在筆者此前的文章中曾經提到過，數字經濟中各種新技術和新模式的出現，其總體的發展方向是“成本甩給中心化管理、權利賦予去中心化用戶”，最終提高個體行動的收益與成本比。在可預期的時間之內，這一發展方向不會出現大的改變，不過，從近兩年的情況來看，數字經濟的發展似乎遇到了一個瓶頸。
雖然每年都會出現若干個引人注目的科技術語，比如2014年的大數據和雲計算、2015年的物聯網和AR/VR、2016年的3D打印和機器人、2017年的共享經濟和人工智能、以及2018年的區塊鏈和5G。但不少概念在後續的相關項目推進過程中都頗不順利，給人曇花一現的感覺。
數字技術為何會在落地過程中遭遇困境？要回答這一問題，就不能不對其本身特性進行研究。鑑於業內的數字技術概念目前十分雜亂，因此首先需要對其進行梳理分類。值得指出的是，目前數字技術各種術語的並列很多時候並不十分準確。
首先，人們很多時候會把一些前端產品和後端技術進行並列，比如說無人駕駛與人工智能、3D打印與物聯網、雲計算與量子計算等，但實際上無人駕駛、3D打印、雲計算只不過是使用了（或未來可能使用）人工智能、互聯網、量子計算的數字產品而已。其次，人們有時候會把一類技術和它的子類別進行並列，比如說有些媒體會把NB-IOT、RFID、5G網絡與互聯網絡相提並論，但前三者實際上都可以被視作是互聯網絡中的子類別。
事實上，當我們按照下圖對數字經濟背後的相關概念進行分類之後便會發現，除了一些像共享經濟、智能傢俱、車聯網這樣眾多的前端產品之外，目前絕大部分的後端數字技術可以大致分為五類——智能終端（物聯網）、大數據、互聯網、雲平臺、人工智能，也就是業內通常所說的“物-大-移-雲-智”——有些讀者可能已經發現，這其中並沒有區塊鏈的位置，關於區塊鏈在數字經濟的這五種技術的循環中能否起到作用，筆者稍後將會介紹。
【注】由於很多人對物聯網的理解主要是智能家居、車聯網這種在日常生活中可以直接接觸到的終端硬件設施，因此在上面的簡化中，筆者也遵循主流話語體系，將智能終端定義簡化為“物聯網”中的“物”一字。
那麼，“物-大-移-雲-智”這幾種技術又是如何組合、並實現“權益下沉、成本上收”的呢？此處以人體為模板來進行一個類比：眾所周知，人對於外界的反應可以體現為兩種，一是末端神經的本能應激反應，像是在觸到尖銳物體的一瞬間，會迅速抽離相關身體部位，二是大腦的深度思考，比如說在觸到尖端物體之後、腦海中開始判斷尖端物體的形態，思考其究竟是什麼。
機器系統（此處的機器指的並非機械、更多的是計算機）也是一樣，其與用戶之間的人機交互可以表現在兩個方面：首先，一些智能終端可以如同本能應激反應一樣，對用戶的動作與要求給予一些簡單的回應。像是前兩年比較火爆的某些家庭恆溫器、以及幣圈人比較熟悉的自動搬磚工具等，只要設置好基本程序，就可以對簡單的外界變化進行應對；其次，人工智能有時候可以利用自己的運算能力進行一些深度的決策，比如說使用神經網絡算法的智能投資顧問平臺，即便每次輸入的變量比較複雜，系統也會給出相應的答案，進而在這種人機交互的過程中，給予用戶更多的便利。
人體系統與機器系統對外界反應的相似度，實際上來源於兩者之間的架構相似度——在機器系統中，終端智能設備就相當於擁有各種神經末梢的器官，其在感受到外界刺激後，一方面給予即時應激反應，另一方面會根據這些變化產生像是神經信號的大數據，並沿著各種類似於神經網絡的互聯網絡進行傳導，在傳輸至存儲信息的中心化雲平臺之後，利用人工智能算法對相關信息進行處理與分析，最終讓AI發揮大腦的效能，給出信息指示、或是通過設備智能終端進行直接反應。也就是說，理想中的機器系統和人類系統有著異曲同工之處，是可以對外界的各方面刺激作出應激反應與深度思考的。
圖：在理想情況下，數字經濟系統只需要“物-大-移-雲-智”就已經較為完備，然而在實際場景中，是需要區塊鏈的加入的
然而，正如人們所看到的，目前的機器系統所帶來的人機交互，距離人類系統的“人人交互”還有的較大的差距，很多時候並不能較好的實現“下放權益、上收成本"的功能。譬如在一些醫院購買了人工智能醫療解決方案之後，發現其診療的準確率並不如人工。從整體來看，當下人機之間的交互方式還比較簡單，多停留在“本能應激反應”的水平層次上，也就是業內常說的“弱人工智能”（雖然嚴格來講，由於沒有經過深度算法的分析，其並不能被歸類到人工智能當中），至於深度思考的實用案例就相對較少，在智能化服務的道路上還有很大的發展空間。
為什麼目前的機器系統會在諸多方面不盡人意？這實際上是一個系統性問題，與已經進化得較為完善、大多數情況下都在順暢運行的人體不同，機器系統由於剛剛起步，各種數字基礎設施還都不甚完備，因此所有的環節都或多或少地存在一些問題，在很多垂直賽道上都無法實現人們的預期。雖然人們此前已經接觸了不少基於數字技術的優秀產品，但從整個行業的龐大體量上看，這種成功的案例其實稱得上是鳳毛麟角。而除去一些商業方面的因素（比如說商業模式不清晰、目標市場判斷失誤）之外，機器系統與數字技術本身的性能也存在著一些短板，具體來看包括：
智能終端（物聯網）：與偏向C端的互聯網相比，物聯網更偏向於B端的個性化應用，每一個項目都有不同的需求，需要較高的開發成本、較長的開發週期、同時也要求開發者對甲方客戶所處的行業比較瞭解、無論軟硬件皆是如此，這是其發展相對緩慢的重要原因。
大數據：由於目前的物聯網系統都是基於不同廠商的標準，所以它們所形成的數據信息往往是不兼容的，形成了諸多的碎片信息孤島，難以進行互聯互通，沉澱的海量數據不知如何進行挖掘與變現。
互聯網絡：在覆蓋範圍、能耗程度、傳輸速度上仍有提升之處。
雲平臺：雲計算可能無法滿足未來越來越高的算力需求，同時，掌握在中心化巨頭處的雲平臺則面臨著隱私和數據丟失等風險。
人工智能：與人體中神經末梢與大腦都同屬於一個人不同，現實中的物聯網設備經常是與人工算法擁有者分屬不同的利益主體，導致算法擁有者很難獲取用來打磨模型精度的大數據。（事實上，不同的物聯網設備之間也會存在類似的問題）
從這點來看，我們目前所接觸到的、這個由智能硬件以及相關軟件所打造成的機器系統、是有著較多短板、存在著很大的提升空間的，正是這些短板的存在，使用數字技術遇到了我們在本文開頭所提到的瓶頸，很多相關的產品無法落地。而這個時候，人們就將希望寄託給了我們非常熟悉的區塊鏈技術。
那麼，作為一項並未出現“物-大-移-雲-智”組合中的技術，區塊鏈要如何提升作為重要基礎設施的機器系統呢？它在整個數字經濟中又起到了什麼樣的作用？關於這一話題，在《區塊鏈技術將如何改造“物大移雲智”系統？》的下篇中，我們將給予具體的介紹。
閱讀更多 巴比特 的文章
