说软件才是未来，物联网、人工智能时代也不例外

在人人手里至少一部智能手机、家家都在添置智能家居以及不断被人工智能的进步所震撼的当下，或许很多人不会意识到，这些的背后驱动力其实都是软件。硅谷资深投资人马克·安德森早就发出这样的预言：软件正在吃掉世界。但在移动互联网、物联网与人工智能相混合的时代，软件是如何一步步改变了移动互联网、物联网乃至人工智能的产业逻辑？

iPhone真正改变的是全球软件行业

在安德森振臂高呼那句口号之前，2007年10月，苹果公司做出一个当时看起来无足轻重、却堪比发布iPhone同样伟大的决定：苹果承诺将向所有第三方软件开发者发布软件开发工具，让所有第三方开发者可以开发类似于苹果原生应用的应用程序。

然而在2007年第一部iPhone发布时，乔布斯还很看不上第三方应用。在他来看，只有苹果公司自己研发的应用程序才能称之为「桌面级」的应用程序，第三方应用开发者当然可以为苹果开发应用程序，不过必须按照HTML和javasript的标准。换句话说，乔布斯只想让第三方开发者们为iPhone开发小工具，而非原生应用。

彼时，微软的Windows Mobile以及Palm、诺基亚的不同手机平台上都有一定规模的应用程序商店。但这些应用商店普遍存在一些问题。首先，盗版横行导致开发者高价售卖应用。

以Windows Mobile平台为例，一款可提供天气预报和航班信息的时钟应用售价75美元。售价如此之高的原因就在于盗版横行，平台运营方没有一套完善政策约束用户的盗版行为，开发者只能自力更生——以高价维持收入，抵消来自盗版的压力。

其次，为了抑制盗版，部分手机平台提升了应用开发难度，使得整个应用开发发布流程复杂，开发者积极性受到影响。比如诺基亚的Symbian系统，诺基亚为了保证应用程序运行的稳定性，采取微内核架构、严格控制内存泄漏、抢占式多任务调度等措施约束第三方开发者，同时，Symbian应用程序基于C开发，对开发者的技术要求很高，高门槛把大量开发者拒之门外。

这些问题对苹果公司以及乔布斯来说，都是值得借鉴的反面教材，他们希望能将打击盗版(封闭)、鼓励开发(开放)统一起来。2008年2月，随着向第三方开发者发布软件开发工具，苹果还推出应用开发的两个机制：

其一，由苹果进行应用程序签名;

其二，所有第三方应用的通知由苹果服务器统一推送。

前者借鉴与诺基亚的签名机制，但对开发者更友好也更方便，只需要每年25美元就可以为iPhone开发应用程序，后者则取经于微软的Exchange信息推送架构，从而大大减少了第三方无良开发者恶意推送消息的可能性。

这两套机制完美阐释了乔布斯的封闭美学——用iPhone式的品控打造了一个有格调的应用商店。

一方面，一代比一代热卖的iPhone使得开发者不得不为广大iPhone用户开发应用程序，即使是免费应用，规模的免费效应依然非常巨大，Instagram就是一个极端例子。这款由六个人开发运营的滤镜应用，以免费姿态出现在iOS平台，不到三年时间用户量突破1300万，并最终被Facebook以10亿美元收购。另一方面，由于大量开发者涌入iOS平台，如何能够在激烈的App Store竞争中凸显自己独特价值，就成为应用开发者思考的重要命题，从而也提升了iOS平台上的应用质量和品质。

苹果的软件应用商店在2008年4月上线，一年后下载量突破10亿次，而如今每月下载量高达20亿次。六年时间里，苹果几乎颠覆了软件产业。仅2014年一年，第三方开发者通过App Store就获取了150亿美元的收入。当然根据30%的分成规则，苹果获得了其中45亿美元的收入，相比2013年，整体收入大幅上涨了50%。尽管2015年的数据还未出炉，不过根据苹果财报的数字，2015年最后三个月，App Store为苹果带来了33亿美元的收入。

在苹果之后仅仅追随的Google，尽管也费心打造了自己的软件应用商店，但Android碎片化、本地化的难题使其收入根本无法与苹果相比。更重要的一点，在国内外Android厂商一味堆积硬件，从而谋求「秒杀」iPhone的同时，却对自身应用市场的质量只字不提。从这个意义上说，Android厂商要颠覆苹果的领先者地位，还有长长的路要走。

首先，语音识别、图像识别、自然语言处理的进步为「新软件」——Bot提供了技术土壤。以图像识别为例，在2012年的图片分类竞赛ImageNet上，以深度神经网络为技术支撑的研究团队夺得第一，并将错误率降低到20%以下，让包括Google、Facebook这样的巨头都震惊，随后，Google买下了这个团队，也让深度神经网络「教父」Geoff Hinton进入Google工作。在深度神经网络的帮助下，Google的图像识别水平有了大幅提升，并将错误率降低到10%以内。

而在2015年，基于深度卷积神经网络(CNN)的计算机视觉系统，微软的工程师甚至将图像识别错误率降低到4.94%，甚至超过了人类的识别成绩。与图像识别同时快速提升的还有语音识别和自然语言处理，这些技术也给让Bot的呈现方式更智能，比如以通过图像识别推断人物年龄的娱乐Bot，或者以语音识别打造语音交互的家庭Bot等等。

其次，深度学习、机器学习越来越集中在云端，而随着包括微软、亚马逊、Google在内的云服务商相继开源了机器学习架构或套件，开发者开发一款Bot的成本无疑降低了许多，再加上大量基于云端的认知服务工具可随时调用，Bot正变得越来越多，也变得越来越聪明。

第三，消息类应用的流行为Bot的分发提供了新的场景。硅谷投资人 Benedict Evans 曾多次指出，基于移动平台的消息类应用将成为移动端进化的主要变量。正如上文所言，得力于自然语言处理技术的发展，消息类应用中的Bot能够识别用户意图、识别用户情感等，这让 Facebook、微信看到了颠覆iOS和Android的可能性。

Facebook 倾注大量心血的 M 就是一个内置于 Messenger 的 Bot，你可以和他聊天、搜索问题、预订鲜花、购买咖啡等等。尽管还未面向公众，但在诸多内测用户的评测中，用户对于这款人工智能驱动的消息类应用的评价非常积极，这种积极情绪一方面将加大用户对于 Facebook 的粘性，另外还会进一步训练M，使其变得更加智能。