数据、算法与个人生活、社会治理、经济结构交相辉映的新文明呼之欲出。文明的进化不是靠纸上谈兵得来的，而是依靠千千万万创业者和劳动者的努力，以及有为者的均衡治理，自然演化出来的。这个过程充满了艰辛与不确定性。
中国的企业家们已经听见了来自物联网与人工智能的风声，但方向捉摸不定。企业有没有足够的数据资源储备？从哪个方向入手？更重要的，是否有可靠的人工智能人才？
对于技术性企业，这个问题不算难解，前沿产业与高端企业的人工智能升级早已上路，很多大企业已经开始布局智能化工作，比如智能家电。但人工智能作为一项扎根人类普遍生活的技术，必须被广大企业接纳才会愈加焕发光彩，而广大企业也都应该享有从人工智能获利的机会。
传统国企正在经历艰苦改革。太原铁路局是中国铁路货运量最大、重载技术最先进的铁路局。铁轨、电气这种工业1.0和2.0时代的设施提升后，马上就会面对工业3.0甚至4.0时代的挑战。面对繁忙的运输，必须优化业务流程，提升运转效率。
人工智能科学家分析，一列火车从一个城市跑到另一个城市需要的时间是比较固定的，影响运输效率的是中转时间，即当一列火车到站，把货物从火车转到仓库，再从仓库转到火车需要的时间。降低中转时间对物流效率有很大影响。百度协同太原铁路局采集了很多物流数据，把这些数据放到百度云上，训练出了几个模型来精准预测火车的到达时间、未来的仓储需求、未来的运力需求，把中转时间降低了50%。
老国企的智能化革新虽然不容易，但毕竟具有积累多年的技术团队和资源。相比之下，我们更关心广大中小企业如何在智能浪潮中把握航向。我们可以肯定地说，人工智能对中小企业是普惠的，无论商业端还是消费端都有大量对人工智能的需求存在，普通企业尤其是中小企业在智能时代有很多的机会，时不我待。
谁来突破产品升级的瓶颈
智能革命一定是发端于领先学科和领先企业的，短期内会拉大企业之间的差距。但人工智能方法是公开的，便于学习，如果企业努力，就可以习得。在这个过程中，我们认为传统企业尤其需要人工智能领域的专业人士来引导。
2015年发布的《中国制造2025》行动纲要指出，“制造业是支撑我国经济社会发展的重要基石和促进世界经济发展的重要力量”“各国都在加大科技创新力度，推动三维（3D）打印、移动互联网、云计算、大数据、生物工程、新能源、新材料等领域取得新突破。基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革；网络众包、协同设计、大规模个性化定制、精准供应链管理、全生命周期管理、电子商务等正在重塑产业价值链体系；可穿戴智能产品、智能家电、智能汽车等智能终端产品不断拓展制造业新领域。我国制造业转型升级、创新发展迎来重大机遇。”
并非只有《中国制造2025》中涉及的行业才适合智能升级，几乎所有企业都可以。剧场、电影院可以通过对观众购票规律的智能学习来优化票务工作；小超市、小店铺可以通过门店电子传感器和第三方数据（比如百度地图的客流数据）来分析访客规律；传统新闻单位可以考虑接入智能流来创新资讯生产和推送流程。
人们对升级的认识，往往局限在用料、工艺等方面，而人工智能带来了一个新的升级维度。以家居用品为例，人工智能在此领域已经赋予了许多新的场景：即便只是一副窗帘，也已经有人开发出智能化方案，让窗帘系统主动记录和学习户主的使用习惯，在适合的时间自动开合以调节光线，配合户主的作息习惯；智能马桶圈可以不必整日加热，而是根据户主上下班时间和传感器来决定加热时间；养老家居系统可以观测、学习老人的起居规律，调整各项家电状态，甚至在老人作息异常时向亲人发出预警信号。我们需要的只是更多的创意。
历史经验：首席电力官的辉煌时代
众所周知，在人类工业时代的黎明时分，纺织机和蒸汽机的推广曾遭遇激烈反对。
在英国，由于纺织机械带来低成本产品，传统的手工纺织业被挤垮，遭到工业主和工人的反对，掀起所谓的“卢德运动”。珍妮机发明者哈格里夫斯多次遭到同行和邻居的驱逐。但珍妮机最终还是推广开来，助力英国统治全球纺纱业。而蒸汽火车一开始甚至速度还不如马车，从而被马车夫嘲笑。
到了电气革命时代，历史再次重复，比如马可尼在1895年研制出最早的无线电装置，并且利用这一装置成功进行了远距离摩斯电码通信实验。他成立无线电报与信号公司，推动无线电商用。但由于与海底电缆公司的利益相冲突，他想在纽芬兰设立无线电报局的事遭到反对。不过当时美国的现代市场体系和技术偏好已经初步建立，所以无线电还是很快发展起来。
电气革命与今天的智能革命有一些“基础质料”意义上的类似。与蒸汽动力无法远距离传输和统一布局不同，电力是一种无限流动的普适能源，正如今天的互联网是一种流动的，让用户可以随时接入的基础资源。“电+产业”正如今天的“互联网+产业”，颠覆了无数的传统产业。
当然，电流和智能流只是在比喻意义上可以类比，前者是电子的流动，后者是比特编码的流动，不是同类事物，但这种类比有助于我们感受问题的关键所在。我们不妨对比一下两个时代的企业升级。
当电气流向千万企业，很多企业主动寻求升级，虽不是像蒸汽时代那样抗拒，但同样困难重重。一百多年前的电力系统十分复杂。需要在直流电、交流电，不同的电压、不同水平的可靠性、不同的电力接口以及价格之间做出合理的选择。直到今天，各国的电压和接口规格（插座口）也都没有统一。和不同电力公司打交道也是个技术活，否则很可能吃亏，正如今天企业找互联网技术外包公司时，如果不专业，就会落入陷阱，从编程语言到系统架构，都有各种令人眼花缭乱的选择。
就公司本身业务来说，如何使用电力获得最佳效益也很难搞清楚：是应该先给企业全装上电灯，还是优先用电动机取代燃气轮机？于是，当时许多公司聘请了电力副总裁（VP of Electricity）帮助组织改革工作，以保证公司内的每个职能部门在自己的工作目标或产品上考虑电的存在。包括布置电线、购买电力设备、改造原有设备，甚至改造公司业务流程（电灯使得夜班成为标准）。
电气革命时代，人们可能想不到当时有多少关于电的开脑洞产品，就像蒸汽机时代也发明了很多后来消失了的蒸汽装置，这些装置如今只残留在蒸汽朋克动画片里。
图8-1 1845年由意大利人发明的“蒸汽汽车”
首席电力官要发掘各种电气产品究竟能给公司哪些方面带来价值，他的视线不能局限于作为能源的电力，还要渐渐升级到对电子产品的跟踪。比如人类为了基于输入电压控制输出电流，需要一种可变电流开关。在20世纪50年代晶体管工业起步前是通过广泛使用真空三极管（也叫电子三极管）达到这个功能的。晶体管一开始生产工艺不过关，产品合格率低，以至于每一枚晶体管的价格高达20美元，而一枚真空三极管只要1美元。这时候企业该如何选择呢？这需要看准什么能代表未来。最终晶体管由于能耗低、寿命长、体积小而取代了真空三极管。
图8-2 真空三极管之父李·德福雷斯特（Lee De Forest）
注：使用手机百度或智能革命App扫描图片可见AR效果。
随着电力系统的成熟，首席电力官这一角色才消失。反过来说，每个使用首席电力官的企业，也促进了电力对总体生产方式的渗透，促进了国家电力系统的标准化。
二十多年前互联网的出现也是如此。互联网走出军队实验室，渗透进企业、高校乃至家庭，这是一个复杂的过程，同时也给企业带来了网络技术总监这个职务。
在今天这个全民使用互联网的时代，很多公司依然选择网络外包服务。从节约资源的角度来说，这是合理的，不是所有企业都要供养昂贵的技术团队，像购买电力一样购买互联网服务是很方便的事情。
但购买互联网服务分为两个层次：一个层次是基础设施（IaaS）——接入主干网，交服务费，这是一个服务非常标准化的层次，不用费太多脑筋；另一个层次则非常个性化，是在基础平台上定制互联网产品服务（PaaS和SaaS），比如云服务器、数据库系统、办公协同工具、财务管理工具、App制作等，需要定制开发。这个层次操作起来对传统企业仍然比较复杂。如果企业做到一定规模，技术条线依然单纯依赖外包，就会迷茫。于是不仅科技企业，传统企业也需要CTO（首席技术官）。很多小公司的CTO并不管理一个大团队，他的职责就是代表公司利益和外包方打交道，决定选择什么服务，并监督实施过程。
所以优秀的CTO绝不只是网管运维，还要发掘公司所有部门、产品与网络的价值链，跟踪最新的技术发展方向。他要了解产品和业务，预判长期技术战略方向，不断跟进业务和技术发展做革新，否则就会像历史上的电力官一样，等到电力普及了，就被工程师或者产品经理代替，不过至今在大部分工业企业中依然有电力官残余的影子，那就是电工。
迎接智能原力
人工智能应该像互联网一样成为一种开放的事物。开放的人工智能服务也将变成一种“流”，就像电流一样方便用户接入。
人工智能专家和企业家李志飞在2016年乌镇互联网大会期间发言说：“必须非常清晰地认识到，人工智能在短期根本不能跟人相比。而我们今天应该踏踏实实把一些应用，比如云交互、自然语言理解、计算机视觉等各种应用场景做出来。例如车载设备、可穿戴设备等。让用户觉得真正有用，而不只是在媒体上或者在电影里面讨论一下。”
这与百度的态度不谋而合。谷歌、特斯拉等国外企业做了不少有趣的智能公关项目，无论是下围棋还是QuickDraw（你画我猜）游戏，都极大地提升了大众对人工智能的讨论兴趣。可能身处美国西海岸的工程师才有这样放松无虑的心态去做一些看似轻松的项目。背负更多责任的中国人工智能企业恐怕很难这么轻松，很多同行确实把精力都放在开发企业级应用产品上而不是做宣传。据报道，谷歌已经把一度吸睛无数的机器人和无人车业务都拆分了出去，不再给予无条件支持。中国企业呢？能否扎实推进人工智能的工业级发展？
百度追求把人工智能技术运用到企业升级中去，为全产业带来提升，而不是只创造一些故事。我们认为，人工智能就是要向企业输送源源不断的“原力”，比如百度地图的数据流平台、可供接入的语音识别服务等才是最重要的。
比如，百度地图衍生产品“百度慧眼”，通过对常住人口、客流量、生活区物价水平、写字楼密度，甚至具体到某个路口人流是往左走还是往右走来进行人群画像。在与很多连锁店企业的合作中，百度慧眼不用GPS，单靠用户手机对WiFi的搜索情况，就能实现30米以内的定位精度。只要用户手机收到连锁店自身的WiFi信号，就判断为用户进店。以此为店面评估市场容量、预估营业额。这一功能还可以为地产、电影院线等选址给出科学建议。
图8-3 百度商业选址过程
图8-4 百度利用时空数据分析进行商业选址的示意图
百度大数据实验室科学家吴海山对时空数据的挖掘，不仅将人工智能应用于商业选址，其在企业销售环节的应用也立竿见影。比如某个餐饮企业要向1000个用户发出1000张优惠券，但怎样保证这1000人没有光顾过店家并有意前来消费？我们可以根据“老顾客”的特征使用机器学习训练出一个模型。根据这个模型从数据库中找出消费习惯匹配的用户，休息日是宅在家里还是泡吧？经常去的餐饮场所的人均消费如何？喜欢去国外旅游还是在国内旅游？上下班是坐地铁还是开车还是其他的方式？通过对新老用户的相似程度进行排列，选取最接近的1000人推送优惠券——这样的成功率显然比大街上随机发传单高得多。
如果想要寻找合适的智能流服务接入自身业务，每一个企业都需要有人工智能的领导者。传统企业为了利用人工智能的优势，需要理解人工智能能够做什么以及它如何影响公司的战略。为了准备迎接这一颠覆性时刻，公司应该如何组织领导团队呢？
从CTO到CAO：引领企业升级之人
企业永远需要引领技术的角色。如今一般企业都会有CTO或者CIO（首席信息官），为了应对智能革命，吴恩达在2016年11月撰文提出，每一个企业都需要一位CAO（Chief AI Officer，首席人工智能官）。
那么CAO从何而来？CTO、CIO与CAO的关系又是什么？
随着互联网全面渗透，CTO这个角色诞生了。他不同于以往的总工程师等，是特别应对互联网信息化浪潮的角色。在很多企业、单位，初级技术官的职能往往在于搭建一个内网平台，管理软硬件等。然而新的时代，每个CTO是否具有智能化业务的视野则不一定。举个例子，在一些高校商学院，CTO的职责仅限于根据需求来打造网络、办公系统等，不会洞察和利用商学院本身的业务带来的数据增益。比如很多商学院有课程案例销售工作，本可以智能化，对客户订阅进行跟踪分析。金融原本与数据紧密相关，但很多金融学院自身恰恰未能数据化。
很多企业的Web1.0信息化和数据化工作都还没有做好，所以有人提出企业需要CDO（首席数据官）或者CIO。CIO是CTO的升级，来帮助公司组织信息。他们思考如何提升公司信息的传递效率，如何能共享信息而不是各部门重复生成同类信息等。有调查显示，CIO里非技术专业出身的比例也不小，因为CIO不仅要懂技术还要懂业务。
CDO需要有洞察数据含义的能力，比如通过数据可视化技术直观地把握数据反馈；通过“数据挖掘”发现隐蔽的价值所在；通过优化企业数据架构，把无意识状态的数据变成主动的数据燃料。
过去一般IT部门的工作重点是选择、实施和集成ERP系统，管理公司的服务器和网络，使用计算机设备培训所有新员工内部软件和流程以及内部业务运营。具体项目大致包括：员工信息管理，尤其是对人员招聘和流动状况的分析；工资和成本管理；保险和福利；会计电算化；开发项目管理；服务器管理；存储；企业通信；营销自动化；客户关系管理；客户需求分析；企业知识积累等。
然而如今，大型ERP系统正在被云托管的专门的SaaS产品所取代。这些应用程序具有对消费者友好的用户界面，购买、使用和部署都很简单。企业不再需要几周的搜索来确定最佳的工资软件并花上几个月来实施。比如开发项目管理除了jira（项目与事物跟踪工具）外，甚至第三方办公协同软件也可以完成此类工作。服务器管理有亚马逊网络服务、百度云、阿里云等；企业存储有百度云盘；企业通信有企业版QQ，钉钉等。
信息技术服务已经被“流化”了。实施大型SaaS工具仍然需要一些集成工作，但过去几年的趋势已经表明集成难度在降低，企业应用程序在简化。
过去CIO还有一个主要职责是建立技术团队。然而，随着技术劳动力可以按照需求应变，公司可以到自由职业者平台上雇用码农去应对一些小任务，也可以通过平台寻找成熟的“即时”专家团队。各种在线项目管理工具和资源使得管理外包服务也会变得更容易。在这种状况下，CIO原先业务的重要性在下降。
电力官早已消失，CIO也会消失吗？以百度为例，在前几年移动互联网热时，百度曾专门设置了“移动官”，负责思考和规划如何让百度的服务移动化，但随着移动互联网思维的普及，这个职位已经取消。
有识的CIO会适时转移自己的业务焦点。虽然第三方IT服务越来越标准化，很容易接入企业，但客户需求是不断变化的，不像企业自身的IT基本需求那样标准化，更不像电力能源的标准化。CIO要应对来自客户的信息变化，并对企业信息业务做出调整。
未来取决于CIO的视野。一个新任务就是负责组织完整的企业数据和智能战略。无论称这是CDO还是CAO。
CTO和CIO的开发任务减少了，因此获得了更多的时间和精力，应该尽早投入到钻研智能技术上。第三方IT服务依然是通用型的，而企业要做的是追求个性化定制，正如相同的外包公司与能力不同的企业产品经理结合，会开发出质量高低不一的产品。CIO或者CAO要审视企业自身的数据，寻找那些没有被充分利用的数据资源。
CAO要处理的信息远超过财务之类，还包括生产信息、组织信息，乃至员工的走位信息。想一下快递公司为什么需要掌握快递员的运动轨迹？CAO会考虑收集快递员的运动数据，采用数学方法加以分析，提出优化建议，提升快递效率。
数据在CTO眼中可能只是技术副产品，但是在CAO眼中则是战略性资源。他需要花费大量精力来思考客户需求和完整的用户链条，以寻找方法来增强公司的产品和服务，并尝试在所有产品上与客户展开互动。
比如在航空领域，中国南方航空股份有限公司作为中国运输飞机最多、航线网络最发达、年客运量最大的航空公司，为了把“大”转化为“灵”，与百度合作，成为首家入驻百度“行云”出行大数据平台的航企，利用百度位置服务产品、数据及市场资源（如百度地图），为旅客提供包括机场室内导航、候机楼到市区的智能交通、行程规划、动态诱导等服务；发挥百度在云计算、大数据等领域的技术优势，建设基于地理定位服务的大数据分析模型，提供规划设计、统计分析、市场监测等决策支持，为旅客提供全流程、高质量、多内容、高效便捷的出行服务。
从互联网到大数据，再到人工智能，不只是概念变化，更是认识和实质的变化，是从形式到肌体再到灵魂的上升。无论CTO还是CDO，具备人工智能视野都是很重要的。
CAO将与公司的不同部门（人力资源、销售、市场营销、产品等）进行合作创新，通过数据连接、整合不同部门。在深入数据整合、互动、挖掘时，会越来越需要成熟的方法和工具，此时，接入人工智能流也就呼之欲出了。
首席人工智能官做什么
引入成熟的机器学习方法，把数据变成训练材料，塑造自动化机制，寻找、发掘有价值的管理模式和客户模式，或者合理引入第三方人工智能流，支撑企业业务发展，并找到一个合适的创新循环：数据—算法—知识—用户体验—新的数据，循环往复，滚雪球式前进，在这个过程中创造商业价值。这就是CAO做的事情。
CAO作为一个新角色会面临很多不确定因素。当他去寻找人工智能服务时，应该遵循什么标准？就像CIO要懂得选择标准合适的第三方服务，个人用户会关心诸如计算机显卡或者USB（通用串行总线）接口标准一样。人们经常询问百度，人工智能服务有业界标准吗？
吴恩达认为，人工智能在当下并不十分成熟，还谈不上统一服务标准，各家都在尝试。在这个层面，各个企业的CAO都很重要，因为他们也担负着探索的责任。但是，稳定、方便、好用的工程化产品应该是正确的方向，有助于人工智能的“标准化”。比如开发者将可以在某个人工智能平台上方便地调用接口，享有稳定的智能流输出，支持企业运行和创业，就像现在人们在手机和开发平台上创造App一样。百度大脑就是这样一个平台。
这一轮的人工智能形成热潮，原因之一是门槛降低——深度学习的原理尤其是算法原理都差不多，就看谁的积累雄厚、谁的数据丰富、谁的训练充分。就好比无数程序员都会用java语言编程，但编程能力大有差别，你只能尽力选择最好的。
对于深度学习神经网络，调节神经网络参数的工作极其复杂和多变，需要根据不同业务场景做特别优化，虽然算法的基本思想差不多，但发展各异，也谈不上统一标准。因此，训练神经网络又被称作“炼丹”。吴恩达正在写作的新书《machine learning yearning》堪称一部“炼丹”手册，不是在讲“丹药”怎么好，而是在讲“炼丹”当中遇到的难题和解决办法。深厚的经验和务实的方法，大约就是一种标准吧。
期望每个高管完全了解人工智能是不合乎情理的。但如果所在的产业能产生大量数据，那就有很大的机会使用人工智能将这些数据转换成价值。对于大部分有数据但缺乏深度人工智能知识的公司来说，聘请一位CAO或人工智能副总裁（VP of AI）已经箭在弦上，一些CDO和有超前思维的CIO实际上已经在扮演这一角色。
图8-5 吴恩达新书封面
没有智能官的企业将被看作旧企业
著名数据分析公司MixPanel的CEO苏海勒（Suhail）认为，“机器学习不是为了证明某些原因，它的存在是为了针对一些特定的数据、行为或者是模式做出一些高质量的预测。算法唯一的工作就是让你能够更加有效、更加精确地达成目标，而不是告诉你为什么。”
不过我们认为问问“为什么”也是重要的。我们在大量的企业应用中发现，有些企业家急切地希望深度学习网络和数据挖掘能够马上带来利润的大幅度增加，而忽视了机器学习的规律以及企业自身的学习规律。
当企业大到一定规模，业务和数据复杂到一定程度之后，自身的运作逻辑往往是模糊的，不同于企业明文手册上的描述，即便是企业管理者对此也会感到陌生。机器学习具有根据数据反向求得函数逻辑的能力，这种反向推演能力可以给企业运作者提供一种观察企业非显性逻辑的视角。比如对企业邮件往来的关系分析，对电商用户下单时间的分析，对新闻网站发布资讯的时间段分析等，都可以帮助企业了解自身可以在哪些方面进行优化。
企业渴望从互联网时代迈进人工智能时代，这时CAO尤其需要分清轻重缓急，是先优化财务信息还是先优化产能？是固本强体还是拓展销售？
在对外业务上CAO可以带来显著的锦上添花的作用。比如建立自动化的客户需求分析系统，能够即时提交订单信息和生产信息给客户参考。但对内管理也十分重要。以制造型企业为例，生产管理、物料管理、质量管理、设计变更的信息化和数据化都需要整合，数据化达到一定程度后，辅以算法和开发，人工智能就水到渠成了。
电算化→信息化→智能化，神形合一，如果内部机制不顺，就会发现外部智能化缺少基础，难以为继。企业的内部修炼和外部拓展在智能时代将高度统一。
和电流从外部输入不同，在企业内部，智能的素材已经以“流”的形式出现，产生于每个员工、每个机器的每一个工作环节。这些数据流、信息流每天都在产生和流逝，但很多企业却没有意识到，更谈不上利用，而是任其挥发。
企业内功是和每个员工都相关的问题，比如个人的信息共享、知识管理、工作操作习惯的记录和优化等。
举个例子，网络新闻媒体的编辑每天都在录入文章，一些网络媒体拥有上千个编辑，每个人做着自己的工作。智能系统会侦测统计他们的录入操作，发现哪些环节的鼠标点击工作过多，这其中可能预示着录入系统的设计不合理，据此提出录入系统的优化建议。
吴恩达认为，传统企业尤其需要依靠CAO来了解前沿应用，升级自身业务。当然，面对很多可能的方向，CAO还是应该先抓住一个部门或者一块业务重点突破，形成典范，吸引其他部门燃起热情。毕竟，企业智能化是一个非常需要创新精神的事业，需要广泛参与。
而CEO一定要放权让CAO去施展，甚至亲自推进企业第一个智能化业务。没有CEO发自内心的支持，企业人工智能化工作将会很困难。有些举措可能旁人一开始不理解其价值，之后才会明白。如果错过就会非常可惜。
首席人工智能官的修养
作为与最具挑战性的深度学习技术打交道的CAO，他是一个特别理性的人，还是一个不失感性的人呢？
与一般工程科技不同，人工智能在模仿人类的思考习惯。科学家普遍强调人机结合是未来的发展方向。类似地，智能科学家和CAO都不会是机械论的化身，而是对各种知识具有全面的兴趣。吴恩达本人就是个例子，他不仅喜欢计算机科学，也喜欢人类学和社会学，还喜欢教育学——为了让更多人受到名校教育，把课堂教育重复使用率最大化，他合伙创立了Coursea在线教育课程项目，至今仍然是董事会成员。另外，他对心理学也有极大兴趣。
CAO可能是《生活大爆炸》里有趣的理工男，善于发现别人没发现的契机。也可能是数据领域的夏洛克·福尔摩斯，善于明察秋毫。不过他终究首先是一个具有“数据感性”的人。
他懂得利用数据，最重要的是在别人看不到数据的地方看见数据。
第一层：有能力从纷繁的数据中嗅到可能有的关联
张亚勤在与很多企业打交道的过程中发现，前几年做大数据，买了一大堆服务器，收集到一大堆数据，放在那里不知道该怎么办。不收集数据觉得好像错过了什么，收集了却不知道该如何做。即便我们自己这样的人工智能企业，很多数据也一时用不了，但如果不用，以后可能就没用了。因此CAO就要在做什么上发挥才能。
沃尔玛的“购物篮分析”是典型的数据挖掘应用，数据分析师想到从顾客购物小票里发掘购买对象之间是否有相关性。经过数据统计，他们发现除了牛奶和面包会经常被一起购买这种显而易见的关系之外，还有很多以往没发现的关系，比如婴儿纸尿裤常常会和啤酒一起被购买，然后才发现年轻的爸爸在购买婴儿用品的同时，往往会有一种犒劳自己的心理，于是购买了啤酒。
粗线表示概率较高的关联性
图8-6 使用SPSS软件进行购物篮数据分析的结果演示图
资料来源：https://baike.baidu.com/pic/%E5%85%B3%E8%81%94/165901/0/08f790529822720edc57ba9579cb0a46f31fabc0?fr=newalbum#aid=0&pic=08f79052 9822720edc57ba9579cb0a46f31fabc0
沃尔玛超市因此把啤酒和纸尿裤放在货架上靠近的位置，显著提升了销售额。沃尔玛的数据毕竟有限，并且只有购物小票这种用户数据。倘若数据巨大，且可以自动化调整每天的货架，就具有了人工智能的雏形。亚马逊和阿里巴巴的电商大数据都大到了一定程度，因此它们都为人工智能科学家提供了舞台。
这个例子再次体现出CAO所需要的思维模式究竟是什么——正是我们一再强调的相关性思维。牛奶和面包、啤酒和纸尿裤之间的联系，显然并非是以往科学领域的确定性关系或因果关系，而是一种以概率形式展示的强相关关系。想到从这个角度去发掘价值，这就是CAO具有的素养。
第二层：在数据之上，CAO及其伙伴需要有场景感知能力，懂得场景计算
未来，“业务”的概念将会变得模糊，“场景”成为事物运作的核心，这意味着产品不再像过去那样围绕业务来分类，比如新闻App做新闻，电商App做购物等。现在你有什么样的场景，就可以导入这个场景所需要的一切服务，比如一款移动支付应用，要考虑各种支付场景，如果提供购买电影票功能就要根据用户行为数据猜测用户正处于什么使用场景，除了看电影，是否需要阅读影评，是否需要购买爆米花。企业要做的是根据场景重新规划，打通业务，而不是根据业务来划分产品架构。
从感性的层面说，对场景的敏感实际体现了CAO的生活趣味和人文情怀。老人关怀家居、助盲产品都来自这种关怀。2016年，视频创业发力，有人为此开发出了可以自动剪辑视频的智能剪辑手。只要用户输入关键词，比如“航母”，软件就会把视频中相关的段落大致剪出来，这正是对视觉识别技术的非凡应用，来源于开发者对用户场景的敏锐。
比起一般科学家习惯于无功利地探索与发现不同，CAO需要更“功利”一些，即需要具有经济价值观，帮助企业发掘价值。这体现在优化流程、加速反应、节约时间，把人从重复性的机械劳动中解放出来。人工智能要让人有更多时间来做更有意义的事情，给人类的高级脑力活动留出时间。
在这些敏锐性层次之上，是具体的机器学习操作能力和智能系统搭建能力。吴恩达基于自己带领、扶持过的一些成功的人工智能团队的经验，针对如何寻找CAO给出了这样一些建议：
对人工智能和数据基础设施有良好的技术理解。例如，他们曾建立过重要的机器学习系统。在人工智能时代，数据基础设施（你如何组织公司的数据库并保证所有相关数据都被安全存储并可以访问）非常重要，尽管数据基础设施技能相对普通。
跨职能的工作能力。人工智能本身不是产品或业务，而是一种用来帮助已有业务线并创造全新产品和业务线的基础技术。因此，有能力了解不同的业务单位或职能团队并与他们合作很重要。
强大的企业家技能。人工智能创造建立新产品的机会，从自动驾驶汽车到能与之交流的代理，这在几年前还不现实，甚至是科幻小说中的东西。然而企业家往往是那种具有突破精神的人，能够创造从0到1的价值更新。一个掌握企业家技能的领导者将会增加公司成功创造出这种创新的概率。
吸引并留住人工智能人才的能力。这种人才备受追捧。好的CAO需要知道如何留住人才，例如注重人才感兴趣的项目、给团队成员培养技能的机会等。利用项目去教育别人，而不是事无巨细亲自打点，这样才能形成人才的培养循环机制。
吴恩达认为，合格的CAO应该有管理人工智能团队的经验。由于人工智能进化飞快，他们需要跟得上变化，但要求他们必须处于最前沿就没那么重要。更重要的是他们能跨职能部门进行合作。独立的技术是没有什么意思的，技术需要为人提供服务。机器与人的关系非常重要。要想做最好的人工智能，就需要既懂技术又懂人。人工智能是一场人机之间的故事。CAO既要善于理解机器智能，也要善于理解人情事理。
CAO应该成为一个布道者和指引者，让整个企业具备一种人工智能的兴趣和品格。CAO将是新时代的企业偶像，就像产品大师是互联网时代的英雄（乔布斯）。人工智能知识、产品与管理思维以及合适的人文感受力将共同造就这种英雄。
很可能在不久的未来，没有设置CAO、没有接入智能流的企业将会被看作是旧企业。从CTO到CIO、CDO，再到CAO，是一个循环上升的艰苦提升过程，某种意义上，也反映了企业自我更新、自我进化的艰难过程。
题外话
人才匮乏是当下的普遍问题，企业纷纷从学院挖人，智能科学家也不甘寂寞，纷纷跳槽到企业里去实现梦想。吴恩达的好友，全球排名前十的人工智能（深度学习）科学家Bengio（本希奥）担心，科学家都去企业了，高校里从事深度学习教育的人才就少了，会减少人才的产出。百度则把企业与学院结合起来，在内部进行教育，也向外输出了很多人才，并且准备在高校设立人工智能方面的奖学金。