這個問題剛好匹配了我最近在思考的職場轉型的事情，我從2012年畢業之後加入網際網路行業，見證了網際網路作為通用生產力對傳統行業的摧枯拉朽的改造過程，可是走到今日網際網路行業的增速明顯下滑，當外部沒有了增長內部的資源爭奪就會愈加激烈，各種辦公室政治也就紛至沓來，所以我最近幾個月一直在想，未來會發生什麼，行業將會如何進一步被改變。
一圈下來，我堅信了人工智慧將會成為下一代通用生產力，絕大多數的行業都會被基於資料和演算法的人工智慧所改造，而那些被改變最徹底的行業也就會成為未來十年即將消亡的行業。
1）人工智慧時代，能夠帶給我們什麼想象空間？
網際網路時代，核心解決的是資訊對稱的問題，資訊和人的資訊對稱性差造就了雅虎、新浪，商品和人的資訊對稱性差造就了阿里、京東，餐飲和人的資訊對稱性差造就了美團和餓了嗎，物理世界的一部分內容傳遞到網際網路上，實現幾乎零成本的傳遞和互動，帶動了經濟的發展和行業的演變；
人工智慧對資訊行業的改變是首個戰場，但這絕對只是開始，位元組跳動推出西瓜影片、悟空問答，表面看是在做內容運營，但是在內容足夠豐富之後，基於其背後的海量資料和精準計算，整個影片行業和搜尋行業都將被顛覆，而京東數科同樣嘗試在使用資料和演算法來為傳統金融企業做精準風險定價，也同樣嘗試在養豬的時候做到供需的精準匹配，據說他們可以做到根據“豬臉識別”讓養殖人工成本能減少30%-50%左右，飼料使用量能降低8%-10%，並且平均出欄時間能縮短5-8天；
推而廣之，廣告行業在內容和目標客群之間的匹配，供應鏈行業貨物和消費者的匹配，社會生活中警察和小偷的匹配，婚戀行業裡面男人和女人的匹配，所有涉及到供需的行業都將值得被重新做一遍。
當機器在智力和體力上組合起來的時候，顛覆的事情出現了：機器可以自己玩了！大量現在人類做的事情都可以被機器所承接，君不見那麼多製造企業推出黑燈工廠，君不見北京亦莊道路上那頻頻出現的無人駕駛測試車輛，君不見美國和伊朗衝突上最先動用的是無人機，於是這個問題倒要反過來問了，哪些行業不會被徹底改變？
2）為什麼人工智慧時代在這個時間點會加速推進？
如上面所提到，人工智慧所依賴的是精準，如何算準也就是最為核心的問題。把算準這個大命題拆開來看也並不複雜，一共三個要素：足夠大的資料、足夠強的運算能力、還有支撐精準計劃的演算法和模型；第一個也就是傳說中的大資料，計算機時代開始人們開始把各種資訊從物理世界向虛擬世界來搬運，基於0和1的二進位制法則，最開透過滑鼠和鍵盤來錄入資訊，後來透過拍照和掃描來錄入資訊，到今天可以透過語音識別和計算機視覺來識別語音和圖片，更透過各種智慧穿戴裝置還有手機中的APP來手機各種各樣的資料，這讓儲存在雲端和伺服器中的資料已經到了一個遠遠遠遠超出我們想象的數量級，而這恰恰是大資料的基礎，也是跟前幾個時代最大的區別：資料資產正逐步成為接替煤炭和石油之後最為重要的資產，要不法國準備跟美國收取資料資產稅呢；再有了足夠大的資料之後，下一個瓶頸就是用什麼來運算這麼複雜的資料，為了方便理解可以拿PC時代的計算能力舉例子看，決定一臺膝上型電腦計算能力的無非兩個最核心的因素晶片（CPU）、作業系統，這兩個東西一個決定了底層運算能力，一個決定了如何高效的利用好晶片的運算能力，PC時代因特爾的晶片就是NB，蘋果的作業系統就是好過微軟的作業系統，而在人工智慧時代也同樣，晶片技術和作業系統的快速發展支撐了人工智慧的爆發，稍微扯遠點，美國對於華為的打壓也是因為華為是全球範圍內唯一一家能夠在晶片、作業系統、通訊協議、終端應用層面全面對抗美國的企業吧，這場貿易戰背後或多或少有對人工智慧時代老大地位的爭奪；而說到第三個模型和演算法，這個是在上個世紀到現在並沒有什麼突破的環節，人工神經網路之類的模型上個世紀就已經很成熟，只是沒有那麼多的資料喂模型沒有那麼強的算力支援而已。接下來5G時代來臨，萬物智慧化、萬物互聯之後，資料量又會是指數級的增長，那時候模型能夠算出來的準確度同樣也會是指數級的提升，人工智慧時代的來臨只會加速，不會變慢。
3）未來十年，哪些行業將會消亡？
扯了這麼多，回到問題本身，站在現在我沒有辦法準確預測具體哪些行業在未來十年內會滅亡，但是我知道絕大多數行業都會被人工智慧按照精準的邏輯重新定義。當無人駕駛成為日常，不需要司機，也就不需要駕校；當人工智慧輸入了各種法律和歷史審判卷宗，律師也就不重要了；當人工智慧掌握瞭如何根據症狀辨別疾病，醫生的職能也就弱化了；當人工智慧能夠收集大資料做證券分析，證券分析師也就沒有那麼重要了。。。可能真的需要反問，未來十年，那個行業不會被人工智慧所改變了。
未來已來，當早做打算，趁著它還弱小，利用它輔助自己做好自己要做的事情。
這個問題剛好匹配了我最近在思考的職場轉型的事情，我從2012年畢業之後加入網際網路行業，見證了網際網路作為通用生產力對傳統行業的摧枯拉朽的改造過程，可是走到今日網際網路行業的增速明顯下滑，當外部沒有了增長內部的資源爭奪就會愈加激烈，各種辦公室政治也就紛至沓來，所以我最近幾個月一直在想，未來會發生什麼，行業將會如何進一步被改變。
一圈下來，我堅信了人工智慧將會成為下一代通用生產力，絕大多數的行業都會被基於資料和演算法的人工智慧所改造，而那些被改變最徹底的行業也就會成為未來十年即將消亡的行業。
1）人工智慧時代，能夠帶給我們什麼想象空間？
網際網路時代，核心解決的是資訊對稱的問題，資訊和人的資訊對稱性差造就了雅虎、新浪，商品和人的資訊對稱性差造就了阿里、京東，餐飲和人的資訊對稱性差造就了美團和餓了嗎，物理世界的一部分內容傳遞到網際網路上，實現幾乎零成本的傳遞和互動，帶動了經濟的發展和行業的演變；
人工智慧對資訊行業的改變是首個戰場，但這絕對只是開始，位元組跳動推出西瓜影片、悟空問答，表面看是在做內容運營，但是在內容足夠豐富之後，基於其背後的海量資料和精準計算，整個影片行業和搜尋行業都將被顛覆，而京東數科同樣嘗試在使用資料和演算法來為傳統金融企業做精準風險定價，也同樣嘗試在養豬的時候做到供需的精準匹配，據說他們可以做到根據“豬臉識別”讓養殖人工成本能減少30%-50%左右，飼料使用量能降低8%-10%，並且平均出欄時間能縮短5-8天；
推而廣之，廣告行業在內容和目標客群之間的匹配，供應鏈行業貨物和消費者的匹配，社會生活中警察和小偷的匹配，婚戀行業裡面男人和女人的匹配，所有涉及到供需的行業都將值得被重新做一遍。
當機器在智力和體力上組合起來的時候，顛覆的事情出現了：機器可以自己玩了！大量現在人類做的事情都可以被機器所承接，君不見那麼多製造企業推出黑燈工廠，君不見北京亦莊道路上那頻頻出現的無人駕駛測試車輛，君不見美國和伊朗衝突上最先動用的是無人機，於是這個問題倒要反過來問了，哪些行業不會被徹底改變？
2）為什麼人工智慧時代在這個時間點會加速推進？
如上面所提到，人工智慧所依賴的是精準，如何算準也就是最為核心的問題。把算準這個大命題拆開來看也並不複雜，一共三個要素：足夠大的資料、足夠強的運算能力、還有支撐精準計劃的演算法和模型；第一個也就是傳說中的大資料，計算機時代開始人們開始把各種資訊從物理世界向虛擬世界來搬運，基於0和1的二進位制法則，最開透過滑鼠和鍵盤來錄入資訊，後來透過拍照和掃描來錄入資訊，到今天可以透過語音識別和計算機視覺來識別語音和圖片，更透過各種智慧穿戴裝置還有手機中的APP來手機各種各樣的資料，這讓儲存在雲端和伺服器中的資料已經到了一個遠遠遠遠超出我們想象的數量級，而這恰恰是大資料的基礎，也是跟前幾個時代最大的區別：資料資產正逐步成為接替煤炭和石油之後最為重要的資產，要不法國準備跟美國收取資料資產稅呢；再有了足夠大的資料之後，下一個瓶頸就是用什麼來運算這麼複雜的資料，為了方便理解可以拿PC時代的計算能力舉例子看，決定一臺膝上型電腦計算能力的無非兩個最核心的因素晶片（CPU）、作業系統，這兩個東西一個決定了底層運算能力，一個決定了如何高效的利用好晶片的運算能力，PC時代因特爾的晶片就是NB，蘋果的作業系統就是好過微軟的作業系統，而在人工智慧時代也同樣，晶片技術和作業系統的快速發展支撐了人工智慧的爆發，稍微扯遠點，美國對於華為的打壓也是因為華為是全球範圍內唯一一家能夠在晶片、作業系統、通訊協議、終端應用層面全面對抗美國的企業吧，這場貿易戰背後或多或少有對人工智慧時代老大地位的爭奪；而說到第三個模型和演算法，這個是在上個世紀到現在並沒有什麼突破的環節，人工神經網路之類的模型上個世紀就已經很成熟，只是沒有那麼多的資料喂模型沒有那麼強的算力支援而已。接下來5G時代來臨，萬物智慧化、萬物互聯之後，資料量又會是指數級的增長，那時候模型能夠算出來的準確度同樣也會是指數級的提升，人工智慧時代的來臨只會加速，不會變慢。
3）未來十年，哪些行業將會消亡？
扯了這麼多，回到問題本身，站在現在我沒有辦法準確預測具體哪些行業在未來十年內會滅亡，但是我知道絕大多數行業都會被人工智慧按照精準的邏輯重新定義。當無人駕駛成為日常，不需要司機，也就不需要駕校；當人工智慧輸入了各種法律和歷史審判卷宗，律師也就不重要了；當人工智慧掌握瞭如何根據症狀辨別疾病，醫生的職能也就弱化了；當人工智慧能夠收集大資料做證券分析，證券分析師也就沒有那麼重要了。。。可能真的需要反問，未來十年，那個行業不會被人工智慧所改變了。
未來已來，當早做打算，趁著它還弱小，利用它輔助自己做好自己要做的事情。