一、马尔萨斯人口论

1798年，马尔萨斯在《人口论》中认为：1、食物为人类生存所必需；2、两性间的情欲是必然的，但几乎保持现状；在这两者中，人口增增长比生活资料增长快，存在严重不平衡。

从以上两个原理出发得出两个级数的论断：1、人口以几何级数增加，即以1、2、4、8、16、32、64、128、256、512的增加率增加；2、生活资料将以1、2、3、4、5、6、7、8、9、10的算术级数增加。在两个世纪以内，人口对生活资料的比例将会是256:9，在三个世纪以内，将会是4096:13。

马尔萨斯进一步提出解决这种不平衡应采取两种方式:1.积极抑制，利用提高人口死亡率的办法（战争、瘟疫）来使人口和生活资料之间保持平衡。2.道德抑制，让人们通过各种主观努力在道德上限制生殖的本能，降低出生率，提出让人们禁欲、不婚、不育。这种解决方案是纯粹逻辑意义上的，事实上在人类社会发展中的计划生育、避孕等以及科技现代化，使得人口增长与生活资料的矛盾并没有像马尔萨斯理论所描述的那么严重，人类还是有能力有办法化解这个矛盾的，生活资料不断丰富与人口数量增长和素质提升还是在相互矛盾、相互推动的过程中都得到了有效的解决，社会发展也推进到了一个新的阶段！这也真可谓魔高一尺道高一丈！

二、大数据及其基本特征

首先，什么是大数据？

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要具有更强的决策力、洞察发现力和流程优化能力的新处理模式才能处理的海量、高增长率和多样化的信息资产。

其次，大数据的基本特征。

第一，超规模性（Volume）。大数据的规模从一般意义上讲具有大规模、海量的含义，超规模是指超出了原有领域和问题的大规模。比如企业大数据，与之前不同的一个地方在于，此时的数据规模常常超越了企业本身传统的内部数据边界，而是延伸到了企业外部，成为一种社会化的企业数据。每个人作为终端使用者，既是数据的使用者，又是数据的创造者。

第二，多维性（Variety）。富媒体（Rich Media）大大扩展了人们的数字化生活体验，全球数据和数字流量中 80%以上 都是文本、视频、语音、图像，而不是过去以二维的、规范化的、非常简单数据形式为主的结构化数据。多维性成为大数据的显著特征。

第三，低价值性（Value）。即，数据量的分母太大，对企业或个人决策有价值的信息占总量的比例就很小。所以这里有一个重要的含义，即如何从低价值的数据海洋中挖掘出有用信息，成为数据分析的关键。

第四，实时性（Velocity）。信息就像开着的水龙头一样，源源不断地出来。人们打开手机看新闻，支付账单，都需要得到及时响应，而不是等到晚上再看新闻，要排个队才能支付账单。数据是连续的，实时的，流涌的。这种流数据是时时刻刻（Real-Time）的，构成了大数据之“大”和无时不在。

大数据的这四个特征会给人们的数据处理技术带来了挑战，当然也会影响商业和管理。

三、大数据世界中的“马尔萨斯陷阱”

今天全世界数据的爆发式增长几乎到了失控的地步，要想把巨量数据进行分类计算，计算能力和算法遇到了极大的挑战。

第一、大数据的爆炸式增长

（１）随着智能手机的普及，手机用户产生的数据量具有惊人的量，每台智能手机每天可生产的数据平均达到１Ｇ，全世界智能手机用户保守估计就高达２０多亿，一天手机用户产生的数据就高达２０多亿Ｇ的数据。（２）网页浏览中非人类即爬虫机器人产生的数据也大的惊人。（３）物联网、智能管控系统接入的网的所有硬件都在时刻产生数据，遍布城市的摄像头、智能电视、冰箱、家居等等都在采集和上传数据，即便人类在沉睡中，世界也依然在产生数据并运行着。

第二、摩尔定律

1965 年，英特尔联合创始人戈登·摩尔提出以自己名字命名的「摩尔定律」，意指集成电路上可容纳的元器件的数量每隔 18 至 24 个月就会增加一倍，性能也将提升一倍。换言之，每一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上。这一定律揭示了信息技术进步的速度。

数据只有经过计算处理才能具有使用价值。数据的爆炸式增长，导致计算量的巨量增加，算法和计算力（机）决定了数据的处理能力，因此数据量与计算量的矛盾也表现为数据量与算法和计算力的矛盾，这种矛盾人们称为虚拟世界中的马尔萨斯问题。

第三、大数据世界中的“马尔萨斯陷阱”

大数据世界中的“马尔萨斯陷阱”可以简单地描述为：

人口以算数级数增长，数据已几何级数增长。

数据量以线性规律增长，计算量则以非线性规律增长。

当然，今天发达国家人口增长缓慢或出现负增长。但大数据技术的发展与人们生活质量和素质的提高所产生的数据越来越多，需要记录的数据也越来越多。物联网的发展更是会产生并增加天量的数据。

一般地，业内认为要跨越大数据世界的“马尔萨斯陷阱”，应该从三个方面做工作。

(1)　高效处理。对并发的大量数据进行即时快速的处理。

(2)　有效储存。在海量数据中发现有用信息高效储存，删除没用的冗余信息。

(3)　深度挖掘。深度挖掘数据中的关联性，减少数据存储量。

在高效处理方面的技术发展相对比较快。（1）并行计算或分布式计算。这是具有突破性的数据快速处理技术。海量的数据计算任务分解开来，将每一小块任务分配给一台计算机。这些计算机分别运算完后将结果汇总就得到总计算结果。(2)5G的核心技术——边缘计算和网络切片。 5G时代的大宽带和低时延使得计算过程中的信息传输更加及时。边缘计算则是依托数据前端进行数据处理，让“身边设备”就能计算，缓解中心云的压力，从而提升数据处理的时效性。网络切片技术，简单来说就是专通道专使用，就像我们的高速公路一样，必须按照规定的速度和路线行驶，数据流通行速度自然能够得到保障。(3)流式计算。流数据（或数据流）是指在时间分布和数量上无限的一系列动态数据集合体，数据的价值随着时间的流逝而降低，因此必须实时计算给出秒级响应。流式计算，顾名思义，就是对数据流进行处理，是实时计算。

以上这些技术的发展有效地解决了大数据的即时高效处理问题，当然数据的海量产生以及人工智能、物联网等需求必将推动这些技术不断发展和新的突破。

大数据世界中的“马尔萨斯陷阱”实质上反映了大数据世界中充满了矛盾，矛盾就是动力。实际上，这样的矛盾在历次技术革命中都有很多表现。飞梭与珍妮机的矛盾运动就是一个例子。1733年，飞梭的发明使织布速度大大提高，对棉纱的需求大幅增加，而纺纱的速度低赶不上织布，只有增加纺纱工和纱锭的数量平衡。1764年，珍妮机的发明让纺纱的效率成倍提高，终于纺纱速度赶上了飞梭吃纱锭的速度。随后卷轴纺纱机和走锭精纺机的发明，使得飞梭织布的速度不够了，产生了新的矛盾，又推动了水力织布机的发明。纺纱与织布就这样不断矛盾，不断推动，螺旋式上升。工业革命就是这样的不断地激发进步中生生不息，也可以说就这样“魔高一尺道高一丈”的斗法过程中实现了人类历史上的一场伟大的革命。

同样在大数据世界中，数据量与数据计算的矛盾也是相关技术发展的动力，“魔高一尺道高一丈”，魔道斗法中，大数据世界中的“马尔萨斯陷阱”一定可以破解。

希望我的文章对大家有帮助。有疑问的可以评论在下方。不对的地方请多多指教！今后会不断更新干货文章，请大家多多关注！本文为原创，请勿转载

参考资料：

1、（英）马尔萨斯：《人口论》，郭大力译，北京大学出版社，2008年。

2、吴军：《智能时代》，中信出版集团，2016年。