最近红遍全网的养龙虾，我还以为是2026年企业的时尚潮流：在公司搭鱼缸养龙虾，我说这能给客户创造什么价值？直到昨天晚上在小区散步，才被纠正过来，原来小龙虾是一款AI软件——OpenClaw。

2025年初DeepSeek横空出世，时隔仅一年，OpenClaw又红爆全网。AI技术真是层出不穷，让人应接不暇啊。无论AI技术如何层出不穷，AI的三大基础是大数据、数学模型、摩尔定律。

作为AI的使用者，我们只是把AI当成工具，并不需要关心数学模型和摩尔定律。没有人使用DeepSeek时要考虑什么数学模型，懂摩尔定律也不会让你更会使用DeepSeek。

不过，我们对大数据最好有所了解，它是一种很有用的思维方式。董明珠与雷军豪赌，格力徘徊不前（当然也有进步），小米发展迅速，一定程度就是董明珠不太懂大数据，思维停留在工业时代，盲目自大，雷军懂得大数据的威力。

你有没发现18，19世纪定理定律特别多？我们中学物理化学学的大多数定理定律都是那个时代发现的。但是进入20世纪，定理定律貌似越来越少了。不是现代人变笨了，而是并非所有规律都可以用简单的定理定律描述。现在简单的因果规律被发现得差不多了，像过去那样找到明确的规律越来越难。

随着人们认识越来越深，发现世界存在很多不确定性。其实算命之所以有市场，就是基于人们对不确定的恐惧。如果你对企业经营管理有兴趣，你会发现近几年市面上出现大量关于不确定时代企业经营管理的书籍。

我曾给同事做过逻辑学培训，课件目录如下。客观世界不只有“因为，所以”那么简单，很多问题没有简单的因果关系，当无法确定因果关系时，概率统计、假设检验、相关性就是一条思路。

学过统计学都知道，数据有可能呈现事物的相关性，数据量越大，越多样，越完备，相关性可能越明显。我们不追求绝对的正确，相关性在某种程度上可以替代因果关系，指导我们的行动，这就是大数据思维的核心。

人工智能时代的大数据，跟传统的数据方法不相同。比如传统数据方法的调查问卷，是先有一个目的，根据目的去收集数据。这种方法看似合理，其实有很大的偏见。

比如有些领导，仅仅根据员工某一次言行，就给员工贴上标签。然后去收集数据，证明员工确实就是如此。大数据一定程度可以避免这种情况，因为大数据的收集是在预设目标之前。看来大数据可以帮助领导做出更合理的决策。

正是如此，同一个人，不同的人会给出很不同，甚至截然相反的评价，就不足为奇了。看来学习人工智能还让人变得通透。

马上周末了，下面讲个大数据故事，逗你一乐：

大数据的应用，最早可能来自人口普查，中国历朝历代对此都很重视。

秦国著名宰相商鞅就提出过“强国知十三数”的治国理念，即要把一个国家管理得井井有条，变成强国，必须掌握13种数据：全国人口中壮丁、壮女、老人、少年、官吏、商人、读书人、残值人的数量，以及全国粮仓、金库、马、牛、饲料的数量。

在秦国那个交通和信息都很落后的社会，完成这么庞大数据调查和整理需要耗费大量时，甚至根本行不通，中国现代意义上的人口普查直到1908年才出现。

美国历史虽短，但建国之初就开始重视人口普查，但直到19末，美国人口普查仍是一件浩瀚工程。一次人口普查从设计调查表，到收集数据，再到整理完数据，耗时10年左右。难怪人口普查会被国会一些议员斥为“荒谬”：一轮调查完，新的一轮又开始，十年前的数据，还有什么意义？

人口普查支持者沃尔克想来想去，要扭转局势，无非就三种办法：

1.缩小调查范围

2.增加数据分析处理人手

3.技术创新

缩小调查范围，一定程度上可以，但显然不能大幅缩小；增加人手，效果有限，已经尝试过了，沃尔克由此把希望寄托在技术创新上。

在这样的市场需求下，一个叫霍尔瑞斯的人跃跃欲试，发明了打孔卡片制表机，把人口普查数据的处理时间，由八九年缩短到两年半左右。很快，全世界都拥抱他的发明，欧洲的英法意挪威等多个国家的人口普查都使用霍尔瑞斯的产品，霍尔瑞斯的打孔卡片制表机公司就是IBM的前身。

市场需求才是创新的动力，如果哪家公司的研发和市场脱节，哪怕招聘再多人才，多半也要失败。

参考：

《数据之巅：大数据革命，历史、现实与未来》，作者：涂子沛

《智能时代》，作者：吴军