有时候也会丧失掉应对外部复杂世界挑战的灵活性和机动性；有时在完善中台技术同时，发现后台的数据库结构跟不上公司发展的需求，或者前端的应用落后了，那么一个具备有韧性发展能力的公司，一定不会像刻舟求剑一般死守着一个概念不放，更不会死守着一个名词不放，而是根据自身的特点、自身的需求和自身的局限性，选择最需要优化的领域。

理解了这个概念之后，就会发现中台的“中“有可能是个伪命题，不是不对，而是由于过于具象，不仅不能反映业务与技术发展痛点的全貌，还会束缚住公司的发展。其实，对每个公司而言，本来就是个平台，本来就是基于不同时间、地点、人物和场景的不同业务发展需求，我们本就可以放下名词和概念的包袱，一切方案以问题为导向，以业务目标为导向，让技术成为公司业务的赋能者，而不是约束者。公司的问题是随时变化的，把它收束为“中”没有意义。

它就是平台的不断迭代、优化、再造，是流程再造、系统再造，何必要约束住是“中”呢？过去几年，我们花了多少精力去学习、理解什么叫“中”。把它当作是平台，知道它要解决的问题就可以了，很多 CIO、CTO 看穿了这个问题就天高任鸟飞，海阔凭鱼跃了。

图13

《雪崩》的作者斯蒂芬森在接受采访时曾说“AI 一旦成熟之后就变成软件了”。AI 就是一个函数，所谓的“黑盒子”就是封装好的函数，放进变量，出来结果，我们可以把它称之为函数，也可以把它称之为算法，甚至还可以把它称之为服务，其在抽象层面没有什么不同，都是一个输入、计算和输出。悟出这些道理之后，就知道没必要慌张，路就在那，用成长性思维去探索，不断用新的观察纠正、优化我们的理解，去年没有成功的事情并不意味着今年用同样的方法也不能成功，也许去年时机还不成熟；同样去年做对了某件事，今年未必一直成功，因为今年的成熟度和业界情况不同了。

用成长性思维，用技术赋能数字化反馈链形成的能力，可以真正实现具有强大韧性和应变复杂社会的技术能力。归根结底，既要有逻辑性的想清楚、又要有逻辑性的说明白，但更要的是脚踏实地，不怕犯错地用前面介绍的“三错法”一步一步实施到位。

这是一个伟大的时代，所有原来认为对的事情都有可能是错的，需要重新审视、重新实践，把对的部分留下来，把错的部分丢掉，在此基础上不断前行。

人类可能进入的不是一个人工智能的世界，不是一个第四次工业革命的世界，也不是一个互联网的世界，而是一个被技术所赋能的未知新世界。在这个世界，人类最基本的“衣、食、住、行”将被机器的行动力和计算力强化，人类的生活更加方便、富足，当然永远不要忘记”知其雄，守其雌“的辩证方法。这是很多实践者对未来的畅想，我在这里借机分享出来，希望大家在这些借鉴中，通过实践找到自己的路。

//end

文 | babayage

编辑 | 笑 笑

《科创人·认知源代码》专题，以专访嘉宾第一人称口吻，完整分享其认知体系、思维模式及价值观念。

本期我们有幸邀请到微软（中国）CTO韦青，分享数智时代创业者需要建立的思维模式以及需要注意的问题。

动念期之一：

风口上的猪是警示而非榜样

无论我们是否意识到数智时代的来临，我们已经迈入了新世界的大门。

我个人认为元宇宙是一个被粗暴翻译、过度炒作的概念，首先，它不是突然出现的，也不会突然成功，如同微软公司首席执行官、董事长萨提亚·纳德拉在《刷新》一书中所言，由它的英文原意Metaverse所代表的未来社会愿景早在1992年就得到当时计算机行业的热烈追捧，激发了众多工程师为此目标而努力；其次，即便在当时描述Metaverse的《雪崩》科幻小说中，作者尼尔·斯蒂芬森也在警示人类过度追求虚拟空间所带来的巨大风险。我想用另一个词汇来引导大家对数智时代的理解：CPS（Cyber-Physical Systems）信息物理系统，它的核心要义在于将物理世界建模进入赛博空间，但更重要的是第二步，在赛博空间进行优化和计算——赛博空间的计算除了电力以外没有成本——再反馈回物理空间，赋能人的肉身皮囊，帮助人类在现实世界创造更多的价值，享受更多美好。

站在这样一个时代的入口，如果能对数据、算法、基础理论有一定了解，对于选择业务、选择项目会有巨大帮助，我要提醒创业者的是，抓住潮流，绝对不是追求风口，“风口”这些词，是人类认知过程中明显的“幸存者偏差”，即某种决策和行为在事后被证明是正确后的反向总结，通常被笑话为“打哪指哪”；如果说有任何人可以拍胸脯信誓旦旦地判断出未来的“风口”，我相信说的人自己都不信。当初说这句 *“风口上猪都飞起来”本意是做一个警示，这明显是反常识的，飞起来的猪想一想也不会有什么好下场，但被营销号、不负责的媒体一传播反而成了创业金科玉律，误导了不少诚心诚意希望向成功者努力学习的创业者。我所接触到的终有心得的创业者，无论成功失败，真正的心声是“*活下去”，活着就有成功的可能。如果一味追求风口效应，或许有可能获得暂时的侥幸，但人类有许多先天的认知偏差，一旦有了侥幸的成功，很难认知到侥幸的局限，往往道路越走越偏，直到最终陷入不可收拾的地步。

眼下的元宇宙风潮又长成了“风口“的样子，如何判断一个热潮是真正的趋势还是断章取义的“风口”？还是要深挖第一性原理，大家有时间的话可以多了解一下计算机技术的发展史，了解一下数字技术的发展逻辑，如果实在没有时间，我分享一个简单一些的判断方法：看过去这几十年诺贝尔奖获得者的研究趋势，那是骗不了人的。

动念期之二：

复杂系统论时代应关注幂律

过去这几年诺贝尔奖关注认知科学和行为科学，今年则是将过去50年的一门科学显性化了，就是复杂性科学。我观察到诺贝尔奖有一个规律，它通常会等某一个新的科学酝酿发展数十年之后，颁发给这门科学的代表科学家，将过去几十年的经验积累具象化，从隐学变成显学，随后有可能是商业领域的发扬光大。当然，这不是一个绝对的指标，但对于创业的选题已经有足够的指导意义。

有兴趣大家可以去了解一下费根鲍姆常数（4.6692......），很多看似数学的知识，本质是用数学手段解决世界上存在的某个具体问题，大家不妨多多了解。当复杂系统理论成为显学，这是一个标志性事件，提醒我们创业者将面临更复杂、更新奇的挑战，也就使得我们需要开始了解并掌握复杂性科学原理，但问题是，这门学问刚刚开始成为显学，还没有开始融入基础教学大纲之中，这也是为什么在当下这个剧烈变化的时代，同时也是人类基础知识范式改变的时代，每个人保持终身学习的必要性了。

在2021年，如果还在寻找互联网业务模式，说实话，互联网业务模式、互联网知识，只是整个科学大厦里微乎其微的一小部分，公平来讲，过去这20年的时代英雄确实大都诞生自互联网领域，但互联网的威力实际上源于麦特卡尔夫定律，即网络价值同网络用户数量的平方成正比，即N个连接能够创造“N×N”的效益。同样的，也不是开一个网店，转型为电商，或者用了云计算就成了互联网企业。互联网精神的本质是不怕失败、勇于探索的精神，所以现在有种说法，叫做“传统的互联网企业，创新的传统企业”。指的就是哪怕是所谓的互联网企业，只要思想一守旧，开始惧怕新鲜事物，即成为自己当初最痛恨的样子；而所谓的传统企业，一旦放下包袱，轻装上阵，勇于以尽量小的试错成本，追求最大化的创新回报，反倒成为了“互联网”企业，此时用不用互联网，上不上云，只属于“因势因时因地因人”制宜的具体业务决策，跟企业的核心竞争力没有多少必然联系了。

接下来的数智时代，大家要研究的是指数定律和幂律，尤其是幂律，在复杂性科学里幂律现在还是隐学，但我相信它会成为显学并成为下一个伟大的万物互联商业时代的理论基础。

筹备期：

跳下巨人的肩膀，脚踏泥地摸清基础知识

过去几十年里，站在巨人的肩膀上是一个褒义的表达，但要注意：这句话是表达对前人的尊重，并不意味着这是一个正确的思维方式。

站在巨人的肩膀上代表着一大类创业者，他们的创业基础是经验主义的、归纳法得出的甚至模仿跟风的，面对数智技术带来的巨大冲击，以巨人的肩膀、经验主义为创业基础，失败的概率很大，因为这个基础本身就是被变革打碎的对象。

建议大家从巨人的肩膀上跳下去，尽量去摸清事情的本质，很多成功的创业者都会说一句话：面朝黄土、脸贴地面干活，这句话在科技创业领域一样有效，比如算法的应用，即便不是计算机专业的朋友，也不妨用计算器实际操作一下最基础的深度学习算法，甚至可以用笔和纸来写——原理并不复杂，机器比人强的只是算力和不知疲倦以及不容易忘事，而对基础知识有足够的了解能够大大降低创业失败的风险。

巨人的肩膀不仅脆弱，它还存在另一个问题：可以被你站，就可以被别人站，这种创业模式几乎没有壁垒。必须要回到地上，把楼重新造一遍，实际上以我了解目前全世界都明显存在着一股知识复古的潮流，很多人都在向过去几百年间诞生的伟大智慧求教，而对基于这些智慧的具体方法进行重构。

之所以再三强调脚踏实地的研究基础理论、基础知识，因为我认为创新、创业就是两大要素：一是技术知识，二是行业知识，大家都应当在“知识”层面摸清、摸透，才有更高的概率走向成功。

启动期之一：

创业需以史为鉴，向兵法学习

管理和创新绝对不是新的话题，我们不要在这个时代把自己当成前无古人、后无来者，我们前面有一堆古人，学会以史为鉴、以人为鉴，成功率会高一点。

“先为不可胜，而后求胜”，《孙子兵法》中的一句话。创业要向兵法学习，兵法骗不了人，上战场和创业一样，每一个选择都不会让你重来，你的现金流断了就是断了，客户不满意流失了就是流失了，《孙子兵法》、《战争论》都该读一读，日本商界受《孙子兵法》影响非常深，松下幸之助就是代表。

“先为不可胜而后求胜”这句话，蕴含着世界的本源性原理，也就是概率论，创业的精妙就在于它首先是你存活的几率，而不是一上来就是成功的概率，因此大家需要了解贝叶斯定理，它的思想方式是用新的证据去修正你先验的理念，比如：我估计我的业务有60%的可能性会活下去，我要不断采集新的信息，如果新信息符合这个主观判断，就提高主观判断的可信度（更有可能活下去），如果不符合就降低主观判断的可信度（活下去的可能性变低）。活下去才有可能成功。

对概率理解得足够深刻，就会知道这个世界的复杂性，创业也是如此，它注定是一个不确定的事件，它就是一个概率事件，大家自己在网上找一些概率论的课程学习一下，一定受益匪浅。理解完这些，你就会知道“先为不可胜而后求胜”的背后，是这个世界的本源性原理。

启动期之二：

“开卷考试”的时代没有标准答案，只有不断试错和快速纠错

“是谁出的题这么的难，到处全都是正确答案”，这是歌手何勇《钟鼓楼》里的一句歌词，这首二十多年前的歌写出了眼下的时代特征：这就是一个遍地都是正确答案的时代，科学知识就在那，逻辑演绎就在那，各种行业、知识、方法论四处都是，我们随时都有书看、有课上——只要我们具有基本的甄别信息能力，那么你学到的东西基本也都是对的、有效的。

问题在于：哪些对我有用？

很多创业者、尤其是初次创业者，愿意用对错来评价事情，这是典型的“做题家”思维，答对、答错泾渭分明，可这是个开卷考试的时代，开卷比闭卷难就难在没有标准答案，所以就谈不上严格的对错。

面对一个问题，世界上可能有成千上万种解法，你招募到的人才可能确实是水平很高的工程师、科学家，一切都是对的，但不一定对你有用。怎么能知道？没办法，只有尝试起来，保证自己别试死了，然后快速试错、快速纠错，以最小的成本最快速度的学习。

这年头人老怕犯错，殊不知“犯小错”可以避免“犯大错”，这其实是VUCA时代还能够保持最大程度稳定可靠的“最优解”。除非你认为人可以不犯错，那就免谈了。“怕犯错”的价值判断原则就是“我可以不犯错，犯错是不应该的”，这种观念才是最大的错误，这个世界上就没有绝对不犯错的人。

成长期之一：

没有大师，只有learning of learning

想必大家都听过一个很有年头的笑话：国王重赏，奖励勇者游过一个满是鳄鱼的水塘，有个人玩命游过去了，围观者掌声雷动，国王大大赞赏了他的勇气，可他说的第一句话却是：谁把我踢下去的？

小时候我们把它当乐子，现在却发现，这就是所谓创业的本质，每个人都为游过水塘的人欢呼、膜拜，但只有真正经历过的人才知道创业这个过程有多少艰辛，以及水下有多少骸骨。

要做游池子的人，首先要摒弃围观者只看表面就得出粗糙结论的思维方法。其次，即便是大师的思维方法，对你也未必有用，盖茨、马斯克、芒格的思维方法随时都可以看到，但真正到用的时候还是要脚踏实地，打个比方就是：世界上最顶级的登山队员把他攀登珠峰的经验完全传授给你，可你要爬的是K2，你还是要重新学习、亲自摸索。

丹尼尔·卡尼曼，《思考，快与慢》的作者最近出了本新书，叫《噪声》，推荐大家看一下，一旦你的思维方式正确了，大概率就会更加谦虚的学习，判断自己是否真正进入到学习状态的标志是：你不再急于获取知识，而是不慌不忙地构建适合自己的学习方法，就是learning of learning，这时你会深刻理解single loop（单环学习）、double loop（双环学习）、triple loop（三环学习）。

单环学习反思的是：如何改变我们的行动（方法）？

双环学习反思的是：我们的目标和方向是不是需要改变？

三环学习反思的是：什么心智模式让我们设定了这样的目标和方向，以及选择了这样的行动和方法？我们是否需要改变我们的心智模式？

我和很多有一定成就的创始人交流时发现，大家谈到自己获取的成就时，往往是后怕的、一身冷汗的，认为能活下来是侥幸的，同时感慨当初自己胆子真大。大家都认为如果自己能带着眼下的认知回到过去再来一遍，会更稳妥、不那么累，开玩笑地说就是“站着把钱赚了”。通过建立正确的学习方法提升认知、改变心智，能够增加创业成功的概率。

成长期之二：

跟随创业失败的人学习“不死”的经验，才能更大概率活着

已故的篮球巨星科比·布莱恩特曾经请教过篮球之神迈克尔·乔丹一个问题：“你是更渴望成功，还是更憎恨失败？”乔丹回答说：“我十分痛恨失败，但我知道，失败中孕育着成功，所以我接受失败”。爱迪生则采取另一种思维模型，他只承认自己犯了无数错误，也因此找到了成功之路，但错误不等同于失败，因此他一直“犯错误”，从没“失败”过，因此“成功”了。

表层对立、底层统一，越本质越统一。真正趟过创业尸山血海的创始人，不会避讳失败，然而成功学却成了传道受业解惑的主力军，这是有问题的。我建议创业者有机会去向创业前辈请教的话，一定要询问他失败的经历、失败的过程、失败的原因，成功学没有营养，失败学才是真正有价值的科学。

这个世界上有太多的幸存者偏差，成功学最大的问题就是以偏概全、对失败的部分视而不见，并且从逻辑层面无视了几率的存在，将不相关的强行建立关联，将相关关系强行升级为因果关系。

所以，我建议大家多学习失败。学习失败要搭配逆向思维能力，2000年前孙子总结的“先为不可胜而后求胜”，跟查理芒格总结的“inverse always inverse”以及今年的诺贝尔奖获得者，他们研究的都是同一件事：在不确定性时代，提升自己的生存概率。

查理芒格就是逆向思维的受益者，他的经典名言是“如果我知道我会死在哪，那我一辈子都不会去那”。创业是一件没有上限的事，只要上了路永远都没有一个足够称为“成功”的终点，其实我们只是“没有死”。

所以，去学习别人的失败，然后“一辈子都不去那”。

近日，在位处北京丹棱街的微软（中国）总部，我们物联网智库一行人和微软（中国）CTO韦青聊了聊智联网AIoT产业的未来。

从业近三十年来，韦青做过嵌入式、做过通讯、做过操作系统……亲身经历过数轮技术革命，他既是“局中人”，却又能跳出局外，以极其冷静的视角发出一些“灵魂提问”。

在访谈开始之前，本以为我们会聊聊AIoT的新技术、新政策、新需求和新征程，但其实当天却远不止此，我们聊了天文地理，聊了历史人文，聊了大佬趣事，还聊了治学精神。

在对话的过程中，我们甚至还“不小心”发现了“如何才能成为微软这样大公司CTO”的秘密。

想知道答案？这里先卖个关子，文末揭晓。

为什么一定要叫“元宇宙”？

难以免俗的，我们最初的话题也是从“元宇宙”展开的——没办法，元宇宙最近在中国乃至全球，实在是有点儿火。

Facebook改名Meta就像是给市场注射了一支兴奋剂，甭管企业原本的业务是否沾边，能和“元宇宙”的热点蹭蹭总归是没啥坏处。

于是，我们看到现阶段出现了这样的怪象——很多企业争先恐后地在搞元宇宙，很多人热火朝天地在谈元宇宙，但却没人真正能说清元宇宙到底是什么？它的未来究竟长什么样？

微软也是元宇宙的积极布局者。

身为微软（中国）的首席技术官，韦青自身对于元宇宙的理解来源于尼尔·斯蒂芬森出版于1992年的科幻小说《雪崩》。只不过，当时中文把Metaverse译为“超元域”，而不是现在火热的“元宇宙”。而微软公司董事长兼首席执行官萨提亚·纳德拉也在他2017年出版的《刷新》一书谈及了《雪崩》，这本书对当时的程序员影响极大，而在《刷新》的中文版中，Metaverse则被译为“虚拟空间”，同样不是“元宇宙”。

“Metaverse为什么一定要叫‘元宇宙’呢？” 在我们询问韦青对元宇宙的看法时，他如此反问我们。

这是一句振聋发聩的反问，因为他表面上看似是在问“名词”，其实却是在问“话语权”。

“百年之前，我们中国人的前辈，从西方引进了先进的知识。那时候西方有一种被作为科学素养来学习的知识，叫Metaphysics。如果按照我们现在翻译‘元宇宙’的逻辑，Metaphysics应该被翻译成‘元物理’。然而，我们的前人们将Metaphysics翻译为了‘形而上学’，并不是‘元物理’。”

现在的逻辑是——只要我说出了大家都听不懂的东西就是我牛。但是韦青所受到的工程师文化教育，却让其特别重视技术的大众化和普及化，尤其需要在技术术语上尽量采用通俗易懂的表达。

“归根结底，物理空间的一切对象，包括对象的属性、行为和之间的关系，都需要经过数字化建模映射到虚拟空间，使得物理空间成为虚拟空间内可被计算的对象。但是更重要的是，虚拟空间内的计算结果还需要映射回物理空间，从而起到加强人类现实世界能力的作用。在这种技术逻辑的约束下，无论称之为元宇宙、虚拟空间、赛博物理系统、数字孪生还是物联网，其实都有异曲同工的妙义。”

所以，再问一遍这个问题：“Metaverse为什么一定要叫‘元宇宙’呢？”

前人们将Metaphysics翻译为“形而上学”，《易经》中曰：“形而上者谓之道，形而下者谓之器。”

在笔者看来，这几乎可以称得上是中文翻译史上最棒的译名之一。几乎不用花费笔墨分析，相信大家也能看出“形而上学”和“元宇宙”的高下之分。

这不仅是翻译在“达意”层面的高下，更是一个国家能否将话语权掌握在自己手中的高下。

技术发展不要在概念阶段就被人“牵鼻子”

“下一次技术革命为什么一定要叫‘第四次工业革命’呢？”

有人可能会觉得，这不过是文字游戏，然而，在很多文明体系中，名词的重要性，恨不得是一个生存与死亡的游戏。

且不说西方文明中的巴别塔，我们老祖宗就曾讲过“仓颉造字鬼神哭”。为什么仓颉造字成功后的那一天，白日竟然下粟如雨，晚上竟然听到鬼哭魂嚎？这正是因为文字对于一个文明和种族的重要性，已经能够上升为“夺天地之造化，开文明之纪元”的高度。

一个名词背后，隐藏着的是对事物的理解，再背后则是对这个事物的定义和标准。

韦青表示，“比如说所谓的第四次工业革命，德国可以这么讲，因为它有自身的技术发展路径，但中国就不一定，因为中国有自己的工业化道路。其实上一世纪钱学森先生已经对全球技术的发展路线有了精准的分析与判断，当时的结论是以计算机智能为代表的人工智能技术将会得到迅猛的发展，人类将经历第六次产业革命。中国应该认识到，这是几百年来我们头一次参与到一场全新的产业革命当中。”

“同理，我们用英文Digital Transformation来表示数字化转型，但是我们应该考虑一下，相较于Transformation，是否同样需要考虑 Reformation与 Revolution。它们表达的是不同变革阶段的不同需求与方法。过去几十年，中国有如此丰富的改革开放经验，用中文来表达数字化转型，是否可以直接针对国人熟悉的语境称之为数字化改革呢？”

把定义握在自己手里

于是问题来了，如何才能不被人牵着鼻子走呢？

在韦青看来，最关键的就是要自己抓住话语权，把定义握在自己手里。

他举了个此前自己做产品开发时的例子，“产品开发时会有很厚的一本开发计划书，其中开始最重要的章节就是对于所有名词与概念的精确定义。这是系统工程的基本方法，一方面避免产生歧义，另一方面也能确保产品是按照所有利益相关方的期望目标设计与生产出来。在开发过程中会与大量不同团队有无数多次的反复，如果语言无法精确统一的话，产品开发过程将会是一场灾难。这种严谨的工程思维范式，同样适用于技术的推广与宣传。”

而真正具备这种科学素养精神的企业，都特别强调把定义握在自己手上。

所以我们看到，苹果、微软等公司的高管在谈及元宇宙时，态度都十分谨慎，而且不会跟着小扎的步伐随波逐流，而是尝试给Metaverse赋予自己的定义。

苹果公司CEO库克在9月份接受《时代》杂志专访，被问及苹果正在押注的AR是不是元宇宙概念时表示：“这是明显不同的两个词，我不会乱用这些流行词，我们称之为增强现实。"

而微软眼中的Metaverse也只是公司整体策略的有机组成部分，它是需求驱动的，不是概念驱动的；它是结合现实与虚拟的混合现实，不是单纯的虚拟现实。目前对于企业而言，由于疫情的冲击，远程-本地混合协同办公已经成为企业不可或缺的核心竞争能力，正是由于这种现实需求，微软除了大力加强以Teams为代表的现代混合办公工具以外，从2022年开始，微软将把虚拟体验协作平台Mesh直接植入到Teams中，打造自己的企业元宇宙。

自扎克伯格阐述了对元宇宙的愿景后，持续受到了全世界很多企业高管和学术专家的抨击，韦青则更加直截了当，“姑且不论用什么样的词汇来描述这种技术能力，不同技术发展路线所代表的核心价值观区别在于是让人类沉迷于虚拟世界中，还是让人类在现实世界中享受美好生活。 根据现在的发展趋势来评估，人类应该有极大的可能性可以同时享受到现实世界与虚拟世界带来的各种不同的便利与体验，但是这一切都需要以人类的福祉为根本。微软的方案，关注的是如何让人类在现实世界里工作、学习与生活更美好。”

“虚拟空间可以反过来优化物理空间，这是它对人类现实生活的益处。但其本身也有一个特点，就是能够以极小的成本和极快的速度，无底线、无限制的满足人类的欲望。无论男女、无论老少，如果不加引导，全都能够在虚拟空间里享受到物理空间会受到限制，甚至无法实现的各种快感，那人类成了什么？如果按照这个路径往下发展，人类的未来不容乐观。”

Metaverse的话语权应该掌握在物联网人手中

Metaverse时代的竞争，其实完全取决于这个国家，这个行业，或者这个公司怎么定义universe。当小扎或者资本的力量把Metaverse定义往虚拟空间的方向引导的时候，这种本来正在为人类谋取福祉的技术可能会被误用。

那么，不妨让我们再次回到问题的源头，也就是Metaverse这个词语的翻译上来——Metaverse=Meta + Universe，既然Meta是“形而上的universe”，那它本身就应该包括物理空间与虚拟空间两部分。

“也就是说，Metaverse的话语权，应该是掌握在这批物联网人手里的，因为这本来就是物联网的表达方式。要把Metaverse拉回到物联网，这里本来就是我们的地盘！”

这时候，我们就会发现一种对人类的物理生活非常有助力的Metaverse应用，那便是导航。

请仔细想想，导航是怎么实现的？我们需要把物理空间的所有轨迹完全数字化，需要对地球、城市、道路进行建模，然后将其以标准的、无歧义的方式映射到赛博空间里。在物理世界里你想去任何地方，导航都可以在赛博世界里帮你提前规划，最后的结果是便利了人们的生活，提高了人们的出行效率。

它是一个标准的Metaverse应用，但它却不是小扎所定义的元宇宙——因为那是让你进去，而这是让你出来。

物联网行业的发展方向是智联网AIoT，AIoT未来的发展又面临一个抉择，那就是物联网人的初心究竟是想把人从赛博空间里拉出来，还是让他们陷在其中？

绕了一大圈后，我们发现——中国AIoT产业要想发展，中国物联网人就必须掌握自己的话语权，那就必须把握住AIoT的定义。

AIoT究竟是什么？在韦青看来，完全可以用诺伯特·维纳控制论的观点来拆解AIoT。

按照控制论的观点，控制的基础是信息，一切信息传递都是为了控制，而任何控制又都有赖于信息反馈来实现。基于这套理论，AIoT就是sense-think-act加上feedback loop。其中，sense是传感器，think是人工智能（当然现阶段只是机器学习），act是执行器，feedback loop则包含了5G甚至未来6G在内的通讯技术。

光把握定义还不够，整个AIoT产业还得进一步建立一套标准。韦青表示，“在中国做AIoT,最大的障碍根本不来自于技术，而是来自标准和应用层面。中国AIoT产业恰恰需要一个像始皇帝一样的人物，去推进‘书同文、车同轨’，这才是关键所在。”

其实，产业标准的统一已经被提了很多年，但是其实际进展只能用“不顺”两个字来形容。

犹记得2019年12月，亚马逊、谷歌、苹果、宜家等智能家居巨头宣布成立一个名为“Connected Home Over IP”（简称CHIP）的小组，旨在开发、制定一套基于IP协议的智能家居连接标准。虽然起步于智能家居领域，但CHIP直指整个物联网产业最难缠的连接性与兼容性问题，如果标准形成，扩展至其他领域绝非难事。

按照计划，CHIP的首个规范草案和开源资料将在2020年年末发布，2021年将会推出新的设备。然而，行至2021年尾，CHIP协议虽然在5月通过了首个正式版规范并更名为Matter，但并无过多的实质性进展，连接标准联盟（CSA）更是于今年8月发布公告称，将发布Matter智能家居标准的时间推迟到2022年。

2022年我们真的能看到这一标准吗？答案不得而知，目前看起来概率不大。

结语

现在，让我们来揭秘最后一个遗留的问题——如何才能成为微软这样大公司的CTO？

韦青表示，“首先，CTO是一个头衔，只是一种职位的象征。对我而言，我的职业是一名工程师，这是根本。工程师文化讲求创造，而这种创造绝不仅仅只是技术上的创造，是多方面的。微软的首任CTO Nathan Myhrvold帮助微软创立了享誉全球的微软研究院，他同时还是一名全球野生动物摄影大奖获得者，又喜欢古生物学，家中摆放着自己亲自挖掘出来的完整恐龙化石，他还出版了一套印刷和插图极其精美的五卷本《现代主义烹调》，成为全球现代烹调艺术与科学的大百科全书。我所知道的CTO圈子里，懂技术只是买了一张入门券。但如果你只懂技术，根本没价值，因为大家都懂技术。而且当今技术发展如此迅速，变化多端。每个人都随时可被淘汰，又随时可暂领风骚。这也是为什么微软这么强调成长型思维，也就是需要终生学习”

所以，在当天的访谈中，我们也没有只聊技术。

在见识到韦青的博学之后，我们一行人笑着感慨，“原来做CTO还得懂历史、地理、人文、生物，甚至哲学。”

但韦青却很认真的表示，只要八年的时间，一个人就可以读完一个博士学位，人的一生有这么多年，随着不断丰富的工作与人生经验，如果保持终生学习的习惯，能在多少领域成为博学之士啊？

微软原来的Windows主管Jim Allchin，打拼了一辈子，退休写感言时，说到他在西雅图生活了这么多年，从来不知道下午四、五点钟的时候会有这么多人在街道旁悠闲地喝着咖啡。因为在他所挚爱的软件事业里，还真没有上、下班的时间概念。

但是这位老爷爷，却一点也不书呆子，退休后又是弹吉他、又是组乐队，他现在的简历，开头的是蓝调摇滚吉他手，然后才是计算机科学家，工作生活两相宜，生活过得乐开花。

韦青现在所做的，也是他所爱的事业，他的生活很简单——工作、吃饭、锻炼、读书、睡觉，可是在精神层面，他绝对是个少有人可及的富豪。

希望未来在产业发展的某个关键节点，你能想起这篇文章，那便是我们作为产业媒体机构的最大幸运了~

(本文是我在2022年职业教育大会上的演讲笔记)

我们将主要从用人单位的角度，基于时代的特征，与大家分享一下，如何更高效地培养出对社会发展有用的人才。这里说的有用，强调的是终身能够对社会的发展做出贡献的有用，而不仅仅是拿过一次文凭的有用。

1. “信息就是信息，它既不是能量也不是物质”-《控制论》一书的作者诺伯特·维纳在其书中指出，随着以电子计算机和通讯技术为代表的现代科技的普及，信息将扮演与物质与能量同等重要性的作用。农业社会的主要生产力要素是围绕着物质而建立起来的；在工业社会，能量与机械成为新的生产力要素；而在后工业时代，也就是人们通常说的信息时代或者数智时代，人类即将迈入以信息为主导的智能社会。尽管信息化、数字化、智能化已经成为了人们的口头禅，但是从我们在职场的经历与观察而言，信息的强大功效尚未能为大众所理解，比如。人们经常有对于信息化与数字化之间关系的不同解读，以及对于信息金字塔D-I-K-W（数据-信息-知识-智能）的模糊理解，在此，我们会依据信息论的理论与大家简单分享一下信息在时代发展中所起到的关键作用。
2. 理解了信息时代的特征与信息的作用，我们就能更好的理解如何培养能够充分发挥信息力量的职业人才，我们将从以下几个方面进行展开，
   • 无论我们想培养何种职业的人才，教育的首要目的是培养符合时代特征并具有基本人类素养的人才，而信息化的时代需要的是能够理解信息与使用信息的人才。
   • 数字时代的职业人士，需要具备最基本的信息获取、分析、判断、理解与使用的能力。按照曾获得图灵奖和诺贝尔奖的经济学、管理学与人工智能科学专家司马贺(Herbert Simon)的理论，在这个信息极度泛滥的年代，同时也是关注度极度缺乏以及真相极易丧失的年代，无论从事什么职业，都需要具备依据正确的信息做出正确决策的能力。如何获取真实和有价值的信息，变成跨职业、跨行业的职场必备技能。但是这种技能，如同马歇尔·麦克卢汉在他的著名著作《媒介即讯息》一书中指出的，在信息被电子化之后，已经变成了需要经过专门的训练才可以获得的技能。因此，无论从事什么职业，在这个信息时代，每一个职业人士都需要重新培养对于信息理解的能力。
   • 在上一个工业时代，机器的机械能力已经逐步取代了人类的肌肉力，而这一轮依赖数据、算力和算法的智能机器也将逐步减轻人类大脑的计算负担，按照D-I-K-W信息金字塔的描述，未来的职业人士不仅仅是要掌握基本的数字化信息技术，更重要的是以人类特有的智慧力来掌握应用智能机器的能力。如果以百年前电气化发展的路径为参考，在电气化早期的职业能力关注点是围绕着电力的生成；当电力普及之后，全社会的发展重心就转移到如何利用电力来改造人类社会最基本的衣食住行的实现方式。同样的，目前对于信息技术的关注和职业能力的培养，大多还局限在最基本的掌握信息技术能力的层面，但是随着信息技术慢慢普及之后，社会发展的关注点必然会回归人类社会最基本的衣食住行的方式的转型与提高。这就需要职业能力的培养，从单纯的拥有掌握信息技术能力发展到使用信息技术改造人类社会的能力。这种职业能力需求的变化既微妙，又有本质的区别。它要求职业教育的关注点，从教育学生拥有某种信息技术能力，转向教育学生如何利用这种技术能力来改造人类社会的基本形态。由于这种人类社会形态因信息技术而实现的改造是长期的，也因此要求职业教育是终身的教育。如同百年前，人们一开始关注的只是发电和利用电的照明，经历了几十年发电的竞争之后，社会所需要的人才变成用电的人才，人类慢慢开始关注如何设计出用电驱动的冰箱、洗衣机、电视机等等电器，直到如今非常热门的汽车电动化和智能化。因此，我们现在培养的人才是能够利用信息化技术对全体社会各个方面的形态进行彻底改造的人才，以最终进入一个智能的时代。
   • 上述因信息技术的发展而对社会基本形态的改造，也会作用于职业教育的形式本身。未来的职业教育不仅是终身的职业教育，同时也是无时无刻不被信息技术赋能的虚拟与现实相结合的职业教育。教育的场所不再仅限于教室、实验室、车间、病房或者农田等物理性现场，未来的职业教育是虚拟与现实共存的无时无刻不在的职业教育，这意味着职业教育同时面临着内容与形式双方面的改造。
3. 总而言之。在这个数智时代，职业教育首先是终身的，然后是需要回到第一性原理的，同时是无时无刻、随时随地都能够提供的泛在而又公平的，和以“知行合一”方式实现的职业教育。
4. 上述看似长远的职业教育愿景，将由于信息技术的快速进步与普及，即将很快成为平常，我们需要及早为此做好准备。

//end