智慧产业，知识型经济中的一个代表产业，诞生在英国，发展于欧洲，是20世纪支撑欧洲GDP的主要产业之一。有资料表明，世界创意类产品中70%的智慧来自英国。而智慧产业也成为当今伦敦仅次于金融业的第二大产业，为50万人提供了就业机会，年营业额超过210亿英镑。
　　如今，中国也进入到了以智能、数据、云计算等为技术引导的数字生态时代，丰富的技术和人才储备，让中国智慧产业的发展进入了“快车道”。甚至有人认为，十年内，世界智慧工业的中心将开始向中国转移，“MADE IN CHINA”的时代正在被“DESIGNED IN CHINA”取代……
　　
　　但是，长期接触智慧产业工作的姚念康却发现，如此庞大的体系涵盖了各样形态的“智慧”展现形式，要让“智慧”融入到各自所在的领域、行业，甚至想要让其应用到场景中，很多人并不能很好地实现。
　　
　　在他看来，构筑各自领域的智慧核心平台，首先要明确“智慧的结构”。
　　
　　“智慧产业的外延很大，除了智慧城市，仿佛很多领域和行业都能被冠以‘智慧’二字，几乎可以深入到人们生产生活的各个角落。深入其中，我发现，自己在做智慧某某某的时候，无论是项目，还是产品，都会涉及到一个普适性的架构，那就是‘智慧结构’。我觉得，有必要给大家讲一讲这个结构。”
　　
　　智慧的普适结构——逻辑骨架
　　
　　马文·明斯基在他的经典力作《心智社会》中把人脑的运行理解为一个功能体群落的生态，各个子功能体在这个生态中不断地竞争，演化，适应，平衡，而它的外在表现就是我们的自我意识，情绪, 喜好，决断和行动。
　　
　　这是一个相对集中，紧密的生态体系，因为它只有一个唯一的决定，唯一的自我，虽然我们常常犹豫不决，但我们不会同时做两件矛盾的事。和一些自然存在的生态体系相比，这是一个全面、效率、集中、深刻而又敏捷的体系。它在亿万年的演化历程就是宇宙本身存在结构在时空中的展现。所以，这样的结构是基本和宇宙同构的。
　　
　　在马文·明斯基把人脑解构为一个致密的生态同时，我们这个时代的人们正在从一个个独立颗粒的群体中整合出智慧，形成一个相对紧密的自我整体。这就是我们所说的各种冠以“智慧”的体系：智慧城市，智慧工厂，智慧医疗，智慧教育，智慧机场等等……
　　
　　我们在构建一个智慧的社会，这是一次伟大的革命，一次伟大的跃迁，它的前景尉为壮观，它将是一次维度的革命。
　　
　　那么在所有的这些智慧中，我们是否可以看到一个普适的结构呢？一个可以在所有的特殊中不变的逻辑呢？就像柏拉图的“see the one among the many”一样，在所有的智慧系统构架中，这样的一个结构是存在的，我们可以将它理解为一个算法的骨架，当我说“骨架”时，就是伟大投资者，瑞·达利欧，所说的“原则”。
　　智慧结构的最基本能力——感知能力
　　
　　这样的“骨架”首先拥有一个实时、动态、连续、无缝的感知能力，即对外在环境的感知，也是最基本的能力。毕竟智能体是在环境中存在的，其智能也是在环境中展现的。所以，感知是存在的开始。
　　
　　现代物联网，5G，那些产生数据开端的地方都是感知的来源，就像我们的皮肤，眼睛，和耳朵一样，它们输入世界的频率，形态，变化……
　　
　　5G让物联网的感应器更加普遍、远程、迅速，一平方公里的面积上可以接入一百万这样的采集端。它的延迟可以在毫秒级，速度可以在1G以上，这基本是通讯的极限了。它为我们构建智慧城市、工厂等提供了最为敏捷的感知能力。
　　
　　然而，现在最大的问题不是我们的感知能力，而是我们要用它做什么，我们要创造可以充分发挥它功能的场景。
　　
　　在5G和物联网塑造的“聪”和“明”的感知能力上，也就是在海量汹涌的数据面前，我们可以做什么呢？如何在这个层面形成一个群体的合作？这是一个在物理层之上的基础逻辑协同，支持它运作的最好的技术是区块链。
　　
　　区块链技术是我们这个时代一个伟大的原始结构创新。它的结构、协议，为我们文明再一次起飞提供了原始逻辑基础。因为它是一个协同的基础操作系统，是广泛可信合作的方法。
　　
　　建构在物联网之上的区块链结构将为Web3.0奠定基础，这才是一个万物互联、万物协同、万物交易的场景，这才是一个智能社会的场景。有没有注意到区块链所拥有的冗余结构就像脑结构的冗余一样为系统提供韧性？
　　
　　智慧结构的原则和标准——集中的处理
　　
　　智慧结构拥有集中的处理能力，这是致密结构的必然，有层次化的特征。它代表高效、速度、决断，代表原则和标准。这是每一个生命体所必须的，是对能量的最佳使用，生命的耗散结构就是在平衡这些。
　　
　　我们看到从私有云、混合云、公有云的全系列的算力支撑就是这个集中能力的表现。现在云的建设基本是everywhere了，我们现在的问题可能不是云本身，而是如何平衡能量的消耗和云所生产的有序性。如果我们把能量也理解为有序性，那我们就要平衡单位能量所产生智能有序性的效率了。
　　
　　智慧结构的中台——随需应变的基础
　　
　　如果我们把集中理解为“专制”，那么敏捷就是“民主”，它是由“中台”构建的。和集中的“后台”相比，“中台”更注重本地环境的适应，对于需要快捷反应的地方性事件有更强大的能力。
　　
　　这就是“中台”概念产生在阿里，在反恐战争的伊拉克这些地方的原因。
　　
　　阿里每天都面临大量的促销，以及不同的行销行为，如何让结构最快捷、最个性化地适应这种要求，这是一种个刚需，因为不做就会有动辄千万的损失；而在《赋能》中的伊拉克战场，原来基于还原论的正面作战，高效批处理结构完全失效了，处处挨打的美军在“人民战争的海洋”中束手无策，只能调整为“中台”的敏捷结构。
　　
　　是“后台”好，还是“中台”好？是“高中台”好，还是“低中台”好？完全要看生命体所处的环境而定，要可以动态调整，适度拟合。这是一个高级智能的阶段，我把它叫“intelligent”, 而非“smart”。
　　
　　要做到可以动态调整我们“中台”的高低，为所谓的“微服务”提供基础结构能力，我们需要数字化转型。这就是为什么我们这个时代叫“数转时代”的原因。只有在数字化转型后， 我们才拥有随需应变的能力，特别是在“数据中台”，“AI中台”，“应用中台”后，我们才有可能动态调整，适应环境。
　　
　　一个胜出的体系，必然是在正确的时间，在正确的地点，做正确的事情的体系。所以，如果我们遍览古今战例会看到，让战争取胜的不是我们在电影中看到的英武神勇，血腥的男子汉气魄，而是一个适应性体系搭建，适度“中台”搭建，团队认知结构搭建的过程，那是一个智慧的过程。
　　
　　算法构建的预判能力——全域认知的能力
　　
　　AI、大数据，我们通过算法在数据中寻找有序性，这些有序性的延续使我们对外在有一个确定的理解，而这样的理解就是我们对未来的预判。这一点对于生命体来说太重要了。
　　
　　伯克森在《创造进化论》中明确，预判的智能是区分被动存在和主动智能化存在的关键。而我们目前的学习已发展到了系统化的学习阶段，是机器学习、深度学习。虽然学习的算法、智能的算法已经有了深刻发展，比如，深度神经网络、强化学习等让机器在棋盘上战胜了人类，但是我们现在的算法还处在一个原始阶段，好像“瞎子摸象“，似乎每天都有新的探索，但是还没有一个全景的图像。
　　
　　正如我在前面说的，智能的图景应该与自然存在是同构的。那么，我们从自然结构中理解智能的结构，也就是算法应该具有的结构。
　　
　　而我们的世界是自然存在，是经典存在和混沌存在并存的。它们混合存在，我们的算法如果要能预判，也需要有全域认知的能力。也就是，既能通过物体的位置、速度、质量等参数准确地测算其某一刻的位置、速度和状态，也能通过算法相对准确的判断某事件发生的概率，就像天气预报。同时，可以实现对更加浑浊、复杂的世界进行判断，比如对金融衍生品市场走势的判断，等等，甚至更加复杂的分析和预判。
　　
　　智慧结构的表现形式——交互的界面
　　
　　有了所有这些深刻的内涵，系统要有一个与外界交换的界面，这就是智慧结构的外在表现。
　　
　　它负责和外界的交互，就像我们人类的社交一样，我们在每时每刻和外界交往，表达我们的情感，影响我们的环境。现在最有感染力的表现系统就是AR/VR了。
　　
　　在联想研究院，可以看到技术所塑造的虚拟和现实之间的界限在模糊。我们走在虚拟中，但可以实际操控现实中的东西。比如，在对航空发动机进行检修时，AR眼镜中会显现所有和发动机部位相对应的部位的信息内容：某个部件的作用、组成、常见问题，应该怎样检测，上次维护是什么时候，做了什么动作等内容和参数。你可以想象拥有百万部件的飞机的每一个部件的详尽信息有多少吗？没有人可以记住所有，但系统可以。而更重要的是，它解放了你的双手，因为你只是带上了AR眼镜。
　　
　　那些我们可以看到、接触到的智能体系的外在都是这样的交互系统，就像机器人、应答系统、自动导航……它们都在展现智慧的内涵。
　　
　　智慧结构的导向——价值理性
　　
　　以上这几个方面就是构成智慧结构的逻辑骨架，它们彼此之间是协同、融合，是整体的。我们看到的就是一个“生命体”，或者“生态体”的友好表象。我们未来的城市，我们接触的所有的界面都是这样智慧的外在。
　　
　　在紧密而又疏松有序的分布中，整个世界应该就是一个智慧的大脑。它会涌现出整体的自我意识，就像个体的“自我”一样。这就是我们所倡导的“人类命运共同体”。我们整体成为了一个自我，我们共享所有的幸福和苦难，阳光和阴郁，美好与污浊。它们都是我们自己的，而非他人的。所以，如果说在所有智慧的结构的外在还有什么更高导向的话，那就是我们的价值理性了。
　　
　　它可能独立于我们智慧体结构的工具理性，它在阐述我们认为的“happy”，阐述生命的意义和方向。这是智慧的终极指导，就像我们文明历程中的信仰和宗教一样。
　　
　　这就是智慧结构的全部。