企业选择的经济发展道路，往往是根据时代背景来决定的。在不同的经济形势下选择正确的经济战略，往往能成为企业逆转腾飞的转折点。一般来说，经济繁荣时，企业关注整体发展速度；而在经济困难时期，企业更注重生产效率——即在最大限度降低投入成本的同时实现利润最大化。这种说法当然不是空谈，我们可以从历史经验中寻找证据。80年代以来，几乎每一次GreatRecession之后，创业者都倾向于将公司的发展目标与数字技术紧密结合，同时更加关注软件技术的创新。他们都试图通过使用数字技术来帮助减少重复性工作，同时又不严重缩减原有生产力，从而节省人力资源成本。而现在，新冠疫情带来的经济衰退再次为数字技术和高科技的发展提供了最好的契机。拥有多年风险投资经验的风险投资经验专家MarkGorenberg在此前发表的分析中提到，疫情导致的经济衰退并未成为人工智能发展的绊脚石，反而成为其发展的加速器。可以说，疫情过后的经济复苏将受到人工智能快速发展的推动，也将作为一个更适合加速人工智能应用进一步发展的环境。经济复苏往往建立在新兴技术之上美国国家经济研究局（NBER）的经济学家发现了一个规律：随着大萧条的缓慢复苏，也出现了大面积的失业人口，但与此同时，这场萧条加速了人们工作性质的演变，即从低端的重复性工作向非常规性工作的转变。事实上，现有的很多工作任务都可以实现自动化，但公司仍然将重复性高的任务分配给员工，例如数据分析，以增强他们对数字的判断力，从而进一步提高生产效率和生产质量。这样就形成了良性循环，企业不仅通过提高生产效率获得了更丰厚的利润，也提高了员工的工作能力。然而，在大萧条时期，事情变得复杂起来。在失业率达到最高水平后，人们将寻找更多机会来提高自己的技能。结果，即使在经济复苏之后，失业率也没有上升，反而跌至历史低点，尽管与复苏前相比自动化程度有所提高。新冠疫情再次将我们推入衰退与复苏的循环。当然，相关行业已经在期待人工智能和机器学习在下一轮经济复苏中的快速发展所带来的产业创新，这也将为人工智能创业者创造新的宝贵机会。参照20世纪80年代初期的经济低迷，成功逆流而上、蓬勃发展的公司，都在经济复苏的十年中期开始首次公开募股（IPO）：Lotus（美国汽车品牌）、Microsoft（美国微软）公司)、Oracle（美国甲骨文铭文）、Adobe（著名图形图像和排版软件生产商）、Autodesk（美国计算机软件公司）和Borland（美国宝蓝软件公司）。这些软件的兴起标志着商业企业历史上一个独特的转折点——软件公司总体上需要很少的资本支出或人员管理费用，而公司的毛利率高达80%或更高。这种独特而优越的条件赋予他们惊人的成长能力，而不会危及自身的生存。也就是说，如果软件公司的创业者愿意接受较低的工资，他们可以在很少甚至不需要外部投资的情况下快速建立公司；自我导向实现有机增长。当然，聪明的企业家会抓住经济衰退的“黄金时期”来发展他们刚刚起步的软件公司。因为在特殊时期，高素质的人才往往可以接受较低的工资，这意味着更多的人力成本节约。同时，低廉的租金也提供了更多更舒适的空间。最重要的是，那些在同一领域的老牌竞争对手通常专注于维护服务和留住现有客户，从而搁置新产品开发。大萧条往往是大数据时代发展的先驱。当次贷危机拖累整个经济时，企业必须留住原本即将流失的客户。由于预算有限，他们还必须努力降低成本和提高生产效率，但这两个目标往往相互矛盾。大数据未来的想法已经根深蒂固，有远见的高管们相信解决方案已经在他们的数据中，如果他们能找到的话。但与此同时，老牌软件公司削减了研发支出，为更新、更敏捷的分析公司开辟了沃土。大多数软件公司在2009年没有增长，但网络分析领域的领导者Omniture在那一年增长了80%以上，这导致Adob??e以19亿美元的价格被收购。Tableau成立于2003年，直到2008年的经济危机才开始腾飞——从2008年到2010年，其销售额从1300万美元增长到3400万美元。巧合的是，Splunk的市值从900万美元涨到了3500万美元。Ayasdi、Cloudera、Mapr和Datameer都是在大衰退最严重的时候推出的。当然，如果没有数据科学家，这些公司都不可能蓬勃发展。正如大学在1990年代初期加速培养大量软件开发人员一样，大萧条加速了分析专家和数据科学家的出现，刺激了经济复苏，开始了美国经济扩张、就业增长和最长的下一个十年美国历史上的一个时期。牛市。现在轮到人工智能了。事实上，在新冠疫情爆发前，不少经济学家和企业首席财务官都认为，2020年至少有50%的几率出现??经济衰退。一年多前，欧洲议会出版的一份政策杂志也预测，下一次经济衰退将把人工智能的发展推向高潮。该杂志援引伦敦经济学院的MirkoDraka的话说：“我们预计在未来10到15年内，基于人工智能和机器人技术的技术将再次出现激增。”可以说，那些单独预测经济衰退的人，他们还不够悲观。许多公司以前所未有的速度削减劳动力成本，以适应形势的突然性和严重性。当复苏开始时，他们将再次依靠自动化来提高产量。大西洋理事会就COVID-19对全球创新的影响对100多位技术专家进行了调查。结果表明，即使在大流行期间，这些专家也认为，在未来两到五年内，数据和人工智能将比生物医学工程产生更大的影响。当然，两者并不相互排斥，甚至可以相互促进。例如，谷歌的Deepmind技术最近使用AlphaFold工具来预测复杂的蛋白质折叠模式，这在疫苗研究中很有用。即使是没有自己生产能力的公司，例如在线零售商，也计划使用人工智能来提高复杂的全球供应链的可靠性。因此，对人工智能人才的需求激增是必然的。2018年，几所主要大学宣布了培养人工智能人才的举措。麻省理工学院(MIT)宣布了有史以来对AI最大的承诺之一：10亿美元用于创建计算机学院；卡内基梅隆大学创建了第一个AI学士学位课程；加州大学伯克利分校宣布了一个新的数据科学系；斯坦福大学宣布了一项以人为本的人工智能计划。其他数十所学校也纷纷效仿。就像30年前的软件开发、10年前的数据科学一样，机器学习已经从默默无闻、透明化，逐渐变成了处处有存在感的“名人”。早在2017年，几位风险投资专家就AI风险曲线写过一篇文章，认为阻碍人工智能应用的不是技术，而是管理者对用不熟悉的软件流程替换员工的担忧。（其表现是已知的）对所涉及风险的认识。但现在，经济紧缩给管理人员带来了前所未有的降低成本的压力，这增加了他们对采用新技术带来的风险的容忍度。在接下来的一两年里，企业将更愿意承担风险并将新技术整合到他们的基础设施中。在粮食和农业领域，人工智能将帮助我们了解和适应不断变化的气候。在基础设施和安全方面，机器学习模型将提高云基础设施的效率、可靠性和性能。更好、更动态的风险模型将帮助企业和整个金融市场度过下一场危机。要实现这一切，将需要大量新的人工智能应用公司，尤其是那些能够创建更好的开发工具和基础设施、不断优化系统和产品以帮助程序提高数据质量、安全性和隐私的公司。
