去规模化：小经济的大机会
Do things that don’t scale.（要做没法规模化的事。）——YC教父Paul Graham
今天我们分享的这本书，英文名字《Unscaled：How AI and a New Generation of Upstarts Are Creating the Economy of the Future》，翻译成中文应该是《去规模化：人工智能和新一代企业如何创造未来经济》。
本文作者之一：赫曼特·塔内佳(Hemant Taneja)是著名风投公司通用催化风投（General Catalyst）的董事总经理。去规模化正是推动他对条码支付（Stripe）、色拉布（Snapchat）、爱彼迎和瓦尔比·派克(Warby Parker)等突破性公司进行投资的核心理念。
赫曼特是先进能源经济的联合创始人，该组织致力于改变美国的能源政策，也是非营利性教育组织可汗学院的董事会成员，除此之外，他还是斯坦福大学医学院的董事会成员。赫曼特在斯坦福大学开授了一门关于AI、创业和社会的课程，也是在《哈佛商业评论》上发表去规模化现象的人，他在麻省理工学院获得了六个学位。
去规模化时代的到来
伴随蒸汽机的发明以及现代科学的理论发展，20世纪伊始，一股史无前例的科技浪潮席卷了全世界。当时的发明家和企业家不仅研制出了汽车、飞机、无线电和电视，还打造了电网和电话系统。这些新技术使得大规模生产成为可能，并且让企业有机会进入大众市场，从而引领了规模化时代的到来。
规模化带来了巨大的竞争优势，它不仅降低了固定成本，还为竞争者设置了准入壁垒，整个20世纪，各式各样的组织都在寻求规模化，于是，我们见证了许多巨无霸企业的诞生，例如：福特汽车流水线生产标志着工业经济时代开启规模化生产。
工业经济时代是大众商品大发展的时代，过去50多年了，规模化产业让更多的人摆脱了贫困，超过之前500年的总和。到2017年，全球消费规模达到了43万亿美元，占全球GDP的60%。
如今，我们正在经历一波新的科技浪潮，像AI、基因组学、机器人学、VR/AR虚拟/增强现实技术、3D打印技术、区块链技术等这样的科技正在融入我们的生活中。AI成为主要的驱动因素，其正在改变一切，正如100多年以前带来的巨大变化的电力，我们正在进入AI世纪。
AI和数字经济时代，去规模化在各领域的应用案例
在AI和数字经济时代，去规模化就是为了满足全新的个性定制化的需求，这个时代是一个面向大众的匠心时代，它的一大特征是平台经济。高科技巨头所构建的电商、社交媒体、搜索等超级平台都让更大规模的外包成为可能，同时小型、专业、灵活的企业能够利用技术平台有效地与规模巨大、面向大众市场的经济实体进行竞争，小型企业能够租用云计算，能通过社交媒体平台与消费者取得联系，能够向世界各地的承包商下订单，还能够利用AI自动执行许多任务，这样给创业者和细分领域带来了更多的市场机会。
医疗领域：
由于人体的差异性和特殊性，我们需要有效的个性化医疗方式来治疗疾病，而不是以大部分人的治疗方式来治疗疾病。此时医生与AI系统携手合作，这种系统能够监测患者的数据，以充分了解每位患者的身体。我们并不需要投入大量的资金和精力去建设更多的大型医院。
利沃戈是一家为糖尿病患者提供服务的公司。
对于在医疗领域里的初创者而言，糖尿病是一种在世界上快速增长的疾病，单单美国就有超过3亿糖尿病患者，这里孕育着巨大商机。同时糖尿病是一种可控的疾病，只要患者足够小心谨慎便能够非常正常地生活。
但是患有糖尿病的人需要一直购买试纸，并每天数次戳破指尖将血液滴到试纸上以分析他们的血糖。整个过程中存在诸多难题：试纸价格不菲，人们并不愿意自己扎指尖；一旦血糖值激增或猛降，患者便有可能昏倒或者发病，长此以往，这一疾病也会诱发其他并发症。
利沃戈的方法简单而专业。利沃戈会向患者发放一个小型移动设备，它利用蜂窝网络，通过云端服务将数据传回利沃戈软件。当患者测试血糖水平时，利沃戈设备会传回数据，利沃戈的AI驱动系统便了解了这名患者的情况。倘若该系统发现数值到了会引发问题的状态，便会向患者发送消息，提醒患者该吃些什么或外出走一走，以及任何有可能起到帮助作用的注意事项。倘若系统判定存在严重问题，患者便会在几分钟内接到健康专家建议他/ 她去检查自己血糖的电话。
利沃戈为人们对抗糖尿病提供了一种新途径，通过传统的医疗渠道这是难以实现的。利沃戈并没有替代医生，但它能够帮助糖尿病患者控制自己的生活、减少对医生和医院的依赖，这最终为患者个人以及全社会的医疗保健节省了大笔费用。个性化的AI关怀能够为美国节省高达数千亿美元的花销，只要多花点儿时间便能使更多糖尿病患者保持健康。
去规模化的解决途径改变了局面：既降低了医疗保健的花销又改善了人们的健康状况。国家因此一方面能够借此节省开支，另一方面又能使得公民更健康、更幸福、更富生产力。
还有类似的医疗创业公司，例如：一家公司制造了名为健康补丁的设备，它看起来像一个大绷带，能够读取人的心率、呼吸频率、体温和身体姿势，并将其传送给医院和医生。还有一家名为正交传感器的公司制造了一种能够进行膝关节置换的设备。这些科技使得这样新型医疗公司能够与强生、联合健康那样的行业巨头进行巧妙地竞争，并迅速引导它们的客户群，以此盈利。
AI医学：IBM Watson智能肿瘤诊断系统
AI将成为整合即将涌入的医学数据的主力，有助于医生和医院追踪、理解患者的情况。一群斯坦福大学的计算机学家，开发了一款能够像皮肤科一样诊断皮肤癌的软件。该研究小组让他们的AI软件对包含近13万个皮肤病图像的数据库进行了访问，训练该软件通过视觉诊断潜在的癌症。这个软件不仅能做出诊断，还能做得像皮肤科医生一样好。
当AI渗透到医疗保健的各个领域时，它将有助于观察X射线、核磁共振成像和其他测试结果，帮助医生发现光凭肉眼无法看出的情况。同时，AI也将帮助药物公司了解对不同基因组起作用的化合物，它将帮助医保局了解消费者行为发展的趋势，以便尽早发现疾病，并在它们爆发之前控制它们。
例如：IBM(国际商业机器公司)开发的Watson智能肿瘤诊断系统，经由美国纪念斯隆-凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）专家培训，系统结合患者病历、临床专业意见、科研成功和数据，为患者提供潜在的治疗方案。当医生为患者决定治疗方案时，为广大临床工作者提供以循证医学为基础的诊疗意见，从而使得Watson成为了医生的一个好帮手。
消费品领域
过去，大众市场消费品牌一直在说服我们追求流行，渴望其他人拥有的东西。星巴克、GAP等品牌的最大优势是能为全世界的消费者提供完全相同的体验。
但随着技术的革新，消费者的需求的变化，让每个人越来越倾向于个性化的产品和体验，甚至开始追求“绝对完美”。私人定制公司和提供3D打印服务等新兴公司都在重新定义一个新的时代，使我们每个人都得到心之所想：专属一人而非众人皆有的产品和消费体验。
Stitch Fix（美国时尚电商）由卡特里娜·莱克（Katrina Lake）成立于2011年，它将人工智能与人力结合，可为每一位消费者提供定制造型，其销售的产品是大规模生产的，但服装风格和尺寸却都是为每位消费者量身定制的。
新用户首先要完成一份在线风格特写，说明自己的尺寸、身材，回答一些问题，透露一些有关自己生活方式的信息，比如“你从事什么职业？”、“你有孩子吗？”。然后造型师会根据你的风格特写选出五件衣服寄出。消费者可以购买自己喜欢的衣服，然后把其他的衣服寄回去，而人工智能又可以根据这些衣服的选取情况，加深对消费者风格的了解。每隔几周，具体间隔由用户设定，公司都会重新寄出一批衣服，这些衣服会被消费者留下或寄回。借助这些交易，软件可以了解消费者的个人喜好，长此以往，它们甚至可以更好地为造型师提供指导，使造型师寄出的衣服正对用户的胃口。
公司的目标是了解消费者，找到适合他们但他们本人可能并不自知的衣服。过去，只有依靠私人采购员这种需要付出大量人力的方式才能实现这种愿景。人工智能和数据在消费者与企业之间建立了一种私人关系，尽管这种关系并不是真实存在，但也正因如此，这种私人订制才更可能实现大规模发展。
全球3D打印Protolabs是定制原型和小批量生产零件的数字化服务商，公司主要为客户提供各种传统及增材制造服务。
公司采用注塑成型、数控加工和3D打印技术为客户制造定制零件。该公司的产品主要供终端市场中使用三维计算机辅助设计（3D CAD）软件设计产品的产品开发人员和工程师使用，该公司在美国、欧洲和日本开展业务。该公司的制造生产线包括注塑成型（Protomold）、CNC加工（Firstcut）和3D打印（Fineline）等生产线。其3D打印（Fineline）生产线包含立体平版印刷（SL）、选择性激光烧结（SLS）和直接金属激光烧结（DMLS）等工艺，为客户提供一系列精密快速成型和小批量生产零部件，2019年全年收入创纪录，达到4.587亿美元。
正如其首席执行官维姬·霍尔特（Vicki Holt）表示：“对个性化产品和大规模定制的需求是趋势，且将持续发力。今天企业需要令自己的产品与众不同，售得高价，与消费者建立联系。正如传统汽车制造行业走向末路时，黑色福特T型汽车带来流水装配线一样，如今具有一定规模的定制也同样是时代所需。”
教育领域
过去工业时代，伴随经济和社会发展需要，大学等规模教育流行和普及，帮助培养了一代又一代工作者，为企业和机构输送了大量的专业化人才；同时规模化教育使得大量人口摆脱贫穷，加入不断扩大的中产阶级。在2010 年左右，美国约有1/3 的人都拥有四年制大学本科学位，这是一项了不起的成就。
随着数字时代的到来，工业时代开始退出历史舞台，过去规模时代的教育也面临大量的挑战，个性化教育的时代已经到来。
可汗学院是AI 世纪最具影响力的教育实践之一。
创始人可汗老师全名叫萨尔曼·可汗，孟加拉裔美国人，自小课业优异，就读于麻省理工学院，大学双修数学和电机电脑工程，工作后读了哈佛的MBA课程，曾从事金融业。为了帮助住在远处的亲人，他试着把自己的教学影片放上网络，主要是在YouTube网站。
由于受到广泛好评，相关影片观看次数急速成长，受到鼓励的萨尔曼于2009年辞去工作，全职从事相关课程的录制，目前已有自己的独立网站，该机构曾获得2009年微软教育奖，2010年谷歌十的一百次方计划教育项目的两百万美元资助。
传统的学校课程中，为了配合全班的进度，教师只要求学生跨过一定的门槛（例如及格）就继续往下教，而可汗学院开发了一种练习系统，记录了学习者对每一个问题的完整练习记录，教学者参考该记录，可以很容易得知学习者哪些观念不懂。让学生搞懂每一个未来还要用到的基础观念之后，再继续往下教学，进度类似的学生可以重编在一班，实现个性化教学。
可汗学院现有关于数学、历史、金融、物理、化学、生物、天文学等科目的内容，教学影片超过2000段，机构的使命是加快各年龄学生的学习速度。
慕课（MOOC）——打造全球教育资源共建共享平台
2012年，美国的顶尖大学，斯坦福大学、哈佛大学等陆续设立网络学习平台，在网上提供免费课程，Coursera、Udacity、edX三大课程提供商的兴起，给更多学生提供了系统学习的可能。2013年2月，新加坡国立大学与美国公司Coursera合作，加入大型开放式网络课程平台。2014年5月，中国教育部爱课程网和网易合作推出了拥有中国自主知识产权的MOOC平台中国大学MOOC，主要构成是课堂演讲视频，同时视频会中途暂停数次，以测试学生对知识的掌握（比如弹出一个小测试，或者让学生写一段程序代码），然后系统自动给出反馈。该课程的助教可能会查看、管理在线论坛，有些课程也会有作业和考试。其理想就是将世界上最优质的教育资源，传送到地球最偏远的角落，让人们能够有更好的职业生涯，甚至提升智能、扩展人脉。
例如：由加州斯坦福大学的计算机科学教师Ng和DaphneKoller创立于2012年4月的Cousera，获得了风险投资公司KleinerPerkinsCaufield&Byer和NewEnterpriseAssociates公司的初始投资共为1600万美元。截止2013年3月，该公司已注册的学生超过270万。其提供的课程来自33所著名大学，包括普林斯顿大学、布朗大学、哥伦比亚大学、杜克大学、香港大学和台湾国立大学等。香港中文大学已在2013年1月份加入平台，并承诺从9月开始提供向该平台至少五门课程。目前在世界各地有62所大学建立了合作关系，它表示这种增长将允许它不断扩展课程科目，增加不同语言的课程设置，这些语言包括中文，西班牙语，法语和意大利语。其所提出的五门科目已经被美国教育理事会认证通过。
个性化、终身学习的时代正在进行中。
交通领域，自动驾驶
我们过去10年，互联网、芯片、人工智能等不断地发展推动，我们在计算、带宽和传感器的成本也不断地下降，其中传感器的成本下降了一半，带宽的成本下降了约40到50倍，计算成本则下降了50到60倍。这就意味着15年以前构建物联网设备需要花费数亿美元，而现在只需要数百美元，这为我们在多个垂直行业细分领域创造了巨大的机遇。
自动驾驶就是人工智能应用的一种，人工智能就离不开计算力、算法和数据三个部分。就驾驶场景来说，数据肯定是来自于摄像头对车身环境的分析，算法是各大车企研发的核心竞争力，而计算力至少在目前看来还是来源于汽车本身（5G时代能否实现后端计算还不可知）。
2020年2月26-27日召开的Scaled ML Conference会上，特斯拉AI高级总监Andrej Karpathy，展示了特斯拉的全自动驾驶的视频，包括提供的导航功能，高速闸口能自动换道，在停车场实现手机召唤，3-D目标检测等。
2020年3月，嬴彻科技与东风商用车的联合开发项目率先通过量产L3自动驾驶重卡A样车验收，嬴彻科技负责自动驾驶全栈软件和车载计算平台研发，数家中国领先的主机厂负责线控底盘平台的研发，双方共同进行自动驾驶系统与整车的集成和测试，并得到国际顶级的汽车零部件一级供应商（Tier-1）的深度支持。
嬴彻科技与东风商用车，联合完成了整车产品定义、整车平台智能化和线控执行系统的方案、自动驾驶系统与整车交互策略，以及L3重卡基本功能和性能的验证。同时，全球领先的Tier-1供应商克诺尔作为该项目的重要合作伙伴，提供了具备冗余能力的线控转向与制动方案。这是自动驾驶业内，首次完成量产自动驾驶重卡A样车的验收。
能源领域
西门子公司发布了一个软件包来操作网络，即所谓的“主动网络管理”（ANM，active network management）。ANM的原理是，通过跟踪电网如何与不同的能量负载相互作用，来调整其可调节的部件，从而达到提高效率的目的。虽然这之前是手动调整的，但当新的能源生产者（比如太阳能发电厂）开始工作时，或者新的能源消耗者开始接入网格时，ANM会对电网做出相应的调整。因此，ANM也为电动汽车利用智能电网进行充电奠定了基础。
Alphabet旗下的子公司Nest，开发了一款智能恒温器，能够通过自动适应用户行为，达到减少能源耗费的目的。一旦Nest被安装在用户的家里，它就会开始学习居住者的生活习惯，并相应地调整温度。据Nest称，该公司的技术已经为其用户节省了10%到12%的取暖费。
农业领域
在农业生产中，人工智能助力农业生产精细化，从而促进农业提质增效。在种植领域，企业利用人工智能对农作物生长情况及环境数据进行建模分析，为农业生产提供精准指导。
例如，Infosys、IBM Watson IoT和Sakata Seed Inc.在美国加利福尼亚两块田地上布置测试床，利用基于机器视觉的无人机、环境传感器和土壤传感器，全方位、立体化地采集植物高度、空气湿度、土壤肥力等18种数据，并将数据上传到Infosys信息平台进行大数据管理和人工智能技术分析，分析结果反馈至企业ERP系统、植物育种研发系统，以指导下一步生产和育种。
在养殖领域，企业通过对畜禽多元化数据的采集与分析，实现精准养殖。例如，国内阿里云与四川特驱集团、德康集团合作推行智能养猪，猪场内遍布与ET农业大脑连接的摄像头，自动采集、分析猪的体型及运动数据，运动量不达标的猪会被赶出室外继续运动，以保证猪肉品质；此外，利用ET农业大脑、结合声学特征及红外线测温技术，可通过猪的咳嗽、叫声、体温等数据判断猪是否患病，及时预警疫情。
如果去规模经济在这个商业新世界中将占据主导地位
那么那些大型规模化公司又该如何竞争和发展呢？
它们可以从以下三种方式入手：
成为平台
宝洁的“联系+发展”计划会向外部寻求研发创新方案，而自己则定位为缝隙产品平台，可租赁给大量不断发展的专注型小企业。
这样的定位既有利于公司本身（可以获取去规模化新产品的部分价值，而不是与之形成竞争关系），也有利于产品创新者（可以“借用”宝洁的分销、营销和知识资源，将自己的产品推向市场）。
通用电气有一个基于人工智能的平台Predix，它可以收集工业产品的传感数据，利用这些数据为客户优化产品。
沃尔玛收购了人工智能平台Jet.com，该平台通过分析一系列因素，包括顾客订购数量、顾客与产品的距离，为消费者提供尽可能低的价格（甚至比沃尔玛的价格还要低）。Jet.com上的大多数产品都来自2,000多家独立零售商。
注入绝对的产品专注力
随着公司的发展壮大，其专注点会逐渐迷失在流程步骤、官僚作风、公司政治、股价关注以及一大堆其他事项当中，但这些事项与为目标市场提供伟大的产品毫无关系。
去规模化时代的大公司应该力争让自己看起来更像是一个由小公司组成的网络，每家小公司都一心一意致力于生产完美契合细分市场的某款产品，因为其他方面的能力都可以向大公司租借。
通过动态的重新捆绑谋求增长
一旦公司知道自己的某一种产品存在特定的客户，它就可以为这些客户提供产品组合中的其他产品。即：大公司可以将针对每个客户定制的产品捆绑在一起，有针对性地捆绑销售不同的产品组合。动态的重新捆绑使得公司可以享受规模化的优势，同时又无须真正构建规模。公司能够保持灵活性和创新性，专注于产品，利用自己的产品组合来扩大针对每一位客户的销售。
小结与思考
1、由于互联网技术、算法、云平台以及传感器等新的基础建设的发展，大大降低了创新型企业的成本，尤其是在人工智能和大数据等技术发展和个性化需求的推动下，在更多的垂直和细分领域，创新型企业可以采用租赁式技术平台轻松地打开小范围的、蕴藏销售潜力的小众市场，实现发展。
2、工业时代的大企业，要紧跟时代的步伐，进行企业的转型升级，利用之前积累的资本和行业技术等优势，一方面进行本行业和产业的人工智能、数据化转型升级打造；一方面进行企业组织的变革，实现小型化、自组织、自运营，精准客户需求，进行产品和服务打造；同时适时投入到新时代的基础设施新领域地建设当中，例如：城际交通、物流、市政基础设施，以及5G 、人工智能、工业互联网等。
3、教育和工作方式都在发生变化。
如今，大多数人可能仍然觉得去传统4年制大学学习是通往社会的最佳途径，但我们不能确定，这一切对于即将出生的下一代孩子来说，是否还适用。 也许等到他们读大学的年纪，去传统大学上课可能不再是最优选择。各类的网络课程以及按照需求定制化的教育将会实行。
过去我们有一份全职工作，搭上公司晋升的阶梯，在65岁退休，然后领取养老金，开始退休生活。现在伴随企业的发展变化，网络、云计算、软件、3D 打印技术和其他新技术使来自世界各地的人和小公司能够携手协作，哪怕不在同一个地方也能共同完成某些工作。
我们都将进行终身学习和工作，我们会在更年轻的时候便开始工作，并在之后的一生中不断学习全新的知识。
4、对于创业者来说，充分利用现有的平台资源，去专注于自己擅长的事业上。
例如：WhatsApp只用50个工程师就做出了一个全球性的聊天系统，为9亿用户提供服务。这种“WhatsApp 效应”现在正在人工智能领域出现。Theano 和TensorFlow 等软件工具跟用于训练数据的云数据中心以及用于部署的廉价GPU结合在一起，令小型工程师团队就可以开发出最先进的AI系统。
