作者：叶伟志
壹企问咨询总经理，广东天使会合伙人，人工智能应用专家，大数据资深从业者，系统架构师
人工智能是什么
我们做了一个调研，“人工智能”是什么。得到的答案非常有意思，大家对“人工智能”的答案主要集中为：机器人，智能推荐，帮我们完成任务，取代人工等等。
人工智能这个词，承载了太多观点和意思，使得无法用一段话完全描述，就好比“手机是什么”这个问题，从“打电话”到“打电话+发信息”再到“打电话发信息聊微信”，这些句子都无法完全描述“手机是什么”这个问题。
所以对于人工智能，我可能无法精确地回答大家人工智能是什么，我希望达到的目的是，经过这次的分享，大家对人工智能有更多的认知和了解。特别地，知道人工智能与企业的关系，作为企业负责人，面对人工智能，我们应该做什么。
AFTERLIGHT
首先我们来看两个例子：
有一个叫AFTERLIGHT的APP，由一个只有两个草根成员的跨国公司开发的，这两个人都是20多岁。一个是美国的草根屌丝，另一个，来自韩国，同样是草根屌丝。这两个人完全是通过社交网络认识，一个不会说英语，一个不会说韩语，他们之间的沟通都是通过谷歌翻译完成的，他们2013年创办公司，2014年的收入就已经达到了2亿美元，相当于13亿元人民币。这家两个人的公司几乎垄断了全球的照片编辑市场。
创始人Simon Filip 是一个21岁的摄影师，Sang Mook Lee是一个来自韩国的程序员，事实上，他们两个人与一个AI系统合伙了，我称之为“AI合伙人”。它是一个全能型的AI合伙人，拥有数不清的照片编辑功能于一身。作为有着独特智能的AI编辑，它能够帮助普通人将一般图片，变成超级专业的作品。更令人惊讶的是，AFTERLIGHT这家纳米级公司的估值，已经超过10亿美元，相当于60多亿人民币。
FINCH
Finch Goods Co. 是理查德创立的一家做创意文化衫的公司，在决定了公司的战略是做客户个性化文化衫以后，理查德做出了一系列的决定，其中包括了：
1. 依托电商平台SHOPIFY，作为Finch公司的主站，借助Shopify，Finch能专业化地处理维护订购、支付、交互，以及其他服务。
2. 选择与Creative Market公司合作，为T恤设计图像模板，这是一家独立创意集市平台公司，作品来自于全世界。
3. 与打印风格独特的Printful公司合作，为Finch公司自动印制T恤，并发货。
4. 理查德持续给那些关注地铁系统的博客作者发了邮件，与他们合作O2O营销。
这些看起来复杂的商业资源，理查德选择了使用AI合伙人帮他执行和完成，这个AI合伙人是一个BOT交互系统，包括“用户界面+大数据平台+供应系统”，它能按用户选择的设计、线条、颜色、大小、类别、字体、样式、图形等各种元素，创造无限的组合，然后实时动态地展现给用户，让他们决策，下单。
与此同时，这个AI合伙人，还会实时地参考其他好的网站，永不休息地调整自己的算法。优化生态供应网络的管理，降低运输成本和时间。
然而这一切一切，就是一个人+AI合伙人，这个一天24小时永不休息的零售驿站，每天有7000~15000名访客，年销售额12~25万美元，利润在50%左右。
前面说到的这两个，都是使用人工智能帮助企业发展的典型案例，在案例当中，人工智能主要都是帮助企业执行一些复杂而且工作量大的事情。让企业能够非常轻资产地运营并且取得成功。像AFTERLIGHT和FINCH这样的公司，数量在不断地增加，但这些公司依然非常地特殊，主要原因是绝大多数公司，都不知道在人工智能在自己的公司当中能够发挥怎样的作用，更别说真正地用起来并持续调优，直到产生商业价值。
首席电力官
以史为鉴可知兴亡。回过头来看，我们会发现当今人工智能面对的状况，与19世纪中期的第二次工业革命非常相似，当时主要面临的是电气的应用，以及由电气应用带来的一系列商业改变。当时大家面对电气，跟现在面对人工智能惊人地相似，都一样地知道这是将来的必然，但是不知道这个将来有多久，不知道自己怎么迎接这个将来。所以当时催生了一个非常特殊的岗位——“首席电力官”。
电气革命时期，当电气流向千万企业，很多企业主动寻求升级，虽然不是像蒸汽时代那么抗拒，但同样困难重重。一百多年前的电力系统十分复杂。需要在直流电，交流电，不同的电压，不同水平的可靠性，不同的电力接口以及价格之间做出合理的选择。直到今天，各国的电压的接口规格也没有统一起来，比如我们去日本旅游，就一定得带上合适的电源接口和适配器。当时和不同的电力公司打交道，也是个非常困难的技术活。
即使搞定了不同的电力公司，就公司本身业务而言，如何使用电力获得最佳效益也很难搞清楚：是应该先给企业全装上电灯，还是有限用电动机取代燃气轮机?于是，当时很多公司，就聘请了电力副总裁(VP of Electricity)帮助组织进行改革工作，以保证公司内的每个职能部门在自己的工作目标或产品上考虑电的存在，包括布置电线、购买电力设备、改造原有设备，甚至改造公司业务流程(电灯使得夜班变成普遍的可能和成为行业标准)。
随着电力系统的成熟，首席电力官这个角色才逐渐消失。首席电力官的出现让企业有更多收益。
CTO、CIO、CAO
首席电力官消失以后，迎来了另外一个群体，叫CTO，这个家伙一般就是被认为，公司里写代码最厉害的人(这句话基于社会上对CTO的片面误解而说的)。CTO就是类比首席电力官的一个角色，在企业面临日新月异的信息技术服务的时候，需要有一个懂技术的人。首先他是企业的信息技术整合者，代表公司利益和服务方打交道，决定如何通过信息技术满足公司的需求，并真正保证最终结果。一般来说，CTO负责信息化基础设施的投入，比如如何接入骨干网，如何配置本地化信息设备等等。同时也负责选择和使用现有成熟的互联网产品服务(PaaS和SaaS)。但事实上，由于互联网极大地加速了产业的发展，所以经常会出现企业需求无法用既有产品满足的情况，所以现在越来越多的CTO还需要负责自己带领团队研发/改造自己的信息化产品。
在CTO以后，最近几年在中国国内，很火的一个词语是CIO，CIO是首席信息官的意思，CIO的职责是负责挖掘企业信息资源、制定企业信息化战略、信息系统的技术选型并推动企业的信息化建设。
除了首席电力官，首席技术官，首席信息官，我们认为，在不久的将来，几乎所有职业都会被人工智能重构。低端重复的工作被替换，脏活累活封装起来，新增大量的信息处理接口，人类从业者通过调用人工智能的各种接口来操作底层事务。面对这样的必然趋势，未来的企业，必须要配备的是CAO——首席人工智能官。
关于首席人工智能官
首席人工智能官6大职能
对于首席人工智能官，我们认为有6个职能，分别是：
1. 理解/制定公司的战略
2. 引入成熟的机器学习算法
3. 收集训练数据
4. 建立行业专家系统
5. 使用成熟的人工智能产品
6. 创新的符合用户体验的循环
职能一 理解/制定公司的战略
首先我们来看一下第一个职能：理解/制定公司的战略
人类进步的核心模式
任何人任何企业，都不可能逆潮流发展，所以在讨论公司战略之前，我们来看看人类进步的本质。人类进步的本质，我们为那些能让我们认知更多，实现更多，获得更多经验的事情充满热情地奋斗。中国古代四大发明之一的指南针，让航海的冒险者能够更好地把握方向，走到更远的远方，发现新大陆，发现新资源，总结更多知识，实现更多的设想，没有这一切，现在的世界第一大国——美国就无从谈起。
对于人类进步的本质，我们认为会有三个重要的观点：
1. 获取信息
2. 形成知识
3. 完成任务
任何大大小小的进步，都离不开这三个步骤。比如普朗克，爱因斯坦等著名科学家，通过理论研究和大胆猜想和实验研究，获取了很多量子世界的信息。然后进一步推演计算，总结归纳，形成量子世界里面的经典理论，最后大家都用这些形成的知识理论，制造出了核弹，穿越太空等等。
为此，企业制定的战略，要抓住人工智能的下一个浪潮。而人工智能的下一个浪潮，必定遵循“人类进步”的核心模式：
1. 更好地获取信息，通过各种新型的传感器和体系获取信息，这里额外提醒一下，信息不仅限于传统意义上的“数据”，以前我们更多关注在“数据”是因为信息储存成本过高，运算能力不足，所以在采集和储存信息的时候，就采用了大量的简化和代替，这些被简化和代替以后的信息，通常，我们称之为“数据”。立足发展和将来，我们应该对“信息”的概念有更广阔的认识和视野。
2. 更好地形成知识，目前在这个领域大放异彩的，就是机器学习了，在其中最为突出的，就是使用了神经网络算法的深度学习DEEP LEARNING。深度学习把黑盒子的特性展现得淋漓尽致，人们可以不用管中间过程，让机器模拟人类神经元工作的方式，在输入数据和输出结果当中，通过计算机超级强大的建模和运算能力，推演探索出新的模型。深度学习的黑盒子特性，也让人类产生了极大地恐惧。就在今年的6月份，Facebook人工智能实验室被迫关闭了一个实验，因为实验当中发现了两个智能对话机器人在训练当中，发展出来了一些人类无法理解的独特语言。
3. 更好地完成任务，这个的想象空间是最大的，毕竟纯粹的知识没意义，很多时候商业的价值，就是在于把知识转化成为产品，完成任务服务需求。比如大型会议的会议纪要机器人等等。这里面是每个企业在将来战略目的当中的重点关注点，使用人工智能的知识和产品，完成更多的任务，服务于社会，产生商业价值。所以我认为更好地完成任务，是大部分企业面对人工智能可以关注的事。
进入高速增长的行业
基于人类进步的下一个浪潮，就是刚刚说到的“更好地获取信息”“更好地形成知识”“更好地完成任务”，基于这样的浪潮，我们认为接下来有一些行业是会持续处于高速增长的状态的。
1. 家居
2. 医疗
3. 养老
4. 交通
5. 环保
6. 金融
7. 通讯
8. 穿戴设备
在上述描述到的行业当中，可能会水涨船高，能够得到更快速的发展。具体我们也正在进行相关行业的调研，希望不久的将来，可以跟大家分享我们对这些行业的研究。
产品战略
上面花了很大的篇幅，说到了人工智能与新的浪潮之间的关系，当我们都把握到大的浪潮发展方向以后，就比较容易制定企业的定位和战略了。完成以后，接下来最重要的，就是对于不同的产品进行分类匹配，执行不同的产品战略。
这里我们推荐使用波士顿矩阵的方法进行分析，根据不同产品的市场份额以及增长率进行分类。
上述表格，是经过了波士顿矩阵方法分析以后，得出来的选型规划建议。最后应该根据每个不同类型的产品，执行可信可靠的执行战略，比如对于现金牛产品，规划的主要目的，可能在于规避风险和降低黑天鹅事件发生的概率，收集风险，事业环境因素的趋势判断，核心盈利指标的趋势判断，采用稳健的技术选型方向，大规模投入，进一步提高现金牛收入的稳定性。
到这里，我们讲完了理解/制定公司战略这个事，这里稍微做一下总结，就是要理解发展的大浪潮，基于公司的实际情况，找到合适的行业，进行公司的战略定位，同时基于公司的产品，使用合适的方法进行分类(比如波士顿矩阵)，制定不同产品的执行战略。
职能二 引入成熟的机器算法
引入成熟的机器算法，代表的意思就是我们不去研究和提升算法本身。对机器算法的研究和提升，需要顶级的智慧和知识，其中有一些必要的资源，是99%在座的我们都不具备的，其中主要有哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等等，可能在产业的初期，我们还能有一些些机会参与，但到最后，一定是剩下为数不多的巨头甚至国家层面，对算法进行进一步的研发。有时候甚至国家也不容易处理这些事情，比如天河二号在GPU的应用层面，由于被美国政府对NVIDIA的限制，导致天河二号虽运算快，但是由于GPU运算能力的缺陷，导致不同的技术引入的时候，会有各种适配的麻烦。总而言之，就是我们要做的，就是引入成熟的机器算法，我们不要去研究机器算法的本身。
那我们来看看成熟的机器算法有些什么吧。
l 决策树：
l 随机深林
l 逻辑回归
l SVM支持向量机
l 朴素贝叶斯
l K最近邻
l K均值
l Adaboost
l 神经网络
l 马尔可夫
对于上面这些算法的详细说明，优劣分析等，不是今天介绍的内容，因为需要不少的数据和计算机的基础，我们稍后会有专题讲解这些算法。
职能三 收集训练数据：
机器学习，都是基于既有数据，从既有数据当中总结规律，根据规律形成模型，并做模型的调优和选择。整个过程就有点像教小孩子一样。一直广泛流传的“数据是企业最重要的资产”指的就是这个数据，因为我们可以从数据当中获取很多新的知识，新的模型。但是很不幸的是，目前而言，机器远没有达到人的能力，他无法从纷杂的世界里面学习各种非标准化的东西，为了让我们的机器和算法快速地成长，我们就需要收集大量计算机可以理解和学习的数据。
数据在哪里
那我们打算收集的数据，他现在在哪里，接下来我们说几个现成的数据收集渠道吧。
1. 供应链管理系统，帮助企业管理整体的供应链，包括供应商、制造商、仓库、配送中心、渠道商等等组织在一起，包含计划、采购、制造、配送、退货等主要模块。
2. 客户关系管理系统，以客户作为核心，利用信息技术、互联网等各种方法，管理企业和客户之间的关系，挖掘客户的全生命周期价值。
3. 生产流程管理，生产流程管理是比较重点的方向和值得挖掘的领域。因为生产过程通常都是企业自身可以完全控制的，数据具有一定的完备性和可控性。其次就是以前因为技术的限制，对生产流程的数据应用是相对较少的。生产流程管理，目前主要有以下的分类MES制造企业生产过程执行管理系统;DNC生产设备及工位智能化联网管理系统;MDC生产数据及设备状态信息采集分析管理系统;PDM制造过程数据文档管理系统;
4. 进销存管理。
5. 视频管理系统，目前绝大多数企业都没有建立，以超高清摄像头为记录工具，目标是记录大量的视讯资料，视讯资料当中含有非常多的信息量，目前而言算力的成本过高，从视讯资料当中提取有用信息的成本很高。但可以先存储视频数据，等算力成本大幅度下降以后，再进行分析。
其他常用的管理系统还有企业文档管理、财务管理、车间管理、资产管理、成本管理、设备管理、质量管理、人力资源管理。
怎么采集数据
至此，我们聊完了数据在哪里的问题，不同的企业可以根据自己的实际拥有的系统，进行数据的整合和采集，在整合和采集这一步，有4个关键的点：
1. 设计和创造新的场景
这里包括管理场景和客户场景，我们怎么理解设计新的管理场景，举个例子，我们合作的一个口腔医院，想要记录诊疗过中的一些数据，比如拍片出来的那个片，这个数据按照正常的方式，是不会有记录的，那如果我们想要收集这个数据，那么我们的管理流程，就需要进行一些调整，比如拍片出来以后，医生护士需要对这个片进行拍照，或者直接出两份片，把其中一份放到备份的地方存起来。但是在这样的工作流程下面，医生护士的工作量就会提升了不少，而且很有可能会有丢失遗漏的状况，所以增加医护人员拍照这个动作，并不足够好。更好的是，架设一个高清摄像头，持续监控出片的位置，记录下所有的内容，与此同时，增加人工智能程序，截取监控当中有用的信息，减少无用的信息，降低储存成本。
在这个案例当中，我们可以看到，有很多的数据，是要通过我们对流程和场景进行优化以后，才能更好地收集的。又比如客户场景，还是同样的口腔医院，想要建立用户的终生健康服务，需要对客户进行识别，从前的流程，由于IT技术的缺乏，没有对用户做身份识别工作，诊疗系统的数据，与用户行为无法匹配，导致无法进行分析。为了把用户的线上数据与实体行为绑定起来，只需要增加一个简单的客户场景，就是用户在做完相关检查以后，体检报告会发送到手机微信端，让用户通过微信跟我们系统绑定起来。从上面这两个案例，我们都可以看到，无论是内部管理，还是外部用户体验，都需要经过思考进行设计和创新，新的场景可以帮助我们更容易的收集到有用的数据。
2. 数据中心
数据中心是一个很成熟的概念了，这里需要做2点强调和一点扩充。
1.数据中心需要把尽可能多的企业数据记录下来，而不仅仅是业务订单数据，事实上业务订单数据的价值很有可能没有生产过程的数据来得重要。
2.我们也见过了很多很多的企业，花了很多的资源，把数据中心建立起来了，但是没有建立起相关的制度，数据中心从设计，到运营，到维护，全部都集中在一两个人身上，导致这些人离开了以后，数据中心沦为虚设，甚至数据直接丢失。所以强调的是数据中心需要从整个生命周期开始到最后，都需要有完整的设计和制度，怎么建设，怎么运营，权限如何，资源要求等等。
3.需要扩充的是，数据中心储存数据的形式，我们现在正在做2个很重要的研究，第一个是如何通过层级结构，降低数据储存的成本，比如高频调用数据存放在单价高的地方，低频数据采用低成本的方式进行储存，甚至下线OFF-LINE。第二个是结合区块链的技术进行企业级信息储存的机制和体系，区块链技术本身非常适合用于储存高安全要求的数据，所以我们考虑基于区块链技术以及政府基础数据，做数据储存和应用的联盟，解放数据的价值。
3. 对接现有系统
现有的系统一般来说，有自建的系统和第三方系统这两种形态，对于自建的系统，那就很简单了，只需要在系统当中，建立对应的数据传输接口，直接接入到数据中心即可。对于第三方系统，就比较麻烦了，一般情况下，第三方系统不会有适合我们使用的数据接口，而且要改造的话也不太现实。这个时候，可能就需要一些爬虫或者屏幕抓取的技术，进行数据的采集，而这会需要多用一些些成本。
4. 收集未知非标数据
未知非标数据，主要指的就是高清视频和图像数据。对于人类而言，认知世界主要是视觉，视觉中包含的信息非常地丰富，但是目前而言，如何从计算机视觉和图像当中抽取出信息，成本还是比较高昂，但是目前这个领域发展得非常快，我认识的一个团队，已经可以实现对菜品进行识别，比如摄像头拍一拍，就知道这个是凉瓜炒肉，蒜泥白肉，白切鸡等等。在不久的将来，我们可以预见，会有大量的算法和商业服务机构，能够帮助我们在复杂的视频数据当中提取信息。
职能四 建立行业专家系统
接下来，CAO要做的事情，还包括建立所属行业的专家系统。专家系统，从1969年就开始出现，上古神兽HERBERT SIMON的学生 ED FEIGENBAUM等人，跨界合作，研究根据质谱仪提供的信息推断分子结构的问题。创造了DENDRAL程序。DENDRAL程序的意义在于它是第一个成功的知识密集系统：它的专业知识来自于大量的专用规则，成为系统的规则。然后使用人工智能的算法作为推理的部分。之后FEIGENBAUM等人，把这个技术应用在了医疗方面，开发了MYCIN系统，用于诊断血液传染，MYCIN有450条规则，最终他能够表现得与某些专家一样好，并且表现得比初级医生好很多。这里得到的启发是，不存在通用的理论模型可以从中演绎出MYCIN的规则，他们不得不从专家那里会见大量的病人的过程中获取规则，也从对应的书本和其他专家的案例中获取更多的规则。
专家系统还有很多很多的应用，而且成功地应用于商业，DEC公司的R1程序，帮助新计算机配置系统订单，从1982~1986年，每年为公司节省了4000万美元。
专家系统，主要就是利用通用的人工智能推理算法和能力，加上既有的行业特定知识作为边界，把知识和推理能力分开。同时配合符合行业规则的可被计算机学习的训练数据，让机器在这个范围当中不断地去学习挖掘深度的知识。最终这个专家系统，可以给企业提供重要的业务建议以及决策辅助。
职能五 使用成熟的人工智能产品
上面都说了一些比较大的事，落实到执行处，CAO要做的非常重要的工作，跟首席电力官的工作是一致的，就是跟不同的人工智能产品厂家打交道，使用各种成熟的人工智能产品，选择合适的产品成为自身企业商业拼图当中的一部分。具体成熟的人工智能产品有哪些呢?
观察世界：包括硬件，传感器，信息采集系统等;
总结知识：机器学习框架，各种专家系统;
知识应用：机器人，系统，程序
职能六 新的商业模式
做人工智能事业，要跨越的第一个障碍就是如何落地，人工智能意味着一个非常大的改变，时间周期会很长很长。要落地的话，首先必须找到非常好的、实际的用户体验，就是能给用户带来实际效益;其次，场景必须清楚，智能助手也好，无人驾驶也好，信息找人也好，一定要有实际的用户体验价值;最后，还要找到商业模式，不然就没有可持续性。
所以重要的挑战在于，是否能找到落地的用户体验和实现用户价值的场景，然后找到合适的商业模式，建立一个创新的循环。即数据-知识-用户体验-新的数据。找到这样一个循环往复的流，人工智能事业就可以像滚雪球一样往前滚。
首席人工智能官的6大要求
1. 理解和执行企业战略
理解人工智能发展的下一个浪潮在哪里，在更好的感知世界，更好的产生知识，更好的完成任务这样的人类进步本质上出发，找到企业的目标和价值观，制定企业3年，5年，10年的发展规划。规划和战略不会一成不变，但也不能散漫无根，特别是对于人工智能这个目前看来虚无，不好理解的事物，更应该有抬头望天，高瞻远瞩的战略能力。
2. 完全熟悉企业产品
刚刚说完抬头望天，接下来就是要踏实行军。一切的执行的基础，都是建立在对产品非常熟悉的基础上，熟悉产品方便CAO更好地做产品的波士顿矩阵分析，更清晰地知道不同产品在整个浪潮当中的定位，哪些需要重金投入，哪些需要冲动冒险，哪些需要果断放弃。只有在这样的基础上，才能制定不同产品在人工智能层面的具体战略和时间表，才能真正的前行。
3. 对人工智能技术的理解
对于CAO这个角色，我们认为需要对人工智能技术有深入的理解，而相关的技术细节的要求并没有那么高，人工智能特别是机器学习给我们展现了良好的黑匣子的特点，当中的一些技术细节，我们很难完全理解。特别对于CAO这个角色的人来说，更多是偏向于规划和监督，而非具体执行。放弃掉对技术细节的打磨，反过头来，需要CAO对技术的理解更加深入，更加清楚技术的发展状况，技术的应用边界，技术的实际场景等等。
4. 有权设计和执行商业模式
人工智能目前而言，还处于非常不明确的阶段，对于绝大多数企业而言，唯一确定的就是不确定，一切的内容都是在探索当中执行，包括如何战略定位，如何储存信息，如何设置场景，如何应用知识等等。这里面有必然存在的试错成本，所以要求CAO要有权力设计并且执行商业模式，这个过程，就像探索一个新的物理规律，需要做实验设想与设计，然后执行实验，最终通过实验总结知识。我们需要认知到做实验需要的权力和资源，缺一不可。
5. 对信息和数据有足够的敏感
就如此前说到的，我们通常说的“数据”，是因为储存能力不足，计算成本太高，而采用的对信息概括性的描述方法。当中有很多的信息在这个概括的过程当中被丢弃了。作为CAO，需要有能力跳过这个概括的过程，从业务和“数据”本身，看到真实的信息，并得到更有价值的数据。
6. 企业家精神
工匠精神、创新、冒险、合作、敬业、学习、执着、诚信、服务。这个是百度百科里面对企业家精神的特征分析。CAO作为合伙人级别的定位，需要有企业家的精神，需要有担当企业家的气魄
CEO应该成为CAO
最后最后，也是我一贯提出的观点，目前而言，CEO自身应该充当CAO，主要的原因如下：
1. 首先，CAO更偏重的是战略和选择，相比之下，现在绝大多数企业的CTO并不是典型意义上的CTO，更偏重于执行，很可能无法担任其战略和选择的重任，也就无法顺畅地从CTO转化成为CAO。
2. 其次，人工智能具备黑匣子的特点，更需要关注的是输入和输出，我们给人工智能投入怎样的资源，他给我们产生怎样的输出。当涉及企业战略层面的输入输出判断和考量时，一个企业里面最在行的人，肯定非CEO莫属。
3. CAO是未来企业里面重要的合伙人，需要跟CEO匹配，大家都会知道，找到合适的合伙人，比找到对象结婚还要困难，在没有找到之前，CEO自己满足一下自己的需求，或许是一个更好的选择。
4.最后这个点其实是最重要，也是最无奈的点，就是目前而言，完全具备CAO这个角色能力定义的人很少，即使有，企业也很难付出高额的薪酬，供养着这个短期内不一定能产生直接效益的合伙人。
