微软中国CTO韦青：数字化转型的道与术

数字化转型，到底是转型，还是改革，还是革命？它是一场有标准答案的考试吗？

近日，在由雷锋网主办的「鲸犀产业数字峰会」上，微软中国CTO韦青，结合微软自身实践经历，带来了以《数字化反馈链——转型的实证》的分享。

鲸犀产业数字峰会，是由业内最顶尖的企业家、工程领袖、CIO、解决方案专家、投资家，联合发起的数字化系列论坛。

致力于将全新的数字化管理思维和实践案例，推向传统产业界、AI界、互联网界、投资界、经济学界。

韦青在演讲中分享了不少他对数字化转型的深刻体会：

1. 以为转型很难，或许是因为我们面临的生存压力还不够大。

2. 很多人关注Digital，也就是技术，但在真正做技术时却发现尽管其难度很高，但最难还是人心，是管理，是领导，是如何引领整个团队向前迈进。

3. 这是一个开卷考试的时代，标准答案满天飞，如何找到适合你的答案，回到最本源的科学精神、实证精神，这才是真正重要的。

4. 确认偏差跟幸存者偏差基本上会同时出现，二者叠加，是在转型过程中犯错误的主要原因。

5. 所谓打通数据，实际上是标准化公司的组织结构，是康威定律在起作用。数据标准化了，公司的效率就可以提高，力量就可以加强，这跟秦始皇统一中国后，“书同文，车同轨”是一个道理。

6. 只有达到一定数字化成熟度之后，才会谈到数字中台的话题。所以大家需要思考一下，到底是中台有问题，还是自己的前提没有预设好。

7. 谈数字化转型必须要落在数字化、建模、仿真，把它的机理与各种各样物理空间的特点映射到数字空间，在数字空间进行计算和优化以后，反过来加强物理空间，它的核心是信息物理系统的融合，是CPS。

以下为韦青的演讲全文，雷锋网做了不改变原意的编辑如下：

大家好，我是微软中国首席技术官韦青，很高兴今天可以同大家分享我们在转型实操中的经验和教训，希望对大家有所帮助。

今天的主题是数字化反馈链转型实证。首先，我想从转型入手讲一下我们最基本的体会。然后再进入我们认为非常重要的环节——如何在有约束的前提条件下谈转型。最后，交流一下在技术上的一些心得。

今天交流的假设前提是，大家都已经开始准备转型或正在转型。因为如果在经历了这么多之后——比如过去一年的黑天鹅、灰犀牛事件层出不穷之后，还在想为什么要转型，那么就不是这场演讲能够覆盖的范围了。

今天只谈：如果已经走向转型之路，该怎么办。

不管是什么原因，您都踏上了一条您或许不想踏上的道路。去年疫情刚过去一两个月时，我们的内部员工会议上，公司老总跟员工感慨，过去两个多月在数字化转型上的进步比，过去两年都要多。

我就把这句话总结为：以为转型很难，或许是因为我们面临的生存压力还不够大。

疫情前，我们谈了许多年转型与数字化，谈了许多年“互联网+”、“智能+”等一系列新概念。但我们大多数人在没有巨大压力来临之前，总有很多我们自己认为非常充分的理由来说服自己、说服别人转型不可行，例如安全性、成本、难度等，又或者做一些表面功夫给别人看。

疫情过后，再不转型就无法赶上时代的潮流，所以越来越多的公司与个人开始踏上转型之路。

但正因如此，另一个问题出现：切身的实践跟书本上的知识大不相同。这也是很多公司，高管或CTO、IT主管、业务主管，真正走向这条路以后最大的感慨。

数字化转型的几大思维误区

今天在进行具体经验分享时，我想跟大家交流一下我们观察到的一些现象，以及一些思维误区。

最重要的一点，我们经常谈转型，但是它的本源——数字化转型（Digital Transformation）的含义究竟是何，许多人尚不明确。

很多人关注Digital，也就是技术，但在真正做技术时却发现尽管其难度很高，但并非最难，最难还是人心，是管理，是领导，是如何引领整个团队向前迈进。

在这里，我们用英文Digital Transformation来表示数字化转型，但是我们应考虑一下，相较于Transformation，是否 Reformation与 Revolution更为合适。

用中文来表达数字化转型，到底是转型，还是改革，还是革命？

中国近几十年的改革开放给我们大家带来了非常深刻的关于变化的体会，那就是不能急也不能慢；且在人心把握上、在各种利益的权衡方面，这几十年也让我们有了非常多的经验和教训。

同样地，如果把Digital Transformation或者数字化转型只认为是转型，没有上升到改革甚至是革命的高度，那是不太恰当的。

就像工业化4.0革命，我们表述为转型，是希望大家能够放松，不要有太多压力与顾虑。但实际上，这一过程应当是改革，而且最终要实现革命性的变化。如果不理解这一点的话，我们很容易想得较轻松，无所谓。

总之，如果在心理上、能力上、资源上还是管理协调各方面投入上不预先考虑到位的话，先不谈技术，本身转型是否能够推动，都存在很大疑问。

是否需要在某个前提的约束条件下，谈改革、谈创新？还是无论如何都可以开始进行数字化转型，开始Digital Transformation？

在我们看来，如果不把前提条件讲清楚，很多问题并不能得到完美的解决，很多方案、策略，很有可能是空想。当应用到实际就会发现，这跟空想、跟理论与书本知识完全不一样。

这时就要明确“Context”，也就是上下文、前提或者外部环境与内部条件之融合，学过计算机的人士会明白，在所有程序与IT框架中，首先一定有约束条件。这个概念在转型中也是一样适用。

它的最基本含义就是不能在不加约束条件、不加前提条件的情况下，随便谈转型，谈技术框架，谈技术改进，这是不完备也没有根据的。

谈转型，先谈约束的前提

接下来让我们从上下文语意入手，从大环境入手，看如何在关注整个大环境前提的约束后看改革和转型，以及我们曾经是否犯过错误。真正犯过错误以后我们就会发现，我们必须关注前提的约束，

了解我们在这个时代为什么要转，以及在什么样的时代前提条件下转。

我们跟很多客户交流过——这是一个范式变革的时代，原来很多认为理所当然的理念、现象都要改变。

同时，这是没有正确答案的时代。很多人习惯于寻找标准答案，但在这个时代，标准答案一大堆，在网上任何搜索引擎上搜索数字化转型或Digital Transformation，有无穷多的答案告诉你应该怎么转，或者宣称自己是专家，是优秀的人才，是大师，让我来告诉你应该怎么转。但应用时却并非都有效。

实际上，这是暂时没有正确答案的时代，却也是标准答案满天飞的时代——也就是说，这是一个开卷考试的时代。在这种时代下如何找到适合你的答案，这才是真正重要的。

在到处都是标准答案的开卷考试下，最重要的是要回到最本源的科学精神、实证精神，也就是我们常说的“实践是检验真理的唯一标准”。

你可以有很多理论，说很多大话，但如果说实践证明这种方式有问题，不适合自己，不能给自己带来效率的提高、成本的下降、用户满意度的提高，那这个方法再好，对自己也是不适用的。

尽管各种理论满天飞，我们经常听到一些人讲自己有“前无古人，后无来者”的方法，忽然发明了什么方式、发明了什么灵丹妙药，但我们现在看到的很多内容——无论在信息领域，还是在社会改革领域——早在几十年前就已经提出。

我们现在的目标是要进入智能世界、智能时代，也就是说我们要的是无处不在的计算，无处不在的智能，所以那些内容里很多是不适用的。

大家看这张图，Mark Weiser，这是一个传奇人物，他在1991年一篇论文中写道，21世纪的时代就是“无处不在的计算”时代。

无处不在到什么程度呢？无处不在到我们根本感觉不到。这是三十年前，前辈列下的目标。Mark Weiser对未来的远见，基本上帮我们塑造了现在整个技术发展范式。

这是Jim Gray，微软的科学家，也是图灵奖获得者。他提出了“第四范式”的概念，指以后的科学发展观，除了实验、计算，最终会演变为数据驱动的科学发展观。这是2007年制定的方向，整个社会真正进入以数据作为驱动的时代到来。

我想关键跟大家交流的几点就是，这个时代纷纷纭纭，有各种各样看似高大上的理论。但是，这个时代是最需要实操。在实操过程中，当需要自己做判断、做选择的时候，我们会发现自己思维有很多误区，也许它们看起来跟技术无关，跟数字化无关。

数字化只是一部分，还有转型。数字化转型，在技术之外，还需要关于变化的引领过程。那么变化的路径该怎么走？这里面很大程度在于选择，在于决策，在于在不确定性中找到前进的方法。

总结下来，我们发现在数字化转型非常重要的时代，有两个偏差是非常引人关注的。

• 幸存者偏差

二战的时候，Abraham Wald教授跟美国军方在分析，如何保护飞机机体。回来的飞机上，没有弹孔的地方应该值得专注研究的。

为什么这样呢？大家在思维中很容易以幸存者作为参照物，就像现在在数字化转型过程中型，我们特别愿意去看那些成功人士、成功公司。但是，不要只看成功人士的成功经验，看看他们的教训，可能对你更有帮助。

幸存者偏差下有另外一个故事：鳄鱼池，非常值得深思。

假设有一批人，后有追兵，前面有一条河，里面都是凶猛的鳄鱼，旁边没有路，必须游过去才可以达到彼岸。这时候大家面面相觑，谁都不敢下去。

结果有个人真的敢跳下去，大家非常兴奋，一定拜他为王。他还在水里拼命游时可能被鳄鱼或者鲨鱼咬掉一只手，但好歹游到对岸去了。岸对面的人发现他是大师，赶紧跪下来拜他、求他，带大家走向未来。

大家猜猜，对面那个人回过头来跟这边怎么说？他骂了一句话：谁把我踢下来的。

这就是幸存者偏差的另一个表现，所以我们不能只看成功的故事，而是要看背后，而且事实上，所有成功都是马后炮，没有人敢在之前就说自己是成功的。

• 确认偏差

确认偏差跟幸存者偏差像孪生兄弟，二者基本上会同时出现。这两个偏差加在一起，是转型过程中犯错误的主要原因。

确认偏差是指人们通常在思维范式中，只愿意听或者接受承认跟他原来想法相同或相似的观点和意见；而会对跟他主观意愿不相同的想法，包括事实视而不见。

以我们的观察，如果大家能够在思维范式上有所突破，能够尽量避免思维偏差，其实在数字化转型过程中有非常大的成功保障。不能保证完全成功，但犯错几率可以极大下降。

• 例子一：数据孤岛

数据孤岛到底是什么原因？看似是各个部门数据之间无法打通，但数据真的那么难打通吗？不同部门数据可能会比较零乱，但通过各种各样的数据手段是可以解决的。

在现实中，很多数据打通不了不是因为它不能打通，而是因为权利的斗争。

数据是什么？它代表着权力，代表着力量，看起来打通不了数据，背后的原因是拥有数据的部门，不愿意放弃它的权力。

我曾经问过许多公司老总，你们公司有没有数据孤岛？肯定有。有没有数据烟囱有？肯定有。但这到底是技术问题，还是权利问题？这些公司要的不是把数据打通，而是需要有秦始皇式的人物。

所谓打通数据，实际上是改善公司的结构，数据标准化了，公司的效率就可以提高，力量就可以加强，这跟秦始皇统一中国后，”书同文，车同轨”是一个道理。

我们的文明就是因为这种统一，两千多年来虽几经坎坷，但凝聚力非常之强。相比之下，其他一些古文明就是因为没有做到这点才会消失。团结一致，靠数据的力量打通在一起，把权力也集中在一起，才是破解数据孤岛的本质。

• 例子二：中台建设

人们对此褒贬不一。但实际上，中台本身无所谓好坏，关键是这种方式适不适合自己。既然提到中台，一定有前台和后台，关键是要确定公司的IT水准、数字化进程在什么阶段。

如果在早期，那肯定是后台的问题；如果在一段时间后效果不好，那就是前台的问题。只有达到一定数字化成熟度之后，才会谈到数字中台的话题。所以大家需要思考一下，到底是中台有问题，还是自己的前提没有预设好。

因此，数字化转型在谈技术之前，首先要把思想摆正，要学会“因时因人因地因势因财制宜”的复杂系统观，否则“南橘北枳”，“汝之蜜糖，彼之砒霜”，这些是我们在数字化转型没谈技术之前，阻碍我们做出正确选择的主要障碍。

我们观察到的另外一个现象就是，在转型过程中很多人只说不练，英文中有Exploration、Explotation和Explocation，意思是开创型、开发型、解释型。

我们经常讲，数字化转型人才有很多种，真的有用的，是开创型的或者开发型的，但看到最多的是解释型的：这一类人做了很多分析，看了很多书，讲起理论条条是道，但是做起来只会解释，无法行动，无法开创，无法让应用落地。

真正实操、做过技术落地、做过数字化转型落地的人，通常有这三个感觉。第一，这不仅仅是一场转型，这是一场革命；第二，技术很复杂；第三，比技术更复杂的是人心。

数字化转型必备的技术思考

今天的主题是实证，因此分享的全部是从我们具体的实践中总结出来的心得，更多的是教训，只有在实践过程中不断试错，不断迭代，才能不断接近真相，接近我们要走的方向。

在这个确定性消失的时代，我们永远不可能完全正确，这是这个时代的主旋律，改革也好，创新也好，数字化转型也好，这只是一个最基本的语言逻辑。

从技术上讲，有前提约束，无论是云计算、物计算，还是边缘末梢。首先是无处不在的计算，它可以产生无处不在的智能，更重要的是以人为本的技术。

大家可以从这张图上看到，我们把所谓的云计算、边缘计算放在不是那么重要的地位，或者它应该是一个看不见、摸不着的底层支架，让用户能够感觉到的应该是一个以人为本的技术。

• 数字化反馈链

其实现在的范式，离图灵所说的人工智能还有距离。目前的范式是以维纳为代表的控制论，也就是说把社会中的每个环节、每个步骤，都加上一个负反馈信号。

如果每个环节加上负反馈，用类似PID的方式来进行控制和管理，能达到非常精准的程度，把要做的事给做了，这个是现在的主范式。

在这个前提下大家可以看到，我们要建立整个社会的数字化反馈链，产生智能。无论是客户、员工，无论是运营、产品，都要加上这种能力，这就是技术上所要产生的赋能作用。无论是云计算、物联网、大数据、人工智能，都要达到这个目标。

• CPS和数字孪生

在这个前提下，我们把CPS或者数字孪生概念跟大家展开一下。CPS，即 Cyber Physical Systems，也称为赛博物理系统或信息物理系统。

系统是有系统论的，中国的钱学森先生，国际最早的贝塔朗菲，美国圣塔菲学院都有专门研究复杂系统论，这一切都聚集在我们这个混沌复杂的时代，所以建议大家对这种系统论，复杂、混沌、涌现、融合、熵这些理论进行了解。

然后是物理系统的建模与仿真，很多人谈数字化，但数字化是什么呢？化的是物理空间。物理空间需要用本体论、认识论、方法论的方法，来让我们明悉如何把物理空间映射到数字空间。

谈数字化转型必须要落在数字化、建模、仿真，把它的机理与各种各样物理空间的特点映射到数字空间，在数字空间进行计算和优化以后，反过来加强物理空间。

物理空间跟数字空间的关系是这个时代做一切人工智能、机器学习之前需要考虑的话题。

• 微软的实证：Azure，世界的计算机

大家可能认为Azure是云计算，尤其是公有云计算。但对微软来讲，实证的体会是，无需把云计算的“云”看得那么重，核心还是计算。

从图上可以看到，我们把它扩展了，认为它就是世界的计算机。Azure某种意义上讲变成操作系统。操作从右到左，从公有云到边缘运，到私有云，到混合云，到物联网，到最终的末梢计算，这一切的一切，在这个时代，都叫计算。

真正的实证会发现，实证不会在乎太多名词的，抓的是本质。本质在这个时代，就是要通过计算的方法，对数据进行加工。

而后来赋能物理空间。我们首先要把物理空间映射到数字空间，然后在数字空间中，每个环节都要进行计算，产生模式识别，产生算法，然后强化到物理空间，这个是我们在实证过程中，要做到的最基本的本源工作。

最后这张图，是几星期前微软大会上整理的一份未来云计算愿景，可以看到虽然还叫云计算，但是整个覆盖的范式是计算无处不在。我们称之为分布式与普适计算，实际上就是无数不在的计算。

然后是泛在的智能、无处不在的智能。在这里，数据的隐私保护变成很重要的话题，再加上赋力全球劳动者、创造者，在可靠信任的基础上，为整个人类进入智能时代打下非常坚实的基础，这是我们数字化转型的本意。

最后总结，谈数字化转型不能被技术的名词所约束。真正实操时，我们不会在乎名词，也不会在乎词汇，我们只是看它有没有用，是不是落地。

从有用的落地中会发现，如果数字化转型的本质是CPS，把物理空间建模，建模以后映射到数字空间，收集数据、存储，进行计算，计算以后产生模式识别，那么先不要把它过多认为是人工智能，目前它可能仅仅是一种机器学习，一种属于机器的更加强大的学习能力。它可以反过来优化、强化物理空间，这才是我们对于实操的理解。

谢谢大家。

雷锋网整理