中国人工智能兴起的原因及其经济意义

中国在扮演了将近四十年世界工厂的角色之后，正逐渐成为人工智能创新应用的中心。预计至2030年，人工智能将为全球创造15.7万亿美元的财富，其中7万亿美元的财富将由中国创造。

为何中国能在人工智能领域迅速跻身国际先进国家行列？这将对中国甚至全球经济产生怎样的影响？本文将从以下三个方面进行回答：人工智能最新进展的本质，中国在人工智能领域取得的进步与中国科技生态系统的独特优势相吻合的方式以及人工智能应用软件的经济影响。

人工智能最新进展的本质：从发明到应用

传统上，人工智能一直是计算机科学的一个领域，致力于构建一套计算机系统以执行人类安排的任务。在过去几年间，科研人员一直在讨论以及实验不同的方法来构造这些系统。人工智能应当将现有的知识通过编码输入计算机系统中吗（专家系统）？或者应当使用软件来模仿大脑的学习过程，然后计算机在此基础上进行自我学习（神经网络）？

学术界不同阵营对此问题的看法在几十年间争论不休。虽然在20世纪80至90年代，国际上许多顶尖的研究人员已经创造出许多能够执行具体任务的人工智能程序，但是这些人工智能系统通常不够一般化，对企业而言效用有限。在这一时期，人工智能的重心依然集中在实验室，这一领域仍停留在一个发现的时代。

十年前的两大变化使得这一状况得到转变：互联网带来的数据大爆炸以及一种名为深度学习的神经网络方法的诞生。互联网带来的数据大爆炸以计算机可以处理的方式记录了许多人类活动，而深度学习则为人工智能系统提供了一种更好的从数据中学习的方式，使它们能够发现不同数据点之间微妙的联系。当今人工智能应用的核心，就是通过深度学习在海量数据中概括出人类难以发觉的细微联系的能力。

具体而言，这种远超人类的分析能力赋予了计算机两种新功能：感知能力以及决策复杂问题的能力。对于感知能力，数字设备只能捕捉和再现图像和声音，而人工智能系统则可以识别和理解这些图像和声音中的内容。对于复杂问题的决策，人工智能系统不再局限于由人类编码的“如果—那么”规则，而是根据从数据中发现的内容学习更为灵活的规则。将这些能力和软件、硬件结合起来，可以让人工智能承担许多社会任务。

在深度学习以及数据爆炸的催化下，人工智能已经由发现的时代步入了应用的时代。对人工智能前沿领域的研究仍在如火如荼地进行，这些领域的发现可能会带来无数新的可能性。但目前人工智能领域的重心已经从精英化的实验室研究进入了具体应用的现实世界。深度学习和大数据使人工智能进入了一个新的领域。

影响人工智能的因素：人才、数据、企业生态系统以及政府政策

从发明到应用的转变对人工智能进步产生了重大影响，也因此决定了哪些国家可能在人工智能的应用方面引领世界。这种转变包含了四个关键因素：研究人才、数据、企业生态系统以及政府政策。

（一）科研人才

在发明的年代，一个国家在人工智能领域的实力主要取决于少数精英研究人员的质量：最优秀的学术人才能够将知识的边界向外拓展。但是随着人工智能的重心从实验室里的研究转变为商业应用，它带来了一个类似的转变，从重视精英研究人员的质量转向重视合格工程师的数量：这些人能够将突破性的进展应用于数百个不同的行业。

美国是世界上拥有最多拔尖研究人员的国家，通过对人工智能领域的分析可以得知，人工智能的研究人员主要集中在美国和加拿大，并且绝大多数都隶属于美国的研究机构。这就是为什么美国在人工智能发明的年代能够取得领先地位，并且进入应用的时代时，他们比自己的同行有优势。

但是当人工智能进入商业应用领域时，美国的领先地位不再稳固。中国的研究人员尚未在深度学习领域取得突破性进展，但是中国的研究人员和工程师数量占据了优势。

（二）数据

随着人工智能进入应用时代，数据的应用量得到了大幅提升。数据可以被视为支撑人工智能运行的原材料。总的来说，一个由合格的普通研究人员设计的、以大量训练数据为基础的算法，将胜过一个由最优秀的人工智能科学家设计的但用较少数据进行训练的算法。

在发明的时代，由于无法将当前的技术水平商业化，人工智能领域将重点放在学术出版上，而学术出版往往需要新的算法设计才能通过同行评审。仅仅通过向现有算法提供大数据以获得更好的性能是不足以发表学术论文的。但这种方式足以在市场上生产一种更优秀的产品，数据已经成为人工智能公司最宝贵的资源之一。这使得竞争优势从拥有最顶尖研究人才的公司，转向拥有最大用户数据储备的公司。

（三）企业生态系统

中美两国的企业生态系统都具有以下几个特点：无与伦比的规模、多元化的资金结构、相似的产品垂直市场以及高创新能力。但当涉及到文化规范时，它们在很大程度上存在分歧，这影响了人工智能应用的速度和性质。这些文化差距中最引人注目的是对待模仿、重复以及迅速扩展他人开创的成功商业模式的态度。

硅谷以及美国的科技生态系统擅长于从0到1的创造。在美国的科技环境里，那些仅仅依靠模仿现有模型的行为被整个行业所鄙夷。中国的科技生态系统则与此不同，往往是在从1向n推广的进程中表现出色。中国的科技企业家在尝试全新创意时往往比较保守，但是在模仿和改进一种已经被证明成功的商业模式时，他们会大刀阔斧地前进。

对于企业而言，中国的这一创新过程不一定会奖励最擅长原始创新的公司，而是奖励那些最擅长重复和执行的公司。而对于系统整体而言，这个过程在探索利用新技术或业务模型的多种不同应用方面非常有效。

在过去几十年间，这一进程在中国反复上演。它造就了许多模仿者，并且使得市场上真正具有创新能力的企业家越来越少。数以万计的人力和资本被投入到几乎是同质的企业中，而这些企业中的绝大多数都会慢慢为市场所抛弃。

（四）政府政策

政府政策在驱动中国人工智能发展方面的作用是显著的但常常被人误解。政府常常挑选优势企业进行补贴，或者发布命令规定应当发展的技术。

如果人工智能对经济的影响远小于当前预期，那么投入人工智能的资源可能是一种浪费。另外，由于许多人工智能技术都已经成熟，选择哪些进行支持对公共部门来说是一个问题。政府的参与绝不是技术领先的先决条件，但随着人工智能更深入地渗透到现实系统中，政府参与可能会加速技术产生经济影响。