10 月 30 日百度公布了 2014 年 Q3 财报，营收较 2013 年同比增长 51.8%，移动收入突破 36%。不过在营收和移动业务的亮点之外，我更好奇的是百度在技术和研发——也即在对未来的投资上面的投入。财报显示，2014 年 Q3 百度技术研发投入总计18.32 亿元，同比增长 68%。百度在最近四个季度研发投入超过 60 亿元。我对百度在技术上的投入有更强的好奇。

从向偏远和贫困地区提供无线上网的 Google 热气球（Project Loop）计划，到可自动识别交通指示牌、自行前往目的地的百度无人驾驶汽车，这些（暂不成熟却有未来想象力的）未来产品让Google、百度吸引了无数注意力。跟那些专注于赚当下的钱、埋头于不断开发新应用的同行来说，Google、百度似乎对那些「不务正业」的事情投入颇大，这是为什么？

除了是一家商业互联网公司之外，Google、百度还将自己视为能产出重大科研项目突破的地方。拥有了机器学习、数据挖掘等领域深厚背景之后，两家公司相继推动了无人驾驶汽车、无人驾驶自行车、智能眼镜（Google Glass, 百度 Eye）及 Google 大脑、百度大脑等未来产品的研发和上线。那么，开发这些在当下看来缺乏利润空间的未来产品意义何在？似乎每一个用户、业界人士都在探讨，都有自己的观点，但并没有人系统的来阐述。

如果用一句话来阐述，「未来产品」是通过技术手段，对当前的产品进行颠覆性地改造；其意义在于用更具有前瞻性的、更加创新的方式，来彻底改变人们的行为和生活方式。比如智能眼镜运用与医疗、工业的领域，可以帮助医生记录病人的体征，在手术中记录手术流程，对医生进行行为指导；帮助满手沾满油污的工人，在工作中解放他们的双手，让他们通过语言指令来调用检查清单，高效的完成多项任务。无人驾驶汽车，帮助人们实现超远距离的长途旅行，提升旅行驾驶的安全性，并帮助残疾人体验驾驶的便捷和乐趣。

除了能改变人们的生活，未来产品对企业和社会都有非常有利的作用。以企业而言，可以收集很多系统参数和产品数据，用以改善现有产品，同时对未来其他产品的诞生打下数据基础，并从中获得商业上的回报。产品中所搜集的大数据，通过深度学习系统的分析，对于改善现有产品的体验具有重要意义，如百度的搜索、语音图像识别；Google 的 Google Now；微软的 Cortana 等等。比如自 2012 年开始，百度投入了很多资源研究语音搜索，目前语音识别的准确率已经达到了 94%，并被用在了手机百度、百度语音助手、百度手机输入法等产品当中；百度图像搜索，图片搜索准确率达到 80%，可以识别包括宠物、汽车、建筑、衣服等十几类物品；Google 的语音搜索 Google Now 在最近的测试中，在语义理解、搜索效率和呈现方式上，战胜了 Siri 和 Cortana，同时它还具备事项提醒，实时翻译等功能——对了，有一个亲身经历是，今年 3 月份我在美国奥斯汀赶飞机的时候，在登机前一个小时、即将进入安检大厅的时候，Google Now 自动在我的手机上弹出了登机牌，这样的体验甚至比我自己还了解自己。此外，对用户使用习惯、LBS信息的收集，可以了解用户的生活圈，兴趣偏好，在服务的推送上做到精准直达，这样所推荐服务的商业转化率就会更高，远高于海量向用户推荐服务的方式。

未来产品拒绝微创新，它提供的产品解决方案目的是解决困扰上百万甚至上千万人的问题。比如就社会层面而言，今年八月份，百度推出的基于大数据的经济指数能为中小企业景气指数和宏观经济指数预测。其中，中小企业景气指数可以实时的反映宏观经济、区域经济、行业经济的景气发展状态，提前预示中小企业在资金链、利润创造能力、抗风险力等经营状况；而宏观经济指数预测则可以对先行指数、一致指数、PPI、PMI等反映国家经济发展状态的宏观经济指数进行未来三个月的预测。据百度方面透露，计算数据来自于覆盖国人达 95% 的实时搜索数据，每日超 60 亿次的检索请求，这些海量数据背后表达了大量的企业真实需求和用户行为信息。经济预测本身并不是新生事物，但是通过海量数据做出几乎实时的预测，可以为货币政策、财政政策、相关产业政策的制定和调整提供参考依据；打破了大企业对数据的垄断，使中小企业能有的放矢，更有效的组织生产、营销等要素。

此前有研究人员通过 Google Trends 来预测股市的走势，因为他们发现 Google 和维基百科的搜索数据可以作为股市动向的预警信号。研究人员将各种话题分类，例如‘商业’话题中会包含如「商业」，「管理」，「银行」等词汇，研究小组量化了维基百科上每一个字的意思。之后研究人员便通过 Google Trends 来观测每周数千个关键字在 2004 年到 2012 年之间被美国人搜索了多少次。通过持续的观察和试验，他们发现人们对政治和商业词汇搜索次数的增加，表明人们对经济现状的担忧，从而可能导致人们对股票价值失去信心，最终致使股票价格下跌。

当然，未来产品仍然还有许多挑战，其中深度学习、人工智能是突破的关键要素，这也在一定程度上解释了为什么深度学习对百度、Google 这些企业具有无穷的吸引力：在硅谷，Google X 实验室曾经用一万六千个计算机处理器建造了一个包含十亿个节点的神经网络，利用「深度学习」算法，在没有人工干预的前提下，模拟人脑观看一千万部随机的 YouTube 视频截图，这部机器开始在两万个物体的照片中识别出包含「猫」的图片；百度深度学习研究院(IDL)，融合了深度学习算法、数据建模、大规模 GPU 并行化平台等技术，构造百度大脑，它拥有 200 亿个参数，成为世界上最大的深度神经网络，在今年巴西世界杯小组赛中以 58.33% 的预测准确率击败微软、Google、高盛；微软深度学习系统 Adam，曾将语音识别的错误率降低 30%。近期微软也称 Adam 在评测中已经超越 Google Brain，并比之前的深度学习系统在图片识别方面快 2 倍，并只使用了相当于之前的 1/30 的计算机。

在国内，未来产品在离我们越来越近。这与百度和 Google 这些技术级企业的投入和研究密切相关。这类公司是以技术起家，这让他们在互联网公司中更重视基础技术和尖端技术的研究。而在移动互联网这个大数据爆发的黄金时代，他们有意愿、有能力也拥有更好的机会来创造颠覆式的创新，拥抱未来。

深度学习的指导思想是将计算机科学与神经科学结合。在领导谷歌大脑项目时，吴恩达曾提到，「我发现工程师（擅长计算机科学）和 科学家（擅长神经科学）之间存在着巨大的代沟。」工程师们想要构建成功的人工智能系统，而科学家们却仍未能完全理解人脑错综复杂的工作机制。很长一段时间内，神经科学并不能够为想要建造智能机器的工程师们提供答案。经过吴恩达和其他科学家的努力，这样的局面开始发生改变，美国国家心理卫生研究所（National Institute of Mental Health）主任托马斯·因瑟尔博士（Dr. Thomas Insel）介绍，「业内已经形成共识，谁能搞明白人脑如何计算，谁就能设计出下一代计算机。」百度深度学习研究院、Google X 实验室之于未来产品——他们当下的投入和布局，将不断产生革命性的推动力量——就像当年的施乐帕克研究中心之于现代计算机一样，创造 the next big thing。