重新認識人口紅利

改革開放40周年腰根,中國取得了全面的發(fā)展扯夭,尤其在經濟上的成就堪稱奇跡。如果要總結中國取得如此成就的原因梦抢,我想很重要的一條就是人口紅利般贼。

以前談到人口紅利,我們更多的指中國有大量廉價的勞動力。正因為有大量廉價的勞動力哼蛆,同時土地租金的價格相對較低蕊梧,因此中國在短時間內成了世界工廠,幾乎年年貿易順差腮介,儲備了大量的外匯肥矢。這個理解并沒有什么問題,但是隨著時間的變化叠洗,人口紅利這個概念的含義也變得更加豐富了甘改。

最近幾年,隨著中國居民的增加灭抑,民眾的購買力越來越強十艾,媒體上開始討論“消費升級”這個概念。這本來是個正常的現象腾节,日本在崛起的過程中也經歷過類似的階段忘嫉。上世紀80年代開始,日本在全世界各地瘋狂購買各種資產案腺,最后還買下了紐約的洛克菲勒中心和帝國大廈庆冕,引起美國人的一陣恐慌。而在日本國內救湖,民眾購買奢侈品的風潮跟我們國內前幾年的情況也是類似愧杯。

但是中國的消費升級跟日本有個很大的不同之處在于,我們的人口是它的10多倍鞋既。因此我們形成了一個巨大的國內市場力九,甚至是國際市場。因為我們不僅有巨大的人口量邑闺,而且全世界已經看到跌前,我們還有很強的消費力。如今全球任何國家和企業(yè)都不會傻到要放棄中國的市場陡舅。

由此抵乓,我們的“人口紅利”多了一個維度的含義。以前談“人口紅利”僅表示我們有大量廉價勞動力靶衍,而現在“人口紅利”還表示我們有巨大的消費市場灾炭。換句話說,我們的角色從單純的生產者颅眶,變?yōu)樯a者+消費者的結合蜈出。

此外,在互聯網和電子商務如此發(fā)達的中國涛酗,有大量的人購買商品就意味著有大量的數據產生铡原,因此我們的人口紅利還有另外一個維度的含義偷厦,即我們有大量的有效數據。當然燕刻,由巨大的人口產生的數據不止在電子商務方面只泼,而是在教育、醫(yī)療卵洗、城市交通等各個領域都有大量數據的產生请唱。

有人總結說我們今天的時代是ABC時代,即Artificial Intelligence(人工智能)忌怎、Big Data(大數據)和Cloud Computing(云計算)主導的時代籍滴。在這樣一個時代,數據的價值非常重要榴啸,數據是新時代的能源孽惰。今天,數據的作用就像石油和電力在以前的科技革命中的作用一樣鸥印,驅動著科技革命的發(fā)展勋功。

尤其是在人工智能迅猛發(fā)展的今天,數據的價值尤為重要库说。今天的人工智能狂鞋,由三個重要因素決定:數據、算法和計算能力潜的。其中主流的算法基本都是開源的骚揍,大家都可以拿來改進,改進后的效果看改進者的實力和運氣啰挪。計算能力主要依賴于CPU和GPU的性能信不,這個基本是有錢就可以得到。唯獨數據是獨占性比較強的亡呵,每個國家或企業(yè)擁有的數據一般不會共享抽活。而開源的數據集一般又比較小,一般只是讓大家對比算法的效果用的锰什。此外下硕,今天人工智能的算法效果在很大程度上依賴于數據質和量,因此數據是如今驅動人工智能發(fā)展的最強大的引擎汁胆。

而這也可以解釋為何如今人工智能比較強的公司是谷歌梭姓、臉書、亞馬遜嫩码、阿里巴巴和騰訊等公司誉尖,因為它們手上有大量的有效數據。此外它們有錢谢谦,可以招攬全世界最出色的算法工程師释牺。同時,它們有能力購買很多硬件設備回挽,提升自己的計算能力没咙。當然,很多人工智能的專家加入這些公司的原因千劈,除了錢之外祭刚,最重要的就是它們擁有大量的數據,而這些數據在其他地方無法獲得墙牌。人工智能的研究需要數據涡驮,否則那些專家們也是巧婦難為無米之炊啊喜滨!

過去我們一直說中國的崛起是因為有人口紅利捉捅,但所說的“人口紅利”一般只是指我們有大量的廉價勞動力。但是現在事情在慢慢發(fā)生變化虽风,如今的中國棒口,大量的廉價勞動力的優(yōu)勢正在慢慢消失,取而代之的是龐大的消費市場以及由大量人口產生的有效數據辜膝。這兩個維度的“人口紅利”將是我們未來更重要的競爭優(yōu)勢所在无牵。

本文的靈感來源于“冬吳同學會”第二季第32期“數據新能源”,感興趣的讀者可以點擊收聽厂抖。在此向梁冬和吳伯凡老師表示感謝茎毁。

?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市忱辅,隨后出現的幾起案子七蜘,更是在濱河造成了極大的恐慌,老刑警劉巖耕蝉,帶你破解...
    沈念sama閱讀 211,290評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件崔梗,死亡現場離奇詭異,居然都是意外死亡垒在,警方通過查閱死者的電腦和手機蒜魄,發(fā)現死者居然都...
    沈念sama閱讀 90,107評論 2 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來场躯,“玉大人谈为,你說我怎么就攤上這事√吖兀” “怎么了伞鲫?”我有些...
    開封第一講書人閱讀 156,872評論 0 347
  • 文/不壞的土叔 我叫張陵,是天一觀的道長签舞。 經常有香客問我秕脓,道長柒瓣,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,415評論 1 283
  • 正文 為了忘掉前任吠架,我火速辦了婚禮芙贫,結果婚禮上,老公的妹妹穿的比我還像新娘傍药。我一直安慰自己磺平,他們只是感情好,可當我...
    茶點故事閱讀 65,453評論 6 385
  • 文/花漫 我一把揭開白布拐辽。 她就那樣靜靜地躺著拣挪,像睡著了一般。 火紅的嫁衣襯著肌膚如雪俱诸。 梳的紋絲不亂的頭發(fā)上菠劝,一...
    開封第一講書人閱讀 49,784評論 1 290
  • 那天,我揣著相機與錄音乙埃,去河邊找鬼闸英。 笑死,一個胖子當著我的面吹牛介袜,可吹牛的內容都是我干的甫何。 我是一名探鬼主播,決...
    沈念sama閱讀 38,927評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼遇伞,長吁一口氣:“原來是場噩夢啊……” “哼辙喂!你這毒婦竟也來了?” 一聲冷哼從身側響起鸠珠,我...
    開封第一講書人閱讀 37,691評論 0 266
  • 序言:老撾萬榮一對情侶失蹤巍耗,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后渐排,有當地人在樹林里發(fā)現了一具尸體炬太,經...
    沈念sama閱讀 44,137評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,472評論 2 326
  • 正文 我和宋清朗相戀三年驯耻,在試婚紗的時候發(fā)現自己被綠了亲族。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,622評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡可缚,死狀恐怖霎迫,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情知给,我是刑警寧澤,帶...
    沈念sama閱讀 34,289評論 4 329
  • 正文 年R本政府宣布,位于F島的核電站涩赢,受9級特大地震影響戈次,放射性物質發(fā)生泄漏筒扒。R本人自食惡果不足惜朝扼,卻給世界環(huán)境...
    茶點故事閱讀 39,887評論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望观游。 院中可真熱鬧懂缕,春花似錦王凑、人聲如沸搪柑。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽百姓。三九已至渊额,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間垒拢,已是汗流浹背旬迹。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留求类,地道東北人奔垦。 一個月前我還...
    沈念sama閱讀 46,316評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像尸疆,于是被迫代替她去往敵國和親椿猎。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 43,490評論 2 348

推薦閱讀更多精彩內容