数据智能产业创新服务媒体
——聚焦数智 · 改变商业
2022年已经离我们远去了，无论如何，生活都必须要继续下去。前面依然有一个五彩斑斓的未来等着我们，依然有爱与被爱带来的感动，有事业有成带来的满足；也依然有要一个人承受的压力与孤独。2022已经过去，我们可以看清他的全貌。那么，对于即将到来的2023年，他会对我们温柔么？把视野放宽一点，2023年必将是结构化的，有些行业领域的确会比2022年更加艰难，但有些行业领域却将欣欣向荣。面对一个充满不确定性的2023年，我们的态度是谨慎、“结构化”乐观。我们需要具备结构化的思维，去找到那些代表时代发展方向的滚滚洪流，让时代的红利更多的向我们倾斜。找到正确的方向，去顺势而为。
总体上看，未来中国有三个最显著的经济亮点：
新能源。能源是驱动人类社会运转的基础引擎，一代社会形态往往对应着一种能源方式。目前，煤炭、石油、天然气依然是人类能源的主引擎，但将在未来几十年内发生根本性的变革。光伏、风电、核电的占比会快速提升，逐步成为人类能源的主流，锂电作为关键的储能方式会经历近10年的“狂飙突进”时期。
如果说有一项产业中国可以碾压全球，那毫无疑问是光伏，从设备到材料到最终的光伏产品，中国都独步天下，已经大规模出口欧美。我们在风电上的优势，比光伏差一点，但相对优势也很显著。在核电领域，现在中国已经跻身世界前列。再看锂电池领域，现在是中、韩、日三强争霸，日本松下颓势渐显，韩国也逐渐落入下风。中国有宁德时代、比亚迪以及一大批锂电厂商，而且，我们在锂电的正负极材料等方面也领先全球，现在需要着力解决锂矿的问题。可以预见，再过不到10年时间，中国每年可以省下近万亿的石油进口费用，此外每年新能源出口产值可达万亿规模。这一增一减，出口算是比较稳了。
电动车。汽车是人类工业皇冠上的明珠，直到现在依然是不少西方发达国家的经济支柱，其中尤以德国、日本为甚。中国也一直有一个“汽车梦”，但中国汽车产业发展的并不好。近几年，全球汽车产业正在经历一次百年不遇的大变革。中国抓住了这次难得的历史机遇。
在电动车领域，国产品牌占据绝对的优势。依据中机中心的数据，2022年1月，中国纯电动市场国产品牌市占率为85.7%，同比上升3.2pct，环比上升9.8pct。美系、德系、日系和韩系市占率分别为9.2%、4.8%、0.2%和0.1%。美系品牌占比较高，是因为有特斯拉。德系品牌占比4.8%，存在感已经很弱了。再看看日系车，占比竟然只有0.2%。
纯电动乘用车月度分系别终端销量(万辆) 数据来源：中机中心2023年，我们很可能将见证一个奇迹——中国超过德国、日本，一跃成为全球最大汽车出口国。我们不仅在汽车终端上获得快速发展，在零部件、软件系统、车联网等整个汽车产业链上也将获得更大份额。数字经济。与上面两个产业相比，数字经济无论是从战略价值还是经济规模上看，都更为重要。可以说，当今寰球，得数字经济者得天下。依据中国信通院的数据，2021年中国数字经济占整个GDP的比重已经接近40%了。在数字经济内部，产业数字化的规模占比超过80%。
中国数字经济占比 数据来源：中国信通院 数据猿计算整理
数字经济内部结构 数据来源：中国信通院 数据猿计算整理
而且，无论是数字经济还是产业数字化的增长速度，都要远远高于整个GDP的增长速度。可以说，未来中国经济的主引擎就是数字经济，尤其是产业数字化。
GDP、数字经济、产业数字化增速对比 数据来源：中国信通院 数据猿计算整理
即使上面谈到的新能源和电动车，也跟产业数字化有莫大的关系。光伏、风电有一个致命的缺点，就是提供的电力波动性大，导致弃光弃风问题严重。要解决这个问题，就要构建一个全国范围内的能源互联网，来调控不同区域的电力需求与供给。能源互联网的基础，就是整个能源行业的高度数字化、智能化。电动汽车，将能源从石油转化为电力只是第一步，在汽车电动化的基础上还要进行汽车数字化、智能化改造。自动驾驶、智能座舱、汽车操作系统、汽车芯片、电机电控等软硬件系统，在汽车整车价值的占比将进一步提高。而且，在汽车数字化基础上，还将衍生出车联网、车上娱乐等新消费场景。更进一步，汽车制造工厂也将有更多的数字化系统、自动化设备，来大幅度提升汽车制造效率，降低汽车成本。特斯拉汽车可以多次降价还能保持很高的毛利率，基础就在成本控制得力。再回溯到汽车设计领域，目前已经有不少汽车厂商通过数字孪生、3D建模等技术，来设计汽车功能、在系统中验证汽车性能等。事实上，通过在数字化系统中通过数据模拟，来替代真实的物理实验，已经成为一个重要趋势。小到服装设计，中到汽车设计，大到氢弹爆炸试验，都越来越多的用计算机“模拟”。作为一家数据智能领域的专业媒体，数据猿长期观察数字经济的发展，在这辞旧迎新之际，跟大家分享一下我们对行业的思考，其中包括我们观察到的行业趋势、机会，也包括我们发现的问题和行业风险：用一种时髦的表述，各行各业都可以用数字化的方式“重新做一遍”。以消费领域为例，先不论未来是消费升级还是消费降级，消费领域的数字化变革是确定的。通过用户消费数据的实时反馈，从大数据中找到用户的偏好，并对用户群体进行更精确的分层、分群，然后将这些数据反馈到产品设计端，可以针对用户需求来引导产品设计，满足不同消费者群体的个性化需求。这在以前也许只是一个忽悠人的概念，但现在已经有越来越多的工具、手段来实现这一目标。电商、新零售、各类互联网应用的发展，让消费者的偏好变得几乎“透明”了，针对单个消费者，平台可以设置数十个甚至上百个标签，来精准的刻画消费者画像。也许在某些方面，互联网平台比你更了解自己。脱口秀大会上，呼兰讲了一个段子，他刷抖音，每次看到美女立马就划走了，但平台还是老给他推送美女，就很不理解。后来搞明白了，其实他内心是想看美女的。真正不喜欢，是要看一会再划走。每次看到美女视频就立马划走，不是不想看而是不敢看。这虽然是一个段子，但类似的事情可能会成为我们生活的常态。互联网是有记忆的，我们在网络上的行为都会留下痕迹，在充分尊重和保护隐私的情况下，很好的利用这些数据，不仅对商家有利，对于普通消费者也是有利的。既然各种广告、推送不可避免，那就尽量精准推送一些能满足我们需求的东西，这总比以前的千篇一律、无差别的广告轰炸要好很多。- 生产端数字化、智能化，有望进一步降低生产成本，进而推动产品、服务价格下降。
产品的定价方式五花八门，但总体都遵循成本定价逻辑——在成本基础上，预留一定利润空间。因此，降本是降价的基础。近期，特斯拉大幅度降价，引发市场热议。在这个事件中我们能看到两个有意思的点：特斯拉在中国卖的比美国还便宜（考虑了汇率换算之后的价格）。Model 3后轮驱动版，中国目前售价22.99万，而美国官网给的定价为4.69万美元，约合32.23万人民币，比中国贵了接近10万人民币。为什么特斯拉在中国卖的比美国还便宜呢？特斯拉不是不想在中国卖高价，而是不敢。因为中国有全球竞争最为惨烈的电动车市场，比亚迪、蔚来、小鹏等一大批电动车厂商虎视眈眈，实力都不弱。特斯拉敢卖高价，消费者就敢立马买其他国产电动汽车。此外，同样的特斯拉汽车，在美国工厂制造的成本要远远高于中国工厂，特斯拉零部件的中国化，是其降本的核心。近几年，特斯拉的净利润在持续上升，目前维持在15%左右。作为一个汽车企业，15%的净利率已经很高了。降价的同时，净利率还上升，说明成本比销售价格下降得更快。如此显著的成本下降，必然要在生产端有重大变革才可能。事实也的确如此，特斯拉的汽车工厂用了大量数字化、智能化技术，来不断压缩成本。并且，特斯拉还通过产品和商业模式创新，把自己从汽车公司变成科技公司，用户需要付费解锁一些高级功能，这为其创造可持续现金流、提升净利率奠定了基础。
特斯拉净利率水平 数据来源：同花顺
一边降价，一遍改善利润水平，这种看似反常的情况在不少数字化领域都在上演。以云计算为例，不管是国外的AWS、微软云、谷歌云，还是国内的阿里云、腾讯云等，都经历了多次降价，但头部云厂商的毛利率基本都在改善。以AWS为例，大大小小的降价不下10次，但现在却成为亚马逊最赚钱的业务。再以拼多多为例，低价是拼多多最显著的标签，但并是卖的便宜拼多多就不赚钱。相反，拼多多的净利率也在快速提升，目前已经超过20%。诚然，拼多多的崛起更多是源于互联网模式的创新，但背后依然需要大量数字化技术来支撑。
拼多多净利率水平 数据来源：同花顺
用更低的成本，生产更优质的产品，提供更好的服务，不就是社会进步的应有之义么？可以预见，随着产业数字化地深度推进，我们将见证更多行业的变革，那些跟不上时代变革步伐的企业，终将被时代所抛弃。- 在数字化的诸多细分领域中将发生分化，有些将被“证实”，有些将被“证伪”。
数字化本身是一个很宏大的命题，里面有大量的细分技术和应用领域，每个领域都有很多企业在竞争。但是，并不是所有的细分领域都能成长为一个大市场，甚至不少会被证明是伪需求。到底哪些领域有发展前景，哪些是伪需求呢？这很难给出标准答案，单从理论上分析是不行的，必须要经过市场的实际检验才行。但是，有一些原则可以为我们提供指导：更大的数据量。数据是数字化的基础，更深度的数字化，必然伴随着更大量的数据。以汽车产业数字化为例：在设计端，通过数字孪生方式进行三维建模，并在数字系统中对设计出的汽车进行各种模拟实验，这会产生大量的数据；汽车设计好了，进入工厂生产环节，零部件、汽车生产组装、车间管理等环节会产生大量的数据；汽车进入市场后，又会有大量用户数据、物流数据等。这些数据的采集、存储、治理、分析、应用，都需要数字化系统提供支撑。并且，在接下来的数据“海啸”中，不仅数据量大，还存在数据异构（结构化数据，半结构化数据，非结构化数据）、数据实时性要求高、不同数据系统融合等挑战，这对整个数字化体系提出了更高的要求。以数据库为例，传统的集中式、关系型数据库就已经满足不了需求，分布式数据库、图数据库、云原生数据库等新型数据库形式应运而生。因此，能够帮助我们处理更大量数据的数字化技术产品，大概率会获得快速的发展。企业在研发数智化产品时，从一开始就需要考虑到该产品要能够经受得住足够体量的数据“冲击”。更强的计算能力。更大量的数据，要求更强大的数据计算能力。谈到计算，就不得不提芯片。除了GPU这一种通用智能芯片以外，各种针对不同细分领域的特异性智能芯片尤其值得关注，比如应用于汽车自动驾驶的智能芯片，用于摄像头的智能芯片，用于智能音箱的语音芯片，用于机器人的智能芯片等。各类物联网场景的智能芯片，并不需要具备像CPU、GPU那样的通用能力，而只需要能够高效的处理该场景的数据就行。在这个领域，将涌现一大批“小而美”的芯片厂商。需要指出的是，芯片行业虽然发展饿了几十年，但整体上还是一个朝阳行业，其战略价值一点都没有降低。并且，芯片的价值，随着数字化、智能化的推进而更深度的介入更多行业。中国要在芯片领域实现突破，一方面是要在传统通用芯片上实现部分国产化替代，另一方面是在一些新兴芯片领域实现反超。无论是数字经济的建设，还是产业数字化转型升级，都不可能是一帆风顺的。在这个过程中，必然会遇到很多难题，我们的发展道路也可能走偏，对某些新兴行业的理解也可能存在偏差，抱有过高、不切实际的期待。实践出真知，我们需要在产业数字化实践当中，来不断的发现问题，解决问题。
据数据猿观察，在中国产业数字化进程中，以下几个问题值得重点关注：
随着汽车数字化、智能化的推进，汽车变成了“安上轮子的电脑”，芯片作为智能电动车的大脑，其价值在不断攀升。中国虽然有不少优秀的电动汽车厂商，但却没有足够媲美美国英伟达、高通、英特尔的汽车芯片厂商。寒武纪、地平线等初创企业跟美国巨头相比，差距还很大。即使是华为，在汽车芯片领域也无法媲美英伟达、高通等。下图是中国部分汽车的芯片采购情况：
从上表可以看出，中国汽车厂商在芯片领域高度依赖英伟达、高通、Mobileye（英特尔）。总体来看，华为、寒武纪、地平线等中国芯片厂商的存在感很弱。目前，电脑、手机产业的“芯脏病”一时半会是治不好了，但一定要确保智能汽车产业不要犯“芯脏病”。要实现汽车芯片的国产化，是完全有可能的。汽车芯片本身就是一个新兴领域，英伟达、高通等虽然有一些技术优势，但优势要比CPU、GPU这种通用芯片领域要小很多。况且，华为、寒武纪、地平线等中国厂商已经有一定基础，实力并不弱。更关键的是，汽车芯片的制造难题可以更好的解决。相比于手机动辄上亿的出货量，智能汽车一年的出货量不到1000万，数量要小很多；而且，汽车芯片对先进制程的要求更低。最先进的手机能用上5nm芯片，肯定比7nm要更有竞争力。但是，汽车由于空间大，芯片可以做大一点，14nm甚至更低制程的芯片也能满足需求。这样，国产汽车芯片，完全可以交给国产芯片工厂代工，而不用像华为一样被台积电卡脖子。可以说，目前的形势非常不乐观。照此形式发展下去，中国电脑、智能手机领域犯的“芯脏病”，在智能汽车领域依然逃不掉。一个患上了“芯脏病”的智能电动车产业，即使规模做得再大，依然埋藏了巨大的风险隐患。中国云一直讲的故事是，体量低，但增速快。然而，近一年中国头部云厂商的增速在快速下降，这是存在严重问题的。即使曾经跻身“3A”阵营的阿里云，也被谷歌云甩在了后面。别说超越AWS、微软云等全球巨头，即使为了中国云市场的健康发展，中国头部云厂商也必须要再保持至少5年的高速增长才行。中国云“失速”只是结果，我们还需要找到深层次的原因。数据猿认为，中国云计算市场存在以下深层次问题：公有云发展受阻，过于强调私有云、混合云，可能是在“开倒车”。强调混合云的IBM，其云计算发展并不好，无论是收入还是利润，都跟AWS、微软云、谷歌云存在不小差距。私有云、混合云占比过高，并不利于SaaS的发展。实际情况也是如此，中国SaaS并没有发展起来；SaaS孱弱，反过来拖累整个云市场。美国云计算市场60%都是SaaS，他们以上层应用的方式反过来拉动下层IaaS、PaaS的发展。中国SaaS不行，导致云计算后劲不足；对公有云、SaaS接受度高的互联网行业增长乏力，用云量降低，下行压力传导到云厂商。为了解决这个问题，数据猿认为需要从以下几个方面着手：1、云厂商提升技术、产品研发投入，要拿出足够优秀的产品，才能有教育客户的底气，而不是被客户教育；2、要盯着营收增速，别盯着利润，敢于以战略性亏损换增长。目前情况，中国云计算还处在投入阶段，关键是要保持收入增速不能掉下去，现在还不到追求利润的时候。比如阿里云，虽然盈利了，但收入增速掉下去了，这是短视的；3、敢于教育市场，敢于战略性放弃部分客户；4、建立云端数据安全的保险赔偿机制。客户之所以对上云顾虑重重，核心是担心数据安全。一方面，云厂商要在技术上不断强化云端安全能力，另一方面，要有相应的保险赔偿机制。客户的数据丢失了、业务中断了导致的损失，不能只道个歉就万事大吉，客户的损失要赔偿。更进一步，可以参考其他行业，把数据作为一种资产，为数据资产投保，出现问题了就由保险赔偿。通过建立这样的赔偿和保险机制，让企业数据上云更放心。近五年内，人工智能都是一个很火的概念。的确，如果人们所设想的那些智能应用真能够实现，那挺激动人心的。但是，我们必须理性的看待，通用性人工智能还很遥远，我们只能在部分场景应用人工智能，局限性很大。在相当长一段时间内，我们都将处于“深度数字化+部分智能化”的阶段。从企业端来看，目前的纯人工智能公司生存的并不好。以商汤科技为例，长期、大幅度亏损可以说是“基本操作”，暂且不论，但是值得关注的是其收入增速也掉下来了。
商汤净利润情况 数据来源：同花顺
商汤收入情况 数据来源：同花顺
其他一些人工智能厂商的情况类似，数据猿曾对“AI四小龙”的营收增速做过统计，收入普遍呈现增速下跌的态势。
AI四小龙营收营收增速
在商业应用层面，各个人工智能厂商都有“摊大饼”的倾向，试图做成一站式解决方案厂商，甚至往软硬件集成商的方向发展。集成硬件，可以快速做大收入规模，但这样的商业模式利润会很薄，还不一定能够竞争得过传统软硬件集成商。此外，目前人工智能系统的上云率还很低，大部分系统都以本地部署的方式来提供服务，这在云时代并不是一种高效的服务方式。纵观人工智能的发展历史，曾经有三次都被人们抱有很高的期待，但最终都被证明是一场空欢喜。存在的问题也都类似，核心就三点：技术成熟度不够，商业落地困难，财务表现糟糕。
人工智能发展阶段 资料来源：数据猿
此次人工智能浪潮，跟前面几次相比，在商业应用上往前走了一步，但离人们设想的理想情况差距还很远。我们需要精心挑选人工智能应用领域和应用场景，不要妄想用人工智能解决一切问题。一个国家成为了世界的领头羊，这不仅仅是一份荣誉或者权利，更是一份沉甸甸的责任。作为领导者，有义务带领人类社会向前发展。而要实现这个目标，核心还是在于科技上取得突破性进展。纵观人类历史，离合悲欢不计其数。科技，虽然是一把双刃剑，却是让人类摆脱历史周期率的唯一工具。农业种植，让人类摆脱了几十万年茹毛饮血的原始社会；工业化，让人类摆脱了几千年“面朝黄土背朝天”的农业社会；信息化，让人类在几十年内经济再上一个台阶，也造就了如今雄霸世界的美利坚。可控核聚变、量子计算、基因工程、新材料（石墨烯等）、人工智能，中国在这五个领域里的任何一个作出了决定性贡献，都能成为真正的世界领导者。以可控核聚变为例，如果实现了可控核聚变发电，那人类社会可以在短短几十年内再上一个文明等级。人类社会的很多事情，归根到底就是能源，如果由于可控核聚变实现了几乎免费、无限的电力供应，那真的可以实现共产主义所设想的那种“物质极大丰富”的状态。然而，天下没有免费的午餐，越是伟大的事情越是艰难，也很可能越是昂贵。要实现科技的飞跃式突破，高强度的科研投入是必不可少的，各类超级工程往往可以快速聚集资源，推动重大的科技突破。人类社会在经历了曼哈顿工程、阿波罗登月计划、人类基因组计划、LHC（欧洲大型强子对撞机）之后，就没有像样的大科技工程了。每年花在化妆品研发投入上的钱，都比可控核聚变研发经费多很多。这种资源投入强度，无外乎可控核聚变“永远只差五十年”。总之，人类社会要进步，人类文明要发展，需要我们加大科技投入。在这方面，中国可以大有作为。希望中国能做一个仰望星空的国家，带领人类社会去突破一个个文明天花板，去带领全人类看见更深的太空。文：晚风作酒 / 数据猿