京公网安备 11010802034615号
经营许可证编号:京B2-20210330
雷军:大后年大数据要没价值 我就破产了
当选福布斯亚洲2014年度商业人物的雷军先生,带领小米颠覆了全球手机市场。在小米的北京总部,福布斯杂志资深编辑范鲁贤(Russell Flannery)与雷军先生,就小米未来在国内外市场的增长展开深度对话。
雷军称,四年前自己只说错了一句话:我们zero的时候,我跟他说,I have a dream:$10 billion; 可是我是错的,是$100 billion。第一个指出这个错误的是Yuri Milner,DST的创始人。
四年后的今天,雷军喊出了All In的口号,他要抓住自己看到的三大趋势。他很清楚,“如果我们不能用大数据技术转化出价值,那我们公司再撑下去就真的破产了……现在我扛得住,明年我也扛得住,后年我也扛得住,大后年要没价值的话,那我就破产了。”
以下是采访摘录:
F: 未来三年五年,互联网及相关行业的发展趋势?
雷:我觉得,从准确意义上讲,从2010年开始,中国进入了移动互联网的年代。过去的四年时间,移动互联网发展得非常快,产生了很多有趣的公司,当然我觉得小米也是其中的一家。我觉得第一个阶段的竞争和发展,应该已经告一段落。现在进入了第二个阶段的发展,移动互联网至少在中国的发展高峰期还会有5-10年,所以未来的5年,我觉得中国的移动互联网依然还是最重要的方向。
除了移动互联网之外,今天又一个新的机会兴起了,但是还没有一个准确的名词,这里面包含智能设备,包含IOT,包含家庭互联网,大概都在讲一类的事情,我们会用home Internet这样的词来描述。
我认为这个行业,标志性事件是从今年一月份Google收购Nest,然后全球在IOT的投资开始提速。我觉得小米也是其中主要player,就从我们的电视,盒子,路由器,可穿戴设备,家用的智能设备,全部智能化,互联互通,我认为这是未来可以长达十年的高速发展。
第三点,我认为云服务进入了使用阶段,cloud service做了应该五年时间,从亚马逊做AWS服务开始。但是大规模应用,相对整个需求来说,我觉得还是比较少,我觉得未来5—10年,应该是进入高速发展期。中国的话,阿里领先了,阿里也干了5年,这个亚马逊可能干了8年,我现在有点想不起来准确的时间点。
所以我对未来互联网发展的趋势,有三个观点,总结一下:第一,我认为移动互联网处于一个很重要的阶段,第二个家庭互联网,第三个就是云服务。云服务和家庭互联网和移动互联网也是高度相连的,因为所有的设备都联网,他的数据全部在网上。所以关于cloud service又跟大家谈的big data相关,big data谈了这么长时间,其实大家觉得有点名词化,就是包装化,就把这个东西说的很大,普通消费者,甚至很多行业的人都没感觉,把这些设备自动化以后,big data的感觉就会一步一步有。
因为在今年10月1日的时候,小米云每天存储的数据已经到了380个T,这仅是中国的,我觉得这是个很恐怖的数字。我们今年比去年涨了6倍,我认为明年比今年,最少还有三倍的成长。所以大规模应用,经过过去的5-8年,从亚马逊开始到阿里云开始,一层一层预热,我觉得现在刚刚开始渐入佳境。
F:那你怎么投资,怎么抓这些机会?
雷:小米是2010年开始做的,2010年我正好40岁。我的经验、能力、资源和这个时代正好合拍,所以我刚才讲的这三件事情,都是我们在全力以赴推进的方向。我觉得我们做手机,就是在做移动互联网,我们不是在做手机本身。我们做的是里面的东西。
我记得两年前,我第一次说这是个大号的微信,大号的QQ,它具备所有的通信功能,所有的应用和服务。所以我们算是做里面的东西,但是我们为了把这里面的东西做出来,我们做了个壳:手机。所以我们对手机跟别人理解是不一样的,大家看到的正好是我们做这个壳,其实我们做的是里面的东西,这是我们最核心的业务。
所以基于这一点,第一个我是做移动互联网;第二,我现在正在做home Internet;第三个,我对大数据库云服务极其在意。我相信在新增数据量里面,小米在中国这些公司里面就是NO.1。
大家想一下觉得阿里数据很多,但是阿里只有交易数据,交易数据他没有几个字节。我们存储的绝大部分的是非结构化数据,我觉得这个数据是海量,包括我们做的设备的数据。你比如说,我这个手环,时时刻刻他们都联网,可以在网上可以存储所有的运动数据和睡眠休息的数据,这个对未来,进入深度的挖掘,对我们帮你引入健康,运动各方面都有巨大的好处。我们还投资了iHealth。iHealth把你的血压,健康数据全部结合在一起。我们是以人在索引,以人做index。我们做这些智能设备是使机器对人的理解会越来越深刻,这个从big data里面才能找到有价值的资料,所以其实这三个方向,小米都在干。
F:能不能进一步谈一下您刚刚提到的三大趋势比如说home Internet和云服务?
雷:我先从云服务开始。第一,我对云服务的理解,云服务会分很多层。第一个是基础设施包括IDC、带宽、光纤;第二层是类似于AWS的服务,就是虚拟化的服务和存储服务;第三层才是应用级的云服务。就是我把它做成小米云,做成具体的服务,类似于那个便签EverNote和Box这些都是应用层的服务。
我们今天建设的重点是第二层、第三层。第二层是谁干呢?金山软件[-0.56%]。专门的公司叫金山云,我们让金山的董事会批准了在未来3-5年里面投资10亿美金做这一块。因为不投10亿美金你是做不起来。为了这个我双11的时候,在香港专门举办了一个金山软件投资者和分析师大会,跟他们解释云的战略。
小米本身做的是什么呢?小米做的是应用。我怎么能让我的用户,把数据透过金山的服务,存在具体的服务器和IDC上?在这个一块,我估计到后年年底,小米云拥有的数据量会超过1000个P。1000个T就等于一个P,1000个P叫一个E。1000个P我再换算成我需要多少服务器,需要多少机柜,需要多少IDC呢,还有那个带宽呢。1个P一年的存储成本,是300万人民币。用这个成本算1000 个P的话——如果不增加了,这个数据其实还在爆炸——30亿人民币,光1年的存储费用。它是个巨额的投资,小米就准备这么干。
所以如果我们不能用big data的技术,转化出价值,那我们公司再撑下去就真的破产了。它每个月都在新增,用户的数据用户不删除,我们是没有权利删除的,它是越来越多。现在就已经很恐怖了,但是我扛得住,明年我也扛得住,后年我也扛得住,大后年big data要没价值的话,那我就破产了。
但是我有信心有价值。我拥有你所有的资料,但是你要授权给我,现在我们在全球都遭到隐私的投诉,打算干两件事情。第一件事情,是做一本隐私白皮书,请外国律师来审计我们是不是做到了,我们一定要用全球最高标准来管理隐私;第二件事情,我们会尽量做到数据本地化,比如说印度的数据放印度,台湾的数据放台湾。
数据本地化,同时制定全球最苛刻的关于隐私的白皮书,说明白我们每一件事做了什么,你要销毁你怎么销毁,你要我们不要你什么数据,就不要什么数据,我们一定要按照全球最高标准来做。
我们一定要推进数据本地化,这是第一件事情。我们干了未来Google他们这些公司都会遇到的挑战,就是数据本地化,包括亚马逊,就是你要做个global company,在大数据时代,你就得数据本地化。第二个你得公布你所有的隐私白皮书,你说明白你到底收些什么数据,这些数据你怎么用,要得到用户的什么授权。
未来,因为这些数据都是我付钱帮用户存的,你并没有付钱,但是如果你要授权我,我可以用机器去读,就跟Google做的一样。否则我付这么多钱是不合理的。我做了这一条,以后直接的应用就是互联网金融,我能决定给不给你贷款。你一个月有三万块钱的工资,每个月在按时还信用卡,经常在北京三里屯转悠,也不会到别的地方转悠,我觉得你收入OK,在小米公司上班,借你十万块钱跑不掉,对吧?因为我拥有全部的数据。
并且在大数据这个领域里面,我们也找了很多专家,像我们负责服务器的崔博士,包括他那里带领的HBase的team,我们有两个进入了全球的community。全球有三十几个,三十一二个。小米有两个,阿里有一个,中国里面就这三个。所以我们在大数据方面已经有很好的技术储备了。
所以第一,我要做中间层的云服务;第二,我做了应用云服务,这是个巨大投资,其实这两个投资都很大。那个IDC我能不做尽量不做。可能中心机房我会做,但是我不会像Google一样全盖自己机房。我会盖一两个中央节点,但是我今天还没盖,未来我们会盖几个核心的中央节点。然后第二层呢,就交给金山盖,因为这个东西也需要很多投资。金山我也是chairman和大股东。然后我们小米只做上层。做完上层还要一步,就是这些数据的挖掘,不做挖掘的话,它越来越多,直到你把公司搞崩溃为止。
关于Home Internet,我们有一个很基准的观念:就是手机是世界的中心。所有的东西都是手机的外设,所以我们要把所有的设备连起来,包括你家里的摄像头和电视。然后我们用生态系统的思路来思考这个问题。将来你一回家,所有设备都连到手机上了。你离开家,家里所有的事情你都能知道,你家里的空气和水的状况。然后摄像头,安全状况你都一清二楚,你一回家,家里人就知道你回来了,因为你的手机,你的手环,都在标示你的身份。CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17