毫不誇張地說，1999年以前，中國科技人員對人工智能幾乎一無所知。那一年，我到中國科學技術大學做講座，給同學們介紹剛成立一年的微軟中國研究院在圖像識別研究上的進展。這所大學的工程學院在全國名列前茅，但它不在北京，坐落於相對偏遠的安徽省合肥市。
講座當晚的禮堂座無虛席，氣氛熱烈。沒有搶到票的同學擠在窗戶外面，希望能隔著玻璃聽到講座的一些內容。看到這樣的場景，我請求工作人員允許熱情的學生們進來，坐在過道或講台上聽。當我講到語音識別、語音合成、3D圖形和計算機視覺時，他們草草寫下凌亂的筆記，請教了我許多關於人工智能基本原理和實際應用的問題。當時，中國在人工智能研究上比美國落後不止10年，但這些學生的臉龐滿是熱切，他們吸收知識、認真聽講的狀態，就像浸入水的海綿。
講座進行了很長時間，結束時天色已晚，我從禮堂出來走向校門，準備離開。當時校園十分安靜，路上行人寥寥，兩旁都是學生宿舍。突然寂靜被打破了。一大群學生不約而同地從宿舍湧出來，走上了周圍的街道。我愣在原地，看著這如消防演習一樣的慢動作畫面。直到他們在路沿坐下，打開課本，我才意識到他們要幹什麼：大學宿舍晚上11點準時熄燈，想要繼續學習的學生都會來到路邊，藉著路燈看書。現在中國的一家頂級人工智能公司的創始人，就出自這幾百名未來中國最聰明的年輕工程師之中。
1999年，我在中國科學技術大學做演講，學生擠到了講台上。中國學子對吸收新知的熱情，反映在踴躍參與各項學習活動上。
這些學生手裡拿的課本是當時中國最好的教材，雖然大多數版本老舊、翻譯不佳。在當時，優秀學生很難出國讀書，除非有全額獎學金，在互聯網沒有普及的校園裡，泛黃的教科書和偶爾來訪的學者的講座，是他們接觸全球人工智能研究的唯二途徑。
20年過去，現在一切都不一樣了。
人工智能超級大國的那些事
如我之前所說，在21世紀要建設人工智能超級大國，需要具備四個條件：大量的數據、執著的企業家、優秀的人工智能科學家和有利的政策環境。中國創業公司的競技場選拔出了世界上最精明強悍的企業家，中國的另類互聯網世界創造了世界上最豐富的數據生態環境，再加上另外兩項助力——人工智能專家的湧現和中國政府的政策支持，在這個人工智能實幹的年代，硅谷的優勢將不復存在。
隨著人工智能滲入經濟的更多層面，該領域對優秀人工智能工程師的數量要求，將超過對頂尖人工智能科學家智力的要求。人工智能實幹年代真正的經濟優勢，絕不僅是幾位屈指可數的拓展研究邊界的頂尖科學家，而是一個能和企業家聯手，利用已知科研創造商業價值的龐大的工程師軍團。中國正在訓練這樣的工程師軍團。
在那場講座後的近20年裡，中國的人工智能公司大大拉近了與美國同行們的差距。雖然美國在頂尖人工智能科學家方面仍然領先，但我在合肥看到的那些擁有極強求知慾的學生已經成長起來，前沿全球研究也伴隨著互聯網的發展有了爆炸性傳播，中國公司找到了大批可以驅動人工智能應用落地的優秀工程師。鑽研人工智能的中國學生不用在昏黃的路燈下研究舊課本上的知識，他們能直接從源頭實時地吸納新知，如剖析網上發表的最新學術成果，在微信中討論頂尖人工智能科學家使用的方法，通過智能手機觀看他們的講座。
連接全球的人工智能知識傳播網絡，讓中國人工智能社群得以共享最新知識，躋身高端研究，加入即時培訓。從這些社群出發，優秀工程師使自己服務的公司可以將前沿的開源算法應用於自動無人機、人臉識別支付系統和智能家居終端等人工智能產品，進一步與人工智能領域的巨頭們分享蛋糕。
人工智能時代的七巨頭——谷歌、Facebook、亞馬遜、微軟、百度、阿里巴巴和騰訊，都是中國或美國的公司，它們動輒花費數十億美元建立驚人的數據儲備，大量延攬人工智能精英，努力建立人工智能時代的公共設施：它們正在為人工智能的未來發展鋪設大範圍的「電網」，即建設私有雲和公有雲的設施，使機器學習擴散到整個經濟體系中。巨頭們建立私有人工智能「電網」的現象，不僅令重視開放人工智能生態系統的人擔憂，也是中國迅速崛起、成為人工智能超級大國的一塊隱形絆腳石。
不過，在龐大的經濟體系中引入人工智能的力量，憑私營企業一己之力並不夠，還需要政府的明確態度和良好的政策環境。在柯潔輸給AlphaGo之後，中國政府發佈了力爭在人工智能領域領跑的藍圖。中國的人工智能計劃在新的投資熱潮中激流勇進，引導了創業、創新的新方向。不少城市爭先恐後地想成為人工智能示範城市：從規劃無人駕駛車輛路線、在公共交通系統中安裝面部識別系統，到給交通網配備能夠優化車流的「城市大腦」，幾乎每個方案都顯露出了城市管理者的勃勃雄心。通過這些嘗試，我相信在人工智能實幹的年代，中國將有力地加速資源配置、產生更多數據、種下未來持續增長的種子。這是一種持續的自我循環，借助大數據的神奇力量、創業家的勇氣、辛苦磨煉的專業知識，以及有力的政策導向，持續良性循環下去。
諾獎得主與無名工匠
要理解這兩個人工智能超級大國之間真正的競爭格局，首先要理解這種專業知識來自哪裡。
1938年，在恩裡科·費米（Enrico Fermi）登上法蘭克尼亞II號甲板的那一刻，全球大國的勢力分佈被他改變了。費米當時剛剛在斯德哥爾摩抱走了諾貝爾物理學獎，但是他並沒有回到貝尼托·墨索里尼統治的意大利，而是舉家來到了紐約。此行跨越了半個地球，費米的主要目的是逃避意大利新通過的種族法的限制：該法令阻礙了猶太人、非洲人擔任重要崗位或者與意大利人結婚，費米的妻子勞拉就是猶太人。
來到美國後，費米聽說納粹德國的一些科學家發現了核裂變原理，於是他也迅速展開了進一步的研究。他在芝加哥大學創造了世界上第一個自持鏈式裂變核反應堆，這個成果在曼哈頓計劃中起到了不可替代的作用。曼哈頓計劃誕生了世界上第一枚核武器，為第二次世界大戰後世界秩序的確立奠定了基礎。
費米和曼哈頓計劃代表了在專業知識領域，質量高於數量的時代。20世紀三四十年代是核物理學基礎學科取得突破的時代。為了實現這些突破，一個恩裡科·費米比一千個普通的物理學家都重要。這個時代的美國確立在世界上的主導地位，很大程度是由於吸引了像費米一樣的天才。
但並非每次科技革命都是這種模式。通常，基礎領域的突破出現後，發展的重心會很快從頂尖科學家轉移到無名工匠，即有足夠專業能力將這種新技術應用於解決不同問題的工程師，尤其是當技術突破性成果的應用範圍遍佈整個社會經濟體系，而非集中於某幾個實驗室或者武器系統的應用時。
電的發明和大規模的電氣化很好地印證了這個過程。托馬斯·愛迪生讓電能變得更便宜後，數以千計的工程師開始想辦法利用電能，用電驅動各種新設備，重組工業生產過程。這些工程師並沒有像愛迪生那樣取得重大突破，但他們對電能的瞭解程度，足以幫助他們將電能用在機器上從而產生收益。
目前人工智能的發展階段更符合後一種模式。由於人工智能解決了一個又一個新難題，持續佔據媒體報道頭條，讓我們誤以為仍處於「恩裡科·費米」們有能力決定世界格局的時代。而現實中，我看到的是一個將突破性基礎技術應用於解決多個不同問題的過程，需要大量受過良好訓練的工程師。今天，這些工程師正將人工智能模式識別能力應用於貸款核發、自動駕駛汽車、翻譯文本、下圍棋、小度在家或小愛同學上。
深度學習先驅傑弗裡·辛頓、揚·勒昆（Yann LeCun）和約書亞·本吉奧（Yoshua Bengio）——人工智能領域的「恩裡科·費米」們持續拓展著研究邊界。也許他們會實現新的顛覆性突破，再次打破全球科技界的格局。不過眼下應用領域的進展，還得由工程師們一手打造。
我與深度學習之父傑弗裡·辛頓（左四）
2018年4月，我在全球移動互聯網大會（GMIC）和揚·勒昆（螢幕上）討論人工智能技術。
本吉奧（後排二）的多項研究成果，對深度學習的復興意義重大。
人工智能知識的開放與速率
投身這場技術革命的工程師有一個額外的優勢：能實時接觸到前沿先驅們的研究成果。
在工業革命中，國界和語言壁壘意味著最新的技術突破成果被保留在發源國，也就是英國國內。美國因為與英國在文化上比較相近，又有較為寬鬆的知識產權法，才取得了一些關鍵發明的應用機會，但是發明者和模仿者之間的差距仍舊不小。不過今非昔比，當被問及中國和硅谷在人工智能研究上的差距時，有幾位中國創業者開玩笑道：差距是16小時——加利福尼亞州和北京之間的時差。美國也許有頂尖的研究人員，但他們的大多研究成果，對任何能上網並對人工智能基礎知識有一定瞭解的工程師來說，都是實時可見的。之所以有這樣的知識傳播優勢，是因為人工智能研究中的兩個重要特徵：開放和速率。
人工智能研究人員對自己的算法、數據和成果一向採取開放態度。這種開放性的根源一是來自促進人工智能發展的共同目標，二是出於希望給競爭一個客觀標準。在許多自然科學領域，一個實驗室中的實驗很多時候是無法在另一個實驗室中完全再現的——技術或者環境上的細微差別，對結果的影響都是巨大的。但是，人工智能實驗完全可複製，算法也可以進行直接對比。只需要在同樣的數據條件下訓練檢測該算法即可。國際競賽中，經常有計算機視覺或者語音識別研究團隊相互切磋，而參賽者的研究成果，其他研究人員都很輕易地可以驗證或審查。
人工智能領域的進步速度，也是促使研究人員選擇實時分享研究成果的因素之一。許多人工智能科學家並不嘗試去完全顛覆深度學習，而是不斷優化算法。這種進步通常能讓語音識別或者視覺識別在不同應用和場景達到新的精度。而研究人員則在這些新紀錄（而不是新產品或者收入）的基礎上進行比拚。打破紀錄的人，當然希望得到認可和回報。但因為發展的速度太快，許多研究人員都會擔心，要是等到在期刊上發表研究成果，那時他們的紀錄可能早就被打破了，而他們達到巔峰的這一刻也將無法載入史冊，所以他們一般不會隱瞞研究結果，而是會立刻在類似於www.arxiv.org這種線上科研論文庫上發佈。這類網站可以讓研究人員實時發佈研究成果，讓他們在人工智能算法的研究領域青史留名。
在後AlphaGo的世界，中國學生、研究人員和工程師都是www.arxiv.org最忠實的讀者。他們整理、翻譯，為揚·勒昆、塞巴斯蒂安·特倫還有吳恩達等前沿科學家的講座製作字幕。在微信上，中國的人工智能社區創建了大型聊天群，還有其他一些多媒體平台可供討論人工智能領域的最新進展。至少有13家新媒體負責專門跟蹤報道產業新聞、專家分析和開放式對話。這些聚焦人工智能的媒體擁有超過100萬的註冊用戶，其中半數都獲得了超過1000萬美元的風投。我參加了「PaperWeekly」論文討論組等十幾個類似的500人微信群，每天能刷新幾百條人工智能相關的新信息和最新算法成果的截屏圖片，大量的研究人員在線上和線下熱烈研討人工智能領域的新研究成果。
然而，身在中國的人工智能參與者們，並非只是西方世界智慧結晶輸出的受益者，他們也在為這個研究生態系統做出越來越多的貢獻。
避開中國新年的國際會議
美國人工智能促進協會（The Association for the Advancement of Artificial Intelligence, AAAI）在長達30年的時間裡每年都舉辦大型的人工智能國際會議，是全球人工智能界最重要的會議之一。但在2017年，他們差點兒辦砸——那年會議的舉辦在時間上與中國的春節撞了車。放在幾年前這根本不是問題，歷史上美國、英國和加拿大學者一直統治著這一領域，有論文產出的中國研究人員屈指可數。但是2017年的國際大會，提交論文的中國研究人員和美國研究人員人數不相上下。「沒人會在重大節日舉辦如此重要的國際會議，」AAAI理事長告訴《大西洋月刊》，「我們花了好大力氣，才將會議推遲了一周。」(1)
無論是現有模型的微調，還是構建世界級的新神經網絡架構，中國的研究者都在做出源源不斷的貢獻，他們對人工智能的貢獻是全方位的。從學術研究成果的引用次數就能看出中國研究人員日益增長的影響力。創新工場分析了2006年至2015年間，所有人工智能研討會和人工智能期刊被引用次數前100名，發現在此期間由中文名字研究人員冠名的論文數量從23.2%激增到了42.8%(2)，增長了將近一倍。對這些作者所屬的研究機構的調查表明，除去部分作者在國外進行的研究（如沒有使用英文名字的美籍華裔研究人員），大多數的論文內容確實是在中國得出的成果。
最近對全球研究機構的引用記錄統計也印證了這一趨勢：2012年至2016年，人工智能領域的研究機構被引用次數前100名中(3)，中國僅次於美國。前沿研究機構中，清華大學甚至在人工智能被引用次數上超過了斯坦福大學等老牌人工智能院校。值得注意的是，這些研究大多還聚焦於前AlphaGo時代，也就是中國在該領域投入更多研究資源之前。相信在不久的將來，一大群年輕的博士生將引領中國的人工智能研究達到一個新的高度。
除了被廣泛引用的論文之外，自深度學習出現以來，中國的研究人員還為神經網絡和計算機視覺等領域帶來了長足進步。這中間，許多研究人員都來自我在1998年創立的微軟中國研究院（之後更名為微軟亞洲研究院），這裡培養了超過5000名人工智能研究人員，包括今天在百度、阿里巴巴、騰訊、聯想和今日頭條任職的技術或人工智能負責人。
微軟亞洲研究院：中國AI黃埔軍校
2015年，微軟亞洲研究院的一支團隊在圖片網絡（ImageNet）的全球圖像識別大賽中一鳴驚人。這個團隊帶來的精妙算法叫作殘差網絡（ResNet），它對10萬張照片進行了識別，並列入1000個不同類別之下，而其錯誤率低至3.5%。2年後，谷歌的DeepMind研發出了AlphaGo Zero，即能夠自學的新一代AlphaGo，殘差網絡就是它的核心技術模塊之一。
研發了殘差網絡的發明人離開了微軟亞洲研究院。殘差網絡論文的四位作者，一位加入了Facebook的揚·勒昆研究團隊，而其他三位或是創立，或是加入了中國的人工智能創業公司。帶領殘差網絡的孫劍加入了曠視科技——一個全球人臉識別及圖像識別技術領域的領軍企業。2017年的COCO圖像識別大賽，曠視科技團隊在四大領域中勇奪三個冠軍，打敗了來自谷歌、微軟和Facebook的眾多團隊。
2017年，在人工智能和全球安全峰會上，前谷歌CEO埃裡克·施密特提醒與會人員，不要小看中國在人工智能領域的潛能。他預測，中國的人工智能將在5年內趕上美國：「這些中國人很厲害……如果你認為他們……無法培養我說的這種人才，那可就大錯特錯了。」(4)
七巨頭和下一個深度學習
不過，在全球人工智能研究社群向著流動、開放系統蓬勃發展的同時，這個生態系統中的一個模塊卻變得更加封閉，即大公司的研究實驗室。雖然學者們積極和世界分享著他們的成果，但是上市的科技公司也有責任為股東實現利益最大化——這通常意味著減少技術公開、增加專利保護。
向人工智能研究投入大量資源的公司有數百家，七大人工智能巨頭——谷歌、Facebook、亞馬遜、微軟、百度、阿里巴巴和騰訊，實際擔當了50年前由國家扮演的角色，即規模巨大的投入與研發、封閉的系統、人才與資源控制、專注於「不外傳」的突破技術。
當然，企業的研究想要保密很難做到滴水不漏：企業內部團隊成員不斷離開，創立了自己的人工智能公司，還有一些企業下屬的研究機構如微軟研究院、Facebook人工智能研究團隊、DeepMind等仍在繼續公開發表重要成果。但總體來講，如果這些公司取得了原創的、突破性的研究成果，這些成果能保證公司獲得巨大利益，它們就一定會盡力保密，想辦法在成果洩露前做到收益最大化。
封閉系統中出現的突破性研究成果將會對開放的人工智能系統構成威脅，也會影響中國在人工智能領域趕超美國的步伐。以目前形勢來看，中國在創業精神、數據、政府支持等方面佔領了先機，專業研究水平也正急速追趕著美國。如果現階段的技術趨勢在未來幾年能夠繼續保持，中國的人工智能創業公司將成為一支利箭，勢如破竹地穿透其他行業領域。中國將以深度學習和其他機器學習技術為籌碼，顛覆數十個領域，成功實現經濟轉型。
但是，如果真的有人發明了下一個和深度學習一樣偉大的技術，而且是發生在密閉的企業環境中，形勢就難說了。它有可能讓某一個公司突然獲得超越其他巨頭的力量，引領我們重回發現時代——由少數精英專家來打破均勢。
在我個人看來，未來幾年某個巨頭單獨且秘密地完成這種發現的可能性不大。深度學習是過去50年來最大的飛躍，這種規模的進展幾十年只有一個。如果這樣的突破性進展再次出現，出現於開放性學術環境的可能性相對較大。現在，企業巨頭們正將空前熱情投入到獲取深度學習應用價值的過程中，這意味著大量資源被用於對深度學習算法進行改進和微調，相對來說，只有小比例的資源投入針對下一個顛覆性突破的、真正的開放式研究。
另外，由於缺少數據和算力，大學與其他獨立研究機構的學者們發現他們在深度學習的實踐應用領域完全沒有競爭力。所以，許多研究人員都開始追隨傑弗裡·辛頓的腳步，專注發明「下一個深度學習」，開放地研究顛覆性的、能解決人工智能問題的全新工具。這種開放研究很可能在偶然間實現下一個突破，同時發表出來分享給全世界。
谷歌戰群雄
如果下一個深度學習注定要產生於企業界，那最有可能的候選人就是谷歌。人工智能七巨頭中，谷歌（準確地說是它的母公司Alphabet）出類拔萃。它是最早發掘深度學習潛能的公司之一，旗下擁有DeepMind和自動駕駛公司Waymo。
不說其他巨頭，就谷歌一家公司在該領域的資金投入連美國政府也自慚形穢：美國聯邦撥給數學和計算機科學研究的投資總額還不及谷歌研發部門預算的一半。(5)2013年，谷歌收購DeepMind花了超過5億美元。而自2009年谷歌無人駕駛項目開始啟動，到2015年年底，谷歌在Waymo的軟硬件開發上花了11億美元。這些看似瘋狂的投資，使人們得以在2017年目睹歷史性一幕：5月，AlphaGo完美戰勝人類圍棋世界冠軍；11月，Waymo宣佈在美國測試沒有司機坐在駕駛位上的無人駕駛車輛。這是自動駕駛領域又一次重大突破：在亞利桑那州鳳凰城的自動駕駛出租車行駛過程中，Waymo員工不再坐在駕駛座上準備踩剎車，而是坐在一側，準備在出現問題時按下標有「Pull Over」（靠邊停車）的按鈕。2018年，Waymo計劃在鳳凰城的部分地區推出完全無人的出租車。
瘋狂燒錢為谷歌招攬了世界上大部分最聰明的人工智能從業者。排名前100的人工智能研究人員和工程師中，大約半數隸屬谷歌。而另一半則分屬其餘幾大巨頭、學術界以及少數幾個小型創業公司。微軟和Facebook在其中所佔比例巨大，如Facebook有揚·勒昆這樣的超級研究人員。中國巨頭中，百度是最先投入深度學習研究的企業，2014年曾嘗試收購傑弗裡·辛頓的創業公司（在價格戰上輸給了谷歌），最終招募到了吳恩達，抬高了百度硅谷人工智能實驗室的身價。不出一年，人才戰就帶來了回報。2015年，百度的硅谷實驗室開發了語音識別系統「深度語音2」（Deep Speech 2），在漢語語音識別領域超越了人類。這證明了端對端深度學習方法可用於高準確識別口音差異顯著的語言，採用高性能計算技術帶來了7倍的加速，這是個巨大的成就。微軟在一年後才在英文語音識別領域達到相同的水平。(6)2017年，吳恩達離開百度(7)，創建了自己的人工智能投資基金，但是他在百度的研究歷程，既展現了百度的雄心，也提高了他在研究界的聲望。
阿里巴巴和騰訊在人工智能人才競爭中介入相對較晚，但它們有著能吸引頂尖人才的資金和數據。騰訊有微信這個全球最大互聯網市場中的超級應用，擁有的數據生態系統恐怕是幾位巨頭中最豐富的一個。這一點成了現在騰訊吸引頂尖人工智能研究人員的法寶。2017年，騰訊在西雅圖創辦了人工智能研究機構，馬上開始從總部位於西雅圖的微軟公司物色研究人員。阿里巴巴也緊隨其後，創辦了包括硅谷和西雅圖在內的全球研究實驗室。到目前為止，騰訊和阿里巴巴還未公開展示其研究成果，而是韜光養晦，等待產品驅動型應用的產生。阿里巴巴推出的「城市大腦」計劃是一個大型人工智能網絡，通過從監控錄像、社交媒體、公共交通和定位系統等端口提取數據，來優化城市服務。阿里巴巴與總部所在地的杭州市政府聯手，正在用先進的物體識別和交通預測算法實時調控紅綠燈，並在發生交通事故時及時通知救援人員。這個算法在試運行期間，部分地區的交通流速提高了10%(8)，阿里巴巴也在準備將此服務應用於其他城市。
儘管谷歌在人工智能精英競賽裡領先一步，但鹿死誰手猶未可知。如上所述，根本性的突破少之又少，出現的時間間隔也很大，而且顛覆性的發現通常出現在意想不到之處。深度學習來自一個小眾網絡，是一群主流研究人員看不起的、研究機器學習方法的研究人員得出的成果。如果下一個深度學習真的存在，那它可能藏在某個校園或是企業實驗室裡，至於何時何地出現誰也不知道。雖然世界在等待新的突破，但現在我們還處於人工智能實幹時代。
人工智能的電網、電池之戰
人工智能巨頭們並非只是在尋找下一個深度學習的跑道上競賽。目前它們與小型人工智能創業公司還有一戰，因為一些小型創業公司正在利用機器學習革新某些產業。這是將人工智能「電能」分配進經濟體系的兩種不同方式的較量：七巨頭的「電網」式與創業公司的「電池」式。這場較量的結果將決定人工智能的商業格局——壟斷、寡頭或是數百個公司自由競爭。
「電網」式的目標就是將機器學習的力量轉化成標準化服務，可以由任何公司購買，無論是達成學術目的還是個人使用都可以通過雲計算平台實現共享，甚至可以免費使用。這個模式中，雲計算機平台就是電網，作用是根據用戶提供的不同數據，實現複雜機器學習最佳化。「電網」式可以降低專業門檻，提升雲人工智能平台的功能。連入「電網」就能讓有大數據的傳統公司輕易使用到最棒的人工智能，而不用將優化人工智能作為核心工作。當然，應用機器學習絕非將電力輸入房屋那麼簡單（恐怕也永遠不會這麼簡單），但是這些雲平台後面的公司如谷歌、阿里巴巴、亞馬遜等希望扮演公共事業公司的角色，管控「電網」並收取費用。
谷歌的TensorFlow是一個打造深度學習模型的開源軟件生態系統，雖仍需要一些人工智能專家運營，但已經展現出這個模式的雛形。2015年，谷歌的人工智能專家創建了TensorFlow，借助TensorFlow，公司的工程師可以更容易地提高搜索和語音識別服務的精確性。在將TensorFlow開放給公司內部工程師數月後，谷歌宣佈軟件免費向全球開放。近3年後，這一機器學習平台成為人工智能工程師使用機器學習開發新應用的首選工具。這個平台的客戶之一保險巨頭安盛（AXA），就利用TensorFlow開發了可預測高昂保費的交通事故的系統。2017年，雲服務基礎設施的市場規模約為400億美元，亞馬遜和微軟佔據了大半江山，谷歌位居第三。借助TensorFlow，谷歌希望自己的雲服務市場份額在5年內躍升至第一。在未來，大力投資人工智能的傳統公司為了讓自身搭建和運行人工智能的成本更低，會向雲服務提供商砸下重金，購買「電網」服務。
相對較小的人工智能創業公司則選擇了另一條路：為各行各業打造具有高度針對性的人工智能「電池」，這時「電網」還沒有成形。這些創業公司靠的是深度而非廣度。它們不打算提供通用型的機器學習能力，而是為特定目的打造產品、打磨算法，如醫療診斷、抵押貸款和自動無人機等。它們把寶押在了傳統商業日常運營中，眾多瑣碎細節無法很好地跟通用網絡契合在一點上。準確地說，這些創業公司不是要讓傳統公司「用標準的」人工智能，而是為傳統公司量身打造能即刻融入公司正常流程的人工智能。
現在判斷「電網」式和「電池」式孰優孰劣為時尚早。谷歌這些巨頭在緩慢向世界伸出觸角，而中國和美國的創業公司則在激烈爭奪新領域、加強自己面對七巨頭的競爭力。這場份額爭奪戰將最終決定新的經濟格局：是七巨頭獲得大部分利潤，成為人工智能時代的超級公共事業公司，還是由更多新公司瓜分巨大的蛋糕？
中國芯片的機會與挑戰
除了人工智能巨頭、創業公司和兩大國家之外，人工智能競爭中還有一類選手——計算機芯片製造商。高性能芯片通常是計算機革命中默默無聞的英雄，是台式機、筆記本、智能手機、平板電腦的核心所在。雖然不為終端用戶所知，但從經濟和安全角度講，打造這些芯片十分重要。
每一代計算機都需要不同芯片。當台式機佔領王座時，芯片製造商不在乎耗電，努力為高分辨率屏幕打造最快處理器和顯卡。英特爾是設計這種芯片的專家，在台式機時代創造了巨大財富。但是隨著智能手機的普及，高效用電成了芯片成敗的關鍵，高通公司以英國ARM的芯片為基礎設計出來的產品後來居上。
現在，隨著傳統計算機程序逐漸被人工智能算法替代，需求再次發生了變化。機器學習需要快速運行複雜的數學計算，這一點是英特爾或者高通公司的芯片都不曾注重的。於是，以設計電子遊戲所需的高性能圖像處理芯片聞名的英偉達（Nvidia）乘虛而入，圖像處理背後的數學原理與人工智能算法的需求十分匹配，英偉達也因此成了芯片市場的新星。當英特爾猶豫不定時，僅百度一家公司從英偉達購進的深度學習芯片的數量就達到向英特爾採購數量的4倍。2016年到2018年年初，英偉達的股價翻了10倍。
圍繞著人臉識別與自動駕駛等新型需求，各家公司開始了下一代人工智能芯片的競賽。這一次，連谷歌、百度、微軟和Facebook這些從不曾研發芯片的公司也一擁而上：2016年5月，谷歌宣佈，其專門為TensorFlow設計的芯片TPU已經秘密使用了一年多；9月，微軟發佈了可以執行Bing（必應，微軟自己開發的搜索引擎）機器學習算法的可編程芯片，來增強英特爾處理器的計算性能，以提高網頁搜索速度。當然，芯片業內的英特爾、高通和一些資金雄厚的硅谷創業公司更是不敢怠慢。於是在業內隨處可見互聯網科技公司和芯片公司聯手進軍人工智能的芯片領域的場景。
中國政府數十年來都在努力研發國產高性能芯片。但是這一過程十分複雜，對專業度要求極高。過去30年，硅谷公司一直保持著芯片開發的領先地位。這一次，中國政府和中國芯片創業公司都希望能有所不同，科技部投入了大量資金，指明要研發出在性能、耗能效率上高出英偉達現有產品20倍的高效芯片。中國的芯片創業公司如地平線機器人、比特大陸科技有限公司、寒武紀科技公司等均獲得了大量投資，用於研發針對自動駕駛和其他人工智能應用的各種產品。中國在數據上的優勢也將在芯片研發中發揮作用，為硬件開發商提供無數能檢驗產品的實例。
總之，目前在人工智能芯片研發領域，硅谷仍然處於領先地位，但這一優勢可能在未來10—20年被中國政府和中國的風投趕上，因為在人工智能帶來的大規模經濟變化面前，政府和企業都非常看重芯片。
太平洋兩岸的兩個計劃
2016年10月12日，當時的美國總統貝拉克·奧巴馬在白宮發佈了一個醞釀良久的計劃(9)，內容是討論美國要如何利用人工智能的力量。該文件詳述了人工智能將為經濟體繫帶來巨大轉型，闡明了把握這個機遇的細節步驟，如增加研究投入、提高軍民合作、投入應對社會變化等。這份總結變化、提出方案的優秀報告沒有激起美國人工智能的熱潮，沒有為人工智能創業公司帶來新一輪風投和政府資助，也沒有刺激市長或者州長們發佈對人工智能友好的政策。當新任總統特朗普在報告發佈3周後入主白宮時，甚至直接提議減少10%的美國國家科學基金會經費。(10)
美國社會各界對白宮發佈的報告反應冷淡，與中國國務院發佈人工智能發展計劃後引發的全民熱潮形成了強烈的對比。2017年7月，國務院發佈的《新一代人工智能發展規劃》造成了巨大的衝擊波，這份規劃與白宮報告有許多異曲同工之處，列出了數百種針對各行業的人工智能應用，為中國成為人工智能超級大國的進程列出了清晰的目標。該文件表示中國要在2020年躋身人工智能強國的行列，2025年完成某些重大突破，2030年成為世界主要的人工智能創新中心。
如果說AlphaGo曾是中國的「斯普特尼克」時刻，那麼這個政府主導的人工智能計劃，其影響遠甚於約翰·肯尼迪總統關於美國人類登月的標誌性演講。這份文件中雖然沒有肯尼迪的豪言壯語，卻達到了更好的效果，激發了全國上下創新的積極性。
押寶人工智能
隨著政府發佈中國的人工智能發展計劃，積極進取的城市紛紛採取行動，將管轄區域轉型為人工智能熱點城市。通過政府的「引導基金」將風投資金引導至人工智能領域，購買當地人工智能創業公司的產品和服務，設置數十個特別開發區和孵化器。
從南京市的舉動就能看出政策推動的力度。與北京、深圳和杭州不同，南京並非中國創業公司的第一選擇，為了讓南京成為人工智能的熱點城市，當地政府投入了大量資金和政策支持，以吸引人工智能公司和頂尖人才。2017年到2020年，南京經濟技術開發區計劃至少向人工智能開發項目投入30億元人民幣。這筆錢主要用於人工智能行業的補貼和其他優惠支持，如向當地人工智能創業公司投入1500萬元人民幣，其中研究經費最高可達500萬元人民幣，並保證每家公司至少有100萬元人民幣用於吸引人才。此外，當地政府與人臉識別和自動化機器人技術公司簽訂合同、簡化公司註冊手續、為公司高管的孩子們提供就讀當地學校名額、為公司員工提供宿舍等。南京市的高新開發區還成立了「智谷」（AI Valley），建築面積共有200萬平方米。這只是中國的一個城市，是中國發展人工智能的縮影。南京有800萬人口，而中國有上百個人口超過百萬的城市。除了南京，很多其他城市也啟動了類似規模的人工智能園區規劃，如重慶、廣州、上海、寧波、合肥等。此外，中國有多所大學開設了與人工智能相關的本科專業，如中國科學院大學、西安電子科技大學、上海交通大學、重慶郵電大學、哈爾濱工業大學、天津大學、南開大學、吉林大學等。這些院校分佈在中國的大江南北，未來有一大批人工智能人才將要從這些學校走出，參與到人工智能的研發與推廣中。
這一撥政府激勵正在許多城市如火如荼地進行，競相吸引、投資、協助人工智能公司。這是過去10年裡，我目睹的中國政府對科技研發的第二次推動。2007年至2017年，中國的高速鐵路從零走到了世界第一，在2015年李克強總理發起「大眾創業，萬眾創新」的號召之後，一撥有特色的激勵政策創造了6600家孵化器，成功地改變了中國在技術創業方面的文化導向。
當然，現在還不能預測中國人工智能規劃的結果，但如果從中國歷史中尋找線索，會發現這種方式可能效率不夠理想但效果好。投資規模如此之大，發展速度如此之快，難免會出現效率不夠理想的情況。政府的政策推動也決定了難免會出現浪費的現象：為人工智能公司員工建設的宿舍會有空置，落地的創業公司也可能失敗或倒閉，總會有傳統科技公司套上人工智能公司的名號搶到不應得的補貼，也會有採購的人工智能設備在辦公室積灰。但是，中國政府仍然願意冒這個險，願意承擔在追求一個更偉大目標的過程中可能遭受的損失，這個目標就是強力推動經濟增長、進行技術的升級。這個自上而下引導的轉型，潛在優點是規模足夠巨大，能為如此大的投入做擔保。
與之相對的是，美國一旦投資失敗，必將帶來政壇的血雨腥風。2008年金融危機後，美國總統奧巴馬的新政策刺激了許多新產業項目，如政府貸款給前景頗好的可再生能源計劃。這些貸款中的一部分，已經確定屬於索林佐（Solyndra）——一個位於加州的太陽能面板公司，這家企業一開始前途光明，卻在2011年宣佈破產。這次失敗引發的對於總統的批評很快變成了2012年大選中最有力的政治抨擊。雖然奧巴馬扛住了負面攻擊成功連任，但導致的結果是美國政治家更加不敢大膽地用政府資金來提振經濟與推動技術升級了。
自動駕駛的困境
過去30年裡，當政府正確引導能帶來重大經濟轉變的新技術方向時，技術實用主義的政策是十分有利的，自動駕駛汽車就是一個範例。
自動駕駛汽車將來一定會比人力駕駛汽車安全許多，大規模推行這種技術將大幅度減小交通事故傷亡率。2016年，美國交通事故死亡人數約為4萬人，相當於「9·11」事件在一年內發生13次。世界衛生組織估計，中國公路交通事故年傷亡大約為26萬人，全球則是125萬人左右。(11)此外，自動駕駛還能大幅提高交通和物流效率，這些都對整個經濟體系有相當大的好處。
不過，雖然能拯救生命、提高產出，但這項新技術也可能導致部分人群失業甚至失去生命。比如出租車、卡車、公交車和物流運輸員在自動駕駛普及後可能失業，自動駕駛車輛也有可能因為故障發生車禍。有的情況會令自動駕駛汽車被迫做出兩難選擇：右轉有55%的可能撞倒兩個行人，左轉有100%的可能撞倒一個行人，每個風險背後都涉及了棘手的道德問題。我們該如何在數百萬司機的工作與自動駕駛汽車能節省的近萬億美元、數千萬工時之間權衡？如果不得不發生碰撞，我們該如何優化自動駕駛汽車的選擇？自動駕駛汽車的算法中，車主的生命又該佔多少權重？自動駕駛汽車是否應該為拯救其他三個人，而選擇犧牲車主的生命？這些問題讓倫理學家難以入眠，也阻礙了自動駕駛汽車應用的相關立法進程，甚至導致了研發自動駕駛的人工智能公司捲入了長達數年的法律糾紛。尤其在美國，我已看到這種趨勢的前兆：2017年，卡車司機工會成功遊說美國國會把卡車排除在一項法案之外，這項法案旨在加快自動駕駛的應用。
而在中國，我相信政府能理解這些困難不是推遲技術發展的理由。為社會帶來大規模改進與長期能拯救更多生命的益處，應該促使政府歡迎人工智能實幹時代的到來。每個國家都應該基於自己的文化價值觀制定相關政策，但中國的政策路徑無疑更有利於人工智能的加速發展。在這一輪高速發展中，中國各地政府紛紛為人工智能的發展站台，運用各種政策及資金補貼吸引人工智能公司入駐，使當地政府成為率先實現人工智能經濟轉型的榜樣，如在公立醫院設置人工智能輔助醫生、規劃自動駕駛區域，或利用「城市大腦」優化交通網。這些投入不僅是為了政績，也是為了造福社會。
美國對移民的開放、對人才的尊重，吸引了來自全球各地的人才。這些人中包括恩裡科·費米、阿爾伯特·愛因斯坦和今天的許多人工智能科學家。而中國在經濟產業升級過程中採用的自上而下的推進模式，在憑借人工智能力量打造新的社會秩序和經濟體系時，為中國帶來了獨特的優勢。瞭解兩個超級大國以及七個巨頭的優勢和劣勢後，才能勾畫出人工智能落地的時間軸，看到人工智能產品和系統會如何改變我們身邊的世界。
(1) Sarah Zhang, 「China』s Artificial-Intelligence Boom」, The Atlantic, February 16, 2017,https://www.theatlantic.com/technology/archive/2017/02/china-artificialintelligence/516615/.
(2) 《投資AI生態，共贏智慧未來：創新工場人工智能戰略白皮書發佈！》，創新工場，2017年1月10日，https://mp.weixin.qq.com/s/dJHPLN0q_K5mlJXvXrLVBg。
(3) Shigenori Arai, 「China's AI ambitions revealed by list of most cited research papers」,Nikkei Asian Review, November 2, 2017, https://asia.nikkei.com/Tech-Science/Tech/Chinas-AI-ambitions-revealed-by-list-of-most-cited-research-papers.
(4) Same Shead, 「Eric Schmidt on AI: 『Trust Me, These Chinese People Are Good』」,Business Insider, November 1, 2017, https://www.businessinsider.com/eric-schmidt-onartificial-intelligence-china-2017-11.
(5) Gregory Allen, Elsa B. Kania, 「China Is Using America』s Own Plan to Dominate the Future of Artificial Intelligence」, Foreign Policy, September 8, 2017, https://foreignpolicy.com/2017/09/08/china-is-using-americas-own-plan-to-dominate-the-future-of-artificialintelligence/.
(6) Allison Linn, 「Historic Achievement: Microsoft Researchers Reach Human Parity in Conversational Speech Recognition」, The AI Blog, Microsoft, October 18，2016, https://blogs.microsoft.com/ai/historic-achievement-microsoft-researchers-reach-human-parity-conversational-speech-recognition/.
(7) 《百度高層再震盪！首席科學家吳恩達宣佈離職》，新浪科技，2017年3月22日，https://tech.sina.com.cn/i/2017-03-22/doc-ifycnpiu9435896.shtml。
(8) 《雲棲大會｜阿里技術主席王堅：城市大腦是阿里和杭州獻給城市發展的禮物》，搜狐科技，2017年10月13日，https://www.sohu.com/a/197854624_670688。
(9) 白宮報告：《為未來人工智能做好準備》，https://obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf, https://www.sohu.com/a/116178397_505814。
(10) Paul Mozur, John Markoff, 「Is China Outsmarting America in A.I.?」, New York Times,May 27, 2017, https://www.nytimes.com/2017/05/27/technology/china-us-aiartificial-intelligence.html?_r=0.
(11) 「Scale of Traffic Deaths and Injuries Constitutes 『a Public Health Crisis』—Safe Roads Contribute to Sustainable Development」, World Health Organization, Western Pacific Region, press release, May 24, 2016, https://www.wpro.who.int/china/mediacentre/releases/2016/20160524/en/.