#微冷 你或許沒有細想的英文單字一把抓。你知道嗎？

camp 野營，紮營
campus 大學校園
campaign 戰役
champion 鬥士，冠軍
​　
以上文字溯源起來，都和拉丁語的 campus 相關，意思是開闊的鄉間田野。感覺很平和的鄉間，其實不總是如此，古代打會戰或軍事演練都需要一塊開闊的土地，於是「鄉下」就這樣和「戰鬥」扯上了關係。就連德語都受到拉丁語的影響，有了 Kampf 戰鬥這個字。
​　
而 campus 這個字用來指大學的校園，始於美國紐澤西州的普林斯頓大學——所以說以後蓋大學都需要大平台 ?! ——根據 Merriam-Webster 字典，此用法最早出現在 1774 年。順帶一提，喬治華盛頓將軍就真的在獨立戰爭期間，1777 年在普林斯頓擊退英軍，打了一場個人少有的勝仗。
​　
羅馬帝國崩解後，西歐和南歐進入了全民亂講拉丁語（也就是通俗拉丁語 vulgar latin）時期，久而久之民間的創造力開始重新塑造拉丁語的發音，總之總之最後 campus 變成了法語的 (le) champ 就是田野的意思。
​　
總之，法國人並不是讀了孟浩然：
「開筵面"場圃"，把酒話桑麻」才改成 champ 的 #耍冷要註明
​　
最有名的 champ，非巴黎的 Champs-Élysées, (Avenue des) 莫屬了，一般稱為香榭麗舍大道，空耳則會聽成「瞎賊力賊」。
​　
畢竟知道了 champ 的意思是田野，大家或許會猜～嘿～那一定是大道從前是塊田，屬於某位叫 Élysée 的王族之類的。
​　
那就微妙的答錯了。原來 Champs-Élysées 的命名超級有格調，是直譯源於希臘神話裡，英雄升天後靈魂居住的至福樂土：Field of Elysium ; Ἠλύσιον πεδίον。#聖鬥士
​　
到這邊就會想到一個問題，法國的總統府：愛麗舍宮（Palais de l'Élysée）的愛麗舍，和大道的愛麗舍，誰先誰後呢？只要查一下就知答案是大道先，早在 1709 年就得名如此了。愛麗舍宮則要到 1787 年才改為這個名字。不久的兩年後，法國貴族要去的就不是樂土而是斷頭台了。🥶
​　
不只田野，法文也用 champ 來稱呼物理中的場（對應的英語是 field）例如電場、磁場、向量場、重力場。
​　
總見到網友表示說科宅的文章一貫雜亂，東拉西扯跳來跳去，但說真的我是那種輕易屈服於誘惑的人，總想著今天難得碰到了邊，不提一下驚人的奇怪梗，不知道何年何月才有機會講到呢。這邊就硬是提一下在查這個主題的時候最讓我嚇一跳的事情。
​　
事情就是「喔~瞎賊力賊 喔~瞎賊力賊」的那首舉世聞名的法文歌 Champs-Élysées，的前世竟然是一首默默無名的英文歌！是經高手魔改過之後，才變得渾然天成的法國風情了（所以說，是否法國風情純粹存在於人們的想像之中？）。
​　
很多人或不知其存在的英語的原曲，叫 Waterloo Road 欸?! 是滴，倫敦的滑鐵盧路。從濃濃倫敦風情的一條路被改成巴黎的招牌大道該曲的命運也未免太奇妙了。
​　
說到哪？我們拉回來說一下中世紀，在拉丁語的緩慢毀壞、重新形塑、並與法蘭克和日耳曼人的語言融合的過程之中，便演變出了 champion 這個字，起初的意思是強悍的鬥士（gladiator 那樣的形象），字典記錄到英語中最早 champion 用來稱呼「冠軍、第一等的競爭者」的用法是在 1730 年。
​　
因此英文片語 champion of 某人、某事物、某願景的意思是，不僅大力支持，更在其人其事受到威脅損害時，願意站出來捍衛的地步。有一種大護法的感覺。
​　
話題就來到 Queen 皇后合唱團的名曲 We Are The Champions，這首歌乍看或許會以為是為了那些「我們贏球、我們最強」的足球 [消音] 量身訂做的歌。但越是細看歌詞，越是覺得案情不單純。歌裡的 champion 更像是獨自歷經艱辛、忍辱負重前行的一名捍衛者。雖然只是我個人的心得，那就是不一定每一個 champion 最後都會是 champion，但如果我們站在一起一同付出，那我們都是 champions 大概是這樣。
​　
最後，香檳 Champagne 當然也不是因為奪冠軍了要開香檳，才叫香檳的啦。法國的香檳區，和義大利南部的坎帕尼亞大區 Campania （拿坡里所在的區）都是古羅馬至今的紅白酒產地，滿山遍谷的葡萄園與大糧倉。故取拉丁語 campania felix 肥沃之鄉的意思。住的不是冠軍，也不是一日球迷，而是 campagnard (法) 鄉下人。
​　
_
圖片: Delair Wine field DT18 by Delair Tech, via Wikimedia commons (CC BY-SA 4.0)
資料來源: www .etymonline .com; Merriam-Webster dictionary; Wikipedia (fr/en)

深度：中科院AI勢力崛起

2020-01-21

智東西
文 | 韋世瑋

我們將時針倒回至七十年前。

己丑年甲戌月，東四馬大人衚衕10號的冬天全然未見絲絲涼意。這看似並不起眼的北京城中一隅，正醞釀着一場影響中國科技發展的深刻變革。

小衚衕裏，時年57歲的郭沫若被正式任命爲中國科學院院長。歷史以此爲起點向前奔涌，往後領導班子不斷更替的七十年間，我國自近代以來百廢待興的科技產業發生了翻天覆地的變化。

中國科學院（簡稱中科院）是我國在自然科學和高新技術綜合研究領域的最高學術機構。自成立以來，逐漸建成了完善的自然科學學科體系，覆蓋物理、化學、環境與生態學等學科，爲我國國家安全和科技硬實力的發展上，成爲了不可或缺的國家戰略科技力量。

從首次人工合成牛胰島素，到第一臺原子力顯微鏡（AFM）的誕生；從第一臺大型向量計算機系統，到首款通用處理器芯片「龍芯1號」的自主研發……中科院一路高舉科學振興的旗幟，帶領我國無數高端學科和科技產業萌芽、興起與爆發。

在學術研究領域，中科院旗下擁有12所分院，超100家科研院所，中國科學院大學、中國科學技術大學、上海科技大學（與上海市共辦）均爲中科院所屬的全國重點大學。建院以來，中科院已培養了近千名科技領軍人物和科技尖子人才，涌現出一批又一批的高科技創業者。

隨着人工智能的大火再度把世界科技熱潮點燃，中科院仍保持着強勁實力屹立於世界AI領域的發展潮頭。

放眼世界，2019年全球頂尖計算機科學機構排行榜CSRankings中，中科院以5.3分排名AI全球榜第四，僅次於清華、北大和卡耐基梅隆大學。

回望中國，中科院一手甩出寒武紀、雲從科技等估值10億美元的AI獨角獸，一手穩握中科曙光、科大訊飛和中科創達等多支A股王牌，在羣雄割據混戰的AI戰場中肆意廝殺。

國內外AI科技競賽一波未平一波又起，不知不覺間，中科院AI勢力的星星之火在2019年AI落地生死戰中，歷經了數萬家企業落幕背後的暗潮撲殺，正以爆發之態燎原至漫山遍野。

溯源中科院這場AI勢力崛起的背後，不僅是瞭解我國最高科研學術機構的技術根基和人文底蘊，我們對中科院系的冰山一角進行層層剖析的同時，也嘗試從中窺見這派AI勢力在當下產業落地生死戰的底牌與新活法。

一、中科院的根：研發與人才四十餘年灌溉

中科院系AI企業的野蠻爆發與生長，源於中科院深埋於我國科技土壤的根，離不開研發與人才長年累月的滋養和灌溉。

中科院的研發實力有多強？2019年《Nature》雜誌公佈的2019自然指數（Nature Index）年度榜單中，中科院以1678.64分一馬當先，超越845.54分的哈佛大學，猛衝全球領先研究機構第一的寶座。

細數我國改革開放四十餘年，在國民經濟、國家重大需求乃至世界科技前沿領域，亦活躍着中科院的身影。

2018年，中科院系統梳理了它在四十年間所研發的40項具有代表性、標誌性的重大科技成果。

其中在國家重大需求領域，中科院微電子所組織全國性產學研用聯盟，七年間不斷攻克集成電路（IC）產業研發瓶頸，實現22nm高K介質/金屬柵工程、14nm FinFET器件、新型閃存器件和可製造性設計等關鍵技術突破。

與此同時，在關鍵工藝模塊上，中科院微電子所還形成了較爲系統的知識產權佈局，擁有專利2406項，其中國際專利483項。

中科院持續在各個領域加強核心技術攻堅，實際上爲其在AI產業的爆發打造了一支又一隻精兵強將。

根據中國新一代人工智能發展戰略研究院在2019年5月發佈的《中國新一代人工智能科技產業發展報告》，截至2019年2月28日，我國共有75家AI領域的非大學科研機構，中科院下屬科研院所爲38家，以51.4%的佔比盤踞我國非大學科研機構陣營的半壁江山。

不僅如此，中科院下屬科研院所還強勢霸榜了我國AI領域專利數Top 10非大學科研機構。數據顯示，從第一名的中科院計算所，到第十名的中科院上海微系統所，中科院共爲我國AI產業貢獻了15457項AI技術專利。

人才之於研發，亦如園丁之於園林。

從成立至今，在郭沫若、方毅、盧嘉錫、周光召、路甬祥、白春禮一代代院長的帶領下，中科院如海納百川般吸引了無數身居科研金字塔頂尖的學術巨擘，遍佈數學物理、生命科學、信息技術和化學等多個領域。

現階段，中科院學部共有830名院士，107名外籍院士，平均年齡高達73歲。

81歲的並行算法、高性能計算專家陳國良院士正是其中的一員。他曾開發了國產曙光並行機「用戶開發環境」商用軟件，並帶領團隊成功研製出萬億次高性能計算機「KD-90」，爲我國高性能計算領域的自研核心技術添上了濃墨重彩的一筆。

外籍院士中，時年72歲的微電子學家、FinFET之父胡正明提出的鰭式場效晶體管（FinFET）芯片工藝技術，不僅成功讓芯片晶體管構造從原先的2D邁入3D大門，還打破了曾限制半導體產業發展許久的「摩爾定律」，爲全球半導體產業快速進軍先進工藝領域作出了巨大貢獻。

在近千名院士的披荊斬棘之下，雲從科技創始人及CEO周曦、寒武紀創始人陳天石與陳雲霽、雲知聲創始人樑家恩等一衆出身於中科院的後起之秀，亦在AI領域嶄露頭角，力圖創造一個又一個創業佳話。

縱觀中科院的科研實力與人才優勢，自成立七十餘年——尤其是改革開放後的四十一年間，日復一日地滴匯成海、聚沙成塔，不僅推動了我國科學技術硬實力的復興，亦爲如今中科院系AI公司在產業的爆發埋下伏筆。

二、中科院系AI企業的三大主戰場

如果說AI用了六十年的時間，才讓世界重新關注到它。那麼，中科院自改革開放後花了四十餘年，才讓中科院系企業在當下迎來爆發，這並不意外。

往前，我國的AI產業有中科曙光、科大訊飛和新鬆機器人等公司，在高性能計算、語音、機器人等領域開創基業的篳路藍縷。

往後，國內AI領域則有寒武紀、雲從科技和雲知聲等AI獨角獸與初生牛犢將優勢傳承，在AI芯片、AIoT、計算機視覺等市場不斷釋放潛力。

2019年年初，全球創投研究機構CBInsights發佈32家全球AI獨角獸公司名單。其中，出身中國的10家企業中，寒武紀、雲從科技和雲知聲爲中科院系創企，自動駕駛創企Momenta也有多名高管出身中科大。

中科院系在國內的競爭力同樣強勁。2019年8月，賽迪研究院發佈《2019賽迪人工智能企業百強榜研究報告》，在綜合實力TOP100榜單中，科大訊飛、中科曙光、寒武紀和漢王科技等9家中科院系企業榜上有名。

四十多年來，不斷在AI市場展露野心的中科院系企業已在多個領域開枝散葉。

從當前全局來看，中科院系企業的戰場主要集中在計算機視覺、AI語音和AI芯片三大方向。

它們從成立之初就開始逐漸影響着這些行業，在利用創新技術瓜分市場的同時，也重新定義着傳統市場的變革之路。

1、計算機視覺（CV）

計算機視覺是如今AI領域中十分熱門一個分支，同時也是極具商業化價值的賽道。

其中，以人臉識別爲核心技術的AI企業已廣泛遍佈國內市場，與安防、金融、自動駕駛和消費電子等應用場景緊密結合。

在這一市場中，中科院系老牌企業則有中科創達首當其衝。

中科創達成立於2008年，它針對成像技術開發了一系列圖像處理和智能視覺算法，既有面向衆多領域檢測人臉的年齡、性別和情緒的Face ID方案，也有面向工業、安防和交通等領域的視覺缺陷檢測。

尤其在智能網聯汽車方面，中科創達融合底層操作系統技術、Righware Kanzi 3D開發技術和智能視覺AI技術，進一步提升用戶的駕駛體驗。

據悉，中科創達在全球已擁有超過100家智能物聯網汽車客戶，其業務增速在2019年上半年約爲74%。

深度：中科院AI勢力崛起

另一廂，現在市場中老生常談的「CV四小龍」中，雲從科技則是中科院系麾下創企，成立4年就已拿下10億美元估值。

雲從科技在計算機視覺領域擁有三大核心技術，分別爲3D結構光人臉識別技術、跨鏡追蹤（ReID）技術和人體3D重建技術，在安防、金融、交通和零售等行業都有落地應用。

例如，其人臉識別技術能夠對圖像中的人臉進行屬性分析，以判斷年齡、性別、膚色、是否佩戴眼鏡和麪部遮擋物等信息，實現毫秒級響應。

2018年，國際調研機構Gen Market Insights曾發佈《全球人臉識別設備市場研究報告2018》，數據顯示，中國是全球人臉識別設備的最大消費市場，雲從科技的市場份額排名第一。

2、AI語音

要說中科院系企業在AI語音領域的最大王牌，科大訊飛當仁不讓。

自1999年成立至今，科大訊飛在語音識別、語音合成、聲紋識別和自然語言處理（NLP）等技術領域，已逐漸成爲中國AI語音行業的領頭羊。

科大訊飛的AI語音業務覆蓋智慧教育、智慧醫療、智慧城市和智慧汽車等領域。其中，在智慧教育方面開發了訊飛學習機，能夠幫助孩子定位弱項學科，制定個性化的學習方案。

科大訊飛董祕江濤曾表示，科大訊飛語音識別的市場佔有率已居全國第一。

而在新秀陣營，雲知聲和聲智科技等創企的潛力亦不可小覷。

例如，當前處在國內語音交互領域第一梯隊的雲知聲，2012年時就已將深度學習技術應用到語音識別領域，隨後還提出了面向物聯網的「雲端芯」產品體系構想。

雲知聲自主研發的雲知聲開放平臺3.0，利用語音識別、語義理解、語音合成和音頻轉寫等技術，爲移動物聯網、智能家電、可穿戴設備和醫療等領域提供AI語音解決方案。

據瞭解，目前雲知聲的覆蓋用戶已達2億，其中開放語音雲覆蓋的城市爲470餘個，覆蓋設備超9000萬臺。

3、AI芯片

在我國的半導體產業發展史上，脫胎於中科院計算所的龍芯中科自2001年以來，陸續研發龍芯1號和龍芯2號系列芯片，打破了我國缺乏自主研發CPU芯片的歷史。

而往後看，尤其是過去五年間AI專用芯片需求的爆發，中科院也孕育出了寒武紀和雲知聲兩家AI芯片獨角獸公司，以及中科睿芯、欣博電子和啓英泰倫等重要玩家。

其中，創立於2016年的寒武紀在2018年6月完成數億美元的B輪融資後，市場估值已達25億美元（約167億人民幣）。

寒武紀打造的兩代智能處理器IP，曾被搭載於華爲麒麟970和麒麟980兩款SoC中，幫助華爲一炮打響「真正的AI手機」口號。

2019年11月，寒武紀面向邊緣AI計算領域，最新推出了思元220芯片，擁有高安全、低延時和高帶寬三大優勢。

隨着思元220芯片的推出，寒武紀的AI芯片正式形成雲、邊、端三個方向的完整佈局，進一步滿足現今碎片化AI市場的多個應用場景需求。

三、回溯三大技術源頭，AI勢力的厚積薄發

追根溯源，如今中科院系AI勢力的逐漸崛起，與中科院AI歷史的變遷與演進離不開關係。

與我國曆史發展脈絡同步，中科院在結束了徘徊中前進的兩年後，國內AI的發展也逐漸醞釀着解禁。

1978年，我國著名數學家、中科院院士吳文俊提出的「幾何定理機器證明」獲得了全國科學大會重大科技成果獎，爲我國之後的AI體系構建奠定了重要基礎。

直到上世紀80年代，中國航天之父、中科院院士、兩彈一星元勳之一錢學森等先輩開始主張開展AI研究，讓我國的AI領域研究逐漸開始活躍。

隨着我國AI技術和思想的層層「破冰」，加之1994年中科院啓動支持高水平科技領軍人才引進的「百人計劃」，中科院乃至我國的AI從人才到技術、從學術到產業、從機構到企業，才一步步地蓬勃發展起來。

歷史滾輪之下，我國的AI發展脈絡與中科院息息相關。

當我們將回溯的目光放至中科院系AI企業的「身世」上，不難發現，這些企業的出身可大致分爲兩派。

一派以研究員爲出發點，其公司創始人、CEO和主要高管均爲中科院及下屬研究所出身，由研究員獨立或聯合創業而成；

而另一派則以科研項目爲出發點，公司在成立前曾爲中科院及其下屬研究所的科研項目，通過技術成果轉換後，才正式成立爲公司繼續發展。

但不論是研究員的出身，還是科研項目的孵化，這些公司的技術起點幾乎主要源於中科院的三家關鍵機構——中科院自動化研究所、中科院計算技術研究所、中科院聲學研究所。

1、中科院自動化研究所

設立於1956年的自動化所，不僅是我國最早成立的國立自動化研究機構，也是我國最早開展類腦智能研究的國立研究機構。

自動化所主要涉及生物特徵識別、機器學習、視覺計算、自然語言處理、智能機器人和智能芯片等領域的研究，漢王科技、中科唯實、銀河水滴、中科慧遠和中科視語等公司均從中孵化落地。

截止2018年底，自動化所共擁有696名科技人員，包括中科院院士2人、發展中國家科學院院士1人、IEEE Fellow 9人。

在AI領域，自動化所亦扮演着重要的開拓者角色。

上世紀90年代，自動化所以控制科學爲基礎，率先佈局AI研究。緊接着從2010年起，其AI研究方向進一步細化，開始在類腦智能研究領域出招。

據悉，自動化所通過架構設計創新，曾自主研發了量化神經處理器（QNPU），在資源受限的芯片上實現大規模深度神經網絡的獨立計算。

而在生物特徵識別技術方面，自動化所還實現了從中距離到遠距離的可識別生物特徵信息全覆蓋，包括虹膜識別、人臉識別和步態識別，已在國家衆多重要安全領域應用落地。

2、中科院計算技術研究所

計算所同樣創立於1956年，是我國第一個專門從事計算機科學技術綜合性研究的學術機構。

計算所主要研究信息處理、網絡安全、大數據處理、智能技術和虛擬現實技術等領域，曾研發出我國衆多的「第一」歷史性時刻，爲我國的高端計算機技術、數字化技術和通用CPU技術等方面作出了巨大貢獻。

例如，我國的第一臺通用數字電子計算機、第一臺109乙大型通用晶體管計算機、第一顆通用CPU芯片「龍芯1號」，以及全球PC市場份額第一的聯想集團前身皆誕生於此。

同樣，計算所亦是中科曙光、寒武紀、中科智芯、中科視拓和中科物棲等一衆AI企業的搖籃。

截至2015年，計算所的研究隊伍已超500人，其中中科院、工程院院士共5名，正高級專業技術人員70名。

而在未來，計算所也將計劃實現三個100億的產業目標，包括中科曙光市值達到100億美元、嵌入到華爲等企業的IT產品銷售100億人民幣、創業公司市值達到100億人民幣，真正成爲我國計算機產業的源頭。

3、中科院聲學研究所

與自動化所和計算所相比，聲學所則較爲「年輕」些，它成立於1964年。

聲學所主要負責聲學和信息處理技術學科的應用基礎，以及高技術發展研究，面向我國的海洋、安全、能源和生命健康等領域。

其中，聲學所的水聲物理與水聲探測、通信聲學和語言語音信息處理、聲學與數字系統集成等技術，不僅孵化了聲智科技等AI語音企業，同時也培育了一批如海天瑞聲創始人賀琳、小聲科技創始人陳孝良等產業人才。

截至2018年底，聲學所共有專業技術人員794人，包括正高級專業技術人員133人，副高級專業技術人員255人。

在國家重大科研項目領域，聲學所亦參與研製了我國「蛟龍」號載人潛水器的研發與應用，爲我國載人深潛技術的發展作出了突出貢獻。

中科院AI技術的「黑土地」不止於此，中科院軟件研究所、微電子研究所、半導體研究所等科研機構，同樣催生了衆多極具潛力的中科院系AI企業。

四、中科院的時代發展機遇

中科院系AI勢力的燎原，不僅僅是七十多年來科研技術和人才培養的厚積薄發，抓住了AI產業「甦醒」的時代機遇，亦是我國政策和中科院科技成果轉換的催化。

自我國的科技發展進程翻篇到新世紀，國家層面對AI技術和產業的嗅覺愈發靈敏。

國家高層領導人在2014年中國科學院第十七次院士大會、中國工程院第十二次院士大會開幕式上發表的一次重要講話，首次高度評價了AI和相關智能技術，無形中大力推動了我國AI技術的發展。

一年後，國務院正式頒佈了《中國製造2025》，加快推動新一代信息技術與製造技術融合發展，將推進智能製造作爲我國製造強國戰略的主攻方向。

至此，AI逐漸被提到了每一項重要產業中不可或缺的核心技術位置。

在國家政策的積極帶動下，中科院及下屬各個研究所亦開展了一場自上而下的政策規劃。

但立足於產業，如何更好地實現科技成果轉移轉化也成爲了中科院各項政策規劃的重要方向。

實際上，技術成果轉化的難點在於如何尋找技術產業化的方向。這常常缺乏專業的服務機構和人才，同時還面對部分科技成果轉化的政策不完善、科技成果與市場需求脫節等問題。

在政策方面，以下屬研究所爲例，中科院計算所在2016年制定了自身的「十三五」規劃，一是計算所發展模式要從自主創新轉變到引領創新，對標斯坦福大學；二是通過建設中科院網絡計算創新研究院，引領中國「信息高速鐵路」技術的發展；三則是支撐企業實現三個100億的產業目標。

以地方爲例，2018年，中科院科技促進發展局、中科院北京分院、中關村科技園區管理委員會共同推出了《促進中科院科技成果在京轉移轉化的若干措施》，通過支持科技成果轉化平臺建設、實驗室共享等十項舉措，推動更多科技成果在北京轉化落地。

此外，中科院還全資設立了國科創新公司，不斷探索產業技術研究院、技術企業孵化器和聯動創新產業園三種平臺的科技成果轉換模式。

截至目前，國科創新已實現了120多項科技成果轉換服務，覆蓋AI、智能製造、智能物流和智能電網等領域，孵化企業的融資規模已達到2.8億人民幣。

結語：七十載征程，中科院仍笑傲AI江湖

時光如流水，七十年的風吹雨打，中科院已然成長爲我國AI技術和產業力爭站立於世界潮頭的國之重器。

順延着它的歷史軌跡，我們可以看到，它AI勢力的強勢崛起，既有歷史的累積、人才培育的影響，也有一代代產業經驗累積後的良性循環。回顧中科院系AI企業的漫漫長路，它爲我國AI產業如何利用好產學研之間的合作優勢，提供了一個新的角度與思考方向。

但同時，我們也需意識到，在當下殘酷的AI落地戰和全球科技競賽激烈的環境中，我國整體的AI技術實力與國外仍存在一定的差距。

我國AI玩家們將要面臨的，不僅是全球科技競賽給市場格局帶來洗牌的陣痛，還需面對顛覆性技術爲各領域市場，乃至人們的生活帶來的巨大挑戰。生，便能乘着市場和資本的東風一躍而起，闖進商業落地的頭部陣營；死，便只能被大浪拍在岸邊的礁石上，隨着時間流逝被市場和資本遺忘。

未來，中科院系AI企業又將如何書寫這一頁歷史征程？時間將會告訴我們答案。

附圖：▲中科院研究單位統計表
▲我國自然科學工作者代表會議籌備會合影
▲自然指數全球百強機構前十名榜單
▲中科院改革開放四十年40項重大科技成果
▲我國AI領域專利數Top 10非大學科研機構（圖源中國新一代人工智能發展戰略研究院）
▲中科院學部院士年齡統計（圖源中科院官網）
▲陳國良院士
▲胡正明院士
▲賽迪網發佈2019年中國AI企業綜合實力百強名單
▲計算所成立公司情況（圖源計算所官網）

資料來源：https://bangqu.com/YDah49.html

2020人工智慧的預測~

本文來自量子位微信公眾號 QbitAI
…………………………………………………………
吳恩達邀請9位AI大牛暢想2020：李開復看好醫療教育，LeCun強調自監督學習

2020，AI的研究會有哪些突破？

2020，AI的應用又會有什麼變化？

吳恩達DeepLearning.ai旗下的THE BATCH刊物，分享了包括Yann LeCun、李開復、周志華、還有他們的老闆吳恩達在內的10位AI大佬的新年寄語，以及對AI在2020年能有什麼突破的“新年願望”。

一起來看看吧~

▌吳恩達：保持學習和好奇心

在這份「新年寄語篇」的開頭，吳恩達作為發起人開場，總體是一些關於學習新知識的碎碎念。

吳恩達說，他每年冬天的假期都會圍繞一個新的主題進行學習。

比如10年前的那個冬天，他的學習主題是教育學，雖然當時他拖著十分沉重的書箱在機場趕路，但對教育學的研究的確為後來線上學習平臺Coursera的成立起到了幫助。

而去年，當時他的寶貝女兒Nova還在母親腹中，吳恩達就在冬天讀了很多育兒書籍。

而這個冬天，吳恩達說他在研究續命——包括遺傳學、還有誇克什麼的在內的新興科學，還實地探訪去拜見了自己101歲的爺爺，爺爺用親身經歷告訴他：

長壽的秘方，就是保持好奇心。

照這個規律，吳恩達覺得自己的關注者裡會有不少人能在101歲之後依然活蹦亂跳的。

最後，吳恩達祝大家過一個充滿好奇心、學到新東西、有愛的2020年。

▌李開復：AI將在更多行業落地

李開復的新年寄語主題，是AI無處不在。他說：

人工智慧已經從發現的時代到了落地的時代。在我們主要在中國的投資組合中，我們看到了在銀行、金融、運輸、物流、超市、飯店、倉庫、工廠、學校和藥物研發中使用人工智慧和自動化技術的應用。

但是，從整體經濟的角度來看，只有一小部分企業開始使用AI，這表明AI還有巨大的增長空間。

我相信，在人類技術進步的歷史上，AI將與電力同等重要。在未來的一二十年中，人工智慧將滲透到我們的生活和工作中，從而提供更高的效率和更智慧的體驗。現在正是企業、機構和政府充分擁抱AI並推動社會前進的時機。

我對AI在醫療和教育上的影響非常興奮。這兩個行業已經為AI的部署做好了準備。

我們投資了一家使用AI和大數據優化供應鏈的公司，從而緩解了超過1.5億中國農村人口的藥品短缺情況。我們也在投資用深度學習來生成化合物的藥物研發公司，以將藥物發現時間縮短三到四倍。

在教育方面，我們看到一些公司正在用AI改善學生的英語發音，幫助學生提升成績，用個性化和遊戲化的方式説明學生學習數學。這將使教師從日常工作中解放出來，並使他們能夠花時間為新興一代的學生做更多鼓勵性的工作。

我希望看到更多明智的企業家和公司在2020年及以後的幾年中開始使用AI來幫助他們獲得更大的好處。

▌LeCun：自監督學習帶來AI革命

深度學習三巨頭之一、圖靈獎得主Yann LeCun的新年寄語主題，是Learning From Observation。

讓人忍不住把它翻譯成“格物致知”。

“格”的是開車這件小事。LeCun提到，人類學開車只要幾十個小時，但是模仿學習演算法需要學幾十萬個小時，強化學習演算法甚至需要學幾百萬個小時，這裡面一定有什麼問題。

人類可以高效學習，是因為我們人在腦海裡建立了世界的模型。嬰兒很難和世界互動，但是在剛出生的幾個月裡，他們通過觀察吸收了大量關於這個世界的背景知識。顯然，大腦的很大一部分被用在了理解世界的結構，並預測一些無法直接觀察到的事物，比如未來才會出現的東西、或者被隱藏的事物。

因此，AI的前進方向，就是自監督學習（self-supervised learning），它和監督學習類似，但是並不會訓練系統去把資料分類，而是我們隱藏一些部分，讓後讓機器預測丟失的部分，比如把視頻的一些幀抹掉，然後訓練機器根據剩餘的幀來填補被抹掉的部分。

最近，這種方法在NLP方面非常成功。諸如BERT、RoBERTa、XLNet、XLM之類的模型以自監督的方式進行訓練來預測文本中缺少的單詞，它們在所有主要的自然語言基準測試中都有記錄。

希望在2020年，自監督學習能夠用在視頻和圖像上。它會在視頻這類高維連續資料上創造類似的革命嗎？

其中一項嚴峻的挑戰是應對不確定性。像BERT這樣的模型無法判斷句子中丟失的單詞是“貓”還是“狗”，但是它們可以產生概率分佈向量。對於圖像或視頻幀，我們沒有一個好的概率分佈模型。但是最近的研究非常接近，或許我們很快就會發現這樣一個模型。

這樣，我們就能用很少的視頻訓練樣本，來實現非常好的性能預測、動作預測，而這在以前是不可能的。

當這個想法實現的時候，2020年就會是AI領域非常激動人心的時刻。

▌周志華：方法創新，方針明確

南京大學周志華教授對2020年有三個希望：

1、希望能夠出現深度神經網路以外的高級機器學習技術。神經網路已經被許多研究人員、工程師和從業人員研究並應用了很長時間，其他機器學習技術為創新提供了相對未開發的空間。

2、希望AI可以涉足更多領域，為人們的日常生活帶來更多積極的變化。

3、希望研究人員、工程師和從業者們對於如何採取措施防止AI技術的錯誤開發和濫用進行更多的思考和討論。

▌Anima Anandkumar：模擬的力量

Anima Anandkumar是英偉達機器學習的總監，也是加州理工的電腦教授。

Anandkumar教授提到，在模擬環境學習中訓練演算法會讓網路更為強大，並且能類比各種複雜的情況，在一些情況下可以解決研究人員資料不夠的問題。

她所在的加州理工已經用物理模型來類比真實資料，用深度學習進行地震預測的研究；英偉達也推出了模擬平臺Isaac。

她希望，2020年AI科學家們能認識到在類比環境中進行訓練的價值，並在新的一年產生更為重大的AI進步。

▌Oren Etzioni：工具創造平等

Oren Etzioni是艾倫人工智慧研究所的首席執行官、華盛頓大學電腦教授、Madrona資本合夥人。

他認為，AI界花了很多時間討論演算法的公平和透明性，但在應用上，AI還可以為社會提供更多幫助，比如為行動不便的人提供無障礙技術，解決教育、流浪者、人口販賣的問題，AI能對人們的生活品質產生巨大的積極影響，但現在AI界對此的研究和探討只浮於表面。

因此，他希望2020年AI界能用切實的手段讓這些處於不利地位的人受益，讓世界更公平。

▌Chelsea Finn：泛化的機器人

Chelsea Finn是斯坦福電腦科學與電氣工程助理教授。

她認為，目前的許多AI技術都能在圍棋等特定任務上取得非常好的成績，但在泛化方面做得還不夠，無法用一個機器人來完成多個任務。

比如，識別ImageNet上的圖片需要一個模型，但如果機器人需要與環境交互，那為每個任務都創造一個ImageNet那麼大的資料集是不切實際的。

因此，她也在進行更多賦予機器人泛化能力的研究。如果強化學習的臨界品質發展和泛化有所突破，會是非常令人振奮的事情。如果能應對這些挑戰，機器人會比現在的更加智慧，而不僅僅是停留在實驗室裡。

▌David Patterson：快速訓練與推理

David Patterso是加州大學伯克利分校的電腦科學教授，RISC-V國際開源實驗室負責人，也是ACM和IEEE的Fellow。

他說，過去一年，阿裡巴巴、 Graphcore和英特爾等公司都在研發專門的人工智慧處理器，而這些晶片將慢慢進入研究實驗室和資料中心。

他認為，投資數十億美元打造新穎的人工智慧硬體將在2020年初見成效。

並希望人工智慧社區能接受其中最好的晶片，來推動這個領域朝著更好的模型和更有價值的應用方向發展。

▌Dawn Song：要對資料負責

Dawn Song是安全領域的頂尖學者之一，1996年本科畢業於清華大學，現在是加州大學伯克利分校(UC Berkeley)電腦科學和電子工程教授，也是Oasis Labs 首席執行官和聯合創始人。

她認為，人們對敏感性資料的收集正在迅速增加，幾乎涵蓋了人們生活的方方面面。但使用者幾乎無法控制他們生成的資料如何被使用。與此同時，企業和研究人員在利用資料方面面臨著諸多挑戰。

在她看來，這種資料收集方式將個人和企業置於危險之中，她希望2020年應該是為負責任的資料經濟打下基礎的一年。

這需要創造新的技術、法規和商業模式。Dawn Song認為，2020年在在機器學習方面仍然存在更大的挑戰，要打造可擴展的系統來為實際部署大型、異構資料集服務，聯邦學習的進一步研究和部署對於某些用例也很重要等等。

▌Richard Socher：資訊海洋已經沸騰

Richard Socher博士畢業于斯坦福大學電腦系。2016年，自己創辦的公司被Salesforce收購後，加入Salesforce，現在是Salesforce的首席科學家。

他認為，如何處理鋪天蓋地的事實、意見和觀點仍然是一個挑戰。

比如，在你沒有讀過一個冗長的文檔之前，你很難知道你會在裡面找到什麼資訊。而且，想要知道某個特定的陳述是否正確也非常困難。

在他看來，自動提取摘要可以解決這些問題，2020年，這一技術將會迎來重大發展，改變我們消費資訊的方式。

不僅能説明人們應對不斷湧現的新資訊，而且還能讓人們進一步擁抱人工智慧的巨大潛力，創造一個更美好的世界。

原文傳送門：
https://blog.deeplearning.ai/blog/the-batch-happy-new-year-hopes-for-ai-in-2020-yann-lecun-kai-fu-lee-anima-anandkumar-richard-socher

各位同學大家好，我是魔人普物的EJ老師
我的普通物理系列的第二堂課正式上線啦😄
第二堂課會教各位如何去描述一個物體的運動
運動學的專有名詞及定義，在國高中物理就有教了
到了大學普物我們會正式引入微積分幫助我們做運算
為了不讓各位同學睡著，所以我精心準備了有趣的題目
回家作業也頗具挑戰性，希望你們能好好享受思考的過程

【習題解答】
👉https://reurl.cc/pgl2We

魔人普物EJ老師Youtube頻道
👉https://reurl.cc/VEmY5A
EJ老師Facebook粉絲專頁
👉https://reurl.cc/LbexKK
EJ老師個人日常Instagram
👉https://www.instagram.com/ej.physics/

如果你喜歡這部影片，麻煩幫我按個讚或訂閱我的頻道
你們的支持將會成為我繼續推出優質普物課程的動力😊
#運動學 #垂直獨立性 #質點 #微積分 #有初始高度斜拋的最遠射程問題 #進擊的巨人 #瑪莉亞之牆 #砲台 #渡河問題 #淡水 #八里 #圓周運動 #曲線運動 #切向加速度 #法向加速度 #極座標 #相對運動 #角速度 #位置 #速度 #加速度 #速率 #向量 #新竹美食 #座標轉換 #絕對時空觀