紐約時報2021轉捩點專欄：以人為本，擁抱AI新經濟

2020全球經歷了翻天覆地的變化，或許對大部分的我們來說，都體驗了這輩子以來最為嚴峻的社會性挑戰，也讓人們放慢腳步、拉高視野，進一步思索個人、社會、全球之間緊密互聯的生命共同體意義。 時值年末，紐約時報 New York Times推出了 「轉捩點Turning Point 2021」年度特別企劃系列專欄，邀集國際專家共同探討2020世界變局下的幾大關鍵轉捩點，以及未來更深遠的影響和意義。

我受邀撰文，在這篇 「Give the A.I. Economy a Human Touch | 以人為本，擁抱AI新經濟」的文章中，首度提出了AI新經濟時代將導致失業潮難題的三種解決方案，在英文簡稱三個R ：Relearn 二次學習，Recalibrate 二次定義，Renaissance 二次復興。

▎以人為本，擁抱AI新經濟

近年來，自動化、機器人與人工智慧已經接管了部分常規性、重複性工作。 在全球新冠疫情的衝擊下，安全保障及降本提效的需求迫切，為自動化取代人工的落地進程起到推波助瀾的作用。 疫情期間，各行各業都竭力避免人和人直接產生接觸，類似餐飲外賣、快遞流通、遠程醫療都提供了無人接觸的新形態服務 模式。 但疫情趨於穩定後，大多數人仍然迫不及待地重拾和他人碰面開會、熱鬧聚餐的美好接觸。

當人類社會大步邁往「AI新經濟」的同時，2020這一年，我們都上了一堂人性本質的必修課。

我在1983年開啟了AI生涯，在當年提交美國卡內基· 梅隆大學博士學位的申請書上我寫著：「AI是對人類學習歷程的闡釋，對人類思維過程的量化，對人類行為的澄清，以及對人類智慧的理解。 AI將是人類認識並理解自己的最後一里。」

某個角度看，當年的我或許錯了，但某些方面，22歲的我可能說中了！

AI程式和演算法在不少任務上已經能夠仿效、甚至超越人腦的表現，如果AI在功能上取代機械式的重複工作，促使人們解放身心去探尋生命的真諦，我們將進一步重拾人類社會獨有的情感和人性光芒。

人工智慧對重複性工作的衝擊已然揭開序幕，和人類雇員相比，AI的本領更強大、成本更低廉。 即使某些工作由於短期因素被迫臨時取代，長期來說也大概率將一去不復返。 人工智慧帶來巨大經濟增長效益的同時，也正掀起前所未有失業潮。 我在「AI新世界」一書中預計，到了2033 年，約 40% 的工作將被AI和自動化取代。

AI新經濟革命的浪潮已然來臨，隨之而來的工作消亡問題，是人類命運共同體的時代性挑戰。

AI將取代數百萬計的工作，AI未來會成為人類的工具甚至同事，在迎接2021年的當下，我提出三種解決方案，在英文簡稱三個 R：Relearn 二次 學習，Recalibrate 二次定義，Renaissance 二次復興。

▎二次學習 Relearn

我們應該發出嚴正警告，喚醒那些正踩在失業懸崖邊緣的人們，鼓勵他們主動出擊，重新學習。

令人欣慰的是，有不少人類的技能是AI學不會的，特別是那些需要創造力、社交技巧、複雜工藝、還有仰賴人工操作AI工具的崗位。 我們可以逐步幫助人們掌握這些新技能，積極投入「二次學習」，為AI新經濟下的新型工作場景做好準備。

職業培訓機構需要儘快重設課程，增加AI時代可持續就業的培訓科目；政府可為這些培訓提供獎勵和補貼，企業應當參考類似Amazon亞馬遜的職業選擇計劃 （Career Choice program） 方案，為每位時薪制員工花上四年的時間和經費，補貼個人職業再造所需的培訓專案，幫助員工報考如飛機維修技師、電腦輔助設計師、醫療護理師等職業所需的職業證照。

值得關注的是，隨著財富增長與壽命延長，「銀髮看護」方向的關懷型職業將成為社會剛需，其重要性與需求量都會水漲船高。 世界衛生組織預測，要實現聯合國「人人享有良好的健康和福祉」的可持續發展目標，全球醫護人員需求的缺口高達 1800 萬人。 過去，這類關懷型職業往往被重視度欠佳、薪酬也普遍偏低，但往後，這些「以人為本」的關懷型職業將成為AI 新經濟運行的基石，也值得更多人考慮通過二次學習來投入。

為了進一步平衡人力供需失衡，我們甚至可以考慮把目前義工服務類型的工作調整為全職薪酬工作，諸如捐血中心人員、動物保育員、夏令營老師、心理諮商師等。 可預見的是，自動化時代一旦到來，社會將需要大批義工為失業人員提供熱線諮詢，輔導人們解決職場轉換的疑難雜症，排解心理壓力而可能造成的社會問題，這些義工也應當獲得合理的報酬和認可。

▎二次定義 Recalibrate

在整體社會邁向AI新經濟的轉型期，有不少職業需要重新定義具體的工作內容和工作方式。

我們都經歷了資訊革命，短短幾十年內徹底改變了人們的工作方式。 AI時代則進一步催生各行各業的智慧化高級解決方案：AI能海量計算量化任務的最優解，AI能測算不同條件下的沙盤推演， AI能協助不同行業的職務優化流程，代勞日常重複事務。 我認為，很難有單一通用型的AI工具。AI必須針對各個產業提供高客製化的解決方案，舉凡藥物分子研發、行銷廣告策劃、新聞資訊核實等任務，都能透過客製化的AI 工具來實現。

當我們採用「二次定義」的方案，充分把以人為本的人性特質，和AI善於優化的技術優勢深度結合起來，許多工作職業將被重塑，不少新興崗位也將隨之而來。

AI和人類各展所長、分工協作，AI能既智慧又敏捷地承擔起各種重複性任務，從業者的時間就能花在需要溫暖、創意、策略的人文層面工作，發揮1+1 > 2 的縱效。 舉例來說，人們生病了仍然最為信任人類醫生，醫師用著專業AI醫療診斷工具，快速準確地為患者計算出最佳的治療方案，於是能勻出更充裕的時間和病人深入探討病情， 撫慰他們的心靈。醫生的職業角色將被二次定義為「關愛型醫生」。

正如在大陸，移動互聯網催生了滴滴司機、美團小哥等職業，AI的崛起也將創造出漸露雛形的新工作。 目前已經有AI工程師、資訊科學家、數據標註員、機器人維修師等AI時代的新職業，我們應時刻關注AI新經濟進程中湧現出的新興崗位，確保就業大眾掌握情況 ，輔以培訓。

▎二次復興 Renaissance

中國歷史上有膾炙人口的唐詩宋詞元曲，濫觞於義大利的歐洲文藝復興則誕生了輝煌的文學、音樂、建築和雕塑，數百年後仍為人讚頌（譯注：Renaissance一詞即為文藝復興）。AI新經濟將能激蕩出怎樣的人文復興？ 值得我們翹首以盼。

AI新經濟時代將改寫職場規劃的固有模式。人工智慧與自動化技術為人類代勞了重複性事務，我們得以重新檢視傳統意義的工作形態，我們工作與生活兩者將如何重新平衡？ 我們每週的工作時程表是不是能更加個人化？ 如今的退休等同於個人生產力終止，但往後是不是能開展截然不同的第二人生？

AI新經濟時代將促成一套全新的社會契約。 AI將人類從重複工作釋放出來，我們的時間空出來了，我們的心志解放了，人們終於能夠專注於最擅長的領域，釋放激情、創造力及才華，把我們的能力用於發明、發現、創造、創意等層面，人人都有機會通過AI時代的二次復興，重新發掘內在的真實潛力。

AI工具將成為繪畫、雕塑及攝影藝術家們的得力助手，AI視覺工具可以按照他們的指示來構建、實驗、完善作品。AI文字工具可輔助小說家、詩人、記者為寫作注入新靈感。老師們花在批改考卷和作業的任務交給AI，時間精力節約出來，得以設計嶄新的課程教材，激發學生的好奇心、批判性思維和創造力。 課堂間傳遞標準化知識資訊的任務交給AI，時間交給老師和學生們進行個人化互動、啟迪孩子們的情商，老師們才能蛻變為AI時代的教育家。

▎締結新的社會契約

針對人類社會即將迎來前所未有的失業潮挑戰，上述三種解決方案是當務之急。 不僅公司企業需要對大量即將失業人員再培訓，政府及有關單位需要提前規劃大筆經費來支撐這個過渡階段，學校需要及早檢視課程體系，培養具備創造性、社交技能和跨領域知識的未來人才。 我們需要重新定義職業道德、社會身份、企業責任及政府角色等概念，需要接納更多元化的工作生活平衡理念。簡而言之，我們必須通過AI來徹底改造社會，締結新的社會契約。

在上述各方面，人工智慧技術在裡面的角色都至關重要。如果我們運用集體智慧，人工智慧就可讓人們釋放天性與創造力。

期待我們本著以人為本的精神，擁抱AI新經濟。

作者：創新工場董事長兼CEO 李開複博士 – 計算機科學家、企業家、作家

本文經紐約時報授權編譯，原文網址：https://www.nytimes.com/2020/12/10/opinion/artificial-intelligence-economy.html

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

中岳哥寫得太好 有空我也要寫一點點編曲心得

{{ 參. 談談編曲實務經驗 }}_13

也許你終於選好了幾首很有時代性、經典代表性的曲目，準備打開你的 DAW 工作站要來挑戰這個『一比一拷貝』的鍛鍊任務了！我猜想～你應該就是在你萬用的電腦裡面，打開你所熟悉的編曲軟體，然後…尋找一些音色，憑藉著從這個專頁第一篇文章就請你訓練的聽力，開始要把你聽到的每一個樂音、節奏好好地抓出來，用 Midi 認真地紀錄下來～？

沒有什麼不對！但，我還是想講一個小故事，希望能對於你要開始執行上述工作前，能有一些效率提升的作用：

時間回到九〇年代的華語流行音樂製作環境的專業錄音室裡。那時候在台北最富盛名的幾間專業錄音室，譬如『白金』、『強力』、『雅弦』，每家錄音室的基本結構都大致相同：每一家都有好幾『套』仔細設計、注意聲學響應的『主控室加收音室』這樣的套裝組合，在想像中 ---至少我是這樣以為的--- ，這些『套裝』的錄音空間應該充滿了製作人、歌手、樂手，像是二十四小時不間斷地一直在生產音樂吧？等到我真的有機會開始『涉足』這些場域，我才發現，真正二十四小時不間斷『盤據』在這些錄音空間的角色，其實是『編曲』工作者，而且，百分之九十五以上，都是鋼琴背景或是鍵盤出身的編曲！

這些編曲家們日以繼夜地以錄音室為家，依恃著他們驚人的音樂才華與過人的體力，幾乎都是以『一天一首』(或以上) 為單位，提供了非常穩地的產出、來維持著九〇年代華語流行音樂恐怖的音樂製作產量。

但當時，電腦還是一種尚未普及的外星文化，這些鍵盤編曲家們所使用的『編曲中央處理器』，是一種只用來處理 Midi 訊號的、類似一臺工程計算機的器材 --- Midi Sequencer (樂器數位介面序列機： https://en.wikipedia.org/wiki/Music_sequencer )。這個『序列機』在處理 Midi 這件事會有多悲情呢？請參閱『KB FRONTNET』網頁作者『Mr.Liu』所寫的文章『時代的眼淚，風靡一時，卻驟然消逝的音樂製作產品』(http://www.kb-frontnet.com/archives/1546 )。這些編曲家們的大腦幾乎都是超高速電腦，可以將心裡所想的音樂聲部、音符，瞬間轉換為行列式的數字，鍵入在非常窄小的 LCD 條幕，透過這些序列機的指令來指示現在要由『哪一臺音源』的『什麼音色』，在『什麼時間』用『什麼力度』與『什麼時間長度』來發出『哪一個』或『哪些個』音……

你覺得～一首歌兒的編曲，總共會用到幾種樂器、加起來會有幾個『音』( Note) 呢？

而這些編曲家們是用『一天一首』以上的速度在提供音樂的產出……

不過，這篇文章不是要禮讚這些音樂工作者恐怖的大腦，而是要介紹一下那台『序列機』所『控制』的那些『音色』機器 --- 我們稱之為『音源』( Module)的器材。

這些『音源器材』的源起，應該可以追溯回到早在上個世紀中葉之前就已經研究發展的『合成器』(https://zh.wikipedia.org/wiki/%E5%90%88%E6%88%90%E5%99%A8 )，在經由加入流行音樂產業的過程中，逐步由非常『外掛調整』式的電子線路串接，發展成晶體或中央處理器的『內建整合』式的商用機型。此刻已經慣用現代3C產品的你，可能很難想像、理解，在九〇年代的時候，這些商用機型是如何地巨大、笨重卻又不可或缺！在當時的編曲家們所必須使用的 Midi 音源，每個人至少都有十幾二、三十『U』(https://baike.baidu.com/item/1U )的數量！那是什麼概念呢？我勉強用自己為數不多的器材、與網路上所能搜尋到的圖片，列為圖1與圖2，來解釋一下這些類似『冰箱』大小的機器群，是如何圍繞在這些編曲家們的身邊！

而這些『商用型音源』，從最初的『加法』、『減法』合成器運算開始，就致力於摹仿真實樂器的聲音，隨著運算技術的發展、進步，這些『合成音源』在九〇年代，就已經能夠提供非常華麗、擬真的真實樂器音色，以及非常豐富、大概只存在於外太空、異世界的奇幻聲響，而這些卓越的音色，為全世界的音樂工作者提供了充沛的能量，進而迸發了整個九〇年代多元而瑰麗的流行音樂文化。

然後更新、更厲害的技術出現、成熟了！樂器的音色不再只是依靠波型運算、組合去『模擬』，而是利用了『實際錄製』的方式，產生了『取樣音源』( Sampling) 的器材 --- 『取樣機』( Sampler)！

我第一次聽聞而被驚嚇不已的取樣聲音，其實只是一個 Bass 樂手在彈奏過程中常常會用到的情緒性手法『Slide up & down』(https://www.youtube.com/watch?v=Te7YULZA2kc )而已，真的只是『而已』！但在那個用『模擬運算』的合成器年代，那一聲惟妙惟肖的『Slide』，在我面前昭示了下一個世代風起雲湧的前兆！

果然！錄音室裡的編曲家們突然之間在原來的『冰箱機櫃』裡，紛紛加入了最新的取樣機種，譬如 Roland S760 (http://myweb.tiscali.co.uk/clouzeau/s760/ )、或是後來的取樣機王 Akai S-6000 (http://www.vintagesynth.com/akai/s5000.php ) 這一類的重兵器。但麻煩的是：當你使用任何一種取樣音色，你都必須將這些音色『叫進』( Load) 器材中的『存取記憶體』( RAM) 裡面，才能透過 Midi 去指揮它來發生音樂上的作用；這裡面的問題是：

1. 先別管在當時每個取樣音色實際上有多大的資料量，先看一下最厲害的兩個取樣機材產品的 RAM 配置的大小：Roland S760 原廠配備的 RAM 是 2M，最大擴充量是增加到 32M！是『M』喔！而機王 Akai S-6000 的最大擴充量是 256M！這個意思是：你以為能叫進多少種了不起的音色？

2. 好！也先別管可以叫進多少音色了，就說你今天想要一組非常真實的絃樂好了！你就得把與絃樂有關的取樣音色一個一個叫進來、用 Midi 鍵盤試彈一下是不是你想要的情緒與顏色，萬一很不幸叫進來的音色不甚理想，你就得將這個音色從 RAM 裡刪除、以節省記憶體的用量，然後重複這樣嚐試音色的動作，一直到找到你想要的音色為止 --- 然後天就黑了、也該睡了！

而這些偉大的編曲家們除了添購取樣機材的硬體之外，也一定會購買最新、最厲害的取樣音色，來讓自己的編曲內容一直有著他人無法企及的優異音色，這一買…音色的種類很快就成千上萬種地累積上去，而國外廠商死命地出版新的音色來擴大市佔，音樂家就不斷的買、再買……

故事的背景描述大概就是這樣的時代場景，而故事是：

大約在2000年前後的某一天，我走進編曲家鍾興民先生剛進駐白金錄音室的編曲工作室去拜訪老師 (前面提到編曲家們盤據在錄音室，但常常，會因為製作人所選定的錄音室有所不同，以致於編曲家必須帶著那些笨重的機櫃逐水草而居式地在各個錄音室間流動，像鍾興民 Baby 老師這樣固定『包』下一間錄音室的做法，在當時可算是首屈一指！)。還沒走進錄音室裡、在外面就聽到 Baby 老師在試著各種取樣音色；我心想：『不知道老師今天是編誰的案子？不如趁機來偷學一些招式！』。等走進之後、問過了老師，Baby 老師的回答是：『今天就是來聽音色、寫筆記的！』

[三. 關於編曲開始前應該要會的幾件事]_02 建立、認識你的基本音色

我不知道目前你的編曲實力與實例到了什麼程度，但我猜想，每一次當你要建構你的編曲時，你花在尋找音色的時間，恐怕是相對非常沒有效率的。在本世紀初期，取樣音色的種類爆炸式的產生、而且還沒有轉換成電腦可以直接匯入的格式之前，臺灣最傑出的編曲家鍾興民先生，每天都會花一定的時間去仔細研究他手上買進來的取樣音色片，對每一個音色做適當的筆記；他說：『你聽過了，腦海有了印象，之後有什麼編曲需要什麼樣的音色，找起來就快了！而且，常常音色自己會給你很多的刺激，你就會被激發出不一樣的想法、點子，譬如~~~』，然後老師就很開心地示範了隨便一個音色，彈出了我反正永遠也學不會的句型與節奏……

但，那一天我該偷走的東西，我非常有禮貌地一定就偷走了。

時間轉換到今時今日，電腦科技的神速發展，把當年對於那些編曲老師們的麻煩事兒都精簡到難以想像的程度 --- 隨便叫個幾『G』的取樣音色到編曲軟體裡，根本只是一根手指的事～而且理所當然！那麼，我真的會非常建議你，不論你的手上現在有多少音色，在你每一天的空檔裡，盡可能地去認識、理解這些音色 --- 我的意思是：現在的音色設計，比起當年更多了許多精細、精緻的音色控制參數，這些看似複雜的參數數值，請花一些時間、透過便捷的網路資訊獲取方式 (譬如 Youtube 看都看不完的教學示範)，來增加你對於音色的掌握，這對於你日後要在大家都可以有的音色資料庫裡脫穎而出，有著難以估計的巨大作用！

回到我們應該要練習的『一比一拷貝』；如果你是使用 Mac 的電腦，你應該可以用相對低廉的價格，購買到『Logic』相關系列的編曲工作軟體，這個系統裡，也內建了不少足堪使用的取樣音色。但如果你秉持著『工欲善其事，必先利其器』的觀念，想要進行下一步的音色升級計劃，我對於這樣的計劃有著一些小小的建議。不過～有三點需要說明一下：

1. 以下建議的音色方案完全不是來自『業配』的概念，而是我自己這些年來在 DAW 編曲系統下所實際使用過的建議，這些建議都符合業界工作標準，但不見的是所有專業編曲工作者都一定認同的選擇 --- 這些，只代表我自己的立場。

2. 『一次購買到位是最節省的採購方案』，一位青年樂手分享了這個觀念給我，我經過個人慘痛的反面實驗後，對此建議驗證無誤！所以～這些建議方案也許不是全然從定價合乎人性的角度出發。

3. 這些建議不會涉及任何精確的使用解說，相關進一步的資訊，我相信網路上一定有足夠的說明可供參考，還請自行發掘。

以下是我在 DAW 工作環境下，取樣音色或相關 Plug-in 軟體的建構建議：

1. 就『一次性』能有各類型高水準的取樣音色選擇方案，我會建議選擇『NATIVE INSTRUMENTS』所出的『KOMPLETE 11 ULTIMATE』(https://www.native-instruments.com/…/kom…/included-products/ )；特別是這其中會包含的『KONTAKT 5』這個『Sampler』控制介面，應該是現在最通用、方便的取樣控制器了。

2. 如果回歸到建構一個『Combo Band』所需要的基本節奏組，在鼓組的音色選擇上，我會建議：

a. 同樣來自『NATIVE INSTRUMENTS』出版的『BATTERY 4』(https://www.native-instruments.com/…/kompl…/drums/battery-4/ )，這套音色較之先前的版本，除了有很好的『原聲』鼓組之外，新增了許多更符合現今流行的電音鼓組音色。

b. 來自『TOONTRACK』的『SUPERIOR DRUMMER 3』(https://www.toontrack.com/product/superior-drummer-3/ )，可以研究一下這套取樣音色的錄製用心程度。

c. 來自『STEVEN SLATE DRUMS』的『STEVEN SLATE DRUMS 5』(http://stevenslatedrums.com/ssd5/ )，事實上現在的市場版本是『STEVEN SLATE DRUMS 4』，但因為廠牌擁有者本身對於『鼓組』音色的調校能力，讓我非常期待會在今年更新的第五版。

而在 Bass 的音色選擇上，我的第一推薦是在九〇年代就推出傳奇取樣音色『Bass Legends』(https://www.spectrasonics.net/produc…/legacy/basslegends.php ) 的『SPECTRASONICS』所升級研發的『Trilogy』(https://www.spectrasonics.net/products/legacy/trilogy.php )，它在編曲的元素上所提供的豐富性，是其他廠牌所難以超越的。

而『SPECTRASONICS』這個廠牌所出版的另外兩個絕殺產品『OMNISPHERE 2』(https://www.spectrasonics.net/products/omnisphere/index.php ) 與『STYLUS RMX』(https://www.spectrasonics.net/products/stylusrmx.php )，應該也是 Synth 奇幻音色類，與節奏 Loops 類音色中的翹楚之做！

但另外還有一個來自中國品牌『AMPLE SOUND』所研發『AMPLE Bass』系列 (http://www.amplesound.net/en/index.asp )，整個取樣所涵蓋的資料量非常驚人，而其所使用的運算法，在歐洲市場似乎是穩坐第一的寶座。另外，這個品牌所製作的吉他系列，其細緻的程度，也實在誇張得可怕：https://www.youtube.com/watch?v=AcwbH9LwLZk

3. 關於想擁有足夠聲音表情的管弦樂組音色，我想～應該可以考慮『IK Multimedia』所製作的『Miroslav Philharmonik 2』(http://www.ikmultimedia.com/products/philharmonik2/ )這套鉅作！

4. 因為我假設你會是吉他手，所以吉他類的聲音，應該會是直接用真實樂器來錄製，因此，除了前述的『AMPLE SOUND』系列以外，沒有什麼特別要推薦的；而如果你是鋼琴背景，我覺得你應該會去選購一臺音色與觸鍵都接近真實鋼琴的主控鍵盤，因此～似乎也不必班門弄斧了。

5. 但對於整體音色控制與處理上所需要的效果器類的 Plug-in 軟體，我會建議可以考慮『SLATE DIGITAL』所推出的『Everything Bundle』方案 (http://slatedigital.com/our-store/ )，這個品牌除了致力開發真空管、『Vintage』類型器材的模擬運算技術之外，它所提供的『月租型』方案，我覺得會是未來數位樂器世界的一種主流消費思考模式！

以上。

當然！音樂不必然一定要建立在奢侈的音色追求上，但如果我們一切努力，都是在未來期待能與業界接軌、不致脫離世界的主流標準太遠，那麼，在年輕的時期省吃儉用來投資在必要的『生財工具』上，我想，應該也還算是一種合理的自我要求吧？

祝～一切辛苦，都能有所回應！

--------------------------------------------------------------------

後記1. 在九〇年代的那些硬體音源，從現在的科技條件看來，當然有些落後、甚至不值錢了 (這一點，從現在這些器材的殘值大概可以有『一葉知秋』的體會)；但一直到現在，我在自己的編曲裡、特別是在節奏組，我還是常常將硬體音源與軟體音源混用，來彌補軟體音源常常會有的一種缺乏『實體音像』的問題。

而我現在還在使用的硬體音源，除了前述的 Akai S-6000 與 Roland S-760之外，還包括同樣是 Roland 的 JV-2080 (含擴充音色卡)、XV-3080 (含擴充音色卡)，以及一些『E-MU』這個品牌的 Synth 。

後記2. 我應該沒有提到當年那些編曲家們投資在硬體音源上的金額吧？我覺得…你應該也不會想知道；但我可以說：如果我們把前面所建議的軟體音源都買下來，那個金額比起當年的那些老師每個人投下去的數字，大概只有十分之一吧？也許可以這樣看：現在投入編曲工作的『入門門檻』，其實是很有人性的。

後記3. 因為書寫這篇文字，就順便翻出當年開始聽音色、寫筆記的一些紀錄，也算是對青年時代的一種回憶吧～～～