一家公司選擇的經濟發展道路往往是依照時代背景來決定的，在不同的經濟時局之下選擇正確的經濟策略， 往往可以成為公司逆轉騰飛的轉折點。

[[333170]]

一般來說，經濟繁榮時，公司注重的是整體的發展速度;而在經濟困難時期，公司則更加注重生產效率——也就是說，在投入成本最小的條件下實現利益的最大化。

這種說法當然不是空口之談，我們可以在歷史的經驗中尋找證據。

自 20 世紀 80 年代以來，幾乎在每一次經濟大衰退之后，企業家們往往都將公司的發展目標和數字技術緊密捆綁起來，同時也更加注重軟件技術的創新。他們都企圖在原先生產力不出現嚴重縮水的條件下，通過利用數字技術幫助減少重復性的工作，從而節省人力資源成本。

而現在，新冠疫情帶來的經濟衰退，又一次為數字技術和高新科技提供了發展的最佳時機。

有著多年風險投資經歷的風投經驗專家 Mark Gorenberg 在他之前發表的分析中提到，疫情大流行造成的經濟衰退沒有成為 AI 的絆腳石，反而成為其發展的加速器。可以說，疫情過后的經濟復蘇將由迅速發展的人工智能所驅動，也將作為更加適宜的大環境，加速人工智能的應用進一步發展。

經濟復蘇往往建立在新興技術之上

美國國家經濟研究局(NBER)的經濟學家們發現了一個規律：隨著經濟大蕭條的緩慢恢復，大面積的失業人口也隨之出現，但同時，這種蕭條加速了人們工作性質的進化，即由低端重復性工作向非常規工作的轉變。

其實，現有的許多工作任務是可以用自動化完成的，但公司仍然分配給員工高重復性任務，比如說數據分析，來增強他們對數字的判斷力，從而進一步提高生產效率和生產質量。這樣就形成了一個良性循環，公司既通過增加生產效率獲得更豐厚的利潤，又提高了員工的工作能力。

但是，在經濟大蕭條時期中，情況便變得復雜起來。失業率達到最高水平之后，人們會尋找更多提高技能的機會。因此，即使在經濟復蘇后，盡管較復蘇之前的自動化程度有所提高，但失業率卻并沒有隨之上升，反而降至歷史低點。

而新冠疫情的流行，將我們又一次被推入了衰退和復蘇的循環。當然，相關行業也已經期待著在下一輪的經濟復蘇中，AI 和機器學習的迅猛發展帶來的產業革新，這也將為人工智能企業家創造新的寶貴機會。

參考上世紀 80 年代初的經濟低迷時期，成功實現逆流而上、蓬勃發展的公司，都在經濟復蘇十年的中期開始了首次公開募股(IPO):Lotus(美國汽車品牌)、Microsoft(美國微軟公司)、Oracle(美國甲骨文數據公司)、Adobe(著名圖形圖像和排版軟件的生產商)、Autodesk(美國電腦軟件公司)和 Borland(美國寶藍軟件公司)。

這些軟件的興起標志著商業企業歷史上一個獨特的轉折點——從總體來看，軟件公司對資本支出或人事費用的要求很低，同時，公司的毛利率高達 80% 或更多。這種得天獨厚的優越條件使它們在不危及自身生存的前提條件下，具有驚人的增長能力。

也就是說，如果軟件公司的企業家愿意接受較低的工資，那么就能實現公司以最少、甚至不需要外部投資的方式迅速建立起來;如果他們能夠找到適合早期市場的產品，他們通常就可以自我引導，實現有機增長。

當然，聰明的企業家們會抓住經濟衰退的“黃金時期”，來發展自己剛剛起步的軟件公司。因為在特殊時期，高質量人才往往能接受較低的工資，這也就意味著更多節省的人力成本。同時，低廉的房租也提供了更多更舒適的空間。

最重要的是，那些同一領域的老牌競爭對手一般都把精力放在維持服務和留住現有客戶上，從而暫停了新產品的開發。

大蕭條往往是大數據時代發展的開路人

當次貸危機拖垮整個經濟時，企業必須留住即將流失的原有客戶， 因為預算有限，還要努力降低成本提高生產效率，但這兩個目標往往相互矛盾。

大數據未來的想法已經根深蒂固，有遠見的高管們認為，解決方案已經在他們的數據中，如果他們能找到的話。但與此同時，老牌軟件公司削減了研發支出，這為更新更敏捷的分析公司開辟了沃土。

大多數軟件公司在 2009 年都沒有增長，但作為網絡分析領域的領導者，Omniture 在那一年增長了 80% 以上，這也使得 Adobe 以 19 億美元的價格收購了它。

Tableau 成立于 2003 年，但一直沒有什么起色，直到 2008 年的經濟危機—— 從 2008 年到 2010 年，它的銷售額從 1,300 萬美元增長到 3,400 萬美元。無獨有偶，Splunk 從 900 萬美元漲到了 3500 萬美元。Ayasdi、Cloudera、Mapr 和 Datameer 都是在大蕭條最嚴重的時候推出的。

當然，如果沒有數據科學家，這些公司都不可能蓬勃發展。

正如 1990 年代早期大學加速培養了大量軟件開發人員，大蕭條期間再次加速了分析專家和數據科學家的出現，從而刺激經濟復蘇、開始了美國未來十年的經濟擴張、就業增長和美國歷史上最長的牛市。

現在輪到人工智能了

其實在新冠疫情大流行之前，許多經濟學家和企業首席財務官就認為，2020 年經濟衰退的可能性至少有 50%。

一年多前，歐盟議會出版的政策雜志也曾預測，下一次的經濟衰退，將把人工智能發展推向高潮。該雜志援引倫敦經濟學院的米爾科•德拉卡的話說: “我們預計在未來10到15年，基于人工智能和機器人的技術將再次出現激增。”

可以說，那些僅僅預測經濟衰退的人，他們還不夠悲觀。許多公司以前所未有的力度削減了勞動力成本，以適應形勢的突然和嚴峻。當復蘇開始時，他們將再次依賴自動化來提高生產。

大西洋理事會就 COVID-19 對全球創新的影響，對100多名技術專家進行了調查。結果顯示，即使在大流行期間，這些專家也認為，在未來兩到五年內，數據和人工智能的影響將超過生物醫學工程。當然，這兩者并不相互排斥，他們甚至可以互相促進，比如谷歌的 Deepmind 技術最近使用 AlphaFold 工具來預測復雜的蛋白質折疊模式，這在疫苗的研究中很有用。

即使是那些沒有自己生產能力的公司，比如在線零售商，也計劃使用人工智能來提高復雜的全球供應鏈的可靠性。因此，對人工智能人才的需求激增是不可避免的。

2018年，幾所主要大學宣布了開發AI人才的舉措。

麻省理工學院(MIT)宣布了有史以來對人工智能最大的一項承諾：出資 10 億美元創建一個計算學院;卡內基梅隆大學創立了第一個人工智能學士學位課程;加州大學伯克利分校宣布成立一個新的數據科學部門;斯坦福大學宣布了一項以人為中心的人工智能計劃。

其他數十所學校也紛紛效仿。就像 30 年前的軟件開發和 10 年前的數據科學一樣，機器學習逐漸從默默無聞的小透明到處處刷著存在感的“知名人物”。

早在 2017 年，幾位風投專家就人工智能風險曲線(AI risk curve)寫了一篇文章，認為阻礙人工智能應用的不是技術，而是管理者對用不熟悉的軟件流程取代一名員工(其表現是已知的)所涉及的風險的認識。

但現在，經濟緊縮給了管理者前所未有的壓力， 他們被迫降低成本，這也就增加了對采用新技術所帶來的的風險的容忍度。在未來一兩年，企業將更愿意承擔風險，并將新技術集成到他們的基礎設施中。

在糧食和農業領域，人工智能將幫助我們理解和適應變化的氣候。在基礎設施和安全方面，機器學習模型將提高云基礎設施的效率、可靠性和性能。更好、更動態的風險模型將有助于企業和整個金融市場應對下一場危機。

為了完成所有這些，將需要大量新的應用人工智能的公司，特別是能夠創造更好的開發工具和基礎設施、持續優化系統和產品，以幫助規程提高數據質量、安全和隱私。