人工智能系统是非常复杂的系统。但是复杂在英文中有两种表达方式，Complex 和 Complicated，这两种是不一样的。移动互联网产品是一个 Complex 的系统，而人工智能应用，可以类比生物，是由千亿个小元件精细配合完成的，是 Complicated 系统。Complex 的系统强调的是Scalability，规模能力，扩张能力。而人工智能产品需要的是 Evolvability 可演进性。类比而言，一百亿个草履虫组合在一起不能合成一个人，但人工智能系统也是需要从细胞开始进化的。

　　人工智能系统的设计方法论要根根据这个区别去做改进。

　　盖尔定律说，一个复杂系统是没法自顶之下进行设计的；如果一个复杂系统从一开始的设计不是切实可行的，那么到后面的修修补补也是无法让它切实可行的；复杂系统必须从一个切实可行的简单系统重新开始做。

　　从顶向下去设计的复杂系统无一例外都会是失败的。一个切实可行的复杂系统势必是从很多个切实可行的简单系统发展而来的。在大公司里面可能需要你交付一个预算是 2、3 亿的复杂产品，失败了也就是失败，当成本摊薄之后可能是可以过日子的。但是这个成本对于创业公司来说，是不可能实现的。在过去将近 20 年的时间里，我做过很多 AI 相关的项目，大部分都悲惨失败了。我在现在的项目（文因互联）里，有很多具体的小尝试，有些还是失败的。但我们可以把大的失败、切分成小的失败，让每一个失败都成为离成功更进的垫脚石。这是让 AI 产品落地的根本。

　　那么， AI 公司可以交付什么？

　　我们有四种选择——零件、工具、解决方案、系统。我们在实际解决问题的时候，我们很难交付一个复杂的系统。优秀的 AI 创业者不约而同地选择一种路径，为了设计实现一个通用系统，不得不先做包工头，做了一个一个的解决方案，从解决方案里面总结一个系统出来。

　　好的产品是总结出来的，并不是设计出来的。我们从具体的小事情开始做起来，当我们完成了 10 个解决方案的时候，我们或可以从当中总结出一个系统出来。当我们连解决方案都找不到时，我们就需要从零件、工具开始做起来的。

　　每一个产品的背后都是有科技树的。一个产品首先需要很多零件去制造工具，没有工具就没有解决方案，没有解决方案就没有系统。以火车铁路系统为例，铁路在火车出现之前就存在了，后来出现蒸汽机之后又经过了瓦特的改良，过了很长一段时间才有了火车发动机。在这个案例里，零件——平行运动连杆、工具——蒸汽机、解决方案——矿山抽水，最后就有了系统——火车铁路系统。就像蒸汽机一开始也不是应用在火车上，而是矿山抽水系统上。一个解决方案产生价值的时候，你会想象不到，后面会有什么机会发生。

　　再比如，我们现在在微信上实现的电视电话，跟我们20年前设计的解决方案也是不一样的。我们当时的电子工程师，想的是怎么能够设计一套编码系统，让视频电话在电视系统里跑起来。我们在设计这个方案的时候连 CCD （图像传感器）也不够成熟，我们设计了一系列的光学的模拟信号去实现这件事。在这个案例里面，零件—— CCD 图像传感器，工具——摄像头，解决方案—— PC 视频聊天，最后就有了系统——「电视电话」。每一个工具、每一个理念，都有它当时的作用，在构造一个系统的时候，我们把这些中间节点找到他们的应用场景，然后去培育这个技术。这是所有复杂系统的统一的规律。

　　产生伟大的AI公司需要可演化的产品。直奔市场、用户、需求所要求的主流刚需而去，就是让 AI 产品失败的保证书。

　　其实不仅是AI公司吧，演进也是很多更早的互联网公司的特点。雅虎是从分类目录开始做的，两个创始人 8 个月时间，手工地做出来了分类目录，巨头完全看不起。后来他的网站演化成了门户。而一个从一开始就想做门户的公司，花了 600 亿美金才明白这个道理。这就是 AT&T 的故事，早期的虚拟的互联网接入服务供应商（ISP） 之一，在没有 Web （1990 年面市）之前，就做了订票、天气等应用。 当 Web 开始出现的时候，它想做一个门户，把所有的用户都包含在平台上，当时为了维护这个封闭花园它前前后后花了 600 亿美金，最终还是无奈破产。