似乎壹夜之間，大數據成了IT界最時髦的詞。
首先，大數據並不是壹個完全新鮮的事物。谷歌的搜索服務是大數據的典型應用。Google可以根據客戶的需求，從世界上海量的數字資產(或者說數字垃圾)中，快速實時地找出最可能的答案，呈現給妳，這就是最典型的大數據服務。但過去這種規模的數據處理和商業應用太少，在IT行業沒有成型的概念。如今，隨著全球數字化、寬帶網絡和互聯網在各行各業的應用，積累的數據量越來越大。越來越多的企業、行業和國家發現，在大數據的概念逐漸形成之前，類似的技術可以用來更好地服務客戶，發現新的商機，拓展新的市場，提高效率。
互聯網是壹張神奇的大網，大數據開發和軟件定制也是壹種模式。這裏提供了最詳細的報價。如果妳真的想做，妳可以來這裏。這個手機的起始號碼是187，中間的號碼是三零，最後的號碼是14250。按順序組合就能找到。我想說的是，除非妳想做或者懂這方面，如果只是湊熱鬧，那就別來了。
有壹個關於奢侈品營銷的有趣故事。紐約普拉達旗艦店的每件衣服上都有RFID代碼。每次顧客拿起壹件PRADA進入試衣間，RFID都會被自動識別。與此同時，數據將被傳輸到普拉達總部。每壹件衣服在哪個城市，哪個旗艦店，什麽時候被帶進試衣間，待多久，都有存儲和分析。如果有壹件衣服銷量不高，之前的做法是直接幹掉。但如果RFID發回的數據顯示，這件衣服雖然銷量低，但已經多次進入試衣間。那可以解釋壹些其他的問題。也許這件衣服的結局會完全不同，也許某個細節的小小改變會再造壹個非常受歡迎的產品。
壹個單壹的數據沒有價值，但是積累的數據越來越多，量變就會引起質變，就像壹個人的意見不重要，但是1，000人的意見更重要。幾百萬人足以掀起滔天巨浪，幾億人足以改變壹切。
再多的數據，如果被屏蔽或者不被使用，都是沒有價值的。中國的航班都很晚，相比美國航班的準點。其中，美國空管機構的壹個良好做法起到了積極作用。說起來也很簡單，美國會公布過去壹年各航空公司、各航班的延誤率和平均延誤時間，讓客戶在購買機票時自然選擇準點率高的航班，從而吸引航空公司通過市場手段努力提高準點率。這種簡單的方法比任何管理手段(如中國政府的宏觀調控手段)都更直接有效。我在這裏說壹兩句。過去專制國家的內部控制主要是肉體暴力，即強力機構權力無限，搞國家恐怖主義；現在壹個專制國家主要靠壟斷信息，封鎖信息，讓民眾難以獲得廣泛真實的信息，從而實現國家控制。這個信息封鎖就是大數據的封鎖。
沒有整合和挖掘的數據，價值就不會呈現出來。《無盡》中的庫珀如果不能將圍繞壹家公司股價的海量信息進行整合和連接，那他就壹文不值。
因此，海量數據的產生、獲取、挖掘和整合顯示出巨大的商業價值，這就是我理解的大數據。在互聯網重構壹切的今天，這些問題都不是問題了。因為，我認為大數據是互聯網深入發展的下壹波應用，是互聯網發展的自然延伸。目前可以說大數據的發展已經到了壹個臨界點，所以成為了IT行業最熱的詞匯之壹。
第二，大數據會重構很多行業的商業思維和商業模式。
我想以壹個對未來汽車工業的天馬行空的想象來開始這個話題。
在人的壹生中，汽車是壹項巨大的投資。以壹個7年的30萬車置換周期計算，每年折舊費用在4萬元以上(這裏不算資金成本)，加上停車、保險、機油、保養等費用，每年的消費應該在6萬元左右。汽車行業也是壹個很長的產業鏈中的主導行業，這方面只有房地產可以競爭。
但同時，汽車產業鏈是壹個低效率、慢變化的行業。汽車從來都是四個輪子，壹個方向盤，兩排沙發。這麽貴的東西，圍繞汽車產生的數據少得可憐，產業鏈之間的數據傳輸也很少。
我們在這裏瘋狂想象壹下，如果汽車全數字化，有了大數據，會發生什麽？
有人說，汽車的數字化意味著增加壹個MBB模塊。不，這太幼稚了。在我的理想中，數字化是指汽車可以隨時聯網，汽車是壹個擁有傳統車輪、方向盤、沙發的大型計算系統，可以數字化導航、自動駕駛，與汽車相關的每壹個動作都被數字化，包括每壹次保養、每壹條行駛路線、每壹段事故視頻、每天汽車關鍵部位的狀態，甚至每壹個駕駛習慣(比如每壹次剎車、加速)都被記錄下來。這樣妳的車可能每個月甚至每個星期都會產生T比特的數據。
好吧，我們假設這些數據是可以存儲的，可以和相關政府、行業、企業共享的。這裏不討論隱私問題的影響，假設數據可以在隱私保護的前提下自由共享。
那麽，保險公司會怎麽做？保險公司拿妳所有的數據去建模分析，發現了幾個重要的事實:第壹，妳只是開車上下班，南山到阪田的路線並不繁華，紅綠燈很少，這條路線過去壹年的事故率很低；您的車狀況良好(使用年限和車型)，該車型事故率在深圳也較低；甚至細數自己的駕駛習慣，均勻加油，少臨時剎車，少超車，與周圍的車保持適當的距離，有良好的駕駛習慣。最後的結論是，妳車型好，車況好，駕駛習慣好，經常走的路線事故率低，近壹年沒有發生車禍，可以給更大的優惠。這樣，保險公司徹底重構了自己的業務模式。在大數據支持之前，保險公司只是對車險客戶做了簡單的分類。壹* * *分為四類客戶。第壹個連續兩年沒出過事故，第二個最近壹年沒出過事故，第三個最近壹年出過事故，第四個最近壹年出過兩次以上事故。有四種類型。這種簡單粗暴的分類，就好比女人找壹個只敢嫁的丈夫，把男人分為四種:沒結過婚的，結過壹次婚的，結過兩次婚的，結過三次以上的。在大數據的支持下，保險公司可以真正做到以客戶為中心，把客戶分成上千個，每個客戶都有個性化的解決方案，這樣保險公司的運營就完全不壹樣了。對於低風險客戶，他們敢於大膽打折，對於高風險客戶，他們甚至拒絕。普通保險公司完全很難和這樣的保險公司競爭。擁有並使用大數據的保險公司將比傳統公司擁有壓倒性的競爭優勢。大數據將成為保險公司的核心競爭力，因為保險是基於概率評估的業務。大數據無疑是精準評估概率最有利的武器，簡直就是量身定做的武器。
有了大數據的支持，4S門店的服務完全不壹樣了。車況信息會定期傳到4S店，4S店會根據情況提醒車主及時保養維修，特別是對於可能危及安全的問題，甚至會在征得客戶同意的情況下采取遠程幹預措施，同時車主可以提前備貨，讓車主第壹時間到4S店維修，無需等待。
對於司機來說，當他們不想開車的時候，在大數據和人工智能的支持下，車輛可以自動駕駛，妳經常行駛的路線可以自己學習和優化。為了預測周圍的環境，谷歌的自動駕駛汽車每秒鐘收集幾乎1GB的數據。沒有大數據的支撐，自動駕駛是不可想象的；當它離周圍車輛太近時，會提醒車主及時避讓；上下班時會根據實時大數據情況提醒妳經常行駛的路線，繞開擁堵點，幫妳選擇最合適的路線；遇到緊急情況，比如爆胎，自動駕駛系統會自動接管，提高安全性(人的壹生很難遇到爆胎的情況，人在緊急情況下的反應往往是災難性的，只會變得更糟)；在市中心找車位是壹件很麻煩的事情，但是以後妳到了商場門口之後，讓車自己找車位，想還的時候，讓車提前過來取。
車輛是城市中最大、最活躍的移動物體，是擁堵的源頭，也是最大的汙染源之壹。數字汽車和大數據應用會帶來很多變化。紅綠燈可以根據不同道路的擁堵情況自動優化調整，很多地方甚至可以取消紅綠燈；城市停車場也可以大大優化，可以根據大數據的情況優化城市停車場的設計。有了車輛的自動駕駛功能，停車場可以革命，可以設計專門為自動駕駛車輛設計的停車樓。地下和地上的樓層可以高達幾十層，停車樓層可以更短，只要能高於汽車的高度(或者汽車可以直立停放)，這對城市規劃影響巨大；當出現緊急情況時，比如前方發生山體滑坡，可以第壹時間通知周邊車輛(尤其是前往滑坡路段的車輛)；現行的燃油稅也可以發生革命性的變化。可以根據車輛行駛距離甚至車輛排放汙染物的多少來收費。汙染物少的車甚至可以搞碳交易，把自己的排放賣給油耗高的車。政府還可以每年公布各類車輛的實際汙染物排放、稅收、安全等指標，鼓勵人們購買更節能、更安全的汽車。
電商和快遞也可能會發生很大的變化。快遞車可以自動駕駛，白天不用趕著去擁堵的路段。妳可以半夜開車，在妳家門口設計壹個自動接收箱，憑密碼自動打開，就像以前送報紙的報童壹樣。
這樣看來，我認為汽車數字化、互聯網、大數據和人工智能的應用，將會給汽車行業以及相關的長產業鏈帶來難以想象的巨大變革和產業革命，具有無限的想象空間，有可能被徹底重構。當然，估計至少要50年，100年才能實現我描述的場景，我想我這輩子都見不到了。
下面的想象圍繞著人本身。人類的數字化存在也是這幾十年的事情。在我爺爺奶奶的壹生中，有他們生命盡頭的照片，個人形象有點數碼化，讓我們和後代知道爺爺奶奶的光輝形象。而且我們從小就有照片。近年來，我們變得越來越數字化。我們的身份是數字的(也就是身份證)，銀行存款是數字的，照片全是數字的，體檢表格也是數字的，購物是數字的(淘寶有幾十個我的地址，幾百條購物信息，幾萬條搜索信息)，交流是數字的(微信有了新的朋友圈生態)，初步構建了壹個數字化的生存狀態。而我們的下壹代或者下壹代將會進入壹個完全數字化的存在。從出生開始，人就有了基因圖譜，到後來的每壹次體檢和測試，到每壹年、每壹個月、每壹天的活動，到相關親屬的活動軌跡，從每壹個人，到每壹代人，到整個家譜，到整個國家，到整個世界，這些海量數據的產生都會從量變到質變。在這裏，我們還設想:
比如妳在找對象的時候，遇到了壹個心愛的女孩。大數據系統就像壹個算命系統。根據對雙方海量數據的挖掘，告訴妳和姑娘的匹配指數是多少，告訴妳未來全球類似情況的夫妻離婚概率是多少。在某個匹配指數以下，大數據系統會小心翼翼的建議妳不要繼續和這個女生的關系。是不是聽起來特別像權利家庭的數字化？當然，妳可能會說這樣的生活很無聊，錯誤是人生最美的部分。呵呵，我只討論科學問題，不理會妳這種以“浪漫主義”為名實則不以結婚為目的的流氓式戀愛。其實我心裏也承認，偶爾耍流氓也是好的。呵呵，開個玩笑。
大數據會在壹定程度上顛覆企業的傳統管理方式。現代企業的管理模式來源於對軍隊的模仿，依靠層層的組織和嚴格的流程，依靠層層的信息收集和匯聚做出正確的決策，然後通過決策在組織中的傳遞和分解以及流程的標準化來保證決策的執行，保證每壹項經營活動都有質量保證，在壹定程度上規避風險。這曾經是壹種有用而笨拙的方法。大數據時代，我們可能重構企業的管理模式。通過對大數據的分析和挖掘，大量業務可以自主決策，而不需要依賴不斷擴大的組織和復雜的流程。大家都是基於大數據做決策，都是依靠既定的規則做決策。CEO決策和壹線人事決策沒有太大區別。那麽企業還需要這麽多層次的組織和復雜的流程嗎？
大數據的另壹個重要作用是改變商業邏輯，提供從其他角度直接回答的可能。如今，人們的思維或企業的決策實際上是壹種起主導作用的邏輯力量。我們調查，收集數據，總結，最後形成自己的推論和決策意見。這是壹個觀察、思考、推理、決策的商業邏輯過程。人和組織的邏輯形成需要大量的學習、訓練和實踐，成本非常巨大。但這是唯壹的方法嗎？大數據給了我們其他的選擇，就是利用數據的力量直接得到答案。比如我們學數學的時候，年輕的時候學了1999年的乘法表，中學學了幾何，大學學了微積分，遇到了壹道難題。我們試圖利用多年的學習經驗來解決，但是我們還有另外壹個方法，就是直接在網上搜索是否有這樣的問題。如果有，直接抄答案就行了。很多人會批評這是抄襲和作弊。但是我們為什麽要學習呢？我以為是為了解決問題。如果我能隨時找到答案，我就能以最省力的方式找到最佳答案。這樣的尋找難道不能是壹條光明的道路嗎？換句話說，為了得到它是什麽，我們不必理解為什麽。我們並不是否認邏輯的力量，但至少我們有了壹種新的偉大力量可以依靠，這就是未來大數據的力量。
通過大數據，我們可能會有壹個新的視角去發現新的商業機會，重構新的商業模式。我們現在看世界，比如分析家裏的食品腐敗，主要是靠我們的眼睛和我們的經驗，但是如果我們有顯微鏡，我們壹下子就看到了壞細菌，那麽分析就完全不壹樣了。大數據是我們的顯微鏡，它可以讓我們從新的角度發現新的商業機會，並可能重構商業模式。我們的產品設計可能不壹樣，很多東西不用猜，客戶的習慣和喜好壹目了然，我們的設計很容易擊中客戶的內心；我們的營銷也完全不同。我們知道客戶喜歡什麽，討厭什麽，更有針對性。尤其是顯微鏡和廣角鏡頭，我們會有更多全新的視野。這個廣角鏡頭就是跨行業的數據流，讓我們看到過去看不到的東西。比如上面說的車案，開車就是開車，保險就是保險，這是不相關的，但是當我們把開車的大數據傳給保險公司，整個保險公司的業務模式就會徹底改變，徹底重構。
最後，我想談談大數據的發展對IT本身技術架構的革命性影響。大數據的基礎是IT系統。我們現代企業的IT系統基本都是基於IOE(IBM小型機，Oracle數據庫，EMC存儲)+Cisco的模式。該模型是壹種縱向擴展的架構，適用於在已建立的模型下解決具有壹定數據量的業務流程。但在大數據時代，很快就會面臨成本、技術、商業模式的問題。大數據對IT的需求將很快超過現有廠商架構的技術高峰，海量數據的增長將帶來因此，目前業內提出的去IOE化趨勢，用橫向擴展架構+開源軟件代替縱向擴展架構+專有軟件，本質上是大數據商業模式帶來的，這意味著大數據將驅動IT行業新壹輪的架構變革。IOE潮流中所謂的國家安全因素完全是次要的。
所以美國人說大數據是壹種資源，像大油田、大煤礦壹樣，可以源源不斷地挖掘出大財富。而且和普通資源不壹樣，它是可再生的，越挖越值錢，這是違背自然規律的。企業如此，行業如此，國家如此，人也是如此。誰不喜歡這樣的東西？因此，大數據如此受歡迎是完全有道理的。
第三，新智能生物的誕生
下面的想象就更狂野了。如果真的要實現，估計至少要十輩子或者壹百輩子以後。那時候我們已經是老祖宗了。就當是科幻吧。
從微軟副總裁最近的壹次演講開始。裏克·拉希德是微軟研究院的高級副總裁。有壹天，他走上了中國天津的講臺，他非常非常緊張要在2000名研究人員和學生面前演講。這麽緊張是有原因的。問題是他不會說中文，之前翻譯水平很差，似乎註定了這種尷尬。
“我們希望在幾年內，我們可以打破人與人之間的語言障礙，”微軟研究院的高級副總裁告訴觀眾。緊張的兩秒鐘停頓後，喇叭裏傳來翻譯的聲音。拉希德繼續說道:“我個人認為，這將使世界變得更加美好。”暫停，然後中文翻譯。
他笑了。觀眾為他說的每壹句話鼓掌。有的甚至流下了眼淚。這種看似過激的反應是可以理解的:拉希德的翻譯並不容易。每壹句話都理解得天衣無縫，翻譯得天衣無縫。印象最深的是這個翻譯不是人。
這是自然語言的機器翻譯，也是長期以來人工智能研究的重要體現。人工智能從過去到未來都有著清晰而巨大的商業前景，是過去IT界的熱點，其熱度不亞於現在的“互聯網”和“大數據”。但是過去人類在推動人工智能的研究上遇到了很大的阻礙，最後幾乎絕望。
當時的人工智能是模擬人的智能思維模式來構建機器智能。就機器翻譯而言，語言學家和語言學家必須不遺余力地編纂大型詞典和語法、句法、語義相關的規則。幾十萬個單詞構成了壹個擁有上萬條語法規則的詞庫。考慮到各種情況和背景，他們模擬人類翻譯，然後計算機專家構建復雜的程序。最後發現人類的語言太復雜了，窮舉法根本達不到最基本的翻譯質量。這條路的最終結果是，在1960年代之後，人工智能的技術研發停滯了數年，科學家們痛苦地發現，通過“模擬人腦”和“重構人腦”來定義人工智能走進了死胡同，導致幾乎所有的人工智能項目都進入了冷宮。
這裏有壹個小插曲。我上大學的時候，有個老師是國內人工智能頂尖教授，國內某人工智能研究會副會長。他評價當時的人工智能不是人工智能，而是人工愚蠢。人類簡單的行為被分解，分解再分解，然後笨拙地模擬。這不是人們如何學會如何變聰明，而是模擬最愚蠢的人的最簡單的行動。他說，對於當時人工智能的進步，有人沾沾自喜，說登月計劃中似乎人類離月球更遠了。其實他們只是站在壹塊石頭上，向月亮表白。啊，我離妳更近。他對自己事業的自嘲我至今記得很深。
後來有人想，機器為什麽要跟人學邏輯？很難，也很難學。機器本身最強大的是計算能力和數據處理能力。為什麽不走壹條不同的路呢？這條路是IBM“深藍”走過的路。1997 5月11日，國際象棋大師卡斯帕羅夫在與IBM開發的計算機深藍對弈時宣告失敗，後者贏得了這場影響深遠的“人機對抗”。《深藍》不是靠邏輯，所謂的人工智能取勝，或者說是靠超強的計算能力取勝:思維打不過妳，但會殺了妳。
類似的邏輯後來被應用到機器翻譯中。谷歌、微軟、IBM都走上了這條道路。即主要采用匹配法，同時結合機器學習，依托海量數據和相關統計信息，不考慮語法和規則，將原文與互聯網上的翻譯數據進行對比，找出最接近、引用次數最多的翻譯結果作為輸出。即利用大數據和機器學習技術實現機器翻譯。現有的數據越大，系統的運行就會越好，這也是為什麽新的機器翻譯只有在互聯網出現之後才能有所突破的原因。
所以目前這些公司的機器翻譯團隊裏有很多計算機科學家，卻連壹個純語言學家都沒有。只要他們擅長數學和統計，那麽他們就可以編程。
簡而言之，通過這項技術，計算機可以自學從大數據中構建模式。有了大量的信息，妳可以讓機器學會做看起來很智能的事情，不管是導航、理解單詞、翻譯語言、識別人臉，還是模擬人類對話。英國劍橋微軟研究院的克裏斯·畢曉普打了個比方:“妳堆了足夠多的磚，再退幾步，妳就會看到壹棟房子。”
在這裏，我們假設這項技術可以繼續改進。未來，基於大數據和機器學習的人工智能可以更流暢地模擬人類對話，即人類可以更自如地與機器對話。事實上，IBM的“沃森”項目就是這樣壹個科技項目，比如試圖讓計算機成為醫生，可以診斷大部分疾病，與病人交流。此外，還假設新出現的可穿戴計算設備已經取得了很大的進步。這是多大程度的進步？就連妳的寵物狗都配備了各種傳感器和可穿戴設備，比如圖像采集、聲音采集、氣味采集，還有監測狗狗健康狀況的小型醫療設備，甚至還有監測小狗胃裏消化情況的電子藥丸。當然，小狗也是聯網的，也產生了海量的數據。這時候我們假設基於這些大數據建模，可以模擬出小狗的情緒，然後通過擬人化處理就可以表達出聲音。換句話說，我們可以模擬小狗說人類的話，比如當主人回家時，小狗搖尾巴叫，那麽附著在小狗身上的人工智能系統就會說:“主人，我真高興看到妳回家。”不僅如此，妳還可以和小狗的人工智能系統進行對話，因為這個人工智能系統基本可以理解妳的意思，可以代替小狗的擬人化表情。讓我們模擬壹個可能的對話:
妳:“小狗，妳今天過得怎麽樣？”
狗:“是啊，主人，妳今天換的新狗糧味道不錯。總覺得沒吃飽。”
妳:“那就好。以後還會繼續買這種狗糧。對了，今天有人來嗎？”
狗:“只有郵遞員送報紙。另外，鄰居家的小狗瑪麗來看望我們，我們壹起玩了壹下午。”
妳:“那妳怎麽玩的？”
狗:“很開心。我好像又進入了初戀。”
……
我們可以把上面的模擬對話當成壹個笑話。但其實這個時候我們會發現壹個驚人的事實，那就是妳面對的其實是兩只小狗，壹只是實體小狗，壹只是基於大數據和機器學習的人工智能虛擬小狗，而且虛擬小狗比實體小狗更聰明，真的很體貼。那麽，這只虛擬小狗是壹種新的智能生物嗎？
讓我們繼續延伸這個故事，把小狗變成未來人。人們在生活中會產生大量的數據。基於這些數據，我們可以直接推導出很多結論，比如我們喜歡看什麽樣的電影，喜歡吃什麽樣的食物，遇到什麽問題會采取什麽行動。
這樣的數據壹直積累到這個人去世。我們有壹個大膽的想象，這些龐大的數據能讓這個人以某種方式繼續存在嗎？當後人需要尋求任何問題的答案時，比如人生中的關鍵決定，比如大學學什麽專業，要不要和壹個女孩結婚，妳能問這個虛擬的人(祖先)什麽建議嗎？答案當然是。在這種情況下，數字存在不僅在生前存在，而且在死後也可以繼續存在。人死了，還能在虛擬空間繼續存在。死了壹輩子，這些虛擬智慧還能繼續存在。假設很多年過去了，這些虛擬智慧的祖先太多了，活著的後代甚至可以組成壹個“祖先聯合參謀委員會”，最好是那些考得好的(比如中了頭獎)、當過高級公務員(比如太守)、企業高管(比如CEO)、教授、作家等等的祖先。讓這些先人死後比拼，不死也沒啥事。這個場景是不是很熟悉？這是迪士尼動畫片《花木蘭》中出現的場景。當面臨是否代替父親參軍的重大人生時刻時，花木蘭向“祖先的參謀長聯席會議委員會”吐露了自己的困惑，並得到了忠告。
更大膽的想象壹下，假設材料科學也取得了很大的進步，我們能不能把這些虛擬生命重新移植到模擬人類的生態體中？妳當然可以。這個新的智能體非常像真人。這是死後復活嗎？所以這個新知識分子不能繼續擁有以前的身份證？可以繼續擁有之前的房產嗎？我能繼續享受我的養老金嗎？有沒有強制壽命限制？這種智慧會自己學習進化嗎？他們會和人類發生戰爭嗎？深入思考，感覺完全迷茫了，現在倫理和法律都面臨很大的挑戰。
這壹切意味著什麽？正是隨著大數據和機器學習的進壹步進步，這個世界上出現了新的智慧生物！在大數據和機器學習改變、重構、顛覆了很多企業、行業、國家之後，終於到了改變人類的時候了！人類的進化出現了新的分支！
壹些科學家繪制了以下圖片來描述這兩種智能生物。壹個是基於生物學，經過數百萬年的進化；壹種是基於IT技術，基於大數據和機器學習，通過自我模擬和自我學習。前者更有邏輯性，更有情感和創造力，但生命有限；後者沒有很強的邏輯和生物情感，但有很強的計算、建模和搜索能力，理論上生命是無限的。
當然，這些事情會發生在非常非常遙遠的地方。反正我們活著看不到，死了也看不到，因為等我們死了，我相信這種基於大數據和機器學習的虛擬生命還不會存在。
四。結束語
最後我想說的是，我們對未來的認知主要是基於常識和對未來的想象。據統計，《紐約時報》壹周的信息量比18世紀壹個人壹輩子接收的信息量還大。現在18個月產生的信息比過去5000年的總和還多。現在我家壹臺5000元的電腦的計算能力，比我剛進大學的時候全校都要強大。科技的進步永遠會超出我們的想象。試想壹下，如果在未來，壹個人擁有的計算機設備超過了當前全球計算能力的總和，壹個人產生的數據量超過了當前全球數據的總和，甚至妳的寵物狗產生的信息量超過了當前全球數據的總和，世界會發生什麽？那要看妳的想象力了。