在笔者看来，2019年，互联网留下的泡沫烟雾持续蔓延，迫使大家对未来展开热烈讨论。
一方面是孙正义、海府先生用AI来恐吓所有人，另一方面是马云的云计算理论，人不如神。
但更多时候，大家只是简单猜测下一个技术场景，希望利用之前趋势的资本红利来炒作，而没有考虑商业本质；或者穷尽当前趋势的应用并涵盖所有可以想象的行业类型。
他们都机械地连接起来，想象着各种应用场景，直到泡沫破灭。
VR、人工智能、基因编辑，这些未来科技，真的是我们的未来吗？或者我们只是用现在过时的知识结构来拼凑未来？ 1、未来已来。
2. 你永远无法通过线性或传统的思维方式来想象未来。
去年夏天，笔者与来自硅谷的Steve Hoffman（硅谷知名孵化器Founder Space联合创始人）首次聊起了对未来的看法。
尽管我们来自不同的国家和文化，但我们对未来的看法却惊人地相似。
史蒂夫举的一个例子给我留下了深刻的印象。
他说，在他1970年代和1980年代的同学中，很多学习最好、家庭条件最好的精英都去制造飞行汽车，因为他们相信那就是前进的方向。
然而，三十、四十年后，当时笨重的实验室计算机已经转变为笔记本电脑和智能手机，互联网已经遍布全世界，但汽车仍然在地面上行驶，但它们的翅膀却从未附上。
汽车不需要翅膀。
高科技的爆炸并不满足任何传统规律。
原因在于，大多数传统增长往往是线性的，而技术的秘密在于它是破坏性的阶梯曲线。
进入20世纪后，由于科学技术的发展越来越快，台阶跳板的密度不断拼接在一起，逐渐形成指数级的发展曲线。
尤其是近10年来，完成一个“恐怖单元”所花的时间越来越少，就像诸葛亮看到蒸汽火车，或者像姑妈第一次来打扫房子时看到很多屏幕和智能家庭控制。
以及一个看起来像时间旅行的虚拟现实定位器。
回过头来，我们看一下史蒂夫·霍夫曼提到的例子。
事实上，他的同学犯的错误是一个非常普遍和普遍的现象。
大家眼中的未来，其实多半是指数级快速发展过程中，在当前时点用线性思维做出的切线延伸。
如果听起来太混乱，可以用白话翻译一下：根据过去的知识体系并用习惯的方法推演未来的发展进度。
这就像飞行汽车的想象一样，就像我们过去每10年看一次的科幻电影一样，我们会觉得它们复古又可笑。
世界上很少有人像爱因斯坦、尼古拉·特斯拉、史蒂夫·乔布斯和埃隆·马斯克那样胸怀大志，能够打破线性错觉。
然而，只有这样一群人才能引领市场的发展。
“消费者不知道他们想要什么，我们告诉他们什么是流行趋势，”乔布斯说。
然而一代神话乔布斯已经离开，留下了不断线性改进的iPhone 4、5、6、7。
我们不断地讨论VR、智能硬件和自动驾驶，但每个焦点都让人难以招架。
我们眼中的未来似乎并没有那么令人兴奋。
原因其实很简单：我们的想象力不够丰富，我们的大脑还不够大。
我们站在当下，用旧的知识结构拼凑未来。
我们正在走与飞行汽车相同的道路。
伪未来产品尤其进入新的一年，互联网留下的硝烟和泡沫不断弥漫，迫使大家对未来展开热烈讨论。
一方面是孙正义、海府先生用AI来恐吓所有人，另一方面是马云的云计算理论，人不如神。
然而，一千个企业家或投资者中有一千个哈姆雷特，大多数人都在为观点趋同的微小差异而争论。
这个时候，我们就需要抛开所有的意见，回来做一个总结和分析。
单一技术推动生产发展，是应用模式由简单到复杂的兴衰过程，也是局部想象力不断耗尽的过程。
从半导体驱动的计算单元到互联网的形成再到今天，我们在信息通信的演化史上经历了数次兴衰周期。
然而，在每个周期的后半段，我们都会因为各种原因而死守着过时的趋势。
通常，我们只是猜测下一个技术场景（而不是进入下一个技术周期来实现它）。
做研发工作），希望借用之前潮流的资本红利，而忽视商业本质，急于炒作；或者穷尽当前趋势的应用，将所有能想象到的行业类型机械地连接起来，想象各种应用场景，直到泡沫破灭。
2018年的智能硬件、2018年的O2O、P2P、2019年的供应链B2B都是一样的。
最终的事实告诉我们，红利上涨的窗口期以及某种技术所推动的适用行业总是有限的。
在一个趋势后半段的增长泡沫期，我们认为可以通过复制模型来降低风险和迭代成本，从而创建更多的商业模式，但大多数情况下他们为生硬的模仿付出了更多的代价，这是徒劳的努力。
经济学的基本理论告诉我们，总生产量是资本和劳动力的函数，与技术无关。
然而，新技术不断将我们的市场推向新的高度。
其实这并不矛盾。
技术本身只是生产经济的驱动力，经过一个技术周期，其溢价空间最终会归零。
问题在于人们有不同的观点和选择。
他们应该选择成为上一个技术周期的销售者，还是下一个技术周期的探索者？前者注重选择合适的场景，整合营销渠道，实现真正的交易，而后者则需要跳跃性的创意思维，关注研发和产业化的节奏，确保在红利来临之前不倒下。
这里，卖家普遍存在的一个误区就是将之前的技术周期场景进行复杂的延伸，以昂贵的成本利用当前的技术打造出面向高端用户群体的豪华组合，称之为未来的科技产品，并试图不断地降低该产品的制造成本。
此类伪未来产品通常具有以下特点： 1、成本高、能耗高； 2、产品复杂，用户体验不理想； 3. 它们是现有市场上最昂贵的技术（而不是最先进的技术）的拼凑而成。
纵观现代市场的发展，一款优秀的现代科技产品通常会采用相对成熟的技术组合，在短时间内将自己定位于大众市场，并迅速迫使各个上游供应商争夺生产价格（即使它GPU领域的领先者Nvidia也在不断面临挑战），最终形成了操作简单、老百姓买得起的大众化产品。
这与伪未来产品形成鲜明对比——就像过去的飞行汽车一样。
卖家的误解通常发生在上一个技术周期的后半段，但不幸的是，到目前为止我们仍然是一个主要由需求和销售驱动的市场。
很多企业从开始到迭代塑造都选择了这一点。
研发部门、生产部门，甚至销售部门都被剥离出来，外包出去，最后只剩下品牌运营和业务拓展。
在这样的环境下，那些有未来眼光、注重研发的探索型学校总是会被打脸，得到负面反馈。
相反，销售学派总能在红海中捞到一定的便宜，直到温水煮青蛙。
囚徒困境。
VR、AI和基因编辑根据历史经验审视当前的泡沫。
目前的情况无疑已经进入了互联网周期的末期，甚至是硅机电一体化（指半导体计算机结合机电一体化设备的控制）的下半场。
。
我们需要跳出想象的红海，客观审视我们当前的各种新技术、新模式到底是上一个技术周期的复杂组合，还是下一个技术周期的模糊启示。
在未来技术的众多分支中，我们简单看一下三个方向： 1、一直提不起兴趣的VR，供电困难？ VR是大众想象未来的一个方向，它既有必然性，也有重大瓶颈。
我们在课堂上和网上讨论了很多关于 VR 的问题。
为什么目前VR的发展如此困难？除了虚拟现实的表现方式不仅仅是头上放一个盒子这样简单难教的应用场景之外，资本正在极力推动内容和商业模式快速领先于软件和硬件。
除了标准化带来的概念泡沫之外，其实还有更多的道理。
与其他未来技术相比，目前公众对VR的看法与之前的飞行汽车最为相似。
看似触手可及，但现实却总是那么无趣。
目前市场上相对成熟的VR产品，如HTC和PS4 VR耳机、流行的Google Glass以及室内高尔夫等特殊场景模拟器，虽然很酷，但仍处于起步阶段，普通大众实际上无法产生稳定的消费。
依靠。
目前VR产品厂商面临的困境是，为了提升更好的UE（用户体验），要么需要整合复杂、高门槛的软硬件部署环境，瞄准高净值消费用户群体；或者他们需要解决终端产品的问题。
对各种技术进行长期研究和开发，以创造出轻便且具有成本效益的便携式设备。
最大的难点不仅在于光学视野、像素GPU效率、运动定位、平衡辅助等。
短期内无法克服的最重要问题是能源供应。
。
至于前者，则是之前技术周期下的销售角度。
在狭窄的市场中，高投入很难捕捉到长期的发展前景。
对于后者来说，他们是下一个技术周期的挑战者。
技术研发的投入，或者对于大多数玩家来说，只是等待技术的成本，是很难评估的。
说到无线设备中的能源问题，目前这可以说是机电一体化和硅机电一体化设备中的常见问题。
我们想尽办法更换电池材料，增加电池容量，降低电池充放电时间比。
然而，这远远小于我们日益智能的终端设备所增加的能源需求。
为了短期内解决能源消耗问题，必须在以下几个方面取得突破（可能有我没有想到的方法，欢迎讨论）：①无线能量传输的成熟和普及，②通过GPU等云计算降低终端能耗需求的方法，③使用稳定安全的核能电池或其他高效电池。
其中，单独的②可能还不够，需要将①和②结合起来，这又涉及到近场基站的部署和短距离传输协议的普及。
还有一点值得一提的是，当科技产品处于长期无法被征服的历史阶段时，弯道超车通常能起到一定的作用。
例如，在智能手机PK的早期，iPhone的突然成功依靠的是iPod的先锋社区效应。
这是一个超越弯道的阶段性产品的模型。
之所以成功，是因为听音乐和打电话的使用场景相似且简单。
。
然而，VR就没那么幸运了。
其使用场景更加新颖和独立，短期内没有针对相同场景的更好的产品。
正如马云所说，现在发展太快了，弯道超车已经没有用了。
也许我们应该考虑变道超车。
2.人工智能已经被打破。
智能驾驶的真实场景数据去哪里找？最近关于AI的讨论很多，海夫先生也经常出来用血淋淋的颠覆理论吓唬人，blabla。
作为一名多年的算法工程师，我当然坚信这一点。
互联网的发展打通了信息传输的渠道，云计算的成熟汇聚了超乎常人想象的海量大数据。
现在我们面对这个巨大的数据矿，就像19世纪初一个装备精良的人想要实现一个怀有淘金梦想的西部牛仔一样。
快点醒悟吧，不然又会误入歧途！就像云、纳米、量子、物联网一样，AI这个词一进入市场就立即被误解。
各家公司从2016年开始运用人工智能和机器学习，迅速将新的技术周期倒逼到之前技术周期的IP概念销售和资本运作玩法。
很多项目通常在遇到十个技术问题后，都会不由自主地陷入商业模式的营销。
然而，这确实是市场过度发展的必由之路。
重要的是，谁能最快跳入下一个周期，获得第一波红利？智能驾驶是AI应用的主战场，但我仍然不能认同这一点。
作者是北京一位经验丰富的司机。
凡是在北京甚至中国开车过的人都必须明白，对于前面的行人和骑士来说，红灯停，绿灯走。
不过，中国交通阶层还有一个重点是保护弱势群体。
所以如果你有美国式的驾驶习惯，比如路口加速、直行不左转、开灯并道等等，那么在中国你一定要小心，一不小心就可能发生事故。
荷兰一位资深交通科学家曾来中国解决交通问题，声称一年内解决问题并返回中国。
然而，待了三年，他却疲惫不堪地离开，留下最后一句话“那是中国的问题！”是的，这就是我们。
交通，从北京的国贸到上海的静安寺，如果没有练好推车、行人慢行的技巧，基本上是寸步难行。
因此，想要在中国实现智能驾驶，汽车必须基本具备与人相同的特性。
对于高级智能来说，学习响应分辨率必须达到厘米级。
仅仅考虑交通规则和简单的紧急情况是远远不够的。
谷歌的智能汽车去年突破了10000公里，但在谈到强智能和超智能的界限时，仍然没有提及。
现在的AI可以创造出Alpha Go并击败李世石震惊世界，但距离第四局所谓的故意失败还差得很远。
这种超级智能还很遥远（甚至没有学习对象和可量化的锻炼过程）。
因此，到目前为止，智能驾驶的应用大多面向慢速定制路线的驾驶场景，用于降低人工成本和复杂的轨道交通成本。
虽然就单个项目而言具有一定的应用价值，但已经在大型行业中得到应用。
智慧交通行业的意义已经丧失（不能给予技术或商业模式行业溢价）。
智能驾驶是当前市场对AI认识和运用的典型例子。
它有真实的需求，已经开始真正探索下一个技术周期。
然而，瞄准精度略有偏差。
使用AI最重要的一点在于两点。
一方面需要成熟的海量数据，另一方面需要对场景问题进行精准建模。
智能驾驶确实有明确的使用场景，但场景建模的算法解决方案非常复杂。
此外，还没有建立训练数据集。
需要模拟真实场景并长期积累数据。
可以说，以上两个必备的方面，任何一个都没有优势。
AI市场的困境在于，大众认为容易模拟的场景大多是人工的、直观的、感性的。
事实上，数据模型非常复杂。
相反，问题数据相对简单的场景是公众难以想象的，通常存在于一些垂直专业领域（这与物理空间和谱空间在关键问题分析上的区别非常相似）。
未来几年，随着量化金融、物流仓储大数据、机器人运动行为学习等数据积累和标准落地，人工智能必将在传统产业升级中爆发。
对于这些数据积累成熟、模型场景清晰的行业来说，人工智能将带来血腥颠覆，正如今年摩根大通将华尔街36万小时的工作时间缩短为秒。
3、基因编辑打开生命之门，碳硅机电一体化拥有指数级发展的蓝海机遇。
最后，我们来谈谈生命科学。
这个对中国市场来说还很陌生，但已经在硅谷业界引起共鸣的方向，正在悄然追赶人工智能等未来技术，争夺未来的主导地位。
CRISPR/Cas9的出现彻底改变了人类对生命科学乃至智能科学的认识。
在半导体主导集成电路半个多世纪后，又一次从零到一的颠覆终于发生了。
基因编辑的出现，大大提高了基因研究的效率，改进了基因敲除方法，使基因编辑和基于此的靶向生物智能算法学习成为可能。
短短三年时间，基因编辑推动了Car-T（TCR-T）等多种前沿疗法的快速迭代，推动了癌症等复杂疾病的治疗从靶向药物治疗转向更精准的人工组合细胞团体治疗。
今年年初，碳云智能王军甚至提出了“寻找碳基生命的硅基未来”的口号，表达了新一代开放思想的共同愿望。
从本质意义上来说，基因编辑改变了我们长期依赖电能驱动和半导体作为程序表达载体的现状。
年初，我们和我们的投资组合公司讨论技术时，硅谷Propel(x)创始人王力胜表示，一个成年人的满功率只有50瓦，比普通人的效率高。
我们熟悉的硅机电一体化器件。
太先进了。
基因技术的发展使得对人体成分的不断分析成为可能。
有一天，DNA 转录的全谱将会得到解释。
我们会发现，碳基生命的整体效率远高于硅基设备。
前面提到的硅基设备我们会发现，通过与碳基生命结合，所遇到的能源瓶颈问题将会得到很好的解决。
碳基生命受制于其系统的功能，也将通过与硅机电一体化的结合而进化和放大。
。
目前的DNA中存在大量的隐性基因片段。
如果将这些逻辑片段一一破解，制作成碳基程序SDK，将有可能精确控制RNA与相应蛋白质的组合表达，未来的突破将不可估量。
我们看到了《神偷奶爸》里的小黄人，看到了《时间局》里的生物钟，这些在未来都是可能的。
最后我们把思绪拉回到现实。
我说了这么多，只是为了提供更多的思考。
毕竟，没有人能够准确预测未来。
然而，奇点即将来临，我们能做的就是做好准备，尽量不要把筹码放在错误的牌桌上；未来已经很近了，我们无法用线性思维去思考未来，是否能抓住这个关键时刻，或者……我们将拭目以待，搭上进化的生命穿梭机。