人工智能版图正从“数据”转向“知识”半个多世纪前，人工智能（AI）革命就已引发。在过去的十年中，人工智能已经从学术领域发展成为我们日常生活中不可或缺的一部分。我们看到的最常见的AI业务策略都是围绕数据构建的。我们认为，专有数据目前是AI公司非常具有战略意义的护城河，但在未来几年内，专有数据将不再是一种独特的资产，使得专有数据差异化的可持续性降低。因此，我们希望重点从基于数据的AI战略转移到基于知识的AI战略。在众多传感器的部署、互联网连接以及计算能力、通信能力和数字存储方面的硬件和软件改进的推动下，大数据的进步使人工智能能够从小型学术研究项目扩展到大型企业生产应用。本质上，大数据需要复杂的人工智能模型来分析和获取知识和洞察力，而人工智能模型需要大量的大数据进行训练和优化。.所以，目前，数据被普遍认为是AI创业公司足够的战略护城河。作为VC，我们经常看到这种现象。近年来，我们看到许多初创公司将数据获取作为其业务战略的核心。越来越多的此类公司正在强调他们获得的独特数据集，以及他们获取其他专有数据的长期战略，作为可持续的进入壁垒。此外，随着AI工具和AI即服务平台使AI模型的开发商品化，公共数据变得无处不在，构建和捍卫数据护城河的必要性变得显而易见。在当今的技术生态系统中，市场越来越多地奖励拥有领先AI程序和控制专有数据的公司，将其视为巨大且可持续的竞争优势。谷歌和Netflix等公司长期以来一直在开发和管理海量权威数据集，而其他许多公司却徒劳无功地取得了成功。一个例子是Netflix复杂的数据策略未能解决竞争对手媒体服务提供商和制作公司的大规模中断。然而，由于预期交换数据的能力和意愿会增加，我们相信在十年内，专有数据的护城河将不那么可持续。虽然数据仍将为AI价值引擎提供动力，但AI业务战略将越来越侧重于知识。将AI价值金字塔发展到知识层面AI价值金字塔以数据为基础，以知识为驱动。今天，虽然“我们淹没在信息中，却又渴求知识”，我们期望将AI价值金字塔推向知识层。事实上，我们已经开始看到通过创建数据交换来促进和加速这一趋势的进步。我们希望将共享商品化数据以换取有价值的知识的可行性和意愿结合起来，促进数据交换。总而言之，数据将变得更加丰富、可用、可靠、标准化和廉价，这是对理想商品的完美定义。未来，使用数据作为可持续的进入壁垒将变得更加困难。通过物联网(IoT)的数据源激增将加速共享数据的可行性。此外，还有用于合并、共享和交换数据的新技术、协议和标准。展望未来，只要有势头和越来越多的意愿，共享数据的能力就非常重要。随着AI破坏和摧毁竞争进入的传统壁垒，许多组织都在不懈地尝试收集自己的专有数据并从中获利。唉，这些数据的获取和利用既不容易也没有成果，因此造成了战略失调。这是因为，虽然人工智能对大多数组织来说越来越不可或缺，但它并不是他们传统技能或核心专业知识的一部分。此外，受过AI培训的工程师、开发人员、产品所有者和经理的长期短缺加剧了这种紧张关系，并导致人们偏爱旨在交流知识的数据共享解决方案。通过数据交换创造知识的能力和意愿相结合的一个例子是欧盟新提议创建一个“单一数据市场”，使人们、企业和组织能够根据非个人的洞察力做出更好的决策。数据，以与当前的科技巨头竞争。导致数据护城河变得越来越不可持续的另一个因素是能够使用较小的数据集进行训练的新型数据解决方案的发明。合成数据解决方案（例如，使用通用对抗网络）和其他最小化技术（例如数据增强）可能允许公司在没有大量数据的情况下创建颠覆性的人工智能产品。建立知识战略人工智能革命的未来将为企业带来新的现实，并将需要修订业务战略。从数据到知识的转变将产生新的框架、合作伙伴关系和商业模式，其中包括为知识创造提供数据、信息、人工智能模型、存储和计算能力的不同参与者。随着传统数据护城河在未来十年变得不那么可持续，而知识成为人工智能的真正价值驱动力，我们认为企业应该开始制定更注重知识的战略：建立知识护城河而不是数据护城河这是一个基本原则应该是未来商业战略的核心。公司和组织应该开始为以知识为中心的时代做准备，在这个时代，赢家将是那些提出正确问题、找到最相关预测并设计出最具颠覆性的基于人工智能的应用程序的人。自上而下使用AI并围绕应用程序和产品层组织您的业务。应该根据特定的垂直领域和假设来开发和训练模型。例如，在成像、诊断、远程医疗、药理学和其他临床应用方面开发特定的医疗保健应用程序；或车队管理、公共交通和其他方面的机动性。这些解决方案的开发将基于广泛的特定领域知识和实践经验，并结合上下文知识和适当且经过良好调整的模型。数据采集??举措应仅被视为短期战术追求，而基于知识的交流和伙伴关系应被视为长期业务战略。一个富有成效的例子是，以色列创新局去年启动了一项试点计划，以促进医院和技术初创企业之间基于知识的合作。此类合作在初创企业的医院之间催生了数十项举措[12]，并促进了医院之间原始（和几乎未使用的）数据的交换，以及初创企业生成的新颖有用的数据。价值的知识。最后，向知识的转变也应该影响组织的人力资源战略。公司应该为人工智能的未来制定相关且知情的人力资源战略。虽然一些初创企业仍然需要聘请大量稀有且昂贵的数据工程师和科学家，但精明的公司的AI团队应该被设计成一个管理团队，旨在寻求和培养AI知识合作伙伴关系，发明基于AI的应用程序和产品，并创造性地探索人工智能革命的前景——从以数据为中心重新构想为以知识为中心。此外，AI团队应该为人们提供他们所在领域的背景信息。这些背景团队成员应该采用一种基于他们对AI和特定领域的理解的整体方法，而不仅仅是一般的AI专家。总体而言，人工智能的未来取决于从强调专有数据集转向跨实体共享数据以创造知识。要实施成功的AI战略，公司必须正确组合数据、信息、AI模型、存储、计算能力等，以知识为业务基础。
