《AI极简经济学》第十七章

2017年，谷歌和微软先后宣布转向“人工智能优先”战略。

2017年，谷歌和微软先后宣布转向“人工智能优先”战略。谷歌研究总监彼得·诺维格解释说，这意味着把资源投入数据收集和学习这一长期目标，同时牺牲客户体验、收入等短期利益，以求最大化预测准确度。这些公司已拥有海量数据和AI人才，具备实施条件。

AI需要大量训练才能成熟，早期产品性能较差，这使老牌公司面临“创新者困境”：不愿让现有客户忍受劣质产品，而初创公司没有此约束，可借学习曲线后来居上。竞争压力会促使老牌公司尽早采用。学习途径包括监督学习、强化学习（如DeepMind训练AI玩游戏），以及“边用边学”——通过实际使用收集数据改进。部署时机是关键权衡：越早投放市场学习越快，但可能损害品牌和用户（如自动驾驶风险高于谷歌收件箱的低失败率）。可通过模拟环境（如AlphaGo自我对弈）过渡，或采用云端学习（特斯拉收集数据更新模型）与设备端学习（Tinder适应本地偏好）的不同策略。

学习需要用户数据，引发隐私权衡。苹果以隐私为重，在设备端处理数据（如人脸识别），限制了产品功能；谷歌等则用数据换更好服务。此外，预测会改变用户行为，扭曲数据（如Waze导航导致用户绕行）。自动化还可能削弱人类技能（如法航447空难中飞行员经验不足），需保留人类学习时间。总之，“AI优先”本质是数据战略，企业需在学习速度、风险、隐私和人类经验间做出战略取舍。