AI格局正在从数据转变为知识，专有数据集转向跨实体共享数据

半个多世纪以前就引发了人工智能(AI)革命。在过去的十年中，人工智能已经从学术科学领域发展成为我们日常生活中不可或缺的一部分。我们看到的比较常见的AI业务策略是围绕数据构建的。我们认为专有数据是当前AI公司最具战略意义的护城河，但在未来几年中，专有数据将不再是一种独特的资产，从而使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策略转移到基于知识的AI策略。

大数据的进步得益于众多传感器的部署，互联网连接以及计算能力，通信能力和数字存储方面硬件和软件的改进，使AI能够从小型学术研究项目扩展到大型企业生产应用程序。本质上，大数据需要复杂的AI模型来分析和获取知识和见解，而AI模型则需要大量的大数据来进行培训和优化。因此，目前，数据通常被认为是AI初创企业足够的战略护城河。作为风险投资人，我们经常会看到这种现象。近年来，我们看到许多初创公司将数据采集作为其业务战略的核心。越来越多的此类公司强调他们已获取的独特数据集以及获取其他专有数据的长期策略，将其作为可持续的进入壁垒。此外，由于AI工具和AI即服务平台已使AI模型的开发商品化，并且公共数据已无处不在，因此人们对于建立和捍卫数据护城河的需求已变得显而易见。

在当今的技术生态系统中，市场越来越多地通过领先的AI程序和对专有数据的控制来奖励公司，这是巨大而可持续的竞争优势。诸如Google和Netflix之类的公司在很长一段时间内已经开发并策划了海量且权威的数据集，而其他许多公司都在徒劳地努力以取得成功。一个例子就是竞争对手的媒体服务提供商和制作公司的大规模破坏，而Netflix复杂的数据策略却无法克服这些破坏。

不过，由于预期的数据交换能力和意愿的提高，我们相信十年之内，专有数据的护城河将不太可持续。尽管数据仍将为AI价值引擎提供动力，但AI商业策略将越来越侧重于知识。

将AI价值金字塔向上推向知识层

AI价值金字塔基于数据并由知识驱动。今天，尽管“我们淹没在信息中，却渴望获取知识”，但我们期望将AI价值金字塔推向知识层。实际上，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。我们希望增加可行性和愿意分享商品化数据以换取有价值的知识，将促进数据交换。总之，数据将变得更加丰富，可用，可靠，标准化且价格便宜，这是理想商品的完美定义。将来，将数据用作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，只要有动力和越来越大的意愿，共享数据的能力就会变得真正重要。随着AI破坏并破坏传统的竞争进入壁垒，许多组织不懈地尝试收集自己的专有数据并从中获利。这种数据的获取和利用既不容易也不富有成果，因此会造成战略上的不和谐。这是因为，尽管对于大多数组织来说，人工智能已变得越来越不可缺少，但它并不是其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，产品负责人和经理的长期和长期短缺加剧了这种矛盾，并导致以知识交换为目标的数据共享解决方案偏爱。

通过交换数据以生成知识来创造能力和意愿的结合的一个例子是欧盟提出的新建议，即创建“单一数据市场”，以赋予人，企业和组织更好的决策权基于来自非个人数据的见解，以便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发明了新颖的数据解决方案，该解决方案能够将较小的数据集用于训练模型。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(如数据增强)可能使公司无需大量数据即可创建破坏性的AI产品。

建立知识策略