冯敏：其实在整个非常复杂的商业环境里面，网络协同和人工智能目前还没有一个完整的解决方案，只可能是解决方案里面的一部分。我举个例子，我们要经营一条从杭州到上海的高速公路，开车的技术和车的性能都会有影响，但更能解决问题的一定是有中途一条更近的路，至少是直线的路，人工智能就是隧道技术，可以把这条高速路打穿。
首先，商业最基础的逻辑或者说存在的意义是为了给消费者和用户创造价值，那么在具体的商业领域里离开了成本谈价值就是耍流氓。所以我们要考虑现状的成本以及他未来可期待的价值，那么线上女装品牌其实就是把最流行的元素以最快的速度卖给我们的用户。
第二个是性价比，我们公司内部在意质量，但是究竟用户在不在意这个，是否愿意多花3块钱的成本？
第三个，其实给用户的交期，他是不是能够更快地拿到流行的东西或者是喜欢的东西。这是我们认为这个行业里面比较重要的三项指标。
其实在我们非技术从业者的角度来说，所有的技术都是为商业服务的，它能不能帮助我去优化效率？到底技术能不能为这些商业提供价值，现在还不好判断。但我的判断是，商业里有很多复杂的东西，第一，我们先选择里面权重比较高的那些关键节点去尝试，且那些关键节点都能有明确的Yes Or No的判断。
第二个，比如说大量修图、选款这种这种肌肉记忆的事情，人工智能是不是可以参与，用大数据来帮助这些能力去做更合理的传承。
回过头来，聚焦在实物电商上，有了商品之后的信息都可以被阿里结构化，包括人的信息、交易信息、物流信息，评价等等。那其实还有两项数据现在是非常的弥散和非结构化的，就是我为什么要做这个商品以及这个商品是怎么被做出来的？几乎所有人都对这两件事情还没有体感。我们真正在一线干的时候就会觉得很痛苦，不仅自己内部要去建立这种结构化的数据传递过程，还要帮助我们的合作伙伴有意识地去培育出能被结构化的数据，同时我们需要从其他开放平台上去吸收到已经被结构化的数据。这样才能够保证，我们想要的智能决策中心可以吸收所有的数据。
数据如何与商业结合，我举两个例子，比如说，在面料的交付端，我们买了50批面料回来，发现质量有问题又给退回去，这种事情经常发生。面料交付给你的时候你他没有给你附一份质检报告，这批面料肯定是有瑕疵的，但是瑕疵在哪里，我们能不能容忍，都不知道。中国一年可能要验100亿米布，可能这100亿米布都被重复验了2遍以上。假设面料商在面料入库的时候就在验布机上有一个视频的检验，通过传感的监控，能够把面料上的瑕疵感应出来，这个数据马上上传，那未来会不会成为一个面料的智能中心？这当中其实可以提升的效率很高。
第二个其实是销售预测。大的预测其实是分很多环节的，但有一个点我们现在就能做，很多衣服在销售的时候都是预售的，那么在预售的时候数据中心来告诉你应该翻多少单，根据你现在的店铺的加购情况，收藏情况，款式24小时的销量，还有特别重要的历史退换货率。这当中可能还要考虑季节、交期，考虑这样那样的问题，比BI的模式会复杂的多，如果真的要去做，还是要用人工智能，或者说要用上深度学习。
曾鸣：我想做一个简单的小结，也是下一个阶段讨论的基础。
未来新商业的最核心的两个元素，一个是网络协同，一个是数据智能。网络协同有三个核心点，一个是在线，互联网用一种极低成本的方式，未来基本上可以做到让任何人、任何物、任何时间、任何地点都在线，如果达不到这个程度的话，那么我们今天看到的新商业其实压根就不存在，所以在线是这一切的起点。
第二个非常有价值的是互动。因为互联网的技术，上行下行双向是它天然的优势。所谓的传统媒体，从报纸到广播到电视都是单向的，所以互联网双向互动技术带来的，就是实时反馈的可能。原来商业上可能要等很久才知道你做的这个举动对客户的价值是多少、客户满意不满意，现在可以实时互动、实时反馈；原来离线的、分散的、高成本的反馈现在变成了低成本的、高效的、实时的互动和反馈。为什么我们今天讲机器学习？因为学习的基准就是反馈，有了反馈才有了学习，才有这个校验。
第三个我觉得是目前发展还远远不够，就是协同。因为互联网技术另外一个非常根本性的特点就是让很多的角色同时在线、同时互动。比如说朋友圈和微信群就是以前从来不存在的一个多元互动的方式。这中间其实蕴含了非常非常多的潜能，怎么样用这个技术让协同再往前走一步的核心就是多角色的实时互动，共同完成一个足够难的一个问题。
但是我今天想明白了这个数据智能这条线怎么走，走的中间有几个核心的东西就是：场景、数据、算法，这是构成数据智能闭环的三个基本要素。我以前把场景更加具化到了产品，实际上是有一个互联网产品承载了跟用户的互动，通过智能的、云端的算法结合数据，再不断地提升用户体验。那么如果缺少任何一个要素，你都没有真正开始进行智能化的运作。
我们最近半年看得比较多的是：如何变成三合一的智能商业业务？因为我变成智能之后相对于原来的传统业务有一个体验上质的飞跃，实际上是多维打低维的状态，那么我怎么走到这一步呢？我有一个简单的初步框架供大家思考，我也把它分为3步：第一步把它叫做软件化，第二步是制度化，第三步是智能化。
软件化是看起来很直白，但实际上跟原来完全是不一样的东西。如果我们回到最早软件1.0的话，就是卖Copyright，软件2.0是Saas，Software-as-a-Service。现在我们要说的是软件3.0的概念，它实际上是把一个全新的网络化业务全工作流程以最小颗粒度的、结构化地用软件在线表达出来。全流程指的是你定义的一个可大可小的具体问题，但最小颗粒度这个东西就巨难无比。比如一些肌肉记忆的事情，根本就不知道是最小颗粒是什么，所以你要把它转化成人工智能的时候是很难的。我记得孙博以前讲过，定制旅行对她来说是一个本能反应，但对于她的设计师来说就是一个知识漏洞，因为没有把那些最小颗粒度的东西放进去。所以是原来人用体感、直觉做的东西，怎么把它用最小颗粒度的方法表达出来，把它具化到实际的一步一步，这个工作流程就是一步也不能少的动作组合。以前都是管理软件，是对数据的一个优化，但现在我们要用软件把一个事件中发生的无数环节都记录下来，记录了下来了以后最大的好处就是程序化，至少在API互相开放的公司里面，流程跟流程之间只要调用API，就自动完成了一次协同。人跟人的协同是很难的事情，但是两个标准化的软件之间，API一扣一个协同就完成了，这就是自动化。
自动化完成了，水管才铺好，水管铺好了水才开始流，才能够开始形成反馈闭环，才能真正走向智能化。现在，我们发现绝大部分场景在第一步就卡住了，而在创业过程中，最难的是找到一个初始化的方法，让这么巨大的成本有一个足够高的收益把它覆盖掉。谁去做第一步这么细、这么苦的活？所以冯敏刚刚讲的最后两点是很精彩的洞察，就是你怎么去找两三个杠杆使你铺下去的东西产生价值，能够让这个闭环转起来的。
张笑凡：我认为光靠机器学习是不足以构成一个完整商业。实际的商业场景是非常复杂的，在大的商业场景里，基本上不存在通过一个简单的端到端学习就可以完成。所以在真实的商业环境中去做端到端的学习，必须有人的洞察力、人的智慧把商业场景切碎，然后看到哪些环节是有可能利用机器学习发生本质变化。所以这个事情真正需要的是非常有诚意、非常有洞察力的人，同时他要理解机器学习到底能做什么、不能做什么的人。
所以我建议最近半年企业要开始找CAO了，首席人工智能官。就让他一个光杆司令，什么也不干，慢慢想明白你业务中到底哪个环节是人工智能有可能去强化的？如果再过几年人工智能强大之后，发现它会彻底改变人类社会，彻底改变商业逻辑，那我们现在准备，至少还有一年时间大家可以慢慢选，哪怕一年之后你想明白了，你还是领先于业界的。一年之后道路怎么说，我现在不知道，我现在可以看到至少有一年时间大家可以慢慢去想这个事情。我给大家一个建议，最好你们自己用一年的时间去做合格首席智能官。
（欢迎在留言里写明你的理由）
如果在今天的内容中你有任何疑问或者不懂的地方，也可以给我留言，我们会尽力为你解答。
在接下来的推送中，曾鸣教授会梳理从算法1.0到算法3.0的过程中，技术和商业的对照。
回顾请戳：
-To Be Continued-
如果你想体验线上神聊会，可以移步湖畔大学App，曾鸣书院频道，和大家互动、讨论。
联系客服
