科技互联之拥抱数字 | 对话德国年会精选

Jenny Liu 女士：数字化的本质是不断用新的技术来取代人类脑力劳动的过程，取代的原因有很多，可能是劳动过程太枯燥无味，也可能是数据量太大超出了人类脑力能力。

蒋红权博士：但是数字化本身并不是目的，它只是一个路径。数字化的下一步应该是智能化，智能化的下一步则是不断优化。一位 30 年经验的老工程师可以说非常厉害，但是一位数字化的工程师则可以通过分析超过人脑处理极限的大量的数据不断优化，甚至可以很快拥有 100 年经验。

吴小毛博士：在公共管理领域，智慧城市等应用应该说比我们预想的要快。尤其是疫情之后，公共管理领域对于管理效率和信息追踪的要求突然提高，各国政府也开始重视公共管理领域的数字化，尤其是在中国。

在机械制造领域，数字化管理，监控和维护等方面应用也非常广泛。比如微软推出的一款 AR（增强现实）眼镜 HoloLens 就是一个非常好的对企业的应用案例。工程师可以通过 HoloLens 提供的混合现实技术，轻松地解决原本只有资深专家才能解决的问题。

Jenny Liu 女士：比起数据 data 本身，真正有价值的是数字背后所带来的信

蒋红权博士：相对而言，汽车工业应该是一个相对成熟的行业了，到目前为止可以说已经引领趋势，走在很多其他行业前列。今年比较热议的一个话题就是为什么特斯拉的估值甚至比很多传统车企都要高？这背后的重要原因就是特斯拉较早地实现了中心式架构，用软件定义汽车。软件定义汽车需要的条件是一个类似于中心服务器的算力，同时有很灵活的能力改变其功能。目前的趋势就是将汽车上一个个分散的算力逐步集合到中心的算力。未来的汽车将会是一个“在四个轮子上的服务器”，会与云端以及许多外延服务和数据更紧密的结合并实现协同互动。

嘉宾们：首先，大家看到的更多是在面向消费者 (2C) 领域。在面向消费者 (2C) 的领域，四位嘉宾一致赞同德国数字化进程比中国落后。同时四位嘉宾同时也指出，在面向企业 (2B) 的领域，德国作为老牌工业强国，依旧有一定优势。

同时，几位嘉宾们指出，相比中国，高技术人才成本在德国相对较低，这可以帮助科技企业在德国以相对低的成本吸引到高端技术人才，助力其数字化进程。另一方面，德国拥有强大的工业基础，能够为其数字化应用落地提供高质量和多样的应用场景。此外，德国完善的法律体系能够更好地保护了新兴技术。中德两国的科技公司在未来应该加强合作，实现更多的优势互补共同成长。

肖涵博士：第一，选对合伙人（搭档）; 第二， 选对投资公司：对于选择风险投资人，我比较看重投资公司是否有在相应的赛道上的行业经验以及相应的人脉资源; 第三， 锻炼好身体，保持精力旺盛; 

吴小毛博士：首先，我也非常赞成大家要锻炼好身体; 第二，创业者要有坚韧不拔的精神，任何时候不要轻言放弃，不要随意被眼前的困难打败; 最后，保持开放的心态，经常和不同的人打交道，吸收不同的观点。创业者不要对自己的技术或观点过度自信，也许自己认为正确的其实最后是错误的。

吴小毛博士：这个问题我思考了 10 年（笑）。这个问题每个行业每个企业在不同的阶段，答案应该是不一样的。对于一个初创企业，如果过早开源，那么客户往往不会（优先）跟你合作，因为他们可以拿走你的代码自己开发。此外，过早开源，也会让创业不能建立较高的技术壁垒，从而对投资人方面缺少吸引力。但是商业化开源并通过服务获得成功的案例也不少，而且开源在获得市场

因此，一个企业不应该全盘否定开源，而应该选择适当的时间和程度进行有序开源。

Jenny Liu 女士：赛道在每个国家的情况是不能一概而论的，涉及的因素比较多，比如说潜在客户群体对于新的技术和变革的接受能力，为新技术的支付能力，行业变革的迫切程度等等。汽车行业目前变革的急迫性较高，从这个方面来看，他可能就是一个比较好的赛道。而能源行业可能因为法律法规或者商业流程限制，对变革接受能力可能差一些，那么他可能就会被评为第二批次的赛道。

蒋红权博士：我有一个好消息和一个坏消息。好消息是遍地都是机会，坏消息是每个机会持续的时间窗口不会太久。尽管如此，我们还是有一些规律可循。我认为我们应当顺势而为。比如现在进入数字化科技领域，那可能未来机遇就比进入一些夕阳产业更好。当然，从个人角度，我们应该关注自身的资源和特长，并把这些特长和大趋势结合起来，这样是最好的。

嘉宾们：其实大家都是有机会的，但是大家需要积极去发掘机会，争取把自己的特长比如行业知识，原学科背景等和大趋势结合起来。

比如对于一个文科背景的应试者，肖涵博士最看重的是学习能力，而且科技公司也有一些非研发职位。而吴小毛博士则坦言，粒界科技目前就拥有超过 50% 的员工来自非科技或者数字化专业背景，科技企业同样需要艺术家，人力等人员。但是两位嘉宾也都强调，对科技的兴趣和学习能力是他们录用人员的必要条件。