創新工場和BCG咨詢合作的「+AI改造者」系列:看看無人機技術起家的極飛,如何賦能農業生產全環節,提升全球農業生產效率。
改造者系列:農業「+AI」全環節守護新疆棉花
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
創新工場投資的極飛科技是一家致力於未來農業的AI科技公司,極飛將無人機、機器人和傳感器部署在稻田、麥田和棉花田裏,用技術賦能農業中的播種、農藥噴灑、栽種管理、甚至天氣監測環節。用於作物噴灑的極飛科技R150農業無人車已經被推廣到了英國,應用在蘋果、草莓、黑莓等多種經濟作物的種植流程中。
在采訪中,極飛科技聯合創始人龔檟欽表示,AI在農業的應用才剛剛開始,未來極飛會探索更多AI和農業的融合,例如用AI來賦能優化作物模型(crop modelling),幫助識別作物生長過程中的不確定因素,從而實現提前預警和判斷。以下:
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』1如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
在農業領域,隨著機器自動化、機器視覺、物聯網等技術的發展,農業的提質增效和轉型升級也被不斷加速。以極飛科技為代表的一批農業科技企業,通過無人機、智慧農業系統等科技賦能,使得傳統的農業勞動更加高效、環保、節能。
1 「改造者」通過傳授其AI技術和垂直行業理解,極大地削弱了傳統企業應用AI的瓶頸,充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
■本期受訪嘉賓:龔檟欽
極飛科技將無人機、機器人、自動駕駛、人工智能、物聯網等技術帶進農業生產,通過構建無人化智慧農業生態,讓農業進入自動化、精准高效的 4.0時代。
龔檟欽是極飛科技聯合創始人,2018年福布斯中國「30 under 30」封面人物。龔檟欽曾任鳳凰衛視特約海外記者、國家地理製片人。龔檟欽先生擁有悉尼大學學士學位、巴黎九大與清華大學聯合博士學位在讀。
■對談實錄
Q1:極飛科技最早以無人機技術起家,後來為何選擇進入農業這一垂直領域?
龔檟欽:極飛科技以無人機航模控制器起家,最開始的時候我們曾嘗試過把無人機技術帶到電力巡線、安防、南極科考、物流等諸多領域,但很多領域的應用很難市場化,比如物流或電力巡線在當時都受到市場規模和法律法規的制約,難以發揮無人化技術的最大價值。
2013年9月,由於機緣巧合,極飛科技開始探索農業這一領域的無人機應用。我們發現,有客戶購買極飛的飛控之後進行改裝,拿到新疆去做航拍,還有許多人看到極飛之後在考慮用無人機做農藥噴灑。於是當月我們也一起走訪了新疆。9月正值棉田收穫期,我們卻看到大量農民背著藥箱,忍受著刺鼻的氣味在噴灑農藥,原因就在於新疆已經請不到采棉工了,需要農民噴灑脫葉劑來保證棉花同步成熟,再由大型采棉機統一采收。但是人工噴灑脫葉劑的效率非常低下,而用拖拉機噴灑又會軋壞棉花導致減產。
當時的新疆不僅缺乏采棉工,連噴灑脫葉劑的人工也請不到了。隨著城鎮化的發展,大量人口從農村流入城市,從前每年秋天新疆會有六七十萬人坐著綠皮火車從四川、河南、陝西來采棉花,如今這樣的畫面已難以再現。新疆出現了勞動力供給的缺口,而這也正是機器和技術能夠賦能的地方,就采棉催熟而言,要求脫葉劑的噴灑量不高,無人機這種空中飛行的機器有著天然的優勢——能夠在空中精准、均勻地噴灑,很大程度上減少人力並提高效率。不只是采摘,從播種到收穫的全流程中,機器人能高效地完成許多任務,包括播種、施肥、除草、除蟲等等,無人機能夠極大地提升農業生產效率,尤其在生產期較短的地域迅速提高單位時間的產量。由此,無人機能為農民釋放更多產能,一個人能管理的農田更大,即技術賦能土地規模化集中,而土地規模化之後農民對機器的需求也更大,從而進入「技術加速資源有效整合」的正向循環。
目前,極飛科技的無人機已經覆蓋了新疆機采棉面積的一半以上2,從棉花延伸到了水稻、小麥等需要大量人工的作物,從新疆延伸到了東北、雲南等全國大部分地域。
我們一直相信,當腦海裏有一項技術的時候,你要為技術選擇一個行業,選擇用技術來做什麼事。
2截至2020年10月,極飛科技農業無人機棉花脫葉劑作業面積占新疆機采棉面積的一半以上。
Q2:極飛在賦能農業的過程中是否遇到過什麼挑戰?極飛是如何應對的?
龔檟欽:在工業裏,規模化生產的工廠是工業自動化的天然載體,但在農業裏,農戶的規模差異很大,許多農戶的農田本身很小,對於機器應用能帶來的成本優化是無感的,這就涉及到「技術下鄉的微觀載體是誰」的問題。
極飛最早發現了這樣一群人,他們是縣城裏做婚慶攝影的攝影師,隨著航拍變得越來越容易,他們面臨著更加激烈的競爭。但是農民不會用無人機,極飛就請這些攝影師,或者說飛手,去幫農民打農藥。飛手發現農業用無人機的頻次高得多,市場又大,農民與他們之間也存在著比較大的技術差距,於是這些飛手們便成為了極飛下鄉的第一批「用戶」,架起農民和農業科技之間的橋樑。
過了一段時間後,這批飛手開始感到困惑,他們並不懂農業、不懂種植,也無法識別農藥的真假,於是另一批群體出現了——農資店。農資店主往往很懂農戶,很清楚周邊農戶種植的作物種類、規模,也有農戶的熟人網絡,由農資店來推銷無人機、提供打藥服務等,就會容易得多。農資店就這麼成為了極飛的「經銷商」。
兩三年後,隨著無人機、無人車等設備的滲透更高、覆蓋範圍更大,農戶開始出現對無人機維修的售後需求,農機商便成了我們的夥伴。農機商有更大的店面,有展廳、有維修車間,就像是汽車的4S店。他們也懂農業、有銷售團隊和培訓團隊,農機商就成了極飛「更大型的經銷商」。
到這裡,整個產業鏈已經連接上了,商業模式被驗證了——農機商可以幫我們推廣農機,農資店、無人機飛手可以幫助培訓。對極飛來說,分銷商就是農機商,經銷商就是農資商和飛手。
Q3:極飛自然衍生的渠道網絡非常有趣,從更大的農業產業鏈角度來看,極飛如何賦能農業產業鏈中的傳統企業?
龔檟欽:農業產業鏈中的企業可以簡化為三大類:作物科學公司、農業技術公司、食品與供應鏈公司。作物科學公司包括拜耳、中化等,研究農藥、化肥、種子,負責為農業提供生產資料。食品與供應鏈公司包括拼多多、百果園、盒馬等,把農產品變為商品,進行流通並銷售。農業技術公司負責農產品、農作物的生長管理,通過技術來幫助農業提升效率,極飛就屬於這一類。我們有一個說法是極飛幫助了農產品進行「光合作用」,通過抵抗農業生產過程中由於氣候、資本、勞動力等多方因素導致的不確定性。
農業技術公司位於另兩類公司中間,起到連接上下游的作用。比如作物科學公司想知道種子的生產效果、農藥的效果,可以通過極飛的種植管理記錄來做調研,從而優化下一代產品。比如農產品超市想采購無過量農藥的水果,可以調取極飛植保服務記錄來識別更高品質的水果供應商。可以看出,除了提升效率之外,極飛還提升了農業的透明度和可追溯性。相應地,在終端也會產生更高的價值回報,農民能獲得更多收入,消費者願意為此買單。
Q4:極飛對未來的發展規劃是什麼?會繼續深耕農業還是拓展更多行業應用?
龔檟欽:極飛選擇深耕農業,因為對於已經有七年技術和經驗積累的我們來說,再造更多其他類型的農業機器人、無人機,或者結合材料科學、結構設計優化農業機械,再或者把AI演算法嵌入農業機器,並不會太困難,但別的行業企業要進入農業是很難的,農業的行業壁壘還是很高的。
而且,在農業中AI的應用剛剛開始,未來我們可以探索更多AI和農業的融合,比如用AI來賦能優化作物模型(crop modelling),幫助識別作物生長過程中的不確定因素,從而實現提前預警和判斷;又比如探索作物科學,用深度學習來挖掘作物性狀,再通過優化生長管理極大地提升作物產量或品質,這些都是未來的方向。
■要點回顧
1、在垂直產業生態中,AI企業大可以自建網絡,根據協同性和互補性來決定網絡中的生態夥伴。隨著佈局下沉和戰線拉長,構建網絡並不會容易,AI企業需要從挑戰中找尋機遇,用更縱深的網絡推動AI與產業持續交織。
2、AI企業能幫助傳統行業「化不確定為確定」,極大地提升給定資源條件下的生產效率,加速「光合作用」。而傳統企業應當主動與AI企業共同暢想未來,重新想像AI將為行業帶來什麼價值和機遇。
3、AI企業可以在垂直領域中探索將業務與AI以及生物、材料等諸多技術進行融合,持續深耕垂直領域。
非勞動人口定義 在 Facebook 的精選貼文
創新工場和BCG波士頓諮詢合作的「+AI改造者」系列:創新工場投資的追一科技,用領先的「數位員工」解決方案幫傳統企業降本提效。
改造者系列:傳統企業應用AI別想「短平快」 -- 本文来自BCG微信公眾號,經授權轉載。
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智慧在大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
隨著當前人口紅利趨弱,企業的用工成本增加,「數位員工」存在大量的市場需求。成立於2016年的追一科技,通過其核心的AI語義分析技術,幫助傳統企業利用人工智慧技術解決勞動力短缺的問題,實現降本提效。
在采訪中,追一科技首席戰略官成捷認為,傳統企業應該扭轉AI應用「短平快」的認知,投入時間和精力去梳理和構建特定於AI的業務流程,以達到正向的循環。
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
在企業服務領域,AI企業,即「改造者」,能夠最直接地賦能企業提升管理效率與節降成本。追一科技便是這一賽道的佼佼者之一,借助自然語言處理技術,其「AI數位員工」可以勝任線上客服專員、行銷專員、資料質檢員、銷售上崗培訓師、反洗錢專家等崗位。
■本期受訪嘉賓:成捷
追一科技是「AI數位員工」提供商,主攻深度學習和自然語言處理,提供智慧語義、語音和視覺的AI全棧服務。追一科技的AI數位員工智慧平臺與業務場景深度融合,提供不同類型的AI數位員工,滿足企業和政府使用者服務、行銷、運營、 辦公等多種場景的智慧化升級需求,幫助他們降本提效,改善用戶體驗,驅動創新和增長。
成捷是追一科技首席戰略官。在此之前,他曾任職于麥肯錫與騰訊。成捷先生擁有清華大學學士學位與加州理工大學博士學位。
■對談實錄
Q1:追一科技為何選擇幫助傳統企業應用AI?
成博士:追一科技的定位是「AI數位員工」服務商,本質上是智慧軟件,面向企業提供AI企業軟件來説明其降本增效。當前,隨著人口紅利趨弱,企業用工成本水漲船高,員工的流動性也在增加,市場上存在大量對於智慧客服、行銷、內部溝通等的需求,企業希望由機器解決勞動力短缺問題,並為企業降本。而追一的核心AI能力是語義分析,即機器如何像真人一樣理解和表達文本資訊,再結合創始人團隊的企業服務背景,恰好能夠滿足我們稱之為「數字員工」的市場需求。追一的語音、視頻應用能夠滿足銀行、運營商等企業線上交互管道上海量的對話交互需求,涉及行銷和業務辦理等,幾乎等同于傳統呼叫中心上千乃至上萬的人工。
同時,我們也看到近些年大量企業在推進資訊化建設、雲建設,企業數位化的基礎在不斷成熟。許多企業已經積累了大量結構化或非結構化的資料,但並不知道如何應用,不知道如何從海量資料中提煉洞察。追一可以説明他們通過資料分析來實現更精細化的運營,從而提升人的產能。以保險電銷為例,通過對銷售人員的資料分析,追一能夠提煉高績效員工值得借鑒的話術和知識點,標準化後以輔助推廣培訓。
Q2:在賦能傳統企業應用AI的過程中,追一遇到過哪些挑戰?又是如何應對的?
成博士:AI火爆之後,大部分企業的心態是先投資一部分進行嘗試,其中有些企業成功地體驗到了AI的成效,於是自發地持續梳理其業務流程、構建並優化知識庫,進入了一個正向循環,投入產出比也合理,逐漸能夠覆蓋到更多場景和業務部門。
而有些企業原本對AI的預期是「隨插即用」,期待AI能在短期之內帶來巨大改變,他們應用AI的效果往往就無法達到預期,也很難將AI的效用發揮到最大,往往在一次采購之後就沒有下文了。AI企業要扭轉傳統企業認為AI「短平快」的認知,投入時間和精力去梳理和構建特定於AI的業務流程,才能步入正向的循環。
其次,許多較早開始應用AI的企業組織規模都很大,涉及到很多不同的部門——分條線、分版塊、分職能等。如何能夠協調大型企業多部門之間不同的利益和訴求,這對於AI應用而言是另一大難點。以銀行為例,總行負責智慧化建設的IT或科技部門往往考慮更有整體性的、大量部門可以通用的、長期的解決方案,且看中綜合性和可持續性更強的供應商。而業務部門往往偏好更迅速、更精准的解決方案,傾向于先行自行采購。AI企業就需要平衡和兼顧雙方的需求。我判斷在中長期會有多流匯聚的趨勢,即企業的科技部門會統籌AI智慧化建設的規劃以及技術合作夥伴的選取,總部科技部門和一線業務部門會一同系統性地梳理需求。
同時,在業務梳理過程中,AI企業也需要增進其對行業的理解,從而幫助傳統企業梳理出哪些業務或場景更有AI價值、更容易落地,以塑造短期速贏。追一在進入每個行業時都需要花大量時間瞭解業務流程,建立行業知識庫。
最後,AI不像ERP之類的傳統軟體系統,沒有成熟的全鏈路玩家,還處在比較初級的階段,因此端到端的、定制化的AI服務是稀缺資源且具差異化優勢——系統實施上,大型企業系統多,往往也不標準化,十分消耗人力;知識庫定制上,不同企業的業務流程不同、知識不同,需要定制知識庫;軟體功能定制方面,不同規模、業務類型的企業依然存在不同的需求;哪怕在部署之後,AI企業依然需要持續優化場景,根據交互的效果持續優化業務流程,並試圖拓展新的場景。
Q3:如何理解追一「開放共贏的生態合作體系」?
成博士:追一對各類企業都秉持著開放合作的心態,我們識別了四大類合作夥伴——平臺夥伴、行業夥伴、區域夥伴和咨詢夥伴。
1. 平臺夥伴包括騰訊雲、華為雲等企業,平臺夥伴能夠提供基礎設施,起到「鋪電線」的作用。憑藉平臺夥伴強大的客戶資源和銷售網路,追一能夠觸達更多的終端客戶。而追一能在平臺夥伴通用性的基礎設施之上提供特定垂直領域的解決方案,使面向客戶的解決方案更好落地實施。
2. 行業夥伴指特定行業領域的資訊科技企業,他們相比其他夥伴有更深的行業理解以及更多行業內的客戶資源,也願意在科技方面進行嘗試。追一可以與行業夥伴共同拓展行業內的科技解決方案。
3. 區域夥伴指在當地有較強商務關係、對當地市場瞭解較深入的夥伴。
4. 咨詢夥伴則能夠提供整合咨詢服務,在數位化咨詢、財務咨詢等細分方向擁有豐富的咨詢經驗。
追一在生態合作中除了能夠提供行業定制化的技術方案之外,還可以分享和拓展渠道資源,幫助系統集成商、ISV增收。長遠來看,追一希望把產品服務做得更加標準化,可供他人調用,也可以在自有平臺上集成協力廠商產品和服務。
Q4:你認為未來AI企業的發展趨勢是什麼?
成博士:大趨勢一定是行業越做越深、場景越做越精,提供整體性的行業AI解決方案。這也是追一未來發展的優先事項。
此外,AI企業還應當繼續推進技術普惠,在當前AI大多只在大型企業使用,而未來應當覆蓋更多中小規模的企業。AI企業能做的是把大客戶的主流需求打磨好、標準化,大量復用從頭部企業積累的垂直領域專識,再在過程中逐步建立跨行業復用的能力。
■要點回顧
1.「人工智慧即服務」(AI-as-a-service)依然處於初級階段,還沒有成熟的全鏈路玩家,因此端到端的、定制化的AI服務能夠打造差異化的競爭優勢。
2. 傳統企業需要抓住時間窗口,憑藉多年深耕行業的經驗積累,在AI技術企業追趕行業知識的檔口自我顛覆、自我革命。
3. 對「改造者」而言,「先縱後橫」不失為可行的策略——欲實現持續穩定的AI發展,需要長期深耕垂直領域,持續積累行業know-how,並將縱深積累標準化,以複製到更多的垂直行業。
非勞動人口定義 在 政經八百 Facebook 的最佳貼文
#八百回合經濟談
〔#誰的命更有價值? #經濟學看誰先打疫苗〕
各個工會爭取被列入優先接種、有錢的人可以飛去美國打疫苗,你也在想「我什麼時候能等到疫苗」嗎?
接續著上週,八百想繼續討論的是,到底經濟學家怎麼看「疫苗施打順序」?
▌首先,經濟與公衛的考量不同
既然政府管制了疫苗市場、疫苗數量又有限,誰應該先施打疫苗就成了一大難題。
公衛學家透過模型推算來控制疫情、拯救生命。
而之前提到過,以經濟學來說,政策要能極大化社會福祉(請看 #疫苗管制必要嗎),必須考量疫苗保護力與阻止傳播力之間的效益差別,代表著公衛角度的最優解,不一定等於經濟角度的最優解。
且我們可以明顯發現,由於各國的人口結構、文化、經濟命脈不同,所以選擇與優先排序也會不同。
在疫苗分配上,或許經濟學的成本效益分析能有所貢獻,尤其考量到疫苗與呼吸器不同。
(疫苗分配不是選擇救誰的性命,即使還沒辦法馬上打疫苗的人,也可以繼續居家防疫,且居家快篩的擴大使用也能降低 R 值。)
接下來,讓我們來看看,為什麼有些「群體」應該優先施打疫苗?
▌ 風險工作者與長照機構
一般來說,醫事與工作人員以及長照機構的照護者與居民都會在優先順序上,美國部分州更將最優先接種對象限制在「從事新冠相關醫療照護」的人員。
一來,讓這兩群體施打都能協助保證防疫量能穩定、尤其第一線防疫人員創造醫療量能,進而增進社會效益。
在台灣,長照機構住民與照護者排在第 3 順位序;然而,以英國與紐約州為例,因為療養機關多、且群聚感染率與死亡率極高,長照機構人員與住民都是第一順位施打對象。
二來,英國預防接種委員會(JCVI)則強調醫療人員應該優先施打、因為此工作讓他們個人高度暴露在染疫的風險中。
然而,若純粹以此說法,考量就成了「職業風險」 — 醫療人員的私人利益,必須思考其他與醫療量能無關,卻也有高染疫風險的職業別(如超市店員等)也該優先施打嗎?
如果以美國為例,其一大困境就是近 8 成的人口按定義都是重點工作者(essential workers),而加州就將超市、餐飲與農業相關勞工都列在第二順位。
▌ 長者該比勞動人口先打疫苗嗎?
另外一個經常被討論的焦點,是長者是否應該優先打疫苗。
我們假設一個簡化的情境:長者跟勞動人口其中一個群體在 7 月前能接種疫苗、另一個群體必須等到 12 月。
而疫苗並非此時防疫的唯一解,居家隔離與居家快篩普及都能有效降低 R 值。
在此情況下,問題並非「誰應該得到疫苗」而是「誰應該先得到能讓他安全地外出、而不需要繼續居家隔離防疫的物資?」
以公衛而言,讓長者優先施打的出發點是保護最脆弱的族群。
倫理考量外,支持長者先打疫苗也可維持醫療量能,減少重症造成的醫療體系負擔,讓醫療體系能支撐到 12 月。
然而, John Cochrane 等經濟學家則指出許多勞動人口應該先得到疫苗。以成本效益分析來說,包含兩個主要層面。
📌 首先是經濟層面:這些人口是否無法遠距工作?這些產業能間接創造多少工作(就業乘數效應)?
台灣的中小企業數位化程度不足、而 30-50 歲的人口又是主力消費族群,要能恢復經濟與人民的生活品質,讓青壯年人口能盡快回去工作顯得十分重要。
以南韓為例,雖然早已展開年邁人口的施打,但近期疾病管理廳(KDCA)官員也表示在考慮讓晶片等關鍵產業員工優先施打新型疫苗,以避免生產遭受疫情衝擊。
📌 其次則是傳染給他人的可能性:勞動模式是否需要與許多人接觸?
根據香港與以色列的實證研究,新冠的傳染鏈符合帕雷托法則(又譯 80/20 法則),約 10-20% 的受感染者導致了 80% 的傳播感染個案。
這顯示了減少超級傳播者(Super-spreader)的必要性,也有模型顯示先施打重點工作者可以更快降低確診數。
若想維持經濟,勞工就必須出門上班、搭乘大眾運輸、跑外送與物流、甚至在餐廳駐唱,但其中某些勞動模式可能有超級傳播的風險。
相較之下,已經退休的長者沒有必要外出原因、進行居家隔離的成本較低,把疫苗先給勞動人口的分配就可能達到更好的經濟效益。
以印尼為例,因為其人口結構年輕又對勞力密集產業高度依賴,就優先讓勞動人口施打疫苗。
美國許多州讓部分產業的勞工優先施打也有同樣的出發點。
▌ 能妥善排序基於「保護」的優先順序嗎?
如果台灣採用公衛的考量要優先保護最脆弱的族群,那除了年長者外,是否有其他高重症率的人口也該優先施打?
美國 CDC 就公告具特定狀況的人有高重症風險,其中包含:糖尿病、癌症、氣喘、HIV、過重(BMI>25)、懷孕、吸菸、藥物濫用失常等數項。
帶有這些症狀的人,許多甚至是每日必須外出上班的勞動人口。
這成為美國各州在規劃優先順序時的參照標準,比如慢性病患者都會出現在優先施打名單裡,而麻州甚至細分到「帶有至少 2 個以上症狀的年長者」才是最優先者。
基於衛福部 6/20 的順序修改,除了孕婦被新加入第 6 順位外,其他 64 歲下的高風險疾病患者是被安排在第 9 順位。
然而,資源的稀缺性代表如慢性病等標準的訂定都可能給人動機造假來插隊打疫苗。
當管制必須考量這些問題,標準就容易限制在可觀察訊息(如年齡),直接影響到分配疫苗的配置效率。
另外,因為資源不對等,研究發現如街友、低教育程度與中低收入戶(教育程度/薪資水平與健康狀況/平均壽命有正相關)等族群也有較高的重症機率與傳染力。
另外,因為資源不對等,研究發現如街友、低教育程度與中低收入戶(教育程度/薪資水平與健康狀況/平均壽命有正相關)等族群也有較高的重症機率與傳染力。
▌ 小結
以上我們討論了經濟學對政府規範施打順序的觀點,學者們也以模型來驗證。
政府管制分配其實難以辨認最適合先打的人,標準模糊、關說等也都會造成資源錯配。
優先順序的研擬已經成實證研究的命題,所幸各國的選擇不同,未來我們才能比較哪一套更好!