《人机平台：商业未来行动路线图》
推荐序1 智能时代三生万物的生动图景
不少以未来为话题的书，传达的只是一些轻松的畅想和率性的臆断。而麦卡菲和布莱恩约弗森的这本新书，细致中不乏节制地分析和描述了未来商业和技术世界的真实情景。对所有用心思考商业世界正在发生的种种而不得其解的人，读这本书都会有茅塞顿开之感。
相比于他们三年前出版的《第二次机器革命》[1] ，这本书展望未来时更接地气。它所呈现的未来，的的确确是“早已发生的未来”。
按ibm（国际商用机器公司）前ceo（首席执行官）郭士纳的说法，商业竞争（商战）分为两种，一种是面向未来、值得打下去而且越打越精彩的战争；还有一种是实际上已经结束、属于昨天的、越打越乏味、即使赢了也没有意义的战争。有胆略结束“昨天的战争”，并发动属于未来的战争，是卓越领导者的重要标志。
《人机平台》是写给那些正准备发动面向未来的战争的领导者的。
2016年4月，阿尔法狗（alphago，围棋机器人）战胜李世石，在全球引发了对人工智能持续至今而且在今后会愈演愈烈的追捧，以至不少人以为，对人工智能的热捧不过是媒体和资本炒作的结果。但如果你读过麦卡菲和布莱恩约弗森出版于2014年的《第二次机器革命》，你会很自然地意识到，人工智能成为科技界和商界关注的焦点实属必然。
颠覆性的力量“都是蹑着猫步而来”（安迪·格鲁夫语）。突变出现时我们之所以感到诧异，是因为我们对早已涌动的暗流缺乏感知。两位作者是那种感觉灵敏到能听得见猫的脚步声的人，所以他们能在热点出现之前就真切地描述热点。
在《第二次机器革命》中，作者明确地告诉读者，以蒸汽机为代表的1.0版机器，是四肢远比人类发达但脑力为零的“大力士”，“它们高效地‘外包’着人类的体力。而以机器人、3d（三维）打印机、超级计算机为雏形的新机器导致了人类脑力的大幅度外包。这种‘灵长类机器’是一个全新的‘物种’，其真正的特性不仅在于它们具有脑力，更在于它们的脑力能够以巨大的加速度持续进化。新机器大爆炸、大裂变式的脑力增长将不断释放令人震惊的生产力，在诸多方面将不断让人类自叹弗如，人类以往对生产力的计量体系将面临穷尽和崩溃”。（本人2014年为《第二次机器革命》中文版写的推荐语。）
三年后的今天我们更加清楚地看到了作为新物种的新机器进化的速度和样态，其中有两点格外明显。第一，它进化的速度比人们想象的快得多；第二，新物种已经呈现出新的变种。
如果说《第二次机器革命》关注的更多是有形的机器——新机器的“形”，作者三年后写的这本书，更深入地看到新机器的本质——新机器的“神”。作者看到，有形的智能机器之外，还有两种“大象无形”的机器，即两种我们不以为是机器但具备了机器的根本特征，而且比有形的机器更强大、更具“杀伤力”的机器——平台（tform）和大众（crowd）。
机器（machine）的本质是它所内含的机制（mechanism），即一种转化、放大、优化人的能量和技术的系统化能力。机器人、超级计算机当然具备这种能力，平台和大众同样而且更加具备这种能力。
两年多前，本人与凯文·凯利做过一场对话，我印象最深但又稍有迷惑的是他的一个观点：不要把人工智能狭窄地理解为机器人，与机器密切相关但比机器的智能更强大的智能，是一种人机化的智能，我们可以把它称为网络智能，也可以叫云智能——把机器与机器、人与人同时连接起来后涌现出来的网络。
读完《人机平台》，我才真正明白了他到底在说什么。
简单地说，当今世界上出现了三种“新机器”，或者说是三种智能——机器（智能），平台（智能），大众（智能）。
与这三种“机器”相对应的，是三种相当常见、传统的东西——人脑，产品，公司（作者称之为“核心”）。
作者首先向我们展示的是人脑与机器、产品与平台、核心与大众之间的竞争。这是一种看上去极端不对称的竞争。
要理解什么是“极端不对称竞争”，我们不妨回味一下孙悟空跳不出如来佛的手掌心的故事。
阿尔法狗已经没有任何悬念可战胜人类顶尖棋手，这就是一种不对称竞争。但对于我们这些对机器学习和围棋的真实难度不知其详的人来说，体会其中的“极端不对称”，可不那么容易。
书中讲到的一个案例也许更能感受到人脑与机器脑之间竞争的极端不对称。
美国有一个研发抗癌药的顶级研究团队做了一个有趣的对比实验。这个实验展示了机器人到底有多大的能耐。这个机器人是由ibm研制的，名叫沃森。该研究团队一直在寻找一种能有效抑制癌细胞生长的酶。研究人员把这个任务交给沃森来做——让沃森“阅读”了针对该主题公开发表的7万篇科学论文，并要求它提出方案。有意思的是，这7万篇论文都是在2003年以前发表的，而2003年到2013年发表的论文有意不让它“读”。他们就是让沃森回到2003年，与全球的顶尖科学进行一场科研竞赛。结果是，沃森提出了7个被证明有效的方案，而全世界这个领域所有顶尖的科学家在10年间提出的解决方案也只有10个。
这是一场一个“人”对所有顶尖科学家的竞争。换言之，如果让沃森与人“单挑”，人胜算的可能性是零。最重要的是，沃森的“智商”是呈指数级增长的，而个体人的智商几乎是不变的（如果不是退化的话）。想象一下10年后沃森的智商，我们会不寒而栗。
这是一种动态的、“道高一尺、魔高一丈”的不对称。已处于明显弱势的一方如果不放弃竞争的话，就只能以不懈的努力来反复证明自己注定并且越来越不成功，只能从初期的一方尚有些许胜算的战争，演变为“屠杀”和“被屠杀”。
平台与产品，机构与大众（众包、众创、众筹之“众”）之间，也呈现出这种极端不对称。facebook（脸谱网）是一个不自产任何内容的媒体平台，但它提供的媒体内容、实现的媒体收入，已经超过了美国所有自产内容的传统媒体的总和。不拥有自己的商品和仓储、物流系统的阿里巴巴的市值，已经是沃尔玛的两倍多，而且这种差距会持续增大。优步让全世界无数的出租车公司和司机恐慌不已，不拥有一间房的爱彼迎接待客人的数量早已把传统酒店业巨头万豪抛在脑后。这就是产品与平台之间的极不对称。
大英百科与维基百科之间，传统操作系统与linux之间，则代表着核心（机构）与大众之间的极端不对称的竞争。
但这本书并非在发布关于未来的一系列灾难预言。
坏消息是，人与机器的“标准伙伴关系”——人掌握勿庸置疑的主动性和控制力，机器高效完成辅助性工作——已开始松动甚至瓦解，机器正在拥有逐级而上的自主性。我们已经感受到了机器不甘与人平起平坐的气势。
好消息是，如果人和企业有自知之明，明了机器“尺有所短”，自己“寸有所长”，在某些方面优雅地放手或退位，在显而易见的“极端不对称”中发现机器、平台和大众的软肘，找到隐秘的逆袭点和平衡点，我们就能重建人机生态，在“新寒武纪”里成为与众多新物种和谐相处的新物种。
读这本书，强烈地感受到自己被引领着，一次次领略直击问题本质的认知快感。通过多角度、案例与逻辑交相辉映的呈现，我前所未有地获取了一幅关于智能时代“三生万物”的生动图景。如果只有时间读一本关于智能时代的书，读这本书是一个靠谱的选择。
吴伯凡《伯凡时间》创始人，著名学者
[1] 《第二次机器革命》一书中文版已由中信出版社于2016年12月出版。——编者注
推荐序2 数字化时代的创新生存:替代工作与创造工作
早在半个多世纪之前，控制论的创始人，美国数学家诺伯特·维纳就在《人有人的用处》（1950年出版）中预言，“人与机器之间、机器与人之间以及机器与机器之间的信息势必要在社会中占据日益重要的地位”。美国学者尼葛洛庞帝在其影响广泛的《数字化生存》（1996年出版）一书中指出：“人类将生存于一个虚拟的、数字化的生存活动空间，在这个空间里人们应用数字技术（信息技术）从事信息传播、交流、学习、工作等活动。”今天，确实正如这些学者所预言的，人类已经快速进入了信息社会和数字化时代，生产方式和生活方式正在发生巨大的变化。而且，这种巨变正在以人们未曾预料的速度演进。美国学者安德鲁·麦卡菲和埃里克·布莱恩约弗森在《第二次机器革命》一书中描述了快速的技术进步，并讨论了一些经济后果。
最近，他们又出版了新作《人机平台》一书，向读者展现了一幅各个领域运用信息技术特别是互联网和人工智能技术，进行颠覆性创新并获得很大商业成就的精彩图景。智能化的机器大规模地替代人的工作，在越来越多的领域中越来越多的工作岗位上，智能机器（通常称为“机器人”）超过了人类能力。这使许多人开始担心：越来越多的人类工作被智能机器所替代，意味着大量工作岗位的消失，那么，会不会导致出现大规模失业群体？这样的技术进步对人类有何意义？这不仅是一个重大的技术和经济问题，而且深刻地触及了伦理、法律以至哲学性的社会问题。
最近，沙特阿拉伯政府宣布，给予一个叫作“索菲亚”的人形机器人以公民权利。有评论家认为，这是一个危险的趋势，它突破了伦理和法律界限，技术如果向这样的方向发展，可能严重扰乱整个人类社会。这将是一个错误的行动路线。当然，其他人对此也可能有不同的主张。
安德鲁·麦卡菲和埃里克·布莱恩约弗森在《人机平台》一书中指出，在这样的时代，如果要了解人们接下来想要什么，就需要了解人之所以是人的意义和技术路线选择的意义。他们引述了阿尔伯特·爱因斯坦的忠告：“如果你们想使自己一生的工作有益于人类，那么只懂得应用科学本身是不够的。关心人本身应当始终成为一切技术上奋斗的主要目标；关心怎样组织人的劳动和产品分配这样一些尚未解决的重大问题，以保证我们的思想成果可以造福于人类，而不致成为祸害。”进而深入讨论了在高度数字化的信息化时代，人类必须以正确的行动路线走创新之路。他们通过对各个领域的现实创新案例的描述和分析来说明，“当今社会有众多机会让更多人做贡献，用技术创造更广泛可共享的繁荣”。书中指出：“今天数以百万计的人口从事工作，创造出我们祖父母辈不曾想过的产品和服务。经济体的要件之一，就是专门发明这些新工作的人。……机器并不擅于这种大规模的创意和规划工作，但人类精于此道。企业家之所以成为个人回报及社会回报最好的工作之一，原因就在于此。新技术与合适人选配合起来，可以创造更具可持续性、包容性和生产性的高薪工作，从而使雇主、雇员和客户受益。”
关于人与智能机器关系的深入讨论，最终触及了一个深刻的哲学性问题：人类推动技术进步的价值何在？是代替所有人的工作岗位，让人变得彻底闲暇和懒惰，以至成为工作场上的“垃圾人口”吗？也就是说，消灭人的工作，是人类技术进步的最终目的吗？这不是《人机平台》作者的主张。相反，他们认为，智能机器人仍然是人的工具，所要探讨的是，在高度信息化和智能化的未来世界，人类需要有怎样的行动路线，按照人的价值取向，发展信息技术和平台技术。他们说：“个人可以绘制自己的行动路线，企业和社会也同样可以。我们希望这本书能帮助你绘制自己的行动路线。”
以满足人的需要为目的，人类经过极大的努力，实现信息化、智能化和平台化的科学发明和技术创新，并在此基础上进行社会秩序重构，实际上就是要求，以机器包括智能机器替代人的大量传统工作的方式，创造更多的新工作方式，并培养擅长新工作的人。人类发展的意义是人的潜能的发挥和全面发展。科学发明和技术进步的目标绝不是创造一个普遍懒惰和无所事事的世界，而是一个不断探索未知和不断创新的世界。因为人民对美好生活的需要，归根结底是人的全面发展的需要，所以，人、企业和社会都要有不断创新的行动路线和可行方案。这就是《人机平台》一书给我们的充满乐观主义和积极进取精神的启示。
金碚中国社会科学院学部委员，中国区域经济学会会长2017年11月17日
推荐序3
一口气读完《人机平台》，来不及细细消化其中关于人工智能技术科幻般的演进速度、平台经济上熊彼特式的颠覆势头以及核心与大众孰重孰轻的哲学悖论，思维就定格在爱因斯坦1931年谆谆告诫：关心人的本身，应当始终成为一切技术奋斗的主要目标。
随着数字化技术的飞速发展，零边际成本下的共享经济初步形成，整个人类社会比以往任何时候更接近理想国的梦想。与此同时，现代科技使个人也过上了从未有过的好日子，物质产品极大丰富，网络应用让知识和机遇也变得似乎唾手可得。可以说，人们从未像今天这样一致坚信科技和网络的巨大力量，国人也从未像今天一样一起撸起袖子与新工业革命共舞。
然而，“未来是什么”（what’s the future，wtf）正在引发许多人合乎情理的担忧：担心机器将会取代人们现在的工作岗位，甚至担心人工智能会将人类从自然平衡的翘翘板上挤掉，担心魔力无边的平台经济会废掉产品勇士的神功，担心众包的巨大浪潮会让社会变成无法有效管理的混沌，以至像霍金和盖茨这样的许多权威名流都出来提出告诫，世界经济论坛年会也把新技术背景的社会就业问题当成最重要的议题。
计算机科学家阿兰凯曾说过，预测未来的最佳方式就是创造未来。我们必须看到，在人与机器之间，机器永远是工具，预测人工智能对人类的最大挑战并不在于它将取代多少职业，而在于人类是否因此变得不仅懒于动手，而且还懒于思考。变化是人类社会的常态，迎接加速变化的新科技和新业态也是我们不能回避的挑战。引用作者的话就是：“任何一种未来前景都不是预先设定的。个人可以绘制自己的行动路线，企业和社会也同样可以。”的确，面对这些变化和挑战，你可以选择在机器人面前甘拜下风，俯首称臣；你也可以视为一种机遇，选择因势利导，创新性开发机器人的威力让它为你在追求更加美好生活的征途中披荆斩棘。同样，今天任何具有使命感的企业家，一定不会选择将豪赌压在平台或产品的任何一方，而是应该采取切实的行动，力争实现二者之间的再平衡，不应该也不会沦为物联网场景下被电商巨头盘剥的奴隶。而任何机构和领域里不甘平庸的核心与决策者，一定不会选择让资源继续保持内闭环，而是要充分利用网络经济的免费、完全和即时性优势，实现资源的协同共享，不应该也不会在新的外包群体中退变成没有主见的思想傀儡。推而广之，作为全社会的每个人，应该探问的不是机器能为自己带来什么便利，而是应该探寻自己能利用机器创新点什么，成为大众创业和万众创新时期的新创客和弄潮儿。
《人机平台》一书就是对这些担心的系统性的书面解答，也是对企业家应该如何应对技术和业态挑战的殷切告白。这份解答充满积极的热情，这份告白蕴含具有可操作性的智慧。本书的两位作者立足第二次机器革命的背景，通过翔实的案例，不仅客观地描绘了机器、平台和大众所展现出的巨大力量，而且还深入浅出地阐述了机器与人、平台与产品、大众与核心之间面临的致命矛盾，进而明确指出这三者之间的创造性破坏已经发生，社会领袖特别是企业家应该积极制订新商业世界的行动解决方案，有效应对这种破坏，换言之就是有效实现三者之间的和谐，让对手成为伙伴，携手为人类创造出更大的幸福。本书同时也不失为一本企业在网络和智能时代的行动指南，在作者看来，唯有通过建立人和机器的伙伴关系，才能快速改变企业执行最重要流程的方式；具有创新性的企业应该坚持产品和平台协同并举，加速促进企业的业务转型；充分利用核心和大众之间的资源共享，实质性改变企业的组织形态和工作原理。
未来的确是未知的，是可以充满美好期待的；技术是十分强大的，是可以加以创新利用的。正如蒂姆·奥赖利先生在其新作wtf: what’s the future and it’s up to us 中所说：未来是什么的答案就在我们自己手中。有鉴于此，我们就没有理由不对未来充分自信，就应该本着以人为本的思想和胸怀创造未来的壮志，把挑战看成机遇，通过主动务实的努力，创新性地指引机器的走向，构建产品与平台之间的升级化再平衡，打造核心与大众之间的新型协作关系，让网络经济衍生更多元的商业模式，让智能制造为人类绽放更加美好的正能量。
卢山中国电子信息产业发展研究院院长
推荐序4 未来:结束与开端
这是一本关于人类迈向新世界的著作，对于仍处于彷徨混沌之中的人们，这更是一本理解新时代的启蒙书。两位作者跨越学科社群，深入极客与企业群体，经过大量思想的碰撞，将智慧的火花汇集写出书中的三大主题：机器智能、平台革命以及大众力量的崛起。他们将过去10年间，世界出现的最重要的概念、技术与实践加以回顾总结，并且明谕了人类正走在新时代的开端。这三个主题其实十分宏大，若想深入探究绝非一本书可以尽述，有兴趣的读者，可以寻找更多材料去研究。
对未知怀有畏惧是人的天性，因此不论是个人或组织都具备不确定性的规避倾向（uncertainty avoidance，霍夫斯塔德于1980年提出）。未知带来不确定，不确定带来风险，风险代表可能的失败。因此，人们或企业总是尽已所能地去做预测用以防范风险。有些卓越的企业家，似乎有着令人惊叹的能力去预知未来，从而做出成功的决策。然而，人们常常忘记，这些超凡企业家其实曾做过无数决策，但为人铭记的，往往是那些神来之笔，失败的则往往被抛诸脑后。并且，本书所揭示的研究结果已然清楚地表明，机器的运算能力，在曾经发生的事件场景中，如新一年的销售预期、公司的未来股价表现等重复情境，其预测能力明确地优于人类。毕竟，由于与生俱来的感性，人们注定无法像机器般做出完全基于事实的理性决策。
那么，人类是否应该要为日益强大的机器智能（如人工智能）感到恐惧？新时代的开端是否是人类消亡的序曲呢？阿尔法狗的成功，似乎让人们对自己未来的生存价值产生了怀疑。对于这个问题，书中给了一些可能的答案。首先，人们必须承认，机器的能力，在许多场景中，确实比人类的能力强大。人类一直渴望自己居于主宰地位，对环境中的物种与事物具备绝对控制力，其原因也是为了逃避未知的恐惧。但是，唯有承认人类之不足，才能与机器交互成为一种更为有益的关系。这关系，可以是增强、互补或彼此保护。人们应当放下“控制”的思维，将机器作为一个同等辅助的同伴，截其所长，补己所短。其实，在当前世界我们已经开始体验这种伙伴关系了：试想，一个人开着车，听着导航，驰骋在一条陌生的公路上，无须担心迷路，是一个多美妙的体验？此刻，其实人们已将路径规划的决策交付于机器了。
然而，诚如18世纪提出效用理论的数学家伯努利与诺贝尔经济学奖获得者卡曼尼的研究，人的决策无法避免地受到人的感性层面，亦即情绪或情感的影响。情感是如此微妙而不可一概而论，同一个情境对某人而言是欣喜若狂，对另一人却可能是暗自神伤。因此，人类组织在做决策时，即便能利用大数据算尽可能性，最后结果也可能受当时人们的集体情绪所影响，这也是机器智能参与人类世界的局限。最终，要去真切感受与激发众人的情感，还是需要人类自己。
也正因为人类是理性与感性的结合，使得大众力量得以通过科技的进步（如互联网）汇集在一起。相较于“人工智能”，这种众人之力可以巧妙地被称为“大众智能”。如心理学家马斯洛所说，自我实现是人们最高阶层的需求，人们最终都在追寻自我存在的价值。当机械化的生活让人们在日复一日中渐渐失去自我价值感时，能够摆脱束缚、以独一无二的“我”的身份，自主地参与一件事，常常是激动人心的。
因此，大众愿意投入“知识智力”密集的开放创新平台发挥“众能”；也愿意贡献自己的奇思妙想等创意给t恤设计平台，成为“众创”；更愿意在知乎或维基百科上把自己所知所学做为信息分享，造就“众知”：或是愿意为支持某一项新颖的发明或计划奉献自己的财力，变成“众筹”，抑或愿意把手中拥有的资源发挥其最大边际效用，成为“众包”。这些大众力量形成的大众智能所能成就的事，相对于机器智能，明示了单一人类智能做不到的事，大众可能可以做到；更重要的是，如果大众智能与机器智能合作时，为世界带来全新创造的可能性是如此之大。
记录众人行动所汇集的大数据让人工智能的学习模型飞跃进步，其中虚拟货币概念开启了数据分享与应用的新篇。例如比特币带来的区块链概念，有着去中心化、不可更改及技术屏障等特点，这些特点可以解决有关“信任”的问题。信任成本是经济学交易成本的重要成分，交易双方常常不可避免地将资金花费在征信、监督及约束上。经济学家熊彼特在《经济学人》上发表的文章《疑心重重》也说明了信任危机对社会造成的损失。而今，区块链概念与技术的应用如果能够降低社会活动中的信任成本，例如蚂蚁金服利用区块链技术为奶粉和白酒产品溯源、追踪，透过不同区块链的数据对接，达成防伪的目的。可以预见，当区块链技术应用日益广泛，大众信任成本下降时，对各种形式的大众自主活动投入将会增加，继而形成更强的大众智能。而去中心化的区块链数据库如星际数据库（ipdb）的出现，让数据汇集与分享的成本下降，并允许自由使用与管理时，其巨型数据对人工智能带来的技术变革更将指日可待。
当大众智能与机器智能的结合开启改变世界之门时，一种新的组织形式也应运而生。平台化组织利用互联网及机器运算力，让众人之力有了实时汇聚之所。中国可说是平台企业最为勃发之地，上述所说的众能、众创、众知、众筹、众包均可在中国找到对应的实例。大型平台企业如阿里巴巴、腾讯、百度、美团、滴滴出行，更是在大数据与机器智能的帮助下迅猛发展。平台型组织，将借由机器智能日益增长的运算能力与大量实时更新的信息流，连接资源方与需求方，汇集更大力量，获取更大权力，推动与改变世界。
然而凡事必无所畏亦有所畏。如本书作者所言，人们必须做出选择，如果让平台存在是大众的选择，群体意志的展现，那么平台企业或组织亦必须做出以人类福祉为出发点的选择，以为全人类乃至各物种谋福祉为使命，而且这使命应该凌驾于企业永续经营的目标之上。一个会作恶的企业，不论小恶或大恶，其生存只会带来世界的混乱与动荡。大改变已经揭开序幕，我们必须迎接与机器智能并肩工作的时代，发挥人们独有的、精妙的、结合理性与感性的智慧，将人们不擅长的工作让位给机器。与此同时，无私无畏地集合众人之力，以大众智能协同机器智能，形成更为平等、透明、可信赖的组织力量，让大众对自我生存更具决定权，展现人类生存的终极价值。
陈威如中欧国际工商学院战略学教授、菜鸟网络首席战略官
译者序
2017年5月，亚马逊网站发来英文版新书推荐邮件，据称这项服务得到人工智能技术的支持。我们上网浏览新书时，通过内容链接发现《人机平台》英文版正在预售，书名和内容简介都足够吸引人，两位作者的大名及其上一本书《第二次机器革命》也给足了期待，当然是要预订的。大约一个月之后，数字化的图书内容通过数字化网络自动下载到我们的数字化阅读器kindle。“抢鲜读”之余，我们产生了翻译的念头，于是联系中信出版社，恰好出版社在第一时间拿下了中文版权。一番机缘巧合，促成此次翻译工作。回想起来，这段经历竟然在一定程度上呼应了本书的内容。如果没有快捷的数字化检索和沟通手段，没有中信出版社这样的开放平台，那么，像我们这些远离专业翻译核心领域的大众很难有机会做成这么一件事。
如本书所述，我们生活在一个数字化时代，时刻都在体验各种变革和创新。以阿尔法狗为代表的人工智能追赶人脑，在局部领域已经取得领先；bat（百度、阿里巴巴、腾讯）、滴滴出行等日趋智能的平台颠覆传统产业；在人工智能引领的平台上，众包、众筹、众创乃至区块链、智能合同等在线大众创新形态层出不穷，冲击实力雄厚的核心机构以及根深蒂固的制度安排。面对这些发生在自己身边的事情，人们往往在惊叹之余，不假思索地追问接下来还会发生什么，技术还会给我们带来哪些创新，或者说技术还会对我们做些什么？
但是，作者提醒我们，技术是工具，工具本身不能决定对人们做些什么。虽然加速创新的技术创造了数不胜数的选择，但选择权毕竟还在人类手中。更强的技术使人类有更强的能力去塑造未来。塑造未来的方式出自社会的方方面面，既出自经理人的技术实施与运用，也出自普罗大众的个人事务管理决策。正如毛泽东主席所说：“人民，只有人民，才是创造世界历史的动力。”[1]
所以，我们该问的不是“技术会对我们做些什么”，而是“我们想用技术做些什么”。基于此，我们对技术创新的认识以及与之相关的价值观就显得十分重要。
本书承接《第二次机器革命》的内容，系统梳理了技术驱动的主要商业形态，并进行更广泛、更深入的讨论。作者认为，第二次机器革命可分为两个阶段：第一阶段的特点是数字化技术接管常规工作，也就是人机之间的标准伙伴关系；目前已经转换到第二阶段，其主要特点是电脑开始在非常规工作方面胜人一筹，而且庞大的人类群体建立了数字化连接，促成转换的主要力量则是人工智能和智能设备。在第二阶段，人脑、机器、产品、平台、核心、大众捉对碰撞，擦出火花。结果，许多传统的假设开始被推翻，惯用的做法也显得过时。
作者按照依次递增的“科幻梯度”（创新的新颖程度），生动地阐述了机器、平台和大众三者在当下和未来的力量，它们既相对独立又彼此关联。从通用电气、谷歌、苹果、亚马逊等行业巨头，到facebook（脸谱网）、uber（优步）、爱彼迎等新兴公司，再到众多的新创企业以及快速崛起的大众，一系列实践事例被作者用经济学等学科的理论线索串联起来，经层层剖析而呈现清晰的商业模式和波澜壮阔的创新图景。本书每一章最后都总结了主要观点，并提出相应的操作性问题，帮助读者思考相关的组织应用。亚马逊网站上，有读者认为本书是理解人工智能时代商业实践的必读之作，其各章的总结和问题则是“学以致用”的关键所在。
本书的经济分析深入浅出，与商业叙事相得益彰。值得一提的是，作者立足第二次机器革命的背景，对多位诺贝尔经济学奖得主的观点进行了与时俱进的演绎。例如，卡尼曼等人的行为经济学研究被用于人脑与机器（人工智能）决策的比较与展望；阿克洛夫的信息不对称研究被用于产品市场与多边平台的机制分析；科斯等交易成本学派“大腕”的研究被反复引证，探索大众用技术颠覆公司（核心），而公司依然存续的原因。这些用实践进展倒逼“理论极限”的阐述不仅有力度，而且有趣、有启发性。诚然，正如作者指出的那样，学术研究固然有价值，但仍不足以全面解释当下的创新实践。从这个意义上讲，既有的理论可能跟不上实践的发展步伐，创新的实践疾呼创新的理论研究。
在我国，《新一代人工智能发展规划》已经发布，“大众创业，万众创新”的热潮持续升温，“大数据、云计算、物联网、新技术、新业态、新模式”成为“中国制造”的关键词。所有这些，都与本书的内容密切相关。众所周知，我国企业近年来的数字化创新实践大放异彩，在移动支付、共享经济等多个领域居世界领先地位。因此，本书内容与我国企业的实践相互借镜，能够给读者带来更多启示。进而言之，本书有助于企业家思考一些迫在眉睫的问题。例如，面对咄咄逼人的平台，传统的行业竞争手法是否依然有效？面对大众的挑战，坚持打造核心竞争力又是否足够？归根结底，以往的公司战略主张都是由人类提出的，在人工智能快速崛起的时代，会不会出现人机合作乃至机器主导的战略决策安排，从而超越以往的人机标准伙伴关系？若如此，未来的企业竞争又将呈现何种格局？
马敏敏、林昕昱等同事在翻译过程中提供了协助，中信出版社的李红梅编辑和曹萌瑶编辑高效工作，助力译稿最终完成。在此，我们一并表示感谢。由于时间及水平所限，译文难免有错漏之处，请读者指正。
林丹明 徐宗玲2017年9月于桑浦山麓
[1] 毛泽东. 论联合政府（1945年4月24日）［m］//毛泽东选集：第3卷. 北京：人民出版社，1991：1031.
前言 革命三重奏
这些相似的事件对比令人吃惊，它们足以使人确信：就像早期的工业革命一样，信息革命对未来社会的重大影响还在后面。
彼得·德鲁克（peter drucker），2001年
棋盘上的电脑
对人类来说，学好围棋一直很难，而电脑编程下围棋几乎不可能。
围棋是一种纯粹的战略对弈，其中没有运气成分，[1] 至少2 500年前就在中国出现了。对弈的一方执白子，另一方执黑子。双方轮流在纵横各19格的棋盘的交叉点下子。如果一个或一组棋子完全失去自由，即其实质上已完全被对方的棋子包围，那么就成为“死子”，必须从棋盘提走。比赛结束时，[2] 取得较多实空的一方获胜。
喜欢战略的人也喜欢下围棋。孔子说过：“饱食终日，无所用心，难矣哉！不有博奕者乎？为之，犹贤乎已。”在很多方面，围棋的地位甚至高于国际象棋——另一种很难的无运气成分的策略性博弈。正如国际象棋大师爱德华·拉斯克（edwardsker）所说：“虽然只有人类才能创造巴洛克式的国际象棋规则，但围棋的规则是如此优雅、有机和逻辑严谨，因此如果在宇宙的其他地方存在智慧生命形式，他们几乎肯定会选择下围棋。”
围棋表面上看起来很简单，但它掩盖了一种难以概念化的复杂性。由于棋盘很大，所以对弈双方下子时的自由度也很大。据估计，在标准的围棋棋盘上有2x10170 种下法。这个数字有多大呢？它比可观测宇宙中的原子数还要大。实际上，这是一个完全不合适的基准。可观测的宇宙只含有约1082 个原子。也就是说，即使宇宙中的每个原子本身是一个充满原子的宇宙，那么围棋的棋局还是比原子要多。 妙不可言的围棋
顶级的人类围棋选手如何操控如此玄妙的复杂性，然后连出妙手？这个问题没人知道答案，就连选手们自己都说不明白。
围棋选手学习定式，并依此出招。[3] 然而除了这些经验法则，顶级选手经常无法解释自己的战略。迈克尔·雷蒙德（michael redmond）是少数取得围棋最高段位的西方人之一，他说：“我看到一手围棋，并确定它是对的，但是无法准确说出我是怎么知道的。我只是看出来而已。”
这并不是说围棋选手是一群舌头打结的怪人。事实证明，所有人都不能通晓自己所了解的全部知识。当我们识别一张脸或骑一辆自行车时，事后反思一下，我们也不能完全解释自己为什么能这么做。这种隐性知识很难显性化。20世纪英籍犹太裔大学者迈克尔·波兰尼（michael pnyi）的观察精彩地总结了这个状况：“我们所知的多于我们所能说的。”
这一所谓的“波兰尼悖论”给任何试图开发围棋电脑程序的人设置了重大障碍。如果没人能清楚地表达战略，那么你又如何编写包含最佳对弈战略的程序呢？退一步说，对一些定式进行编程是有可能的，但是当面对那些能够以自己说不清楚的方式超越定式的优秀选手时，这样做是无法取胜的。
程序员通常借助模拟来操控诸如围棋的所有可能下法之类的复杂环境。他们编写程序，下一手乍看还好的棋，然后探测所有对手对这手棋的合理回应，以及对每次回应的所有合理回应，等等。最终选中的一手棋，本质上就是有着最多后续妙手、最少后续恶手的一手棋。然而，围棋的潜在棋局如此之多，下法如此丰富，因此即使是装满超级电脑的机库，也无法模拟哪怕其中的一小部分。
由于关键知识不可得，模拟又无效，因此围棋编程进展缓慢。2014年5月，哲学教授艾伦·莱维诺维奇（n levinovitz）在《连线》杂志发表文章，探讨电脑围棋的现状和可能进展，结论是：“再用10年让电脑围棋胜出，这可能太过乐观。”2015年12月，心理学教授及游戏专栏作家克里斯·查伯里斯（chris chabris）在《华尔街日报》撰文，标题就是“为什么电脑依然无法攻克围棋”。 跨越波兰尼悖论
2016年1月，也就是一个月之后，有一篇科学论文面世，它介绍了一台未尝败绩的电脑围棋。总部设在伦敦、隶属于谷歌的人工智能研究实验室deepmind专攻机器学习（人工智能的一个分支，详见第2章），发表了《用深度神经网络和树形搜索掌控围棋》一文，成为著名的《自然》杂志的封面故事。该文介绍了阿尔法狗，它是一个找出波兰尼悖论解决方法的围棋应用程序。
阿尔法狗的开发者并没有尝试用超级围棋战略和定式进行编程。相反，他们创建了一个可以自我学习的系统。该系统通过大量对弈研究棋盘下法，并从中学习。阿尔法狗被用来识别大量数据中存在的微妙模式，并将动作（如在棋盘某个特定位置下子）与结果（如赢得围棋对弈）联系起来。[4]
该软件可从在线棋局库中获取3 000万种棋盘下法，并且被告知“用这些数据来了解如何获胜”。阿尔法狗还与自己进行多场对弈，生成了另外3 000万种下法，然后进行分析。系统在对弈过程中进行模拟，但只针对重点下法；它使用从研究数百万种下法中累积的学习结果，模拟它认为最有可能获胜的下法。
阿尔法狗的工作始于2014年。到2015年10月，测试已经准备就绪。它与当时的欧洲围棋冠军樊麾进行了5局秘密比赛。5∶0，机器全胜。
在这一竞争水平上，电脑围棋获胜完全出人意料，这震动了人工智能界。几乎所有的分析师和评论员都认为，阿尔法狗的成就是一个突破。然而，激辩也随之而来。正如神经科学家加里·马库斯（gary marcus）指出的那样，“围棋本不是欧洲的项目，而且这位冠军在世界只排第633名。一个击败世界第633名职业网球选手的机器人令人钦佩，但是说它已经掌控了比赛，这还不够公平”。
deepmind团队显然认为这是公平的说法，2016年3月，他们在韩国首尔举行5局对弈，挑战李世石。许多人认为李世石是当今世界上最好的围棋选手，[5] 也是人类记忆中最好的围棋选手之一。他的棋风被描述为“凭直觉、不可预测、有创造性、强烈、野蛮、复杂、深刻、快速、混乱”，李世石觉得这些特点使他在面对电脑时有明显的优势。正如他所说，“围棋有一种美，我不认为机器了解这种美……我相信对于人工智能来说，人类的直觉太过先进，依然没法捕捉”。李世石预测自己将在5局中赢得至少4局比赛，他说道：“看了去年10月的比赛，我认为（阿尔法狗的）水准不及我。”
李世石和阿尔法狗之间的对弈引起了韩国和其他东亚国家的浓厚兴趣。阿尔法狗赢了前三局比赛，确保了自己在五局三胜制中的胜利。李世石反击赢下第4局比赛。他的胜利让一些观察家期盼人类的聪明才智能洞悉数字化对手的缺陷，而李世石可以继续利用这些缺陷。然而就算真是这样，这些缺陷也不够大，不足以令下一场比赛翻盘。阿尔法狗再下一城，以令人信服的4∶1终结比赛。
李世石终于发现竞争严酷，他在失败后说：“我感到无能为力……我有丰富的围棋对弈经验，但从来没碰到过这样的情况，感受到这么大的压力。”
一些新事物已经在围棋领域产生了。 资产也疯狂
2015年3月，战略家汤姆·古德温（tom goodwin）点破了一种模式。他写道：“uber是世界上最大的出租车公司，它不拥有车辆；facebook是世界上最流行的媒体所有者，它不创建任何内容；阿里巴巴是最有价值的零售商，它没有库存；爱彼迎是世界上最大的住宿供应商，它不拥有房地产。”
持怀疑态度的读者可能会说，这当中有些公司比它们一开始看起来的革命性要小一些。例如，出租车行业的许多公司本身就不拥有自己的汽车。相反，它们持有授权在城市经营出租车的牌照，然后将牌照租给车主和司机。同样，许多酒店公司实际上并不拥有其冠名的所有物业，它们选择与房地产持有人签署许可协议或管理协议。
在上述例子中，有关公司都持有授权、合同之类的长期资产，这些资产对行业至关重要，因此是有价值的。uber和爱彼迎都没有这些。uber在世界上任一城市都没有车辆或牌照，而爱彼迎与任何房主都没有长期合同。然而，两家公司都很快获取了数百万的客户，达到数十亿美元的估值，这使得古德温观察到的成功现象更为引人瞩目。在他发表专栏文章时，每天有超过100万人乘坐uber汽车抵达世界上60个国家的300座城市，爱彼迎在191个国家提供了64万种不同的住宿选择，从蒙古的蒙古包到詹姆斯·乔伊斯（james joyce）笔下的爱尔兰童年小屋。
中国的阿里巴巴给零售业带来了一种轻资产的方式，在这个行业，大生意历来意味着大家当。例如沃尔玛在2016年年底拥有150多个分销中心，以及一个装备着6 000多辆卡车的私人车队，每年车程达7亿英里[6] ，将货品运抵美国各地4 500家商店的货架。截至当年10月31日，该公司的资产负债表包括1 800亿美元的财产和设备资产。然而就在同一天，沃尔玛的总市值却低于阿里巴巴，后者在2016年的销售额超过5 000亿美元。
阿里巴巴于1999年由曾经当过教师的马云和17位同事创立，它是连接买家和卖家的在线中间商。其最受欢迎的网站是淘宝和天猫，前者让个人和小企业向消费者出售商品，后者则向大公司提供同类服务。到2016年年底，每月使用阿里巴巴应用程序的中国人口数量超过了整个美国人口数量。
2009年，天猫开始在中国推广“光棍节”。这最初是一项庆祝活动，20世纪90年代中期起源于南京大学，本来与零售没什么关系。光棍节于11月11日举行，因为这天的“1”（象征光棍）最多。一开始，天猫的“光棍节”活动只有27个商家参与，但它很快成为中国最重要的购物活动，参与者不仅替作为单身汉的自己购物，而且还替自己心仪的人准备礼物。2016年11月11日，阿里巴巴的市场销售额达到178亿美元，是美国“黑色星期五”和“网络星期一”两天销售额总和的3倍。[7]
在古德温提到的4家公司中，facebook可能有着最特别的故事。11年前，它从马克·扎克伯格（mark zuckerberg）在哈佛大学的宿舍起步，由几所美国精英大学的社交网站发展成为全球性的通信、连接和内容设施，每天的访问量达9.36亿人次。正如古德温指出的那样，facebook吸引了所有这些人，他们每天平均访问50分钟，且无须生成网站上出现的任何信息。其成员的状态更新、意见、照片、视频、指向和其他记录如潮水般提供给其他访客，吸引人们回访。
在向用户提供这些内容的同时，facebook也向他们推送广告，甚至是大量的广告。2016年第二季度，facebook的收入几乎全部来自广告业务，达64亿美元，利润达20亿美元。
新闻组织和其他用人工、采风等传统思路开发内容的在线组织惊慌失措，这不仅是因为facebook的成本较低，而且因为在广告主的眼中，其质量更高，策略更好。社交网络巨头对其成员非常了解。毕竟，这些成员提供了信息，留下了记录，让网站知道了自己的许多情况，因此网站可以更精准地发布针对他们的广告。
每位广告商都受到美国百货店先驱约翰·瓦纳马克（john wanamaker）的一句“魔咒”的困扰：“花在广告上的一半的钱被浪费掉了，麻烦的是我不知道是哪一半。”人们普遍认为，广告在很大程度上是一门非常不精准的学科，因为它做不到只针对最有可能回应的人。facebook为许多广告商提供了针对性的具体标准，这是主流媒体网站无法匹敌的，而且facebook可以一直这么做，在全球大规模这么做。 四两拨千斤
古德温将他所谈论的公司描述为“难以形容的薄层”，并表示“没有更好的生意了”。它们是如此之“薄”，主要持有应用程序和代码，而不是实体资产和基础设施，因此可以快速成长。在古德温的文章发表之后的一年内，通过爱彼迎网站预订的夜间住宿的数量翻了一番，而它的备受热捧使得巴黎、巴塞罗那、里斯本、柏林和旧金山等城市的政府开始担心它正在对历史居住区产生负面影响。该公司的增长如此之快，如此有争议，致使技术作家汤姆·斯里（tom slee）于2016年7月在《哈佛商业评论》的网站上发表了题为“爱彼迎正面临生死攸关的扩张问题”的博文，当时，越来越多的城市和地区正在反击爱彼迎的扩张。
uber也经历了快速增长和频繁的争议，它同时测试着新服务。其uberpool拼车服务于2014年推出，在包括纽约在内的许多城市迅速普及。该公司于2016年5月宣布，每周所有高峰时段在曼哈顿第125街区下方乘坐uberpool将一律收费5美元，当年7月的特惠价则允许纽约人以79美元的价格购买4周的乘坐权。在这个价位上，该项服务比许多地铁票价还要便宜。
当古德温在2015年3月撰文推介时，facebook已经是赢利的巨型公司，它的规模和影响力不断扩大，对主流内容生产商的影响力大大增强，它还在创新方面进行了大量投资。2015年8月，网络流量分析公司parse.ly发布的报告显示，在其跟踪的主要新闻和媒体网站中，来自facebook的访问者多于谷歌及其他搜索引擎。2016年3月，马克·扎克伯格公布了该公司的10年路线图，其中包括人工智能、虚拟现实和增强现实等主要举措，甚至包括用太阳能飞机为数百万远离电信基础设施的人群提供互联网接入。
那些只由一个“难以形容的薄层”组成的公司是如何产生如此大的影响，并取得如此成功的？
正如古德温所观察到的，“有趣的事情正在发生”。 巨人跨界
无论从任何标准看，通用电气都是美国最成功的公司之一。通用电气的起源可追溯到大发明家托马斯·爱迪生（thomas edison）和他的爱迪生电灯公司，它是1896年入选首期道琼斯工业平均指数的12家公司之一。在这些公司当中，通用电气是至今仍位列该指数的唯一一家公司。它在许多行业进退自如，包括发电、航空航天与国防、塑料、医疗保健和金融，但是在漫长的历史中，通用电气一直为消费者开发产品，从爱迪生的电灯到收音机和电视，再到其他家用电器。
通用电气也是经营大型多元化全球性公司的先驱和佼佼者。它经常与大学合作，在研发方面投入巨资。它是率先投入大量时间精力提升技术和管理技能的大公司之一。1956年，通用电气在纽约克罗顿维尔创立第一家企业大学，这个地名由此成为管理实践专业化的代名词。
进入21世纪，通用电气在克罗顿维尔和整个公司推出深化营销能力的重大举措，其定义是理解、满足所有业务领域的客户需求。2013年，一份针对该公司在这方面工作的评论发现，其最非凡的能力是“从内部创造营销创新”。
那么，作为一家年度研发预算达52亿美元，仅在美国市场的营销支出就达3.93亿美元的公司，通用电气为什么会选择在2015年与一群互联网“路人”合作，帮助公司思考并设计一种新的消费品？作为一家市值达2 800亿美元并持有900亿美元现金的公司，它为什么会在产品还没推出之前就要求潜在客户下数百美元的订单？ 点冰成金
2014年，通用电气和路易斯维尔大学联合推出了一项名为“firstbuild”的计划，这是一个“正在改变产品上市方式的共创社区”。它包括一个在线站点和一家配备原型产品所需工具和材料的微工厂。
通用电气路易斯维尔电器公司的高级开发工程师艾伦·米切尔（n mitchell）决定使用firstbuild作为测试平台。他想试试是否有可能创造一种更容易满足许多人迫切需求的特殊冰块。
大多数冰块只是各种尺寸和形状的冻块。块冰则不同。它的桶形小块是多孔的，是半冻的。这些特质使它能很好地吸收香味，也更容易咀嚼，这显然是一些人很想要的东西。2008年，伊兰·布拉特（n brat）在《华尔街日报》发表的一篇报道认为，“可咀嚼的冰像烤饼一样热销”。索尼克快餐连锁店在饮料中使用块冰，发现很多客户就是想要这东西。因此，该公司开始销售各种冷藏块冰，有一小杯的，也有一袋（4.536千克）的。
制作块冰比简单把水冷冻起来要复杂得多，[8] 生产它的机器卖几千美元，这对于大多数家庭来说太贵了。[9] 米切尔想看看firstbuild社区能否设计一种可行的家用制冰机并做出原型，于是在2015年举办了一次在线竞赛。
获奖者是来自墨西哥瓜达拉哈拉的设计师伊斯马尔·拉莫斯（ismael ramos），其“stone cold”设计作品构想了一种非常适合厨房台面的立体机器，配有可拆卸的透明塑料冰桶。拉莫斯获得2 000美元奖金以及一件根据他的点子做出来的首创产品。该项比赛的两名亚军也获得了现金和制冰机奖励。
微工厂的人们开始制作制冰机并改进其原型。他们自始至终频繁地与围绕该项目形成的在线社区进行互动，探讨可移动冰桶的外观该是怎样，水满时如何感知，这种机器是否应有冰铲等一系列问题。 无中生有
在开展上述工作的同时，通用电气还尝试了一种新兴的、非传统的营销和市场研究组合。2015年7月，该公司在indiegogo网站为制冰机发起了名为“蛋白石”（opal）的活动。indiegogo是一个在线众筹社区，它将自己描述为“各式各样创意和创业想法的启动板”。为这些想法提供财务支持的人不是投资者，他们投入资金，但没有索取股份、收入分成或利润分成。不过在很多时候，赞助者都会得到承诺的回报。例如，如果他们赞助一部电影，他们就会被邀请先睹为快；如果他们赞助一件产品，他们就可能是第一批收到产品的人。实质上，他们预订了一件尚未面世的产品，而如果没有他们支持的话，这件产品就可能永远不会面世。
indiegogo最初是一家为无法筹资圆梦的普通人和小公司开办的网站，但是到2015年年中，大公司也使用该网站来测试潜在产品的需求。在“蛋白石”活动中，通用电气和firstbuild要求每位人士贡献399美元（后来增加到499美元），并设定了筹资15万美元的目标。在几个小时内，该项活动的筹资额已经是预定目标的两倍多，然后它在一周内吸引了130多万美元。“蛋白石”活动于2015年8月下旬结束，在indiegogo网站筹款超过270万美元，成为该网站十大热门活动之一。最终产品在2016年第四季度送到5 000多名预订客户手中，之后再向公众出售。通用电气不需要通过预订筹资，但是它非常想要市场情报。
通用电气找到一种新方式，它既激活了“外脑”，又开发了制冰机市场。 机器、平台、大众
上面我们介绍了三个例子：阿尔法狗击败最好的人类围棋选手，facebook和爱彼迎这类没有任何传统行业资产的新兴公司取得成功，通用电气邀请在线用户来帮助设计并销售该公司自己擅长的产品，这些例子展示了重塑商业世界的三大趋势。
第一个趋势是机器的快速增加和功能扩展，阿尔法狗异军突起成为世界最佳围棋手，就是一个明证。
古德温观察到的第二个趋势是年轻有为的大公司崭露头角，它们与同行的老牌企业几乎没什么相似之处，却深刻地颠覆了后者。这就是正在崛起的平台，它们是可怕的竞争对手。
如通用电气“蛋白石”制冰机的非常规发展过程所示，第三个趋势就是大众的涌现，我们用这个术语泛指海量的人类知识、特长和激情，它们分布在世界各地，现在可以在线获得，集腋成裘。
从10亿美元身家的硅谷独角兽公司的崛起，到《财富》500强公司的衰落或转型，经济的动荡和变革看起来是混乱随机的。然而，机器、平台和大众这三个视角则以经济学和其他学科的恰当原理为基础。应用这些原理并不容易，但是有了恰当的视角之后，混乱将让位于秩序，复杂将变得简单。本书的目的就是提供这些视角。 三种重新平衡
在所有公司、所有行业，机器、平台和大众都有对照。机器智能的对照是人脑。会计师与电子表格，工程师与电脑辅助设计软件，装配线工人与旁边的机器人，这些都是人脑—机器组合对照的示例。
平台的对照是产品，也就是商品和服务。乘车穿越小镇的是一种产品，而uber是人们用来获取该产品的平台。住宿和爱彼迎、新闻故事和facebook也是如此关系。
大众的对照是核心，也就是公司在内部和供应链上建立的知识、流程、诀窍和能力。对于通用电气的产品而言，核心在于设计、制造、销售冰箱和烤箱；美国国家航空航天局的核心是建造太空船，尝试更好地了解宇宙；微软的核心能力包括开发个人电脑的操作系统和应用程序。
我们不会说，人脑、产品和核心已经过时或即将过时。这样的说法是荒谬的。正如我们将反复声明的那样，人的能力、优质产品和服务，以及强大的组织能力对于企业的成功来说仍然至关重要。
我们将尝试说服读者，由于新近的技术变革，企业需要重新考虑人脑与机器之间、产品与平台之间以及核心与大众之间的平衡关系。短短几年间，以上每一组对照的第二个元素变得更有能力、更加强大，所以需要用新的眼光来重新看待。了解机器、平台和大众能够在何时何地、以何种方式、凭借何种理由奏效，这是在当今经济中获得成功的关键。本书的目标正是在于此。实际上，我们会尝试说服读者，这不仅很重要，而且必不可少。 焦点时刻
我们在上一本书《第二次机器革命》中描述了快速的技术进步，并讨论了一些经济后果。自从该书出版以来，我们最常被问到的问题之一是：这次革命始于何时？这是一个非常好却非常难以回答的问题。我们拥有数字化电脑毕竟已经超过半个世纪，但该书描述的几乎都是新近的技术进步。那么，这一重要的新的第二次机器革命始于何时？
我们对这个问题给出了两阶段的答案。第二次机器革命的第一阶段刻画了一个时代，当时，数字技术接管大量的常规工作，如处理工资单、将车身部件焊接在一起、向客户发送发票等，从而明显影响到商业世界。1987年7月，麻省理工学院经济学家罗伯特·索洛（robert solow）写道：“我们处处可见电脑时代，只有生产率统计除外。”当年晚些时候，他因经济增长理论方面的工作而获得诺贝尔奖。到20世纪90年代中期，这种说法不再成立，生产率开始快速增长，大量研究（其中一些由本书作者之一布莱恩约弗森及其同事进行）表明，电脑和其他数字化技术是其主要原因。因此，我们认为第二次机器革命的第一阶段始于20世纪90年代中期。
我们认为现在处于第二阶段，其开始日期更加难以确定。这是科幻般的技术（如电影、小说中的技术，精英实验室的可控环境等）进入现实世界的时代。2010年，谷歌出人意料地宣称，一支完全自动的轿车队行驶在美国的道路上，而且没有发生意外。2011年，ibm（国际商用机器公司）的超级计算机沃森（watson）在美国益智问答节目《危险边缘》中击败了两位人类冠军！截至2012年第三季度，超过10亿人用上了智能手机，它是将无数科幻电影所展示的通信和传感器能力相结合的设备。当然，本章开头描述的三项进步在过去几年中已然发生。我们将看到的许多其他突破也是如此。从技术进步看，它们不是侥幸所致，也不是昙花一现。相反，它们是经济大变革的预兆，这是一次立足于重大技术进步和健全经济原理的转型。
第二次机器革命的第二阶段明显不同于第一阶段。首先，在这个阶段，技术展示出其可以完成令人难以想象的预编程或日常事务。技术能赢下围棋，能准确诊断疾病，能自然地与人交互，能从事编曲、设计有用之物等创意工作。在过去几年里，技术已经清晰地跨越了波兰尼悖论，跨越了创新道路上的其他限制。机器不再简单地听从人类程序员仔细编写的指令，[10] 它们自己正在学会如何解决问题。这一发展极大地拓宽了机器目前所能处理的应用和任务的范畴。
其次，上亿人口开始随身拥有强大、灵活、连接的电脑。智能手机和其他类似设备以惊人的速度在世界各地传播。2015年，iphone（苹果手机）推出仅8年之后，皮尤研究中心调查了21个新兴发展中国家的成年人，40%以上的受访者报告说持有智能手机。2016年，又有约15亿部智能手机售出。
在人类历史上，世界上大多数成年人第一次在彼此间建立数字化连接，并且与世界上大量已累积的知识建立了联系。更重要的是，他们自己可以对这些知识做出贡献，从而创造一个良性循环。他们也可以进行各种交流和交易，从而将数十亿人带入现代全球经济。
这一点的重要性怎么说都不为过。直到最近，好的图书馆、大型知识库、先进的通信及信息处理技术都还仅限于世界上富有的人，亦即那些幸运地出生在非贫困国家的非贫困家庭的人。而今，这情形已彻底改观。而且，越发强大的技术将在未来数年传遍全球。
电脑在非常规工作方面胜人一筹，人类建立了数字化连接，这是过去几年才有的两个现象。因此我们认为，第二次机器革命第二阶段的合适起始点是新千年的第二个10年。人脑与机器，产品与平台，核心与大众，就在此时捉对碰撞、擦出火花。结果，许多长久的假设被推翻了，惯用的做法也过时了。 历史教训：成功转型才能幸免于难
一个世纪前，电力正从蒸汽动力手中接管制造业。我们挑出这个时期，乃是因为它给出了一个关键的提示：在一种动力源向另一种动力源的转换过程中，许多（事实上是绝大多数）成功的在位公司未能幸免于难。对于那些想在即将到来的数字化转型时代大显身手的企业来说，它们需要了解为何发生这样的事情，并从往事吸取一些重要教训。
1910—1919年，美国超过英国成为世界最大的经济体。究其原因，主要是美国制造企业的实力，它约占当时全国gdp的50%。
美国工厂最先用的动力是驱动水轮的流水，然后是蒸汽。20世纪初，电力似乎是另外一种可行的选择。它开始引起注意时，是作为放在工厂地下室并为所有机器提供动力能源的单件大型蒸汽机的有效替代品。随着企业获得经验，善用新技术，其他的好处也被发现了。哥伦比亚大学教授f. b. 克罗克（f. b. crocker）在1901年写道：
有很多工厂引进电力，因为人们想省下20—60美分燃煤费，但这类节约并不是今日全美电力设备巨变的原因……那些以此为由率先使用电力的人会发现，除了燃煤费，他们还在其他方面节省了费用，这可以称为间接节约。
新技术的采用者终于意识到，一些长期的约束条件已经不复存在。一旦实现电气化，电源就可以遍布整个建筑物。不管怎么说，它们不再需要设在烟囱和煤堆旁边。人们现在可以使用若干个动力源，替代那种轴、齿轮、滑轮和皮带浑然一体，驱动工厂里每台机器的大型单体动力源。
大多数制造企业最终采用了这种“分组驱动”形式，即每家工厂有几台大型电机，每台电机都为一组机器提供动力。[11] 一些人想让动力更加分散，于是开始琢磨“单机驱动”，即建筑物中的每台机器都有自带的电机。电机毕竟与蒸汽发动机不同，可以做得相当小，而且效率也没有明显降低。
诚然，用今天的眼光看，如果不采用这种做法，那就太离谱了。事实上，许多机器现在更进一步，采用内置多台电机的设计。但是，单机驱动的概念刚开始提出时深受怀疑，而且此后很长一段时间都是如此。经济史专家沃伦·迪瓦恩（warren devine）发现：
20世纪的前25年，技术文献一直在讨论分组驱动机器和单机驱动机器的优缺点。1895—1904年，这个问题在技术界的会议上引发了激烈辩论。在所有情况下，这两种技术都不能说是最好的……而且，20多年后，分组驱动仍被强烈推荐于许多场合……1928年出版的两本教科书……明确表示在很多情况下，分组驱动是合理的。
当局者迷
回想起来，技术进步是如此明显，为什么它们刚出现时难以准确把握？为什么这么多聪明、有经验的人和公司，以及这么多深受技术影响的人，没办法看清楚它？
许多不同领域的研究都得到了同样的结论：恰恰是因为在位者熟谙现状，沉迷其中，以致看不到新技术的浮现及其未来的潜力和可能的演化。这种现象被称为“知识魔咒”和“现状偏见”，它甚至会影响到管理良好的成功企业。现有的流程，现有的客户和供应商，现有的专业知识库及通用的思维方式，这些都会让在位者盲目，看不到显见的事物，例如与现状格格不入的新技术的可能性。
当然，这看起来就是工厂电气化的情形。关于这方面的研究有很多，其中大部分得出了同样的结论。正如经济学家安德鲁·阿特克森（andrew atkeson）和帕特里克·科赫（patrick j. kehoe）总结的那样：“在电力转型开始之初，制造商不愿意放弃大量的知识储备去采用那些最初只是稍微好点儿的技术。”[12] 另一对经济史学家保罗·戴维（paul david）和加文·赖特（gavin wright）发现，电力转型的潜力经过很长时间才全面释放，其中的一个重要原因是“组织上尤其是概念上的需要，具体表现为任务和产品的定义与结构”。装配线、输送带和高架起重机就是这种概念变革的例子。它们对全面释放电力的潜力至关重要，但对于在蒸汽时代取得巨大成功的许多在位者来说，这些是无法想象的。 电力冲击波
克莱顿·克里斯坦森（yton christensen）刻画了颠覆性技术如何击垮大型公司，借此建立了明星商业学者的职业生涯。电气化是迄今为止最具颠覆性的技术之一。在20世纪的前几十年，它使美国制造业出现大规模灭绝。
20世纪初，美国的制造业由被称为“工业托拉斯”的企业所把持。它们是因并购而生的大公司，其所有者盯着生产、采购、分销、营销等方面的规模经济优势。某些托拉斯则希望建立庞大公司以形成垄断，从而取得更大的定价权。1904年发表的一项调查发现，此类托拉斯达300多家。
当时，美国的工业托拉斯似乎处于长期统治的地位。它们资本充足，雇用了第一代专业经理人，新技术的冲击还遥不可及。这些工业托拉斯驾轻就熟地通过电报进行沟通，通过铁路运载货物，它们也愿意让工厂从蒸汽动力转用电力。但是随着电气化的普及，它们所有的资源和能力都不足以让自己保持领先，甚至在许多情况下不能保证其在行业立足。
经济学家肖·利弗莫尔（shaw livermore）在1935年发表的一项调查发现，1888—1905年建立的工业托拉斯，有40%以上在20世纪30年代初销声匿迹了。另外还有11%是“记录……好坏参半的…… 跛脚鸭，一般而言，其糟糕的结果是在相关调查期的最后几年出现的”。幸存下来的托拉斯多数变小了。经济学家理查德·凯夫斯（richard caves）及其同事研究了1905年占统治地位并存活至1929年的42家制造业公司，结果发现，它们的平均市场份额从69%降到45%，下降幅度超过1/3。
这些研究和其他研究表明，美国制造业在20世纪的竞争环境变得严酷，到20世纪20年代末，许多公司已经从以往的强势地位跌落。这在一定程度上归因于电气化吗？
我们认为的确如此。很明显，智能电气化使工厂比原来更有生产力。最大的好处并非来自电机对蒸汽机的简单替代，而是来自生产过程本身的重新设计。在智能电气化的工厂里，每台机器自带电机，以及装配线、输送带、起重机等，这些在任何竞争中都是强大的武器。它们能以更少的投入做更多的事情，使其所有者能够从价格和灵活性方面打击竞争对手，令其产品在市场上大行其道。我们也知道，并非所有工厂都能够明智地使用电力。一些企业及其领导人看到了单机驱动的潜力，并且欣然接纳，而其他企业则争论了数十年。由于所有这些原因，早期采用新技术的工厂有可能把许多老牌工业托拉斯直接送进了历史坟墓。
美国制造业在20世纪初的巨变有多种原因，包括“一战”和罗斯福总统的反托拉斯运动引起的动荡，但是，电气化的多重冲击是这么多顶级公司失败或陷于瘫痪的根本原因之一。
那些认为电气化只是一种更好动力源的工厂业主完全错失了机会，随着时间的推移，他们发现自己落后于电气化的竞争对手。这些落后者可能一直在生产精妙的产品，并通过高效的分销网络向忠诚的客户销售。如果他们的工厂没有实现智能电气化，他们最终就会被淘汰。他们不能进行价格竞争，不能让产品快速上市，也不能轻易地从一组产品转换到另一组。即使——更准确地说，由于——他们做了与之前大获成功时同样的事情，他们也只会变得毫无竞争力。 通用机器
今天，我们处于另一次工业振荡的早期阶段，但是其规模更大，范围更广泛。面对当前突飞猛进的技术，我们很难想象世界上还有什么地方，有什么重要公司不受其影响。第二次机器革命时代的成功企业，将是那些采用与当下大为不同的方式，将人脑与机器、产品与平台、核心与大众结合在一起的企业。从本质上讲，那些不这样做的企业，以及那些固守技术和组织现状的企业，势将做出与那些固守蒸汽动力或分组驱动的企业相同的选择。它们最终也会遭遇相同的命运。
本书的目的是帮助读者了解21世纪初的企业会在什么地方遇到与蒸汽机或分组驱动配置相似的事物，并帮助读者思考如何推陈出新，从而发挥当今乃至未来奇妙的技术优势。 探路前行
本书是由机器、平台和大众创造的新世界的指南。这当然是一项未臻完善的工作。商业世界总在变化之中，尤其是在如此深刻的过渡期间，事态比往常更不稳定。因此，在经济和社会进一步深入第二次机器革命时代的进程中，我们绝不能断言已找到企业成功的终极完整答案。本书描述的三种重新平衡将耗时数年，而它们的终点和准确轨迹还远未清晰。
但混沌之中必有良机。透过历史、前人的研究、新近的例子和进展，以及透过自己的调查，我们获益匪浅，言之有物，我们深信这些都是有价值的真知。读者将会看到，很多见解都源自经济学，这是本书应用得最多的学科领域。
为什么会这样呢？奥地利经济学家卡尔·门格尔（carl menger）在1870年给出了一个很好的答案：“经济理论关心……人们参与为满足他们的需要而进行的有远见的活动的状况。”[13] 经济学所研究的是组织和人如何理解、塑造自己的环境和未来，当他们汇集在一起，交换货物、服务和信息，以期实现其目标时，究竟会发生什么。该学科已经围绕这些问题形成了深刻的见解和理论，它们是这本描述机器、平台和大众如何改变世界的专著的理论基础。
但我们不能只依靠经济学。本书讨论的现象跨越了单一学科，涉及许多其他研究领域。所以，我们也会加入工程学、电脑科学、心理学、社会学、历史学、管理科学等。正在突飞猛进的技术是新生事物，但它有着悠久、广博、引人入胜的历史传承。当讨论现状和未来的可能时，我们将以史为鉴。
本书的讨论共分为三部分。第一部分讨论人脑和机器的结合，第二部分针对产品和平台，第三部分针对核心和大众进行同样的分析。每一部分的广义主题相同：近年来，以上比对的第二个元素变得更强大、更有能力，因此，现在至关重要的事，就是重新审视如何将两者很好地结合起来。
第一部分介绍人脑和机器的新组合如何快速改变企业执行其最重要流程的方式；第二部分介绍开创性企业如何汇聚产品和平台，促进业务转型；第三部分介绍核心和大众正在改变组织本身的形态及工作原理。
每一部分的开篇都回顾第二次机器革命的第一阶段，我们既描述现状，也探讨事物即将变革的早期迹象。这些章节显示，大约20年前，人脑与机器之间、产品与平台之间及核心与大众之间都形成了标准伙伴关系。相关分析还展示了随着技术进步和经验的积累，这种伙伴关系如何经受考验。
每一部分的其余章节探讨了我们近年来围绕三种重新平衡所看到和学到的内容。它们展示了机器、平台和大众在当下与未来的力量。每一部分的章节按照“科幻梯度”（创新的新颖程度）依次递增的形式进行安排。我们将介绍越来越棒的研发、创新和商业模式。每一部分的最后一章将讨论诸如“电脑有没有创造性”“整个经济会不会很快变成按需经济”“公司本身是否已然成为濒危物种”[14] 这样的话题。
在本书中，每一章的最后将简要总结其主要观点并提供实践指南。本书不是一本操作手册，也不是一本通过机器、平台和大众取得商业成功而编写的详细脚本。我们认为，撰写此类手册的人要么是愚弄自己，要么是愚弄读者。当下的变数太多，不确定性太大。事实上，如果可以写出这样一本公式化的手册，那么就没必要了解各种深层动因和运行原理以期获得竞争优势。因此我们换个方式，以每一章主要思想的概要结尾，辅以旨在帮助读者思考这些想法的实际应用问题。
[1] 博弈论专家将围棋称为一种“确定的完全信息博弈”。
[2] 如果对弈双方均认同无法继续下子，则比赛结束。
[3] 许多围棋定式是模棱两可的，例如“厚势不围空”。
[4] 在本书中，我们将技术描述为人性化的事物，如辨别、学习、观察等。之所以这样做，是因为我们确信，即使电脑的推理与人不同，这也是描述当下及未来的正确方法。我们知道，从某种意义上讲，这种表述并不常见，以往的说法是“不要把电脑拟人化，人们讨厌电脑”。
[5] 截至2016年8月，33岁的李世石已经赢得18个国际冠军头衔，仅次于比他年长8岁的同胞李昌昊（21个头衔）。
[6] 1英里=1.609 3千米。——编者注
[7] “黑色星期五”是感恩节之后的第二天，它历来是美国当年最繁忙的购物日，而三天后就是“网络星期一”，当天许多网店向客户提供假日优惠。
[8] 为了制作可咀嚼的块冰，在冰形成时必须刮平表面，然后制成大小和形状合适的块状。
[9] 一些富裕家庭对块冰钟爱有加（n brat, “chew this over: munchable ice sells like hot cakes,” wall street journal , january 30, 2008）。有一年的圣诞节，艾米·格兰特（amy grant）送给身为乡村音乐明星的丈夫文斯·吉尔（vince gill）一个餐厅级的苏格兰制冰机。
[10] 我们经常把程序员称为“码农”的原因是：不管怎么说，他们历来都对知识进行编码，使隐性知识显性化。
[11] 这些电机本身由位于工厂附近的发电机或当时刚刚出现的电网供电。
[12] 从一开始，电力就比蒸汽动力更稳定、更便宜，但是在使用蒸汽动力的工厂中，电力仅有的直接优势就是这些，所以电力被认为只是稍微优越而已。
[13] 19世纪的作家在谈到“人”时常用“男人”一词。
[14] 简单地说，这些问题的答案要么是肯定的，要么是否定的。
01 最难接受的事
这些新机器的趋势是在各个层次上取代人类的判断力，而不是用机器的能量和力量取代人类的能量和力量。
诺伯特·维纳（norbert wiener），1949年
大约20年前，世界各地的企业理顺了人与电脑之间的分工，它看起来合乎情理。机器负责基础计算、记录保存和数据传输。这样就把人解放出来，让他们做决策，做判断，利用自己的创造力和直觉，彼此交流以解决问题，服务好客户。 从人手到人机
这种方法广为流传，以至现在的人已经很难想起此前的文书流转时代，当时，一车车满载的文件夹往返于人群和部门之间。“文书矿井”是该时代“硕果仅存”且令人困扰的一个地方，它设在地下，是由美国政府人事管理办公室负责的一个低效率部门。保留这个地点，是为了处理联邦雇员退休时所需的行政手续。由于这些手续尚未电脑化，因此需要600人处理日常业务，他们在超市一般大小的房间工作，房间里放满了高高的文件柜。由于巴洛克设计风格的原因，这个房间设在地下200多英尺[1] 的一个废弃石灰岩矿井处。1977年，完成联邦雇员退休的文书工作平均需要61天。该项工作现在用的是基本相同的流程，仍然需时61天。在得克萨斯州，工作流程已经数字化，事情只用两天就做完了。
迈克尔·哈默（michael hammer）和詹姆斯·钱皮（james champy）于1993年出版《企业再造》（reengineering the corporation ）一书，提出了化解世上繁文缛节的知识蓝图。这本书取得了巨大成功。它在世界各地的销量超过200万册，被《时代周刊》提名为有史以来最具影响力的25本商业书籍之一。
哈默和钱皮的基本想法是：企业不能认为自己是在部门内执行任务（例如在采购部门内购买原材料），它们应该把自己看成在执行业务流程（例如采购、组装并按客户订单装运），这本来就是跨部门的事。这种说法现在听起来理所当然，在当时却被认为是新颖的、重要的。20世纪杰出的商业大师彼得·德鲁克当时表示：“再造是新的，它必须完成。”流程视角往往能看出许多不必要的、可以剔除的任务，或者像哈默和钱皮说的那样，干脆把它们抹掉。
20世纪90年代中期，有两项进展使业务流程再造运动加速，这就是企业信息系统和万维网。在企业信息系统出现之前，[2] 企业通常有一堆各种各样的软件包，其中许多没有相互连接。公司越大，软件就越杂乱。企业级系统坚守用单一大型软件包代替一堆软件的承诺，[3] 它设计清晰，用于执行一组特定的跨职能业务流程。这种软件可从思爱普和甲骨文等供应商那里购买现成产品，然后在一定程度上进行配置和定制。
企业信息系统迅速流行。据估计，到1999年，超过60%的《财富》1 000强公司已经采用了其中至少一种。尽管这些系统的安装维护相当昂贵和费时，但它们在很大程度上兑现了承诺。例如，布莱恩约弗森与同事思南·阿拉尔（sinan aral）和d. j. 吴（d. j. wu）的研究发现，一旦企业开始使用新的企业级系统，那么其劳动生产率、库存周转率和资产利用率就有显著提高。
万维网的出现，使企业级系统的覆盖面和功能通过电脑（以及稍后出现的平板电脑和手机）延伸到个人消费者。万维网诞生于1989年，当时，蒂姆·伯纳斯–李（tim berners-lee）开发了一套协议，允许文本、图片等在线内容相互链接，从而使科技大腕范内瓦·布什（vannevar bush）和电脑预言家泰德·尼尔森（ted nelson）提出的超文本愿景变成现实，布什于1945年首先描述了这一设想，但只是使用微缩胶片进行理论探讨，而尼尔森的仙那度项目（project xanadu）则从未落地。
万维网迅速将互联网从纯文本网络转变为可以处理图片、声音和其他媒介的网络。1994年，网景公司发布了名为“领航员”的第一款商业化网络浏览器，由此，比以往任何时候都更丰富、更容易导航的多媒体奇观进入主流。网景公司的共同创始人之一是马克·安德森（marc andreessen），他当时是一名22岁的程序员，曾开发过早期的网络浏览器，我们将在第10章更多地谈到他。[4] 这一事件与先前主打学术的互联网的商业化进程成为“天作之合”。
万维网使企业能够将业务流程扩展到边界之外，一直延伸到消费者，这一趋势被称为电子商务。人们开始使用万维网，他们不仅可以搜索和了解企业的产品，而且还可以订购和支付。这种效率和便利性的结合被证明是无法抗拒的。网景浏览器推出10年后，电子商务占了美国非美食、非汽车类零售业销售额的10%左右。
此后20年，基于万维网的企业级系统完成了各种常规任务，包括跟踪账户余额和交易，计算原材料交付的数量和时间，给员工发放工资，让客户选择产品并进行支付，等等，从而促成了越来越多的业务流程。 人要相信自己
一旦企业级软件和万维网之类的技术把员工从繁文缛节中解放出来，那么他们应该做些什么呢？哈默和钱皮在《企业再造》一书中给出了明确的答案：随着电脑接管日常事务，人们应该被授权行使自己的判断力。“大多数的检查、调和、等待、监测、跟踪——也就是非生产性工作……通过再造被剔除了……在再造后的流程中工作的人必须得到授权。作为流程团队工作人员，他们被允许和被要求进行思考、交流，行使判断力，并做出决定。”
这是关于一种共同信念的明确表述：即使身处硬件、软件和网络无处不在的世界，人类仍然因其判断力而彰显价值，我们的推理能力比利用现有数据进行机械式计算要高出一筹。大多数人都承认，如果我们能做的无非就是常规工作，那么我们现在就会失业，因为电脑做这些事太容易了。但几乎所有人也都相信，即使数字化技术继续从摩尔定律中获益，我们也能够比它们做更多的事。所谓摩尔定律，是指随着时间的推移，同额美元购买的电脑硬件在数量上剧增，导致处理能力的指数级增强。
数十年来的研究证实，我们实际上有两种不同的推理方式。这一突破性的工作使丹尼尔·卡尼曼[5] 获得了诺贝尔奖，他与合作者阿莫斯·特沃斯基（amos tversky）一起在行为经济学领域开宗立派。卡尼曼及其同事的工作表明，我们有“系统1”和“系统2”[6] 两种思维方式。系统1快速、自发、事关小脑皮层，不怎么费脑力，它与我们所说的直觉密切相关。系统2则相反，它是缓慢、有意识的，事关大脑皮层，很费脑力。正如卡尼曼在《思考，快与慢》（thinking, fast and slow ）一书中所写：
系统1的运行是无意识且快速的，不怎么费脑力，没有自主控制感。系统2将注意力转移到费脑力的活动上，包括复杂的计算。系统2的运行通常与行为、选择和专注等主观体验相关联。
这两个系统都可以随着时间的推移而改善。系统2通过学习数学或逻辑课程而改进，而系统1则通过谋生计、理解实例而变得更自如、更广博。消防队员久经历练，能够判断大火如何在建筑物蔓延；人事经理阅人无数，能够看出谁更适合公司；围棋选手用心下棋，终成大师。当然，这两个系统可以——也应该同步改进。病理学家（诊断疾病的医学专家）既研究生物化学，也观察许多患病组织和健康组织的实例，从而改善自己的技能。当我们既了解基本原理，又通过活生生的个案将其实例化时，学习往往更深入、更快速。
商业教育的主导方式也是这两个系统的结合。商学院学生通过会计、金融和微观经济学课程提高了系统2技能。他们还讨论了企业家精神、领导力、道德和其他领域的许多案例，以此改善自己的直觉和判断，这些是系统1技能。许多课程结合了两种方法。医学院和法学院也采取类似的措施。
关于人在系统1和系统2方面的能力，一个公认的终极发现是人与人的差别很大。有的人在解方程、动脑筋方面得心应手，但缺乏直觉和实践智慧。有的人连算术都不会做，却具有强大的直觉能力。
随着技术的普及，后一类人不再低声下气。实际上，他们时来运转。电脑做了所有合乎逻辑、合乎规矩的工作，使他们得以脱身，从事哈默和钱皮所倡导的事务：做判断，做决定，与他人交流以解决问题，抓住机遇，服务顾客。
事实上，在我们看来，在当今大部分的商业场合中，系统1的重要性都在上升。卸任的公司老总写书时用上了诸如“坚守初心，直面艰难”这样的书名。而那些太过专注数据，与现实世界复杂性脱节的公司领导人，则背上了“技术控”的骂名。2010年出版的《重新思考mba：十字路口商业教育》（rethinking the mba: business education at a crossroads ）一书将“在凌乱的非结构化环境中形成判断和直觉”列为mba课程未能满足的重大需求之一。上述论据与《企业再造》的观点不谋而合：让人们发展、行使自己的直觉和判断力，做出明智的决定，让电脑做好计算和记录。我们已经多次听过、看过人脑与机器之间的这种分工，故而称之为“标准伙伴关系”。 除非自己不靠谱
标准伙伴关系的说法很生动，但有时它根本不奏效。完全不靠人的判断，甚至不靠那些经验丰富、声誉卓著的人的判断，只依靠代入公式的数字，常常会带来更好的结果。
这是一个违反直觉的发现。由于明显的原因，它也不受人欢迎。所以我们必须“一站到底”。然而在这样做之前，我们应该强调，系统1在商业上并非一文不值。事实上，它远非如此。我们将会看到，人类的直觉、判断力和快思维仍然具有重要的作用，领先的企业正在以新颖、精彩的方式运用它们，这些方式意味着人脑与机器之间新的、改进的伙伴关系。
但我们必须先说出系统1的一些弱点。看看下面这些标新立异的研究，它们表明，即使是专家的判断和直觉也常常有严重的局限。
? 社会学教授克里斯·斯奈德斯（chris snijders）用荷兰企业购买的5 200台电脑建立了一个数学模型，可用于预测预算的遵从度、交货的及时性及买家对每笔交易的满意度。然后，他使用这个模型来预测在若干行业发生的一组交易的相关结果，并同时请这些行业的一组采购经理做同样的预测。斯奈德斯的模型击败了经理人，甚至击败了处于平均水平以上的经理人。他还发现，资深的经理人比新手好不了多少，而且一般来说，经理人在分析自己所在行业的交易时，其结果与他们分析其他行业的交易差不多。
? 经济学教授奥利·阿森费尔特（orley ashenfelter）建立了一个简单的模型，它仅使用4个可公开获取的气候变量，在波尔多葡萄酒还未能品尝的时候，该模型就成功地预测了它们的质量和价格。这些未熟酒的价格历来深受知名葡萄酒专家意见的影响，但是阿森费尔特写道：“这类研究提出的最有趣问题之一，就是它所暗指的专家意见对葡萄酒定价所起的作用……有证据表明，专家意见与葡萄酒质量的根本决定因素无关，亦即两者彼此独立……这自然而然地提出了一个悬而未决的问题，即究竟是什么决定了对专家意见的需求。”
? 布莱恩约弗森与沃顿商学院教授吴林恩（lynn wu）合作研发了一个预测房屋销量和价格的简单模型。他们使用谷歌趋势中的数据，这些数据显示了美国各州每月搜索“房地产代理”“房贷”和“房价”等关键词的次数。他们用该模型预测未来的房屋销量，并将预测结果与美国国家房地产经纪人协会专家发布的预测进行比较。结果，他们的模型以高达23.6%的优势完胜专家。这反映出将谷歌搜索数据纳入预测模型的威力。
? 布莱恩约弗森的另一个项目更接近本行，这是一个为学术界开发的“开脑洞”模型。他与麻省理工学院的迪米特里斯·伯特西马斯（dimitris bertsimas）、约翰·希尔伯霍兹（john silberholz）和沙查尔·雷奇曼（shachar reichman）合作，预测谁将在顶尖大学取得永久教职。他们研究了青年学者早期出版记录和引用形式的历史数据，并利用网络理论中的一些概念，观察有哪些学者写出最具影响力的论文。他们校正模型，预测哪些学者将最终在运筹学领域获得永久教职。该模型的预测结果有70%与职称委员会的意见一致，但是在不一致的情况下，通过模型预测产生的一批学者与职称委员会遴选的学者相比，前者此后在顶级期刊上发表了更多的论文，其研究也被更多地引用。
? 沙伊·丹吉格（shai danzinger）及其同事的一项研究表明，以色列法官在一天的开始和用餐休息之后更有可能给予假释。在法官休息之前，他们想必已经疲惫不堪，抑或血糖过低，因而更有可能建议继续监禁。其他研究支持了司法决定往往受手头罪案之外因素影响的观点。经济学家厄兹坎·埃伦（ozkan eren）和纳吉·莫坎（naci mocan）发现，在美国某个州，毕业于某所区域名校的法官在母校橄榄球队意外败北之后，马上就给出了极其严厉的判决，而且这些判决“多数由黑人被告背黑锅”。
? 在佛罗里达州布洛沃县学区，父母或老师的提名曾经是把孩子认定为天赋学生的第一步。布洛沃县的大多数学生都是少数族裔，但天赋班的学生中竟然有56%是白人。21世纪的前10年，该区决定取消主观选拔方式，尝试使其尽量系统、客观。他们让区内每个孩子进行非口头的智商测试。根据经济学家戴维·卡德（david card）和劳拉·朱利亚诺ura giuliano）的记录，这一变化的结果令人震惊：被认定为有天赋的非洲裔学生和西班牙裔学生分别增加了80%和130%。
? 法学教授泰德·鲁格（ted ruger）、宝丽·金（pauline kim）与政治学者安德鲁·马丁（andrew martin）、凯文·奎因（kevin quinn）一起，对马丁和奎因开发的一个6变量简单模型进行了测试，看看它对美国最高法院2002年期间的裁决预测是否优于一个由83位著名法律专家组成的团队的预测结果。这83位法律专家中，有38位担任过最高法院法官，33位是法学讲座教授，6位是现任或前任法学院院长。平均而言，该团队的预测与法院裁决结果相符的略低于60%。而算法则预测对了75%。
以上所列事例是否有代表性？是否公平？或者说，我们是否有意无意地凸显了人类判断败给纯数据驱动方法的个例，同时忽略了人类胜出的例子？有足够的研究表明，答案是否定的。
由心理学家威廉·格罗夫（william grove）领导的一个团队查找了50年的文献，挑选出心理学和医学领域公开发表且经同行评议的论文，这些论文研究的是临床预测和统计预测的配对比较，即比较经验丰富的人类专家判断与100%数据驱动方法的预测。他们找到了136项这样的研究，涵盖从智商预测到心脏病诊断的方方面面。在48%的研究中，两者并无显著差异，换言之，平均来说，专家并没有比公式做得更好。
然而以下发现给了人类判断力的优越性当头一棒：在46%的研究中，人类专家实际上表现得比纯数字和公式差得多。这意味着人类只在6%的研究中胜出。作者由此得出结论，几乎在人做得更好的所有研究中，“临床医生得到的数据比机械预测要多”。保罗·米尔（paul meehl）是一位传奇心理学家，他从20世纪50年代初开始记载和描述人类专家判断的不良记录，正如他所总结：
像（统计预测与临床预测的相对效度）这样，展现数量如此众多的、多样化的定性研究，如此一致地指向同一方向，这在社会科学中是没有争议的。当你进行100多次调查，预测从足球比赛结果到肝脏疾病诊断之类的事情，而你却很难找到几项研究来表明哪怕是一点点有利于临床医师的趋势时，就是给出实际结论的时候了。
我们认为，这个实际的结论就是：我们要更少依赖专家的判断和预测。
越来越多的美国公司也得出了同样的结论。布莱恩约弗森和多伦多大学教授克里斯蒂娜·麦克尔赫伦（kristina mcelheren）与美国人口普查局合作，对一个包含1.8万家制造工厂的代表性样本进行了调查，结果发现，数据驱动型决策的应用正在快速增加，其动力来自日益增多的信息技术应用，以及采用这一做法的公司的优异业绩。
尽管有这些令人信服的例子，我们仍需列出一些重要的条件，把关于算法成功的热议冷却一下。显然，为了将人的判断与数学模型进行比较，首先必须有一个模型。而如波兰尼悖论所暗示，这并不总是说有就有。这类模型必须用多种相似实例的数据集进行测试和改进，而这种情况只代表了人类必须做出的决策的一小部分。不过总体格局是明朗的，一旦模型可以建立和测试，那么在一个接一个的事例中，它的表现就与做类似决策的人类专家一样好，甚至更胜一筹。然而在许多情况下，即使机器做得更好，我们还是继续依靠人的判断。 人心精妙，但有错漏
仅靠系统2，一味对数字进行逻辑理性的计算，这种方法怎么可能比结合了系统2和系统1的方法更好呢？毕竟，系统1是人类与生俱来的、深刻的本能思维工具，它已经做得足够好，帮我们克服了各种无情的、全球75亿人口仍需面对的达尔文进化挑战，使人类获得生存，继续发展。它怎么会让我们这么失望呢？
这些问题太大，只用一本书是说不清楚的，更不用说是书里面的一章。但是在《思考，快与慢》一书中，卡尼曼对大量研究（许多是他自己进行的研究）给出了简单总结：
系统1自发运行，不能随意关闭，因此直觉的错误往往难以防止。偏见总是难免，因为系统2可能没有错误的线索。
简而言之，系统1很棒，但它同时也是错漏的真正所在。它常常走捷径，而不是透彻地推理。它还有一个惊人的偏见大集合。在心理学和卡尼曼帮助建立的行为经济学领域，研究人员已经确认了许多系统1的错漏并加以命名。
这些错漏的完整列表会使人不胜其烦，灰心丧气。罗夫·多贝尔里（rolf dobelli）关于这一主题的专著《清晰思考的艺术》（the art of thinking clearly ）共有99章，而根据最近的统计，维基百科的“认知偏见清单”有175个条目。软件公司ck的产品经理巴斯特·本森（buster benson）找到了一种我们认为很好的方法，将这些偏见归类，并提醒我们它们带来的问题：[7]
1. 信息过载很糟糕，所以我们尽力过滤……（但是）我们过滤掉的一些信息实际上是有用的、重要的。
2. 意义的缺失令人困惑，所以我们填补空白……（但是）我们寻求意义时会产生错觉。我们有时会想象由自己的假设所填补的细节，由此建构本来没有的意义和故事。[8]
3. （我们）需要快速行动，以免失去机会，所以我们匆匆得出结论……（但是）快速决策可能有严重缺陷。我们草率做出的一些快速反应和快速决策是不合适的，自私的，甚至是适得其反的。
4. 全部记住不易，所以我们试着记住要点……（但是）我们的记忆强化了误差。我们记住一些东西，留待他日所用，这只会使上述认知更有偏见，进一步损害我们的思维过程。
请注意认知能力的另一个严重问题：我们无法知道系统1何时奏效，何时失效。换句话说，我们拿不准自己的直觉。我们不知道自己做出的快速判断或决定究竟是准确的，还是受制于自己的一种或多种偏见。于是，发生了与波兰尼悖论相悖的怪事：对系统1的认知结果而言，我们所知的竟然少于我们所能说的。系统2的理性计算通常可以复查，但是正如卡尼曼所指出的那样，系统1真的做不到，它只能靠自己。
最近的研究揭示了一种与波兰尼悖论有关的鬼使神差般的偏差：往往是系统1得出一个结论，然后让系统2来解释它。心理学家乔纳森·海德特（jonathan haidt）说：“判断和举证是两个独立的过程。”系统1激发的判断几乎在瞬间发生，然后系统2用理性、合理的说法给予肯定。[9] 这种“托词”不仅经常愚弄别人，而且也愚弄始作俑者自己。事实上，正如心理学家理查德·尼斯比特（richard nesbitt）和蒂莫西·德坎普·威尔逊（timothy decamp wilson）所说，我们往往“说的比我们知道的更多”。所以说，我们标记为理性化和自适化的行为并不只是制造借口的手段，它们是一些更本质的事情：工作中的系统1。
2006年，在财捷集团和微软工作的两位数据分析专家阿维纳什·考希克（avinash kaushik）和罗尼·科哈维（ronny kohavi）提出了首字母缩略词“hippo”，用它来总结大多数公司的主要决策风格。hippo的意思是“最高薪酬的人的意见”（highest-paid person’s opinion）。我们喜欢这种速记并多次使用它，因为它生动地说明了标准伙伴关系。即使做出决策的人不领最高薪酬，他们也总是以观点、判断、直觉、本能和系统1为依据。很明显，这种办法通常效果不佳，而且hippo往往败事有余。 新人机关系
我们如何运用所有这些关于系统1和系统2的偏差与故障的知识呢？这些知识怎样才能引导我们更聪明地做决策，以及做出更好的决策呢？最明显的方法，就是在可能的情况下放手让机器做决策，系统2的纯数字化演绎因摩尔定律而功力大增，通过源源不断地导入数据，让它给出答案，无须系统1的输入。这正是越来越多的公司随着时间的推移而着手进行的事情。 第二经济
据我们所知，在企业计算时代刚刚到来的时候就有了全自动化决策的先例，它就是体现人们信誉的数字化记分系统——评估人们偿还一定数额贷款的可能性。传统上，这一关键决策是由银行分行的本地贷款人员做出的，他们根据自己的经验评估贷款申请，有时也结合了相关规则或指南。然而比尔·法伊尔（bill fair）和伊尔·艾萨克（earl isaac）觉得用数据可以做得更好。他们于1956年创立了fair isaac（费埃哲公司），推出fico（个人信用评分）计算信用评分。
自动信用评估很快成为常态。到1999年，《美国银行家》（american banker ）杂志报道说：“甚至无须（人）去评估任何5万美元以下的（信用申请），电脑就搞定了。”fico及同类系统已被证明是高度可靠的还贷预测工具，而且，随着近年来个人数字信息的数量和类别的增加，这种“大数据”方法也被用来提升和延伸信用评分。
这些评分系统的开发人员必须小心翼翼，免得被误认是从事数字化歧视业务（一种非法业务，以种族或部落人群为由，拒绝或降低某些地理区域的信贷）。一般来说，他们提供了一种有价值的服务，让更多人获得信贷机会，让放款人有信心扩大业务。有证据显示，随着信贷决策趋于自动化，经济歧视实际上是减少了。2007年，美联储报告说，信用评分模式“减少了从事非法歧视行为的机会……有助于降低信贷决策受个人特征或法律禁止的其他因素（如种族、部落等）影响的可能性”。
今天，有价值、高质量的完全自动化决策事例比比皆是。亚马逊和其他电子商务网站会为每位购物者的每次访问给出推荐，尽管许多人错过机会，但有些人受到极大的吸引。例如，亚马逊估计，其销售额的35%来自推荐项目之类的交叉销售活动。飞机航班和酒店客房的价格一直在变，反映了供需预测的演化，以及每分钟又如何发生实际的变更。对无数企业来说，这种被称为收益管理的定价方法至关重要（我们将在第7章讨论这个主题），但是，收益管理算法产生的价格在提交给客户之前，很少（如果有的话）由人工复查一遍。实体商品现在也实行自动化的价格变动。2015年感恩节之后的第一天，亚马逊和沃尔玛在美国的所有存货分别提价16%和13%。
事实上，诸多完全自动化的决策正在我们周围发生，以至经济学家布莱恩·阿瑟（brian arthur）用“第二经济”来形容它，其中交易没有人类的介入，其发生形态是“巨大的、沉静的、彼此连接的、看不见的、自主的”。随着时间的推移，这种自动化的第二经济正延伸到我们熟知的以人为中介的经济体，算法接管了专家和hippo人士的工作。全世界越来越多的信息被数字化了，由此带来了大量数据，它们可用于改进工作，将直觉转化为数据驱动的决策。
长期以来，广告公司不仅帮助客户从事制作新电视广告片的创意工作，而且还帮他们确定在何时何地进行展示，即确定哪些电视节目、哪些地域市场和哪些时段最能匹配广告客户的目标和预算。就这项工作而言，数据和技术早有应用，热播剧《广告狂人》（mad men ）的广告代理1969年就买下第一台电脑（ibm system/360），以帮助其更好地投放广告并吸引客户，但该项工作仍主要受人的判断和决策的驱动。
丹·瓦格纳（dan wagner）在巴拉克·奥巴马2012年成功连任的竞选活动中担任高级分析师，当时他发现机器分析原来可以这么精准，还能带来如此多的好处。瓦格纳和他的同事为每位美国选民建立名册。该分析团队使用机器学习技术（下一章将详细讨论），为名册上的每个人建立了三个单独的评分：一个“支持评分”，用于预测每个人支持奥巴马的可能性（相对于竞选对手米特·罗姆尼）；一个“投票评分”，用于预测每个人在11月实际去投票站投票的可能性；以及一个“劝说评分”，用于预测每个人在接收奥巴马竞选团队的信息之后对他产生好感的可能性。
多年来，每个电视节目都有人口统计数据，例如，统计丹佛地区有多少18—24岁的男士在周二晚上10点观看动画节目《恶搞之家》（family guy ）重播。传统上，传媒买家和战略家在做决策时严重依赖这些信息。如果奥巴马2012年的竞选团队想在科罗拉多州18—24岁的男士眼前发布信息，那么有很多公司和人士可以就周二晚上《恶搞之家》重播时是否插播竞选广告提供建议。
但是，像其他大多数广告买家一样，奥巴马团队知道依靠人口统计数据很不靠谱。他们的广告受众可能主要是罗姆尼的铁杆支持者，又或者看广告的人基本上都已经决定投票选举奥巴马，那么这就是浪费时间。依靠人口统计意味着依靠判断和粗糙的估计，这样做几乎等同于以下猜测：选举期间特别抓取的一个更容易接受奥巴马竞选信息的群体，就是18—24岁的男士，或者说是《恶搞之家》的观众，甚至可以说是一般卡通片的观众。
瓦格纳和他的同事们意识到，他们那份详尽的选民名册有可能生成一种好得多的媒体购买方式。有了这份名册，竞选团队可以确定哪些人属于最需要接触的两个群体：一是需要劝说以便在投票日真正去票站投票的奥巴马支持者，二是有可能被说服支持奥巴马的骑墙选民。前者是“出门投票组”，后者是“可说服组”。分析团队认为，这两组人分布在广泛的人口统计类别，所以仅仅基于人口统计数据来选定电视节目就会错失团队希望接触的人群。该团队还从早期的实验结果中获知，令两组人有反应的广告类型大不相同，因此在购买电视节目时段时要区分开来。
2012年，一些评级公司已经远不满足于抓取电视节目人口统计数据，它们能够界定哪些人正在看节目。[10] 这正是瓦格纳及其同事所需的第二类数据。他们向这些公司提供竞选团队的“出门投票组”和“可说服组”列表，然后拿到了每组中有多少人观看每个节目的信息。[11] 这样一来，他们就轻而易举地找到最佳买点，也就是说，每一美元广告开支所买下的电视节目都能让最多属于“出门投票组”和“可说服组”的人看到。瓦格纳告诉我们说：“我们最终购买了美国有线电视台的深夜节目，这真的很奇怪。它就像冒出来似的，而它冒出来的原因无非就是很便宜。那些节目有很多‘可说服组’的选民观看，所以我们就买下来了。”
选举后，瓦格纳创立了civis analytics（一家大数据公司），将这种深受数据驱动的媒体购买方法做成产品，然后提供给企业和其他组织。他相信当下是这类产品的大好时机，在很大程度上，很多企业都有包罗万象的个人名册，如潜在客户，可能有后续采购的现有客户，等等。他说：“如果你销售昂贵的轮胎，那么会有一小部分人愿意花大价钱买它，另有90%的人丝毫不在乎，因为他们不开车，抑或他们从不购买昂贵轮胎。你对目标客户有相当好的判断，但是说到他们在看什么电视节目，你从没办法知道得同样精准，同样有把握。现在好了，你可以做到了。”对于广告商来说，投放电视广告是一个重要的决策，它用到一些数据，也用到许多判断。civis analytics正在努力改变这一点，使得媒体购买成为一种近乎优化而不是直觉的工作。
诚然，即使是高度优化的数据驱动系统也未臻完美，当输入的数据有质量缺陷时尤其如此。2016年，希拉里·克林顿的竞选团队采取了许多类似的方法，却以微弱劣势落败，其部分原因就是民调数据失准，本来预测她在中西部三个州大幅领先，最终却全部惜败。
另一种常见的风险是决策者不擅长优化正确的终极目标，也就是“hippo”一词的首创者之一罗尼·科哈维所说的“整体评估标准”。就算瓦格纳的团队能够成功地使克林顿在全民投票中的领先地位最大化，这也不是正确目标。决定美国总统大选结果的是选举团而不是全民投票，它需要有更加微妙的针对各个州的战略。同样，衡量在线广告活动产生的网页浏览量或点击率很容易，但大多数公司更关心的是长期销售，它通常经由不同类型的广告活动达到最大化。因此，仔细选择正确的数据输入和正确的绩效指标，特别是整体评估标准，是成功的数据驱动决策者的一个关键特征。 糟糕的算法
将决策交给机器的真正风险在于，算法系统中的偏见可能会延续甚至放大社会上的一些有害偏见。例如，哈佛大学教授拉坦娅·斯威尼tanya sweeney）就有一段广为人知的郁闷经历，有一次她在谷歌搜索引擎中输入自己的名字，与搜索结果一起出现的还有这么一段广告：
拉坦娅·斯威尼，被捕？（1）输入名称和所在州（2）访问完整的背景信息。立即检查可至.instantcheckmate。
该广告提示她有犯罪记录，但事实上她从未被捕。
随着进一步的研究，斯威尼发现，与劳丽urie）、布兰登（brendan）等白人的名字相比，搜索诸如特利文（trevon）、拉基沙kisha）或拉坦娅之类的非裔美国人名字更可能显示“被逮捕？”的信息。虽然我们不知道为什么会出现这种模式，但斯威尼提出了一种令人不安的解释：谷歌的自动化广告投放算法可能已经注意到，当广告与貌似黑人的名字相关联时，人们更可能点击去看。因此，这一种族偏见并非反映任何投放广告的人或谷歌公司的人有意歧视，它更可能是反映并放大了数百万用户点击广告而生成的全社会歧视决策类型。同样，2017年1月，在谷歌的图像搜索中输入“科学家”或“祖母”时，产生的绝大多数是白人头像。
在《自然》杂志的一篇文章中，凯特·克劳福德（kate crawford）和赖恩·卡洛（ryan calo）指出了这么一种危险：“在当前的一些情况下，人工智能系统的缺点不成比例地影响了因种族、性别和社会经济背景等因素而处于不利地位的群体，这凸显了考虑此类系统有意或无意的社会影响的重要性。”
我们认同这些关注，也看到越来越依赖算法决策的挑战和机会。挑战就是：这种方法会嵌入和延续不公平的、有害的和不必要的偏见。更糟糕的是，即使设计人员有创建无偏见系统的良好初衷，这些偏见也可能会出现，如果没有广泛的测试，它们可能难以识别。所有的系统设计都必须直面这一挑战。
机会则是：人们通常可以测试和改进基于机器的系统。一经纠正，它们就不太可能再犯同样的错误。相比之下，让人类承认自己的偏见很难，有多少人会公开声称种族歧视或性别歧视呢？更不用说要克服这些困难了。采用一种决策系统（无论是基于机器，基于人类，还是基于两者的某种组合）的最终标准实际上都不是完美的。任何系统都可能会出错，都有偏见。因此，我们的目标应该是选择使偏差和错误最小化，并能够使之轻易快速被纠正的方法。 让人类加入系统决策过程
人们应该在决策中扮演什么角色？根据我们所知的系统1的偏见和错漏，以及唾手可得的海量数据和计算能力，第二经济看起来就要接管第一经济了，而数字化的系统2也很快就能做出大部分的决定。有一个古老的笑话，未来的工厂只有两个员工：一个人和一条狗。人的工作是喂狗，狗的工作是不让人接触任何机器。未来的企业果真如此吗？
我们并不这么看。虽然我们确实带有电脑所没有的偏见，但我们也有电脑不具备的优势。首先，我们一直从感官中吸收非常大量的数据，没有预先选择，只是来者不拒。即使在短时间内，我们也难以只倾听某些声音或只看到某些事物。而电脑正相反，它们很难从其开发者和程序员所允许的数据源搜集多种多样的数据。
这种差异为米尔所说的“断腿角色”人群带来了一项重要的工作。看一看他举出的例子：几年来，有位教授每周二晚上都去看电影。电脑模型会合理地预测她下周是否会再去看电影。不幸的是，教授周二上午摔断了腿，臀部装了固定器，没法坐在电影院的座位上（这是1954年编造的故事）。任何一个人都会马上知道教授的电影之夜将被取消，但这种“特殊力量”不容易被电脑算法复制。影响教授行为的“不寻常的、意料之外的因素”实在太多了。任何设计电脑系统的人都无法搜集所有这些因素的优质数据，以使程序能够考虑它们。唯一的办法就是建立一个比任何电脑系统都要全面得多的世界级模型。
人类拥有的另一个巨大优势是古老常识。一些人比其他人有更多常识，但是所有人的常识都比最先进的电脑要多得多。人出生之后就开始学习关于世界如何运作的重要事情，我们认真、快速地学习。然而，尽管经过几十年的研究，我们仍然不太了解人如何获得常识，而且，正如我们在下一章所讨论的，迄今为止，将常识植入电脑的尝试是败绩累累。
因此，在很多情况下，让人检查电脑决策以确保万无一失是有道理的。资深的数据分析和技术学者托马斯·达文波特（thomas davenport）把这种做法称为“看看窗外”。这句话不仅仅是一个令人深思的比喻。它是达文波特偶遇一位飞行员所得到的启示，飞行员讲述他自己如何严重依赖飞机的仪器，但发现视线偶尔扫向天际依然至关重要。这种方法非常有益，它不仅可以防止错误，而且还可以维护公司的声誉。
打车服务商uber在2014年年底艰难地掌握了这种方法。当时，该公司因其高峰定价（繁忙时段提高票价）而臭名昭著，这是一种许多用户难以接受的方法。uber坚称高峰定价有助于平衡这些时段的供需关系，我们也同意这一点。该公司的算法给出高价，以期当实际或预期的汽车供应跟不上消费者需求时，鼓励更多的司机参与进来。
2014年12月，当一名伊朗牧师在澳大利亚悉尼的一家咖啡馆绑架18名人质时，这种做法使该公司受到非议。许多人逃离事发地区，其中有些人试图呼叫uber。uber的电脑系统启动高峰定价，应对这一突如其来的需求。对许多人来说，这是对一场危机的一个非常不合适的反应，于是该公司面临激烈抨击。
uber发表了这样的声明：“我们没有（在悉尼事件期间）直接叫停高峰定价。这是错误的决定。”该公司也显然建立了在某些情况下推翻自动化高峰定价的能力。从2015年11月13日晚上开始，恐怖分子在巴黎进行了一系列袭击。事发30分钟内，uber就取消了该市的高峰定价，并提醒其所有用户进入紧急状态。[12]
这些例子表明了让人类的主观判断和算法同时发挥作用的明智之处。但是，企业采用这种方式时要非常小心。人类非常喜欢自己的判断力，对此过分自信，所以即使电脑的决策更好，我们中的许多人（如果不是大部分人）也会很快地推翻它。本章前面提到克里斯·斯奈德斯针对采购经理的预测进行研究，他发现，“你通常看到的是，有电脑辅助的专家的判断效果处于模型和无电脑帮助的专家之间。所以说，如果你把模型给专家，他们会做得更好，但模型本身表现得更好”。
基于米尔和达文波特所描述的原因，我们支持让人类进入模型决策过程，但是我们也主张企业尽可能地“保留分数”，即随时跟踪算法决策相对于人类决策的准确性。如果人类决策比基准算法更好，那么一切就应该照常。不然的话，事情就需要改变，而第一步就是让人们意识到自己真正的成功率。
这种反馈机制至关重要，因为它是系统1学习和改进的原理。正如卡尼曼和心理学家加里·克莱恩（gary klein）所写：“你不该相信自己的本能。你要把自己的直觉看作一个重要的数据点，但你必须有意识地、深思熟虑地评估它，看看它在此环境下是否有意义。”提高系统1的准确性并减少偏见的最好办法是举出很多例子，然后对系统1的准确性给出频繁快速的反馈。 翻转决策
一些公司开始使用另一种有价值的方法，那就是把人机分工的标准安排颠倒过来。人类做判断时不再使用机器提供的数据作为输入，相反，人类的判断被用作算法的输入。谷歌率先将这一方法用于招聘工作，这是公司的关键领域，有分析表明，以往的标准安排在该领域效果不佳。
拉兹洛·伯克szlo bock）担任谷歌人事部负责人时就意识到，多数用于选择新员工的技术几乎无济于事。在考察公司员工在职表现差异的实际影响因素时，他的团队发现，招聘前的简历检查仅解释了约7%的差异，之前工作经历的年份解释了3%，非结构化的工作面试仍然是最常见的情形，它始于“你的最大优势是什么”或“请做自我介绍”等问题，但是只能解释14%的差异。伯克说，这些面试存在的问题是：
它们创造了一个情景，在面试中试图确认我们对某些人的看法，而不是真正评估他们。
心理学家把这情况称为证实性偏见。我们基于轻度交流，做出了草率的、无意识的判断，此判断深受我们现有偏见和信念的影响。我们没有意识到这一点，于是把评估申请人的工作变成寻找证据来证实我们的初步印象。
在这里，系统1又一次运行了，然后把它的偏见和缺陷引入一个重要的决定。
那么，更好的招聘方法是什么？谷歌决定更加依赖结构化面试，它解释了25%以上的在职表现。结构化面试包括一组预定义的问题，旨在评估一个人的一般认知能力等方面。该公司采用了一种招聘流程，在其中，所有面试官都进行结构化面试，提出的问题也基本相同。伯克解释说，“然后我们用一致的量表对面试进行评分……面试官必须指出申请人是怎么做的，每种表现水平都是明确的……一张简洁的招聘量表……将凌乱、模糊和复杂的工作情况变成可衡量、可比较的结果”。
在这种方法中，面试官的个人判断仍然有价值，但它们被量化了，用于为求职者打分。伯克认为，这种方法并非把面试过程平淡化、非人性化，而是恰恰相反。申请者本人喜欢受到客观公正的对待，80%被重新设计后的面试过程拒绝的申请人表示，他们会把在谷歌的求职经验推荐给朋友，招聘决策也变得更加容易。正如伯克所说，“你会看到优异和普通之间的清晰界限”。 决策太重要
对人机分工的标准安排做出重大改变，有时甚至推翻这种安排的想法使许多人感到不适。大多数人对人类的直觉、判断和决策能力抱有很大信心，对于自己尤其如此。我们和很多人讨论过这个话题，几乎从未听过有人承认其直觉或判断力低于平均水平。然而，关于这个问题的证据是如此清楚，不容置疑：在大多数情况下，如果可以选择，那么数据驱动的系统2的决策要优于我们大脑产生的、融合了系统1和系统2的决策。这并不是说我们的决策和判断毫无价值，只是说它们可以改进。我们所看到的多种方法——让算法和电脑系统做决策，有时用人的判断作为输入，让人们在适当的时候推翻电脑决策——就是这样的一些改进方法。
我们听过有人把这说成非人性化的方法。有些人觉得让电脑主导决策会把人推到边缘，趋于式微。我们知道，失去曾经拥有的决策权很不舒服，[13] 也没人喜欢做电脑仆人的感觉。但是，这是否意味着我们可以将错就错，固守陈规呢？仅仅为了让医生和心理学家保住饭碗，误诊率就必须虚高吗？仅仅为了让面试官感觉良好，企业就应该用错人吗？
我们认为，这些问题的答案是否定的。良好的决策对于社会的良好运作至关重要，它们帮助把车流、职位、医疗保健等恰当的资源在恰当的时候、恰当的地方引向恰当的人群。实现以上目标的最佳方法，通常不是哈默和钱皮所倡导的标准伙伴关系——由电脑做记录，由hippo人士行使判断力并做出决策。
讲到这里，读者可能对人类不善于预测未来不太惊讶了。毕竟，预测和决策是几乎不可分割的活动。要做一个好的决策，我们通常要对未来某些方面有准确的预测，具体说，如果我们决定了某种方式，那么可能会发生些什么？所以如果我们做不好两件事中的一件，那么另一件也做不好。确实，系统1的许多捷径和错误使我们做不了好的预测。
从1984年开始，政治学家菲利普·泰洛克（philip tetlock）和他的同事开展一个长达数十年的项目，对政治、经济和国际事务等许多领域的预测准确性进行评估。其研究结论一如既往地清晰、引人关注。在一项涉及超过8.2万次预测的测试中，泰洛克发现，就预测结果的准确性而言，“人类只是险胜黑猩猩而已”。
商业世界充斥着对未来的预测，因此以上发现应该引起重视。许多预测是直接清晰表现出来的：如某只股票的走势，利率的未来移动方向和幅度，某国明年出售的智能手机数量，等等。在许多其他情况下，预测则隐含在拟议的行动计划中。例如，网站的重新设计包含了一种隐性预测——访客会更喜欢它，银行分支机构的重新设计也是如此。一种吸引眼球的产品上市是建立在“顾客会喜欢它”这么一种高风险的预测基础之上，与之配合的营销活动则包含一个如何塑造顾客偏好的预测。 狐狸、刺猬与实验
当然，所有这些预测并不都是错的。泰洛克发现了一些“超级预测者”，[14] 他们真的能够比常人更准确地给出预测。这些人倾向于从多个来源获取信息，也许更重要的是，他们在看待事物时有一种采用多方观点的能力。相比之下，不太准确的预测者倾向于在分析中固守一个视角，例如，热心的保守派和顽固的自由派往往会做出糟糕的政治预测。泰洛克把前一组人称为“狐狸”，他们是更成功的、多视角的预测者，然后把后一组人称为“刺猬”。他的这些标签来自古希腊诗人阿基罗库斯（archilochus）的格言：“狐狸知道很多东西，但刺猬只知道一件重要的事情。”[15]
因此，我们的一个建议就是尽可能依靠“狐狸”而不是“刺猬”。“狐狸”可以通过其提出的多维度、多视角推理分析而发现，也可以通过一直以来的记录查出。具有可查证的准确预测记录的人可能就是“狐狸”。 少预测，多实验
撇开“超级预测者”不谈，我们对预测的最根本建议是少做预测。我们的世界越来越复杂，常处于混沌状态，又总是快速流动。这使得预测事情变得要么极其困难，要么不可能实现，时间跨度越大，预测就越不准确。
在优秀企业中间正在发生根本转变：远离长期预测、长期计划和大胆设想，开展持续的短期迭代、实验和测试。这些组织采纳计算机科学家艾伦·凯（n kay）的重要建议：预测未来的最佳方式就是创造未来。它们从小处着手，步步为营，获取反馈，在必要时进行调整，而不是根据自以为是的预测结果，对遥远的事物自行其是。
相对来说，通过网站把这种方法落到实处比较直截了当。网站搜集了用户活动的丰富数据，因此容易看出某项改变是否更好。一些电子商务网站对于与时俱进、革新求变是非常谨慎的。在20世纪90年代末的第一波网络热潮中，旅游网站priceline如日中天。像当时其他许多高调的同行一样，它在世纪之交轰然坠地，究其原因，主要是用户对该公司原创的自主定价方式产生不满。
大约10年前，该公司将自己重新改造为一组更为传统的旅游网站。然而，令它重获生机的是持续不断的数据驱动型实验。正如venturebeat （互联网行业新闻博客）的记者马特·马歇尔（matt marshall）所说：“导致增长井喷的通常是小创意，例如调整网页上的颜色、措辞和数据安排，只求逐步提升，通过这些小小的努力来改善现有体验……priceline发现，将描述某个属性的措辞从‘停车’改为‘免费停车’，就增加了2%的转换率，即使这个描述放在页面的不起眼处——一般读者很难注意到它。”这样的好处俯拾皆是。a / b测试是一种常见的在线实验协议，其中一半的访问者在访问网站时看到选项a，而另一半访问者则看到选项b。在一次严格的测试中，内衣公司adore me发现，让模特摆造型时把手放在头发中，而不是放在臀部，就可以使一些品类的销售翻番。在通常情况下，又快又准的方法是在线测试选项，而不是花费几个小时、几天乃至几周，请专家对变革计划进行分析和辩论。在线测试的结果通常也会令人惊讶。
实验当然不局限于在线形式。它在实体环境的应用也会有成效。商学院教授戴维·加文（david garvin）把许多大公司称为“多单元企业”。这些组织占有许多面向客户的区位，所有区位看起来都差不多，运营方式也大致相同。许多商业银行、连锁餐厅、零售商和服务商都是多单元企业。根据对《财富》100强企业的一项估计，其中的20%在某种程度上属于多单元企业。
多单元企业的多区位特点提供了绝佳的实验机会。据创新学者史蒂芬·汤姆克（stefan thomke）和企业实验家吉姆·曼兹（jim manzi）称，科尔士百货公司进行了一项涉及100家商店的实验，以此了解工作日推迟开店一小时是否对销售有害。结果表明，营业时间缩短不会使销售额显著降低，这对零售商而言是个好消息。不好的消息来自另一项实验的结果。该项实验涉及70家科尔士商店，它测试了首次出售家具的影响。实验发现，由于家具占用太多远离其他产品的空间，因此商店的整体销售额和客户流量实际上是下降了。虽然许多高管对推出的新品持乐观态度，但公司决定以实验结果为依据，不再提供家具。通常情况下，在多单元企业的每个区位同步推行一种新举措是不可行的，因此分阶段实施就为实验创造了一个自然的机会。通过一些规划，企业可以从这样的分阶段实施中了解很多事情，从而将实施新举措的区位与仍然用老办法做事的区位仔细比对。
预测和实验不像决策一样易于自动化，但它们仍然非常适合严谨的数据分析。这些都是系统2的主要工具，也是第二次机器革命时代的主要工具。与此同时，系统1及其直觉、判断和个人经验累积等元素则需要给制定准确预测的手段让路，这样才会尽可能制定好的决策。简而言之，hippo人士必然成为组织内的“濒危物种”。 本章总结
? 历时20年的人机标准伙伴关系往往过于重视人的判断、直觉和本能。
? 为什么人类的判断经常如此糟糕呢？因为快速、不动脑筋的“系统1”式推理方式受制于许多不同种类的偏见。更糟糕的是，它出错时不能自知，而且它劫持理性的系统2，为其草率的判断提供令人信服的理由。
? 很明显，如果可以选择的话，与依靠有经验的人类专家的判断相比，单纯依靠数据和算法通常会得到更好的决策和预测。
? 现在由人类做出的许多决策、判断和预测都应该转交给算法。在某些情况下，人应该留在决策过程中，提供常识方面的检查。在其他情况下，他们应该完全退出决策过程。
? 在其他情况下，人的主观判断仍会被用到，若用在翻转的标准伙伴关系中：判断应该被量化，并被纳入定量分析。
? 决策流程应该基于正确的目标和明确的指标，为做出最佳决策而建立，而不应因决策者自我感觉良好而定。
? 算法远非完美。如果基于不准确或有偏差的数据，那么它们就会做出不准确或偏倚的决策。这些偏见可能是微妙的、无意的。算法的应用标准不在于其是否完美，而在于它们是否优于相关度量上的可替代方案，以及它们能否随时间而改进。
? 随着技术的普及，我们有机会超越标准伙伴关系，以及使其摆脱对hippo人士的过度依赖并朝着更受数据驱动的决策发展。数据显示，这样做的公司通常比不谙此道者具有重大的优势。
? 能够从多个角度来看待问题的人，能够有效迭代和实验的公司，都是时代的佼佼者。 问题
a 你是否系统地、严谨地追踪所在组织中由人和算法所做出的决策、判断和预测的表现？你知道哪些方面做得好吗？
b 在你的组织中，hippo人士最常见的决策在哪里？为什么是这样？
c 你在什么地方有过这样的机会：将标准合作伙伴关系掉转过来，从而将人的主观评估纳入数据驱动的分析，而不是与之相反？
d 一般来说，你认为算法和人哪一个更易产生偏见？
e 你觉得更有说服力的是“狐狸”还是“刺猬”？
f 你所在的组织是倾向于开展少数长期的高风险项目，还是开展大量更具迭代性的短期项目？
[1] 1英尺=0.304 8米。——编者注
[2] 企业信息系统很快因其多种应用（名称为三个英文单词的首字母组合）而广为人知，包括erp（企业资源规划）、scm（供应链管理）、crm（客户关系管理）和hrm（人力资源管理）等。
[3] 或者更准确地说，是几种软件。即使是最自信的企业软件供应商，也不会说单一的系统足以满足一家公司要做的一切。
[4] 英国伊丽莎白女王于2004年授予伯纳斯–李大英帝国爵级司令勋章，以表彰他实质上发明万维网。安德森是2013年首届伊丽莎白女王工程奖获奖者之一。
[5] 卡尼曼是第一位被授予诺贝尔经济学奖的非经济学者，以此表彰他的工作。
[6] “系统1”和“系统2”是特意挑选的中性、平淡的标识，以免引发长期存在的围绕其他术语的分歧和辩论。
[7] 本森在休陪产假时研究了维基百科的认知偏见清单，然后提出了这一分类方法，并将其发表在“生活黑客”博客better humans 上（http://betterhumans）。这是源自在线大众的洞察力，我们将在本书第三部分详细讨论这一现象。
[8] 它有一个奇怪的名字叫“apophenia”。统计和机器学习的模型可能会犯同样的错误，通常被称为数据的“过度耦合”。
[9] 正如乔纳森·海德特在他所著的《象与骑象人：幸福的假设》中所说，“人们很容易编造理由来解释自己的行为，这一发现被称为‘虚构’。虚构常常伴随着裂脑患者和其他脑损伤人士，心理学家迈克尔·加扎尼加用‘解释模块’表示大脑左侧的语言中心，其工作是当场解释自我所做的事情，当然它无法得知自我行为的真正原因或动机。举例来说，如果‘走’字在大脑的右半球闪现，患者就可能站起来走开。当被问到为什么站起来时，他可能会说：‘我要去拿一杯可口可乐。’解释模块善于编造理由，但它自己都不知道已经编出来了”。jonathan haidt. the happiness hypothesis: finding modern truth in ancient wisdom (new york: basic books, 2006), 8.
[10] 这些信息来自人们同意安装在家中的机顶盒。
[11] 由第三方处理匹配过程以保护隐私，奥巴马竞选团队和评级公司不会看到彼此的名册。
[12] 关于uber在巴黎恐怖袭击期间继续高峰定价的谣言四处传播。
[13] 实际上，在一项实验中，心理学家塞巴斯蒂安·博巴蒂拉–苏阿雷兹（sebastian bobadi-suarez）及其同事发现：即使人们得知自动化决策能使他们在整体上挣得更多，他们还是愿意为了保住资金分配的决策权而付出代价。人们喜欢决策的权力。sebastian bobadi-suarez, cass r. sunstein, and tali sharot, “the intrinsic value of control: the propensity to under-delegate in the face of potential gains and losses.”ssrn, february 17, 2016. https://papers.ssrn/sol3/papers2.cfm?abstract_id=2733142.
[14] 菲利普·泰洛克在该领域撰写的作品《超预测：预见未来的艺术和科学》由中信出版社于2016年7月出版。——编者注
[15] “狐狸和刺猬”也是哲学家以赛亚·柏林（isaiah berlin）的一篇文章的标题，该文将历史上的思想家分为两类：在整个职业生涯中孜孜以求一种大思想的人，以及那些探索许多不同想法的人。
02 最像人脑的机器
我相信到20世纪末，词汇的用法和一般教育理念会发生很大改变，因此那时将可以谈论机器思维而不再怕造成矛盾了。
艾伦·图灵（n turing），1950年
我们刚刚开发数字化电脑时，就尝试让它们像我们一样思考。从一开始就显而易见的是，电脑对于进行常规数学计算非常有用，但这并不稀罕。毕竟，人类一直在开发计算的机器，远在公元元年之前，就有了日本和巴比伦的算盘，以及神秘的希腊安提凯希拉机械装置。[1]
令人耳目一新的是新式数字化电脑的编程能力，也就是让它们执行任意复杂的指令。[2] 正如我们在前一章所看到的那样，电脑程序是执行算法的理想选择，它们是用于完成任务的精确的、按部就班的指令。但许多学科领域中的卓越思想家很快就开始尝试让这种新机器做更多事情，而不仅仅是“萧规曹随”。这些先驱想要创建一个自主的软硬件组合，换句话说，它可以和人类一样进行推理，从而变成人工智能。 分叉的人工智能
达特茅斯学院的数学教授约翰·麦卡锡（john arthy）将人工智能定义为“制造智能机器的科学与工程”。他于1956年在校园举办了第一次专题研讨会。几年之后，该领域最大、最为持久的争论开始了。要了解它本身及其重要性，我们可以考虑小孩子学习语言的方式与大多数成年人学习第二种语言的方式之间的区别。
本质上，孩子们通过倾听学习一门语言。他们听周围的人说话，吸收一些组成语言的词语和规则，然后在某个时间开始说出自己的话。他们说错时得到反馈和纠正，最终，他们变得善于处理用人的口吻说话这么一件困难的事情。
成人学习者则知道这件事有多难。当他们开始掌握第二种语言时，马上会面对一堆规则：把代词放在句子的什么地方，用什么介词，动词如何变化，名词是否有性别之分，如果是的话，又有多少，如何区分主体和对象，以便我们知道是狗咬人还是人咬狗，等等。记忆词汇很难，而使大多数成人语言学习者咬牙切齿的，是诸多复杂的、偶尔不一致的规则。
幼儿牙牙学语不需要明确的规则指导。[3] 大多数成年人不能在没有规则的情况下学习。当然，这两种方法有一些重叠，很多孩子最终会修语言课，而大人们也会耳熟能详，但两者毕竟截然不同。幼儿的大脑专门用来学习语言：他们用统计原理来辨别语言模式。[4] 例如当妈妈谈论自己时，她用“i”作为主语，并把它放在一句话的开头，她用“me”作为宾语并放在后面。大人的大脑是不同的，因此他们在学习新的语言时通常明确地学习规则。
与以上对比类似，早期的人工智能社区分为两个阵营。一个追求所谓基于规则的，或者说符号型人工智能，[5] 另一个则建立模式识别的统计系统。前者试图以成人学习第二语言的方式发展人工智能，后者试图使人工智能的发展与儿童学习第一语言的方式大致相同。
一开始，符号型的方法似乎占主导地位。例如，在1956年达特茅斯会议上，艾伦·纽维尔（allen newell）、j. c. 肖（j. c. shaw）和未来的诺贝尔奖得主赫伯特·西蒙（herbert simon）演示了他们的“逻辑理论家”程序，它使用形式逻辑的规则自动地证明数学定理。该程序证明了阿尔弗雷德·诺斯·怀特海（alfred north whitehead）和伯特兰·罗素（bertrand russell）在数学基础方面的里程碑之作《数学原理》（principia mathematica ）第二章中的38个定理。事实上，关于“逻辑理论家”的一个证明比原书优美很多，引来了罗素本人的“愉快回应”。西蒙宣称他和同事“发明了一台思维机器”。
然而，其他的挑战使基于规则的方法捉襟见肘。语音识别、图像分类、语言翻译等领域的数十年研究结果并不令人满意。这些领域取得的最好结果与人类的表现仍相距甚远，最糟糕的结果则给人留下了很坏的印象。例如，据一本1979年的逸事集记载，研究人员对“英译俄”翻译程序输入“心有余而力不足”这句话。程序给出的俄语翻译却意为“威士忌不错，但肉坏了”。也许这故事是杜撰的，但它并不夸张。作为一个群体，符号型人工智能产生的结果使人伤感困惑，以至20世纪80年代末，主要的企业和政府的研究资助来源枯竭，“人工智能的冬季”降临在这一领域。 无解的规则
是什么使符号型人工智能败绩累累呢？有两个主要障碍。其中一个对这一领域构成了严重挑战，而另一个显然是无法逾越的。首先，简单地说，如成人语言学习者所知，世上有很多规则，了解大多数规则并按规则行事通常是不够的。相反，人必须掌握几乎所有规则，才能有好的表现。一个语法正确率为80%的句子可能很可笑，甚至让人完全无法理解。
规则中还有规则。例如在英文句子中，知道形容词通常放在名词之前是不够的。正如马克·福赛思（mark forsyth）在其《口才元素》（the elements of eloquence ）一书中所言：“英文的形容词绝对必须按照这个顺序：意见—大小—年代—形状—颜色—来源—材料—目的，再跟着名词。因此，你可以有一把可爱的小的老式的长方形的绿色的法国白银刀，但是，如果你稍稍弄错用词顺序，听起来就会很怪。每个说英语的人都使用这个规则，但几乎没人把它写出来，这真是一件奇怪的事情。”
此外，我们所处的物质世界和精神世界做不到只服从一种规则。椅子有腿，但当它有底座或软座，又或者它挂在天花板时则是例外。在2002年，两名男子不能在美国结婚，但2015年他们就可以这样做了。松鼠不能高飞，但那些滑翔飞行的除外。在英语中，否定加否定可以变成肯定，比如说“她从未不开朗”，但肯定加肯定永远不会变成否定。是的，就是这样。
为语言、家具等复杂事物的所有相关规则编码，输入电脑系统，然后让系统做些有用的事，这类尝试大多不成功。电脑科学家恩内斯特·戴维斯（ernest davis）和神经科学家加里·马库斯写道：“截至2014年，很少有商业化的系统在自动化常识推理方面有重大应用……还没人造出一个令人满意的常识推理器。”如上一章所述，常识有偏见、有错漏，但即便如此，对于绝大多数人来说它已经做得很棒了，它引领我们通过了世上纷繁复杂的考验。我们还没有设计出可以了解世界如何实际运行、人类自己的生物系统1又如何工作的符号型数字化系统。我们的系统越来越精于狭义的人工智能，如围棋、图像识别等特定领域，但是我们还远未实现deepmind共同创始人谢恩·莱格（shane legg）所说的通用人工智能，即未能将智能应用于各种意想不到的问题。 又见波兰尼悖论
戴维斯和马库斯讨论了建立以上系统的最大障碍：“进行常识推理时，人们……借鉴的是……基本上无法自省的推理过程。”换句话说，人类经由多如牛毛的规则而驾驭自如的认知工作，其实不间断地体现着波兰尼悖论，也就是“我们所知的多于我们所能说的”。如第一章所述，直到最近，这一悖论使任何人都无法开发可以像人类顶尖高手一样下围棋的软件。我们必须谨记这一悖论随处可见。在很多重要的情况下，我们根本就不知道，也无法知道自己正在用什么规则来做对某些事。
这似乎是任何自动化或人工智能的绝对障碍。如果包括人类本身在内，地球上没有实体知道人类成就某事的规则，那么我们又如何创建一个基于规则的系统，或者说创建任何电脑系统，然后用它来模拟这些成就？波兰尼悖论似乎对可以自动化的人类工作类型设置了极大限制。正如我们麻省理工学院的同事、经济学家戴维·奥托（david autor）所说：“电脑对人的替代范围是有限的，因为一个人能够意会很多任务，做起来也毫不费劲儿，电脑程序和其他人却不能确切表述相关的规则或程序。” 机器学习
人工智能研究者的另一个主要阵营——避开符号型方法的阵营，自20世纪50年代末以来一直在尝试攻克波兰尼悖论，其方法就是建立用小孩子学语言的方式学任务的系统，要点是经验、重复以及获取反馈。这些学者开创了机器学习领域，这恰恰体现了该阵营所做的事情。
以这种方式学习的首批数字化机器之一，就是美国海军资助的“感知器”（perceptron），它是一台思考和学习的机器，由康奈尔航空实验室的科学家弗兰克·罗森布拉特（frank rosentt）领衔开发。“感知器”于1957年首次亮相，其目标是能够将看到的东西分类，例如区分狗类与猫类。为此，它被设置成有点儿像缩微版大脑的样子。
我们大脑中的大约1 000亿个神经元并没有以任何整齐的方式排列。相反，它们是深度关联的：典型的人类神经元从多达1万个的相邻神经元获取输入或信息，然后将输出发送给数目大致相等的神经元。每当足够的输入发出足够强的电信号时，神经元就将自己的信号发送到其所有的输出。在这里，“足够”和“足够强”的定义随着时间的推移而变化，它们取决于反馈以及重要性，也就是神经元给予其每个输入的权重。透过这个奇怪、复杂、不断展开的过程，产生了记忆、技能、系统1和系统2、思想火花和认知偏见，以及其他所有的脑力活动。
“感知器”并没有尝试做这么多的事情。它只想做简单的图像分类。这台机器有400个光电池，它们为刺激杂乱的机器大脑而随机连接到一层人造的神经元。通过这个神经网络的早期演示，以及罗森布拉特的自信预测，《纽约时报》在1958年报道说：“它是（海军）所希望的电脑的胚胎，它将会走路、谈话、观看、写作、复制自己并意识到自己的存在。”
然而，说好的突破并没有很快到来，1969年，马文·明斯基（marvin minsky）和西蒙·派珀特（seymour papert）发表了一篇题为“感知器：计算几何学导论”的毁灭性评论。他们以数学方式表明，罗森布拉特的设计不能完成一些基本的分类任务。对于人工智能领域的多数人来说，这足以让他们不仅疏远“感知器”，而且疏远神经网络和一般意义上的机器学习等广义概念。对于两个阵营的研究人员来说，人工智能的严冬降临了。 坚持总有回报
有几个团队继续研究机器学习，他们仍然相信，让电脑像人类一样思考的正确方法，就是建立可以通过实例学习的脑启发神经网络。这些研究人员终于了解并克服了“感知器”的局限性。他们的做法结合了高深的数学、功能更强大的电脑硬件和一种实用的方法，此举从大脑的工作方式获得启发，但又不受其约束。例如，电信号只能沿着大脑神经元的一个方向流动，而由保罗·沃伯斯（paul werbos）、杰夫·辛顿（geoff hinton）和扬·乐坤（yann lecun）等人在20世纪80年代建立的成功的机器学习系统则允许信息通过网络向前及向后传播。
这种“反向传播”带来了更好的表现，但进展仍然非常缓慢。到20世纪90年代，扬·乐坤开发的用于识别数字的机器学习系统阅读了美国20%的所有手写支票，但是几乎没有其他的现实应用。
阿尔法狗最近的胜利表明，现在的情况已经大不相同。诚然，阿尔法狗包含了对大量可能性的高效搜索，这是基于规则的人工智能系统的典型元素，但它的核心是机器学习系统。如其创建者所述，它是“一种新的电脑围棋方法，它使用深层神经网络，其训练融合了与人类专家对弈的监督式学习和自我对弈的强化式学习”。
阿尔法狗远不是一个孤立的例子。过去几年，神经网络处于蓬勃发展之中。它们现在是人工智能的主要类型，而且似乎有可能保持一段时间。由此，人工智能领域终于兑现了其早期的一些承诺。 为什么有人工智能
这个蓬勃发展的局面是如何发生的？为什么它来得如此之快，如此出人意料？通常情况下，这样的进步汇聚了一些因素，它既是恒力所致，也是机缘使然。许多业内人士认为，其中最重要的因素是摩尔定律。神经网络随着规模的增加而变得更加强大、多能，而且直到最近，规模足够大的神经网络才变得足够便宜，可供许多研究人员之用。
云计算帮助预算较小的项目开启了人工智能研究之路。技术企业家埃利奥特·特纳（elliot turner）估计，到2016年秋天，开展前沿性机器学习项目所需的计算能力可从亚马逊云服务（aws）等云计算提供商那里租用，成本约为1.3万美元。奇怪的是，现代视频游戏的普及也大大推动了机器学习。驱动流行游戏机的专用图形处理器（gpu）非常适合神经网络所需的各种计算，因此被用于大量的相关任务。人工智能研究者吴恩达（andrew ng）告诉我们：“前沿的研究团队用图形处理器做了我两三年前无法想象的超级复杂的事情。”
对机器学习来说，与摩尔定律同等重要的是大数据，即数字化的文本、图片、声音、视频、传感器读数等在近期的大爆发。像幼童需要听很多词语和句子来学习语言一样，机器学习系统需要接触许多实例，以便改进语音识别、图像分类和其他任务。[6] 我们现在有了有效的、源源不断的数据，而且随时都在生成更多的数据。辛顿、扬·乐坤和吴恩达等人建立的系统具有非常理想的性能，其性能随着接触越来越多的实例而日趋改善。关于这个美妙的现象，辛顿淡定地说：“回想起来，（机器学习的成功）只是数据量和计算量的问题。”
辛顿可能过谦了。他对神经网络的多项进展都有贡献，其中一项甚至使研究领域改名。2006年，他与西蒙·奥辛德罗（simon osindero）和郑怀宇（yee-whye teh）合作发表论文《一种深度信念网络的快速学习算法》，表明足够强大并适当配置的神经网络本质上可以自己学习，无须人类的培训或监督。例如，如果阅读了大量的手写数字，这些网络就可以正确地推断10个不同的数据类型（对应于数字0到9），然后还可以准确地对其读到的任何新的手写数字分类，归入其所确定的10个类别。
在机器学习领域，这种无人监督的学习仍相对少见。最成功的系统依赖于监督式学习，在其中，系统被输入一组问题和配对的正确答案，然后被要求自己回答任何新的问题。例如，某个机器学习系统可能被输入一大组人类演讲的语音文件和相应的书面文本文件。该系统使用这组配对数据来建立神经网络的内部关联，使其能够解释新的录音实例。由于监督和无监督的机器学习方法都使用辛顿及其同事在2006年论文中描述的算法，所以它们现在通常被统称为深度学习系统。 演示和部署
除了扬·乐坤建立的用于识别支票上手写数字的系统等少量案例，深度学习的商业应用其实只有几年，但是这种技术正在以超常的速度传播。谷歌负责该项技术的软件工程师杰夫·迪恩（jeff dean）[7] 指出，截至2012年，该公司还压根儿没有用它来改进搜索、gmail、youtube及google maps等产品。然而到了2015年第三季度，深度学习已经用于公司大约1 200个项目之中，超过了其他方法的表现。
deepmind在深度学习与另一种被称为“强化学习”的技术相结合方面特别有效，[8] 它不仅将注意力和技术放到公司向客户提供的信息产品上，而且还应用于物理世界的关键过程。谷歌运行着一些世界上最大的数据中心，它们是非常耗能的设施。建筑物必须向多达10万台服务器供电，同时保持冷却。冷却方面的挑战更加复杂，因为设施的计算负载（服务器被要求工作的总量）因时而异，无法预测。室外的天气也有关系，它显然影响了建筑物的冷却方式及冷却程度。
人通常控制着保持数据中心正确温度的泵、冷却器、冷却塔和其他设备。他们监测温度计、压力表和其他许多传感器，并随时间推移决定如何最好地冷却设施。deepmind团队想看看是否可以用机器学习取而代之。他们拿来多年的历史数据，涵盖了数据中心的计算负载、传感器读数以及诸如温度和湿度之类的环境因素，然后使用这些信息训练一组神经网络，以此控制所有可用的冷却设备。在某种意义上，他们把数据中心看成巨大的视频游戏，并指示其算法尝试获得更高分数，在这里，分数意味着更好的能源效率。
有一个数据中心的实际控制权交给了这些系统，带来立竿见影、面目一新的结果。用于冷却的能源总量下降了40%，设施能耗（那些不直接用于信息技术设备的能源，包括辅助负载和电气损耗）改进了大约15%。deepmind联合创始人穆斯塔法·苏莱曼（mustafa suleyman）告诉我们，这是谷歌数据中心团队见过的最大改进之一。
苏莱曼还强调，deepmind的方法具有很高的可推广性。团队使用的神经网络无须为每个新的数据中心进行完全重新配置。神经网络只需要接受尽可能详尽的历史数据的训练。这种训练是微妙而艰巨的，[9] 但回报是显而易见的。
事实上，目前投入使用的数据中心能源管理、语音识别、图像分类和自动翻译等机器学习系统中，那些表现最好的系统非常相似。它们都是深度学习的变体，不因应用领域而异。这一点很重要，因为它表明这种人工智能方法可以在各个行业和经济体中迅速扩散。新的神经网络可以复制，几乎可以立即扩充，并接受新数据的训练，然后得以应用。
包括微软、亚马逊、谷歌和ibm在内的科技巨头通过云和应用程序编程接口的组合，将其内部开发的机器学习技术提供给其他公司，这些应用程序编程接口是关于软件如何交互的基本明确的、一致的公开规则。应用程序编程接口使不同来源的代码整合到单个应用程序变得更加容易，而云则可以在全球范围内按需提供该代码。
通过这种基础架构，机器学习有机会在全球范围内快速而深入地进行部署。然而，由于第一章所讨论的原因，我们也预期，随着领先企业的业务流程重组和新商业模式的出现，机器学习会不均匀地传播。它已经在一些意想不到的地方发生了。
小池真野（makoto koike）2015年回到父母在日本的黄瓜农场时，看到了应用机器学习的机会。他以前曾是汽车行业的硬件和软件工程师，善于开发代码和机械相结合的设备。小池发现自己的才能可以用在黄瓜分选工作中，这本是他母亲一手包办的活计。她根据多年的经验将农场的所有农产品手工分为9个品级。因为农场很小，所以她能做好（日本的非谷类农场平均只有1.5公顷，面积约为一个半棒球场或两个足球场），但这是件苦力活，在收获旺季期间，每天要工作8个小时。
小池对阿尔法狗的模式匹配能力印象深刻，对谷歌2016年11月推出的机器学习技术包tensorflow也非常着迷。他决定使用它们，看看能否将家庭农场的黄瓜分选工作自动化。小池之前没有机器学习方面的经验，但自学了如何使用tensorflow，接着用7 000张不同等级的黄瓜图像对系统进行了培训。他用现成的廉价相机、电脑和硬件控制器组装了一个全自动的评分机器，第一年运行达到了70%的准确率。几乎可以肯定，利用更高分辨率的图像和下一代的云端机器学习软件，就能实现更高的准确率，小池说：“我迫不及待地想试一把。”鉴于他和其他人的工作，我们同意谷歌公司佐藤贺（kaz sato）的说法：“毫不夸张地说，机器学习和深度学习的应用只受我们想象力的限制。”
直至我们写这本书时，人工智能领域几乎所有的商业成功例子都使用监督式学习技术，也有少数使用了强化学习技术（例如deepmind优化的数据中心）。然而，人类学习的主要方式是无监督的学习。蹒跚学步的小孩学习日常生活中的物理，靠的是玩积木、从玻璃杯倒水、扔球、从椅子跌落等，而不是靠学习牛顿的运动定律或记住“f = ma ”之类的方程。扬·乐坤用一个蛋糕的比喻，生动地强调了无监督学习尚未触及的广泛而重要的内容。他说：“如果智能是一个蛋糕，那么无监督学习就是蛋糕本身，监督式学习只是蛋糕上的糖衣，而强化学习则是蛋糕上的樱桃。我们知道如何制作糖衣和樱桃，但我们不知道如何制作蛋糕。”他认为，如果我们要实现通用人工智能，那么开发更好的无监督学习算法将是至关重要的。 人脑与学习机
我们不止一次听到，当代神经网络的开发者不情愿地将以前基于规则的方法称为过时的“特征工程”。许多人现在认为，那种试图将所有相关规则纳入任务，然后将它们编入电脑的方法是误导。他们相信，建立可以自己学习规则的系统显然更有成效。人工智能研究者的统计学阵营现在居于优势地位，其至少兑现了该学科半个多世纪前做出的一些承诺。
在这种情况下，人脑和机器将如何融合在一起？有几种不同的方式。一种方式是沿着保罗·米尔和汤姆·达文波特在前一章倡导的方式，将两者结合，让拥有常识的人类监视人工智能的决策和行为，并在发现错误时出手干预。这是deepmind神经网络接管数据中心的优化工作时所做的。人类控制员总在决策过程之中，能够随时接管控制。
截至目前，引进自动驾驶技术的汽车制造商也采取这种做法。它们强调，人坐在驾驶员座位既是字面所指，也是形象所在，即使启用了自主驾驶技术，人也要负责汽车的安全运行。决策过程中总有人在，这在许多人看起来是稳健的，因为稍有不慎就会致命。2016年夏天，乔书亚·布朗（joshua brown）驾驶的特斯拉汽车撞在一辆卡车的拖车旁边，他死于非命。这辆带白色拖车的卡车当时正准备左转，从高速公路驶入地面公路。布朗在高速公路另一边迎着卡车行驶。特斯拉汽车在撞车之前并没有启动刹车，很明显，由于迎着明亮的佛罗里达天空，布朗和汽车的摄像头都没有发现白色拖车。也许布朗在许多先例中看到了自动驾驶系统有效的运行能力，对它过于自信了，于是对道路的关注越来越少。
谷歌认为，人为疏忽是一直存在的问题，所以人要完全脱离驾驶的决策过程。正如该公司自动驾车项目前任主管克里斯·乌尔森（chris urmson）所说：“传统的观念认为，我们只是采用这些驾驶员辅助系统，推动它们，并逐步改良它们，随着时间的推移，它们会自动驾驶车辆。嗯，我在这里告诉你，这就像我说‘如果我拼命学跳高，终有一天我能飞起来’。实际上，我们需要做一些稍微不同的事情。”因此，该公司正在努力打造100%的自动驾驶汽车，它们不需要人为干预，业内称之为“第5级自主权”。
这些汽车的能力给人留下深刻印象。正如乌尔森在2015年ted（技术、娱乐、设计）大会上所说，“我们的车辆正在驶过山景城，这就是我们所遇到的。这是一位坐在电动轮椅上的女士，她在路上绕圈追鸭子。现在，事实证明，美国车辆管理局手册没有告诉你如何应对这种情况，但我们的车辆能够处理——减速，然后安全行驶”。在所有情况和条件下都可以安全驾驶的自主汽车尚未面世，但我们认为它们很快就会出现。
机器语言攻克波兰尼悖论的能力开始被用于后台的白领工作。迄今为止，这类工作对完全自动化具有惊人的抵抗力。后台是知识性工作的一个广泛术语，它发生在客户的视线之外，包括采购、会计和信息技术等。如前所述，后台工作中任务量最大、标准化程度最高的元素早就被企业信息系统自动化了，但是在大多数企业中，仍然有大量的手工作业。
把这些工作部分自动化的一种方法，就是向从事这些工作的人询问他们使用什么规则、这些规则有什么例外、什么时候会改用不同的规则或指南，等等。然而，通过面谈抽取知识的过程耗时甚多，会使人没法干活，而且也可能不奏效。从事非日常性后台工作的人很可能无法准确、完整地告诉别人如何做好自己的工作。
日本富国保险公司用的是不同的方法。2016年12月，该公司宣布了一项使用ibm的人工智能沃森的计划，旨在使人类医疗保险索赔处理工作实现部分自动化。系统将首先从医院和其他保健服务提供商提供的文件中提取相关信息，并把它编入适当的保险理赔代码，然后将信息提供给人工。但是从长远看，系统的目的是“学习付款评估的历史，以便继承评估员的工作经验和专业知识”。换句话说，技术将边用边改进，久而久之，它将能够接管更多的人类工作。
我们期待今后有更多类似的工作，期待深度学习和其他机器学习方法能迅速传播。例如，客户服务的大部分工作是倾听并了解客户所想，然后向他们提供解答或者服务。一旦现代技术学会了交流的规则，它们就可以接管后一项工作。
但是，客户服务自动化最难的那部分还没有解决方案，即倾听和理解。基于本章在前面讨论的各种原因，语音识别和自然语言处理的其他方面一直是人工智能诞生之后面临的非常棘手的问题。以前居于主导的符号型方法根本没有奏效，而基于深度学习的新方法的进展却如此迅速，甚至令专家也感到惊讶。
2016年10月，微软研究团队宣布，他们建立的神经网络已经实现了“交谈时的语音识别方面与人类平起平坐”，一如其论文标题所示。无论是给定主题的讨论还是朋友家人之间的开放式对话，该系统都比专业的记录员更准确。语言学教授杰夫瑞·普勒姆（geoffrey pullum）在评论这个结果时写道：“我必须承认，我从来没想过会看到这一天。在20世纪80年代，我曾认为完全自动化的连接语音识别（听取连接的会话语音，准确地写下所说的话）对机器来说太难了……而语音工程师已经实现了它，甚至无须依赖任何语法分析[10] ：它纯粹是关于工程的，辅以基于海量原始数据的统计建模……我不仅没想到会看到这结果，而且还会自信地否定它。”
传奇电脑科学家弗雷德里克·杰林克（frederick jelinek）的评论捕捉到了人工智能领域从基于规则的方法向统计方法大范围转型背后的原因。杰林克在20世纪80年代中期观察到：“每当我辞退一名语言学家，语音识别器的表现就随之改善。”到2015年左右，处理语音翻译相关问题最为成功的团队里面没有语言学家，而他们的研究结果震惊了全世界。我们坚信，更多类似的惊喜即将出现。
我们同意赛富时首席执行官、技术行业先驱马克·贝尼奥夫（marc benioff）的观点，即我们正在进入他所说的“人工智能为先的世界”。像我们一样，他看到了取代hippo人士决策、让事情做得更好的无数机会。他写道：“许多企业仍然根据本能而不是信息做出重要决策……这将在未来几年内发生变化，因为人工智能变得越来越普遍，它们可能使每家公司和每个员工更聪明、更快、更高效。”几年前，这样的预测听起来像天方夜谭，现在它却像一个没有风险的赌注。 本章总结
? 现在，基于规则的符号型人工智能方法趋于式微。除了几个狭窄的领域之外，它似乎不太可能卷土重来，甚至在那些领域也难以翻盘。
? 机器学习终于兑现了早期的承诺并完成了有用的工作，它是打造通过建立和观察多个实例来检测模式并制定取胜战略的软件系统的艺术和科学。
? 机器学习系统越来越大，它们在运行速度越来越快、越来越专业的硬件上运行，能够获得更多数据，容纳改进的算法，因此变得越来越好。所有这些改进都在发生，所以机器学习正在迅速发展。
? 神经网络在标识了学习实例的监督性学习方面最为成功，但在无监督学习方面进展甚微，而后者则是人类了解世界的主要途径。
? 监督性学习非常适合把目前由人工完成的许多工作自动化，特别是在模式匹配、诊断、分类、预测和推荐等方面。机器曾经对视觉、语音识别等功能束手无策，但目前在许多领域表现出与人类相当的水平。
? 我们还处于机器学习传播的早期阶段。它将在社会和经济中变得普遍，特别是因为它现在可以从云端按需获取。
? 机器学习系统（和所有其他形式的人工智能）仍然缺乏常识。 问题
a 你手头最重要的模式匹配、诊断、分类、预测和推荐活动是什么？你是否正在探讨上述活动的机器学习解决方案？
b 你会考虑把哪些关键决策或操作（如果有的话）完全交给人工智能系统，又会在哪些工作中确保决策过程中存在人类？
c 如果明天早上让你乘坐自动驾驶汽车去上班，你感到自在吗？你认为5年内你能自在地这样做吗？为什么能，或者为什么不能？
d 填空：如果我们的竞争对手为_______部署了成功的机器学习系统，我们将面临严峻的挑战。
e 你的机器学习战略是什么？在将机器学习引入组织方面，你走了多远？
[1] 这种时钟大小的装置被用来预测太阳、月亮和行星的运动。它很令人费解，主要是因为它在当时太先进了。正如2015年乔·马尔尚（jo marchant）写的一篇文章所说：“自古以来就没发现过这样的事物。1 000多年来，再也没出现像它一样复杂的事物，甚至与它相近的也没有。”jo marchant, “decoding the antikythera mechanism, the firstputer,” smithsonian , february 2015, http://.smithsonianmag/history/decoding-antikythera-mechanism-firstputer-180953979.
[2] 艾伦·图灵证明：存储程序的基本电脑可以被认为是一种通用的计算机，原则上，可以指示它来解决算法能解决的任何问题。
[3] 正如1994年语言学家史蒂芬·平克（steven pinker）在其《语言本能》一书中所指出的那样，一个对父母睡前阅读感到不高兴的孩子会构建一个复杂的句子，如“爸爸，你怎么把这本我不想听的书带上来了呢”。steven pinker. thenguage instinct (new york: harpercollins, 1994), 23.
[4] 一个悲剧性案例研究提供的有力证据表明，在一定年龄之后，孩子们已经不能再学会语言了。1970年，南加州当局了解到有一位化名吉尼（genie）的13岁小女孩，她饱受可怕的虐待和疏于照管之害。从蹒跚学步的孩提时代开始，她就一直被父亲禁锢，几乎完全与社会隔离。她被关起来，独自待在一个寂静的房间里，没人跟她说话。吉尼获救之后，许多施以援手的研究人员和治疗师相信她并非先天迟钝，尽管做了很多努力，她还是学不了什么东西，只能用简单的句子说话。她学不了更复杂的语法规则。吉尼目前在加州某地一所为存在精神缺陷的成人服务的机构里生活。
[5] 基于规则的人工智能被称为符号型人工智能，因为它以人类可以理解的词语、数字和其他符号进行表达。
[6] 正如我们为《哈佛商业评论》撰写的文章所讨论的，大数据和数据分析还改变了人类的决策。andrew mcafee and erik brynjolfsson. “big data: the management revolution,” harvard business review , 90, no. 10 (2012): 61–67.
[7] 迪恩的许多贡献使他成为谷歌的传奇。他的同事收集了一系列夸张的“杰夫·迪恩的事实”来表达他的能力。“真空中的光速曾经是每小时35英里，然后，杰夫·迪恩花一个周末优化了物理学”就是一个代表性的例子。kenton varda. google+ post, january 28, 2012. https://plus.google/+kentonvarda/posts/tsdhe5cvafe.
[8] 强化学习牵涉到建立能够在环境中采取有效行动以使回报最大化的软件代理。deepmind首次公开展示其在这一领域的能力时，用的是“深度q网络”（dqn）系统，开发它是为了玩经典的雅达利2600视频游戏，如《太空侵略者》《乒乓球》《突围》和《战地》等。程序员并没有告知“深度q网络”系统正在玩什么游戏、规则是什么、哪些战略可能有效、哪些控件和操作可用。事实上，它根本就没有被告知正在玩游戏。它只是看着每个游戏的屏幕，然后被告知移动控制器以取得最高分。在给出的49场比赛中，“深度q网络”系统很快就击败了一半以上的专家级人类玩家。volodymyr mnih et al., “human-level control through deep reinforcement learning,” nature 518 (february 28, 2015): 529–33, https://storage.googleapis/deepmind-data/assets/papers/deepmindnature14236paper.pdf.
[9] 建立一个运作良好的神经网络可能听起来很简单——只需输入数据，然后让系统建立关联——但是截至目前，它实际上是耗时和微妙的工作，甚至连有强大计算机科学背景的人也望而生畏。
[10] 换句话说，就是以规则为本。
03 你好，机器人
银足闪闪的女神忒提斯（thetis）来到了匠神赫菲斯托斯（hephaestus）的宫殿……女神到达时，他正在风箱旁忙忙碌碌，忙于制造一套23条腿的大鼎，好摆放在自己坚固的宫殿的墙边。他在每个鼎的腿下都装上了金转轮，当众神聚会时，它就可以自动滑进去，也可以自动滑出来，以此博得众天神的赞赏。
《荷马史诗》（homer ）之《伊利亚特》（the iliad ），公元前8世纪
很少有一顿饭可以同时做到营养丰富、味美价廉。如果它还能够展现未来自动化的风采，那就更加稀罕了。
2015年，第一家eatsa（没有服务员的餐厅）在旧金山的soma（市场街以南地区）开业，它提供了一系列素食菜肴，其主要成分是原产于南美的藜麦[1] ，营养极其丰富。在eatsa，藜麦与玉米、豆类、茄子和鳄梨酱等原料一起使用，用碗进食，碗上印有“西南争霸”“不用担心咖喱”等字样。 没有人的流程
然而，食客在eatsa进餐之前还会碰到一些不寻常的事情。从预订、付款到送餐，他们不会看到任何员工。进入餐厅后，顾客会看到一排平板电脑。他们用平板电脑下订单，并通过信用卡付款（eatsa不接受现金）。在准备餐点时，取自信用卡的顾客名字和姓的首字母会出现在大型平板显示器上。当某个名字接近等待列表的顶部时，一个数字就出现在它的旁边，该数字对应于墙上约20个窗孔中某一个的编号，孔口覆盖着面板。这些面板实际上是透明的液晶显示器，屏幕中间显示顾客的名字，右上角有一个小牛眼标识。当客户双击牛眼时，面板随之打开，餐点出现并让顾客打包带走（餐厅提供的室内座位很少）。
餐厅有少量服务员，他们引导新顾客熟悉预订流程并回答问题，但大多数顾客并不需要此项服务。eatsa早期的口碑极佳。有位“吃货”说：“在这家餐厅，你无须浪费口舌，无须找人，只要几分钟就能通过电脑屏幕获得味美价廉、营养丰富的餐点。跟我结婚吧。”
eatsa大受欢迎，这说明了第二次机器革命时代的一个重要现象：以往在人和物理世界之间发生的许多交易与交流，现在都通过数字化的接口完成了。事实证明，很多业务流程实际上并不要求把原子移来移去或换来换去。相反，它们事关信息或数码的移动和转换。在eatsa订餐、付款，然后获悉取餐窗口，就是这类流程的一个例子，称其为流程自动化并不完全正确，因为还有人（顾客）牵涉在内。更准确地说，流程已经虚拟化了。 虚拟即现实
虚拟化正在广为传播。如果我们乘坐航班时不托运行李，那么在到达登机口之前是很少与航空公司员工打交道的，我们早已将登机牌下载到手机，或者使用机场的自助服务机打印机票。出国旅行之后回到美国时，我们使用“全球入境机”输入报关和移民资料，然后清关重新进入美国。在国内飞行方面，看来我们很快就会有完全自动化的安全通道。2016年7月，美国交通安全管理局宣布了一项计划，在5个国内机场安装和评估这些系统。[2]
当网络和便利的数字化设备随处可见时，虚拟化就加速了。随着自动柜员机的增多，许多人不再去找银行柜员提取账户中的现金。基于个人电脑的在线银行使客户能够在家中查看交易明细、转账和浏览账单，并完成许多其他业务，智能手机及其应用程序则使客户可以在任何地方做完这些事情。许多银行应用程序最终带来了另一个便利：它们使客户能够通过手机拍照来存入支票。虚拟银行业务不断提升的能力、范围和便利性，可能正是美国银行柜台总数连年减少，从2007年60.8万个的高位下降了近20%的主要原因。
某些交易和流程是否会在很大程度上保持非虚拟化呢？许多人和企业都这么想。弗吉尼亚·波斯特雷尔（virginia postrel）是一位在商业和文化转型方面有洞察力的分析师，他认为，药店、超市和其他零售商的自动化自助购物机将永远不会被消费者接受，“由于技术方面的原因，没人想一边听着无休止的电子指令循环，一边看着其他购物者顺利地通过人工收银台的队列”。
我们注意到波斯特雷尔的观点。大多数自助结账技术令人困惑，使用起来很慢，而且它们似乎经常卡住。我们之所以一直使用这些技术，可能更多源自研究兴趣，而不是因为其便利。但是我们注意到，随着时间的推移，这些技术已经如预期般变得越来越好。随着自助结账系统的开发者获得更多经验，他们将改进技术和用户体验，并找出降低错误率和挫折感的方法。
这可能意味着未来的自助结账机器和过程看起来非常不同，但我们预期大规模的虚拟化将会到来，尽管迄今为止的进展乏善可陈。一旦预期成真，那么其外观也许像amazon go（无人便利店），这是在线零售巨头亚马逊于2016年12月在西雅图推出的面积为1 800平方英尺的便利店，该店没有收银员和自助结账系统。相反，店内的传感器和摄像机与机器学习技术相结合，由智能手机的专用应用程序追踪记录客户放入购物篮的每件商品，然后根据他们离开店铺时带走的商品自动结账。记者劳埃德·阿尔特（lloyd alter）观察指出，“amazon go不是用在线技术风格升级的店铺，它是一种被墙体包围的在线体验”。在这种体验中，购物车是真实的，但结账柜台是虚拟的。
反对广泛的虚拟化的另一个论点其实是这么一种想法：有些互动需要人的接触，以便使客户、患者、销售对象之类的当事人感到自在、放心。这种想法有道理，但我们也要看到，至少有一些人愿意甚至是渴望把那些以前看来人际接触至关重要的交易虚拟化。
在金融服务领域，传统的做法是至少需要一次面对面的会议，以便说服某人或某家庭将大部分财富委托给投资顾问。然而，自2011年12月成立以来，先锋理财公司已经从3.5万多个家庭拿到了超过30亿美元的资金，而所有这些资金都是虚拟化转账到该公司的，无论是服务台还是交易过程，没有出现人类的投资顾问。先锋理财公司从事财富管理业务，它不但在投资决策中去掉了人类判断，而且完全消除了财富转移交易的经典舞台和角色，即设备齐全的办公室、光面的小册子、接待员、专业顾问，等等，取而代之的是一种在线形式。 移风易俗
先锋理财公司的客户往往比其他投资咨询公司的客户更年轻，更熟悉技术。经济学家用“自我选择”一词来表示这样的现象，即人们根据自己的喜好将自己分类到不同群体。自我选择可能是塑造虚拟化的强大力量。有些人会把钱交给先锋理财公司进行投资，会在超市使用自助结账机，也会在eatsa吃午餐；其他人则想见人类的投资顾问，想让收银员为购物结账，并且想找人订午餐。
目前，我们看到了对上述自我选择双方各有明显吸引力的企业。像eatsa一样，快餐连锁店麦当劳提高了虚拟化程度。截至2016年11月，该公司在纽约、佛罗里达和南加州的500家店面安装了数字化的自助预订和付费站，并宣布计划将触屏技术扩展到旗下1.4万家美国餐馆。相比之下，发现卡（discover card）则强调人性化。该公司2013年首次播出一系列广告，展示由知名演员扮演的客户和员工之间的电话交谈。诚然，这种做法想传递一个信息：该公司提供了深度个性化的，因此也是更真实可信的客户服务。其中一个广告甚至表示，该公司更关心的是人际关系而不是多赚钱。其讲述者说，“有了发现卡，你在美国可以日夜与真人交谈，而且我们不会浪费你的时间，不会试图兜售一些你其实不需要的另类产品”。
eatsa、先锋理财、麦当劳、发现金融服务公司等许多企业正在追逐由支持或反对虚拟化的客户偏好定义的细分市场。这是一个自然而然的事情，但我们在想，反对虚拟化的庞大市场规模能保持多久？近来美国银行柜员数量的下降表明，一旦有足够稳健的虚拟化可用于特定的流程，许多人就会用它，尤其是随着时间的推移，越来越多的人口将由“数字原生代”组成。而如果选择人类服务耗时更多，又或者它低效、令人不快，虚拟化就更占上风。倘若完全自动化且足够安全私密的机场安检突然可用，那么有多少人会选择排队由安检人员进行检查呢？
在足够的技术进步、足够的实验和足够的迭代之后，我们认为，由自动化和数字化作为中介的流程将变得相当普遍，并将取代许多现在以人为中介的过程。简而言之，我们相信虚拟化是一种长期性趋势，在这里，长期性类似于金融行业的用法，它表示将在几年内展开的长期趋势，而不是短期的波动。 自动化爆发
eatsa想做的不仅是虚拟订餐，它还想做备餐自动化。其厨房中的备餐是高度优化和标准化的，该公司用人类厨师而不用机器人，主要原因是鳄梨、西红柿、茄子等被加工对象的形状不规则，而且也不全是坚硬的。这些特征对人来说没什么问题，人类从来就生活在一个不如人意的世界。然而到目前为止，造出来的大多数机器人更善于处理完全坚硬并且彼此差异不大的物品。
究其原因，机器人的视觉和触觉从来就非常原始，比人差太多，而正确处理番茄通常需要以非常精确的方式观察和感觉它。还有一个原因，给机器人编程处理糊状物体极其困难，这又是一个“我们所知的多于所能说的”例子，因此，机器人的“大脑”远远落后于我们，就像它们的感觉一样。
但是，机器人正在迎头赶上，已经出现了几个机器人厨师。在中国黑龙江省的一家餐厅，拟人化的紫色机器人明火爆炒、清炒，而人则做着准备工作。2015年4月的汉诺威工业展览会上，英国公司moley robotics推出了一款高度自动化的厨房，其核心是一对从天花板吊下的多关节机器人手臂。它模仿大厨在制作招牌菜时的动作。展会期间，这对手臂制作了由英国《厨艺大师》电视大奖得主蒂姆·安德森（tim anderson）研发的螃蟹。一位在线评论员点评说：“很好啊，如果是在餐厅享受这美味，我眼睛眨都不眨。”然而，食物准备工作还是必须由人类完成，机器人手臂没有眼睛，所以如果任何用料和器皿与预期不符，它们就会失败。
我们所见过的最先进的机器人厨师是风投资本家温诺德·柯士拉（vinod kho）资助的机器人快餐公司momentum machines开发的汉堡制作机。它使用生肉、面包，以及酱汁等调味品，然后将其制成袋装汉堡，制作速度高达每小时400个。这个机器自己完成大部分的食物准备工作，基于保鲜的原因，它只有在接到订单时才开始研磨、混合并烹饪。在很大程度上，机器还允许食客定制自己的汉堡包，例如指定烹饪方式和肉饼中的肉类组合等。我们可以为这些美味汉堡做证。 机器人之舞
这些自动厨师是正在呈现的机器人“寒武纪爆发”的早期例子。提出这一概念的是丰田研究所首席执行官吉尔·普拉特（gill pratt），他也是我们以前在麻省理工学院的同事。寒武纪爆发始于5亿年前，是一个相当短暂的时间段，在此期间，地球上大部分的主要生命形式——门类——出现了。今天，地球上几乎所有的身体类型都可溯源于这一突发的密集进化创新。
普拉特认为，我们即将体验到一些与机器人创新相似的变化。他在2015年写道：“今天，几个前沿领域的技术发展正在激发机器人多样化和适用性的类似爆发。机器人依赖的许多基础硬件技术，特别是计算、数据存储和通信，已经以指数级增长率得到了提升。”寒武纪爆发最重要的推动因素之一是愿景，也就是生物物种首先发展出看世界的能力的时刻。这为我们的祖先带来了大量的新能力。普拉特指出，就机器而言，我们现在处于类似的入口。机器前所未有地学习观察，并获得随愿景而来的许多好处。
我们的讨论和调查指向5个并行、相互依赖和重叠的领域的最新进展，它们是数据、算法、网络、云端和指数级改进的硬件。我们用其英文首字母缩写“dance”来记住它们。
数据。 数十年来，音乐cd（激光唱片）、电影dvd（数字视频光盘）和网页加入世界上用数字化编码的信息，但在过去几年间，创造的速度暴涨。事实上，据ibm估计，90%的全球数字化数据是在过去两年内产生的。来自智能手机和工业设备传感器的信号，数码照片和视频，不间断的全球性社交媒体洪流以及许多其他信息来源混合在一起，使我们置身于一个空前的大数据时代。
算法。 海量数据很重要，因为它支持并加速了前一章所述的人工智能和机器学习的发展。现在，深度学习和强化学习等主导该领域的算法和方法都有一个基本属性，即提供的数据越多，结果就越好。在某一时点，大多数算法的表现通常会趋于稳定，或者说到了“渐近线”，此后输入更多数据只会产生很少改进，甚至根本没有改进。对当下广泛使用的许多机器学习方法而言，情况似乎并不是这样。吴恩达告诉我们，使用现代算法，“摩尔定律和一些非常聪明的技术工作正不断推移渐近线”。
网络。 远近距离的无线通信技术和协议正在迅速改善。例如，美国电话电报公司和威讯在2016年宣布试用无线5g（第5代移动通信）技术，其下载速度高达每秒10gb（千兆字节）。这比lte（高速无线通信标准）网络的平均速度快50倍，而lte网络本身又比上一代3g（第3代移动通信）技术快10倍。这样的速度提升意味着更好、更快的数据积累，也意味着机器人和无人机可以不间断沟通，从而协调好工作，并在飞行时一道对快速变化的环境做出反应。
云端。 组织和个人现在可以获得前所未有的计算能力。应用程序、空白的或预配置的服务器以及存储空间都可以长期租用，或通过互联网租用几分钟。这种面世未满10年的云计算基础设施以三种方式加速了机器人的“寒武纪爆发”。
首先，它大大降低了进入门槛，以前只能在优秀研究型大学和跨国公司的研发实验室中发现的计算资源，现在已经可以提供给初创公司和独立发明人。
其次，它允许机器人和无人机设计者探究本地计算与中央计算的重要权衡，即哪些信息处理任务应该在每个机器人本身的“大脑”中完成，哪些又应该由云端巨大的全球性“大脑”完成？看起来，在今后一段时间，诸如重现以往体验并从中获得新见解之类的最密集的工作将在云端进行。
最后，也许最重要的是，云意味着机器人或无人机部落的每个成员都可以快速得知其他每个成员的工作。正如普拉特所说：“人类需要几十年的时间才能够充分学习，然后增补有意义的常识纲要。然而，机器人不仅能进行交互式学习，而且可以在创造性活动之后立即将其添加到机器人的知识简编中。”这种普适的“蜂巢头脑”的早期例子是特斯拉的车队，它们共享各自所通过的路边物体的数据。信息共享帮助该公司与时俱进，了解到哪些物体是永久性的（许多不同车辆在同一地点看到的东西），从而避免跑到路中央。
指数级改进的硬件。 摩尔定律是指每过18—24个月，集成电路的能力就稳步翻一番。至2015年庆贺其面世50周年时，它强健依旧。最近有人指出该定律正面对物理限制，因此今后几年的增长速度将逐渐放缓。这可能是真的，但是，即使科技界的科学家和工程师在未来几十年无法发明更好的硅片蚀刻方法，我们也相信，我们将继续使用处理器、记忆体、传感器、存储器、通信器等数字化装置，安享价格降低、性能提高的好处，这样的日子还很长。
这怎么可能呢？无人机制造商3d robotics的首席执行官克里斯·安德森（chris anderson）栩栩如生地向我们介绍了无人机行业发生的事情，并延伸到其他许多方面。他向我们展示了一个直径约1英寸[3] 、高3英寸的金属圆筒，并且说：“这是一个陀螺传感器。它是机械的，要花1万美元，它是20世纪90年代时一些非常有才华的女士在航天工厂用手缠绕制造的。它负责一个运动轴。在我们的无人机上有24个功能相似的传感器。在以前，每个要花1万美元，也就是要装价值24万美元的传感器。顺便说一下，它有一个冰箱大小。然而，我们现在只需使用一个或几个小小的芯片，每个花3美元，它们几乎看不见。”
安德森的观点就是：廉价的原材料、巨大的全球市场、激烈的竞争和大批量制造的规模经济相结合，从本质上保证了持续大幅下滑的价格和性能改善。他将个人无人机称为“智能手机战争的和平红利，也就是说，智能手机的组件，如传感器、gps（全球定位系统）、相机、arm处理器、无线、内存、电池等，所有这些都是由苹果、谷歌等公司不可思议的规模经济和创新机器驱动的，现在花几美元就可以得到。10年前，它们基本上都是不可能实现的。这些以前是军工技术的东西，现在都可以从radioshack公司买到”。
“dance”的要素汇合起来，正在机器人、无人机、自动汽车和卡车以及许多深度数字化的机器领域制造“寒武纪爆发”。价格大幅下降的装置激活了更高速度的创新和实验，产生了大量数据。它们被用于测试和优化算法，帮助系统进行学习。算法被置于云端，并通过强大的网络分发到机器。创新者又开展下一轮的测试和实验，如此周而复始，持续下去。 举重若轻之舞
在物理世界，机器人、无人机和所有其他数字机器如何蔓延到整个经济体呢？它们在未来几年会扮演什么角色？标准的观点是：机器人最适合沉闷、肮脏和危险的工作。我们在这个列表上再添加一个“d”，它代表“昂贵的”或“代价高昂的”。某项给定任务具有的以上属性越多，将其转换到数字化机器的可能性就越大。
访问施工现场并检查进度就是一个很好的例子。这些现场通常很脏，有时很危险，确保按计划完成工作、维度正确、线条合理等，这些都是沉闷的工作。尽管如此，定期派人到现场执行检查还是必要的，因为小错误会随着时间的推移而放大，代价变得高昂。不过，这项工作似乎很快就会实现自动化。
有95年历史的日本小松公司是世界上第二大的建筑设备公司，2015年秋天，它宣布与美国无人机初创公司skycatch建立伙伴关系。美国公司的小型飞行器将飞越一个场地，精确地将其映射到三维空间。该公司将不断将这些信息发送到云端，在那里，软件将这些信息与一项场地计划进行匹配，并将所得结果用于指导一组自动驾驶的推土机、自卸卡车和其他掘土设备。
农业也可能很快被无人机改变。克里斯·安德森让我们想象一个农场，每天都有无人机飞过田野，在近红外波长的光线下扫描它们。这些波长提供了关于作物健康的大量信息，目前的无人驾驶传感器足够准确，可以分别评估每平方英尺的土地。而且，鉴于传感器的指数级改进，它很快就能单独查看每棵植物。每天驾机飞越田野既沉闷又昂贵，但随着小型廉价无人机的到来，这两个缺点都消失了。这些从每日低空飞行获得的信息加深了对给定作物随时间变化的了解，并且使得给水、施肥和喷射农药更加精准。现代农业设备通常具有按不同地块喷洒不同数量关键作物肥料的能力，而不是定量投放。无人机数据有助于充分利用这一能力，使农民深入精准农业时代。
保险公司也可能很快会使用无人机，以便评估龙卷风后屋顶受损的程度、帮助保护濒危动物群体免遭偷猎、防止偏远森林受到非法采伐以及完成许多其他任务。无人机已经被用于那些原本沉闷、肮脏、危险或昂贵的设备检查工作。英国公司sky futures专门针对北海的石油钻塔开展无人机业务，在那里，金属和水泥经过一段时间之后就敌不过盐水和恶劣天气。sky futures的无人机在各种条件下穿行于钻塔之间，因此钻井工人不再需要攀高作业，也无须悬吊着观察有什么情况发生。
机器承担了沉闷、肮脏、危险或昂贵的工作，这是眼下我们一再看到的模式。
? 2015年，力拓成为首家利用完全遥控卡车车队运送其在西澳皮尔巴拉地区矿山的所有铁矿石的公司。无人驾驶的车辆每年工作365天，每天运行24小时，并受位于千里之外的控制中心的监控。从休息、缺勤和班次变化中节省的成本，使机器人车队的效率比由人驾驶的车队高出12%。
? 目前，自动挤奶系统在丹麦和荷兰等领先的乳制品国家生产约1/4的牛奶。10年内，这一数字预计将上升至50%。
? 在日本，90%的作物喷洒目前由无人直升机完成。
诚然，机器接管任务的模式在工厂里面已经开展了数十年，在工厂里，工程师们可以很好地做到我们在麻省理工学院的同事戴维·奥托所说的“环境控制”，也就是“极大地简化机器的工作环境，促成自动化运作，就像我们熟悉的工厂装配线一样”。当自动化运作具有原始级的“大脑”但不具备感知环境的能力时，环境控制是必要的。然而，随着“dance”的所有元素一道改进，自动化运作可以脱离严格控制的工厂环境，进入广阔的世界。这正是机器人、无人机、自动汽车和许多其他形式的数字化机器目前所做的事情。在不久的将来，它们会做更多工作。 人类做什么
我们的人脑和身体如何与这些机器一道工作？主要有两种方法。首先，由于机器能在物理世界中做更多的工作，所以我们会干越来越少的体力活，转向脑力活，使用的是前面的章节及下一章所描述的方式。这显然是农业这个人类最古老的行业正在发生的事情。
长期以来，耕耘土地、种植作物是人工从事的劳动密集程度最高的工作，而它现在却是知识最为密集的工作。正如印第安纳农民布莱恩·斯科特（brian scott）的博文所写：“你知道我爷爷跑步时想什么吗？……收割机和组合……他会想……今天的机器会如何……通过无形的gps信号自动驾驶，同时制作可打印的地图，展示收成和谷物湿度等。太棒了！”同样，最现代化的工厂的工人也不再需要有强壮的身体。相反，他们需要自如地使用文字和数字，善于解决问题，能够参与团队工作。
不夸张地说，人们与机器人及其同类一道工作的第二种方式就是“肩并肩”。再说一遍，这不是什么新鲜事。工厂里的工人长期以来一直被机器包围，经常与机器密切合作。我们人类整合了聪明的头脑、敏锐的感觉、灵巧的双手和坚定的脚步，迄今没有任何机器可以匹敌，这仍然是非常有价值的组合。关于这一点，本书作者之一麦卡菲最喜爱的示例来自意大利博洛尼亚著名的杜卡迪摩托车厂。杜卡迪发动机特别复杂，[4] 不过他有兴趣了解其组装过程中有多少自动化的成分。然而，答案是几乎没有。
每台发动机由一名工人组装起来，这名工人顺着一条缓慢移动的传送带走动。当每个组装步骤所需的发动机部件从传送带通过时，工人就把它们拿起来放在正确的所在，然后将其固定在适当位置并根据需要进行调整。组装杜卡迪发动机需要运动，需要能够在各种紧凑空间中操纵物体，需要有良好的视力和高精度的触觉。杜卡迪公司的评估认为，没什么自动化能够拥有所有这些能力，因此发动机组装仍然是人的工作。
许多零售商的仓库需要类似的能力，那些像亚马逊一样销售各种形状和规格产品的零售商尤其如此。亚马逊还没有找到或开发出数字化的机械手或抓取器，[5] 能可靠地在货架上抓取各种货品并放在一个盒子中。所以该公司找出了一个聪明的解决方案：它把货架运送给人，然后由人把合适的货品打包并付运。与人的膝盖一般高的机器人推着货架柜在公司庞大的配送中心周围快速游走，它们原先是由波士顿的kiva systems公司生产的，该公司于2012年被亚马逊收购。这些机器人在货架柜下方疾走，将其抬起，交给等着的人。当人拿走所需的货品时，机器人和货架柜就迅速撤离，另一组机器人和货架柜接着占位。这种安排利用了人的视觉和灵巧，这是他们比机器人更具优势的地方，同时避免了体力消耗，以及从一个货架走到另一个货架的时间损失。
相比机器人和无人机，我们的优势还能保持多长时间？这是一个很难回答的问题，尤其是因为“dance”的各个元素还在继续独自改善或整体提升。然而，我们感官和手脚的组合似乎使机器难以取胜，至少在几年内是如此。机器人正在取得惊人的进步，但是当它们尝试做拟人化的事情时仍然比我们慢得多。毕竟，我们的大脑和身体源自数百万年的演变，代表了很好地解决物理世界的难题的造物设计。吉尔·普拉特曾经担任美国国防部高级研究计划局的项目经理，他负责2015年的“机器人挑战赛”。那些自动化的参赛者小心翼翼地行走，以至他将其比喻成“本想看激烈比赛，结果看到的是高尔夫球赛”。当然，相比2012年的首次竞赛，这已经是很大的进步了。据普拉特说，首次比赛更像是在打发时间。 未来之物
正如本章的例子所示，所有数字化事物的进步使我们能够构建超越原子世界的机器，并与原子世界中的人和事进行交互。同样的进步还促成了一件大事：它使我们能够以前所未有的方式安排原子，打造事物。我们可以看到这种情况正在发生，具体事例就是塑料部件——这种世界上几乎最常见的人造物体。
2015年，全球塑料产量达到2.5亿吨，单是一辆现代化的汽车就有2 000多种形状大小不一的塑料部件。为了制造这些部件，大部分首先都需要造出模具，也就是可以注入、挤入或以其他方式强制加入热塑料的金属部件。模具的轮廓和空间决定了塑料部件的最终形状。
模具的使用有三种重要意义。首先，合适的模具非常重要，因为它将成为成千上万个塑料部件的模板。因此，模具往往耐用、笨重和精确，这也使得它们变得昂贵。其次，模具能够对可制造的塑料部件的种类施加限制。例如，使用模具制造简单的塑料齿轮很容易，但是不可能用单个模具造出一组有底座的互锁齿轮。更复杂的塑料部件通常需要更复杂的模具，其中最复杂的是来自将所有塑料倒入模具，然后确保热材料均匀且充分填满空间的工程技术。再次，模具的热力学——它们加热和冷却每个塑料部件的方式——至关重要。在塑料部件仍然发热、容易变形的情况下，把它们拿出来显然要坏事，如果整个模具冷却时间过长，效率会很低。还有，模具不同部分的冷却速度也可能不同。因此，设计师和工程师必须平衡一系列因素，以确保高质量的塑料部件和高效率的模具。
大约30年前，一批不同背景的技术专家开始质疑为什么要有一个模具。他们从激光打印机获得灵感，激光打印机使用激光将非常薄的一层墨水融入一张纸中，呈现出想要的文字和图像形式。
但为什么只做一层呢？为什么不一遍遍地重复这个过程，从而逐渐建立起一个3d结构，而不仅仅是一个2d（二维）形式？这项工作需要一些时间，因为每一层都太薄了，然而用这种方法打造物品会开启巨大的选择空间。首先，正如3d打印研究者卢安娜·伊奥利奥（luana iorio）所说，复杂性是没有成本的。换句话说，与制作非常简单的部件相比，制作极其复杂的部件无须付出更多成本，究其原因，两者基本上都是一堆薄层。例如，组装连锁齿轮就像创建单个3d打印部件一样容易。
创新者还将3d打印技术引入金属部件的制造，这些部件之所以成型，乃是利用激光持续把粉末金属薄层融合在基底结构上面，而基底本身又是由先前的薄层组成。这种方法带来了另一个有利的性质：硬度也是没有成本的。像钛之类的硬金属的机器加工可能很难、很昂贵，但它们一次一层的搭建就像铝之类的软金属一样容易，需要做的只是对激光的功率设置进行调整。
当复杂性和硬度都不需要成本时，许多长期的制约因素得以缓解。例如，制造可以更快冷却的塑料件模具变得容易。得克萨斯州奥斯汀的dtm公司通过3d打印金属合金模具实现了这一点，该模具有许多路径复杂的细小管道，用传统方法是做不出来的。热塑料不会流过这些管道，冷却的液体却能流过，其目的是在每个新的塑料部件成型后使物体快速冷却。由此，塑料部件的生产快了20%—35%，而且质量更好。
持怀疑态度的人可能会质疑这一点，我们是不是想从事让全世界日益增多的廉价塑料部件泛滥成灾的创新，是不是想任由这些东西充斥着垃圾填埋场，任其污染我们的海洋？我们从另一个角度看问题。虽然塑料的过度消费和不当处理是坏事，但我们认为3d打印的进步非常有益。
考虑3d打印肿瘤模型的情形。在3d打印出现之前，外科医生压根儿就没有实用的方法来准确表示他们所治疗的恶性组织的质量。他们没有足够的金钱和时间去生产一个传统模具，只有在一个部件需要很多备份的情况下，制作传统模具才划算。
但是，如果只想制作一个模型或原型呢？或者有一个部件失效，然后你想尽快要一个备用呢？又或者你想制作一小部分零件，每个零件都与其他有所不同呢？在这些情况下，传统制造方法在很大程度上是毫无用处的，3d打印是理想的选择。
3d打印的最大好处可能在于它使实验和定制的成本变得低廉。从想法或需求到完工的路径中，有用的工序不再需要既耗时又费钱的步骤，如模具制造和其他传统制造方法。
欧特克有限公司的前任首席执行官卡尔·巴斯（carl bass）认为，3d打印仅仅是一个大事件的一部分。他告诉我们说，“我认为增材制造只是真正改变制造业的一个子集，核心是使用低成本的微处理器来精确控制机器”。巴斯的观点是，传感器和代码现在不仅被用于精确地将薄材料层彼此叠加，它们还被应用于几乎所有其他制造技术，如切割玻璃板和瓷砖，弯曲和铣削各种金属等。
那些将原子转换成我们想要的最终模型的机器正在改进，这得益于摩尔定律。与cpu（中央处理器）和内存芯片相比，这些机器可能不会迅速地同步增效并降价，但它们的进步仍然十分可观。与20年前的同等机器相比，它们更便宜，但能够在更高的质量水平上做更多的事情。这些进步使它们受到各式各样的创新者的关注，惠及更多的业余玩家、“草根”发明家、学生、工程师和企业家，给了人们探索更多可能的能力。我们相信，在不久的将来，使高质量工具趋于大众化的创新将会导致生生不息的更多变革。 本章总结
? 目前涉及人工的许多业务流程正在虚拟化，它们正在转向数字化渠道，所需人手更少。在通常的情况下，唯一涉及的人是客户。
? 有些人会继续自我选择人与人之间的互动，但我们相信，虚拟化是一种长期趋势，随着机器获得更多的能力，这一趋势通常会与日俱增。
? 随着机器学会观察以及数字化在其他许多方面的进展，机器人正在经历“寒武纪爆发”。机器人、无人机、自动汽车等各种自动化的机器同时变得更加便宜，更加容易获取，更加有能力，更加多样化。
? 机器人“寒武纪爆发”的驱动因素包括数据、算法、网络、云端以及指数级改进的硬件，简称“dance”。
? 机器人及其同类将越来越多地被用于沉闷、肮脏、危险和代价高昂的工作。
? 人仍然比最先进的机器人更加敏捷，更加灵巧，未来一段时间里可能还会如此。人的这些能力，再加上人的感觉和解决问题的技能，意味着我们将在许多环境中与机器人并肩工作。
? 3d打印本身很重要，它也例证了更广泛的趋势，即数字化工具正在传统制造过程中传播。这是创新本身导致更高速创新的一个例子。 问题
a 如果你的业务流程需要大量的人际互动，那么这是因为客户、员工、供应商或其他合作伙伴对其重视，还是因为没有同等效率的数字化替代方案？
b 在你所在的行业中，哪些方面最有可能在未来三到五年内虚拟化？如果可以选择，你的哪些客户会更喜欢更多的虚拟化互动？
c 你所在组织有哪些工作是最沉闷、肮脏、危险或代价高昂的？你最近有没有查看可以完成这些工作的机器人或其他自动化工具？
d 你所在组织的体力活（如果有的话）在人工和机器之间如何分配？主要涉及认知或信息处理的工作如何分配？主要涉及人际关系的工作又如何分配？
e 在创新和原型设计工作中，你如何利用新技术的优势来制作产品？
[1] 藜麦的生产更有效，只需要动物蛋白质生产所需能量的1/30。它是无胆固醇、无麸质的。
[2] 有令人不安的证据表明，我们目前用于确保航行安全的劳动密集型方法运作不佳。2015年，美国国土安全部公布了其“红队”图谋通过美国机场安检偷运武器、爆炸物和其他禁止物资的工作总结。红队的成功率高于95%，在70件违禁品中，有67件通过了安检。
[3] 1英寸=2.54厘米。——编者注
[4] 这种复杂性大部分来自杜卡迪发动机开关阀门部件的配置方式。
[5] 至少在我们撰写本书的时候是这样。我们知道他们已经做了几次尝试，但是还没有达到要求。
04 技术与人性
写小说有三条规则。不幸的是，没有人知道它们是什么。
萨默塞特·毛姆（somerset maugham，1874—1965）
“当技术迈步向前时，人类还会有什么独一无二的能力？”这是我们听到的关于人脑和机器的最常见问题。鉴于数字化工具包在日常信息处理、模式识别、语言、直觉、判断、预测、躯体灵巧性等诸多方面挑战着人类的优越地位，我们还应该期望有什么领域不被它们赶上吗？ 飞跃的创意
对于上面的问题，我们听到的最常见答案是创意。很多与我们交谈过的人认为，在人类产生新想法的能力里面，有一些不可简化或不可言喻的东西。我们觉得这种说法大有真意。事实上，我们在《第二次机器革命》一书中提出了很相似的看法。但是最近以来，创意深重的工业设计领域所展现的事情告诉我们，机器本身在产生强大的新想法方面正迎头赶上。
我们可以有把握地说，绝大多数人从没有想过热交换器。但是，设计冰箱、炉子、发动机和其他设备的人对此都会考虑很多。热交换器的工作是使热量从一种流体（液体或气体）移动到另一种流体，同时防止流体与另一种流体接触。卧室的散热器是一个热交换器，它将流经的蒸汽热量传递到周围的空气，房间的空调也是如此。
制造一个好的热交换器很难。它要实现转移适当能量的主要目标，而且还要有效、安全、耐用、便宜。为满足所有这些要求，设计人员必须了解所需的性能水平、热力学和流体动力学、材料性能、制造方法和成本，等等。在实践中，许多设计师当然可以利用已经嵌入以前成功的热交换器的大量有用知识，通过调整现有设计以满足新应用的要求。
如果热交换器的设计师具备所有需要的知识，但是没有经验积累，那么会怎么样呢？换句话说，如果设计师确切知道所需的性能指标是什么，包括尺寸、成本、寿命、能量转移等，并且他是所有相关科技学科的世界级专家，但从未做过热交换器，甚至没有认识到这种东西可能有价值，那么这样一位设计师会想到什么呢？
图4–1举出了一个例子。正如你现在可能猜到的那样，它是由一台电脑设计的。 图4–1 使用生成式设计软件设计的热交换器
图片来源：欧特克有限公司。 自然而然的设计
图4–1所示的热交换器是生成式设计的一个例子，在这种设计流程中，软件完全自动化地做完所有工作，并提出一个或多个满足所有要求的完整设计方案，而不是帮助人类设计师绘制图纸、执行计算并权衡决策。
这部分工作是通过3d打印制作的。事实上，用传统制造工艺不可能实现同样的效果。但既然3d打印已是现实，那么生成式设计软件就不再受制于旧的生产方式，它可以自由想象，提出多种多样的形态。与大多数（如果不是全部）人类设计师不同，软件不会有意识地或下意识地偏向现有方法，因此它确实是更自由的探索。
生成式设计软件真的有“创意”吗？这是一个很难回答的问题。创意本是人工智能先驱马文·明斯基所说的“手提箱里的词汇”的一个很好的例子。正如他所说，“我们用来形容人脑的大多数词语，如意识、学习或记忆等，是犹如手提箱物品混搭一样的不同观念”。从创意一词的不同定义中，我们看到一个这样的混搭例子。例如，《牛津英语词典》说创意是“想象力或原创思想的运用，尤其是在艺术作品的制作中”。
由生成式设计软件制成的热交换器并不真正符合这一定义，因为它既不是一件艺术作品，也不是任何人的想象力所致。然而，梅里厄姆–韦伯斯特（merriam-webster）对创意的定义大不相同：“它是创造新事物或思考新想法的能力。”根据这个定义，我们认为生成式设计软件显然是有创意的。
人类在图4–1所示部件的设计工作中无所作为，但是就指引生成式设计软件去设计何种部件而言，人类是必不可少的。人定义了部件必须完成的工作，因而确定了对软件的输入。要做到这一点，他们必须了解该部件必须安装的地方，运作所需的环境，必须能够转移的能量，等等。简言之，这些“人类说明师”具有大量的相关领域知识和技能，与提出热交换器设计的人类设计师相比，可能都不遑多让。 人竞机择的设计
如果上述相关知识至少有一部分可以自动生成，那会怎么样？如果可以在生成式设计软件和3d打印的组合中加入其他工具，从而将创意方面的数字化技术向前再推进一步，那么又会发生些什么？从2013年开始，欧特克有限公司与洛杉矶的一批汽车设计师和特技司机合作，试图寻找答案。他们的目标是建立一个自动化系统，它可以从头开始设计一款赛车底盘，并由自己确定底盘所需的性能指标，也就是规格。
为完成这项工作，该团队首先造了一辆简版的传统赛车，基本上，它只有底盘、变速箱、发动机、座椅和车轮。然后，团队在底盘铺上传感器，用传感器测量有关数值，包括应力、应变、温度、位移以及底盘必须能够实现的其他所有方面。正如我们上一章讨论的那样，数字化传感器现在变得更加小巧，同时也更加便宜，而且功能更强，所以该团队可以从这个仪表化的底盘中轻易获得大量的准确数据。
他们把这辆用传感器集成的汽车带到了莫哈韦沙漠，在那里，一名测试的司机检验其各种性能，在不发生碰撞的前提下，他全力地加速、制动和转向，而汽车的传感器则忙于搜集数据。这场极速测试结束时，团队获得了大约2 000万个关于汽车结构和作用力的数据点，这些数据点被置入dreamcatcher项目（欧特克有限公司的生成式设计技术）之中，用于开发现有底盘的3d模型。图4–2显示了软件的生成结果。我们只能模糊地认出一个赛车底盘。它看起来更像是猛犸象或鲸鱼的头骨，或者是硅藻[1] 在显微镜下显示的二氧化硅骨架。
这并非巧合。骨骼、外骨骼和其他自然界的结构是自古以来从未间断的进化竞争的赢家，竞争的结果关乎生死存亡。进化已经产生了奇妙的设计，即同时具有弹性、耐力、节能、复杂性、强壮和苗条等诸多特点的人体设计。鉴于此，如果生成式设计软件被赋予重任，设计一组符合性能要求的最佳结构，并且最终生成一些看起来好像来自大自然的东西，那么我们也许不应对此感到太惊讶。 图4–2 赛车底盘模型
图片来源：欧特克有限公司。
你注意到另一个不寻常的特征吗？这种底盘是不对称的，它的左右两侧不是彼此的镜像。这是有道理的。因为赛车更频繁地沿着某个方向转圈，因此它的底盘两侧受力有很大不同。人类设计师已经意识到这个事实很久了，但是他们的作品很少达到生成式设计软件实现的深度不对称效果。
像赛车底盘这样的例子告诉我们，数字化的创意不仅仅是模仿和渐进。除了对人类已然做成的事情进行延伸和组合，电脑还能提出更多的创意。我们乐观地认为，近乎极端的事情可能会发生，当电脑熟谙我们累积的科学和工程知识，并且得悉具体情况的性能要求，或者有足够数据来确定这些要求时，它们就会提出我们根本想不到的新颖方案。 “找到了！”
在建立体验的过程中，数字化设计师不带有人类日积月累的偏见和盲从，这几乎是必然的。现在有数量惊人的计算能力可供使用，意味着数字化设计师可以又快又好地探索可能的解决方案，甚至可以说，它们提出的方案比一栋大楼的人类设计师所能提出的还要多。事实上，数字化的创作者已经这样做了。
在科学中，提出一个新理论，然后终于得到实验结果的支持，就是“找到了！”（eureka! ）式创意的典型事例。拜勒医学院的计算生物学家和ibm的分析专家开展的一项精妙研究表明，ibm的人工智能沃森可以用于提出有用的科学假设。该团队正在寻找激活p53蛋白的激酶[2] ，因为它能抑制癌细胞的生长。他们让沃森“阅读”[3] 了针对该主题公开发表的7万篇科学论文，然后要求它预测可以激活或关闭p53蛋白活性的激酶。沃森提出了7个假设选项。
怎么判断这些选项是好是坏呢？我们知道，研究者只向沃森提供了2003年之前发表的论文。这意味着他们可以利用2003—2013年这10年的科学进展来检验沃森提出的假设，看看其中有哪些通过了理论审核并得到实验支持（如果有的话）。实际上，沃森提出的所有7种候选激酶都激活了p53蛋白。如果我们注意到在过去30年里，这一领域的科学研究每年大约只发现一种能激活p53蛋白的激酶，那么上述结果就更加令人印象深刻。这可不是一个玩玩而已的问题。 艺术又如何
数字化创意也进入了艺术领域。西蒙·科尔顿（simon colton）的“傻瓜画”项目在画场景时没用到任何人类投入，帕特里克·特利塞特（patrick tresset）已经打造了多个机器人手臂，它们通过不同的“手”绘制现场模特的肖像，而音乐教授戴维·科普（david cope）则建立了“艾米莉·霍维尔项目”，用许多不同风格谱写乐章。
我们常听说数字化的画家、作曲家和其他艺术家不如其人类同行那么有才华，与人脑相比，机器的创作依然明显空泛得多。但是科普注意到一个有趣的现象。正如2010年《太平洋标准》（pacific standard ）登载瑞恩·布理兹坦（ryan blitstein）撰写的关于科普作品的文章所述：“在圣克鲁斯的一场音乐会上，节目单没提到艾米莉·霍维尔并不是一个人，一位身为化学教授的音乐爱好者说，霍维尔作品的演出是他音乐生涯中最激动的体验之一。6个月后，这位教授参加了科普主讲的关于艾米莉·霍维尔的讲座，并听了同一场演唱会的录播。科普记得他说：‘你知道，这音乐很不错，但我绝对可以立马听出来它是电脑谱曲的。这件作品没有心，没有灵魂，也没有深度。’”
数字化的作曲家可以制作使人感到有趣可爱的音乐，我们对此不应太过惊讶。人类美学——我们发现的美丽事物，或者吸引我们味觉和感觉的事物——是复杂的，要理解它们是困难的，尤其是它们因时而异，因不同族群和不同文化而异，但这并不是说它们就不可能被理解。我们至少已经发现了一些规则和原理，例如在安排画作或其他视觉作品的元素时，我们经常使用大约1.618∶1的“黄金比例”，而且我们一直在学习更多的内容，尽管有些一时理解不了。
这种知识正被嵌入技术，并广泛应用于各行各业。the grid是一家初创公司，它为个人和企业建设称心如意的高度定制化网站，该公司采用领先的网页设计原则，但不用任何人类网页设计师。ibm在厨房里部署了沃森，它提供了与完整食谱等量齐观的菜谱，体现了人们喜爱的食材和口味的新颖组合。[4] 上海中心是一座位于浦东新区核心区的128层现代化摩天大楼。它的能源效率很高，采用每年可以减排3.4万吨的技术，而且节省了5 800万美元的建筑成本。此外，我们发现它弯曲闪光的造型相当漂亮。这幢建筑物的初始形状和结构都是电脑生成的，其后由人类设计师用高度迭代的过程进行提升和精炼。人类设计团队的出发点就是一个电脑设计的建筑，它就像一张白纸一样唾手可得。 人机之分
自动生成音乐领域的先驱戴维·科普说：“我听到和读到的大部分内容都是老生常谈。所有这些都事关机器与人类的关系，我觉得‘你是不是要把创意这种人类仅剩的独特能力拿走’这样的问题是徒劳的。”我们知道他的感受。可能有些人对电脑能否真正拥有创意的辩论感兴趣，但使我们感到更加振奋的问题是如何使全世界的创意总量达到最大。我们认为，正确的方法是沿两个方面推进：继续致力于制造可以提出巧思妙想的电脑，同时找出其与人类创新者的最佳结合方式。在这里，最好的解决方案将来自人脑和机器一道工作。
在结合上述两者时，我们过多地让人脑做一些本应由机器处理的无聊琐事。如第二章所述，20年前建立的长期标准伙伴关系的全部要点，就是让电脑做死记硬背的事，把人解放出来进行更高层次的思考。但是，当下的设计师和其他创意专业人士花费太多时间来做没什么意思的枯燥事务。正如欧特克有限公司前任首席执行官卡尔·巴斯向我们解释的那样：
（计算机辅助设计）工具就像十一年级的几何。你坐在那里，画一条线，找到中点，做了这事，再画另一个，挤一下，放个圆角[5] 上去。有趣的是，你还没了解所做的事情是否能解决问题，就过早地把事情做了。你会花几周时间处理所有这些细节，然后才发现正在构建的机制的确不能奏效。我们已经用这种工作方式训练了整整一代人。我认为我们给了人们不好的工具。
欧特克有限公司等企业正在开发更好的工具来支持创意。这些下一代的产品将会有所不同。
首先，它们会让人们测试其想法的整体可行性或适当性，然后才要求他们做大量的“十一年级的几何作业”。首次设计常见于餐巾背面的草图。在不久的将来，数字化工具将能够采用类似的草图方式，使人在灵光一闪时能快速制作草案，同时对它是否奏效给出快速准确的反馈，例如建筑物是否能在地震中屹立不倒，发动机又是否能够动力充足，等等。
其次，在设计过程的每个阶段，新工具将自动完成更多的日常工作。人类不善于从事这类工作，既花费太多时间，又犯下太多错误，所以我们真应该把它们交给技术来完成，直至更新创意工作中的标准伙伴关系。
在未来很长一段时间，即使技术滚滚向前，人们仍会在创意工作中发挥重要作用。在本书前面的章节，我们曾主张，在许多需要决策、判断、诊断或预测的场合，人应该发挥相对较小的作用。为什么创意领域不一样呢？它的确是不同的，因为在世上很多领域，创造又新又好的事物可能需要创造者生活在这个世界，而就“生活”一词的任何现实意义而言，电脑都不是“生活”在我们的世界上。我们不在这里讨论什么是意识，许多生活方式和图书都专门解释这个“手提箱里的词汇”，但我们要说电脑目前还没有意识。如果要了解人们接下来想要什么，通常就需要深入了解人之所以是人的意义，以及用人的所有感官和情感体验世界的感觉。就我们所知，在未来很长一段时间内，拥有这些知识的只有我们人类。
抒情诗人安德鲁·伯德（andrew bird）发现了一个事实，他在2008年观察指出：“唯一能够把一些看似不一致的描述和一首歌词分开的，其实是一个信心爆棚的时刻。”我们喜欢他的洞见，但认为他太谦虚了。电脑从来不缺信心，而且它们可以生成无穷尽的关于爱恨情仇的不一致的或相关的描述。不过，当数字化的抒情诗人继续进步，能够像柯尔·波特（cole porter）、乔尼·米切尔（joni mitchell）或者杰伊（jay z）一样可靠地创造极好的歌词时，我们将会非常惊讶。以上各位的创造力在很大程度上来源于对人类的了解，而我们没看到任何接近于把这种理解数字化的迹象。人工智能的先驱扬·乐坤认为，我们总有一天会做到这一点，但是，目前“还有一些我们仍然不知道如何获取的重大概念进步”。另外一位人工智能专家吴恩达同意扬·乐坤的看法，他告诉我们：“我们不知道大脑如何工作，而我们的算法也不做任何类似于大脑工作的事。”
在他们尚未大功告成之前，我们将会看到类似于curatedai网站搜集的一些由人工智能生成的诗歌和散文，这是一本“机器写给人看的文学杂志”。一首有代表性的诗歌是“伯特伦先生的心灵使音乐得到满足”，它是由deep thunder神经网络于2016年8月“汲取简·奥斯汀的小说灵感”之后写出来的，诗歌的开头如下：
寒冷，不回想如此悲伤。当我试图第一个赞美时，我对你家老大说，所有这一切是非常不小心撞上了克劳福德先生，但是你应比以前得到的更多，而且我确信我没有说谎，夫人，我确信我们不知道音乐对伯特伦先生的想法感到满意。
我们不知道这是什么意思，在可预见的未来，我们会坚持看人写的小说和歌词。 数字化之中有人道
人类的状况本质上是人际的。我们是深度的社会化生物，历经现代的进化史，生活在家庭、乐队、部落、城市等越来越大的群体中。这种趋势的必然结果，就是我们无论作为个人还是作为集体成员都是彼此紧密互联的。基本上，我们所有人都不断地、深深地关心我们怎样与他人联系，他人又怎样看待我们（真正的反社交者和极端自闭症谱系障碍的人是少数）。我们在麻省理工学院的同事、天赋异禀的研究者德布·罗伊（deb roy）指出，这种社会性为我们提供了一种强大的方法，可用于预测哪些工作、哪些任务受技术进步的影响最小，很简单，它们就是那些利用人类社会驱动力的工作和任务。
罗伊的驱动力清单包括同情、自豪、尴尬、羡慕、正义和团结。我们不妨以某高中的女子足球教练为例，看看这些驱动力如何应用于工作之中。如果这位教练对足球运动有深刻的战略认识，也有能力察觉比赛的走向并适当地转换战术，那就很棒了，但由于比赛胜负与财务结果没有太大关系，因此这份工作最重要的并不是带队取胜的能力。相反，重要的是要有能力让女孩们一起拼搏，追求目标，教导她们成为支持彼此的好队友，并通过运动来锻炼她们的性格。在很大程度上，教练通过发掘自己的同情心和女孩们的自豪感来完成工作。作为女孩们心目中的榜样和权威，她还利用了她们想得到教练赞许的渴望。
大多数人都知道，好的足球教练很难找，但我们忘了非人类的教练根本就不存在。试图想象一个全数字化的人工智能女子足球教练。它能够挑出队伍中的天赋领导者和难以相处的人吗？如果某些女孩是两者兼具，它知道该怎么做吗？在漫长的赛季，它能否将球队凝聚在一起，走过高峰和低谷？它能否激励一名女孩去克服疲劳和自我怀疑，从而完成她曾认为不可能的事情？我们已经知道，永远不要对技术说永远不能，但是在这里，我们说“几乎肯定不能”。
电脑正越来越善于做某些工作，例如通过观察面部表情和发音模式来确定人的精神状态，但与我们刚刚列举的事情相比，它还差得太远。我们相信，在未来一段时间内，有效把握人的精神状态和社会驱动力的能力仍是一种深度的人类技能。在我们深入第二次机器革命的过程中，这意味着人脑和机器的一种新颖结合方法，也就是让电脑牵头做决策（或者判断、预测、诊断等），然后，如果需要说服、劝说其他人服从这项决策，那么就让人牵头去做。
医疗保健领域提供了许多例子，说明这种方法如何付诸实践。医疗诊断是一项模式匹配工作，由于医疗保健信息的数字化和机器学习等领域的进步，电脑在这项工作上达到了超人的水平。即便放射学、病理学、肿瘤学等大多数专科最好的诊断医生还未数字化，这一天也很快就会到来。让人类专家审查诊断结果也许仍然是个好主意，但电脑应该牵头。[6]
然而，大多数患者不想从机器那里取得诊断结果。他们想从富有同情心的人士手里拿到结果，这位人士能帮他们加深理解，接受那些常常很难面对的诊断结果。诊断之后，能够打造人际关系、善用社会驱动力的专业医疗人员非常有价值，因为他们更有可能促使患者遵守医嘱。据估计，不遵医嘱是医疗保健的一个大问题，它对数百万人的健康造成负面影响，仅处方药一项，美国每年就要花2 890亿美元。
iora health是一家位于马萨诸塞州剑桥的公司，截至2015年年中，该公司在美国6个州开设了13个医疗保健分支，试图使人通过与“健康教练”配对而保持健康。这些专业人士提供医疗咨询，但也会耐心倾听，花时间陪患者，使整个医疗保健体验看起来充满人情味，而不是冷漠无情。这种方法似乎奏效了。据《波士顿环球报》（boston globe ）报道，“该公司称，在某个iora health分支，住院率下降了37%；与使用传统医疗保健系统的对照组相比，医疗保健支出低了12%……在另外两个分支，急诊室的访问率下降了至少30%”。
在改善未来医疗保健服务体系方面，人将继续发挥至关重要的作用，但可能与现在的作用不尽相同。扮演核心角色的将可能是善解人意、擅长社交的护理协调员，而不是优秀的诊断医生和其他hippo人士。在前面的章节，我们提到了未来工厂只有“一人一狗”两个员工的古老笑话。就医疗保健领域而言，我们可以提出一个微调的版本：未来的医疗机构可能会使用人工智能、人和狗。人工智能的工作是诊断患者；人的工作是理解和沟通诊断，并通过治疗来教导患者；狗的工作是在人企图怀疑人工智能时咬他一口。 本章总结
? 电脑现在可以做更多满足大多数创意所定义的事情，如设计多种用途的美丽物件、谱写乐曲、提出有用的科学假说，等等。
? 电脑的创意能力正在迅速增强。例如，它们现在不仅可以设计符合要求的部件，而且还可以利用大量数据来确定这些要求。
? 数字化的创作者经常会提出与人类大不相同的解决方案。这是一件好事，因为观点的多样性往往会导致更好的结果。
? 电脑仍然不能真正了解人类的情况，因为它们没有以人类的方式体验世界。我们不能指望机器在近期写出一部像样的小说。
? 创意工作是人脑和机器的新组合中最富有成果的领域之一。一种有前途的方法是让机器接管“繁忙的工作”，并生成可供人们扩展和改进的初步方案。
? 数字化技术在满足人类的大多数社会驱动力方面做得不好。所以，在未来一段时间内，利用这些驱动力的工作可能会继续由人来完成。这类工作包括那些需要同情、领导、团队合作和指导的任务。
? 随着技术的进步，高级的社交技能可能比高级的定量分析能力更有价值。将社交技能与定量分析能力相结合的能力往往会得到最大的回报。 问题
a 在你所在的组织中，最具创意和创新意识的人要做多少沉闷的日常工作？
b 你是否确信自己能可靠地区分由人工完成的和机器生成的画作、旋律、网页设计和科学假说？你对人类能做得更好有信心吗？
c 较佳的人际关系在什么地方最能帮助你和组织的表现？
d 就你所在组织目前由人工完成的任务而言，哪些是最难被电脑接管的？你为什么这么认为？
e 看了自己的岗位或所在组织的现有任务和流程，你认为人与机器之间的理想分工是什么？
f 通过将机器的新兴功能与人文关怀相结合，可以创造哪些新产品或新服务？
[1] 硅藻是世界各地水域都能发现的一种藻类。
[2] 激酶是调节细胞内多种活性的酶。
[3] 沃森还没能以人类的方式理解语言，但它确实在书面文本中找到可用于构建其知识库的类型和关联性。
[4] 在沃森想出来的菜谱中，《快公司》记者马克·威尔逊喜欢“孟加拉国胡桃”烧烤酱。（mark wilson. “i tasted bbq sauce made by ibm’s watson, and loved it,” fastpany , may 23, 2014, https://.fastcodesign/3027687/i-tasted-bbq-sauce-made-by-ibms-watson-and-loved-it.）他认为“奥地利巧克力卷饼”是自己遇到的最糟糕食品。（mark wilson. “ibm’s watson designed the worst burrito i’ve ever had,” fastpany , april 20, 2015. https://.fastcodesign/3045147/ibms-watson-designed-the-worst-burrito-ive-ever-had.）
[5] 机械圆角是从一个部分的某一区域到另一区域的平滑过渡，例如两个以直角相交的表面之间的圆角。
[6] 它也可能不是一个好的想法，只有时间和研究能给出结果。
05 新技术的冲击
在资本主义社会，经济进步意味着动乱。
约瑟夫·熊彼特（joseph schumpeter），1942年
在一代人的时间里，计算机网络的出现彻底而深刻地改变了若干历史悠久的行业。商业世界很少有如此速度、如此规模的颠覆。
在重塑行业部门的过程中，互联网得到其他技术的一些助益，因此上一段的第一句话有点夸大，但我们认为第二句话是确切的。正如前文所描述的那样，以前就有技术驱动的工业革命，其基础是蒸汽机和电气化，但它们需要更长的时间来发展，也没有影响到全球经济中那么多国家和地区。 风暴前的平静
要理解互联网的影响，最好的办法也许是思考20年前发生的事情。那时的美国，移动电话既昂贵又稀罕。1995年，它们的售价约为每部1 000美元，只有13%的人买得起。绝大多数美国家庭装有一部固话，通过铜线连接到全国网络，而“固话”一词当时还不存在。1982年，通过建立该网络而形成垄断的美国电话电报公司已被法院裁决解体，但该公司仍然是少数长途电话提供商之一。在20世纪90年代，两地距离越远，通话的成本就越高，大多数家庭每月会收到两份账单，一份是固定的无限量本地通话账单，另一份是因通话次数而异的长途电话账单。
20世纪90年代中期，几乎每个美国社区都至少订有一份日报，比如《纽约时报》《华尔街日报》和《今日美国》这样的全国发行的报纸。据统计，全国2 400种报纸的年收入达460亿美元。每周及每月出版的杂志还有190亿美元的业务。这些企业的赚钱方式是订阅报刊和广告销售相结合。1995年，美国报纸的收入有30%来自分类广告，49%来自非分类广告，21%来自报纸销售。对于多种报纸来说，分类广告是特别重要的收入和利润来源，因为它们的制作和印刷成本很低，而且可能会刊登很长时间，直至发布广告者达到目的，或者不想再为广告付费。
电台也蓬勃发展。2000年，美国有超过1万个am（调幅）和fm（调频）电台，每年得到的收入达200亿美元。大多数电台至少在某些时段播放音乐，并且与唱片公司保持着愉快的合作关系。当听众在收音机上听到他们喜欢的歌曲时，通常就会买下收录这首歌的专辑。2000年，唱片行业是年产143亿美元的行业，此前10年的年增长率达7%。
对唱片的需求似乎足以吸引创意融资，对流行时代标志性表演的需求尤为如此。1997年，戴维·鲍伊（david bowie）和投资银行家戴维·普尔曼（david pullman）共同推出“鲍伊债券”，这是一种基于鲍伊本人的各种音乐编曲的销售的新型证券，当时包含了21个年份的25张专辑。债券很快销售一空，共筹得资金5 500万美元，此举激励了其他艺术家，铁娘子乐队（iron maiden）、洛·史都华（rod stewart）和詹姆斯·布朗（james brown）等都如法炮制。
如果想买到音乐专辑，人们可以加入哥伦比亚唱片公司之类的“当月专辑”邮购俱乐部，或者去hmv（唱片零售商店）、淘儿唱片（tower records）等音乐商店。粉丝们会在商店外面排队，以此确保购得期盼已久的专辑，如迈克尔·杰克逊1996年的专辑《历史》。
大量的音乐商店开在封闭式购物中心，它是随郊区生活的兴起而迅速蔓延的一种美式创新。美国人对购物中心的喜爱始于1956年，当时，全美首家全封闭温控购物中心southdale（南谷）在明尼阿波利斯郊外开业。20世纪60年代，汽车文化催生了郊区，诱发了长达半个世纪的室内购物中心热潮。1956—2005年，美国共建成了1 500个购物中心。
20世纪90年代中期，许多美国人利用去购物中心的时机冲洗胶片。1997年，胶片摄影是价值100亿美元的行业，包括购买相机、胶片和冲洗费用。第一个主流的大众化数码相机卡西欧qv-10于1995年上市，但它没有取得突破性成功。其900美元的价码太高，而且它的固定内存只能存储96张7万像素的低分辨率照片。在美国，柯达是有百年历史的标志性胶片制造商，其投资者似乎并不担心卡西欧和其他早期的数码相机。1997年第一季度，柯达的市值创下310亿美元的新高。 大颠覆
我们相信，你对柯达的市值从此不再走高不会感到惊讶。此后15年，作为一家公司，柯达的价值迅速跌落，并于2012年宣布破产。[1] 柯达的例子不是孤立的或例外的。在我们刚刚给出简要经济描述的各个行业，痛苦的变革浪潮自20世纪90年代中期就已经开始了。
? 2013年，美国报纸的印刷广告收入比此前10年下降了70%，每年损失的广告收入为400亿美元，而在线广告销售的贡献只有34亿美元。当时报业中流传的一句话是“印刷版的美元正在被数字版的美分所取代”。从2007年到2011年，美国的新闻工作岗位减少了13 400个。2000年之后的10年，求助类的分类广告收入下降了90%以上，从87亿美元减少到7.23亿美元。包括亚利桑那州最古老的日报《图森公民报》（tucson citizen ）和《洛基山新闻》（rocky mountain news ）在内的报纸公司相继宣布破产。诸如麦克莱奇公司（the mctchypany）之类的其他报商则失去了90%以上的价值。2013年8月5日，《华盛顿邮报》刊登了令人震惊的公告——它被亚马逊创始人杰夫·贝佐斯以2.5亿美元收购。
? 杂志出版业的境况也差不多，其总流通量和广告收入急剧下降。《阁楼》（penthouse ）的母公司general media（美国媒介综合集团）、《国家询问报》（national enquirer ）和《男士健身》（men’s fitness ）的母公司american media（美国媒体）等杂志业主宣布破产。自1933年以来一直印刷的《新闻周刊》（newsweek ）一度发行了330万份，但2007—2011年的总发行量下降了50%以上，2012年印刷版全面停止。2012年，曾经具有影响力的政治杂志《新共和》（new republic ，20世纪90年代中期被誉为“空军一号必读”）被facebook的共同创始人克里斯·休斯（chris hughes）收购，收购金额约为200万美元。[2] 这个行业发生深刻变化的最明显迹象也许是《花花公子》（yboy ）在2015年10月的公告，在经营了66年之后，它将不再刊登裸体照片。该杂志创始人休·赫夫纳（hugh hefner）在2006年被《大西洋月刊》（antic ）提名为在世的最有影响力的美国人之一，而这在很大程度上源于女性同意由该杂志刊发其裸照。导致这一变化的原因之一，就是《花花公子》像其他出版物一样越来越依赖于社交媒体的流量，但像facebook和instagram这样的网站则不允许出现裸照。[3] 2017年2月，该杂志首席创意官、休·赫夫纳之子库珀·赫夫纳（cooper hefner）宣布将重新刊登部分女性的裸照。
? 从1999年到2014年，全球唱片行业的年销售额下降了约45%，从270亿美元降至150亿美元。2014年，该行业首次出现数字频道的收入与cd等实物渠道的收入相当的局面。2002年，五大品牌控制了75%的全世界唱片市场。该行业洗牌之后，现在只剩下三家主要的内容提供商：环球音乐集团（universal music group）、索尼音乐娱乐公司（sony music entertainment）和华纳音乐集团（warner music group）。这三家公司现在占美国音乐发行量的85%。淘儿唱片公司于2006年宣布破产；hmv于2013年年初“要求行政保护”，对于一家英国公司来说，这是与破产同样糟糕的情况。2004年，穆迪机构将戴维·鲍伊的债券从投资级降为垃圾级。鲍伊债券的确按计划完成了所有偿付，但基于其他艺术家作品的投资组合的证券化从未成功。2011年，高盛公司试图为鲍勃·迪伦（bob dn）和尼尔·戴蒙德（neil diamond）等艺术家发行债券，但没有找到足够的市场。
? 2007年是半个世纪以来美国没有增加新设室内购物中心的第一个年头。2005年至2015年，美国有20%的购物中心关门大吉，专门从事购物中心建设和维护的企业面临财务困境。全球最大的商场运营商之一普增房产（general growth properties）在2009年申请破产，成为美国历史上最大的商业房地产崩溃事件。
? 本地和长途的固话通信变成困难重重的业务。2000年，美国家庭花费了770亿美元的长途话费，到2013年，这个数字已经下降到160亿美元。随着移动电话的普及，许多美国家庭完全放弃了有线电话。到2015年，44%的美国成年人在家里使用手机，没有固话。1977—1994年出生的千禧一代中，这一比例接近2/3。
? 全美广播电台的总收入下降了近30%，从2000年的200亿美元下降到2010年的140亿美元，许多独立电台被迫售给整合商。从1997年到2005年，最大的广播电台运营商clear channel（清晰频道）旗下的电台数从196个增加到1 183个。
这些例子表明，过去20年里发生了大动荡，波及许多截然不同的行业。牵涉其中的行业还会越来越多。在接下来的章节，我们还将看到许多其他商业颠覆的例子，在《谢谢你的迟到》（thank you for beingte ）一书中，托马斯·弗里德曼（thomas friedman）给这类颠覆下了一个明确的定义——当某人做某些聪明的事情，使你或你的公司看起来要被淘汰的时候发生的事情。数字化技术也许是聪明的颠覆者所拥有的最强大工具。 美好的经济学
为了搞清楚我们为什么这样说，为了建立一个可以观察和预测第二次机器革命时代颠覆力的知识基础，我们有必要了解两种不寻常的经济学，即由数码而不是原子构成的信息产品的经济学以及网络经济学。
信息产品的两个最重要的属性是免费、完全。一旦某些东西被数字化，它基本上就可以免费地制作追加的拷贝。这个新的拷贝的确会占用硬盘或其他存储介质的空间，而存储空间并不是免费的，但按照历史标准来说，它是非常便宜的。2016年，存储千兆字节的成本为0.02美元，2000年时则为11美元，而且它会随着时间的推移而更加便宜。正如经济学家所说，边际成本接近于零。所以说，免费是一个相当合理的说法。
完全的意思就是完全一样。数字化的原件一经创建，其拷贝的每一个数码就与原件一模一样。事实上，数字化的拷贝与原始的数字版本完全相同。[4] 如果你曾经复印过复印件，那么就知道采用模拟技术的复印件与原件是不同的。但是用了数字化拷贝，原件就不会丢失或消除任何比特，[5] 不管是制作一份、一百份还是十亿份拷贝，其结果都一样。
免费和完全是两个理想的属性，但是一个装满同一张照片、同一份文件或者同一首歌曲的数百万份拷贝的硬盘驱动器并没有什么价值。一旦网络可用，信息产品的经济力量就会增加，因为网络添加了关键的第三个属性：即时。网络允许免费、完全的信息产品拷贝从一个地方分发到另一个地方，或从一个地方分发到许多地方，而且几乎是即时完成的。
互联网是一个特别强大的网络，它以两种重要的方式扩展了免费的概念。首先，我们通常可以在这个网络上免费传输一首歌曲或一张图片的附加拷贝，因为常见的互联网定价计划是固定的费率。一旦人们为互联网接入付费，他们就无须支付发送或接收的流量。[6] 其次，信息发送的距离可以近在咫尺，也可以远在天涯。从根本上说，物理隔离对互联网的架构是无关紧要的，这使得记者弗朗西斯·凯恩克罗斯（francis cairncross）在谈到限制信息传播的因素时说“距离已死”。
免费、完全和即时三种属性构成一个强劲的组合，其价值比单个特性要大。因此，它是很难竞争的。想象一下，面对一个可以免费、完全和即时地复制和分发相同产品的对手，如何运营一家实体的报纸或音乐零售店与之竞争？即使这个竞争对手在报道、写作新闻故事或制作音乐时要付出相同的固定成本，其整体的成本优势还是很明显，究其原因，它制作和发行追加的、内容相同的拷贝的边际成本太低了。就历史上的大部分时间而言，很少（如果有的话）有产品和服务能够做到免费、完全、即时。而数字化、网络化产品的三个属性都是自动产生的。 平台在组合，企业在分包
平台是利用了免费、完全和即时的经济学原理的在线环境。更准确地说，平台可以被定义为一种数字化环境，其特征是接入、复制和分发的边际成本近乎为零。[7]
诚然，互联网是大多数人最为熟悉的平台，也是引发前述产业颠覆的那个平台。从某种意义上讲，它是平台的平台。这突出了平台的一个重要特征：它们通常可以建立在彼此之上。例如，万维网是建立在原始互联网信息传输协议之上的、易于浏览的多媒体平台。这些协议已经存在了数十年，但是在蒂姆·伯纳斯·李爵士发明万维网之前，[8] 互联网主要只是一个极客的平台。一个平台（互联网）是另一个平台（万维网）的基础或组成要件。正如我们在《第二次机器革命》一书中所写的那样，这种组成要件的功能是有价值的，它促成了组合式创新，也就是说，某些新的、有价值的事物并非从零开始做起，而是把早已存在的事物（其中或许有些新颖成分）以新的方式组合起来。
组合式创新可以是快速而低廉的，当它被平台上免费、完全和即时三种特征的力量所激发时，结果往往具有变革性。1995年，电脑程序员克雷格·纽马克（craig newmark）把一个简单的电子邮件分发列表扩展成公共网站craigslist，让人们列出旧金山地区的本地活动。它的增长非常迅速，到2014年，已经在70个国家建了700个本地网站，在开展运营的城市，craigslist很快成为房地产中介、求助类广告和其他分类广告的首选在线目标。由于平台经济学的有利作用，纽马克运营和发展的业务蒸蒸日上，2008年其利润估值为2 500万美元，而且只对求职广告和纽约公寓租赁中介等几类广告收费，其他的所有列表都免费提供。craigslist的定价对使用该网站的人和企业非常有吸引力，但对许多报纸是致命一击。有一项研究的结论认为，2000年至2007年，craigslist使出版行业损失了50亿美元。在这个案例中，印刷版的美元变成了数字版的美分。
另外两种类型的平台出现之后，报刊与杂志的收入进一步下滑。首先是免费、完全、即时地传播内容的平台。海量的内容平台涌现，成为主流纸质媒体的替代物，这些平台跨越了各种媒体、话题、行业，来自不同的贡献者，包括专业记者、自由职业者、无报酬的爱好者等。其次是针对以上各类内容投放定向广告的平台。doubleclick、appnexus和google adsense等服务提供商开发了快速的自动化流程，以便匹配广告商与内容提供商。该项技术使双方的交易更加有效，与非数字化媒体相比，它还提供了更为透明的活动效果。这类匹配平台迅速成为在线展示广告的主要发起者，据估计，它们在2016年占了美国市场营销者预算中的220亿美元。再者，这些平台的规模庞大，仅appnexus就拥有8 000多台服务器，高峰期时，它每天可处理来自各大洲（甚至包括南极洲）的450亿个广告购买交易。
对于行业从业者来说，这些新内容和广告平台对纸质媒体的颠覆速度和力度使其沮丧不已，在某些情况下，从业者对其面临的威胁给出了自相矛盾的回应。从2007年开始，代表比利时、德国和西班牙的报纸出版商的多个团体赢得了与google news[9] 的诉讼。在每个诉讼中，信息集成商都被要挟停止在当地运营，除非它们愿意与出版商共享收入。而谷歌每次都指出，由于其新闻产品不包含任何广告，因此没有收入可供分享。尽管如此，它还是关停了新闻产品。这样一来，报纸网站的流量大幅下降，涉案的出版社于是又纷纷要求法院撤销裁决，以期流量回升。
我们一再看到同样的模式：免费、完全和即时的平台经济学引发了激烈竞争。2009年，简·库姆（jan koum）和布莱恩·阿克顿（brian acton）发明智能手机应用whatsapp，它允许用户通过手机的数据网络而不是移动通信网络来彼此发送短信。对许多用户尤其是世界上最富有国家以外的用户来说，这种差异非常重要，因为他们原先要向移动运营公司支付发送或接收每条短信的费用。数据网络通常按固定费率定价，因此如果手机连接到无线网络，那么数据传输就完全免费。对价格敏感的大量用户随即转投whatsapp，到2016年，它每天有超过10亿的活跃用户，发送超过400亿条消息。全世界的移动运营商对此并不满意，对它们来说，短信流量非常有利可图，但它们拿不出什么办法和whatsapp广受欢迎的免费、完全和即时的特征抗争。 不可抗拒的影响
随着时间的推移，即使是那些享受短信优惠套餐的手机用户也改用whatsapp来收发大部分消息。道理很简单，许多与这些用户有短信来往的人已经用上了whatsapp，所以他们也不得不这样做。
这是经济学家称为“网络效应”的一个明显例子，当越来越多的人使用whatsapp之类的一些产品时，这些产品对每个用户就变得更有价值。网络效应的经济学对了解数字化世界的商业成功至关重要，它是在20世纪80年代的一系列论文中提炼出来的，[10] 当时，现代电脑网络和数字化软件开始在经济上变得特别重要，这些事件的发生并非巧合。
网络效应也被称为需求侧规模经济，[11] 如whatsapp一例所示，网络效应可以非常强大，以至facebook在2014年用220亿美元收购了该公司。当时，whatsapp每月拥有6亿名活跃用户，但只有70名员工，而它每天处理的短信数量比整个全球移动通信网络还要多出50%。为了观察网络效应的重要性，我们可以想象一个名为“whatswrong”的应用程序，它的所有功能和用户体验设计与whatsapp完全相同，但一个用户都没有。那么，你觉得facebook或其他任何人会花多少钱买下“whatswrong”？
whatsapp的例子还表明，有一部分网络效应是由于平台创建者的选择所致。如果开发人员当初决定让whatsapp与既有的移动通信网络彼此兼容，那么既有网络的用户就只会在考虑成本时才使用它。然而把两者隔离之后，随着这个应用程序的普及，移动通信网络的短信用户越来越感到被排除在外，所以他们更可能放弃旧的短信技术，转而采用新的应用程序。越来越多的人这样做之后，网络效应也越来越强。电脑先驱米奇·考波尔（mitch kapor）认为“体系结构是政治学”。有了平台之后，它也是经济学。 激增的平台
平台经济学、摩尔定律和组合式创新一直发挥作用，其结果令各行各业及在位企业感到惊讶。电子商务巨头亚马逊在成长过程中发现，每一个系统性的集成项目都要做很多工作，即使公司之前做过类似项目，情况也一样，例如，将客户数据库连接到可以追踪订单装运状态的应用程序就是件细活。看起来，每一次的整合工作都迫使亚马逊重来一遍，而这种重复劳动则既耗资又耗时。鉴于此，该公司首席执行官杰夫·贝佐斯给里克·达尔泽尔（rick dalzell）下达了在系统之间“淬炼界面”的任务，换句话说，要确保所有的主要数据库和应用程序都用同一套访问方式，没人可以因为贪图便利而找捷径绕过这些标准。这不是突破性的技术工作，标准接口已经存在很长时间，但它对组织性工作的要求很高。达尔泽尔像斗牛犬一样在公司上下奔波，终于淬炼了界面，消除了捷径。
这个项目非常成功，于是亚马逊很快意识到它拥有一种强大的新资源，也就是一个数字化资源（如存储空间、数据库和处理能力等）的模块集合，它几乎可以随时随地进行组合、重组。通过该公司现有的高速互联网连接，这些模块可以在世界各地获得。对于那些想打造数据库、应用程序、网站或其他数字化资源，但是又不想让自己惹上所需软硬件维护工作的麻烦的人来说，这些资源是有价值的吗？
亚马逊决定在2006年推出aws。它最初在平台上提供存储服务（amazon s3）和计算服务（amazon ec2）。短短18个月内，亚马逊声称有超过29万名开发人员使用该平台。随着时间的推移，亚马逊网络服务加入了更多的工具和资源，维护着“淬炼成钢”的界面，并且保持高速增长。截至2016年4月，该项服务占了亚马逊的总收入的9%，更重要的是，它占了该公司总营业收入的一半以上。2016年年初，aws被德意志银行分析师卡尔·基尔斯泰德（karl keirstead）誉为“有史以来增长最快的企业级技术”。这一描述肯定使亚马逊的股东兴奋不已，自aws于2006年7月11日推出之日起，其股票价格在10年内暴增2 114%，每股从35.66美元涨到753.78美元。但是在企业级it领域，它可能没有受到同样的欢迎。
唱片行业是体现平台颠覆力的一个最佳终极案例，它一而再、再而三地被三代平台技术改变。2000年至2015年，全球的音乐录制收入下降了一半以上，从370亿美元降至150亿美元，尽管人们现在听的音乐并不比世纪之交时少。[12] 经济学家乔尔·沃德弗格（joel waldfogel）[13] 的精妙研究表明，近年来人们可获取的唱片的质量并没有下降，这意味着音乐爱好者受益匪浅。我们正在聆听至少与过去一样多、一样好的音乐，同时总体的支付更少了。音乐的创作者和所有者对前两个趋势可能感到高兴，但对第三个趋势就不一样了。
盗版是音乐行业销售下滑的罪魁祸首。如果能免费、完全、即时地得到一首歌或一个专辑的拷贝，许多顾客就会借此获益，而且也不会产生补偿音乐所有者的道德冲动。万维网出现之后，基于互联网的其他平台出现了，它们促进了歌曲的翻录和分享，在许多情况下，这其实是无偿获取音乐的委婉说法。[14]
1999年推出的在线音乐服务软件napster是首个这样的平台，其他音乐平台包括kazaa、limewire、grokster等。它们很快在大量人群中间流行，但音乐版权的持有人怒气冲天，他们发起公关运动，雇用律师团队。1999年，美国录音行业协会起诉napster，2000年，重金属乐队metallica也加入诉讼。2001年，旧金山的一名联邦法官宣判napster关闭，它作为免费点对点文件共享平台的生涯遂告终结。
关闭网站和诉讼可能对减少盗版有一定帮助，但它们没法阻止唱片收入的下降。广为流行的苹果公司的音乐商店itunes也改变不了局面。事实上，itunes加剧了唱片收入下降的趋势，因为它允许消费者以非捆绑消费方式购买音乐。
在itunes出现之前，专辑（歌曲集）是唱片的主要形式。2002年，也就是itunes发布之前的一年，cd专辑与cd单曲的销售比例是179∶1。但是，消费者真心想听的往往只是专辑中的一两首歌曲，亦即他们在收音机或其他地方听到的动人歌声。因此，音乐家和大众消费者之间通常存在匹配错位，前者希望听众体验整个专辑，喜欢专辑的音乐标签，从而获得整个专辑收入的较大部分，而后者只想听一两首歌曲。itunes允许消费者在任何时候购买他们所喜欢的单曲的完整、即时的拷贝，从而朝着有利于消费者的方向翻转了这种匹配错位。这些歌曲不是免费的，但是它们比整个专辑便宜得多。
数字化平台有一个共同特征，它们可以将原先紧密捆绑、难以逐个消费的资源“松绑”。像itunes这样的平台将原本难以实现的非捆绑消费方式变为默认方式，由此广受消费者的欢迎，这反过来又引起了音乐版权所有者等人的重视。随着网络的兴起，非捆绑型音乐变得更具吸引力。要看清楚这一点，可以设想卖给客户10张音乐cd，每张cd只有一首歌，那么总成本就约为卖一张cd的10倍。如果乘以数百万顾客的话，你就可以看到单张cd捆绑多首歌曲的吸引力。这是实物原子的经济学原理。然而网络上的交付成本几乎为零，所以按顾客点歌销售不会吃什么亏。这就是网络的经济学原理。
“松绑”并不是故事的结尾。正如网景公司前任首席执行官吉姆·巴克斯代尔（jim barksdale）所说：“我所知道的赚钱方法只有两种：捆绑和松绑。”事实证明，这两种方式都适用于音乐。持有非捆绑型音乐版权的人士躲不过音乐平台——spotify和pandora之类的流媒体服务的冲击。这些服务借助具有无线功能的强大的智能手机和海量的数据套餐等先进技术，向消费者提出一个诱人的建议：一个海量音乐库，可按单曲消费，也可按无限量的歌曲组合和歌单消费。[15] 无论用什么设备，都可以在任何时间免费、完全、即时获得。本质上，它们将音乐重新捆绑到订阅之中，消费者付费获取大量的、有时基本上是无限量的音乐数据流，而且每月的费用固定。他们购买的不是单曲，而是捆绑式海量音乐的聆听权。
免费、完全和即时的经济学还有另一个令人意外的事实，即产品可以用新的方式重新捆绑。音乐订阅等海量捆绑的信息产品尤其如此，它们通常比销售单件的相同产品有更多的利润。与决定是否每次付款消费一些音乐相比，许多消费者更愿意一次性支付固定的月费。这种趋势一方面反映了心理学原理，即做决策——尤其是做花钱的决策很费劲；另一方面也体现了经济学原理，即订阅模式可以重塑需求，使得销售捆绑产品比分开销售商品更有利可图，也更有效率。[16] 如果产品不是数字化的，那么这个商业模式就不能奏效，因为大量捆绑不可避免地会包含许多未用组件。举例来说，如果组件与在线音乐一样，其边际成本接近于零，那么把它们捆绑进去也不会产生真正的浪费。但是，如果产品由原子制成，像黑胶唱片或塑料cd那样，那么向消费者发放许多未用的组件就会产生成本，最终导致无利可图。
事实证明，订阅音乐是一种有吸引力的服务方式，而流媒体服务则引爆了大众潮流。2016年上半年，流媒体占美国音乐总收入的47%。spotify与版权所有者建立的收益分享结构试图模仿地面电台协议，即每人每次听一首点播歌曲要付大约0.007美元。[17] 差别在于：有些电台听众可能会在听歌之后把它买下，但spotify的听众很少会这样做，他们可以在自己喜欢的时间和地点使用流媒体服务再次听歌。实际上，电台播放的是广告节目，与歌曲互补（我们将在下一章讨论更多的互补品）。而spotify播放的节目更像是替代品。
于是，流媒体服务改变了购买行为，它们使许多人从购买点播音乐转变为购买订阅或捆绑音乐。通过这种改变，它们至少在一定程度上实现了戴维·鲍伊在2002年的预测，“我们曾经想过的关于音乐的所有事物的绝对转变将在10年内发生，没有什么可以阻止它。……音乐本身将会变成水流或电流一样”。
事实上，这样的事情已经发生过了，但发生的方式并没有让大多数音乐版权所有者感到高兴。2014年11月，歌手兼作曲家泰勒·斯威夫特（taylor swift）从spotify撤回了其音乐，并表示“文件共享和流媒体大大减少了付费专辑的销售数量，每位艺术家都必须以不同的方式对付这种打击”，但其他大多数艺术家和版权所有者都顺应潮流。免费、完全和即时的平台经济结构对消费者的吸引力是业内人士无法忽视的。
我们预测，这是未来会更频繁出现的模式。我们同意商业学者杰弗里·帕克（geoffrey parker）、马歇尔·范·埃尔斯泰恩（marshall van alstyne）和桑基特·邱达利（sangeet choudary）在他们合著的《平台革命》（tform revolution ）一书中的说法：“由于平台的兴起，几乎所有传统的商业管理实践……处于动荡的状态。我们处于一个非均衡时期，它影响着每家公司和每位商业领袖。” 本章总结
? 过去20年，互联网和相关技术颠覆了零售、新闻、摄影等多个行业。随着消费者获得新的选择，传统企业的收益下降了，而新的进入者蓬勃发展起来。
? 这种颠覆之所以发生，主要是由于网络普及年代的数字化信息产品具有免费、完全和即时的经济属性。增加数字化拷贝的边际成本几乎为零，每份数字拷贝都是原件的完美复制品，而且每份数字拷贝都可以实时在全球传播。
? 大多数传统产品和服务不是免费、完全或即时的，这使它们处于竞争劣势。
? 越来越多的人使用网络化产品，使其变得更有价值。结果是需求侧规模经济给更大的网络带来了优势。
? 平台可被描述为一种数字化环境，其特点是访问、复制和发行的边际成本接近于零。
? 平台经济学、摩尔定律和组合式创新持续重塑计算机硬件、唱片等截然不同的行业。 问题
a 你所在的组织中，下一个可以使用免费、完全和即时的经济学原理的地方是哪里？
b 今天，在你所在的行业，最重要的数字化平台是什么？你认为它们三年后会怎样？
c 试想，你目前有多少产品可以通过云端传送？你是否采取足够快的行动将它们移动到那里？
d 让自己站在一些典型客户的角度进行思考。把你的产品和其他产品放在一起，与现状相比，什么样的捆绑、松绑或重新捆绑方式可能对他们更有吸引力？
e 你所在的行业中，展示网络效应如何变得更强、更常见的最现实场景是什么？
[1] 柯达的破产程序并不是该公司财富的终结。自2013年以来，公司专注于商业印刷和成像。截至2015年年底，该公司6 400名员工协力带来17亿美元的年营业额。我们在《第二次机器革命》一书中更详细地讨论了柯达的故事。
[2] 休斯在接下来的4年里向《新共和》投资了2 000万美元。（ravi somaiya, “the new republic is sold,” new york times , february 26, 2016, https://.nytimes/2016/02/27/business/media/the-new-republic-is-sold.html.）然而，这个为公司重建数字化媒体品牌的尝试没有成功，于是他在2016年2月出售了业务。
[3] 《花花公子》的首席内容官克里·琼斯表示，yboy在2014年成为“安全”网站后，流量大涨400%.（david segal, “yboy puts on [some] clothes for newly redesigned issue,” new york times , february 4, 2016, https://.nytimes/2016/02/04/business/media/yboy–puts-on-some-clothes-for-newly-redesigned-issue.html.）“别误会，”他在宣布停止刊登裸照的决定后不久说，“12岁的我对现在的我很失望，但这是正确的事情。”（ravi somaiya. “nudes are old news at yboy,” new york times , october 12, 2015. https://.nytimes/2015/10/13/business/media/nudes-are-old-news-at-yboy.html.）
[4] 从某种意义上来说，一首歌曲或一部电影的数字化表现确实比不上用模拟技术制作的版本，因为在翻译成数码的过程中丢失了一些信息，还有些人不满足于数字化版本。昆汀·塔伦蒂诺导演在2015年年底发行电影《八恶人》时再现了70毫米的胶片格式。（peter suderman. “there’s one great reason to see quentin tarantino’s the hateful eight in theaters,”vox , january 4, 2016. http://.vox/2016/1/4/10707828/hateful-eight-70mm-roadshow.）许多人都至少认识一位喜欢黑胶唱片而不是数字编码音乐的发烧友。但是在绝大多数时间里，数字化版本对绝大多数人来说已经足够好。
[5] 与模拟技术制作的拷贝不同，除非出现错误或修改，否则，即使是一个比特的错误或更改也可以使用基于公钥加密的认证技术进行数字化检测。
[6] 只要它们保持在互联网服务提供商设定的总用量限制之内。
[7] 边际成本是追加一件商品的生产或分配成本。对于大多数互联网接入计划，一个比特的边际成本为零。
[8] 截至1990年10月，伯纳斯·李创建了万维网的三个最重要组成部分：html（格式化语言）、url（用于识别和检索信息的地址系统）和http（启用网页上的链接）。他还写了第一个网页浏览器和网页服务器。world wide web foundation. “history of the web,” essed february 7, 2017,http:// webfoundation.org/about/vision/history-of-the-web.
[9] google news是谷歌的一种服务，它聚合各种新闻，然后展示其中的头条新闻、照片和故事摘要。
[10] 主要贡献来自约瑟夫·法雷尔和加尔斯·塞隆纳。joseph farrell and garth saloner. “standardization,patibility, and innovation,” rand journal of economic , 16, no.[spring 1985]70-83. http://.stern.nyu.eduworks/phdcourse/farrell_saloner_standardiizationpatibility_and_innovation.pdf.迈克尔·卡兹和卡尔·夏皮罗也有独立的贡献。michael katz and carl shapiro.work externalities,petition, andpatibility,” american economic review , 75, no. 3[june 1985]:424-40. https://.jstor.org/stable/1814809?seq=1#page_scan_tab_contents.
[11] 意味着给用户（需求来源）的好处随着规模的扩大而增加。需求侧的规模经济与供应侧的规模经济并行不悖，后者是指供应商的平均成本随着规模的扩大而下降。
[12] 在cd和黑胶唱片时代，音乐销量可直接追踪。随着数字化格式的出现，行业认可10次下载（称为tea）或1 500个数据流（称为sea）相当于销售一张传统的实体专辑。此种标准可用于大概的动态比较。2015年，美国人购买或者说合法消费了相当于5.6亿张专辑的音乐。keith caulfield. “drake’s ‘views’ is nielsen music’s top album of 2016 in the u.s.,” billboard , january 5, 2017. http://.billboard/biz/articles/7647021/drakes-views-is-nielsen-musics-top-album-of-2016-in-the-us。2000年，他们购买了7.85亿张专辑。jake brown. “2016 soundscan data: total music sales and consumption,” glorious noise , january 6, 2017. http://gloriousnoise/2017/2016-soundscan-data-total-music-sales-and-consumption.当然，不同之处在于今天有太多非法的、不可追溯的音乐消费。
[13] 乔尔开发了测量音乐质量的巧妙方法，包括一个基于乐评家评论列表的索引（例如滚石乐队的500首最佳专辑），以及每个时代的唱片和音乐在发布很长时间以后的销售分析（如果质量很好，那么需求就会持续更长时间）。joel waldfogel, copyright protection. technological change, and the quality of new products: evidence from recorded music since napster , nber working paper 17503 (october 2011), http://.nber.org/papers/w17503.pdf.
[14] 鉴于数字化音乐在2001年激增，苹果推出了令人难忘的口号“撕裂、混合、燃烧”，这使音乐界的高管烦恼倍增。apple. “apple unveils new imacs with cd-rw drives & itunes software,” february 22, 2001. https://.apple/pr/library/2001/02/22apple-unveils-new-imacs-with-cd-rw-drives-itunes-software.html.
[15] 在spotify早期（2008年推出以后），它专注于与音乐版权所有者进行谈判，同时建立基础设施，以便按需向诸多消费者提供海量歌曲。到2013年，它基本上实现了。erik bernhardsson. “when machine learning matters,” erik bernhardsson [blog], august 5, 2016. https://erikbern/2016/08/05/when-machine-learning-matters.html.此后该公司将重点放在使用机器学习来提供高度个性化的音乐建议。jordan novet. “spotify intern dreams up better music rmendations through deep learning,” venturebea t, august 6, 2014. http://venturebeat/2014/08/06/spotify-intern-dreams-up-better-music-rmendations-through-deep-learning.spotify于2016年9月推出了算法驱动的“每日组合”计划。spotify. “rediscover your favorite music with daily mix,” september 27, 2016. https://news.spotify/us/2016/09/27/rediscover-your-favorite-music-with-daily-mix.该计划每隔24小时就为每位用户创建一个量身定制的播放列表。
[16] 埃里克·布莱恩约弗森与与亚尼斯·巴克斯及其他合作者的一系列论文揭示了令人惊讶的信息产品捆绑和共享经济学原理。yannis bakos and erik brynjolfsson. “bundling information goods: pricing, profits, and efficiency,” management science , 1999, 12(45): 1613–1630. yannis bakos and erik brynjolfsson. “bundling andpetition on the inte,” marketing science , 2000, 1(19): 63–82. yannis bakos, erik brynjolfsson, and dous lichtman. “shared information goods,” journal ofw and economics , 1999, 1(42): 117–56.
06 从互补品到数字化平台
经济学的重要任务是让人们知道，他们对自以为能设计的东西其实所知甚少。
弗里德里希·哈耶克（friedrich hayek），1988年
2007年，史蒂夫·乔布斯正处于苹果公司ceo的就任期，这可能是美国企业史上最棒的任期。但是在整整一年里，他未能充分意识到经济学的一个基本见解，使得苹果公司的发展势头险些受阻。 乔布斯怎么了？
2007年年初，苹果公司推出了iphone，这是一款堪称“标志性”的产品。它有着开创性的设计和新颖的功能，包括多点触控屏幕、强大的移动互联网浏览器、加速度计和gps功能等，一面世即引发热卖，好评如潮，第一年的销售就超过了600万部。iphone发布之前质疑者甚众。微软共同创始人史蒂夫·鲍尔默说：“500美元一部？全额补贴？有套餐吗？我觉得这是世界上最贵的手机。它不能吸引商业客户，因为它没有键盘。这使得它不是一个很好的电子邮件机器。”2007年之后，质疑者被证明大错特错了。
但是在iphone上市的第一年，乔布斯自己把时间花在一场重大辩论的错误上。从一开始，iphone就试图做到电脑与电话兼具，它有处理器、内存、存储、操作系统、用户界面和其他许多熟悉的电脑属性。所以它理所当然地也有应用程序（简称“app”），这种称呼部分是为了使之区别于具有完整尺寸的台式电脑和笔记本电脑上的软件。
乔布斯对于公司产品的严格掌控是众所周知的。他认为，这是保证卓越且一贯的用户体验的唯一途径，所以他希望由苹果公司开发iphone所有的app。沃尔特·艾萨克森（walter isaacson）在他所著的《史蒂夫·乔布斯传》[1] （steve jobs ）一书中写道：“iphone在2007年年初首次出现时，你从外部开发人员那里买不到任何app，而且乔布斯最初拒绝让他们插手。他不希望外来者为iphone开发app，唯恐产品被搞砸、染上病毒或完整性遭到破坏。”2007年1月，乔布斯对《纽约时报》说：“你不希望自己的手机像一台电脑。你最不想看到的事情就是在手机下载了三个app，然后在打电话时手机却坏了。”
在苹果公司内外，一些身居高位的人争辩说，应该让外部开发人员开发iphone的app，这些人包括苹果公司的市场营销高级副总裁菲尔·席勒（phil schiller）、董事会成员阿特·莱文森（art levinson）和风险投资家约翰·多尔（john doerr）。乔布斯在产品上市前拒绝了他们的想法，然后才改弦更张，在4次公司董事会会议上讨论外部开发问题。 数字化平台的经济力量
当然，我们知道，乔布斯最终改变了主意并允许外部app进入iphone，后来又进入ipad。这是正确的决定。今天，我们很难想象有一款成功的智能手机不支持来自独立开发者的大量app。但外部app为什么是这么好的决策呢？是不是越多外部app就越好呢？
一部智能手机有一大批可用的app当然不错，但这并不是故事的全部。为了搞清楚原委，不妨假设iphone有数不胜数的免费优秀app可用，但它们都是游戏。那么这部手机对游戏玩家非常有吸引力，但其他消费者却不太感冒。现在，不妨想象有很多各式各样的app可用，但每个都要花100美元以上。这样的iphone将是大富豪的必备神器，但对其他人不会有太多用处。
以上两个假设情形表明一种直觉：一定种类的app，再加上一定的价格范围，将有助于iphone流行。为了加深这种直觉，同时为了更深入地了解平台的力量，我们需要介绍微观经济学课程谈到的两个主题，也就是供求曲线和互补品这两个概念。这些概念听起来很神秘，而且其神秘感因诸多经济学教科书和课堂的教学方法而得到强化，实际上并非如此，对它们做一些探讨就可以获得有价值的见解。 图解供需关系
需求曲线抓住了一个简单的要点：对于大多数产品而言，总需求随着价格下降而上涨。在其他条件不变的情况下，如果面粉、木材、电脑和机票的价格下降，那么我们相应的购买就会增加。经济学家为这类产品绘制了需求曲线，表示这个简单的现实，如图6–1所示。 图6–1 大多数事物的需求曲线
纵轴表示产品或服务的价格，横轴表示该价格水平下的需求总量。如果价格非常高，那么总需求量将会相当低；如果价格下降到零，需求将会高得多，但不是无限高，因为即使免费，也并不是每个人都想要面粉、木材、电脑或搭乘航班。对于正常产品，把价格和需求量的所有组合绘制出来，就产生了图6–1所示的图形，它被称为向下倾斜的需求曲线。
供给与价格的关系当然大不相同。若木材商人和电脑制造商可以从产品中挣得越多的话，他们就生产越多。因此，在同样的数轴上绘制的典型供给曲线如图6–2所示。 图6–2 大多数事物的供给曲线
显而易见，接下来要在同一张图上画出两条曲线，看看它们在哪里相交，如图6–3所示。每一本经济学教科书中都会出现这样的曲线，因为它们提供了大量的信息。这些曲线显示了需求与供给相匹配时的价格和数量。该价格乘以该数量（也就是图中阴影矩形的面积）就是生产者从产品中获得的总收入。
现在看看收入矩形上方的三角形区域。这是消费者获益良多之处。他们为产品而愿意支付的数额高于p*，但他们只需支付p*。该三角形区域显示了所有这类消费者省下的钱，它被称为“消费者剩余”。生产者对消费者剩余未必感到高兴。他们宁愿得到每一位顾客愿意支付的所有款项，有时候，生产者会找到对消费者实行差别定价的方法，从而达到自己的目的。但是在更多的情况下他们做不到这一点。在竞争激烈、消费者又消息灵通的市场中，到处都是同一产品以同样价格在销售。这是如此一致，以至经济学将其称为“一价定律”。收入矩形右边的三角形区域代表得不到产品的消费者，因为他们不愿意或没能力为产品而支付p*，它是在市场均衡价格下未被服务的市场细分。 图6–3 微观经济学教科书中出现的供求图形
iphone的需求曲线与图6–1相似，每个可用的手机app也是如此。但是，分开考虑iphone的曲线和app的曲线是没有意义的，因为iphone和app并非彼此独立。相反，它们是经济学家所说的相互补充的产品，或者更简单地说就是互补品。互补品的基本属性是：它们的需求曲线紧密地、可以预期地彼此交互，就像是舞厅里的一对舞伴一样。 谁动了曲线？
绞碎的牛肉和汉堡面包是互补品的经典例子。如果一家超市在夏季周末出售牛肉碎，那么它最好备有大量的面包，因为对面包的需求也会上升。一般来说，互补品是具有以下属性的产品配对：当产品a的价格下降时，产品b的需求曲线向外偏移（意味着需求上升）。[2] 如图6–4和图6–5所示，这意味着产品b将有更多的需求量，即使它的价格根本没有变化。
互补品随处可见，如瓶子和瓶盖、作物种子和肥料、钢铁和水泥、汽车和轮胎等。一些企业已经知道如何利用它们使需求和利润达到最大。例如，一次性剃刀的制造者通常会对剃刀手柄本身打折，甚至免费提供，从而刺激刀片的需求。史蒂夫·乔布斯肯定懂得app是iphone的互补品，所以iphone的主屏幕本质上就是一个摆放app的网格。但他最初不让手机用外部app，因而把苹果公司和两个有益的现象切断开来：一是不同的消费者对互补品有很不同的概念，二是许多个人和企业愿意免费提供app。
消费者偏好差别很大。无论牛肉碎多么便宜，素食者都不会买更多的汉堡面包。对于他们来说，面包的互补品可能是一包制作美味蔬菜汉堡包的配料。同样的道理，在iphone的潜在客户中，“杀手级应用”因人而异。有些人想要游戏，有些想要商业工具，还有些人想要音乐流媒体，而其他人想要制作音乐，想使用社交媒体，想把手机当成小型科学仪器等。发现并满足这些偏好的最好方法，就是使苹果公司的app商店（app store）变得接近于开放市场，而不是一家单一店主的商店。即使是苹果公司这样的创新企业，也不能独自想出shazam和《愤怒的小鸟》：前者是一个app，它能识别房间里正在播放的音乐，然后给出歌名；后者是一个游戏，玩家可以帮助愤怒的小鸟从偷蛋的猪那里取回鸡蛋。 图6–4 当做汉堡包的肉价下降时
图6–5 汉堡包的需求向上移动
《愤怒的小鸟》于2009年年底发布，成为历来下载最多的游戏之一。它也是免费的，[3] 对于配对的互补品来说，这个属性很有意思。让我们回到需求曲线，在这个例子中，我们画两条需求曲线，一条是《愤怒的小鸟》app的需求曲线，另一条是iphone的需求曲线。为简单起见，我们绘制两条同样大小的曲线，虽然这并不准确，但它不妨碍我们要提出的观点。
如果我们按10美元定价《愤怒的小鸟》，那么其需求曲线将给出对应的需求总量，也就是它的下载次数（见图6–6）。这条向下倾斜的曲线还告诉我们，如果该游戏定价5美元，那么显然会有更大的总需求。如果它的定价为零，即免费提供，那么从曲线可以看出需求会更大，但曲线同时也显示了更有意思的事情，即有大量的消费者剩余的产生。需求曲线下方的三角形面积实际上全是消费者剩余，究其原因，在每一位愿意付钱购买游戏的人眼中，免费获取就是占了便宜。 图6–6 当《愤怒的小鸟》价格趋于0时，需求数量增加
图6–7 iphone的需求曲线同时向上移动
小程序，大推手
我们已经指出app和手机是互补品。这意味着《愤怒的小鸟》名义价格的下降（即从任何潜在消费者以前的预期到实际的零价格）都会使iphone的需求曲线向外移动，从而增加了愿意按市价购买iphone的人数。所以，像shazam和《愤怒的小鸟》这类免费app的出现有两个效果，其一是它产生了消费者剩余，这一点很棒，因为商家总是希望客户觉得自己占了便宜；其二是它向外推动了iphone的需求曲线，这正是苹果想要的，更多的人愿意按市价购买iphone了。
每个app都可能只是将手机的需求曲线向外移动一点点。毕竟，有多少人愿意只为玩个游戏就花599美元（2007年初始价）买个iphone呢？然而，互补品的影响是可累积的。每个免费app都会为iphone提供的总功能包增加一点消费者剩余，同时也推动其需求曲线沿着苹果公司所期望的方向移得更远。一部昂贵的手机不会因为有一个令人心仪的免费app而变得使人非买不可。但是，如果有成千上万的免费app，其中一大部分是任何有想象力的顾客都期盼已久的，那么又会是什么情况？海量的app将会产生大量的消费者剩余，并将需求曲线外推得很远很远。消费者预期也会发挥作用，所有这些app及其开发人员都让消费者更有信心，随着时间的推移和新的app的出现，他们的手机将继续有价值，而且可能变得更有价值。
谁在开发这些免费的app呢？是纯粹的利他主义者，还是那些想让全世界都知道他们的才华的人？的确有这样的免费app开发人员，但是还有很多其他类型的人。除非你对免费产品的经济学原理有过很多思考，否则，在2007年你很难预见免费app的扩散，但事实证明，有很多人士和组织出于种种原因而愿意免费提供app。
免费增值业务。 云端存储提供商dropbox和编辑管理器evernote之类的公司找到了一种商业模式，在其中，它们为客户提供免费的基本服务，在此基础上对额外的功能或容量收费。这种方法被证明非常受欢迎，而且得到了来自众多公司的好用、免费app的支持。2009年，dropbox成立刚满两年时，史蒂夫·乔布斯就对它提出了金额达9位数的收购要约。精明的公司意识到，免费产品可以作为其更昂贵版本的互补品，而不是替代品。免费产品使付费版本的需求增加，而不是减少。
广告收入。 许多免费app向用户展示广告，由此使开发者赚钱。谷歌为iphone定制的搜索引擎、驾车导航应用waze等许多app都含有广告，从中可以产生惊人的收入。iphone上的facebook app对消费者是免费开放的，但移动广告收入占facebook 2016年第三季度总收入的84%。
客户服务。 银行、保险、投资等行业的许多公司为客户开发免费app。2010年10月，亚马逊推出了一项功能，让iphone用户可以对他们在商店发现的产品的条形码拍照，这个app会立即告知是否可以以更低的价格从亚马逊买到该产品。2010年8月，美国大通银行推出免费消费者理财app，它可以让用户通过拍照来存入支票。这项使消费者剩余产生巨大飞跃的举措很快被其他银行竞相仿效。
公共服务。 许多政府机构和非营利组织把app作为其工作的一部分。因为我们住在波士顿，所以我们喜欢用一款名为street bump（颠簸的街道）的app，当我们驶过坑洞时，它用iphone的传感器来定位，然后把位置传回市里。因为我们沉迷于经济数据，所以我们喜欢圣路易斯联邦储备银行（federal reserve bank of st. louis）的app fred，它向公众提供易于访问的大量经济数据。珍妮弗·帕尔卡（jennifer pahlka）创建的“为美国编码”（code for america）是一个创新型非营利组织，它让优秀技术企业的极客们在休假时与城市政府合作，开发app和其他面向公众的软件。
配对产品。 数字化产品渗透到我们的生活之中，与这些产品搭配的手机app也在激增。fitbit和nike + fuelband等健康健身设备，august等智能门锁，厨房秤drop，音乐扬声器sonos，还有很多其他设备，都可以通过app来控制。从viper（维普公司）和其他企业安装设备之后，人们甚至可以通过智能手机来解锁和启动汽车。
以上只是开发免费app的一些动机。只有当乔布斯相信开放苹果应用商店给外部开发商有利可图时，苹果公司才能够充分利用app，从消费者剩余和需求曲线外移中得到好处。2008年7月，苹果公司宣布该公司的应用商店提供约800个外部开发的app。三天之内，它们就被下载了1 000多万次，这是一举措被乔布斯称为“大获全胜”的成就。 开放很重要
回想一下，我们对平台的定义是一个数字化环境，其获取、复制和发行的边际成本接近零。iphone肯定符合这个定义，但就app而言，它最初只是一个封闭的平台，因为只有苹果公司可以添加程序。该公司开放平台之后引发了大规模的创新和增长。
如苹果公司的例子所示，开放流行的平台带来了好处。最根本的是，与平台所有者单打独斗的情形相比，它带来了更多各种各样的贡献、动机和想法。这些贡献又产生两种强大的经济效益：它们增加了消费者剩余，并外推互补品的需求曲线，这意味着在任何给定的价格水平上将有更多的互补品售出。
开放平台对所有者而言还会有另外两个好处。首先，他们可获取数据，包括流行什么样的app（或其他平台内容），流行程度如何随时间变化，平台成员的偏好和行为如何等。这些数据至关重要，可用于排除故障、向平台成员提供个性化建议、决定采取哪些举措以及许多其他目的（其中一些将在下一章探讨）。其次，开放式平台创造了新的收益机会。许多ios系统的app不是免费的，而苹果公司则对付费app收取30%的费用。2015年，这一收入来源为该公司创收60亿美元。
如果只着眼于收入最大化，那么平台也可能变得过度开放。除了收入之外，平台还有其他的权衡考虑。网络是世界上最大的数字化平台，其基础设施和架构体现了允许任何人加入并参与其中的初始意愿。这种开放性给全世界带来了巨大好处，但也直接招致恶果，如恶意软件、网络犯罪和网络战争、分布式拒绝服务攻击、网络钓鱼和身份盗用、交换儿童色情的黑网、欺骗、虚假消息，以及其他可以让人类绝望的事态发展。 兴利除弊
以上不良行为和不良内容的解决方案是构建更好的平台，也就是用管理、声誉体系和其他工具来兴利除弊的平台，它与平台所有者对利弊的定义有关。当史蒂夫·乔布斯最终同意让苹果公司向来自外部开发人员的app开放iphone的ios（苹果操作系统）平台时，他同时意识到管理的重要性。正如沃尔特·艾萨克森在乔布斯的传记中所说的那样：“乔布斯很快就知道有一种办法可以两头兼顾。他允许外来者开发app，但他们必须符合严格的标准，经过苹果公司的测试和批准，只能通过苹果应用商店销售。通过这种方式，苹果公司可以获得坐拥成千上万软件开发人员的优势，同时保留足够的控制权来保护iphone的完整和简洁的客户体验。”
苹果公司的申请审批流程被指责太慢、不透明和限制太严。无论这个论点多么有道理，它都凸显了一个重要的事实：所有者在决定如何配置和管理平台时有很大的自由决定权。平台是业主的财产，而财产权是强大的。
这意味着流行的平台——那些最有效地利用网络效应、消费者剩余和互补品的经济学原理的平台——出于对内容、会员资格和流量等方面的管理选择而变得非常有影响力。正如我们在2016年所写的那样，facebook提议媒体公司发布文章时改用社交网络，弃用公司网站，或者除了在公司网站发文之外，也在社交网络发文，然后大家分享相关的广告收入。许多媒体公司正在研究如何回应。教训是明摆着的，强大的平台可以迫使其影响范围内的公司做出艰难的选择。 不一样的先驱
苹果应用商店的大红大紫促使电信和技术行业的其他公司创建自己的平台。总体而言，这些努力的结果给我们提供了更多的视角。
2005年，谷歌用大约5 000万美元收购了安卓公司（android），这原本是一家默默无闻的初创企业。技术博客engadget当时评论说：“我们只想低调地问一句，为什么谷歌刚刚买下安卓？这是一家诡秘的创业公司，专门制造‘手机软件’。”几年之内，苹果app平台的一个强大替代方案的价值变得一目了然。2010年，谷歌的公司发展副总裁戴维·罗伊（davidwee）表示，该项收购是这家搜索巨头“史上最好的交易”。还有一项交易差点就要发生，就在卖给谷歌的几周之前，安卓公司的创始人安迪·鲁宾（andy rubin）实际上飞去了韩国，想把他的企业卖给三星电子（samsung）。
从一开始，谷歌的app平台以及支持该平台的手机操作系统就与苹果公司不同。首先，安卓操作系统是作为开源软件发布的，可免费提供给设备制造商，而苹果的ios系统仅在苹果手机（以及稍后上市的平板电脑）上可用。谷歌没有把安卓本身看成一种收入来源，也没把它当成刺激设备销售的一种方式，相反，该公司把安卓作为一种媒介，用于持续传播其产品、服务以及强大的搜索引擎带来的广告收入，最后一项尤为重要。[4] 谷歌也意识到，为了与苹果的领先地位和强劲势头相抗衡，它必须广泛快速地分发自己的平台。将安卓作为开源软件发布颇有帮助，它使潜在使用者确信，谷歌以后不会以强行收取授权费等方式单方面改变安卓的使用规则。这个战略奏效了。到2011年，安卓已经成为世界上最流行的移动操作系统，然后一路前进，到2016年第三季度，它在售出的所有智能手机操作系统中占有88%的份额。
第二个不同之处在于安卓对app的管理没ios那么严。谷歌有一家官方商店，提供通过该公司审查的免费和付费app，但安卓手机用户可以轻易安装和使用不属于该店的app。在这里，谷歌再一次决定使其平台的集权程度和严管程度低于竞争对手，我们也很难否认到目前为止谷歌的实施结果。
构建移动电话平台的其他尝试就没有这么成功了。微软曾经雄心勃勃地想学苹果公司自销设备，同时又想学谷歌通过搜索引擎广告创收，2008年，该公司开始打造手机——windows phone。微软非常看重这项计划，以至其在2013年买下了芬兰制造商诺基亚的移动电话业务，诺基亚本身曾经一度主宰全球手机行业，但它对于以app为中心的智能手机所构成的威胁却认识不足，反应迟钝。诺基亚当时发现自己正遭受双重挤压，一边是智能手机，另一边是来自亚洲制造商的廉价手机。
很不幸，微软的收购无济于事。针对竞争对手ios和安卓，合并后的公司努力试图打造一个有活力的平台，但从未取得重大进展，包括snapchat在内的许多流行app拒绝提供微软版本。截至2016年第一季度，微软手机份额不到全球智能手机销量的1%。当年年底，有评论员声称“微软的诺基亚实验已然结束”。这次失败导致两万多人被裁员，资产减值近80亿美元，创下微软历史之最。
其他尝试的结果更加糟糕。黑莓是移动设备市场的早期领导者，那些忙忙碌碌的管理人员尤其爱用，他们曾经沉迷于带有电子邮件功能的“快克莓”。2009年，20%的黑莓智能手机配置了新操作系统，其母公司rim（动态研究公司）的市值超过770亿美元。虽然黑莓的良好安全性能和较长电池寿命对企业客户有吸引力，但是其手机机身不像iphone和安卓设备那样令消费者动心。与此同时，开发人员为黑莓平台开发的消费型app少之又少。移动电话网络运营商希望黑莓取得成功，目的是打压苹果公司和谷歌的讨价还价能力，但是rim动力全失，而且再也没有缓过气来。到2016年年底，该公司宣布停止生产自己的硬件，其市场价值也随之降至40亿美元以下，比高峰期跌了95%。
从这些例子得到的教训就是：在任何特定的领域或活动中，通常只有寥寥可数的平台存在发展空间，当用户不习惯“多宿主”，即同时使用多个平台时，情况尤其如此。消费者喜欢有一个以上的选择，在某种程度上是为了防范任何单一平台提供商带来的垄断感觉或表现，但他们似乎并不喜欢太多的可行选择，通常不超过两种。就移动电话而言，很少有人一次使用多个平台。 成功平台的特点
在我们观察到的平台争斗中，赢家的特征是什么？在未来取胜的特征又是什么？虽然它们并不完全相同，但是我们已经看到，胜出的平台——那些迅速成长并为其参与者和所有者提供价值的平台——往往具有一些特征。
1. 它们早早入场。它们未必是首家，例如安卓就不是，但最好不要太迟，免得许多潜在参与者已经选好一个平台，而且网络效应已经持续发生。
2. 它们尽可能利用互补品的经济学原理，知道降低一种互补品的价格会导致其他互补品需求的增加。
3. 它们让平台对众多的贡献者及其贡献开放。这种多样性增加了总的消费者剩余，当某些贡献免费提供给用户时，情况尤其如此，多样性还经由一系列“推手”将需求曲线向外推移。
4. 它们虽然维持广泛的开放规则，但同时也管理平台，为参与者提供一致和正面的体验，尽量减少不愉快的意外事件。
正如苹果公司和谷歌的例子所示，在不允许第三方创建互补品的完全封闭系统和无法从平台获取显著价值份额的完全开放系统之间，谋求平衡的方法不止一种，然而，这种矛盾的局面必须得到管理。 体验即战略
几乎所有成功的平台构建者还做了另外一件事：它们孜孜不倦地打造提供给参与者的用户界面和用户体验。用户界面是人们与技术交互的一组方式。例如对于iphone来说，其用户界面包括了触摸屏、主页按钮、音量控制、麦克风和扬声器。界面需要吸引用户，并尽可能直观。最好的界面设计原则出自爱因斯坦的建议：“尽可能简洁，但不能图省事。”
用户体验是一个更广泛的概念，它指一件产品用起来多么有效、多么愉悦。设计师埃德·利（ed lea）用两张照片巧妙地总结了用户界面和用户体验之间的区别：勺子代表用户界面，一碗粮食代表用户体验。
facebook展示了正确的用户界面和用户体验带来的两种好处。facebook并不是第一个社交网络，它甚至都不是第一个流行的社交网络，很多人已经忘记这一点，要不从来就不知道。friendster（交友网站）自2002年起就一直存在，myspace（聚友网）成立于2003年，它似乎有过忠实的用户和强大的网络效应，新闻集团（news corp）在2005年以5.8亿美元收购了它。
但是，随着时间的推移，这些平台在许多重要方面无法向用户提供服务。在成长过程中，friendster的网站发展缓慢，表现不佳，而myspace可能让会员有太多自由去设计空间。正如互动营销机构fame foundry在2009年的博客中所写：
在你认识的人当中，有几人能给自己的房子写计划，或者画一幅值得挂在客厅里的漂亮肖像画，又或者自己做整容手术？概率太低了。……好的网页设计是一门精确的艺术和科学。然而，myspace却不同意，它允许用户设计页面的每一个细节，直至没有可用、清晰或可以忍受的东西。……相比之下，facebook的选择是至少限制网站的基础框架。
2011年，新闻集团仅以3 500万美元就将myspace售给网络营销公司viant。
支付公司stripe的成功表明，如果平台建设者充分了解用户体验需求，那么他们甚至都不需要早早入局。在2010年，帮助在线商家接受客户付款的中间商肯定不少，其中有些像paypal（贝宝）那样针对个人和小型企业的商家，而像chase paymentech和authorize这样的公司则为大型卖家服务。
当时21岁的帕特里克·科利森（patrick collison）和19岁的约翰·科利森（john collison）兄弟认为，对于在线商店的开发人员来说，上述公司提供的用户界面和用户体验不够快捷、简洁，也不够好用，而且随着在线商务的演进更是如此。电子商务正在成为一种随处可见的现象，它远不只是在零售网站上放满购物车，然后点击“结账”按钮，而且越来越多的电子商务在移动设备上进行。这种趋势对用户界面和用户体验提出了新的挑战。正如帕特里克·科利森向我们解释的那样：“从app重新定向到paypal并登录个人账户，这在手机上可能做不到。”这两兄弟决定开发类似aws的支付方式，也就是一种易用的云服务，它适合特定的用户群体，即在线商家和基于app的商家，并根据商家的要求进行扩展。
科利森兄弟开始工作之后，很快就了解到这些需求数不胜数，其中又有许多不能被现有的支付服务所满足。商家的要求很简单，他们只是希望能够接受客户的付款。但是，这些付款可能有多种方式，包括支票账户、借记卡、公司信用额度等，支付的网络和币种也各不相同。每个商家的要求都不一样，而且，由于商家不断成长，与不同的客户合作，走向国际化，所以这些需求会随着时间的推移而变化。与这些变化相伴相随的是变化无常的欺诈者、法律法规、税收和报表要求，以及其他让人不胜其烦的难题和困扰。
帕特里克·科利森在2015年夏天告诉我们：“很难让外人明白支付的事情是如此棘手。（例如）中国企业几乎不可能向中国境外的消费者直接售货。这并不是说有什么机构——无论是中国政府还是美国政府，还是其他什么机构——不想要它。关键是它非常复杂，仍然没人能设法引导。反过来说，你也没法成为一家向中国消费者直接售货的美国企业。绝大多数中国消费者都用支付宝支付。…… （但是）你又不能在美国注册支付宝的商家账号。[5] ……很多商业模式是有潜力的，是应该尝试的，但它们因为这些摩擦而不能落地。”
所以，stripe打算创造尚未存在的事物：一个支付平台——它围绕着消除商家的所有复杂性来打造用户体验；一个面向开发人员的用户界面——它只能添加几行简单的代码。
当时，这是一个有风险的目标，它不仅难以实现，而且也可能不是市场所需。许多支付行业的人士认为，商家最看重的是低价，[6] 而stripe对每笔交易收取的费用并不是特别低，对借记卡交易更是如此。该公司打赌许多商家愿意接受更高的费用以换取其他好处，如快速上线，较低的前期费用，轻易的技术整合，免受其他与支付系统相关的困扰和延误，以及易于扩展的能力。科利森说：“我们有个想法，应该有一个统一的支付平台，它可以直接从单独的开发人员那里拿到想法，而他们自己不能肯定这想法是否适合世界上最大的公司。双方都该有机会。”
科里森兄弟的付出得到了回报。在公开发布的5年内，stripe已经为一半的美国互联网用户处理了至少一项支付业务。2016年11月，该公司的估值为90亿美元。帕特里克·科利森告诉我们，这种增长的根本原因之一，就是stripe的方法允许其客户（特别是小客户和新客户）进行实验，直至找出有效的方式。他拿postmates（下一章将介绍其更多内容）举例：“我们的客户postmates是一家物流公司。它已经与苹果公司合作，从苹果商店直接送货。我喜欢拿它举例是因为它打算成为一家与众不同的公司。它提供需要提前预订的快递服务。这是stripe的承诺，我们屏蔽了支付的复杂性，让它们尝试各种事情，而不是将它们限制在特定的路径上。”
stripe的方法让商家轻松、快速地标新立异，根本不用担心支付问题。换句话说，它让商家更容易地进行迭代和实验，而这些能力在快速创新和变革的年代最有价值。随着stripe服务的增加，其客户很可能会越来越多地从中发现价值，如兑换货币、开具发票、检测欺诈、征收税款以及遵守反洗钱法规等。
就如iphone里的app为苹果公司所做的一样，以上服务在stripe中扮演着相同的经济角色，它们是可以增加整体需求的互补品。来自stripe的欺诈检测服务增加了消费者剩余，也推移了整体服务的需求曲线，这正是该公司想要的。 双边平台
像许多成功的平台一样，stripe受益于网络效应。在stripe的例子中，这些效果特别明显，因为它们是“双边的”。该公司平台上的参与者分为两大类，一类是想拿到货款的商家，另一类是银行、信用卡公司等涉及商家付款的金融机构。像支付宝这样的金融机构显然想汇聚很多商家，因为很多业务都会在它那里完成。由于类似的原因，商家也希望去有很多金融服务企业的地方。
在数字化行业中，双边平台存在着强大的网络效应，下一章将会多介绍几个这样的平台。现在，我们只需要注意到它们蕴藏的力量，并注意到stripe是其中之一。帕特里克·科利森生动地向我们描述了他的野心：“我们想打造互联网gdp增长所需的基础设施。”[7] stripe似乎做得不错，在很大程度上，它受益于灵活运用平台的力量来提供卓越的用户体验。 本章总结
? 数字化平台是当今世界上许多成功公司的驱动力。它们是强大的供需聚合体。
? 如果一种产品降价使另一种产品的需求曲线向外移动，那么这两种产品就是互补的。
? 当一个平台开放容纳外部贡献者时，其所有者获得了重大利好。随着其他人贡献互补品，对所有者产品的需求也“水涨船高”。如果这些互补品是数字化的，那么其中会有很多是免费、完全、即时的。
? 开放平台之后，平台所有者通常必须管理来自外部人士的贡献，以期维持平台标准。混乱、不安全或欺诈性的贡献可能会削弱平台的价值。
? 平台所有者凭借争取外部贡献并对其进行有效管理的能力开展竞争。但如果至少有两个平台已经存在，而消费者又不愿意接受“多宿主”，那么建立充满活力的平台就变得更加困难。
? 成功平台的构建者非常重视用户界面和用户体验。
? 许多平台是双边的，一边是一种类型的客户，另一边是不同类型的客户。 问题
a 你的产品的潜在互补品是什么？你如何以最好的方式利用它们来增加总需求？
b 尝试建立自己的平台或参与他人的平台，哪一种对你更有意义？
c 如果你正在建立一个平台，那么你的战略是什么？你如何鼓励广泛的参与，同时确保足够的质量？
d 如果你的活动空间已经存在一个成功的平台，那么你如何做到不模仿它，将自己与之区分开来？如果已经存在多个平台，为什么人家还要关注你的平台？
e 你用什么指导原则来打造一种引人入胜的用户体验？你为目标用户提供了什么价值，解决了什么问题？
[1] 《史蒂夫·乔布斯传》一书由中信出版社于2014年出版。——编者注
[2] 更正式地说，互补品的交叉价格弹性是负的。
[3] 《愤怒的小鸟》背后的芬兰公司rovio在2015年创造了1.42亿美元的收入。rovio entertainment.“first quarter of 2016 shows sessful turnaround for rovio after expected difficult 2015,” april 6, 2016. http://.rovio/first-quarter-2016-shows-sessful-turnaround-rovio-entertainment-after-expected-difficult-2015.除了购买app之外，诸如玩具、手机外壳等产品的销售和授权活动也有可观的收入。alvaris falcon.“85 cool angry birds merchandise you can buy,”hongkiat, essed february 4, 2017. http://.hongkiat/blog/cool-angry-birds-merchandise.2016年的电影《愤怒的小鸟》是芬兰最为成功的国际大片。rovio entertain-ment.“the angry birds movie is the most internationally sessful finnish movie of all time!” january 4, 2017. http://.rovio/angry-birds-movie-most-internationally-sessful-finnish-movie-all-time.
[4] 2016年第四季度，谷歌在移动设备上收获了96%的广告搜索点击次数。更多的移动用户意味着更多的移动搜索和广告收入。jack nicas. “alphabet’s earnings rise but falls short of views — update,” morningstar, january 26, 2017. https://.morningstar/news/dow-jones/tdjndn_2017012614626/alphabets-earnings-rise-but-falls-short-of-viewsupdate.html.
[5] stripe在2015年8月开始支持支付宝付款。
[6] 许多支付行业的人士仍然相信这一点。
[7] 换句话说，就是互联网上产生的全球经济活动总量。
07 算法速配的o2o平台
就是它！这是对我们的警告！如果我们不找到一种方法来对付（收益管理），我们就会成为历史！
唐纳德·伯尔（donald burr），1985年
在那些被数字化技术所改变的人类活动里面，集体健身似乎是可能性最小的一种。事实证明，很多人喜欢扎堆锻炼，大家都做同一件事，即便强大的虚拟现实技术已经出现，那种置身于汗流浃背、活力四射的人群中的感觉仍然难以复制。[1] 据此我们很容易得出结论，运营一个集体健身工作室可能不会受到数字化技术的颠覆。然而，sspass（健身共享）的例子却反映了截然相反的情况，它还表明：在基于比特的行业中促使平台强大的那些属性，现在也推动平台渗入基于实物的行业，即那些在物理世界中提供产品或服务的行业。过去10年间，许多这样的平台涌现出来，而且它们方兴未艾。 不完美的世界
在小说《尤利西斯》（ulysses ）中，詹姆斯·乔伊斯将以下教诲归因于德国诗人歌德：“要认真对待你年轻时所希望的，因为你会在中年时得到它。”这种说法可能会使sspass创始人帕耶尔·卡达奇亚（payal kadakia）产生共鸣，她在生意开始没多久的时候做了一个之后想要推翻的决定。此事在ss pass成员中引起众怒，对于非数字化的产品和服务来说，它揭示了运营平台业务的很多问题。
2016年11月，卡达奇亚在公司博客上宣布，sspass受欢迎的无限量计划正在收尾。该项计划的成员曾经可以交固定月费参加任意数量的健身班（但在任一间工作室都不得超过三个班）。她解释说，该公司于2014年5月启动了无限量计划，鼓励新会员学会灵活安排健身并加入sspass。她写道：“这是有效的。”
事实上，这个计划好得过了头。卡达奇亚说：“你们中的许多人每隔一天就开始锻炼，有些人甚至是每天都在锻炼！我为你们鼓掌。……然而，我们意识到这对我们业务的影响是不可持续的。”
参加sspass无限量计划的会员迅速反应，他们备感沮丧。许多人在社交媒体上抱怨，这当中有“nakesakou”，其在twitter上的留言是“呸。听到sspass要灭掉无限量计划的消息，我的心都碎了。为什么呀？”负面情绪是如此普遍，以至《商业内幕》（business insider ）发表了一篇题为“人们被sspass砍掉无限量计划惊呆了”的文章。
从一开始，无限量计划似乎就是误导。正如卡达奇亚所承认的那样：“它不能成为长期的会员选项，因为它无法将我们的业务和承诺挂钩。如果希望会员少些锻炼以降低成本，那么我们会做什么样的业务？”但是，仔细审视一下sspass的历史，我们就可以看出该公司曾经如何努力使这个选项发挥作用，进而了解比特经济和实体经济“短兵相接”时发生的事情。
无限量计划是一个简单而诱人的客户方案：客户交固定月费，然后就可以参加sspass的加盟工作室的健身班，而且想参加多少个健身班都行，这些工作室位于客户所在城市及其他sspass开展运营的地方。sspass给工作室业主提供的方案很简单：除了工作室常规会员占用的空间之外，sspass将填补健身班其他空出来的位置，并为每一位到场的sspass会员向业主支付一笔商定好的金额。
sspass拿着这些方案尝试建立一个有强大网络效应的双边平台。随着更多的人加入，提供给工作室的方案变得更有吸引力，而更多的工作室加入之后，这个方案对（现有和潜在的）个人会员似乎也更优惠。然而，伴随着公司的发展，危险也在逼近。这些危险源自一个基本事实，即瑜伽课所用到的空间之类的物理内容不是数字化的，免费、完全和即时的经济学原理不能将其数字化方式应用到实体的情形中。实体产品平台的建设者需要敏锐地意识到这些差异，并且聪明地做出反应。
那么，sspass的发展面临什么样的危险？实质上，它不得不面对一个事实，即工作室可能没有充分利用其空间，而个人会员则可能过度使用它们。我们先来看看工作室方面的挑战以及sspass的处理方法。 变废为宝的难题
从本质上说，sspass对工作室的价值在于使它们能够从原先闲置的教学空间赚取收入。换个正式一点的说法，它使得工作室能够从库存（教学空间）增加收入，而这些库存原本是废弃的（上课时是空的）。这听起来很棒，但是，一个工作室怎么能提前知道哪个班级会有空位，以及有多少个这样的班级呢？它如何知道哪些库存将会废弃，因此不能产生业务收益呢？
这个问题至关重要，因为sspass以折扣价支付原本废弃的工作室空间。基本上，该平台对工作室说：“看吧，你已经承诺把场地用来上课，你已经承担了与之相关的所有固定费用，包括租金、公用设施、老师的工资等。在班上增加一个学生的边际成本是很低的，只有淋浴的热水和浴巾的成本。只要我们为每个人交的钱多于边际成本，你就应该愿意接受我们的会员进入班级。”
一位聪明的工作室业主对此的回复是这样的：“这很有意义，但我必须认真考虑。你是对的，我的边际成本低，我的库存容易废弃，但我也必须记住，我的库存不是无限的，每个班只有这么多人的空间。我为你的会员提供折扣优惠的空间不可再用于全价出售，我们的会员再也无法使用这些空间，而他们给我交了月费。我真心不希望他们怨声载道，说他们因为sspass的人出现而没法上课。所以我必须小心行事。”
以上的假设对话表明，健身班物理空间的经济属性与数字化产品那些免费、完全和即时属性不同。班级的空间易废弃，它远非完全被利用，但班级的规模有限，因此它是一种既做不到免费也做不到无限扩展的产品。如果存在未使用的库存，那么增加另一个客户的边际成本非常低，但一旦容量用满，边际成本马上就会飙升。有限容量和易废弃库存是健身班、航班、酒店房间及许多其他物理世界的产品共有的属性。像几乎所有的产品一样，这些服务有一条向下倾斜的需求曲线，很少人愿意为它们付出很多，而很多人只愿意为它们付出一点。 精打细算的收益管理
收益管理是多年来开发的一套算法和技术的总称，它用于帮助服务业处理有限容量和易废弃库存，并将其转化为最有可能的优势。收益管理的根本目标，就是让服务公司尽可能多地将有限的易废弃库存销售给那些有最高支付意愿的客户，然后再将其余库存销售给需求曲线下方的客户。收益管理始于航空公司，[2] 传播到酒店，并改变了两者。如今，这些行业的大型成功公司没有不精于此道的。
这对美国航空公司（简称aa）等企业构成重大威胁。为了更有效地进行竞争，aa投资数百万美元开发首例收益管理技术，并针对热卖机票提前推出“终极超级省钱机票”，其中包括最少停留时间限制。同时，aa对那些起飞前才购买的机票尽可能维持高的价位。这一战略使aa能够在休闲旅客和商务旅客之间细分市场，并从这两个细分市场的支付意愿差异中获利。在1987年的年度报告中，aa将收益管理描述为“以合适的价格向合适的客户出售合适的机位”。
aa使机位的销售数量最大化，并发展了高利润的商务舱细分市场。总的来说，收益管理在三年内带来了14亿美元的可量化收益。相比之下，持有aa的控股公司在同一时期只有8.92亿美元的净利润。人们航空公司无计可施，开始失去市场份额。到1987年，该公司已经离场。
对于平台上的工作室，sspass不仅可以通过app提供收益管理软件，而且还可以提供大量的需求曲线下方的人群，以此填补可用空间——换句话说，填补工作室自己无法填满的空间。
然而，这个美妙的安排是有问题的，而且问题很大。为什么工作室要让sspass使用收益管理软件来关注其利益而不是工作室自己的利益？很明显，如果执行得当，sspass的收益管理工作就会因此而受益匪浅。至于这种做法会不会惠及各个工作室，那是压根儿看不出来的。那么，平台会不会有强烈的动机让自己的会员涌入班级，即便其结果对工作室并非最佳？
工作室不愿意由sspass来决定谁进入哪个班级，这是可以理解的。为了解决这个问题，平台提议由工作室进行一次简单的低风险试验，即在短时间内让平台对一门课程做出决定。
试验结果很快显示出与平台合作的好处。sspass的定价和库存副总裁扎克·阿普特尔（zach apter）告诉我们：
我们说：“给我们几个星期。给我们一门课，让我们看看能做什么。”然后他们就看到了：“哇，上课一个半小时之前有5个空位。sspass没有拿走它们，这很有趣。”然后再瞧瞧，有5个人在上课前5分钟走了进来。这样的情况发生了很多次，他们说：“哇，这真的很棒。我们不知道你们是怎么做的。我们自己不会有信心这么做，做得刚刚好，刚好就是留给sspass的空位数。”
凭借大数据、大覆盖面和大量会员，sspass能够将收益管理的好处带给各个健身工作室，试验中的用户界面和用户体验使许多工作室相信，该项试验很好地保障了它们的利益。
在这里，我们再次看到互补品的力量。sspass软件附带的收益管理功能是一个零成本的互补品，它外推了整个sspass服务包对工作室的需求曲线。
收益管理吸引了更多的工作室加入sspass，为平台上的会员提供了更多可用的班级空位。反过来，可用性的提高又吸引更多人注册，使网络效应保持下去。但是，sspass在这个良性循环中存在一个问题，那就是最想锻炼的会员可能过多使用平台，从而损害平台的赢利能力。 活用收益管理
卡达奇亚的帖子宣布结束sspass的无限量计划，事情也的确这样发生了。问题在于，平台的收入与会员的总数成比例增长，但是向工作室支付的成本也随着班级数目的增加而增加。由于使用平台的会员每个月都在加入更多的班级，所以收入和成本之间的不平衡增长变得难以解决，即使是高度复杂的收益管理技术也无计可施。
postmates是另一个连接在线世界和离线世界的平台，哪怕在迅速成长的双边网络中推出无限量服务，它也能找到一种聪明的方式来更好地保持收入和成本的平衡。
像亚马逊这样的大型电子零售商有规模、有效率，尽管如此，要它们在短时间内交货也有困难。[3] 有鉴于此，巴斯蒂安·莱曼（bastian lehman）、肖恩·普莱斯（sean ice）和山姆·斯特里特（sam street）在2011年启动了postmates，他们想为消费者打造一个平台，让他们在一小时内通过快递网络收到当地餐馆和商店发出的货物。postmates不在城郊建立新仓库，而是利用已有的商店和库存，并通过智能手机app派发快递。该平台最初向买家收取9%的服务费，这部分归postmates所有，另外还要收取运费，这部分主要归快递员所有，运费为5美元—20美元，具体取决于订单的复杂程度和下订单时的需求量。该公司很快扩展到旧金山以外，三年之内，它完成了150万次投递。然而，平台所有者认为，如果想更快速的增长的话，它将不得不降低消费者的成本。
2015年1月，postmates进行了一次实验。它从旧金山、纽约和洛杉矶精选了一批商家，来自这些商家的投递一律收费4.99美元。正如预期的那样，降价及服务费的取消增加了需求。在10周内，这些市场的全部订单中有20%使用新的服务。而且，平均而言，这些订单的规模是平台上其他订单的两倍。参与该项计划的商家看到有如此之多的收入，因此同意按下单商品零售成本的比例向平台支付费用，最高可达20%。有一小部分商家的支付甚至高达30%，以求摆在app的显著位置。随着更多订单涌入，快递员可以每次完成多项投递，降低每项投递的成本，从而使整个业务更有效率。
受固定收费实验结果的鼓舞，该公司于2016年3月推出无限量服务postmate plus，它每月收取10美元的固定费用，然后对超过30美元的订单实行免费送货。不同于sspass的无限量计划，该项计划的每项交易都按投递货品价格的百分比对商家收费，从而为平台创造收入，因此无论公司成长有多快，它都有可能持续运营。更重要的是，为了帮助其尽快成长，postmates在app中专门建立界面，以便苹果公司、星巴克、小辣椒（chipotle）和沃尔格林（walgreens）等合作伙伴能轻易地将信息系统与之对接。到2016年9月，该平台每月在美国40个市场完成了130万次投递。 o2o之路
sspass和postmates例证了过去10年来越来越明显的一种趋势。平台的兴起不仅事关可以完全被比特化（即数字化编码信息）的行业，如软件、音乐、银行服务等，而且还涉及在物理世界中发生的、具有实物形态的产品和服务。第一代大型、有影响力、颠覆性的互联网平台席卷信息产业。我们现在则看到第二代平台在其他经济体中传播。
对于这类平台，我们最喜欢的标签是“o2o”，这是从人工智能界的“摇滚明星”吴恩达那里首先听到的，它意味着“在线对离线”。我们喜欢这种速记形式，因为它捕捉到了该现象的核心，即从在线世界到离线世界，网络效应、互补品捆绑，以及至少若干免费、完全和即时的经济学现象正在传播。
截至2016年年底，o2o平台存在于各种行业之中，城市交通业有来福车（lyft）和uber，住宿业有爱彼迎，食品运送业有grubhub和caviar，居家护理有honor等。所有这些公司正在致力于有效地将比特和原子的经济学原理结合在一起，这最终将是有利可图的。在通常情况下，这些平台提供的物理库存易废弃，如健身工作室的空间或酒店的住宿，但有时也未必。服装租赁网站rent the runway的事例则表明，即使库存易废弃，数据、数学和网络效应也可以以强大的方式组合在一起。
在每个特殊场合都穿上完美的设计师服装是件很花钱的事，如果你又不想让别人或社交媒体看到同一件衣服穿了不止一次，那就更是如此。根据一项估计，这个难题有助于解释为什么一般美国人的壁橱里的一半物品只穿了不到三次。rent the runway的创始人珍妮弗·弗莱斯（jennifer fleiss）和珍妮弗·海曼（jennifer hyman）认为，她们可以利用数字化平台的力量来解决这个着装难题。她们的业务使女性可以在线租用服装和配饰，选择投递日期，把货品保留4—8天，然后用备好的包装将其退回。会员甚至可以免费在订单上添加备用尺寸的同款服装。租赁费用通常约为该件服装总体零售价值的10%，费用范围从服装饰品的5美元到高级时装晚礼服的数百美元不等。
rent the runway拥有其网站上可用的所有服装。由于要照料这么多服装，该公司开展了全美最大的干洗业务。这些资产寿命较长，不容易废弃，rent the runway拥有它们之后，利用随着其服务的增长而带来的吸引人的商机，使其业务遍布全美各地。设计师的衣服与健身班的空间不同，它们不会被废弃，但是会贬值，随着时间的推移而变得不那么有价值。然而，这种贬值不是一成不变的，例如，一个新手提包的款式可能在时尚前卫的纽约过时了，但随后在美国其他地方变得流行。因此，rent the runway实行一种与sspass不同的收益管理方法，它通过公司自己的算法确定具有最高支付意愿的美国人，然后向他们展示这些耐用的库存，以期尽可能长久地保持它们的价值。
到2016年春天，rent the runway对公司的收益和库存管理方面的专业知识有了足够的信心，于是推出自己的无限量服务，这是一种以类flix（奈飞公司）处理实物dvd的方式来对待服装的服务。rent the runway的会员每月只需交139美元的租金，就可以随时持有三件衣物。一旦她退了一件，其愿望清单上的下一件就会发送给她。该公司希望通过这种方式来鼓励会员经常使用，同时防止毁掉sspass无限量计划的那种过度使用行为。 平台不止于消费者
上述所有例子及大多数当今更知名的o2o平台都面向消费者。对于一些人来说，这个事实表明o2o现象不会很快传播到其他经济形态——公司间彼此交换而不是与个人消费者交换的产品和服务。
我们不同意这种看法。无论平台是面向消费者还是主要面向企业，大部分经济学基础原理都同样适用。我们预测，o2o平台将在整个实物世界迅速蔓延，无论它们是否包含或涉及消费者。事实上，我们已经看到有趣的、连接在线世界和离线世界的“企业对企业”o2o平台（b2b o2o）：
? 美国货运业每年赚取7 000亿美元的收入，但仍然是一个无效率的市场。所有里程中有15%来自闲置的卡车，专门匹配运输卡车与货物的运输经纪人坐收大约800亿美元的年费，但仍然使用电话、传真和电子邮件作为连接所有相关方的主要方式。transfix公司正在建立一个在线平台，以便将该行业过时的供需匹配流程进行更新并移到线上。
? 制造或交付产品的公司大部分时间都有过剩的仓库空间，原因是需求高峰时期需要足够的容量。flexe是一家位于西雅图的初创公司，它正在打造一个平台，将部分闲置或临时闲置的仓库与需要短期额外空间的公司连接起来。
? nce和odesk是两个连接自由职业者和客户的开创性在线资源公司。2015年，这两家公司合并成为一家名为“upwork”的新公司。该公司使用其网站发布项目，供独立自由职业者或代理机构投标。已经开展的项目包括网页设计、文案、会计和数据输入等。upwork平台匹配了来自世界各地的专家，如果交付的成果是数字化的，为什么不这样做呢？平台把求职者匹配到最适合做的工作，并提供项目管理和支付等方面的工具。截至2016年，upwork每年促成300多万个项目，价值超过10亿美元。
? 传统意义上，寻找和预订商务会议场所是一项耗时的活动。活动组织者花数天或数周的时间直接联系场地，了解设施、能力、可用性和定价。虽然有代理人助力这项工作，但收费往往很高。cvent公司于1999年起步，用平台将这个流程移到线上。多年来，该公司已扩大其经营范围，覆盖了移动邀请、门票和调查。截至2015年，该公司每年帮助15 000名客户，管理价值92亿美元的事件和活动。
? 社会学家罗伯特·k. 默顿（robert k. merton）是我们在麻省理工学院的同事罗伯特·c. 默顿（robert c. merton）的父亲，也是1997年诺贝尔经济学奖得主，他曾获委托，了解美国人在“二战”期间如何回应大众传播。这项任务导致他创建了现在广为人知的“焦点小组”，多年来，数不胜数的市场商家利用这一手段测试各种消息，以便更好地了解当前和潜在的客户。至于找人加入“焦点小组”或回答调查问题，一直都是代理机构和专业招聘公司在处理，许多这类机构只不过前往街道或购物中心，接触那些貌似具有期望特征的人。现在，众多的在线平台负责召集“焦点小组”并进行调查。其中包括usertesting、survata、dscout和谷歌的消费者调查项目等。 引领国情的平台
在培育和发展高科技企业方面，美国的技术创业生态系统非常有效，因此，有时看起来好像第二次机器革命时代的所有好创意都在那里出现。实际上并非如此，引人注目的o2o平台正在世界各地涌现，这是对当地环境和机会的体现与利用。
法国的城际火车系统覆盖面广，但很昂贵，因严格限制私人公共汽车的保护政策其长期免受低成本竞争。[4] 2006年，弗雷德里克·马泽拉（frédéric mazze）、尼古拉斯·布鲁森（nics brusson）和弗兰西斯·纳佩（francis nappez）看到了市场机会，于是创立了car。这个平台对穿梭于城际之间的驾车人士和有相同出行想法的乘客进行匹配。作为搭便车的交换，乘客必须支付驾车者的一部分费用。car设定乘客的支付额，驾车者可以改变，但不能超过该公司确定的最大额度。car坚持“car的司机不挣钱”，这使得该公司受到许多人的青睐，价格保持在低位，并且使得公司与许多地区监管机构的谈判变得容易。car的平均出行里程是200英里，因此其平台不与出租车直接竞争。截至2016年9月，该公司的共享汽车平台在21个国家开展业务，每季度促成超过1 000万次搭载。
印度尼西亚最受欢迎的o2o交通平台与法国有很大不同。雅加达混乱不堪的交通堵塞迫使许多人跳上出租摩托车的后座，然后迂回穿过缓慢移动甚至一动不动的车流。2015年，基于手机app的平台go-jek面世，它是连接乘客和摩托车的平台。该平台给出的固定价格受到追捧，因为它消除了讨价还价带来的时间浪费和不确定性。到2016年中期，平台平均每月搭客2 000万人次，并扩展到餐饮、杂货及包裹交付、汽车维修乃至家庭清洁等领域。2016年8月，go-jek筹集了5.5亿美元的投资者资金，成为印度尼西亚第一家“独角兽”公司，价值超过13亿美元。
中国拥有近14亿人口，智能手机的渗透率又高，而且科技创业的势头强劲，因此其成为全世界移动o2o平台的最肥沃土壤。e袋洗是一个有代表性的例子，它是一项使用数字化平台的服务，顾客只要花15美元，就有人上门收取一大袋衣物，拿去清洗、熨烫之后，在72小时内送回。到2015年8月，e袋洗在16个城市开展经营，每天处理10万个订单。一年后，它扩展到28个城市，覆盖了1.1亿居民。[5]
呱呱洗车以不到5美元的价格派遣专业技师到城市中的停车之处洗车。用户只需提供车辆的位置和车牌号，无须亲临洗车现场。2015年，该公司筹得5 800万美元，经营范围扩展到12个城市。
“好厨师”聘请私人厨师到住所做私房菜，其烹调考虑了就餐者的口味和饮食限制。除去配料的开销，四口之家的费用约为15美元。尽管存在吸引力，“好厨师”仍不太可能影响到中国流行的饮食外卖平台“饿了么”，后者的筹资超过10亿美元。事实上，中国o2o企业的大型投资并不少见。“58到家”是一个提供清洁、育婴和美容护理服务的o2o平台。2015年10月，它的a轮筹资达3亿美元，[6] 而中国搜索巨头百度则承诺将其o2o三年投资（32亿美元）的绝大部分投入糯米网，糯米网的团购业务无所不包，甚至包括预购电影票、预约理发等。 流动性促成交易
作为商业学者，我们迷上了o2o平台。一方面，它们再次显示了互补品、尤其是免费互补品外推需求曲线的力量。例如，与竞争对手相比，爱彼迎为房东免费提供价格优化工具，因而在其他条件不变的情况下，这样做增加了使用该平台的业主的数量。
另一方面，o2o平台代表了我们目前所见的比特经济和实物经济的最丰富组合。随着规模的扩大，这类平台要处理海量信息，如会员及其选择和活动，产品和服务的可用性与定价，付款及相关问题等。所有这些信息都接近免费、完全和即时的理想状态。存储、处理和传输的成本很低，而且变得越来越低。这意味着所有相关的有用信息都可以在平台上随处出现，也意味着需求侧规模经济（也就是网络效应）的增长最终可能会比成本快得多。此外，当互补品免费时，即使它对每个人只产生小小的效果，数百万个用户也会使效果快速放大。
这一点非常重要，因为基于比特的信息和算法有助于解决基于原子的产品和服务的经济学原理所提出的最棘手挑战。很大程度上，运营健身房、送货服务或运输网络之所以有困难，乃是因为容量有限，库存又必须仔细管理。这些都是基于实物的世界的事实，它们很容易对动态匹配供需这个中心任务造成阻碍。
数十年来，收益管理的工具和技术通过研究和现实压力测试得到改进，它们有助于实现以上任务，但通常需要大量的数据才能奏效。这些工具和技术也因大量的供需应用而受益。换句话说，它们在越来越大的网络中的效果越来越好，而网络效应则是平台的特征之一。由此，单个健身房得以使用强大的收益管理算法，从而使每个健身班的总收入最大化。爱彼迎的房主有定价技术的支持，因此无论在繁忙期还是清闲期，其房主都能按收益最大化的价格出租。uber的司机得到“热点地图”的提示，知道应该在哪里定位，使自己快速搭载乘客的机会达到最大。现实世界中，许多企业尤其是小企业原先接触不到数据量丰富、运算复杂的服务。由于免费、完全和即时的比特经济，这些服务现在可以在任何o2o平台上使用。
不断成长的o2o平台提供了一种令人无法抗拒的经济属性，即流动性，换句话说，交易将在价格没什么变化的情况下发生。无论是雅加达的打工者，还是寻找从波尔多到里昂廉价旅行的人，抑或试图利用原本空载而归的卡车挣点小钱的司机，他们都想着同一件事：尽快安排交易，能获得好处，不要有不愉快的意外发生。要确保这一点，最好的方法就是在交易的另一方有很多潜在的参与者，而这正是流行的o2o平台所提供的。 多学科探索
除了经济学理论之外，其他几门学科的见解也经常被用于分析o2o平台。例如，uber司机选择接送客人的最佳路线，就是运筹学研究中经典的“旅行推销员”问题的变种，其中，推销员必须找出确保他经过自己所负责的城市、而且只经过一次的最短路线。
o2o业务产生的海量数据是机器学习的力量源泉，正如前文所讨论的，目前机器学习是人工智能领域中处理大量信息的主要方法。用户界面和用户体验设计也处于全盛时期，这在很大程度上得益于平台的普及。要使网站同时做到灵活、强大和直观是很难的，想在app上这样做就更难了，因为它们必须在手机的小屏幕上运行。和我们交谈的所有平台建设者都强调倾力打造用户界面，并且通过不断迭代和实验使之与时俱进、不断改善。很明显，他们也努力打造覆盖面更广的用户体验，其中，疑难解答、客户支持和问题解决方案是关键所在，因为不好的口碑往往传播迅速。
我们迷上o2o平台的最后一个职业原因，就是它们在10年前尚无可能。本章描述的许多业务都依靠强大的移动计算设备，而我们已经知道，智能手机时代始于2007年iphone面世之时，来自外部开发人员的app则是一年之后才出现。智能手机不仅是第一款真正的移动电脑，由于gps传感器的嵌入，它们也成为第一款能感知定位的电脑。所有这些几乎都是每个成功o2o系统不可或缺的互补品。
云计算对于许多平台业务的成功也至关重要，它使平台不再需要做到“兵马未动，粮草先行”。本质上，有了云服务提供商之后，无限量的额外计算能力可以很快获取，无须事先计划、提前购买。查利·松赫斯特（charlie songhurst）是微软的前任战略主管，也是sspass和flexe的早期投资者，他告诉我们，初创公司和其他在线实验更容易扩展了，因为：
它们不必预测自己的成功。（云）删除了一个巨大的变数，那就是不得不预测未来的需求。你不再需要思考它，不再做计划，不再花钱。……你可以尝试（某件事），如果它可行，（云）就帮你实现它。你最终可能要为aws埋单，但是当你的产品一飞冲天时，它还没有入账。在产品成功之前的两个月，你不必购买服务，也不必雇用专人东奔西跑，并确保机器工作正常，诸如此类。这就是行业的变化。
云计算有效地给企业家提供了按需扩展的权利，而不是义务。这种“实物期权”的价值可以是实质性的，但在那些评估业务价值的常规模型中，它往往被忽略。[7] 举重若轻，善用资产
还有一个简单的原因使我们喜欢上o2o平台，那就是它们带来的好处太多了。它们为自有资产者提供了更多的资产利用机会，从汽车、卡车到备用房间和健身房，再到自己的人力资本等。与此同时，平台也提高了这些资产的效率和效用。听起来，这些好处好像只有会计师、运营研究人员和经济学家会关心，但我们都应该表示欢迎。它们提高了我们的生活质量，同时帮助我们更轻松地在地球上生活。
以上两件好事之中，第一件可能更容易看出来。改变一个锻炼的流程，搭一趟便车穿越城镇乃至穿越全美，从更多的餐馆获得送餐服务，在一个大场合穿上完美的外衣等，这些都是好事，但它们也是各式各样的消费。消费会消耗资源，而资源是有限的。那么，鼓励消费的平台如何给我们居住的世界带来好消息呢？
在原子世界里，平台可以提高许多资源的利用率。华服和客车大部分时间都在闲置。rent the runway和uber使它们分别得到更有效的利用。平均而言，载人车辆有95%的时间处于闲置状态。共享汽车可以把它减少到50%。这意味着我们可以用10%的资本获得100%资本的服务。人们有理由预期，在未来，由于平台允许较频繁地使用少量物品，因此相关产品的新增数量会减少。诚然，如果这些产品的未来总需求增长足以抵消利用率提高对需求的影响，那么这一切就不会发生，但是，究竟有多少场合会用到晚礼服呢？已经有迹象显示，在美国年轻一代的城市居民中间，汽车的拥有量正在下滑。截至2013年，出生于20世纪八九十年代的人与前一代人同龄时相比，拥有的汽车数量少了13%。这些人持有智能手机，正是使用uber和其他o2o汽车平台的目标人群。
得不到充分利用的资源不一定完全闲置。汽车旅行中的空座椅和归家的空载卡车也是浪费的形式，这些正是car和transfix之类的平台目前努力减少的浪费。随着o2o平台的普及，这种浪费将继续减少。事实上，由于强大的移动电脑在全球范围内传播，云计算和其他技术在不断进步，创新者和企业家持续将数字化的经济原理和优势带入实物世界，我们相信这一趋势将加速发展。 本章总结
? 数字化平台正在快速蔓延到健身、交通运输和住宿等从事实体产品和服务的行业。它们被称为o2o平台。
? 这些行业的易废弃库存可能有较低的边际成本，但也有容量限制。这使得o2o不同于纯信息产品具有免费、完全和即时的经济特征。因此，o2o平台所有者通常采用收益管理技术来改善供需之间的匹配关系。
? 像纯粹的数字化平台一样，o2o平台也可以纳入许多互补品来增加整体需求。
? o2o平台出现在世界各地，也出现在不面向消费者的行业中。中国尤其是o2o创新的温床。
? o2o平台可以快速添加新会员，控制客户体验，充分利用原有的资本和劳动力资源，并使用数据和算法来改进匹配效果，因此它们可以迅速扩展，积极竞争。投资者看到了o2o的潜力，并愿意为其积极的扩张计划提供资金。 问题
a 面对那些把网络效应和收益管理功能带到你所在行业的平台，你与它们进行合作或竞争的战略是什么？
b 客户重视无限量的服务。你能找到一种经济上可行的方式来满足他们吗？
c 将你的在线服务的用户界面和用户体验与行业中的主导平台进行比较。结果会怎样？
d 你有多少库存是废弃的？你有多少闲置的容量？你的业务空间有没有出现平台来帮助你降低这些数字？
e 如果你所在行业的关键资产的利用率迅速大幅攀升，那么你的收入、利润和发展状况将会发生怎样的变化？
[1] 一如既往，永远不要对技术说永不。室内自行车公司peloton售出一辆1 995美元的健身车，它配备了支持wi-fi（无线网络）功能的22英寸屏幕，使车手能够每天远距离观看至少10场的动感单车课程直播，他们也可以从回放目录中找到自己所需的课程，然后在家观看。2016年2月，peloton宣布它正与oculus rift（头戴式显示器）合作，开发可以取代屏幕的虚拟现实头盔。mark prigg. “now you can track your gym sessions too: peloton teams up with strava app to monitor spin sses — and says it is also working on oculus rift vr workouts,” dailymail, february 18, 2016. http://.dailymail.co.uk/sciencetech/article-3452996/now-track-gym-sessions-peleton-teams-strava-app-monitor-spin-sses-says-working-oculus-rift-vr-workouts.html.
[2] 美国民用航空局成立于1938年，其职能是规制航空业。它实质上确保了机票价格数十年维持在高位。1978年通过的航空公司放宽管制法案废掉了政府控制，允许航空公司自由设定价格。此举也导致低成本公司进入市场，包括命运不佳的美国人民捷运航空公司。一开始，该公司发展很快，5年内创下每月飞行百万客户的记录，成为美国第五大航空公司。markus salge and peter m. milling. “the pace or the path? resource umtion strategies in the u.s. airline industry,” paper presented at the annual conference of the systems dynamics society, oxford, ennd, 2004. http://.systemdynamics.org/conferences/2004/sds_2004/papers/150salge.pdf. 美国人民捷运公司成功的关键之一是它的低票价，通常，它的票价比竞争对手低40%—55%。
[3] 至少要等到送货的无人机到达。
[4] 2015年7月，实际上法国政府允许公共汽车公司在全国新开线路，于是限制被解除了。oxera. “en route to french transport liberalisation: the coach market,” august 2015. http://.oxeratest-thinking/agenda/2015/en-route-to-french-transport-liberalisation-the-co.aspx.
旅行者很快利用了新的选择。2013年，只有10万乘客搭乘城际公共汽车。到了2016年，估计有500万人。“liberalization of intercity bus market in france,” busradar [blog], august 13, 2015. https://.busradar/blog/liberalisation-france”.
[5] 美国企业家试图效仿一些中国o2o平台的成功经验，但结果不一。washio是美国一家类似的o2o洗衣服务商，它在2016年关闭之前筹资近1 700万美元。不同于e袋洗，washio的价格通常被认为太贵。仅送货费就高达5.99美元。
[6] a轮投资通常是初创企业的第一轮正式投资。一般情况下，涉及的金额接近100万美元，而不是3亿美元。
[7] avinash k.dixit, robert s.pindyck. investment under uncertainty . princeton，nj：princeton university press，1994.
08 产品有出路吗
聪明人从敌人那里学到很多东西。
阿里斯托芬（aristophanes），公元前414年
2008年，uber的城市交通平台在巴黎诞生。当时，特拉维斯·卡兰尼克（travis knick）和加勒特·坎普（garrett camp）经常打不到出租车。“所以，”uber的网站解释说，“他们有了一个简单的想法：点击一个按钮，车就来了。”一开始，他们给公司起的名字是“ubercab”，本来只想专注于豪华轿车领域。公司早期增长稳定，但比较缓慢。当坎普首次建议卡兰尼克应该全职运营uber时，卡拉尼克没有答应，因为他觉得机会“超级小”。 尴尬的出租车公司
到2010年年底，卡兰尼克开始看到更大的机会。他拒绝了打造基于app的豪华轿车服务的简单想法，为当时的4人公司设立了更大的愿景，即借助公司创造的双边网络效应之力改变运输业。在uber平台上，车越多意味乘客会越多，乘客越多又意味着车会越多。18个月后，公司推出了“uberx”，允许标准轿车及其司机加入平台，2014年8月又推出“uberpool”，通过低价拼车进一步扩大了网络的容量。
平台模式和网络效应创造了史上发展最快的公司之一。据报道，2016年该公司的年度总订单额达200亿美元。2016年6月，uber的市值达680亿美元，并向投资者筹资150亿美元，当然投资者早已习惯于在世界各地积极资助越来越快的扩张。
在许多城市，出租车公司和其他从事城市个人交通业务的人士都发现，其业务随着uber的增长而下滑。2012年，传统出租车在的洛杉矶载客840万次，一年后，uber和来福车进入洛杉矶。三年内，出租车的乘车人数下降了近30%，预约出租车搭载数下降了42%。在旧金山，最大的出租车公司yellow cab cooperative于2016年1月申请破产。
出租车牌照是可转让的许可证，用于合法经营出租车，在街头搭载乘客，它长期以来一直被认为是很好的投资。例如，纽约市的车牌价格在21世纪初大幅上涨，到2013年超过130万美元。然而不到三年之后，车牌价格却从这个峰值跌落一半。
由于uber具有双边网络效应，而且用户界面和用户体验都很流畅，资金又充足，因此其优势巨大，使得持有车牌的现存企业难以扭转败局。美国的来福车和欧洲的hailo也在尝试建立竞争平台，但这并没有使uber发展的步伐放缓。看起来，政府监管有时是唯一的制约手段。 沦为公共服务？
uber平台的合法性在全球受到挑战，各地都提出并通过了运输服务的新规则、新法规。对于这些条例的出台，人们有时候难免认为它们是因uber及其同行平台而起，旨在使其受阻。例如，法国的立法者在2014年宣布“uberx”的同类产品“uberpop”非法，并对uber及其主要经理人进行罚款。2017年年初，uber在加拿大温哥华完全被禁了。
像城市交通一样，金融监管有时是传统企业对数字化新贵的最佳防御手段。2015年6月，《经济学人》发表了题为“为什么金融科技不会杀死银行”的文章。它讨论的许多金融技术创新实际上是平台，包括支付平台、外汇平台和p2p（个人对个人）贷款平台（见第十章的讨论）。这篇文章指出，传统银行比这些新进入者要大得多，也能“在心血来潮时或多或少地创造信用”，这些都是重要的优势。但它同时指出，银行最强大的产品也是其最受保护的产品，“特别是往来账户，它允许人们以保持安全和永久访问的方式存钱。在硅谷或其周边，很少有人想要承接这种受到严格监管的金融服务”。
《经济学人》的文章点明了银行面临的最大担忧，即使它们的监管保护持续下去，它“未来也将成为一种公共金融事业，无所不在，但由于受到严格的监管，没什么吸引力，利润很低”。我们认为这是一个有可能甚至是很有可能发生的未来，对于许多金融以外的行业来说也是如此。在许多领域，非平台的竞争者将看到其利润下降，其地位越来越不稳固，无论其产品有多么优秀，多么精致。 无利可图的制造商
在全球无线通信行业中，以上发展动态清晰可见。如前一章所述，从2007年开始，平台在这个行业开始大行其道，先是苹果的iphone和ios，然后是谷歌的安卓。从那时起，传统企业一直难以成长。诺基亚和黑莓趋于式微，它们尝试在软件方面与ios和安卓进行竞争，但归于失败。对于只生产产品的企业来说，事情往往不会好转。
安卓诞生以后的几年里，为其生产手机的一连串亚洲公司相继出现，其中有一些一飞冲天，但是面对激烈的竞争，大多数都崩溃了。2015年1月，中国智能手机制造商小米的首席执行官雷军向员工发表公开信，宣布该公司估值450亿美元，成为当时世界上最有价值的技术创业公司。在之前12个月中，小米销售了6 100万部智能手机，成为中国市场的领导者。[1] 小米手机是中国较便宜的手机，2015年每部售149美元，不到平均市价的一半。这个价格给每台设备只留下很少的利润空间，但是该公司的支持者却把赌注下在互联网服务产生的收入上，其前提是小米手机和该公司制造的硬件会变得普及。
他们可能低估了这个挑战。在创纪录的估值之后的12个月内，小米两次错失智能手机的销售目标，互联网服务的收入只占总收入的5%不到。截至2016年第二季度，小米的销售额与2015年同期相比下降了近40%，优秀的分析师理查德·温莎（richard windsor）表示，小米的估值接近36亿美元。
韩国三星电子曾经是智能手机时代早期的一股主导力量，它推出了一系列流行的手机和平板电脑，但该公司最终也经历销售额和收入的恶化。在连续下降4年之后，2016年其销量已经比2011年还要低。现代智能手机是非常复杂的设备，必须设计得好，而且制造要可靠。它需要非常高深的工程专业知识和强大的全球供应链能力，世界上只有寥寥无几的公司尝试过。然而，尽管这些公司面对的是出现不到10年的全球巨大市场，但由于市场期望和产品规格的不断变化，因此能在任何时段都赚很多钱的公司少之又少。
相反，利润已经转移到平台提供商。据一项估计，苹果公司在2015年占全球智能手机利润的91%。由此可见一个主导平台可以占据多么高的利润份额。下一年度的结果甚至更加悬殊。bmo（蒙特利尔银行）资本市场的分析师蒂姆·朗（tim long）估计，2016年第三季度，在所有移动设备制造商的总营业利润中，苹果公司占103.9%，三星电子占0.9%，其他企业都是亏损状态。
作为一家成功的平台运营商，谷歌是苹果公司在智能手机时代唯一真正意义上的竞争对手。谷歌的财务报表没有披露安卓系统及其支持的无数移动设备的收入与利润，但看得出其盈利甚丰。2016年1月，甲骨文的一名律师就一项付款争议起诉谷歌，法庭上披露了一项预测，安卓为其母公司的收入贡献了310亿美元，利润为220亿美元。[2] 平台的优点
随着平台不断普及，小米和三星电子的事例是否会变成一种更显而易见的类型？平台最终会接管每一个行业并抢走现有企业的利润吗？答案是不确定的。
平台革命还没有完成，其影响将会很深刻。stripe、sspass、postmates和transfix等新近的例子引领了平台扩散的大趋势，对于那些充分利用迅速改善的全球数字化基础设施的平台来说，其扩散尤其迅速。平台将继续扩散到其他行业，这既是因为它们相比竞争对手有显著优势，也是因为它们自身给参与者带来了诸多优势。
然而，并非所有的商业活动都会在未来的平台上发生，平台将不会接管一切。在一些行业中，产品公司和平台公司将和平共处，其他行业将基本保持不变。赢利战略不仅存在于平台自身，而且也存在于这个生态系统的其他部分。
单边平台和双边平台都将广泛传播。它们可以利用强大的网络效应。如果可视化用户界面和后台运行算法能稳定改进，那么它们还可以自我强化。随着平台的增长，这些改进变得更容易发生，究其原因，平台增长为迭代和实验提供了更大的测试场景。
如我们所见，更大的网络带来了更大的流动性，这可能是任何市场参与者都最看重的特征。更大的网络也会产生更多的数据，精明的平台运营商可以利用这些数据建立更大的优势。它们使用数据来更好地了解平台的成员，预测和塑造这些成员的行为，并为成员提供收益管理、定价和其他关键活动的复杂工具。
无论规模多大，平台都能帮助其成员掌控用户体验和用户界面。它们决定用户能看到哪些信息，以及如何执行流程和交易。如果平台所有者控制得当，两个重要的事情就会发生：其一是减少或消除长期存在的、阻挡人们彼此交易的障碍；其二是影响交易流程，从而给平台所有者带来更多的好处。 减少信息不对称
在一项拟议交易中，如果一方比另一方更了解相关信息，那么生意就不好做了。这种情况对双方都不利，所知甚少的一方会经常意识到自己处于不利地位，因此无法对拟议交易进行恰当的评估。所以，他们觉得与其被敲竹杠，还不如根本就不做生意。这的确可惜，因为在被放弃的交易当中，至少有一部分对双方实际上都有利可图。不幸的是，知识差异使得这些交易不会发生。
在其1970年的经典论文《柠檬市场》中，经济学家乔治·阿克洛夫给出了正式论证，指出信息不对称不仅伤及所知甚少的一方，而且对整个市场都是有害的。阿克洛夫表明，二手车市场可能会因为“柠檬”[3] 的存在而蒙受巨大损失，[4] 卖家知道哪些汽车是“柠檬”，但大多数买家不知道，而这种信息不对称会使二手车市场保持小规模、低效率，除非有解决方法——例如让经销商为那些觉得被骗的客户提供退款保证。
阿克洛夫认为，在极端情况下，信息不对称可能导致市场完全崩溃，交易终止。这个观点违反直觉，也很激进，当时他的论文被顶级经济学期刊反复拒绝，有一位审稿人解释说，他所在的期刊“没发表过这类琐碎话题的论文”。而另一位审稿人则持相反观点，“如果这篇文章是正确的，那么经济学就会有所不同”，所以它不可能是正确的。事实上，阿克洛夫关于信息不对称的重要性的分析是正确的——经济学果然受到其影响。最终，他因该项研究被授予了诺贝尔奖。
某人想乘车穿越小镇，而私家车里的陌生人愿意提供搭载服务，没什么情况比它具有更深入、更重要的信息不对称了。即使大多数司机是完全诚实和安全的，但遇上坏人的风险还是高得令人无法接受。除非这种固有的信息不对称得以克服，否则，人与人之间的搭载市场永远不会发展起来。
但是，到2016年3月，uber在美国每月处理5 000万次搭载交易。大部分uber车的驾驶员并不是专业司机，他们只是想通过劳动和汽车赚钱的人。
那么，这个巨大的市场如何克服严重的信息不对称？2013年，加利福尼亚州通过了管理条例，强制uber和来福车等运输网络公司（tnc）对其司机进行犯罪背景调查。这肯定提供了一些保证，但这还不是全部故事。毕竟，uber及其竞争对手来福车在进行背景调查之前就迅速增长，到2016年8月，car仍然没有对它们的司机进行类似的调查。
相反，这些公司使用其平台的用户界面来克服困扰市场的信息不对称。具体而言，它们要求所有各方在每次交易之后相互评估，并且在显要位置展示每个人的累积评级。[5] 此外，运输网络公司通常还使用手机gps传感器的数据来保存每次出行的详细记录。
这些简单的步骤用信息取代了一无所知。尽管这些信息不完备，但对于个人和平台本身来说仍然有巨大价值，因为它提供了非常必要的对称性。运输网络公司继续实验和创新。例如，uber在2017年年初进行抽查，要求司机定期提供自拍照。该公司将自拍照与存档照片进行比较，以此确保获得许可的司机实际上就是驾车者。
经济学家泰勒·考恩（tyler cowen）和亚历克斯·塔巴罗克（alex tabarrok）指出，用户对平台和其他产品的在线评论是大大降低信息不对称的例子。这种降低之所以出现，是因为智能手机、传感器和网络等强大技术的扩散，以及数据量的不断增加。正如考恩和塔巴罗克所言，“共享经济中的许多交流……使用双向声誉系统，即客户给uber司机打分，反过来，uber司机也给客户打分。即使在没有法律或法规的情况下，双向声誉系统也能支持大量的交易活动”。
就uber等公司的情形而言，以上“大量的交易活动”中有许多临时的兼职司机。在他们当中，许多人觉得没必要接受烦琐耗时的传统背景调查或政府许可流程，更不用说投资昂贵的出租车牌照了。但如果能较快、较容易地获批为司机，他们也愿意加入。uber及其平台同行已经找到了办法。
爱彼迎的创始人及首席执行官乔·杰比亚（joe gebbia）将同行评价和评级系统称为“信任设计”，并点明它的另一个优势：它可以帮助我们克服个人偏见。我们相信，大多数爱彼迎的房主都不认为自己是种族主义者，但是该公司的数据显示，平均而言，房主向少数民族客人出租房间的意愿要比向白人出租低一些。[6] 然而，对于那些对房间的总体评价良好且提供10次以上评论的少数民族客人来说，这种影响是反过来的。与评价平平的白人租客相比，潜在的房主实际上更可能租给这类少数民族客人。杰比亚表示：“高声誉比高相似度重要。”他的公司发现，其平台的用户界面和用户体验“实际上可以帮助我们克服最根深蒂固的偏见之一，那就是‘陌生人危险’这么一种偏见”。
诚然，平台的评级体系和其他减少信息不对称的机制还不完善。司机、乘客、房主和客人中间都掺杂着罪犯，歧视也仍然存在。但是，平台的爆炸性增长充分表明，这些问题的严重程度或发生频率还不足以如阿克洛夫所表示的那样妨害生意。部分原因在于：高明的设计和管理使得市场没有充斥着把人吓走的“柠檬”。 打造新品牌
平台能够塑造其成员的互动和体验，这给它带来许多优势。例如，与双边网络另一边的企业相比，消费者往往与平台形成更强的联系，这一事实对打造品牌大有裨益。对于其许多会员来说，sspass已经变成集瑜伽、普拉提、跆拳道和旋转操等于一身的健身房品牌，它存在于许多不同的城市。该公司建立了品牌声誉，但没有建设任何实体健身房，这一点令人印象深刻。而且，对于任何试图用传统方式建立健身品牌的人来说，它都令人望而生畏。如果体育馆和健身房花费时间精力去建设实体存在，打造面对面的体验，然后却或多或少地被人看成sspass旗下的“组成部分”，那就有问题了。
一旦随着时间的推移，传统公司把定价能力拱手让给平台，那么问题就会变得更加复杂。优质品牌的所有者可以对其产品收取溢价，但是双边网络的所有者却希望尽可能少地向卖家支付其从买家收取的金额。结果显然是双方剑拔弩张。许多平台，尤其是那些新的、试图建立规模和网络效应的平台，都想至少纳入一个知名品牌。但随着平台的发展，它们又想更多地留住消费者的芳心和钱包。
要做到两者兼顾，平台拥有的最佳手段就是掌控用户界面和用户的数字化体验。在这里，卓越服务往往超出了单个健身公司的专长所及，但它是sspass之类的平台建造者最擅长的。平台还可以使用各式各样的收益管理技术工具包，设定每位买家可以看到的供应商，以及供应商所在位置的显要程度。在其他条件不变的情况下，平台可能会运用这种权力，让不知名供应商的显示度高于知名供应商，这种预期并非没有道理。
将各种能力结合起来，平台就在建立会员制、规模和品牌知名度等方面赢得了强大优势。面对这种优势，许多知名品牌目前干脆选择完全脱离平台。例如，soulcycle是总部设在纽约的旋转操连锁健身室，它在美国11个州有实体店和忠实拥趸。到2017年年初，它还没有把任何课程放在sspass平台上。随着平台更广泛地传播，看看有多少其他品牌做出类似的决策将是一件很有趣的事情。 平台低价之谜
以上决策会受另一个重要考虑的影响。具有双边网络的平台本身通常比其卖家更愿意降低价格。造成这种情况的原因并不十分明晰。毕竟，卖家和平台所有者的利益不是互相挂钩的吗？它们两者不是都想使流经平台的总收入最大化吗？由于比特经济和实物经济的差异，以及需求曲线的特性和网络效应的力量，两者的利益有时并不一致。 大弹性
一些产品几乎不受价格变化的影响。当急诊医生推荐救生药物时，你不太可能与其讨价还价。在其他市场上，价格的小幅变化可能会导致很大的区别。如果石油卖家的出价稍高于现货价格，那是没人接手的，但是如果比现货价格便宜一点的话，那就不愁找不到买家。描述这两个例子的区别的经济学术语是“价格弹性”，也就是价格变动1%之后需求数量变动的百分比。当然，价格弹性通常是负的，价格上涨总是导致销量下降。
对于许多产品，不同的价格点的弹性是不同的。例如，与将价格从2美元降至1美元相比，将牛奶价格从20美元降至10美元所造成的需求增长要小一些。这类产品的需求曲线具有特殊的形状，它们向下和向右移动时趋于平坦，如图8–1所示。
现在假设你是一名供应商，只能在这个市场上引入一种产品，并且每次追加销售一件产品的成本为零。那么这种产品的价格应该是多少？一如既往的答案是，产品的定价应该使收入最大化。这意味着选择图中使“pxq”矩形面积达到最大之处。[7] 不管怎么说，收入就是价格乘以数量。对于具有图8–1所示的需求曲线的产品，面积最大的矩形是又长又低的。换句话说，使收入最大化的价格低得惊人。
这似乎就是城市里面搭乘汽车的情况。uber在降价，先是推出“uberx”，然后推出“uberpool”，也许最终还会推出自驾车，需求随之大幅增加。[8] uber非常希望通过收取极端低价来满足这个需求，因为这样做会使其收入最大化。 图8–1 大多数需求曲线的形状
但是，在双边市场中，一味沿需求曲线走低只是故事的一小部分。
为了更好地了解uber的定价决策，让我们回顾第五章讨论whatsapp时提到的一些网络经济学原理。uber与whatsapp一样受益于网络效应。但是不同于whatsapp、电话、传真或许多其他网络，uber是一个双边网络。双边性是许多现代平台的核心。它有一些违反直觉的经济学原理。 选边站队
uber实际上为两组用户提供了两个不同的app。该公司有一个适用于乘客找司机的app，还有一个让司机找乘客的app。通过uber注册打车的人不会因为其他人使用同一个app而直接受益，这与他们的朋友使用whatsapp的情况是一样的。
相反，打车者关心的是注册另一个app的司机的数量，而那个app的作用是使司机能够找到乘客。如果有更多的司机使用寻找乘客的app，那么乘客附近有车的可能性就增加了，因此对于使用寻找司机的app的乘客来说，该项服务就更有吸引力，它会使app的需求曲线向外推移。如果没有这样的外移，那么根本就没有太多的需求。一个找司机的app以某种方式汇聚了数百万用户，但实际上连一位司机都没有连接上，那么它对打车者就没什么吸引力。同样的道理，司机自己没有因为其他司机注册寻找乘客的app而受益，但是他们确实受益于更多使用寻找司机的app的用户。
我们看到，uber由乘客和司机构成了双边网络，它远不是独一无二的。信用卡用户和商家也构成了双边网络。如果visa（维萨）卡无处不在，但发现卡没有被商家广泛接受，那么即使发现卡免收年费，许多消费者也将更愿意携带visa卡。反过来，更大的消费群体又促使visa卡对商家更具吸引力。
爱彼迎是双边网络。夜总会吸引了那些希望找舞伴跳舞的浪漫的男男女女，也是双边网络。安卓app及应用它们的各种设备，电脑操作系统及在它上面运行的程序，还有视频游戏和游戏机，都是双边网络的示例。在以上每种情况下，站在市场某一边的用户因更多用户加入市场另一边而受益。明智的中介商（也就是平台所有者）了解这些联系，并相应地管理双边。这通常意味着专注于招徕处于网络一边的用户，以期吸引另一边的更多用户。
如果不了解双边网络特有的经济学，那么其定价战略看起来可能太有侵略性，也没什么道理。当处于网络一边的需求量变化影响到另一边的需求时，情况尤其如此。让我们回顾一下uber对用户降价的例子。当然，正如我们所讨论的那样，降价意味着uber的价格点下移，因此其网络中的打车者数量增加了。但是降价的第二个重要效应，就是使平台对uber的司机更有吸引力，他们看到了所有的新乘客，然后蜂拥而去。降低网络一边的价格增加了网络双边的需求，创造了额外的利益。
了解双边网络经济学的公司已经蓬勃发展。例如，信用卡向消费者和商家提供了有价值的服务。理论上，发卡机构可以对这个双边市场两头收费。在实际操作中，它们有时的确这样做，也就是对消费者收取年费，对商家收取2%以上的交易费。事实上，在早期的时候，几乎所有的发卡机构都要向用户收取用卡的特权费。但是，它们越来越倾向于利用免费使需求最大化，而不是向用户收费。这样一来，发卡机构在双边市场的另一边就赚了更多的商家交易费。通过降低年费和卡上的其他用户费用，发卡机构不仅可以增加信用卡的市场份额，而且还可以增加网络对商家的吸引力，以及随之而来的交易收费。
如果免费发卡增加了需求，那么为什么不更进一步呢？免费发卡并向消费者提供补贴是否有利可图？许多信用卡公司都认为答案是肯定的。这些发卡机构向用户支付1%或更多的现金，或者在消费者用卡购物时向他们提供常客里程。有些机构甚至对持卡的消费者直接发放现金奖励。就普通商品而言，对产品或服务收取负价格是没什么道理的，但是对于双边市场来说，这可能是可持续和不断赢利的战略。 先予后取
一些传统的战术和战略决策依然存在。例如，在信用卡市场上，为什么通常对消费者补贴，对商家收费，而不是反过来？我们较早时介绍了需求弹性的概念，它是一个关键的考虑因素。想象一下，降价会获取多少额外的用户，反过来，提价又会损失多少用户？聪明的战略是在需求弹性较大的市场某一边降价，同时在弹性较小的另一边提价。第二个因素是所谓的交叉弹性。它是指市场某一边降价时另一边发生的事情。交叉弹性越大，对市场另一边的影响就越大。
在信用卡的例子中，以上因素有利于对消费者降价，对商家提价。许多消费者注册信用卡的费用很低，可能免费，甚至还有补贴。反过来，大量消费者持卡又驱使市场另一边的商家接受这些信用卡，即使它们需要支付比想象中更多的交易费用。最终的净结果可能是平台所有者的市场份额更高，利润也更高。
转换成本是另一个因素，它可以对双边网络或更简单的单边网络产生很大影响。如果从一个网络转换到另一个网络很容易，那么平台投入大量资金来吸引用户的动机就要小得多。用户可能会拿走平台的激励，然后过一天就转换到另一个网络。而如果转换成本很高，那么一旦用户加入网络，一种攀比效应就很可能应运而生。其他用户也将加入，稍后，即使初始激励消失，用户仍然觉得其他平台不具有吸引力，这不仅是因为转换成本，而且还因为网络上的所有其他用户。用经济学家的话来说，这些用户被锁定了。
根据定义，当网络效应很重要时，较大网络比较小网络对新用户更具吸引力，因此，规模最大的网络将吸引更多的用户，从而扩大其优势。换句话说，当网络效应很强的时候，有“赢家通吃市场”的趋势。这种现象为降价提供了另一个动机，至少在最初建立在线业务时是这样。
以上所有影响都会相互作用，所以，为市场双边提供正确激励是一种微妙的平衡。如果平台所有者试图从市场某一边榨取太多的价值，那么这一边的参与者就可能会开始离场，这又使平台对另一边参与者的吸引力降低。于是，双边网络美妙的良性循环变成市场份额螺旋式下降的恶性循环。
此外，平台所有者不能只关心定价。他们有其他各种各样的管理杠杆，包括用户界面和用户体验、声誉系统、营销预算和核心网络技术。最成功的平台所有者精心管理从市场每一边的参与者那里得到的价值，而且不会太贪心。
一旦了解了双边市场的逻辑，下一步就是将其应用于多边市场。双边市场往往会变成具有数十个甚至数千个不同的、通过该平台互动的小群组的多边市场。例如，itunes是在iphone上获取音乐的好方法。在itunes上投放音乐的艺术家越多，购买iphone就越有吸引力。这是一个很好的双边网络。但是，iphone销量的增长不仅使itunes对音乐艺术家更具吸引力，它也使平台对一众开发商的价值增加，如pandora、waze、uber、来福车、evernote、sh of ns及其他移动app。还有，平台上的app越多，它对用户就越有吸引力。即使新的参与者将不同产品销售给不同群组的消费者，多边网络中的每位参与者每次都可以在其他参与者加入时受益。
平台变得如此强大的原因之一就是这些互动。对于任何个人用户而言，一种产品对另一种产品的交叉弹性可能都很小，但是在一个充满免费、完全和即时的数字化产品与服务的世界中，每位用户的小小捧场可能都会被乘以数百万名用户的采用数，从而为平台及其参与者创造几乎不可阻挡的优势。归根结底，整个生态系统的有效管理不仅为平台所有者创造价值，而且惠及每位参与者。 对平台经济的疯狂投资
让我们回到uber的例子，看看以上因素如何相互作用，在这个例子中，它们相互强化。首先，当uber降价时，乘客数量就会上升，就如一家公司降低任何普通产品的价格导致需求上升一样。相对而言，uber的乘客的需求更有弹性，这使得在收入矩形较长、较低和面积较大之处定价很有吸引力。其次，因为uber是一个双边网络，所以需求的增长不仅会影响使用寻找司机的app的消费者，它也增加了对使用寻找乘客的app的司机的需求。事实上，随着乘客数量及密度的增加，司机每小时的候客时间减少了，赚的钱更多了。再者，转换成本的存在使早期阶段投巨资兴建网络有吸引力，由此吸引了更多用户和乘客。
uber的投资者正在下赌注，他们认为双边的网络效应和转换成本足够大，值得投资数十亿美元，鼓励乘客和司机采用该平台。他们的战略很复杂，地理位置不同的市场都有自身的本地网络效应。如果在北京打车，那么uber在纽约或新德里的很多司机是帮不上忙的。这不是一场只有一个大赢家的战役，竞争者有数百家，在不同地域只产生很弱的网络效应。它们有赢有输。
uber在建立平台时有两大优势。首先，它有一群财大气粗而且耐心的投资者，他们愿意为uber的扩张支付费用。这些初始费用数额巨大，涵盖了技术开发、市场营销、司机招聘、人员配备等，据估计，截至2016年7月，uber已经筹集了超过150亿美元的贷款和投资，用于支持其全球扩张。
uber的第二个优势是：一旦该公司激活网络效应，达到规模，那么在世界上某个地方安排乘车的边际成本就会非常低。免费、完全和即时的经济学将占主导地位，而这些特征将导致非常低的价格。因此从理论上说，uber最终将能够设定使总收入最大化的极低价格并从中获利。拥有一个主导平台将使该公司价值不菲，从而给支持它初期增长的投资者带来回报。
这种原理已经在许多平台公司奏效了，它提供了有力的例证，数字化平台和比特经济完全适合需求弹性高的市场，也就是那些在需求曲线下方及远端大有潜力的市场。诚然，面对新的竞争、管理错误或技术变迁，平台经济学也不能“包治百病”。当今的任何平台都不能骄傲自满。 压力重重的传统企业
成功的平台对消费者来说是好事，关于这一点，只要看看图8–1收入矩形之上的消费者剩余有多少就明白了。但是，它们对由原子经济学原理主导的传统企业提出了挑战。对于出租车和其他汽车来说，捎带某人穿越小镇的边际成本显然不是零或者接近于零，原因是汽油和司机都是要付费的。因此，大多数传统公司喜欢在需求曲线的高点运营，那里的价格高一些，虽然总需求会低一些。
有两股力量把价格往下推。首先是消费者，他们显然希望尽可能少地付出代价，因而与试图快速扩大网络的平台建设者联手。其次是多数市场都有许多供应商争抢生意，而且许多其他潜在供应商正在虎视眈眈。平台通常通过降低进入壁垒来激化同业竞争，使供应商的产品大众化，消费者更容易改变其选择。竞争和大众化当然会导致降价，于是生意最终会落在愿意以最低价供货，同时又能保持可接受质量水准的公司头上。简而言之，平台建设者和消费者都希望价格低廉，而供应商之间的竞争则往往玉成其事。再者，平台往往有潜力提高利用率和效率，从而进一步拉低价格。 未完成的革命
我们前面已描述了在线平台非同一般的颠覆力量。在一个接一个的行业中，在线平台击败了传统企业，转移了利润和价格，支撑着重要新兴企业的崛起。它们具有驾驭网络效应和比特经济的能力，能够掌控用户界面和用户体验，又频频对令供应商备感痛苦的价格情有独钟，所有这些都给平台公司带来了巨大的优势。
这些优势是不可逾越的吗，是普遍的吗？换句话说，平台是不是会遍布各地，接管一切，摧毁老牌公司，或者把它们挤压到先前的薄利境地？正如我们所看到的，这是过往20年一再发生的事情。我们满怀希望地阐明观点：接下来还有更多事情发生，平台带来的变革还没有完成。
但平台也不会破坏以前存在的一切事物。平台的颠覆潜力是真实的、巨大的，但并不是无限的。例如，即使爱彼迎已经获得广泛迅速的传播，许多酒店仍然做得有声有色。酒店业基准公司str发现，2015年和2016年，美国酒店业的整体入住率达到了最高纪录，而且高入住率并不总是通过折扣来实现。2015年，洛杉矶的每日酒店价格上涨了8%，尽管爱彼迎的房屋出租占整个住宿市场的12%。 业务的差别
为什么平台深刻颠覆了城市周边地区的旅游生意而不是住宿生意？究其原因，穿越城镇在很大程度上是一种无差别的体验，而住宿过夜则绝对不是。在产品或服务之间没有很大差异的情况下，平台特别擅长取代传统企业。
从本质上说，居民、游客和商务旅客想去某市某地时都有相同的目的，那就是能快速、安全、省钱抵达。有时，车辆的豪华程度和设施很重要——例如公司想向客户展示其对业务的重视，但大多数情况并不如此，车子只要足够干净就好了。对于以上的所有群体来说，搭乘uber就可以达到目的，因为他们的目的是相似的。我们的个人经验表明了这一点。在我们居住的波士顿，以及在我们商务旅行和休闲旅行所至的世界各地，我们已经无数次使用uber。如果出现的是梅赛德斯s级轿车而不是丰田普锐斯轿车，那当然是意外的惊喜，但它并没有从根本上改变我们有效地从a点抵达b点的价值主张。
另一方面，旅客住宿的差别很大，而且这些差别很重要。经济型游客想住在一个便宜的地方，想要一个有趣的邻居，而且他们通常想听当地人的建议，想知道该干些什么。与此同时，商务旅行中的典型专业人士要出席市中心的会议，他们想要洗衣服务、健身房、开会场地和早上送到房间的咖啡。爱彼迎是帮助旅客找到住宿的理想平台，但坦白讲，它对于那些真正想要酒店及其一揽子服务的商务旅客来说用处不大。如果一家公司自己想开会，需要宴会厅、会议室、餐饮和整体组织协助，那么爱彼迎几乎没有任何用处。
这种对比强调了一个事实：虽然城市乘车可能接近于每个城市的单一产品市场，但城市住宿显然不是这样。本质上，爱彼迎通过其平台在住宿市场上引入了第二种服务，与传统酒店服务相比，它针对的是希望有不同体验，而且往往能省钱的人士。这种服务是各式各样的短期民宿，通常包括与民宿房主的交流。它已经相当流行，住宿市场因其而得到扩展，而不是被其挤占。
平台给酒店业带来的颠覆正在我们期待的地方出现，即两种服务的边界之处。经济学家乔治斯·泽尔瓦斯（georgios zervas）和达维德·普罗塞尔皮奥（davide proserpio）的研究发现，5年内，得克萨斯州奥斯汀市的整体酒店收入下降了10%，他们把原因归于爱彼迎，但它的“影响并不均匀，价格较低的酒店和不向商务旅客提供餐饮的酒店受影响最大”。 持久的差异化
有几个因素使酒店业不至于成为无差别的单一产品市场，因此它不容易被平台颠覆。商务旅客经常想住在特定的酒店，或者住在有他们喜欢的有奖励计划的连锁酒店。客房的家具和设施也有很大、很重要的差异，有些更适合家庭住宿或长期住宿。在第一波电子商务浪潮中，priceline试图建立一个忽视这些差异的平台，它只根据旅客对给定质量水准的支付意愿将其与客房进行匹配。这种做法遭到许多酒店的强烈抵制，最终失败。现在，priceline经营着一个更传统的旅游网站，正如我们在前文所看到的，它采用通过测试和实验来改进网站的严谨方法。最近又出现了像hotel tonight这样的平台，它们把当天入住的旅客与当晚有客房的酒店相匹配。这种服务提高了入住率，但似乎对行业没有太大的震慑力。
如果产品有差别，而且客户会被特定的公司或品牌锁定，那么平台的颠覆潜力可能更加有限。还有什么能限制它吗？好吧，美国国防部似乎不太可能会转而采用数字化平台来采购军方的下一代战机或潜艇。这是因为市场上潜在的参与者太少了，只有一个买家和寥寥无几的卖家。此外，这种交易非常复杂，需要大量的沟通。参与者极少、产品极复杂的市场可能是平台最不容易颠覆的。因此，设计和建设发电厂，为大规模并购提供税务咨询，以及协调所有细节、把世界各地的艺术品汇聚起来举行博物馆大展，诸如此类的活动可能会像以前那样继续进行，它们不会被数字化平台接管。 本章总结
? 在蔓延到整个行业的过程中，平台可以获取许多、大部分甚至所有的价值。
? 平台在捕获和创造价值方面取得成功，部分原因是它们减少了以前阻碍一些有益交易发生的信息不对称。
? 许多平台的关键在于双边网络的力量，对一组客户和产品的决策会深刻影响另一组客户对不同产品的需求。
? 具有双边网络效应的平台可以变成多边网络，从而放大交叉弹性的作用。
? 转换成本会暂时锁定客户，增强对平台进行早期投资的激励，促使其扩大市场份额，以期日后获益。
? 随着平台的增长，传统企业会发现自己看起来像公用事业，赢利和增长的机会都减少了。
? 流行平台可以快速建立强大的品牌。这有时会鼓励它们试图压低现有品牌的价格。
? 当实体产品和服务有差别，而且客户可以被锁定时，o2o平台的颠覆潜力更为有限。 问题
a 在未来3—5年，你所在行业的产品和平台混合在一起的几个场景是什么？
b 如果你所在行业的信息不对称减少了，那么会有什么样的新机会和新业务？
c 为了避免平台可能给传统企业带来的产品大众化和降价现象，你主要的战略是什么？
d 如果你正在打造一个双边或多边网络，那么你愿意让市场哪一边免费参与甚至给予补贴？哪一边的需求弹性最大？
e 随着平台的传播，你有信心可以继续使产品有所差别吗？如果有，原因是什么？差异化的可持续来源是什么？
[1] 小米在2015年4月打破了移动电话24小时销量的吉尼斯世界纪录。kevin lynch. “mi sells 2 million smartphones in a day to set sales world record,” guinness world records, april 9, 2015. http://.guinnessworldrecords/news/2015/4/mi-sells-2-million-smartphones-in-a-day-to-set-sales-world-record-376583.
[2] 2016年1月，甲骨文公司的律师劝说一位联邦法院法官发布谷歌在安卓系统方面的收入分享协议的详细信息，这是与甲骨文java技术的版权侵权声明有关的长期诉讼的一部分。在法庭上口头披露该项估计的律师并没有说明数据来源，甚至也没有说明数据涵盖的时间段。其后，谷歌促请法官修改并封存公开副本中与该项披露有关的部分内容，原因是“非公开的财务数据非常敏感，公开披露可能对谷歌业务产生重大的负面影响”。joel rosentt and jack rk. “google’s android generates $31 billion revenue, oracle says,” bloomberg, january 21, 2016. https://.bloomberg/news/articles/2016-01-21/“google-s-android-generates-31-billion-revenue-oracle-says-ijor8hvt.要估计安卓的利润是困难的、主观的。公平地说，它可能包括谷歌应用商店的所有收入，其中谷歌收取30%，开发商获得70%，还有一些收入来自移动搜索广告和移动展示广告。nichs iovino. “oracle wins chance to see google contracts,” courthouse news service, january 14, 2016. http://.courthousenews/?s=oracle+wins+chance+to+see+google+contr-acts.
[3] “柠檬”指的是外表完好但实际上机件很糟糕的汽车。
[4] 由于种种原因，汽车质量自1970年以来有了很大的提高，所以与以前相比，现在听到“柠檬”一词如此使用并不常见。
[5] 法国长途共享汽车公司car体现了尤其精确的评级。该公司的名字来自司机和乘客的对话偏好：“”指他们不喜欢和车里的人交谈，“”指他们愿意说几句，“”指他们聊得正欢。rawn shah. “driving ridesharing sess at car with onlinemunity,” forbes , february 21, 2016. http://.forbes/sites/rawnshah/2016/02/21/driving-ridesharing-sess-at-car-with-onlinemunity/#73ea3e4679a6.
[6] 本杰明·埃德尔曼、迈克尔·卢卡和丹·斯维尔斯基在一项实验中发现，平均来说，对于新建个人资料中包含非裔美国人名字的潜在客人，爱彼迎房主向他们出租房间的可能性低了16%。benjamin edelman, michael luca, and dan svirsky. “racial discrimination in the sharing economy: evidence from a field experiment,” ben edelman.org, september 16, 2016. http://.benedelman.org/publications/airbnb-guest-discrimination-2016-09-16.pdf.
[7] 有关pxq（价格乘以数量，即收入）矩形的说明，请参见图6–3。
[8] 2016年，uber、牛津大学和芝加哥大学的经济学家进行了一项研究，它使用4个美国城市近5 000次搭载“uberx”的数据来估计服务的实际需求曲线。结果表明，这条曲线实际上随着价格的下降而趋于平坦。peter cohen et al. “using big data to estimate consumer surplus: the case of uber,” august 30, 2016. https://cbpp.georgetown.edu/sites/cbpp.georgetown.edu/files/consumersurplusatuber_pr.pdf.
09 大众的勃兴
我希望，在我们的档案和未来的历史文件中，我们不允许等级森严、故作高深的技术传统凌驾于多姿多彩、如梦如幻的人类生活之上。
西奥多·纳尔逊（theodore nelson），2008年
在网络突然进入主流之前不久，作家罗伯特·赖特（robert wright）预言了其最重要的一个结论。在1993年9月13日发行的《新共和》杂志上，赖特发表了题为“美国之声”的文章，介绍初涉us的体验。us是按主题组织的一系列在线讨论小组，20世纪90年代初，它在用户友好方面做得不太好，上网本身很困难，稳定的宽带连接仍遥遥无期。尽管有这些障碍，赖特发现讨论小组仍是充满活力的地方。他写道：“大多数新闻群组的流量来自严肃人群的沟通需要，或者，至少是他们真正想要的沟通。虽然话语水平参差，但往往很高。”
赖特敏锐地点评了此后数年“百家争鸣”的在线讨论和文化的诸多方面，从易于发现共同兴趣到表情符号等。对于关心网络如何影响商业世界的人来说，他最重要的见解就是网络使得解答问题变得轻而易举。他当时提问：“为什么一组标准的高尔夫球杆不再包含2号铁杆？”48小时内就出现了几十种答案。
赖特为他的问题找到一个“合理答复”，[1] 同时得到一个观点：比回答问题的能力更重要的是“谁在作答”的现象。“网络事物改变的是交流的任何约束。距离不是障碍。种族没有关系。无论你是帅哥还是美女，都不影响你的受尊重程度……这确实导致了一种更自由、真正脱离肉身的精神交融。”
当年早些时候，当绝大多数人还懵懵懂懂时，赖特已经意识到网络世界的核心：这是一种前所未有的手段，将世界各地、各色人种的各种知识聚集在一起。而知识的大量收藏是有价值的，因为人们可以轻易地求教，从而变得更聪明。 人人即大众
要知道，以上知识观念本是图书馆的逻辑，而图书馆则是人类文明最古老、最持久的机构形式之一。它们由君主、教会、民主选举的政府和慈善家资助建设，通常拥有经过培训的专业人员，由这些人选择、安置和维护馆藏。图书馆专业人员是我们所说的“核心”的一个绝好的例子，我们将它定义为前互联网时代居于主导地位的组织、制度、群体和流程。我们把话说在前头：核心没什么不好，也没有过时。我们俩一生都在使用图书馆并从中受益，我们对麻省理工学院的优秀图书馆系统感到无比自豪。
赖特预见到核心的替代方案行将出现，即使他未必预料到其发展规模和速度，我们将这个替代方案称为“大众”，并将其定义为网络及其伴生技术所激活的新参与者和新实践。今天的网络是一个由大众生成的图书馆，是一个巨大的、蔓延的、不断增长的、不断变化的图书馆。就像大众的方方面面一样，它由免费、完全和即时的数码经济学原理促成，实际上，它严重依赖这些原理。如果我们每次访问网络或为其添加内容时都必须付费，那么今天的网络将不会存在。
网络与现实世界的图书馆有区别，这种区别凸显了大众与核心的不同之处。首先，网络更大。人类历史上已出版了约1.3亿本书，其中约有3 000万册收藏在世界上最大的实体图书馆，即华盛顿特区的美国国会图书馆。相比之下，现代搜索引擎2015年可见的那部分网络已达大约450亿个网页之巨，可访问的私密网页数量更多。由于谷歌和其他机构的扫描工作，网络中现在还包括至少2 500万册图书的数字化内容。
在线世界还以许多不同的形式生成信息。图书馆通常有某种程度的专业分工，如书籍、地图、档案记录等分类，但网络无所不包，它涵盖了文本、音乐、图片、播客、视频、虚拟现实环境等。而且所有这些内容每时每刻都在增多。例如，仅网站youtube就估计有8 000万个视频，而facebook和其他网站上甚至更多。没人“负责”这一海量内容，没有任何人或董事会来决定是否需要增加一个共享照片设施，或者审批博客、twitter或新闻推送的丰富内容。核心的特点包括政府机构、审批环节、具有正式否决权力的人和团体。对大众来说，虽然也有一些非常有影响力的信息经纪人，但是这类事情毕竟少得多。 不成规矩的规矩
大众没有核心那么守规矩，这是缺乏层级制度的必然结果。本质上，大众的分权化和不受控制是有意而为。这种结构促进了自由表达和创新，这是件好事。
但好事也有例外。大众不受控制的性质带来了两个难题。首先，不受控制的信息海洋由无数川流不息的信息小河汇聚而成，你很难从中找到想要的东西。
核心通过管理内容来解决这个搜索问题，即控制可见的内容并用人类智慧对其进行组织。因此，图书馆有采购部门和卡片目录，杂志有编辑和内容目录等。在网络发展早期，许多人尝试用类似方法来管理大众产生的内容。雅虎（yahoo）公司名称的原意就是“另一家按等级组织的数据库”（yet another hierarchically organized oracle ），而且，作为网络“卡片目录”的一个类别，作为一组由人类创建并维护的网站类别和子类，这个名字格外显眼。[2]
然而，随着在线内容持续呈指数级增长，雅虎及其同行举步维艰，许多观察家认为，网络即将（或已经）成为一个积重难返的无组织乱局。正如数学家兼作家约翰·艾伦·保罗斯（john allen paulos）在网络初期观察到的那样，“互联网是世界上最大的图书馆。只是所有的书都在地板上。”
令人惊讶的是，这个问题的解决方案来自内容本身。拉里·佩奇rry page）和谢尔盖·布林（sergey brin）还在斯坦福大学计算机科学系读书时就认识到，许多（如果不是大多数）网页内容通过链接指向其他内容。归根结底，这就是蒂姆·伯纳斯·李把它命名为“网络”的原因。他们推测，这些链接可以用来构建一个包含所有网络内容的索引，在那里，一个给定主题的“最好”页面就是被最多其他页面所链接的页面。从某种程度上讲，这是建立学术声誉的方式，即关注哪些论文被其他论文引用的次数最多。佩奇和布林加了一个巧妙的抓手，他们计算被链接页面反过来链接了多少最初链接它的页面，如此往返，给出每一个链接的权重。
佩奇和布林开发的算法创建了每个页面的排名系统，它被称为“pagerank”（网页排名）。他们描述这种方法的论文的标题是“大规模超文本网页搜索引擎的解剖学”，该文于1998年4月在澳大利亚布里斯班举行的第七届国际万维网大会上被宣读。这对“双子星”于1998年9月在硅谷创建了一家公司，并把他们的方法付诸实践，公司最初的名字是backrub，后来更名为谷歌。
谷歌认识到，大众创造的在线内容虽然不受控制，但也不是毫无组织的，这一认识改变了世界。实际上，在线内容具有非常精巧细腻的结构，但它不是任何人类核心群体有意决定的结构。相反，一旦用谷歌的pagerank算法及所有相关方法进行分析，它的结构就从内容本身浮现出来。随着内容本身的变化和增加，这种浮现的结构也与时俱进，使得我们能够顺利、轻松地浏览大众带来的所有东西。
不受控制的人群不可避免地带来第二个问题，那就是有些成员行为不端，有如害群之马。核心可以照章驱逐坏人，如从公司除名，赶出图书馆，停发工资等，但网络真的做不到，使用其他用户名或ip地址登录，[3] 或者隐姓埋名，这些都轻而易举。因此，正如第7章讨论的那样，我们看到了各式各样的可恶言论、不良举止和犯罪行为。
不端的行为令人痛心，但对大众的想法并不致命。首先，大多数的参与者不是坏人。我们诚心创造，诚心贡献，所以，好内容远远超过坏东西。此外，像谷歌这样强大的搜索工具可以帮忙将不良内容放到眼光不能及之处。而且，网络上最流行平台的构建者大多采用一种开明的方式，他们遵循以下建议：“以诚信为本，并假定他人也同样具有诚信”，这被归结为维基百科的支柱之一。
这些平台构建者不是试图评估潜在成员的不良行为倾向，而是随时监督人们在做些什么，并且在必要时采取行动。此举大体上行之有效，它使大众急剧增加，也没被坏人毁掉。
温和的管制并未使所有大众群体获得同样的成功。它在2016年遭受挑战，facebook和其他社交媒体出现虚假消息，twitter上出现大量的种族主义、性别歧视、反犹太主义和其他卑鄙言辞。吉米·威尔士（jimmy wales）认为，相对而言，他参与创建的众包式百科全书——维基百科对假消息具有免疫力，部分原因在于其治理方法。通过采用正确的原则、规范、制度和技术，大众可以做很多工作来维持质量标准，当然可能还有其他的权衡因素，如参与者发布新内容的难易度和速度，他们分享的速度，哪些人在浏览，以及从内容可以赚多少钱等。本章稍后将讨论其中的一些原则。
我们在2017年年初写这本书的时候，那些让大众发出声音的大平台如何应对上述挑战还有待观察。我们相信，有效的解决方案可能来自人脑和机器的结合。在这里，一种有希望的方法是让人标出虚假内容或不适内容，并训练机器学习系统自动发现它们。 市场与大众
图书馆和网络之类的大量信息集合体显然具有价值，因为我们可以从中求教和学习。许多大众创建的集合体还有另一个好处：伴随着许多人贡献的累积，它们自发地产生了新知识。这是一种每时每刻都在切实发生的“魔法。”
奥地利经济学家弗雷德里希·哈耶克于1945年发表“知识在社会中的运用”（the uses of knowledge in society）一文，成为第一个点明这种好处的人，他也因此成为一尊“大众守护神”。当时，一场关于苏联等中央计划经济体是否优于自由市场经济体的激烈辩论正在进行，前者由单一核心负责创造、分配产品和服务，后者则由不定向的分散大众完成计划和生产任务。许多人认为中央计划将是（或至少可以是）较优的。然而哈耶克用一页纸说明了他们的错误。 哈耶克之辩
哈耶克坚称中央计划无法奏效，究其原因，“经济演算的起始‘数据’永远不会为了整个社会而‘给予’一个能搞懂其含义的单一头脑”。但是，为什么不会呢？特别是我们现在有了这么强大的监控和分析技术，为什么不把传感器放在所有的装备上，然后进行调查，倾听社会媒体，了解每个人的偏好，并将所有这些数据提供给一个“单一头脑”，即一个巨大的、能不断运行直至“搞懂其含义”的经济优化算法？哈耶克解释说，因为该算法永远不会得到它实际需要的所有数据，它永远不能“确保最有效地利用社会上任一成员所知的资源，只有这些人才知道这些资源的相对重要性”。
哈耶克认为，某些像波兰尼悖论一样的原理适用于整个经济。我们不能说出自己所知的、所有的、想要的或者重视的一切。因此，任何中央计划核心的巨型优化算法都不可能拥有真正需要的数据，它会做出离奇古怪乃至适得其反的事情。某人驾车在城镇到处转，帮忙找你去年想要但已不再在乎的圣诞礼物，这像是在做有社会意义的好事，但实际上是在犯糊涂。即使中央计划者总是按照他人的最佳利益行事（这本来就不可能），过度集权也将造出一个受严格控制且充斥官僚主义的经济体。
自由市场经济如何做得更好一些呢？让人们彼此自由交易，没什么中央控制，物价既平衡了供需关系，同时也以极其简洁的方式在经济体中传递关键信息。哈耶克写道：
“价格”的奇妙之处在于，在某种原料稀缺的情况下，没人发出指令，没多少人知道原因，但成千上万的人会更节约地使用此原料及其制品，也就是说他们做对了，而他们的身份则需要调查几个月才能确定……我相信，如果“价格体系”是人为设计的结果，如果以价格变化为指导的人们明白，其决策的意义远远超出了他们的直接目标，那么这个机制将被誉为人脑最伟大的胜利。
哈耶克的论文预测了与20世纪后期的复杂性理论相吻合的许多想法，这些想法强调，个别成员的行为可以产生对整个大众非常有价值的信息。而且，这些信息通常不能通过观察少数成员来逐渐收集。只观察几位矿工或金工是永远搞不懂锡价的。因此，市场被称为“浮现的”系统，价格从所有成员的互动中浮现，不能仅从几个事例中观察得到。 基于市场的解决方案
群体通常以浮现的方式行事，从而产生知识。随着群体上线，成为大众，创新者发现了检测和收获这类知识的不同方法。预测造市是其中最早的方法之一，也是最直接来自哈耶克洞见的方法。预测造市的对象不是产品市场或服务市场，而是未来的事件，例如某人会在2020年当选美国总统，某部即将上映的大片在第一周就能获得5 000万到1亿美元的票房收入，或者美国官方的下季度通胀率平均超过3%等。
预测造市如何运作呢？首先，造市商创造一组可以让参与者买卖的证券，一如他们在纽约证券交易所或纳斯达克证券交易所出售某家公司的股票。举例来说，要做成这件事的一种方法就是创造一只证券，如果一个季度的通胀率平均超过3%，它就支付1美元，如果不超过则分文不付。接下来，造市商邀请一群参与者入市，人越多越好，鼓励他们开始相互交易证券。与那些认为通胀率低于3%的人相比，认为它超过3%的人将愿意花更多的钱来买这只证券。如果证券的价格稳定在0.70美元，那么合理的解释就是：市场整体认为该季度通胀率平均超过3%的可能性有70%。这种做法也适用于预测上述票房收入在5 000万到1亿美元之间的电影，或者2020年当选总统的人。最终，事件真正发生，在本例中，也就是季度结束，平均通胀率可以计算，此时，造市商向所有持对证券的人付清。实际上，如果通胀率平均超过3%，那么所有持“3%以上”证券的人就可以按每股1美元结算。
预测造市的结果证实了哈耶克对市场价格的知识聚合力量的见解。在刚刚描述的市场中，最终每股价格约为0.70美元的事件往往有70%会发生，从而使得这些价格成为相当准确的概率估计。
预测造市是否优于其他预测方法，例如民意调查的适当加权平均，或者第1章所讨论的菲利普·泰洛克界定的超级预测者？这个问题是有争议的。但很少有人怀疑预测造市在正确的条件下是非常有效的。经济学家罗宾·汉森（robin hanson）对预测造市的理论和实践进展贡献最大，他说：“预测造市反映了市场定价的根本价值原则。信息往往分散在经济角色之间，很需要找到一种收集和汇总这些信息的机制。自由市场通常会很好地管理这个过程，因为几乎任何人都能参与，而潜在的利润和损失则为搜索更佳的信息提供了强大动力。” 如何组织大众？
价格体系备受哈耶克看重和赞赏，并被汉森等人加以创新运用，它是市场参与者行动和互动的奇妙副产品。换句话说，大多数价格并不是任何有意努力创造并传播系统性知识的结果。如果有人的确做出这种努力，比如试图召集一群在线大众，让他们共同创造一些东西，那么，情况又会怎样？
这似乎是一个不切实际的天真想法，我们很容易开列一份清单，指出这样做很难奏效的原因。谁会抛头露面为这样一个项目工作，特别是，如果连报酬都没有？什么人可以确定这些抛头露面的人其实是靠谱的人？工作应如何分工，谁来做分工？什么是好的或足够好的贡献，谁来制定和执行这些标准？在数千年的人类历史上，我们已经开发出形形色色的核心来解决这些问题。大众又如何做同样的事情？ 自由至上
假设以上问题在1991年8月25日让莱纳斯·托瓦尔兹（linus torvalds）感到困扰，那么这问题也阻止不了他在专攻“minix”电脑操作系统的us讨论群组发布以下消息：
各位minix大神，大家好！
我正在为386／486克隆电脑编写一个（免费的）操作系统（这只是一个兴趣，不会像gnu[4] 计划一样那么高大上）。此事自4月以来一直在酝酿，也差不多准备好了……我想知道大多数人想要什么功能。欢迎任何建议，但我不能保证它们会被付诸实施：)
托瓦尔兹当时正在为他着手编写的一个电脑操作系统求助。这还是相当新鲜的工作，但是他已经在内核方面取得了很大进展，而内核是操作系统的核心，也是最复杂的元素之一。托瓦尔兹不想购买微软视窗之类的完全商业化产品，而是想创建一个自由的操作系统，自由的意思不仅是“自由免费”，而且还包括“自由查看、修改和扩展”，或者，就如开发者社区喜欢解释的那样，“自由”的意思是“言论自由”而不只是“喝啤酒自由”。相比之下，微软公司并没有公开视窗操作系统的源代码，也就是系统的底层软件，因此在该公司之外，没人知道它如何工作，也没人有能力去修改它。“自由开放源代码”软件社区的人士认为，这样做缺乏透明度，是一个错误，原因有很多，托瓦尔兹同意他们的观点。
托瓦尔兹在1991年4月首次描述的操作系统被称为linux，他最初声称该系统“不会‘高大上’”，这个说法肯定会成为电脑史上最不准确的表述之一。在所有操作系统产品及其衍生产品中，linux毫无疑问是世界上最大、最专业的操作系统，今天，从比足球场还大的数据中心的服务器，到超过15亿部安卓手机和平板电脑里，人们都可以找到它。 大众原则
对linux系统历史的研究揭示了几个原则，就汇聚大众做大事而言，这些原则看起来很重要，或许至关重要。它们包括开放、不唯资历、工作可验证且可逆、结果明确、自组织和极客领导力。
开放。 托瓦尔兹最初求助时，他尽可能做到广开言路，他不局限于企业，不局限于有操作系统编程经验的人，也不局限于其他任何特定的群体。对很多人来说，这种做法似乎很奇怪，很有误导性。不管怎么样，如果你正在建房子，那么你不太可能发表公开讲话，让人们只奔建房而来，然后开始将东西摆在一起。但是，这种做法已经明显奏效。2015年之前的10年里，有1.18万名开发员以个人名义为linux内核做出贡献，包括三星、ibm、谷歌和英特尔在内的主要技术公司都贡献了资金和人才。我们在第6章注意到写智能手机app的动机有很多，人和组织也有许多不同动机为一个开源操作系统项目做贡献。由于其开放性，linux能够博采众长。
不唯资历。 需要特别提及的是，开放有一个非常重要却违反直觉的特点，那就是不唯资历，或者说抛弃这么一种观点：只有在具备文凭、职衔、推荐信、工作经验、良好成绩等一定资历时，人们才可以被允许做事情。托瓦尔兹不需要、甚至也没有要求这些。他只是提供了linux的源代码，并要求人们帮忙改进。对于身兼作家、出版商和技术专家职务的蒂姆·奥赖利（tim o’reilly）来说，这是一个先例。2005年，奥氏提出了当时正渐为人知的第二代网络（web 2.0）的关键原则：信任用户，他们是共同开发者。然而，托瓦尔兹当时并不知道这一点。他在2016年直率地承认，“使用开源方法时并不带有今日所想的改进它的目的。它更像是‘看，我半年来都在做这事，很乐意看到评论’。”但是，不要求贡献者证明资历的亮点，就是不拒绝那些没有任何资历的人，我们不妨设想一名喜欢编码但没有任何“真正”程序员标识的高中生，或者设想那些资历可能不足够、不合适的人。
工作可验证且可逆。 开放和不唯资历对软件开发有效果，而且效果比建房子要好，原因在于：要看出一种新推出的软件是否奏效是相对容易的，如果不奏效，要拒绝它也不难。例如，打印机驱动程序必须使打印机正确可靠地打印输出页面，如果做不到，它就不应该被纳入操作系统。有许多方法可以验证软件质量，如目测代码、到位测试等。这意味着编写操作系统与写小说、谱写交响乐谱等其他创意产品的创作截然不同。假设有人提出为一部小说多写一章或增加一个角色，那么，这样做是否有好处既搞不清楚，也无法进行外部验证。
客观的、可验证的质量措施有助于解释为什么由大众编写的linux是世界上最受欢迎的操作系统，但据我们所知，并没有一个大型组织写出成功的小说。而且，由于免费、完全和即时的信息经济学原理，保留所有先前版本的软件档案既省钱又省力，于是成为标准惯例。如果一段代码会使系统性能降低，那么很容易恢复到不含这段代码的软件的上一个最新版本。当出手的贡献者不能蓄意图谋或无事生非，以不可逆的方式破坏或恶搞软件时，linux更容易保持开放和不唯资历。
结果明确。 出手帮助linux的人会以两种方式得知其工作的最终结果。首先，他们显然知道自己正在编写电脑操作系统。第二点同样重要，他们知道自己的工作在未来如何被采用，又为何不能被采用，例如谁拥有它、修改它，谁从中获利，谁限制它的访问权限等。
在linux历史早期，托瓦尔兹决定把它放在gnu通用公共授权（gnu gpl）下面，这是自由软件先驱理查德·斯托曼（richard stallman）在1989年开发的软件授权，它规定了两个重要的考虑因素。首先，无论最终用户是个人、组织还是企业，软件的运行、学习、复制和修改对他们来说都是免费的。第二，linux的所有修改、扩展和未来版本将同样保持免费。通用公共授权使所有参与linux的人都得到保障，操作系统永远不会被关闭或者变成独家持有，而且他们为linux“添砖加瓦”的规则也不会因时而异。对于相信自由软件运动原则的人来说，这些保障至关重要。以下道理通常是千真万确的：大众想要的清晰度不仅事关如何评估其贡献，而且还包括如何使用这些贡献，以及谁将能够从中受益。
自组织。 人们和组织自行决定做linux哪些方面的工作，他们没有接到托瓦尔兹或其他任何中央权力机构分配的任务。那么，这些工作以什么方式从整体上确保能完成真正重要的任务呢？在这个例子中，具体方式就是让用户领会什么是“重要”的，它实际上意味着他们所做的是与最终用户社区最相关的工作，同时让这些用户能够做出贡献，并且对他们做贡献有一定信心。三星、英特尔等大型科技公司加入linux项目，它们当然指示员工在具体领域开展工作，但项目整体运行仍保持高度分散，即兴发挥。实际上，甚至没人试图坚守一个linux版本。相反，操作系统可以“分叉”，因此它有一个针对raspberry pi进行优化的raspbian版本，而raspberry pi是一种信用卡大小的可编程电脑，售价不到40美元，与此同时，其他linux版本则针对巨型服务器进行了优化。分叉被视为linux的成功证据而不是失控迹象，它表明了让贡献者自己组织的好处，也表明了他们工作的价值。
极客领导力。 随着linux的发展，托瓦尔兹保持着他的影响力，他体现出一种被我们称为“极客”的领导风格。我们并无不敬之意，只是描述技术开发工作中发现的行为和做法，特别是描述那些整合许多本来毫无关联的人和组织的人。极客领导力往往是技术精湛的领导力。托瓦尔兹终身是一名优秀的程序员，这使他的观点在linux社区中享有很高的信誉。极客领导者还能表达他们正在努力实现的愿景。这个愿景不一定很宏伟，托瓦尔兹曾经说过：“我不是一个有远见的人。我没有五年计划。我是一名工程师……我正看着地面，我想在掉下去之前补上眼前的坑。”但愿景确实需要清楚表达，需要能够激励人们投入时间精力来实现它。
为众多计算设备构建一个常年免费的开源操作系统，这显然激励了很多人。我们观察到，极客领导人经常有强烈意愿。托瓦尔兹对他所谓的高品位代码情有独钟，认为它们“真正看大局，本能地知道什么是正确做法”，他还以定期发布措辞强烈的观点而闻名。[5] 这些言辞可能多少疏远了一些贡献者，但它们向整个社区表明，创始人仍然身体力行，无所不知，这是极客领导力的两个标志。
以上原则有助于解释linux的非凡成功，也有助于解释它如何能够汇聚大众，持之以恒地建设、维护和改进一个世界级的操作系统，它是最复杂的软件之一。开放和不唯资历使尽可能多的人得以参加工作。自我安排任务意味着他们按照自己想要的方式工作，这通常被证明是linux最需要的。可验证性确保只让有用的成果在软件中留下来，明确的结果使人们不会感到被欺骗或者工作被侵吞。托瓦尔兹和其他人的极客领导力保持了linux的理想、文化和发展势头。 用足原则
如果协作式在线工作只遵循以上原则的若干条，那么会发生些什么？会取得何种成功？诚然，我们需要做大量的研究才能肯定地回答这个问题。但是，网络时代早期发生了一个既引人入胜又引人深思的实验，当时，吉米·威尔士和拉里·桑格rry sanger）开始尝试创建一本免费、开放、随处可以访问的在线百科全书。
百科全书有着悠久的历史，老普林尼（pliny the elder）的《博物志》（naturalis historia ）是最早的版本之一，它出版于公元一世纪，而且志存高远。伊弗雷姆·钱伯斯（ephraim chambers）声称，他1728年出版的《百科全书：或艺术与科学通用字典》（cyclopaedia: or, an universal dictionary of arts and sciences ）包含了“所有人类知识的总和”。[6] 然而，这些书往往很昂贵，因此是留给社会精英的。
随着网络的出现，威尔士发现有机会挖掘人们的志愿者精神，把浩如烟海的百科全书提供给每个人。因此，他在1999年聘请了当时还在攻读哲学博士学位的桑格，请他帮助开发网络上第一本免费的在线百科全书nupedia。威尔士和桑格开始招募志愿者编辑来帮助实现这一目标。为确保高质量，nupedia制定了这样的政策：“我们希望编辑们成为所在领域的真正专家，除了少数例外，他们必须拥有博士学位。”这本百科全书还为编写和编辑各个条目设置了7个步骤：
1. 分配任务
2.找到一名主要审稿人
3.主要审稿人评审
4.开放评审
5.主要审稿人文字加工
6.开放文字加工
7.最终批准和标记
这种做法是否有效？忙了18个月，花了25万美元，nupedia完成了12个条目，还有150个在草稿阶段。
威尔士和桑格对项目进展缓慢并不满意，他们开始寻找其他方式来创建和改进百科全书条目。2001年年初，他们了解到维基（wikis），它是由瓦尔德·坎宁安（ward cunningham）创建的一个极度平等主义的数字化白板，在那里，任何用户都可以做贡献，编辑别人的贡献，或者撤消任何以前的编辑。nupedia团队根据这个软件建立了一个网站。2001年1月15日，桑格给社区写了一段注记：“听我的。去那里添加一个小条目。它只需要5到10分钟的时间。”
这个网站被称为“维基百科”。当年1月底，它就包含了617个条目。截至2001年年底，条目增加到1.9万。到2016年，它涵盖了291种语言的3 600万条目，维基百科成为全球排名第六的最流行网站。
从nupedia到维基百科，这一转型清晰地释放出巨大能量，威尔士和桑格大获成功，超越了他们为全世界人民创造一本自由开放的百科全书的所有梦想。linux的例子说明了转向维基百科的重要性。维基百科与nupedia不同，它采用了开放、不唯资历和自组织的原则，所以能激活大众。它摒弃了标准化、多步骤工作流程的做法，也不要求编辑是专家或拥有博士学位。相反，维基百科放开手脚，把编制百科全书的工作交给任何人、所有人，让他们走到一起，以他们认为合适的任何方式一起工作。
为了使合作不至于陷入混乱，维基百科很快采用了可验证性原则，这意味着“使用百科全书的其他人可以检查来自可靠来源的信息。维基百科不发表原创性研究。”[7] 通过采用gfdl通用公共授权协议，维基百科还使贡献者确信其工作不会被私人侵吞，gfdl是gpl的衍生协议，它用于文档而不是软件。
威尔士和其他资深“维基人”还行使极客领导力，为百科全书做出了巨大贡献，并积极参与引导其发展。[8] 由此浮现的社区又强化了相关行为规范，它回馈了那些做出贡献的人，并培养了大量的自愿贡献者。[9]
有令人鼓舞的迹象表明，即使在老套、传统的组织中，极客方式也正在得到支持和推动。本书作者之一麦卡菲在2009年出版的《企业2.0》（enterprise 2.0 ）一书中主张采用这种方法，但在当时，组织内部进行开放、不唯资历和自组织工作所需的工具和管理思想还没有出现。现在看来，该有的都有了。
ck于2013年8月面世，这是一种促进组织内部和组织之间沟通协作的小组级工具。它允许多种类型的自由信息流动和非等级通信，包括聊天、小组文档编辑、民意调查等。截至2016年10月，ck拥有超过400万活跃的日常用户和125万付费客户，非付费用户可以使用功能较少的ck版本。看起来，linux和维基百科带来的这种工作风格终于得到主流商业世界的接受。 本章总结
? 大众在许多方面与核心相反，它是巨大的，多样的，很大程度上是不可控制的，而且经常是凌乱的。
? 核心依然有关联、有用处，但是在全球网络和强大平台的时代，大众已然成为越来越强大的力量。
? 然而，大众不是非结构化的。它的结构是浮现的，是从成员的持续互动中呈现出来的。股票市场、预测造市和现代搜索引擎从这种浮现的结构中提取有价值的信息。
? 过度集权会失败，其原因源自哈耶克的洞见和波兰尼悖论：人们往往不能清晰表达自己有什么，知道什么，想要什么，以及能做些什么。
? 大规模的大众可以汇集在一起，打造linux之类的优质产品。这类工作需要极客领导力，遵循开放、不唯资历、自我选择、可验证性以及目标结果清晰的原则。
? 正如维基百科前身nupedia所例证的那样，只遵循以上原则的若干条似乎不能奏效。很难预测如何保持适当平衡，这通常需要试验、试错和运气。 问题
a 你如何运用大众，程度如何？
b 如果可能，你是否允许和鼓励开放、不唯资历、可验证、自组织并且由极客主导的工作？
c 许多组织的内部决策和资源分配过程看起来仍像中央计划经济体一样。你如何整合更多类似市场的机制？
d 你所在的行业中，有没有促进分权，但不一定涉及市场的新技术运用方式？
e 你所在组织的核心是否准备好放弃一些权力和权威？
[1] 讽刺的是，赖特在文章中没有提到这个答案。我们的答案是：2号铁的球杆没有被包含在内，主要是因为它们真的很难使用。
[2] 网络管理者的角色消失之后，雅虎存在的理由也站不住脚了。2016年，verizon同意收购该公司，这被称为“技术史上最痛苦的50亿美元交易”。brian solomon, “yahoo sells to verizon in saddest $5 billion deal in tech history,” forbes , july 25, 2016, http：//.forbes/sites/briansolomon/2016/07/25/yahoo-sells-to-verizon-for-5-billion-marissa-mayer/#7084344771b4.
[3] ip地址是分配给所有访问互联网的设备的号码。
[4] gnu也是一个开源操作系统，这一缩写方式代表“gnu不是unix”（gnu’s not unix）。黑客喜欢这样的递归方式。
[5] 例如，2016年7月，托瓦尔兹就针对“正确的”方式发表意见，力挺程序员为其代码添加注释。他在linux内核邮件列表上表示，“如果网民不能操控这种均衡对称的、传统的多行c语言风格的注释的纯净魅力，那么请直接使用c++语言模式，不要制造讨人嫌的、不平衡的垃圾……我甚至不愿意谈论那些喜欢三缄其口的人，他们靠边站队，把对整件事的想法藏着掖着。如果你在lsd上出声，我肯定这样看起来真的很好。”linus torvalds, linux kernel mailing list post, july 8, 2016, 10:19:26, https://lkml.org/lkml/2016/7/8/625.
[6] 更具体地说，钱伯斯将《百科全书》描述为“包含术语的定义和事物的叙述，因而遍布几个艺术领域，包括自由艺术和机械艺术，以及几个科学、人文和神学领域：自然和人造物品的数字，种类，属性，生产，准备和使用；宗教、民事、军事和商业的兴起、进展和状态，牵涉到好几种系统、教派、意见等；哲学家，神学家，数学家，医师，古物，批评家等。全书旨在作为一门古代和现代学习的课程。”artfl project, “chambers’ cyclopaedia,” essed february 7, 2017, https://artfl-project.uchicago.edu/content/chambers-cyclopaedia.
[7] “可验证的准确性”成为旨在指导维基百科社区的“五大支柱”的一部分。wikipedia, “wikipedia:five pirs,”st modified february 6, 2017, at 10:52, https://en.wikipedia.org/wiki/wikipedia:five_pirs.
[8] 由于治理方面的分歧，拉里·桑格在21世纪初离开了维基百科社区。他当时逐渐觉得该社区的反权威主义是有害的rry sanger [timothy, pseud.], “the early history of nupedia and wikipedia, part ii,” shdot, april 19, 2005, https://shdot.org/story/05/04/19/1746205/the-early-history-of-nupedia-and-wikipedia-part-ii.
[9] 编写维基百科的人没有报酬，他们中的绝大多数都是匿名的，所以名气只是一种有限的激励力量。如加纳·噶鲁斯一项巧妙的实地实验所示，名气似乎的确对识别有作用，即使这些名气只是来自编写维基百科的同行。jana gallus, fostering voluntary contributions to a public good: arge-scale natural field experiment at wikipedia , natural field experiments 00552 (2016), https://ideas.repec.org/p/feb/natura/00552.html.
10 大众与专家的较量
我不禁微笑着想，天才是在多么偏僻的角落里产出了杰作！反复无常的缪斯女神们，通常连宫殿都拒绝踏入，对墨香四溢的书房和富丽堂皇的客厅里那些崇拜者们都吝于露出一丝微笑。可她们却常常光顾怎样的残屋破洞，将其芳心交与那些衣衫褴褛的信徒！
华盛顿·欧文（washington irving），1824年
当事情变得真正复杂时，不要听专家的。相反，要找外人帮忙。
这是创新学者卡里姆·拉哈尼（karimkhani）、凯文·布德罗（kevin boudreau）及其同事进行的一项精彩研究并从中得出的结论。他们想找一种更快的方式对大量人类白细胞进行基因组测序，而白细胞则是身体对细菌、病毒和其他抗原的主要防御手段。 一鸣惊人的新手
这项工作显然很重要，因为我们想更好地了解免疫系统的功能原理。但它也难得出奇，究其原因，白细胞需要产生大量的武器来抵御人体的许多抗原，而所有这些抗原又在不断发展。身体本身有聪明的解决方案，它让抗体和其他武器经由每个白细胞内的基因进行编码，但是，这些基因本身由一长串基因片段组成，有时会产生突变。活跃片段的精确排序因细胞而异，这意味着不同细胞会产生不同武器。这些武器很多，据估计，一个人类白细胞有大约100个相关的基因片段，它们可以组合或重新组合，产生1030 种可能的分子武器。这大约是地球上沙粒的万亿倍。
通常，研究人员的一项重要任务就是注释白细胞的基因，即按顺序正确地识别其每个组成片段。你可能会想象让电脑执行这项工作。然而，它可以用许多不同的方式来处理，而事先也不清楚哪种方法将产生最好的结果，即最快和最准确的结果。由美国国立卫生研究院（us national institutes of health）开发的megast算法十分流行，它可以在约4.5小时内注释100万个序列，准确率为72%。贝斯以色列女执事医疗中心（beth israel deaconess medical center）的拉米·阿尔瑙特（ramy arnaout）博士建立了idab算法，极大地改进了这方面的性能，在不到48分钟内以77%的准确率完成了等量的注释。
为了看看还能做多少改进，拉哈尼、布德罗和他们的同事们设计了一个两步骤的工作流程，并广邀大众参与。首先，他们将基因片段注释从特定的免疫遗传学问题转化为一般算法问题。这样做之后，就不再需要关于遗传学、生物学等领域的知识，也使问题向更多的参与者开放。
然后，研究人员在专攻计算密集型问题的在线平台topcoder上面发布了这项“通适的”挑战。在该项研究于2013年进行的时候，topcoder社区大约有40万名遍布世界各地的软件开发人员，他们之所以加入平台，或多或少是因为喜欢迎接艰难挑战。对于这些潜在的问题解决者，研究团队给出了参赛方案的评估方法，它是一种结合了速度和准确性的评分，同时提供了一“捆”工作数据。这些数据分为两组，一组是面向所有问题解决者的公开数据，另一组是让他们接入topcoder网站的私人数据。问题解决者无法看到或下载这些数据，但是他们可以用自己的算法对之进行运算并获得一个评分。此外还有第三组私人数据，它用于生成比赛的最终得分。
这场topcoder比赛进行了14天。在此期间，有122人（或小组）至少提交了一次算法结果以获得评分，许多人还做了不止一次，最终提交的方案有654份。参与者是一个高度多样化的群体，他们来自69个不同的国家，年龄从18到44岁，很多人没什么工作经验，至少用常规衡量方式是如此，大约有一半还是学生。正如研究小组所说，“没有一位学者或工业计算生物学家，只有5个人称自己来自研发或生命科学领域。”
他们的解决方案会很好吗？当然不会全部都好。大多数人都不如megast或idab算得准确，尽管几乎所有人都比这两者做得更快。但是，有30个方案比megast更准确，其中16个比idab更准确。实际上，芸芸大众之中，有8人提交的方案达到了80%的准确率，而研究人员估计这已达所给数据集的理论上限。[1] 在那组至少与idab准确度相当的方案中，平均的运算时间是89秒，比基准快了30倍，其中最快的三份只用了16秒，或者说，它们比赛前的最好基准快了几乎180倍。
此外，比赛期间提供的总奖金是6 000美元。 专家有何不妥？
以上结果是例外还是常态？我们向大众竞赛型研究的先驱卡里姆·拉哈尼提出了这个问题，除了我们刚刚描述的研究之外，他还主持了许多其他项目。他告诉我们说：
过去5年间，我们依靠大众来解决了700多项挑战，服务对象包括美国航空航天局、医学院、公司等，不一而足。我们失败过一次，当时大众没有出手，或者说没有针对问题开展工作。[2] 在所有其他情况下，我们要么与现有内部解决方案旗鼓相当，要么大胜而归。
这是一个非常难以置信的发现，不是吗？像美国国立卫生研究院和贝思以色列女执事医疗中心这样的公司和组织毕竟花了大量的时间、金钱和努力，建立了用于创新和解决问题的资源基础，即研发实验室、科技人员、工程部门等。这些资源实际上是核心中的核心。那么，为什么在处理本应整合这些资源来处理的问题时，大众能如此轻易地胜出？
是不是核心里面的专家实际上没那么好？别忘了我们在第1章提供的大量证据，即领域专家和所有人一样，都会受制于一些偏见，使工作质量降低。这可能是随着人们在其领域取得一定成就，偏见盲点也被放大，过度自信和过度认可偏见就有大量记录。人们真正考虑的只有支持自己想法的信息，从而导致更糟糕的结果。
许多“专家”实际上可能根本不是专家，他们一直在自欺欺人，以为自己真的能力强，工作质量高。当今世界很复杂，变化快，技术又高深，很难分辨真正的专家。
肯定有一些“不够专家”的知名专家，但我们认为，他们不是大众经常优于核心的主要原因。我们相信，当今绝大多数的科学家、工程师、技术人员，以及其他在组织内部工作的人，实际上都能胜任工作，都有兴趣做好这些工作。那么，是什么原因使大众几乎每次都在挫败他们？ 严重错配
组织有很多美德，但它们往往陷入自己的套路。它们做适得其反的事，使其在创新、研发和几乎所有其他领域的表现更糟。组织性功能障碍是真实的存在，而不仅是无数迪尔伯特（dilbert）漫画的主题，它们使核心无法做到本应做到的那么好。
然而，与单纯的功能障碍相比，更大的原因要微妙得多。核心往往错误匹配了其所面临的各种挑战和机遇，而人群则因为足够大而几乎从未错配。但是，为什么核心如此频繁地错位、错配呢？设立研发实验室或工程部门的全部要点，不就是将手头及未来工作所需的资源整合到一起吗？这可不像遗传学实验室误请一批冶金学家，然后当团队无法揭开dna奥秘时不断被“惊呆”。为什么错位如此频繁呢？
有一些事情似乎正在发生。首先是几乎所有学科都在不断创造重要的新知识，而知识进入核心的速度很慢。例如，人类基因组在2003年被完全排序，这一成就对医学、生物技术、制药和其他行业有巨大影响。随着测序技术的普及，成本呈指数式下降，[3] 农业、畜牧业等行业也受到影响。对于所有这些领域的组织核心的创新者、研究人员和问题解决者而言，如果他们没有努力学习，更新技能，那就很容易不敌大众，尤其是不敌那些年轻和接受最新教育的大众成员。例如，最前沿的基因编辑工具与5年前的完全不同，原因是自2012年出现的crispr，它是一种源自链球菌之类细菌的工具包，在dna分子非常长的双螺旋上，它可以用前所未有的准确度来发现、切割和替换任何所需的基因片段。
如第2章所述，我们看到了人工智能和机器学习近来的快速变化；由于石油及天然气的压裂和太阳能发电成本的急剧下降，[4] 能源生产正在变革；其他许多领域也是如此。当这种快速的进步发生时，相关行业内组织核心的知识很容易老化。与此同时，大众中的某处很可能至少有一些帮助实现最新进展的人，或者有他们的学生，因此相当熟悉。总之，核心会变得陈旧，但大众真的不会。 边缘奇效
大众经常挫败核心的另一个原因可能更重要。它是指许多（如果不是大多数）的问题、机会和项目受益于不同人、不同团队的观点，或者说，受益于多种不同的背景、教育、解决问题的方法、知识和技术工具包、性别等。这绝对就是大众的定义，要在核心内部复制则很难，甚至不可能。以一家制药公司的研发实验室为例，它不太可能聘用几名天体物理学家或密码学家，然后指望他们刚好能解决某个难题，这种机会是微乎其微的。这是一个完全理性的商业决策，但如果解决这个难题的工作仍然保留在核心之内，那么公司就没有天体物理学家或密码学家可以帮忙。
将貌似不可能的潜在有用的输入源的大门关上，这是愚蠢之举。在很多时候，人们需要的知识和专长恰恰来自貌似遥不可及的学科。正如开源代码软件倡导者埃里克·雷蒙德（eric raymond）所说：“如果有足够的眼球，所有的瑕疵都一览无遗。”换句话说，随着潜在解决者数量和多样性的增加，所有问题都变得更容易解决。基因组测序竞赛的结果显示，在那些比基准更快、更准确的参赛方案中，没有一份来自计算生物学家。这再次表明，外部人士表现得更胜一筹并不少见。拉哈尼和拉斯·波·杰普森rs bo jeppesen）研究了在线票据交易网站innocentive发布的166项科学挑战，他们发现，最可能被成功解决的是那些吸引了“边缘”眼球的挑战，即它们吸引了技术上或社会上“远离”挑战发布者的人。[5]
在很大程度上，大众的宝贵价值在于它是巨大的边缘群体。它包含了大量人群，他们是聪明才智、训练有素、经验丰富、顽强拼搏和积极向上的组合体，而且无论从地理上、知识上还是社会上讲，他们都与任何组织核心相距遥远。[6] 随着互联计算能力在世界各地的传播，有用的平台可以建立起来，使大众成为一种显见的、可行的和宝贵的资源。 与大众共舞
精明的组织正在探索如何利用大众来解决问题，顺便实现很多其他目的。这项工作仍处于早期阶段，但是我们已经看到许多让核心和大众一起工作的有趣方式。
完成工作。 正如我们在维基百科和linux中所看到的那样，大众可以汇聚在一起，打造很有价值的事物，如果他们遵循了开放、不唯资历等原则，情况更是这样。一些组织正在把这些原则付诸实践，以便为企业提供所谓的“大众建设”服务。亚马逊公司的“土耳其机器人”（mechanical turk）是最早的例子之一，开始时，它是一项内部工作，旨在发现重复的产品页面并将其消除，2005年11月，该项服务宣布可提供给外界使用。今天，被称为“turkers”的“大众”处理着各种各样的任务，例如将名片上的文本转录成电子表格，回答心理学研究的调查问卷，以及标记图像以便输入到ai程序中。“寻找—修复—验证”是“土耳其机器人”基本平台的一项改进，它是麻省理工学院的迈克尔·伯恩斯坦（michael bernstein）及其同事开发的“程式化设计模式”，可以让“turkers”在完成任务和发现、修复错误之间进行自我选择。
本章开头描述了topcoder公司举办白细胞基因组测序比赛，它用的是类似方法。该公司为了发现世界各地的编程人才而举办比赛，然后又作为中介商和集成商，对接人才和那些想外包大型应用开发或系统集成项目的公司。topcoder全球社区的成员不仅包括程序员，而且还包括被识别出来的设计师、学生、数据科学家和物理学家。该公司为这批大众提供了一系列的企业项目，让他们自我选择进入团队和角色，将他们的所有工作整合在一起，并监控质量。它使用金钱激励和竞争激励，再加上一些监督工作，借此为客户创造了类似linux的环境。在数据科学竞赛方面，卡格尔（kaggle）也做了同样的事情。
找到正确的资源。 有时侯，人们不想把全体大众汇合在一起，只想尽可能快、尽可能高效地找到合适的人员或团队来帮忙做事。找到合适对象的机会随着看到请求的人数的增加而增加，因此，任务匹配平台变得非常流行。这类平台包括用于平面设计和其他创意工作的99designs和behance，用于信息技术和客户服务工作的upwork，用于个人服务的care等。此外还有taskrabbit，它用于各种稀奇古怪的工作，如婚礼主持、给某人的爷爷送冰激凌，或者到苹果手机店排队等待新上市的iphone。这些业务都认识到，网络和智能手机带来了前所未有的机会，可以更好地匹配商业服务的供需关系，一如我们在本书第二部分相关章节所强调的那样，平台和产品合则两利，而且，实现适配的手段之一就是把要求放到尽可能多的眼球前面。
进行市场研究。 如前言所述，通用电气是世界上最大、最古老、最成功的工业公司之一，它转向大众，评估消费者对其制冰机的需求。大众平台可能提供有价值的信号，这些信号关系到消费者对某些类型产品的兴趣和热情，那些可能吸引利基市场受众的产品尤其如此，通用并不是第一家认识到这一点的大型组织。例如，电视剧《美眉校探》（veronica mars ）讲述由克里斯汀·贝尔（kristen bell）扮演的一名少年侦探的故事，在2004—2007年播出时，该剧曾有一小批忠诚追随者。节目播完之后，其粉丝并未消失。他们以在线和集会方式继续谈论节目。
这种持续的兴趣引起了电影制片厂华纳兄弟、贝尔（bell）和该节目创始人罗伯·托马斯（rob thomas）的注意。他们想知道：这是否意味着拍摄一部《美眉校探》电影有足够的需求，即使电影是在同名电视节目最后一次播出几年后才推出的。为了找到答案，他们在流行的众包网站kickstarter上发起了一场活动。这场活动包括一个短暂的拟推出电影预告片，贝尔和托马斯的视频，以及对不同程度支持的奖励。[7] 活动的目标是筹资200万美元。12小时之内，它竟然就达成这一目标，最终共筹资570万美元。这部电影于2014年3月14日首映，分别提供剧院观看和视频点播服务。总体而言，它得到了积极评价，从财务角度来说是成功的。
马克·安德森的职业生涯始于作为最成功的早期网络浏览器的主要程序员，此后，他摇身一变成为著名的风险投资家。安德森认为，众筹可能成为新产品开发的主要方式之一。他对我们说：“人们会争辩说，过往2 000年间，从娱乐媒体到鞋子、食物到每样东西，产品和服务的上市方式一直在倒退。也就是说，它变成是供给驱动的。但是等你发现市场是否喜欢它时，你已经投入了很多钱。众筹翻转了这种模式。除非有人事先预购，不然你不会向市场推出什么东西。人们还预付了资金……众筹是一种针对某些带有社会资本的事物来‘预装配’金融资本的手段，试图围绕某事创造一场运动，试图让人们提前买东西。”
2016年年初，indiegogo在其网站辟出专门空间，同时推出一组“企业级众筹”工具，使大企业有可能在投资制造之前获得实时的客户反馈，并将市场研究的成本变成预售和获取客户的机会。
获取新客户。 除了众筹平台以外，众贷平台也在近几年出现并变得流行。其中许多（如果不是大部分）最初想从事点对点（p2p）服务，即匹配想投资的个人和需要个人或商业贷款，但又不能或不愿意找传统贷款机构的人。然而，随着时间的推移，包括世界上最大的一些对冲基金在内的许多机构投资者意识到大规模寻贷者中存在机会。违约率或多或少可以预测，而且利率相当可观，这意味着风险与回报之比往往具有吸引力。平台的增长给寻贷者带来了很多诸如此类的好机会，足以吸引大投资者。2014年，美国最大的两个众贷平台prosper和lending club一半以上的贷款来自机构投资者，它们往往使用专门的软件来梳理可用的机会。事实证明，p2p贷款往往变得不那么显眼，大型知名贷款机构向客户提供的个人和小企业贷款呈现新的方式。
但是，以大众为中心的新业务的出现，不仅有助于大型对冲基金寻找新客户。而且使得大众本身变得流行。马克·安德森向我们讲了初创企业teespring的故事，它由瓦尔特·威廉斯（walter williams）和伊万·斯蒂茨–克莱顿（evan stites-yton）于2011年创立。安德森对我们说：
teespring是将社会资本转化为金融资本的现代手段。它是一种你最初碰到时会觉得荒唐，然而如果“吞下红色药丸”就知道妙在其中的事物。[8] 它是一种让facebook群组、youtube明星或instagram明星得以售卖t恤的方式。起初你会觉得，再怎么说，买卖商品也没什么了不起。但实际发生的事情是：你得到了拥有百万追随者的facebook群组或youtube明星……（而且）社会资本是真实的。你的追随者或粉丝是重视你所作所为的人，他们没办法补偿你。他们爱你，他们想支持你……现在我们会说t恤只是开始。它可以是任何东西，只要是物品就行。它是纪念品，你在乎它，你充满激情，表明你自己的一些东西……它就像一个图腾，它是你在乎的东西的一个心理锚点。
收获创新。 长期以来，人们认为成熟的大公司是最大的创新者。它们毕竟拥有养得起大实验室和研发人员的资源。奥地利伟大的经济学家约瑟夫·熊彼特质疑这一观点。他坚持认为，更小、更年轻、更具创业精神的企业对维持现状毫无兴趣，更有可能推出真正新颖的产品和服务。正如他所说，“总的来看，指挥铁路建设的不是驿路马车的所有者。”实际上，克里斯坦森关于颠覆性创新的里程碑之作也表明，颠覆很少来自行业中现有的成功企业，它们反而经常被颠覆弄得措手不及。
我们在麻省理工学院的同事埃里克·冯·希佩尔（eric von hippel）的工作开辟了另一种有影响的创新研究思路，他强调，“先行用户”在许多领域的创新中发挥着很大作用。这些人是现有产品和服务的用户，他们发现不足，然后不仅开始设法改进，而且把想法付诸实施并投入使用。冯·希佩尔列举了包罗万象的用户创新，涉及外科手术器械、风筝冲浪设备等多个领域。在现代高科技行业中，我们观察到类似事例的剧增。事实证明，在各行各业中，许多知名企业就是由不满现状的人所创建的，他们对自己说“一定要有更好的办法”，然后开始行动。
例如，跑腿服务网站taskrabbit是由利娅·布斯克（leah busque）构想出来的，她当时28岁，住在马萨诸塞州，是ibm公司的一名工程师。2008年的一个寒冷夜晚，她想给一只名为“科比”（kobe）的黄色拉布狗找吃的，从而她想到：“如果有一个在线的地方可以去，那该多好……一个网站，让人愿意为达成某件事而付出一定的代价。在我附近，也应该有人愿意为了赚我愿意付出的钱而送来狗粮。”
当下的许多技术巨头显然都留意到熊彼特、克里斯坦森和冯·希佩尔的建议，它们不断审视大众，寻找可能的颠覆式创新。一旦发现目标，它们的本能往往不是灭掉它或者漠视它，而是买下它，使创新内化成自己的一部分。2011年至2016年，苹果收购了70家公司，facebook收购超过50家公司，谷歌收购近200家公司。
在以上事例中，收购方通常有同类竞争产品。例如，在facebook收购whatsapp和instagram时，它已经有消息传递和照片共享服务。在这两项收购中，在位的facebook公司本来很容易自认行业新贵不会带来风险。但是，大众发出信号，表明创新有多么不同，它们又会多么快地被采用，这促使更大、更老公司的领导者采取行动，买下先行用户或其他创新者推出的服务。这样做的代价通常很高，facebook收购instagram花了10亿美元，收购whatsapp则花了超过200亿美元。但是与被颠覆相比，代价还是低了很多。 用大众改变交易
我们预测，在未来的几年里，很多老牌企业，包括许多相当成功的企业，都会面临基于大众的竞争对手的挑战。在自动化投资这一晦涩难解的极客领域中，一个早期的挑战事例已经出现。
在公司股票、政府债券、贵金属和其他商品、房地产等资产投资的漫长人类历史上，几乎所有购买决策都由人类做出。一旦做了决策并且随时跟进，大量的技术就会被部署，使实际购买资产的工作自动化，但做决策的几乎总是人脑而不是机器。
20世纪80年代，当吉姆·西蒙斯（jim simons）和戴维·肖（david shaw）等先驱分别创建文艺复兴科技公司（renaissance technologies）和d. e. shaw公司，使用机器做出投资决策时，情况开始改变。西蒙斯是他同时代最负盛名的数学家之一，而戴维·肖则是一名电脑科学家。这两家公司筛选大量数据，建立并测试资产价格在不同条件下如何变动的定量模型，并尝试用代码和数学来代替个人判断，决定买入什么、何时买入。
这类“量子”公司的佼佼者创下了令人叹为观止的纪录。d. e. shaw公司在2016年10月管理的资产已超过400亿美元，其混合基金在2011年之前的10年里带来了12%的年化收益。双西投资（two sigma）是由一名前人工智能学者和一名奥数获奖者运营的一家公司，它管理着60亿美元pass基金，在10年内获得15%的年化收益。但与文艺复兴科技公司的medallion基金相比，几乎每个基金的回报率都相形见绌。medallion基金基本上只对其员工开放。从1990年代中期开始，20多年来，该基金收费前的平均年化收益高于70%。在创造了超过550亿美元的终身利润之后，它被彭博市场网站描述为“也许是世界上最大的赚钱机器”。
约翰·福西特（john fawcett）是一名曾经在金融服务领域工作的程序员和企业家，他对量子基金的表现印象深刻，但是担心它们在投资行业核心中运营不足。据福西特估计，截至2010年，全球共有3 000—5 000名专业的量化投资专家。他告诉我们，“这个数字对我来说太低了。（更多的投资者）没法用上足够的、我认为是最先进的投资方法，这令我感到困扰。这就像是说‘这是赌场，你赌人类单独运作还是人类加机器运作？’每一次，你都想要更加自动化的版本。”
福西特一心想让量化投资向大众开放，他与让·布里德切（jean bredeche）于2011年创立了quantopian公司，以期将理想转变为现实。该公司的目标是要打造与行业顶尖的量子公司水平相当的技术平台，这个任务很艰巨。这样的平台必须能够让投资者上传算法，然后在环境盛衰、利率高低等不同市场条件下快速测试。其中，一种办法是使用历史数据对算法进行“倒推测试。”于是福西特和他的同事努力开发与大机构投资模型不分轩轾的倒推测试算法。
quantopian公司还必须让投资者准确评估其交易的市场影响，也就是如果他们买入或卖出大量资产，这个行为本身就会改变资产的价格。评估市场影响是一项棘手的估算，它耗掉了quantopian很多时间。当然，公司的平台还要自动执行一系列工作，如算法产生的交易、记录保存、遵守相关规定等。
福西特深知，如果quantopian成功建立起一个强大的平台，并且吸引到潜在的“算法交易者”，那么该公司将具有巨大优势，它可以利用大众产生的诸多点子，而不再局限于顶尖算法。许多众包项目都试图找到单一的解决方案，如制冰机的最佳设计、白细胞基因组的最佳测序算法等。众包比赛的第二、三名可能与获胜者相差无几，但对于主办者来说，这一事实往往无关宏旨。
然而，投资的算法是大不相同的。只要顶级算法彼此有差异，或者说，只要它们实质上不是最佳算法的复制品，那么就可以有效地对其进行组合，为投资者提供比使用单一算法更高的总体回报。无论单一算法好到什么程度，情况都是如此。这个关于最佳投资组合重要性的见解非同小可，其发现者亨利·马科维茨（henry markowitz）因此获得了诺贝尔经济学奖。大众环境可以产生大量效果良好但本质不同的量化投资理念，非常适用该理论。正如福西特告诉我们，“我对quantopian的提问方式是：‘我们如何发现很多相关性低但结构好的战略，如何使发现的概率最大化？’”[9]
与此相对应的一种方法就是让很多人出现，然后提出量化投资战略。截至2016年中期，quantopian平台已经吸引了来自180个国家的超过10万名潜在算法交易者，汇聚了超过40万种算法。这些交易者是谁呢？据福西特介绍，“他们常常有一个共同之处——已经获得了一个学位或高级学位，或者多年从事通晓建模的专业工作。他们是天体物理学家或计算流体动力学家。大体上说，他们是金融新手，他们可能在广告技术行业或石油天然气行业工作。我们有学生和专业人士。我想年龄范围是从本科生到……已经退休的一对兄弟，他们在一起做事，其第一份职业是非常成功的科学家。”
这些交易者主要由男性构成，而quantopian的优先事项之一是吸引更多的女性参与者，福西特向我们讲了这样做的原因，“我们正在努力让社区制定各种各样的战略，有很多研究认为男性和女性的风险意识不同。他们以非常不同的方式思考投资。所以让我们社区有更多女性将会很棒……我们会胜出，因为市场将支付的是一个与所有其他收益流看起来不同的收益流。”
与专业的投资者核心相比，quantopian的大众做得怎么样？截至2016年年底，平台上举办了19场比赛。其中4场的胜方是专业的量化投资人士，1场的胜方是专业投资人士，但他不是算法交易专家。其他14场的胜方是清一色的外部人士。quantopian计划于2017年向合格投资者提供公司自己的量化投资基金，届时，内部人士与外部人士之间、专业人士与众包算法投资之间将迎来真正对决。与其他对冲基金特别是量子基金相比，这项基金的表现将有助于我们了解该领域的真正专家身处何方，了解大众究竟有多么强大。
在投资界的核心圈，至少有一位勇者对quantopian青睐有加，敢用自己的钱投下信任票。史蒂芬·科恩（steven cohen）是史上最有名的对冲基金经理之一，2016年7月，他宣布正在quantopian进行一项风险投资，并且从家里的办公室打款2.5亿美元，投资于平台的众包式量化算法投资组合。科恩的研究和风险投资负责人马修·格兰纳德（matthew granade）表示：“量化投资最稀缺的资源是人才，而quantopian已经展现了一种贡献人才的创新方式。”
我们发现quantopian异彩纷呈，因为它说明了重塑商业世界的所有三种技术趋势。它以新颖的方式将人脑和机器结合起来，重新思考如何进行投资决策，并且用数据和代码代替人类的经验、判断力和直觉。它还建立了量化投资平台，而不只是引入倒推算法这一种特定产品。平台是开放的、不唯资历的，它旨在利用网络效应，平台上的好投资算法越多，吸引的资本就越多，平台上的资本越多，吸引的算法交易者就越多，它还为交易者提供了顺畅的界面和体验。该平台汇集了在线大众，在一个大型、重要的行业挑战核心及其专家。
这项工作如何奏效？我们迫不及待想看一看。 世界之声
本章介绍的例子可能给人留下这样一个印象：当下的大众之所以存在，主要是服务于核心的需要，抑或是与核心争斗。但事实并非如此。很多时候，大众的工作只是帮助大众之中的成员。罗伯特·赖特在1993年发表的“美国之声”一文中观察到点对点的分布式社区，对其赞赏不已，这类社区通常是非营利的，它们至今仍然生机勃勃，发展得很好。
us系统是前网络时代的产物，它的新闻组已经演变为成千上万的在线用户组、社区论坛、留言板和其他空间。在那里，人们可以查找同行提供的信息，提出问题和回答问题。这些内容涵盖了所有能够想到的主题，从化妆到汽车修理，再到电视热播剧最后一集的评论等。
作为创新的粉丝，我们对“创客运动”感到特别兴奋，这个术语泛指那些以在线方式互相帮助的修补匠、自制工、业余制造者、工程师和科学家。他们分享电子电路的操作说明、食谱、设计图和原理图，用于生成3d打印部件的文件，以及从自动推车到自制盖革计数器等几乎包罗万象的产品的故障排除技巧。
创客运动不断发展。人们现在可以购买廉价的合成生物学套件和材料，或者说，就像合成生物项目所定义的那样，“设计和构建新的人造生物反应途径、生物器官或生物装置，或者重新设计现有生物体”。在世界各地，“自造生物”运动（diy bio）的成员自己创建了有用的氨基酸字符串，以携带生命代码的符号g、c、t和a表示，然后在网上分享实验配方。2012年出现了基因编辑工具crispr-cas9，使研究人员在修饰dna分子时获得了前所未有的精确度，从而极大地推动了这场“生物黑客”运动。
前美国宇航局科学家约西亚·蔡纳（josiah zayner）希望这项技术得到尽可能广泛的使用。2015年，他在网站indiegogo发起一项活动，开发“diy细菌基因工程crispr套件。”该项活动广受支持，筹资超过7万美元，是预期目标的333%，它产生了一种价格仅为140美元的套件，可从生物黑客集团the odin处购得。这样的套件可靠吗？2016年6月，消费电子产品博客engadget报道说：“我拿the odin的crispr套件开个玩笑。然后一瞧，它竟然超级棒。”
即使是耕作这么一种古老的人类活动也正在被创客重塑。麻省理工学院媒体实验室的迦勒·哈珀（caleb harper）开发了“食品电脑”，也就是用于作物生长的封闭环境，其规模大小各异。每个电脑的能量、水和矿物质的使用情况都可以被精确监控，可监控的参数包括湿度、温度、二氧化碳和溶解氧的水平。种植者可以尝试不同的“气候配方”，从而产生他们想要的作物特征，然后分享他们得到的配方，并努力改进他人的工作。哈珀的“开放农业计划”设下目标，开展气候配方的实验与创新，其规模小至台式机大小的个人食品电脑，大至仓库大小的空间。 妙手迭出
乍看之下，医疗器械像是一个不能托付给大众的产品类别。这些产品必须来自医疗保健系统的核心，或者至少经过它的测试和批准，以便确保安全和质量，是这样吗？
事实是“不总是”，人造手就是一个很好的例子，它有力地说明大众创客可以如何做事。创客的工作表明，当自组织的大众潜心解决问题，开展技术学者亚当·蒂雷尔（adam thierer）所说的“无须许可的创新”时，潜在的好处有多么大。
2011年4月，南非木匠理查德·范·阿斯（richard van as）在操作台锯时失控，右手的两根手指被锯断。当时，市场上的假肢要价数千美元，所以范·阿斯开始寻找便宜的替代品。当年早些时候，他看到youtube上传的一个视频，制作者伊万·欧文（ivan owen）是一位“机械特效艺术家”，曾为自己的手制作一个巨大的金属延伸物体，目的是用一种“蒸汽朋克”的风格装萌扮酷。[10]
虽然范·阿斯和欧文相隔万里之遥，但他们通过电子邮件和skype进行合作，开发了一种功能性假肢。3d打印机公司makerbot捐赠了两部replicator 2台式机，使他们的工作大大加快。这些机器使创客能够快速迭代、生成原型，最终为范·阿斯做出了灵活的机械手指。
他们上传到youtube的视频作品被南非女子尤兰迪·狄培纳（yndi dippenaar）看到，她5岁的儿子利亚姆（liam）出生时就没有右手指。狄培纳一家于是向他们求助，欧文和范·阿斯伸出了援手。他们开展在线研究，寻找可能的解决方案，碰巧发现了“科尔斯之手”，这是一个神奇的装置，19世纪中期由澳大利亚阿德莱德的牙科医生罗伯特·诺曼（robert norman）制作而成。
在一次使用加农炮的阅兵事故中，约翰·科尔斯（john coles）下士失去了右手的4根手指。诺曼用鲸骨和羊肠线为他做了假肢，它不仅看起来像一只手，而且在某种程度上也能像手一样操作。手指可以弯曲，并且正如当代人对这只假手的描述那样：“科尔斯下士可以轻易拿起一个纽扣或一枚6便士硬币。”诺曼用鲸鱼骨精确地雕刻手指节，将它们啮合在一起，然后连接到一个由齿轮和羊肠线组成的内轨系统，系统通过科尔斯拇指上戴的戒指进行控制，由此，诺曼大功告成。
诺曼的成果是现成的，可用于激发后来的创新者，澳大利亚国家图书馆的馆藏中留存着对它的精确描述，图书馆已将描述文档数字化，可通过网络获取。欧文和范·阿斯进行在线搜索时碰巧发现“科尔斯之手”，意识到了它的精妙之处。他们很快就创建了自己的版本，称为“robohand”，并用在利亚姆手上。这两位创客还意识到，由于有了3d打印机和强大的设计软件，人们可以快速、廉价地设计和构建数不尽的手的变体。但他们并没有提交专利申请，而是将robohand的部件计划上传到thingiverse——一个大众共享3d打印文件的网站站点。
从那时起，大众已经创造并组装了超过1 800只3d打印的塑料手，惠及45个国家的人民。[11] 这项工作是高度分散的，其主要协调点是一个网站及其谷歌文档，任何感兴趣的人都可以加入并编辑。正如经济学家罗伯特·格拉博耶斯（robert graboyes）指出的那样，大众的创作既省钱又有创新性：
可用假肢的成本一夜之间暴跌了99%以上。3d打印的产品固然与5 000美元的产品不同，但它们可以活动，制作价格又便宜，创客都可以免费向用户提供这些产品。
用户和创客一起工作，修改设计。原先看起来方方正正的手变得时尚。复杂的螺母和螺栓被直接固定的关节取代，而且一些设计的材料总成本降至35美元……用户和创客知道假肢无须复制人手。一位父亲想让儿子更有握力，于是制作了一只两个拇指的手，一边一个。他儿子的名字恰巧为卢克（luke），于是他成为“酷手卢克”（cool hand luke），其他人则基于骑自行车、攀岩、演奏小号等特定目的而定制设计假手。
如以上所有例子所示，在线大众正在增长勃兴。它以多种方式与核心相互作用，并由核心促成。我们认为这种趋势既健康又富有成效，根本没有背叛互联网原有的精神。更好的设备和网络正持续将世界各地越来越多的人们引导到线上，大众只会变得规模更大、更聪明、更加多元化。
我们对人工智能的未来发展感到振奋，因为它们改变了人脑和机器之间的界限，但我们可能更振奋于将数十亿人的智慧带入全球连接的社区的发展前景。人们从此可以彼此施以援手。 本章总结
? 被认可的核心专家一而再、再而三地败于默默无闻的大众之手。
? 大众成功的一个原因是核心往往错误匹配其最感兴趣的问题。
? 核心的错配之所以发生，是因为最有效解决问题所需的知识往往来自远离问题本身的领域。人们很难预测解决问题的相关知识实际上源自何方。
? 核心有许多方法去利用大众积累的知识和专长。核心和大众不一定非得分隔。
? 大众现在可以做很多事，不再需要核心太多支持。技术有助于人们发现知识、有效交流、共同打造事物，集权程度被最小化。
? 成名公司正在寻找与大众合作的新颖方式。同时，基于大众的初创企业正在挑战许多成功在位公司的核心活动。 问题
a 面对挑战和机会时，你如何在自己界定的内外部专家群体以外寻求帮助？你经常这样做吗？
b 你能运行什么实验来看看能否让大众为你的组织工作？你如何判断这些实验的结果？
c 过去5—10年，在获取新客户、评估你正在考虑的新产品的需求和支付意愿等方面，你的方法改变了多少？
d 过去5—10年，你是否扩大了你或你所在组织的定期互动人数？
e 如果大众提出一个更好的想法，你将如何把它引入你的核心？
[1] 正如作者解释的那样，“剩下的错误对应无法正确注释的序列。”karimkhani et al., “prize-based contests can provide solutions toputational biology problems,” nature biotechnology 31, no. 2 (2013): 108–11, http://.nature/nbt/journal/v31/n2/full/nbt.2495.html.
[2] 拉哈尼认为，这次失败之所以发生，是因为挑战的组织者没有明确说明问题或提供足够的回报。
[3] 2000年，生成初始人类基因组序列的预估成本为5亿美元，甚至更高。2015年中期，生成高质量全基因组序列“草稿”的成本略高于4 000美元，2015年年底跌至1 500美元以下。national human genome research institute, “the cost of sequencing a human genome,”st modified july 6, 2016, https://.genome.gov/sequencingcosts.
[4] 拉米兹·纳姆已经证明，安装的太阳能发电量每翻一倍，成本就下降16%左右。ramez naam, “how cheap can sr get? very cheap indeed,” ramez naam (blog), august 10, 2015, http://rameznaam/2015/08/10/how-cheap-can-sr-get-very-cheap-indeed.
[5] 我们在上一本书引用了这项研究，再次引用是因为它至关重要。
[6] 在社会学文献中，有几篇论文强调远程连接或“弱连接”的重要性，其中包括被广泛引用的经典mark s. granovetter，“the strength of weak ties,” american journal of sociology 78, no. 6 (1973): 1360–80，以及最近的sinan aral和marshall van alstyne，“the diversity-bandwidth trade-off 1,” american journal of sociology 117, no. 1 (2011): 90–171。
[7] 赞助350美元将可以得到一名剧组成员“量身定制”的语音留言信息，赞助1 000美元将可以得到两张首映式红地毯门票，赞助6 500美元可以为电影中的一个角色命名，赞助1万美元则可以扮演跑龙套角色。
[8] 安德森在这里借用1999年流行的科幻电影《黑客帝国》（the matrix ）打比喻。在这部电影中，主角被要求在蓝色药丸和红色药丸之间做出选择，前者会使他回到活转之前的舒适幻觉，后者则会使他看到事物的真实面目。
[9] 对于quantopian来说，如果一种投资算法不太依赖一种资产，不过度杠杆化，亦即不过度依赖债务，那么它就具有“良好结构”，就能够在广泛的市场条件下产生良好回报。
[10] “蒸汽朋克”是一种科幻体裁，撇开别的不说，它想象了由蒸汽驱动的维多利亚时代机械电脑。它的许多粉丝喜欢打扮。
11 万物民主化之梦
所有人的自由对我的自由至关重要。
米哈伊尔·巴库宁（mikhail bakunin），1871年
我们早就知道，已故的经济学家可以极大地影响世界。我们最近才得知，匿名的黑客也同样可以。
约翰·梅纳德·凯恩斯是一名影响力巨大的经济学家，他在1936年的名著《就业、利息和货币通论》中观察到，“实干家自以为不受理论的羁绊，可他们却常常是某位已故经济学家的奴隶。目空一切的当权狂人，其狂妄荒诞的念头，也往往出自数年前的三流学者。我相信，与思想的逐渐侵蚀相比，既得利益的力量被远远夸大了。”
“的确，”凯恩斯写道，“世界就是由他们统治的。”
凯恩斯认为，像亚当·斯密、卡尔·马克思、大卫·李嘉图、弗雷德里希·哈耶克和约瑟夫·熊彼特这样杰出的“世俗哲学家”[1] 的想法远远超出了经济学的范畴。他们改变了人们如何看待公平正义、企业如何组织和创新、政府如何开展税收和贸易等。经济学家所考虑的是交换，它是一种基本和普遍的人类活动，因此，他们对这个问题的最大想法已经产生了巨大的影响。 匿名的革命者
中本聪的想法也有巨大影响，虽然没人知道他（她）是谁。[2] 2008年10月31日，一个以该名字命名的人或团体在网上发了一篇题为“比特币：一种点对点的电子现金系统”的短文。该文提出了一个直截了当的问题：为什么在线支付必须扯上银行、信用卡公司和其他金融中介机构？为什么它们不能像物理世界的现金付款那样？现金交易有两种吸引人的属性，一是没有交易相关费用，二是保留匿名，支付现金时通常不要求提供身份识别。实物现金也耐用、可重复使用，它一直在我们的经济体中流通，被反复用来支付购物。
各国政府还没有表现出太多意愿来创造数字化的美元、欧元、日元、人民币等。[3] 所以中本聪雄心勃勃地提出了一种全新的、完全独立的数字货币——比特币。它严重依赖许多与加密技术相同的算法和数学原理，所以也被称为“加密货币”，而加密技术则是制作和破解代码的艺术和科学。另一方面，美元、日元、土耳其里拉、尼日利亚奈拉以及世界各国发行的所有其他钱币被称为“法定货币”，因为它们存在于政府法令或规则之中，政府只需宣布它们成为合法货币即可。[4]
借助于“加密的”代码和数学的现有组合，中本聪解决了一个难题，即随着时间的推移，比特币在整个网络上被用于支付物品时，如何确定谁持有这种货币。在交易期间，参与者将使用他们的数字签名，从买方向卖方签付合适数量的比特币。数字签名业已存在，其效果广为人知。任何人都很容易生成和验证它，而且很难伪造，它还可以“化名”，即一个人可以生成数字签名而不泄露其真实身份。中本聪建议，比特币交易发生时，所有数字签名都记入一个分类账，它精确地记录有哪些比特币被使用，经数字签名验证的买卖双方的匿名身份又是什么。 奇思妙想
为了使比特币系统能够处理“双重支付问题”，一个通用、易于参照的分类账是必不可少的。这个问题之所以出现，是因为比特币作为纯粹且唯一的信息，其本质并不完全符合第5章讨论的免费、完全和即时的信息产品经济学原理。如果比特币可以免费、完全和即时地复制，那么伪造势必猖獗。受化名保护的坏人会一次又一次地使用相同的比特币，直至被抓获为止，商家会上当受骗，信任会蒸发，系统会很快崩溃。
一个可信的、普遍可访问的在线分类账将解决双重支付问题，它使商家或任何人能够验证潜在买家是否真正持有他们自称持有的比特币，以及他们是否在其他任何地方花掉了这些比特币。
但是，应该由谁负责创建、维护和确保这个分类账的完整性呢？它不能是银行或信用卡公司，或者两者的组合，因为中本聪建议的整个系统要点就是它根本不依靠现有的金融机构。政府也不能依靠，因为比特币系统需要完全独立于政府运作。事实上，它必须以完全去中心化的方式运作，不依靠组织或机构的任何核心部分，而且无论参与者如何随时间变化，它都必须能够生存和发展。然而，这是一种激进的、永久去中心化的哲学，而单一、永久、普遍可信的分类账则是一种绝对需要，两者如何取得一致呢？
答案是：通过数学和编程的另一个“天作之合”，并结合适量的利己主义成分。中本聪提出了一个按以下原理工作的在线系统：
1. 买卖双方发生的每项交易都在整个系统进行广播。
2. 被称为“节点”的专用电脑定期收集所有交易信息，并确认涉及交易的比特币以前没有在其他地方使用过，从而验证交易的合法性。一段时间内的一组良好交易被称为一个“区块”。
3. 在对交易开展上述工作的同时，这些节点也被卷入一种彼此的竞争之中，它们试图找出当前区块的一个简短数字摘要，称为“散列”。找到散列正确表达形式的第一个节点将赢得比赛。找正确的散列是一个试错过程，它需要大量的计算工作，因此被称为“工作证明”。节点的计算能力越强，率先完成此任务的可能性就越大。工作证明包含在区块中，其保存方式使得另一个节点在更改区块内容时将不得不重做所有工作。
4. 率先成功完成工作证明的获胜节点在整个系统广播其刚刚完成的区块。作为奖励，它被允许为自己创建并保持一定数量的比特币，而数量则是事先定好的。[5] 这些比特币的创建过程本身被记录在区块中。
5. 其他节点复核此区块，验证其包含的所有交易是否合法，其工作证明是否正确。其他节点有充分的动机去做这件事，因为如果它们发现交易非法或工作证明出错，那么整个区块就是无效的，这意味着与之相关的比特币还未曾出手。
6. 一旦各节点确认某一区块正确而完整，它们就开始组建下一个区块并进行其工作证明，于是区块创建过程又重新开始了。中本聪设计了这个系统，使其大约每10分钟创建一个新区块并奖励比特币。他指出，“不断增加恒定数量的新比特币类似于黄金矿工耗费资源以增加流通的黄金。”这个类比被记住了，于是世界各地管理节点的人员和组织被称为比特币“矿工”。 或许靠谱的比特币
许多读过中本聪文章的人认为，他所描述的这个系统实际上可以被建立起来，并且很有价值。数学和编程似乎能奏效。更重要的是，激励也是如此。
只要有对比特币的渴望，矿工就可以不经协调开展活动，与利他主义或社区精神无关，系统仍然会实现其目标并不断成长。比特币参与者不需要相互协调，他们只需要广播他们的交易和完成的区块。事实上，如果矿工们没有相互协调，效果还会更好，因为协调可以很容易、很迅速地变成串谋，例如一群矿工凑在一起篡改历史记录，然后群吞所有的比特币。
针对这类攻击，中本聪的绝妙设计提供了两种主要的防御手段。第一种是工作证明，为每个区块提供正确的散列是一项计算密集型的任务，其难度随着每个新区块的出现而呈指数式提高，各个区块还用数学原理链接起来，使得攻击者不仅需要重做他们图谋的区块的工作证明，而且还要对链上的每一个区块，也就是之前创建出来的每一个区块都重做一遍。各个区块环环相扣地链接在一起，因此其所有交易的完整历史记录被称为“区块链”。
工作证明变得越来越难，这个事实本身有另外一种重要影响。随着时间的推移，“接管”整个比特币系统所需的计算能力[6] 呈指数级增长，并且从经济角度上迅速变得不可行。许多矿工曾经寄望于挨个蚕食区块，赢下比特币竞争，因此认为值得不断投资购买专业的挖矿硬件。为了接管整个系统，攻击者势必付出比所有其他矿工加起来还要大的代价。
对系统攻击还有第二种主要防御手段，即攻击本身就是自取灭亡。如果对比特币感兴趣的人员和组织相信系统已经被坏人接管，那么他们很快就会对它失去兴趣，转投其他项目或付款方式。到那时，比特币会很快失去价值。既然这样，攻击者为什么还要花那么多钱来接管整个区块链，然后只能白白看着因此获得的资产，即数量庞大但一文不值的比特币矿藏？这样做没有经济意义，所以，唯一可担心的攻击者似乎就是钱多得没处花的虚无主义者，他们至少有不为人知的复杂激励，一心想着控制区块链。[7] 中本聪推断这样的人并不多，或者说，他们至少比那些想看到资产增值的比特币参与者少得多。
简言之，中本聪的短文所描述的蓝图看起来可行，它在技术上可行，经济上又合理。区块链刚好在2008年年底出现，当时，世界各地很多人对现有金融体系失去信心，无论对抵押公司还是对中央银行本身都是如此。大衰退带来的破产、紧急援助和其他市场乱象使许多人相信，全球的现状是不公平的、不可持续的，抑或二者兼而有之。一种独立于任何政府的新货币的想法吸引了许多人。用新旧币种赚钱的可能性也引人联想。条件已然成熟，有趣之事发生。于是很多人入了局。
? 2010年5月，居住在佛罗里达州杰克逊维尔市的程序员拉兹洛·汉耶兹szlo hanyecz）在一个比特币论坛发帖，希望用1万比特币换取“几个比萨”。4天之后，18岁的杰里米·斯图尔迪文（jeremy sturpant）接受了该项报价，并通过“棒！约翰”（papa john’s）网站购买了食物。这是比特币用于购买实体产品已知的首项交易，斯图尔迪文花30美元买下比萨饼，因此“新鲜上市”的比特币定价约为0.003美元兑1比特币。如果斯图尔迪文保留交换食品之后收取的比特币，那么它们在2017年1月中旬时的价值将超过830万美元。
? 随着比特币趋于普及，许多促成其交易的市场也出现了。人们可以在这些交换市场上开具订单，以某种价格买卖比特币，计价通常采用美元或英镑这样的法定货币。当买卖双方的条件得到满足时，交易就被执行。在这些交换市场中，最大的、也是最臭名昭著的是门头沟公司（mt. gox），它位于东京，在高峰期时曾占所有比特币交易量的80%。自成立之日起，门头沟公司就备受难题困扰，其中包括2011年时至少一次大规模黑客攻击，导致亏损875万美元。尽管如此，它仍保持上升态势，直至2014年2月，公司管理层发现一个已经暴露了好几年的安全漏洞。该公司遂暂停交易，关闭网站，并且在确认其系统交易“存在弱点”而且“比特币消失”之后申请破产。公司崩溃时，总体损失约为价值4.7亿美元的比特币和2 700万美元的现金。
? 比特币第一次出现时，采矿工作虽然计算强度很大，但可以使用开源软件和个人电脑来完成。然而对于每个后续的区块，成功开矿所需工作证明的计算难度呈指数级提高。结果是部署资源的规模急剧上升。到2015年1月，比特币网络的处理能力是全世界500台最强大的超级电脑加在一起的1.3万倍。在寻找廉价电力来源的过程中，成功的矿工在冰岛、华盛顿州、内蒙古以及其他许多地方设点经营。针对比特币开采进行优化的专用电脑芯片市场也很快建立起来，这类芯片泛称asic，即面向特定应用的集成电路。
? 到目前为止，比特币时代最悲哀的故事可能出自威尔士技术专业人员詹姆斯·豪威尔斯（james howells），他从2009年起开采比特币，当时，采矿几乎免费，也没什么价值。豪威尔斯不小心将饮料洒到用于采矿的电脑上面，于是他拆了电脑。还好他把电脑硬盘放进抽屉里面，这硬盘就是他所有比特币的唯一记录。但坏就坏在他在2013年清理房子时把硬盘扔掉了。当年晚些时候，他听到比特币涨价的新闻，记起以前的采矿经历，意识到做了傻事，于是直奔那个收过他的垃圾的垃圾场。经理告诉他，硬盘最有可能被埋在一个足球场大小的垃圾堆下面的几英尺处。即使硬盘上的7 500个比特币当时价值约750万美元，豪威尔斯也仍然束手无策。
矿工和其他比特币网络建设者的行为举止一如凯恩斯的预言，但夹带一些有趣的叛逆成分。他们不是狂人，其中大多数人也没有权力，但他们依然“狂妄荒诞”，其念头不是出自三流学者，而是出自一个化名：中本聪。 分类账大解密
一段时间以来，大多数主流经济学家对比特币作为世界上现有货币竞争对手的潜力持怀疑态度，甚至不屑一顾。他们指出，任何货币的两个主要功能是交换手段和价值存储。我给你这些美元、欧元或者日元，你给我那幢房子、那辆汽车或者那顿鸡肉晚餐，这是交换手段；我的总净值是x美元、欧元或者日元，凭这么多的财富，我可以买到如此数量的房子、汽车或者鸡肉晚餐，这是价值存储。货币的稳定性对于这两个功能至关重要。为了指导自己的活动、规划自己的未来，人们需要知道手中货币的购买力将保持相对不变，或者至少会以可预测的速度变化。
但是，如果拿比特币与美元等现有货币的汇率作为价值表达的话，那么它的波动是近乎疯狂的。2013年11月，它的价格上涨超过1 100美元，到2015年1月则下降了77%，低于250美元，两年后又恢复到830美元以上。对于有风险承受能力的投资者而言，这种波动使得数字货币“意趣盎然”，[8] 但它毕竟不适合作为主流的交换手段或价值储存手段。
关于比特币是否有能力成为真正货币的争论正在展开，与此同时，有一小群人开始提出一个不同的观点：真正有价值的创新不是新的数字货币，而是它所依赖的分布式分类账。真正重要的是区块链而不是比特币。
比特币的动荡历史证明区块链可以实际运作。多年来，它按设计行事，是一种完全去中心化、无导向、不可改变的交易记录。[9] 它原本打算记录的交易仅限于比特币的开采和交换，但是，为什么就此止步不前呢？不难想象，区块链可以用来记录各种事物，包括土地所有权（或“冠名”）的转让，向一群人发行公司股票，办公楼的买卖双方都同意所有出售条件已经满足，在夏威夷出生的婴儿的名字、出生地和父母等。所有这些事件都普遍可见，它们是真实的公共记录，无论谁想重写历史，它们都将不可否认、不可改变。
这真的是“太阳底下出新知”，真的很有价值。区块链已经运行了若干年，经过了严格审查和压力测试，是一种全球性、透明、不可改变的分类账，可以在所有网络上访问，进入、参与及交易的费用为零。[10] 它的存在开辟了许多可能性，创新者和企业家也很快开始进行探索。
? 塞浦路斯尼科西亚大学（university of nicosia）和旧金山的霍尔伯顿软件工程学院（holberton school of software engineering）是学术机构使用区块链分享认证学生成绩单的早期实例。
? 金伯利进程（the kimberley process）是由联合国支持的组织，它管理着一种认证，旨在减少进入市场的冲突钻石的数量。传统上，这项工作依赖纸质的原产地证书，但该组织的主席在2016年时报告说，他们正在开展一个区块链试点，以便了解不可改变的分类账可以如何改善现有系统。everledger是一家位于伦敦的初创企业，它正在使用类似技术来认证用于消费者保险目的的宝石。
? 2014年，海关官员检获进入美国的价值5 000万美元的仿制鞋，这是每年在国际上交易的4 610亿美元假货的一小部分。为了防止这种欺诈行为，鞋类设计公司greats在2016年发布了beastmode 2.0 royale chukkah系列，产品搭载一个支持区块链的智能标签，方便其爱好者通过智能手机确认鞋子的真实性。
? 网络零售商overstock的首席执行官帕特里克·拜恩（patrick byrne）从比特币早期开始就一直是区块链的倡导者。2014年9月，overstock成为第一家接受数字货币的大型电子商务店铺。拜恩紧接着又创建了另一家子公司t?，该公司使用区块链接来跟踪金融资产的交换。公司的名字来自华尔街惯例：平台上的交易在零日之内结清，而不是“三天之后”（t + 3）。2015年6月，overstock通过t?推出2 500万美元的公司债券。2016年3月，它宣布正在利用区块链公开发行优先股。以上两项都是世界首例。
? 2015年10月，纳斯达克交易所推出了linq解决方案，它使私人公司能够使用区块链技术，以数字化方式记录股权。尽管linq最初专注于私人公司，但纳斯达克交易所认为，类似系统可以在公开市场中使用，从而降低90%以上的结算风险[11] 并“大幅降低资本成本”。
? 2016年9月，爱尔兰农业食品公司奥努阿（ornua）向塞舌尔贸易公司（seychelles tradingpany）运送了价值10万美元的奶酪，这是第一宗使用区块链记录贸易融资细节的国际贸易交易。除非满足两个条件，否则跨境贸易一般不会发生。首先，有关各方已经理顺了贸易融资的所有细节，包括为在途货物投保，确定何时转让所有权等。其次，有关各方都确认收到一整套完全相同的、与这笔融资相关的、正确签署的法律文件。奥努阿公司与塞舌尔公司之间交易的所有文件在区块链上发布，将7天的流程减少到4个小时。
? 2016年6月，格鲁吉亚共和国宣布与经济学家赫尔南多·德索托（hernando de soto）合作，在该国共同设计和试点一个基于区块链的土地所有权登记系统。有关流程迁移到区块链之后，房主和其他用户的成本预计会减少，同时，由于土地记录和区块链的其他内容一样都不可改变，因此腐败的可能性也会相应降低。 智能合同
显而易见，区块链不仅适用于比特币相关交易，而且还可用于记录所有类型的交易，有些人还意识到，分布式的分类账是数字化“智能合同”最理想的“安身之处”，这是电脑科学家兼法律学者尼克·萨博（nick szabo）在20世纪90年代中期提出的想法。[12] 萨博指出，商业合同是现代资本主义经济体的基础之一，它在许多方面与电脑程序类似。两者都涉及明确的定义，程序涉及变量，合同涉及交易各方及其角色，并且两者都明确在不同条件下会发生什么。例如，书籍作者和出版商之间的合同可能规定，作者将稿件发送给出版商时将收到一定数额的稿酬，如果精装书的销售超过一定数量，那么支付给作者的版税将会增加。任何一位像样的程序员都可以用几行电脑代码编写这些条件。
但是，这又能怎么样呢？即使我们两人用电脑程序的形式与本书出版商诺顿公司签订了合同，我们还是不清楚它为什么比标准的纸质文字合同更好。我们是不是需要编辑把收到稿件的事情告知公司的应付账款部门，让它向我们支付稿酬？是不是需要诺顿的会计师来监控销售，向我们签发版税支票？是不是需要法庭来解决任何我们无法解决的争议？如果由于过失或篡改的原因，我们持有的合同这样表述，而诺顿持有的合同那样表述，那么是不是需要法庭来确定哪个版本的合同才是“正确的”？最根本的是，我们和出版商是不是真的需要相当高的信任度，亦即信任对方诚实，尊重合同条款，不会有不良行为？
我们非常信任诺顿公司，但这主要是因为我们已经在它那里出版了一本书，体验非常棒。而且，我们决定在诺顿出第一本书，主要是因为它已经营多年，有很好的声誉，出版过我们非常尊重的作者的书，并得到我们出版经纪人的大力推荐。[13] 简言之，有很多信号表明，诺顿是我们值得信赖的合作伙伴。[14]
智能合同的倡导者对这件事情的看法很不一样。他们会注意到，我们可以依靠尼尔森图书调查公司（nielsen bookscan）之类的第三方，而不是一味相信诺顿能准确地向我们告知图书销售情况。然后，我们可以编一个程序，它可以访问网络、尼尔森的银行账户、诺顿的银行账户和我们的银行账户，并且具有以下逻辑：
? 向作者和编辑提交一个页面，要求每方点击一个按钮，确认稿件已经提交。一旦各方点击了按钮，就将资金从诺顿的银行账户转入作者的银行账户。
? 开始使用尼尔森公司的服务来监控精装书销售情况。如果精装书销售超过一定数量，那么就提高之后向作者付款时的版税率。
我们之间实际签署的任何智能合同显然会比以上逻辑更正式、更复杂，但它不需要任何深奥的数据或代码。编程很容易。
但是，如果有多个合同版本，或者篡改合同版本，这个潜在问题如何解决呢？这时就要用到区块链，它提供了一种非常理想的解决方案，我们和诺顿同意合同条款之后，双方只需用数字签名签约，并将其添加到块链就行了。随后，合同就具有与分类账记录的所有交易相同的属性。它永久存在、可见、可验证。最重要的是，它不可改变，事情发生之后，无论是我们自己、诺顿公司还是其他人都不能篡改记录。我们或许希望用自己的数字签名来备份或删除记录，以便获得重新谈判此智能合同的能力，但这是不可能的，区块链被证实的完整性可以确保我们合同的完整性。
这类合同的主要优点在于：它消除了对多种信任的需求。我们不需要信任诺顿会准确计算图书销售，因为合同依靠尼尔森的数据来执行。或者说，如果我们达到了精装书的销售目标，出版商实际上将会提高版税率，因为这样做是不可改变的代码的一部分。[15] 我们甚至不需要信任所在地区的法庭有能力、不偏不倚并且应对得当，因为智能合同不依赖它们来执行其条款或核实其合法性。该项合同只在区块链上存在并执行，受益于它的开放性、可验证性和不可改变性。
1996年，智能合同先驱尼克·萨博写道：
那么，对于智能合同关键思想的一种广泛陈述就是合同应该嵌入世界。世界的机制应该如此构造，使得合同
（a）可以抵御无知的破坏行为，并且
（b）可以抵御复杂的、激励相容的（即理性的）违约行为。
差不多20年后，区块链世界出现了，它似乎恰好就是萨博描述的结构和世界。企业家、程序员和远见卓识者注意到，把分布式分类账和智能合同结合起来的工作已经开花结果。
截至2016年年底，最著名的系统可能是以太坊（ethereum），它将自己描述为“运行智能合同的分布式平台，准确按照编程运行的应用程序，没有停机、审查、欺诈或第三方干扰的可能性”。以太坊平台启动了一些雄心勃勃的项目，下一章将讨论其中的一个。 颠覆核心
在涉及加密货币、分布式分类账和智能合同的项目中，至少有一些似乎被以下期望所激励：把之前集中的活动和信息去中心化，让大众明显比核心有利。产生这种期望的原因有很多，其中最重要的是觉得核心变得太强大，不能信任。
在2012年的一次well大会的台上对话中，科幻小说作家布鲁斯·斯特林（bruce sterling）提出了高科技产业一小撮“堆栈”的想法。他说，“谈论‘个人电脑业务’‘电话’‘硅谷’或‘媒体’越来越没有意义，更有意义的是只研究谷歌、苹果、facebook、亚马逊和微软。”斯特林认为，“美国这五大垂直组织的孤岛正在用它们的想象重塑世界。”
会议结束后不久，亚历克西斯·马德里加尔（alexis madrigal）在《大西洋月刊》写道：
它们创造的世界看起来将会怎样？我的想法是：你的技术将在孤岛内得到完美应用，而且与个别堆栈的（临时）盟友合作。但是在自己和竞争对手的接口处，它将被完全破坏。
在那一刻，你正试着做没理由做不成的事，但它就是做不成，除了改变一下软件，使之更工整地融入孤岛，你还有什么办法呢？
这样的事情会发生很多。
他的意思是说，我们不能信任技术产业最核心的企业会像照顾自己一样来照顾消费者的利益。堆栈的力量似乎一直在增强，印证了斯特林的先见之明。例如，2016年7月下旬，他3年前点名的5家企业成为世界上股票市值最高的上市公司。
不信任并不限于高科技行业。在经济衰退之后的几年里，公共关系企业爱德曼（edelman）进行的调查发现，金融服务业是世界上最不受信任的行业。但是，这个行业的大型强权企业如何能够被颠覆呢？要点是，颠覆的方式不会自动产生其他具有相同弱点和缺点的大型强权公司。 前景广阔
2015年1月，乔恩·埃文斯（jon evans）在techcrunch网站发表了“所有事物去中心化”一文，文章标题暗示着一种令人难以置信的简单方式。作者质问，为什么不采纳比特币、区块链和智能合同的原理、流程和技术，更广泛地应用它们？中本聪引发的加密货币实验已经显示出某些引人注目的东西，只要有一点点沟通，有足够的数学和代码，独立、利己的大众角色就可以为整个集体创造非常有价值的事物，并用自己的行事方式击败核心，在本例中，具体方式就是维护一个准确的重要交易分类账。这一经验的适用范围有多广？它的边界在哪里？
埃文斯的文章承认实现这一愿景存在障碍，同时也表示有信心克服这个问题。这个例子很好地诠释了“解题主义”这样一种信念，即可以通过创业能量和技术创新的正确组合来解决难题。“解题主义”起初是侮辱性的词语，作家叶夫根尼·莫罗佐夫（evgeny morozov）用它表示“一种智力病理”。然而，许多技术专家对“解题者”的称谓不以为耻，反以为荣。2014年，马克·安德森在推特的个人资料里把自己描述为一名“自豪的解题者，始于1994年”。
对解题者而言，比特币和区块链本身就非常美妙。智能合同和相关创新欲成好事，使区块链成为比分类账更广泛的事物，同时又保留了最理想的属性。解题者的愿景是：使区块链成为开放、透明、全球化、免费使用（至少很便宜）、普遍可用、不可改变的储藏室，它不局限于比特币，还可用于各种信息产品交易。 挑战公司
信息产品可以包括合同和软件。来自大众的加密货币解题者说，不妨想象一下，如果人们和组织允许程序访问银行账户、保险单、托管资金、投资组合等信息资产。继而想象一下，这些程序可以访问区块链，把交易输入其中，并且程序本身也会被记录进去。那么，由于区块链的不可改变性，这样的系统将保证程序代码不被更改，不被黑客攻击，程序因此而按照原先设想的方式运行。如此一来，陌生的新事物就会变得可能，合同和带有现实世界影响的复杂交易将被自动执行，无须成本，也无须任何中央权威的监督或恩宠。
有人认为，区块链足够强大，可以直接挑战堆栈，也就是布鲁斯·斯特林等人所指的控制大部分网络的大型科技公司。唐·塔普斯科特（don tapscott）和亚历克斯·塔普斯科特（alex tapscott）父子在其2016年出版的《区块链革命》（blockchain revolution ）一书中写道：
企业的力量已经夺得许多精妙的点对点、民主和开放的技术，并将其作为无节制获取价值份额的手段……亚马逊、谷歌、苹果和facebook等强大的“数字化巨头”……正在开采民众和机构产生的数据宝藏……现在有了区块链技术，一个充满新可能性的世界已经开始逆转所有这些趋势。我们现在有了一个真正的点对点平台……它能开始改变财富的分配方式，首先是改变它的创造方式，因为从农民到音乐家，每一处的人们从一开始就能更充分地共享自己创造的财富。一切皆有可能。
在发达国家，许多人认为大公司变得太强大，金融业和高科技行业更是这样。在大部分发展中国家，法院相对弱势，陌生人之间的信任程度较低，政府又奉行损害货币的政策。加密货币的倡导者认为，上述两种情况的结果是一样的，交换被扼制，机会被浪费，与本来可以过上的日子相比，人们过得更糟。
许多人开发比特币、区块链和智能合同，因为他们希望从本质上改善这种状况，将市场经济的重要方面从核心转移到大众，也就是从中央银行、公司和法律系统转移到世界各地忙碌不已的众多电脑，这些电脑运行代码，试图将所有事物去中心化。
这工作该有多好？ 本章总结
? 比特币显示出把社区彻底去中心化的潜力。通过结合数学（密码学）、经济学、代码和网络，它们可以创造一些与货币一样基本、一样关键的事物。
? 与比特币相比，区块链可能更重要，其分类账是开放的、透明的、全球性的、灵活的和不可改变的，具有明显价值。与智能合同和其他数字化创新结合起来时，区块链的价值尤其明显。
? 比特币和区块链最重要的作用，可能就是使得按自身利益行事的全球民众和组织能够创造出有巨大分享价值的事物。
? 比特币和区块链已经引发了一波创新、创业热潮，目前仍不清楚它们最终将在经济和社会中扮演什么样的角色。
? 有些人认为，银行、高科技等行业的大组织已经变得太过强大，目前存在着一种可行的替代方案，因为极度去中心化的新技术出现了。
? 早期的实践表明，新的分类账技术需求很大。它能使许多现有的业务流程更节约、更快，也许更重要的是，它激活了新的业务流程。 问题
a 开放、透明、全球化、灵活、不可改变的分类账可能对你有什么价值？你会放置什么样的文件、记录或交易？你又会联合哪些合作伙伴——客户、供应商、第三方、政府机构等？你认为这样的分类账可以节省多少时间和金钱？
b 为了使分类账对你有价值，它是否还需要彻底地去中心化，它可以由一个或多个组织拥有和控制吗？
c 比特币和其他加密货币对你有多重要？你打算接受它们作为一种支付方式吗？
d 你将尝试撰写的第一份百分之百自动执行的“智能合同”是什么？
e 你认为大规模去中心化会在什么地方（如果有的话）推翻核心，并在未来5—10年内实现大众的整体替代或大部分替代？
[1] 罗伯特·海尔布隆（robert heilbroner）在其1953年所著的《世界哲学家：伟大的经济思想家的生活，时代和思想》（the worldly philosophers: the lives, times and ideas of the great economic thinker ）一书中为经济学家创造了这个标签。
[2] 从2008年开始，中本聪通过化名的电子邮件、博客文章和构建比特币系统所需的源代码元素与全世界分享一个愿景。她（他）在2010年年底进行最后一次公开沟通。从那时起，有些人试图找到中本聪，但是没有成功。关于比特币创始人，已知的一件事情是，她（他）持有近100万btc（比特币交易的首字母缩略词），2016年9月时的价值超过6亿美元，相当于所有流通比特币的近7%。
[3] 一些国家政府已经开始研究数字现金。例如，英格兰银行已宣布正在开展“一项多年期研究计划，旨在评估引入中央银行发行的数字货币之后的主要经济、技术和监管影响”。bank of ennd, “digital currencies,” essed february 8, 2017, http://.bankofennd.co.uk/banknotes/pages/digitalcurrencies/default.aspx.
[4] 1873—1971年，美元可以兑换成固定数量的黄金。理查德·尼克松总统推出的一系列经济措施将美元兑为法定货币，美国的“金本位制”遂告终止。
[5] 原始奖励设定为50个比特币。2012年11月下降到25个，2016年6月下降到12.5个。这个被称为“减半”的过程内置于比特币软件中，每建21万个区块就发生一次。“减半”最多发生64次，共产生2 100万个比特币，此后将不再产生。jacob donnelly, “what is the ‘halving’? a primer to bitcoin’s big mining change,” coindesk, june 12, 2016, http://.coindesk/making-sense-bitcoins-halving. 因此，比特币的所有参与者都知道，随着时间的推移，比特币将会如何发行以及发行多少。对于美元、欧元、日元或世界各国政府发行的其他货币来说，由于政府有权在自认合适时增印钱币，因此情况完全不同。当政府做出不明智的决策，太快、太多地增印钱币时，结果就是恶性通货膨胀。
[6] 一个实体要接管比特币系统的话，必须拥有该系统50%以上的总处理能力，从而总是能够率先完成工作证明，并因此决定哪些交易是有效的。
[7] 比特币的价值可能不会因为被接管而崩溃。无论如何，法定货币的发行者可以按自己的意愿增发货币，只要它是多少可以信任的，那么法定货币通常就有价值。
[8] 实践中，这通常意味着富有的投机者。
[9] 成功攻击门头沟公司和其他比特币交易所的黑客并没有损害区块链本身。相反，似乎比特币是盗自交易所的“热钱包”，它是一个连接到互联网的银行账户，用于比特币交易，但不是区块链的一部分。
[10] 一项区块链交易的各个参与方都可以决定加入交易费用，它将被支付给创建区块的矿工。这些自愿费用旨在作为对矿工的额外激励。
[11] 结算风险是交易一方在另一方付款之后不能兑现承诺的可能性，反之亦然。
[12] 许多人认为萨博其实就是中本聪。但他一再否认这个说法。
[13] 我们的出版经纪人是非常值得信赖的拉斐尔·萨加林（raphael sagalyn）。
[14] 对于诺顿公司而言，表明我们两位是好作者的信号要少一些。我们很感激该公司为我们提供机会。
[15] 如果担心诺顿可能没有足够的钱支付，我们可以在智能合同中写入代管账户或其他应急措施。
12 公司过时了吗
有些人认为私营企业是掠夺成性的老虎。有些人认为私营企业是能挤奶的母牛。很少有人把它看成一匹拖着坚固马车的骏马。
出自温斯顿·丘吉尔（winston churchill，1874—1965）
在这个强大的新技术时代，我们还需要公司吗？许多观察家断言，现在已经有了真实的方案来替代公司。这些替代方案利用了本书描述的许多数字化创新，特别是上一章描述的基于大众的彻底去中心化技术，如加密货币、分布式分类账和智能合同等。公司是现代资本主义的核心所在，但正如我们在本部分反复看到的那样，核心经常被技术武装的大众击败。那么，公司将会怎样？
为了开始讨论这个重要问题，我们来看看最近两项用大众替代公司的工作所产生的影响。一项是dao（decentralized autonomous organization，意为“去中心化的自治组织”），另一项是比特币/区块链。在相关经济理论的剖析之下，这两项具体工作的最新记录在很大程度上向我们展示了一般公司的未来。 dao之道
2016年5月28日上午9时，资本主义商业世界最纯粹的一次大众运动完成了史上最大规模的一轮众筹。其中涉及的实体是第一个真正去中心化的自治组织，也就是dao，正如其宣言所解释的，这个实体“不存在于任何地方，同时又无处不在，并依照不可改变的代码的毫不动摇的钢铁意志行事”。[1] 它有点像风险投资基金，但遵循所有事物去中心化的原则。
dao仅作为开源的分布式软件存在，用于执行智能合同。它是在上一章描述的以太坊项目中构建的，并且使用了该项目的加密以太币。像风险投资基金一样，它审批项目并进行投资。但与标准的风险投资基金相比，dao有两个不同之处。首先，该组织并不要求所有项目都承诺财务回报，它也可以支持非营利性项目。其次，挑选可支持项目的是资助dao的大众，而不是作为合作伙伴或评估者的核心群体。大众的成员按照各人的初始投资比例行使投票权。
在dao软件之外，没有人类或机构层级，没有首席执行官、董事会或员工，甚至没有像莱纳斯·托瓦尔兹运营linux那样设置指导委员会。dao只是软件，也只有软件，只有在大多数参与者决定在自己的电脑上安装新版本的情况下，软件的功能才会被更改。否则dao将继续按初始编程的方式运行，不可能有中断或人为干预。没人有正式的权力改变dao，没人可以商议或吁请改变它，如果它处事不公，也没人会被法庭起诉或追究。
许多人认为，这种软件正是克服核心的偏差和不足所需要的。评论家称之为一种“范式转变”，可以“为商业民主化提供新机会。”《福布斯》杂志报道说，这将“促成未来的企业家……按需定制地‘设计’自己的组织，满足自己要改变世界的使命、愿景和战略的最佳需求”。真钱蜂拥而入，支持这个完全虚拟的组织，在2016年5月的28天内，它筹得1.62亿美元。 好景不长
在dao的筹资窗口关闭之前不久，一群分析其代码的电脑科学家发表了一篇论文，指出软件内嵌的社区投票程序中存在他们所说的严重缺陷。[2] 作者写道，他们公开讨论这些问题不是为了“以其dao之道灭其dao之身”，而是想加强它，“我们讨论这些攻击，并提供具体简单的建议，它们将缓解攻击，或者在某些情况下使攻击变得完全不可能。”
然而，在dao运行之后不久即盗取其大约1/3以太币的匿名黑客可能没有这样的社区良心。在检查代码之后，这位仁兄意识到，本质上，即使请求的账号余额为零，也可以易如反掌地使dao像一个装满现金而且一直吐钱的自动取款机一样运作。
这完全是公开作案，要知道，dao是透明的，是完全合法的，软件的许可条款明确表示，用户必须严格接受去中心化自治组织内发生的一切事情。
有人提问黑客为什么会发动这场攻击，因为盗走的以太币不能被立即兑成美元或任何其他法定货币。中本聪研究所的丹尼尔·克拉维兹（daniel krawisz）给出一个解释，黑客可能正确预测到一旦攻击被公开，以太币的价值就会暴跌，于是抢先出手，在线上操作的一场加密货币交换中做空以太币，由此挣得大约300万美元。
但黑客的动机并不重要，问题在于攻击中暴露出来的加密货币和智能合同的漏洞。中本聪研究所一份尖刻的评估认为，以太坊“注定要失败。”它编程不佳，使用条款有误，两者结合在一起，为这种糟糕的程式化法律约束带来灾难。
然而，坚持所有事物去中心化梦想的人并没有轻言放弃。以太坊的共同创始人之一维塔利克·巴特林（vitalik buterin）也是有影响力的《以太坊白皮书》（ethereum white paper ）的作者，该书于2013年出版，当时巴特林年仅19岁。2016年7月，他宣布了加密货币及其区块链中的一个“硬分叉”。如果dao的大多数参与者接受了这个嵌入新版本以太坊软件的分叉，那么之前在去中心化自治组织中发生的所有交易将基本不再被考虑，并且所有相关的以太币将归还初始所有者。
事实上，dao的大多数成员采用了硬分叉，但也有不少人怒火中烧。作家e. j.斯伯德（e. j. spode，可能是化名）在网络杂志《永旺》（aeon ）上做了一番解释：“在‘少数成员’看来，硬分叉破坏了以太坊的核心原则，不管怎么说，创建以太坊就是为了绕过所有横加干预的人类，绕过那些腐败的官僚、政客、董事、首席执行官和律师。代码就是法律。如果你没有看到软件的弱点，那是你的问题，软件本来就是公开的。”
斯伯德列出的“横加干预的人类”名单可能还应该包含中央银行的官员，他们常被指责操纵法定货币的价值。许多人觉得硬分叉做了更糟糕的事情。它没有随意改变以太币的价值，但它实际上改变了货币拥有者。dao的一些初始参与者拒绝了硬分叉，并继续使用原始版本的分布式软件，并将该系统命名为“经典以太坊”（ethereum ssic）。我们在2017年初写作本书时，以太坊和“经典以太坊”并行存在。 苦涩的比特币
尽管全世界热评如潮，但比特币和区块链也遇到了麻烦。迈克尔·赫恩（michael hearn）是一位多产且受人尊敬的区块链编程贡献者，他曾经对区块链深信不疑，因此从谷歌辞职，全身心投入该项事业。2016年的1月，赫恩出售自己持有的全部比特币，脱离项目。他在博客上撰文解释自己的决定，标题是“比特币实验的决议”。在赫恩看来，这项决议就是承认失败。而且，导致失败的不是采矿的棘手难题或者新近发现的加密货币本身的漏洞，而是组织方面的原因。他写道：
它之所以失败是因为社区失败。一种去中心化的新货币形式缺乏“系统性重要机构”并且“大到不能倒”，已经变成更糟糕的东西，变成一个完全由一小撮人控制的制度。这还有什么意思？更糟的是，这个网络正处于技术崩溃的边缘。应该阻止这种结果的机制已经分崩离析，因此，人们不再有大量的理由认为比特币实际上能比现有的金融体系更好。
由于如何处理系统持续增长的意见存在分歧，问题便也随之而来。两个阵营出现了，每一个都由高级程序员领导。他们不试着解决分歧，而是随着时间的推移强化自己的立场。每一方都认为自己依然秉持比特币和区块链的创始原则，而每一方也都有一些成员与风险资本支持的加密货币初创公司或其他商业利益相关联。中本聪在这个问题上保持沉默，他多年前就已经远离所有的讨论。在双方僵持不下之际，比特币系统的表现已经受损，这加剧了区块链交易被延迟或者完全被忽略的风险。
这场关于比特币系统的架构与未来的争议恰好碰上另一个令人担忧的趋势，那就是全世界比特币总体采矿能力的一大部分集中在中国。截至2016年中期，在全世界所有比特币交易和比特币采矿设备中，中国分别占有42%和70%。对于比特币社区的许多人来说，任何大的集中度都不受待见，因为它可能会对系统的演变产生不成比例的影响，系统的要点就是要通过去中心化来避免这种影响。具体而言，任何控制超过采矿总量50%的实体或协作群体可以单方面决定哪些交易是有效的，并由此剥夺其他人的权力。
在中国发生这种集中现象，特别令人不安。中国政府一直密切关注并监督金融机构，必要时会进行干预，而这种活动似乎与完全免受政府干预的加密货币梦想存在冲突。许多人认为，比特币和区块链会受制于严格的监管，美梦不一定成真。 颠覆性技术
dao和比特币采矿网络所遇到的麻烦凸显了一个根本问题，它与加密货币、智能合同、强大平台以及其他近期数字化技术的兴起有关。我们在本章开头提了一个简单的问题：公司是否会过时？我们正在更好地撰写智能合同，建立巧妙结合自身利益和集体利益的网络，将强大的生产和创新工具民主化，那么，我们还能依赖工业时代的公司来完成工作吗？
本书自始至终都论及主题，由于数字化进展神速，人脑和机器、产品和平台正在以强大的方式进行组合和重组。在这种情况下，大众会支配甚至压倒核心吗？
很多人相信并希望是这样。诚然，只要有在位者，就会有反对在位的哲学，但是，大萧条带来了混乱不公的感受，随后的复苏既缓慢又不均衡，使得这种哲学有了新的依据。许多人看到了大量证据，表明公司（特别是大公司）永远不可被信任，认为它们是剥夺和剥削的动力，与繁荣无关。[3]
如果大公司是问题所在，那么解决方案是明确的，即所有事物去中心化。看起来，技术进步理所当然地使这一愿景得以实现。我们在第3章中讨论的3d打印可以让个人制作任何物品，由此消除对充斥专用设备的大型设施的需求。这就是我们在麻省理工学院的同事尼尔·格尔圣菲尔德（neil gershenfeld）等人提出的新生产愿景。[4] 就许多作物的种植而言，大型农场可以用精确监控的微型容器来代替（见第10章）。加密货币和智能合同可以处理金融服务和其他信息商品（见第11章）。网络已经使信息和教育资源的获取日趋民主化（见第9章）。2012年，未来学家雷·库兹韦尔（ray kurzweil）表示：“在非洲，一个持有智能手机的孩子比15年前的美国总统获得的信息更多”，这种知识传播肯定会继续下去。摩尔定律将继续起作用，推动各种各样信息产品的价格下降、性能提升，其速度是计算机时代之前的历史闻所未闻的。
所以，技术似乎支持着所有事物去中心化。那么经济学又会怎样呢？对于技术进步改变公司和其他的工作组织方式，经济学的理论和证据能说些什么呢？实际上，经济学能说的太多了。 认识企业经济学
1937年11月，年仅26岁的经济学家罗纳德·科斯（ronald coase）发表了传世之作“企业的性质”。他在论文中提出了一个非常基本的问题：如果市场真的很棒，为什么还有这么多事情在公司内部发生？换句话说，为什么我们要选择在这些被称为“公司”的稳定、层级化、通常是大型和官僚主义的结构中开展如此多的经济活动，而不是所有人仅仅像独立的自由职业者一样工作，仅仅在需要完成特定工作时走到一起，事成之后又各奔东西呢？实践中，经理人这只“看得见的手”在日常业务中非常有效，毕竟公司随处可见。[5] 如果市场份额是对一个想法是否成功的终极考验的话，那么，人们可能会认为市场这个想法本身就没有通过市场测试。
很容易看出，在一个商法不发达、法庭羸弱，因此合同不被信任的环境中，一个纯粹的、原子式的市场是不起作用的。但是20世纪30年代时，美国和其他发达经济体的情况并非如此。那么，为什么还会有这么多公司？科斯对这个问题的分析再次证明，凯恩斯关于过世经济学家有持久影响的论点是多么正确。“企业的性质”一文常被极客和技术专家引用。事实上，这几乎是他们提及的唯一一篇经济学论文。
我们频繁听到从事数字化业务的企业家、创新者和未来学家援引科斯的名字，这使我们倍感惊讶。但是我们可能不该这样想，因为科斯向这些人表明：他们的工作有多么重要，这些工作又可以如何重塑整个经济。[6] 科斯的选择
科斯指出，选择企业或者市场，这本质上是一个使成本最小化的决策。事实上，它几乎是不得已而为之，因为竞争总是淘汰成本较高者。企业的边界非常灵活，它可以大到容纳成千上万的人士，持有数十亿美元的资产；它也可以非常狭窄，让大多数人像独立承包商一样工作，他们持有或租用必要的设备，并且从别人那里买入或卖出产品和服务。因此，公司之所以必须如此庞大、如此强大，是因为它们通常能够以比纯粹市场更低的成本生产产品、提供服务。
但为什么会是这样呢？我们不是说市场超级有效率吗？科斯认为，某些方面的确如此，但市场在其他几个方面也往往产生较高的成本，包括：
? 搜索并发现相关价格的成本；
? 谈判和决策的成本；
? 挨个签订合同的成本；
? 监督和执行合同的成本。
现在，你能看出科斯为什么如此有影响，如此受极客喜爱了吗？数字化技术显然降低了许多导致企业支配市场的成本，它们可能会逆转这一局面，促使市场蓬勃发展。1987年，汤姆·马隆（tom malone）、乔安妮·耶茨（joanne yates）和罗伯特·本杰明（robert benjamin）发表论文“电子市场和电子层级”，该文最为清楚地证明了这一点。[7]
此后发生了什么呢？我们进入个人电脑时代已有近35年了，进入网络时代也已经20年，而且还经历了10年的智能手机时代。这些都是新颖而强大的工具，当它们结合使用时，尤其可以降低科斯提出来的成本。在许多方面，它们正在引领一场靠近市场、远离大公司的大转换。事实上，马隆、耶茨和本杰明等人预见了电子商务的兴起，甚至还预测到像upwork和o2o平台之类的市场化组织。 公司该做什么？
尽管远离大公司的趋势明显，但它们的消亡根本就看不出来。恰恰相反，我们看到大公司日趋成为主导。美国经济既产生最多的数字化技术，也最为频繁地使用它们。所以，如果极客对科斯的解读正确，大公司会趋于式微的话，这个国家就是我们的希望所在。然而，实际发生的情况是公司集中度在提高，在大多数行业中，越来越多的销售和利润归于数量越来越少的大公司。例如，《经济学人》杂志研究了美国893个不同行业，结果发现，从1997年到2012年，前4位大公司收入的加权平均市场份额从26%上升到32%。正如我们在2008年所写的，信息技术使竞争更加“熊彼特化”，也就是说公司能够迅速扩张，获得主导性的市场份额，但同时也使新进入者更容易取而代之，增加市场动荡。
为什么会这样呢？为什么经济越来越趋数字化，而大公司却在增大，而非缩小？可能是有利于市场的数字化工具还没有广泛传播，或者仍不成熟。如果是这样，那么加密货币、区块链、智能合同和其他创新技术可能就刚好是实现科斯论证的极客愿景所需要的。至于我们所讨论的dao和比特币/区块链基础设施描述的问题，可能只是一位“年轻巨人”在成长过程中经历的痛苦。如前所述，我们倾向于高估新技术的短期潜力，而低估其长远利益。而且我们认为，人们很容易低估新的分布式分类账及其同类。不管中本聪是谁，他（她）的确给世界带来了强大的新事物。
但只是这些还不够强大，还不足以把公司推倒，甚至不足以显著降低其在世界经济中的重要性。为了明白其中的原因，我们需要回顾科斯的工作，但不能停在那里。相反，我们需要了解交易成本经济学（tce）的后续见解，而科斯就是该学派的开山鼻祖。 重新思考公司
交易成本经济学研究“为什么经济活动是这样组织的”这样一个基本问题，例如，我们所看到的市场和公司为何是这样组合起来的。它经常被称为企业理论，是经济学的一个显要分支，其中已有三位学者获得了诺贝尔奖。科斯在1991年率先垂范，2009年，他的学生奥利弗·威廉森（oliver williamson）也获此殊荣，同时获奖的还有埃莉诺·奥斯特罗姆（elinor ostrom），[8] 最近一次，也就是第三次获奖的学者是奥利弗·哈特（oliver hart）和本特·霍斯特罗姆（bengt holm-str?m），获奖时间是2016年。毫无疑问，你会从该学派的名称推测交易成本非常重要，当市场的总交易成本较低时，它们就胜过层级制的企业，反之亦然。
我们不可能在这里阐述交易成本经济学的所有见解，其真知灼见太多了。相反，我们想把精力集中在其中一个方面，它对于理解大众持有的新型强大数字化技术的影响尤其有帮助。我们从一个基本的经验法则入手：与层级制的企业相比，市场的生产成本往往低一些，但协调成本则要高一些，在这里，生产成本指制造产品或提供服务所产生的全部成本，协调成本指设置生产并保持其平稳运行的全部相关成本。本书讨论的各种技术是降低成本的重要因素，在降低协调成本方面尤为明显。不难看出，在一般情况下，搜索引擎、廉价的全球通信网络，以及免费、完全和即时的信息产品经济都会降低协调成本。
从逻辑上讲，随着协调成本的下降，市场的相对劣势缩小了，因此将变得越来越有吸引力。正如汤姆·马隆和他的合作者预测的那样，这意味着市场会被用得更多，而企业则被用得更少。这正是我们在某些重要方面所看到的。近年来，随着数字化技术的不断改善和传播，外包、离岸外包、自由职业者和其他“分拆企业”的行为也大大增加。很明显，有一场大规模的运动正在进行，它拿走了原本在单一企业层级结构中进行的许多工作，并将其推向市场。
然而，企业仍在明显走强，在许多方面，它们的经济影响力正在增加而不是减少。那么，交易成本经济学的基本经验法则是错误的吗？当然不是，但它需要被“现代化”。自从“企业的性质”一文面世以来，已经有长达80年的研究建立在科斯的发现之上并加以发扬光大。一味继续依赖它，就有点像把格雷戈尔·门德尔（gregor mendel）19世纪中叶的工作当成遗传学的终极话语，并因此无视沃森（watson）和克里克（crick）、dna的发现，以及后面发生的一切。 不完全的合同
在交易成本经济学的诸多阐述中，与本章内容最为相关的是不完全合同和剩余控制权的概念。桑迪·格罗斯曼（sandy grossman）和奥利弗·哈特在其开创性的论文中问道：“公司所有者持有哪些非所有者不能持有的权利？”他们推理指出，所有权仅在合同不完全的意义上才具有价值。如果合同明确规定了一座建筑物、一台机器或一种专利的每一种可能用途，那么把合同一方标注为该项资产的“所有者”将不会带来额外的权利。
另一方面，当合同不完全时，所有者就拥有剩余的控制权，即他们可以使用资产去做合同内容之外的任何事情。[9] 如果合同中没有规定可以给汽车涂什么颜色，或者没有规定何时更换汽油，又或者没有规定是否更换音乐系统，甚至没有规定是否可以将其以1美元卖给街上的一位小老太太，那么作为业主就有权做出这些决定。哈特深入研究了这些问题，发表了一组特别有影响的论文，包括与约翰·摩尔（john moore）的合作论文[10] 及与本特·霍姆斯特罗姆的合作论文。[11]
一位支持把所有事物去中心化的人士可能会追问，为什么要假设合同总是不完全的？如果我们努力试一次，说不定就可以成功撰写出一份完全的合同。实际上，合同各方也许能够针对一部汽车（或其他资产）写出完整的一套角色、权利、责任和奖励，无论汽车会发生些什么，或者合同各方会发生些什么。如果这样一个完全合同真的有可能，那就不会有剩余控制权，当然也就不用在乎谁拥有汽车。本质上，这正是原先假设dao能够做的，即是说，每一项未来的决策都可以通过一个全面的合同来裁决。
然而，几乎所有研究过这个问题的经济学家都认为，在实践中，完全的合同是不可能的。世界是个复杂之地，未来的大部分不可知，我们人类的智力也有限。这些考虑和其他因素结合起来，使得完全合同难上加难，最有可能的情况就是：对于任何一个现实的商业场景，实际上都不可能撰写一份根本不需要所有权的完全合同。
实践中，这意味着当两个人一起从事某个项目，并且其中一人拥有生产所需的机器或工厂之类的必要资产时，所有者一方就拥有剩余控制权。如果其中任何一方提出新的创意，可以增加机器的产出，那么所有者一方就可以付诸实施，无须进一步商讨。相比之下，非所有者一方则需要所有者的许可。这种情况就给所有者带来了坚持削减额外产出之类的讨价还价能力。交易成本经济学称之为“敲竹杠问题”。这样一来，所有权影响了创新的激励，无论是新产品创意等大创新，还是更好的库存分类等小创意，结果都一样。
解决问题的要点在于通过改变所有权来改变激励因素，因此也改变结果。与那些自有资产的独立承包商相比，使用他人资产工作的员工有着不同的激励。这是企业边界之所以重要的一个原因。在设计高效率的公司、供应链或整个经济体时，关键问题之一就是如何安排资产与激励。
那么，企业之所以存在，根本原因之一就是市场参与者不可能合起来一起撰写完全合同，让合同写清楚所有可能的情况，即现实世界在未来可能发生的所有情况，然后规定谁该做什么，谁又能得到什么。实际上，公司制是解决这个问题的一种办法。它代表一种预先确定的方式，确定谁来执行剩余控制权，管理层代表公司所有者开展这项工作；它还预先确定谁该获得回报，这涉及公司的利益相关者，其中包括所有者，但也可能是其他拥有讨价还价能力的人，[12] 在所有合同要求得到满足之后，他们会参与相应的价值分配。
我们当然不能保证这个安排会很管用。管理层可能优柔寡断、无能、腐败，或者犯错，股东们可能血本无归。但企业仍因管用而存续，而且也的确管用，部分原因在于它解决了困扰市场的不完全合同和剩余控制权问题。 难上加难的去中心化
以上见解有助于我们理解本章较早时讨论的比特币、区块链、以太坊和dao的最新问题。从一开始，区块链的设计原则就是尽可能去中心化及不可控制，这意味着它最终是反层级结构的。但是，对于那些热情的支持者来说，如果区块链朝着他们不愿意看到的方向发展，例如它开始越来越多地在中国运营，那么他们能求助于什么呢？从许多方面来看，这种情况与加密货币和分布式分类账的原始愿景截然相反。但是对于原始的比特币爱好者来说，他们也几乎不可能改变现状或回到从前，这就像一小群交易者想改变整个股票市场趋势一样困难。
很不幸，比特币和区块链程序员已经分裂成两个彼此对抗的阵营，也没有任何一种正式或非正式权力可以做出最后的决定。一旦他们的成果越来越受制于一个威权政府，而且它有着大量技术和市场干预记录，情况就会变得更糟。将整个区块链结合在一起的合同是完全由代码写成的，也是由数学支持的，它没有具体说明当采矿网络在地理上太过集中时应该做些什么。一旦这种合同的不完全性变成明显问题，其所有者将毫无退路。
dao的问题更加严峻，因为它明摆着要同步成为100%去层级和100%完全的合同。其成员签约加入社区，把资金投入一个在线环境，所有决策都由大众做出，没有监督、审查或追索，换句话说，也就是没有任何形式的层级结构、管理措施或所有权集中化。只有一个分布式的区块链和代码体系，它收款、接受项目方案、计算项目方案的投票结果，然后根据计算结果分配资金。dao明确表示，不会对决策及其结果进行二次推测。所以，它把1/3的以太币发送给一位匿名黑客，这也是完全合同之下的合法结果。2016年7月，dao发布置于以太坊软件之中的硬分叉，解除了黑客的工作。然而，这个分叉也激怒了加密货币社区的许多成员，他们把它看成一位所有者做的事，而以太坊的要义不仅是没有所有者，更根本的是它不能被拥有。以太坊社区遂一分为二。一些人熟谙交易成本经济学和不完全合同的现实，他们可能已经预见了这样的结果。
无论技术基础变得多么稳固，像dao这样完全去中心化、纯粹基于大众的实体能在经济上占主导地位吗？对此，我们两人持悲观态度。它们根本无法处理不完全合同和剩余控制权问题，而公司则授权管理层负责所有未明确赋予其他方的决策，从而化解难题。智能合同是个有趣、强大的新工具，它们将有可用之处，但并没有解决公司之所以存在的根本问题。公司之所以存在，很大程度上是由于功能完整的完全合同不可撰写，这与合同的执行难度或执行成本没有太大关系。
那么，未来的技术最终能撰写完全的合同吗？有一些技术可以提供帮助。例如，我们在物联网上看到传感器越来越普遍，因此有可能监测大量的行动和结果。电脑能力业已增强，这有助于针对未来的多种结果进行决策的模拟、选择和存储，网络可以将所有这些数据和信息汇聚到中央结算场所进行裁决。但是，电脑不仅使得一方能够快速预期结果，也使得其他各方能够考虑更复杂的可能性。于是机器就像《爱丽丝梦游仙境》（alice in wondend ）中的红皇后，必须越跑越快，才能跟踪到出现的所有偶然事件。最终，合同可能仍然不完全。 未来的公司
公司之所以存在，还因为它们服务于其他一些经济和法律职能，如果世界仅仅由自由职业者组成，而他们又不断撰写合同以便在一起工作，那么这些职能就难以做到反复一致。公司被假定为无限期存续，这使得它们适合长期项目和投资。它们还受一整套成熟法律的管制，这些法律内容繁多，适用范围因人而异，为各方提供了可预见性和信心。因此对于许多业务而言，公司仍然是首选工具。
事实上，即使在数字化技术影响最大的那部分经济体，即使机器、平台和大众在那里走得最远，我们仍然随处可见经营良好的老牌公司。毫无疑问，它们当中有许多正在做一些与50年前或100年前规范不同的事情。爱彼迎、uber和sspass等平台公司的合作对象并非一小部分稳健的老牌公司，而是大型、流动的人员和组织网络。老牌公司正试着放低身段，使某些类型的合作伙伴能够进退自如，与它们开展业务往来，这引发了“按需经济”的概念。其他公司正在探索如何利用区块链、智能合同等极端去中心化的技术来提供价值。但是，它们几乎都是在非常传统的股份制公司结构中追求这些激进目标，而这种组织形式已经存在了4个多世纪。[13]
我们访问过这些公司，对它们表面上的正规程度留下了深刻印象。它们都有员工、职衔、经理和高管，都有首席执行官和董事会。很少有纯虚拟的组织，相反，它们有实体办公空间、办公桌和会议室，可能还有大电脑屏幕、桌球台和乒乓球桌，还有比我们在职业生涯中看到的很多其他公司都要好的附加福利，如免费小吃和餐点等，但是，这些是主要区别吗？ 管理很重要
在标准的企业组织当中，经理人一直是最受非议的群体之一。他们在流行文化中的形象总是负面的，美国电影《上班一条虫》（office space ）和电视连续剧《办公室》（the office ）都是证明。经理人被视为一群笨蛋，毫无价值，而且消磨员工的工作热情，浪费他们的时间，挫伤他们的雄心壮志。许多人望眼欲穿，期待有足够的电脑和网络出现，把中层管理者的文件递送和报告功能自动化，到那时，需要他们的地方就会少了。
但事情并没有向这个方向发展。根据美国劳工统计局的数据，1998年，经理人占美国劳动力的比例约为12.3%，但到2015年，这一数字已经上升到了15.4%。而且有强有力的证据表明，随着时间的推移，很多其他的工作在本质上变得更加“像管理”了。2015年，经济学家戴维·戴明（david deming）发表了一篇有趣的研究论文，该文分析了1980年至2012年期间美国经济对不同技能的需求。像我们预期的那样，认知和体力两个方面的常规技能需求在此期间大幅下降，原因如本书第1章所述，人脑和机器的标准伙伴关系此时正在整个经济中传播。
戴明也评估了被他称为“社交技能”的协调、谈判、说服和社会认知等方面的需求转变。他发现，1980年至2012年期间，“社交技能任务投入”（也就是这些任务的总体使用）增加了24%，而“非常规和分析技能”仅增长11%。此外，从这一时期的总体就业看，需要高超社交技能的工作所占的比例提高了，而且与这些工作是否需要高超的数学技能无关。这些工作并非都是管理工作，但很显然，整个经济这些年来孜孜以求的正是优秀经理人的“拿手好戏”，即感知人们的情绪和优先事项，让他们一起好好工作。
这是怎么回事？为什么强大的数字化技术一路传播，而商业世界还需要比例更高的经理人，需要更多有社交技能的工人？我们认为，中心化管理和社交技能之所以被持续使用，主要出于三个方面的原因，它们之间高度相依。
第一个原因最明显也最简单：世界太复杂、变化太快。想在其中保持长盛不衰，就需要大量的经常性协调，它们并不是都能够通过社交媒体上的自动更新或同行对话来完成。社交媒体上的活动非常有价值，但它们并没有消除对组织“传输带”的需求。我们在麻省理工学院的同事保罗·奥斯特曼（paul osterman）用“传输带”一词来比喻中层经理人的正面作用，他们解决小问题，报告大问题，在上下级之间进行沟通，与同行谈判、讨论，并在其他许多方面使用社交技能。按照以往的定义，大律师是在出庭之前让问题消失的人。真正好的经理人也一样，他们使组织工作的传递畅通无阻，并防止组织出现问题。
我们大多数人并不认为数字和算法本身很有说服力，这是人类社交技能仍然如此重要的第二个原因。先讲一个好故事或一段趣闻逸事，然后再来一张填满统计学意义上显著结果的表格，这样做能给我们带来更多的震撼。这显然是我们的认知偏见之一，但我们都不能忽视它。所以，精明的公司下重本开发“轻柔”的劝说艺术，既针对自己的客户，也针对自己的员工。这解释了戴明的研究发现，即分析能力与高超的社交技能配合时更有价值，正是由于这种配合，好的想法得以传播并且被接受。
第三个原因最模糊，但也可能最重要。这就是我们人类希望一起合作，互相帮助，而且我们能够、也应该鼓励这样做。世界上有许多社会动物，但正如灵长类动物学家迈克尔·托马塞洛（michael tomasello）的精彩总结，“如果看到两只黑猩猩一起扛着一根木头，那简直不可思议。”而且，在几乎所有存在过的大型人类群体中，总有部分人扮演定义和塑造工作任务的角色。情况不妙时，我们就看到暴君、蛊惑者、操纵者和寡头，总之都是坏老板或者拉帮结派的气息。顺利的时候，我们看到的是“领导力”和“赋权”，当然这些词汇被过度使用，因而被贬低了。此时，我们看到的组织能够打造奇妙的复杂事物，如双层喷气式飞机、2 700英尺高的摩天大楼、袖珍电脑和全球性的数字化百科全书。 继往开来
本书并不深入探索如何领导组织，关于这个主题的书数不胜数，但是，我们确实想指出两个一致的管理风格特征，这是我们在共事过的成功技术公司那里观察到的。第一个是平等主义，特别是观念平等。这些公司都有明确的组织结构和管理层级，但是，即使是职位或层级很低的人，或者远离研发部门或其他核心部门的人，公司都有倾听他们想法的惯例。这些想法有时会借助技术向上级传送，有时会沿用老方法，即会议和对话。
无论采用哪种方法，这些公司经理人都坚持关键惯例，他们倾听各种想法，决定有哪些是好的，因而是值得实施的，但他们努力不让自己的偏见和判断起太大作用。相反，只要有可能，他们就会求助于迭代和实验过程，以期发现无偏见的证据，确定新想法是好是坏。换句话说，经理人摆脱了作为评估者和观念守卫者的传统角色。这种转变使一些人感到不快，他们有理由担心这样做会助长一些不好的想法，但是，我们遇到的许多最成功的公司和经理人都认为，好处远远大于风险。例如，在线教育公司优达学城（udacity）奉行观念平等，使公司的商业模式和成本结构产生了重大的积极改变。
优达学城提供许多电脑编程课程，所有课程都以项目为基础，学生不参加考试，但是要编写和提交代码。一开始，代码由优达学城的员工进行评估，他们平均要花两周的时间向学生反馈。奥立弗·卡梅伦（oliver cameron）是一名开发人员，他想看看外人是否可以像优达学城的员工一样给学生做评估，或许还会更快一些。当时的首席运营官维什·马基贾尼（vish makhijani，后来晋升为首席执行官）告诉我们说：
奥立弗做了实验，他基本上收齐项目，招到人手来评估它们。项目送来，内部人员做评估，我们去找些外人“然后比较一下”。
“哦，哇，他们看起来很相似。”不过这才做了几次。
“哦，天哪，你知道吗？有才的人都来了。我们无须把他们限制在山景城。他们实际上可以提供一样好的反馈，可能还会更好。”
然后我们开始思考，“我们要为这些事情付什么样的费用？”
我们开始对不同的付费额度做实验。“哇，我们可以用30%的费用完成它。”他用自己的手动方式测试，然后在六周内推出产品。
我们向马基贾尼发问：他是否正式批准对外人开放优达学城的评分系统，他说还没有。
我只是说：“这听起来很酷啊，继续吧。”他真的做了。结果很有趣，优达学城创始人塞巴斯蒂安认为它是最棒的：“当我们对这个移动app进行更改时，我是在应用商店中发现的。”这里没有任何产品评论，也没理由让马基贾尼或者谁来批准你的想法。我没有绝对完美的过滤器，让它筛选市场上应该有什么或不该有什么，更不用说筛选完成这一切的创造力了。既然如此，为什么不挖掘这里每个人的“集体”大脑呢？
第二次机器革命时代的公司还具有很高的透明度，这是除了平等主义之外的另一要点，而且它经常支持平等主义。这些公司比通常的组织更广泛、更多地分享信息。《华尔街日报》技术专栏作家克里斯托弗·米姆斯（christopher mims）指出，信息透明度和扁平、快速、基于证据的管理风格高度互补。正如他所说，“这种相对扁平的层级结构之所以成为可能，原因在于一线工人基本上可以无限量访问过去难以获得的数据，或者可以要求更多的高级经理人进行解释。”米姆斯总结说，平等主义和透明度的结合“不是中层管理的终结，而是一种演变。在我访谈过的每家公司中，都有中级甚至高级经理人同时扮演球员和教练角色，既完成自己的工作，又指挥他人”。
我们也看到同样的现象。我们还看到，在经过了至少20年之后，人脑与机器之间的标准分工正在让位于非常不同的安排。第二次机器革命时代的公司更好地理解了丹尼尔·卡尼曼的系统1和系统2（见第1章）以及人类的能力和偏见，它们正在组合现代技术，变革各项工作，包括决策的制定和评估，新想法的产生和改进，以及在非常不确定的世界中前进的方式。
新兴市场正在不断浮现并蓬勃发展，但经济数据没有表明公司趋于式微，或者将被形形色色基于技术的分布式自治组织全部替代。若干原因已被揭示，这得益于交易成本经济学、不完全合同理论以及其他学科的真知灼见。学术研究固然有价值，但其结果仍远不足以使人“见微知著”。
由于不完全合同和剩余控制权，公司可能会一直存在。但公司也将基于另一个更重要的原因而存在：它们是我们所能想出来的在世界上做大事的最好方法之一。这些大事包括生存并改善健康，提供娱乐、获取知识，改善生活的物质条件等，并且随着时间的推移而惠及世界各地越来越多的人。大众持有的新技术将为这一切提供极大帮助，但大众不会取代作为核心的基础技术之一的公司。 本章总结
? dao的失败和比特币采矿网络的挑战表明，完全去中心化组织的想法是有问题的。
? 交易成本经济学和企业理论是理解这些问题的优秀理论基础。
? 技术进步确实降低了交易成本和协调成本，这有助于新市场和市场导向商业模式的出现。
? 然而，在大多数行业和地理位置上，经济活动趋于集中而不是分散，少数公司正在获取更多的价值。
? 我们需要公司和其他非市场组织来处理不完全合同的问题，纷繁的现实世界中，合同无法切实界定所有可能的偶发事件。在公司内部，经理人代表所有者和其他利益相关者行使剩余控制权，即合同中没有界定的决策权。
? 除了对合同未授权的事项进行决策，企业领导和经理人还要做更多的事。他们让人们一起工作，阐明目标、愿景和战略，塑造文化和价值观，以及完成其他许多必要的工作。
? 技术在进步，但是由于公司有效地处理了合同的缺点，并且提供其他许多好处，因此在很长的一段时间里，它们将继续成为经济环境的一部分。
? 与工业时代相比，第二次机器革命时代的领先企业看起来可能非常不同，但它们几乎都会很容易地被认定是公司。 问题
a 面对目前发生的技术浪潮，你希望所在组织在3—5年内有何不同？你想如何改变人脑与机器、产品与平台、核心与人群之间的平衡关系？
b 你最希望自己能保留哪些决策权？你需要拥有什么资产才能保住它们？
c 下一季度，你将采取哪些最重要的步骤来改变标准伙伴关系？
d 策展一个平台，或者参与另一个平台，或者专注于自己的产品，或者组合以上战略，这些做法能更好地实现你的目标吗？
e 你愿意在多大程度上推动弱化集中、强化分散，以及较少亲力亲为、较多自主行事？
f 在你所在的组织中，经理人扮演观念守卫者的角色有多频繁？为什么会这样？你在探索替代方法吗？
[1] dao的中文拼音是“道”，而“道”则是一种传统学说，公元前6世纪创立于中国，当时有《道德经》问世。“道”经常被翻译成“方式”，它认为存在与自然的本质是动态的、扩散的。电影《星球大战》中，“道”经常被引为“原力”的灵感。几乎可以肯定，创建分布式自治组织的技术人员意识到其首字母缩略词的关联意义。
[2] 该文由迪诺·马克（dino mark）、弗拉德·扎姆菲尔（d zamfir）和埃明·居思·希雷尔（emin gun sirer）撰写。许多弱点不仅是软件漏洞，而且还有经济缺陷，使得投资者的行为方式与组织的最大利益发生抵触。cade metz, “the biggest crowdfunding project ever — the dao — is kind of a mess,” wired , june 6, 2016, https://.wired/2016/06/biggest-crowdfunding-project-ever-dao-mess.
[3] 我们不同意这个观点。资本主义可以是一种巨大的积善之力，但是“裙带资本主义”，即扭曲市场使手握强权的朋友渔利的行为，应该连根拔除。
[4] 例如可参见neil a. gershenfeld, fab: theing revolution on your desktop — from personalputers to personal fabrication (new york: basic books, 2005)。
[5] 阿尔弗雷德·钱德勒在他的经典之作《看得见的手》中认为，管理层（特别是中级管理层）是20世纪中期美国经济中最强大的机构。alfred chandler, the visible hand (cambridge, ma: belknap press, 1977).
[6] 科斯“企业的性质”一文一直是经济学中引用最多的论文之一，它在google schr上录得超过3.5万次的引用。1972年，他注意到该文“引用很多，使用很少”，但后一代经济学家和企业高管已经把它当成理解商业组织的“必杀技。”r. h. coase, “industrial organization: a proposal for research,” in economic research: retrospect and prospect, vol. 3, policy issues and research opportunities in industrial organization, ed . victor r. fuchs (new york: national bureau of economic research, 1972), 62, http://.nber.org/chapters/c7618.pdf.
[7] 他们的论文标题有意回应奥利弗·威廉姆森被广泛引用的《市场与科层》一书，该书在很大程度上以科斯的见解为基础。oliver e. williamson, markets and hierarchies, analysis and antitrust implications: a study in the economics of internal organization (new york: free press, 1975).
[8] 像丹尼尔·卡尼曼一样，奥斯特罗姆也是获奖的非经济学家。
[9] 在法律和道德的一定限度内。
[10] oliver hart and john moore, “property rights and the nature of the firm,” journal of political economy 98, no. 6 (1990): 1119–58.
[11] 例如可参见oliver hart and bengt holmstrom, the theory of contracts , mit department of economics working paper 418 (march 1986), https://dspace.mit.edu/bitstream/handle/1721.1/64265/theoryofcontract00hart.pdf%3bjsessionid%3dd2f89d14123801ebb5a616b328ab8cfc?sequence%3d1。霍斯特罗姆较早前对“委托代理问题”的开创性工作为激励合同经济学的大量后续经济文献奠定了基础，其中包括不完全合同理论（bengt holmstr?m, “moral hazard and observability,” bell journal of economics 10, no. 1 [1979]: 74–91, http://.jstor.org/stable/3003320）。霍斯特罗姆和保罗·米尔格罗姆指出，公司本身，包括其所有的规则和规范，都可以被有效地认为是激励机制。bengt holmstr?m and paul milgrom, “the firm as an incentive system,” american economic review 84, no. 4 (1994): 972–91, http://.jstor.org/stable/2118041.
[12] 可能包括工会、当地社区、中央政府、强大的客户或主要供应商。
[13] 股份制公司发行人们可以买卖的股票，不影响公司经营。它们可追溯至1602年，当时荷兰东印度公司在阿姆斯特丹证券交易所上市。andrew beattie, “what was the firstpany to issue stock?” investopedia, essed march 13, 2017, http://.investopedia/ask/answers/08/firstpany-issue-stock-dutch-east-india.asp.
结论 超越计算的经济和社会
如果你们想使自己一生的工作有益于人类，那么只懂得应用科学本身是不够的。关心人本身应当始终成为一切技术上奋斗的主要目标；关心怎样组织人的劳动和产品分配这样一些尚未解决的重大问题，以保证我们的思想成果可以造福于人类，而不致成为祸害。在你们埋头于图表和方程时，千万不要忘记这一点！
阿尔伯特·爱因斯坦，1931年
未来10年，人们将拥有百倍于今天的电脑处理能力。数十亿大脑和数万亿设备将连接到互联网，它们不仅可以获取人类的集体知识，而且有助于知识贡献。到下一个10年末期，越来越多的知识将由软件代理访问，并由它们创建。
生活在今天的人有难能可贵的经验，人们目睹人工智能初显成效，出现在卫生保健、交通运输和零售等形态各异的领域。“与人共舞”的有能够听懂人话并且反应得体的机器，有可以操纵物体并且在环境中穿行的机器人，还有可以自行驾驶的汽车。
这些发展的商业含义关系到成功与否，甚至关系到生死存亡。
技术进步考验着公司。事实上，标准普尔500指数中最有价值的美国公司的平均寿命已经从1960年的大约60年下降到今天的不到20年。在这个数字化时代，大量的熊彼特式“创造性破坏”已经发生，本书的大部分内容都聚焦于企业高管如何才能成功应对这种破坏。
尽管我们给出建议，回应关于公司如何在数字化时代蓬勃发展的许多问题，但是我们收到的一些最常见问题是从大视角出发，例如，向机器、平台、大众转型，这对社会意味着什么？机器会让人失业吗？强大的平台会控制我们所有的经济决策吗？在决定如何工作、何时工作、生活在哪儿、谁是朋友等问题时，个人的自由度会减少吗？
这些问题都非常重要。但它们往往源自同一个问题：技术会对我们做些什么？
但它不是正确的问题。技术是一种工具。无论是锤子还是深层神经网络，它们都是工具。工具不能决定对人们做些什么。而该由我们自己决定。我们在职业生涯中研究了数千家公司，得到的教训就是：虽然技术创造了选择，但成功取决于人们如何利用这些选择。有风险的事业大获成功，这与它能获得多少技术几乎没有关系，关键在于人们如何使用技术，以及他们向组织灌输了什么样的价值观。
无论是作为个人还是作为整个社会，我们都拥有比以往更强大的技术。这意味着我们有更大的力量来改变世界。从根本上说，我们有更多的自由来做前几代人做不到的事情。我们不是被锁定在任何一个未来，而是有更强的能力塑造未来。
所以，我们该问的不是“技术会对我们做些什么”，而是“我们想用技术做些什么？”深入思考我们想要什么，这是重中之重。力量更大，选择更多，我们的价值观也就比以往任何时候都更重要。
在本书中，我们描述了数字化时代的三大类新的再平衡：人脑与机器、产品与平台，以及核心与大众。虽然重要的模式和原则在起作用，但我们的研究并未发现什么单方独味的成功秘籍。机器能够在越来越多的领域做出更好决策，但人类依然作用巨大。与此类似，将赌注单独压在“平台”或“大众”一方并不能保证成功。
而且，对于以上三个维度中的每一个，公司都不会有单一的最优平衡点。相反，总是有一系列潜在的成功战略。几乎没有哪个公司比苹果和谷歌更成功，这两家公司虽然都拥有平台，却以不同的方式开展运营，具有不同的开放程度和大众依赖程度。除了我们描述的原则之外，当然还有许多其他因素，例如优秀设计师的创造力、关键业务伙伴的支持、技术突破的运气等。跑赢比赛的并不总是身手最敏捷或者跑姿最好的选手，同理，取得商业成功的并不总是产品最好或者对战略最了解的企业。
最成功的并不总是最好的。这不仅因为竞争结果有机遇成分或随机性，而且还因为有多种均衡状态，每种状态又都可能相当稳定和持久。两个看起来差不多的游戏app可能同时推出，但是如果由于一系列的小决策和小事件，其中一个获得了更多的消费者注意力，那么这种优势会自我强化，直至该游戏明显压倒其竞争对手。网络效应、规模经济、互补性、双边网络、学习曲线和其他各种因素能建立非常强大的路径依赖，从而放大初始小决策的影响。非经济的力量也很重要。成功的组织会创造目的感、使命感和社区。
就像公司或市场没有单一均衡状态一样，当下展现的技术力量也没法决定未来的必然路径。实际上，每个人自己的决策将塑造并改变历史的路径。如弗雷德里希·哈耶克所述，单个头脑无法获得经济决策所需的所有信息。每个人自身都有一些必不可少的知识，它们要么是自己对资源的独特了解，要么是自己的能力，甚至是自己的需求和欲望。自由市场体系的奇妙之处在于，它有能力将这些知识的大部分引向有效率的用途，通过价格体系和明确的产权，协调那些可能从未谋面或从未打过招呼的人的决策。
但是，现今的数字化正在带来新一波的挑战。数以百万计的人们有合理的担忧，随着技术的进步，他们的工作将会消失，他们不确定以后能否找到同等回报的工作。在大多数发达国家，工资在gdp中所占的比例已经缩水，对于身处收入分配下半区的人来说，他们的实际工资比20年前还要低。此外，技术对劳动力队伍的颠覆还没有结束。由詹姆斯·曼伊卡（james manyika）及其麦肯锡全球研究院（mckinsey global institute）的同事于2017年1月发表的一项研究报告估计，“适应了当前展示的技术之后，全世界劳动力中按劳付酬的活动大概有一半可以自动化。”
与此同时，每个人也过上了从未有过的好日子，生产产品所需的技能、知识或机遇触手可及，都可以通过全球性的数字化基础设施获得。他们能够接触数百万乃至数十亿的客户，有可能以前所未有的规模创造并获取价值。这种价值创造过程是一个增长的引擎，它远远超过了官方gdp或生产力统计的数字。当今社会有众多机会让更多人做贡献，用技术创造更广泛可共享的繁荣。
就整个社会而言，塑造技术的使用方式不只是政府或政府领导人的工作，甚至谈不上主要是他们的工作。这样的方式出自社会的方方面面。它既出自企业家和经理人的技术实施与运用决策，也出自亿万人口的日常生活和个人事务管理决策。
今天，数以百万计的人口从事工作，创造出我们祖父母辈不曾想过的产品和服务。经济体的要件之一，就是专门发明这些新工作的人。这项工作需要设计出技术、人的技能以及其他的资源和资产的新组合，并且付诸实施，以期解决问题，满足潜在客户的需求。机器并不擅长这种大规模的创意和规划工作，但人类则精于此道。企业家之所以成为个人回报及社会回报最好的工作之一，原因就在于此。新技术与合适人选配合起来，可以创造更具可持续性、包容性和生产性的高薪工作，从而使雇主、雇员和客户受益。
让我们看看马萨诸塞州劳伦斯市的服饰制造商99degrees custom。你应该找不到任何比制衣更古老的行当了，更何况这是在新英格兰纺织制造城的一家老作坊里，昔日美景仍依稀可见。但与那批在1815年破坏机器的勒德分子（luddites）不同，99degrees custom团队引进了高度工程化、部分自动化的生产线，生产高度定制的纺织品。他们创造了比旧工厂更好的新工作。工作更加多样化，技能更好，薪酬更高。其净效果是为更多人创造了更多价值。
本书第4章介绍了iora health，它是用技术配合人力劳动的又一个组织事例。该机构雇用健康教练，让教练与患者一道努力，帮助他们坚持节食之道或运动规则，或者提醒他们准时服药。教练没有医学学位，但他们通过同情心、激励技能和情感智力给患者带来价值。有研究表明，这种方法可以使患者康复，与住院就医从而产生不菲开支相比，两者差别巨大。它能节省高达15%—20%的成本，而且还解放了患者和护工。
机器、平台和大众的影响会因其使用方式而大不相同。它们可以使权力和财富趋于集中，也可以分散决策、传播繁荣。它们可以增加隐私抑或提高开放度，甚至可以做到两者兼具。它们还可以创建一个工作场所，使之要么充满灵感和目的感，要么弥漫贪婪和恐惧。技术的力量在增强，未来的可能性也在增加。在此情况下，明确自己的目标并深入思考自己的价值观就显得更加重要。
从根本上说，我们对未来抱有乐观的愿景。未来几十年可以，也应该比人类迄今亲历的任何时候都要好。这不是一种预测，而是一种可能性和目标。任何一种未来前景都不是预先设定的。个人可以绘制自己的行动路线，企业和社会也同样可以。
我们希望这本书能帮助你绘制自己的行动路线。
致谢
本书的写作一开始犹如频繁的社交活动，结束时则像极了束身修行。过去三年里，我们在超过10万人面前谈论第二次机器革命时代，进行了数百次关于这个主题的对话。我们在学术界、业界、政府和非营利机构的会议上演讲，与当选的官员、决策者、管理团队和董事会、教育工作者、投资者和慈善家会面，并与各方奇士极客在工作坊坐而论道。
我们不可能记住所有这些事件，更不用说感谢所有的组织者了。但有些人和事仍历历在目。几年来，克劳斯·施瓦布（us schwab）和他的同事们把我们纳入瑞士达沃斯举行的世界经济论坛（world economic forum）年会，它可能是史上最大型的走廊对话活动。在这方面，ted（科技、娱乐、设计）是其主要竞争对手，而我们两人2013年都在那里登台演讲，此后一直参加活动。ted的策展人是克里斯·安德森（chris anderson，与本书访谈的3d机器人公司首席执行官克里斯·安德森不是同一个人），他和团队在温哥华聚集了一群想法丰富的人，当中的任何一位听众都可以轻而易举地变身演讲者。我们很幸运地成为该社区的一部分。
在麻省理工学院的专业大家庭里面，弗兰克·利维（frank levy）组织了一项超棒的学术研讨，历时数年。它汇集了我们研究所的许多顶尖科学家、工程师、经济学家和商业学者，大家互相学习，了解技术进步现状及其经济与社会影响。给学术贴上“交叉学科”的标签，很像在商界所说的“世界级”，其中的理想抱负远远多于现实用途。但利维居然成功说服学院的那一群忙碌人士定期聚会。这是一项了不起的成就，而我们也试图使之持续下去，因此在麻省理工的斯隆管理学院组织了研讨会系列，并且在2014年至2017年间举办了一系列工作坊。我们对所有接受邀请出席活动的人深表谢意。我们有幸聆听了许多激动人心的对话和演讲，领悟真知灼见，虽然本书无法全部体现这些，但很幸运，麻省理工学院为这个无形的思想家网络提供了一种无与伦比的枢纽地位。
这些会议和研讨会向我们的头脑灌输了很多想法。为了对其进行测试、提炼和改善，我们需要尽可能多地与意向中的顶尖极客进行专注对话。因此，我们在剑桥、纽约、伦敦、旧金山、硅谷和华盛顿特区等地遍邀才俊。除了在书中引用的受访者外，还有很多人使我们受教良多，他们是：
达龙·阿西莫格鲁（daron acemoglu）
苏珊·阿西（susan athey）
戴维·奥托（david autor）
杰夫·贝佐斯（jeff bezos）
尼克·布卢姆（nick bloom）
克里斯蒂安·卡塔利尼（christian catalini）
迈克尔·崔（michael chui）
保罗·多尔蒂（paul daugherty）
汤姆·达文波特（tom davenport）
汤姆·弗里德曼（tom friedman）
杰米斯·哈萨比斯（demis hassabis）
里德·霍夫曼（reid hoffman）
杰里米·霍华德（jeremy howard）
迪恩·卡门（dean kamen）
安迪·卡斯纳（andy karsner）
克里斯汀·拉加德（christinegarde）
扬·乐坤（yann lecun）
沙恩·莱格（shane legg）
约翰·伦纳德（john leonard）
戴维·利普顿（david lipton）
汤姆·马隆（tom malone）
詹姆斯·马尼卡（james manyika）
克里斯蒂娜·麦克埃伦（kristina mcelheren）
汤姆·米切尔（tom mitchell）
埃隆·马斯克（elon musk）
拉米兹·纳姆（ramez naam）
蒂姆·奥赖利（tim o’ reilly）
吉尔·普拉特（gill pratt）
弗兰西沙·罗西（francesa rossi）
达妮埃拉·鲁斯（dani rus）
斯图尔特·拉塞尔（stuart russell）
埃里克·施密特（eric schmidt）
穆斯塔法·苏莱曼（mustafa suleyman）
马克斯·泰格马克（max tegmark）
塞巴斯蒂安·特龙（sebastian thrun）
但“只谈不写”也只能到此为止。我们和很多人访谈，我们两人之间也有了相当充分的交流，于是就到了在纸上写下文字的时候。这是一项难免孤独且极其费时的活动。在此期间，我们需要各位同事继续开展麻省理工学院的ide（数字经济项目）工作。他们做到了，而且做得很有创意，很认真，比我们所期望的有过之而无不及。乔安妮·巴特泽奥特格斯（joanne batziotegos）、塔米·巴泽尔（tammy buzzell）、德温·沃德尔·库克（devin wardell cook）、香农·法雷利（shannon farrelly）、克丽丝蒂·高（christie ko）、阿德乔维·科尔尼（adjovi koene）、贾斯廷·洛肯维兹（justin lockenwitz）和苏珊·扬（susan young）等同事坚持了高产出、高标准，并继续与所有利益相关者合作。
在这些利益相关者中，我们特别感谢为ide提供财务支持的个人、公司和基金会。由于名字太多，我们无法在此一一列出（这是一个好兆头），唯有对各位深表谢意。埃森哲（enture）一直是ide最大的支持者，也是帮助我们定义和执行研究事项的重要伙伴。与我们一样，埃森哲也认为数字化是现在和未来重塑商业世界的主要力量，我们很高兴与该公司的团队合作并向其取经。
在写作的过程中，莉萨·麦克马伦（lisa mcmullen）、琼·鲍威尔（joan powell）、埃斯特·西蒙斯（esther simmons）和苏·韦尔奇（sue welch）让麦卡菲保持全神贯注，曼德拉·恩科西（man nkosi）确保麦卡菲的身体至少和大脑一样棒，朋友和家人容忍他心无旁骛，偶尔也带他出去。在连续三个学年的时间里，沙伊·霍罗维兹（shai horowitz）、雅艾尔·马尔赞（yael marzan）和阿塔德·佩莱德（atad peled）一直是他的研究助手，并且对他的思考和事实进行复核。完成手稿的压力刚刚出现的时候，富布莱特学者乔纳森·鲁恩（jonathan ruane）不期而至，鲁恩刚从麻省理工学院斯隆研究员项目毕业，也想好了下一份职业的方向，正在寻找感兴趣的项目。他已经读过《第二次机器革命》一书，修读了布莱恩约弗森的mba课程，于是想知道我们是否需要任何帮助。我们当然需要，需要，很需要。鲁恩埋头挖掘统计数据，他一丝不苟、积极主动，而且头脑敏锐，为我们试图提出的观点找到了令人信服的例证，从几个方面推进了我们的想法。因为有了他，这本书增色不少，并且得以按时完成。
布莱恩约弗森从他的学生和研究团队的帮助中受益匪浅，他们不仅为本书写作过程中出现的许多难题提供了解决方案，而且更重要的是，他们提出了只有用全新眼光看待问题的人才能提出的问题，我们要特别提到以下各位：萨吉特·巴尔吉尔（sagit bar-gill）、安德烈·弗拉德金（andrey fradkin）、阿维·甘纳曼尼尼（avi gannamaneni）、黄珊（shan huang）、吕孟（meng lui）、吴爵熙（joohee oh）、丹尼尔·罗克（daniel rock）、纪尧姆·圣雅克（guiume saint-jacques）、乔治·韦斯特曼（george westerman）和埃里娜·伊茨马（erina ytsma）。修读布莱恩约弗森mba课程的几百名学生成为许多新潮思想的现场测试对象，使之得以纳入本书。马歇尔·范·阿尔斯蒂恩（marshall van alstyne）、杰夫·帕克（geoff parker）和让·梯若尔（jean tirole）三位教授对梳理平台经济学相关问题特别有帮助，而娜奥米·斯蒂芬（naomi stephen）则提供了一流的行政支持。项目即将完成之际，布莱恩约弗森从薛少兰（shan hsueh）的鼓励中获得灵感。他在项目期间频频离家远行，对家人的支持尤为感激。
手稿完成时，我们将其交给诺顿出版公司。由于大家一起出版过《第二次机器革命》，所以我们知道此时此刻会发生些什么，而且我们知道结果会很好。布伦丹·柯里（brendan curry）再次“魔幻组合”他的老到眼光和娴熟手感，对手稿进行了编辑。文字编辑斯特凡妮·希伯特（stephanie hiebert）非常注重细节，使最终版本变得紧凑简洁，如果读者还发现有什么错误，那么责任在我们身上，与她无关。纳撒尼尔·丹尼特（nathaniel det）提供了难能可贵的帮助，将各个部分整合在一起，最终成为读者现在看到的图书真品。从本书开始写作到中间环节，直至大功告成，我们的出版经纪人拉斐尔·萨加林（raphael sagalyn）都全程参与。他对我们作品的兴趣总是不成比例地高过他的佣金，几年前的某一天，他非常意外地给我们打电话，想让我们成为精装图书的作者，这使我们大吃一惊。幸好我们足够聪明，听从了他的建议。
最后，我们特别要感谢我们的朋友和同事戴维·维里尔（david verrill）。他与我们一起建立了ide，并在我们写书的时候保持它的运作和成长。他身体力行，处理好学术特色、赞助机构的要求和人之常情，同时又不失冷静和愉悦。我们不知道他是如何做到的，如果没有他，我们都不知道该怎么办。
谢谢大家。