跨界圍攻：「AI 視覺」公司已集體殺入智能駕駛圈

2021-05-22
雷鋒網

如今的智能汽車賽道，說挨肩迭背也不為過。

新勢力派引領變革，最為二級市場所看好；泛網際網路派占流量高地，擅技術遷移；傳統車企派根基夯實，品牌名聲享譽在外。

甚至財大氣粗的某地產派也曾放下豪言――力爭 3-5 年成為世界規模最大、實力最強的新能源汽車集團。

如華山比武般，大俠們個個嚴陣以待，各方勢力黃巾高擎，左右開弓。

你看看，前有行業鐵幕，中夾破釜沉舟之心，後是險峻江湖，哪還有初進牛犢的落腳之處？

即便如此，在月前燥熱尚未消退的上海車展後，鮮少被提及的AI視覺公司還是擠了進來。

看慣了巨頭們的聲勢浩蕩，轉身發現AI視覺企業們的入局講究一個循序漸進，起承轉合。

而他們的悄然進入，也給智能駕駛領域增添了幾段新故事。

海康威視：左手自研、右手投資

AI安防老大哥海康，深耕智能駕駛市場履行一貫的低調風格。

其對智能駕駛的綢繆始於2015年，當時海康內部計劃開展新業務，起初確定的業務有三：海康汽車電子、海康機器人、海康螢石。

2016年7月，耗資1.5億的海康汽車技術正式成立。

在此前後，海康還分別於2016年6月投資了威視汽車科技，2017年7月成立了海康汽車軟體。

2018年是海康智能駕駛的上升之年，市場渠道、技術研發上均有突破。

2018年2月，他們上線高級駕駛輔助系統、自動泊車APA+，同年又成功打入2019款保時捷卡宴的配置中。

汽車產業以穩為重，鏈條長、利益盤根錯節，新入者切入並不容易，而海康卻出其不意一舉打入高端。

數據顯示，截至2018年底，海康汽車已經通過了20家OEM的審核並成為其合格供應商，公司的主要客戶包括一汽集團、北京汽車、上汽榮威、上汽名爵、本田汽車等。

其中，定點項目超過200個，已量產的項目超過100個，覆蓋500家渠道合作夥伴。

成立子公司自研之外，投資也是海康較為看中的一大路徑。

在成立汽車電子公司之前，海康就曾在2016年入股毫米波雷達企業森思泰克，並成為後者的第二大股東。

2013年成立的森思泰克既是毫米波雷達第一批探路者，也是成績較為優秀的領軍企業之一。

森思泰克創始人秦屹是英國海歸的雷達專家，在英從事雷達研發和製造十餘年。

據悉，森思泰克所聚團隊成員中80%具有軍工背景，掌握雷達硬體、軟體和量產工藝等幾乎全部核心技術。

據悉，森思泰克毫米波雷達在北京、石家莊設研發中心，在蕪湖設總廠，在杭州設車載事業部。

石家莊，有軍工雷達大本營之稱，軍民毫米波雷達研發人才密集，且電科雷達研發54所和13所都在石家莊。

森思泰克也頗為爭氣。

2019年，思泰克首次實現大批量77GHz車載毫米波雷達國產化、突破國際巨頭壟斷。

森思泰克的77GHz毫米波雷達成為國內首個真正實現「上路」的ADAS毫米波雷達傳感器。

目前，森思泰克已成為紅旗、一汽、韓國現代、東風日產、長城、長安等國內外車企體系內供應商。

海康與森思合作的高分毫米波成像雷達+視覺融合技術，或許將對壘低線束雷射雷達。

大華股份：立足整車，三電、網聯、自動駕駛多點齊發

零跑汽車脫胎於大華股份的汽車部門，獨立後獲得了大華股份的技術和資金支持。

2015年，大華股份副董事長兼任大華股份CTO朱江明親自下場，成立零跑。

經歷2019年新能源補貼大退坡，不少新勢力造車企業已經出現嚴重資金問題，且變現存疑。

零跑汽車亦不例外。

2018年，零跑虧損 3.07 億元後，2019 年上半年又持續虧損約 2 億元。

2019年1月4日，零跑汽車第一款車S01上市，該車2019年全年交付約1000輛。

對於連續虧損的零跑，唱衰論一直也在網上發酵。

朱江明對此表示，「即使不融資，零跑也能再活三年。」他透露，大華股份將持續為零跑輸送資金，「當然我們希望能更多的融資，發展得更快些。」

在經歷融資受阻後，2021年伊始，零跑官宣融資43億元，合肥政府投資平台亦在其中。

今年年初，此前曾投資蔚來的合肥市政府與零跑方面簽訂戰略合作協議，未來合肥方面將對零跑B輪融資投資約20億元，並展開更多合作。

現金流方面，從不被業界看好，到巨額融資的到帳，仿佛又讓市場看到了可能性。

技術層面，零跑汽車稱自主研發了三電系統、智能網聯繫統、自動駕駛系統三大核心技術，並完全掌握自動駕駛核心硬體平台和算法技術，實現對自動駕駛感知、決策、執行層關鍵技術的自主化全覆蓋。

產品層面，零跑汽車目前旗下擁有3款量產車型，分別為：零跑T03、零跑S01以及零跑C11。

三款產品風格各異，銷量不一。

2020年，零跑汽車官方消息稱，2020年累計銷量達11391輛，其中T03為主力軍，貢獻了10266輛。

創始人朱江明也底氣頗足：「2023年零跑進入造車新勢力TOP3、2025年在國內新能源汽車市占率達到10%」。

商湯：求精感知技術，並進艙內艙外

與其他AI獨角獸相比，商湯在自動駕駛上布局較早，也更全面。

2017年進軍自動駕駛，商湯的汽車產業布局可分為艙內（智能車艙）和艙外（智能駕駛）兩大層面。

智能車艙層，基於前裝量產解決方案，以視覺感知技術為錨點，由點及面，覆蓋用戶從上車到用車的多個場景。

商湯的SenseAuto Cabin智能車艙解決方案包括駕駛員感知系統、座艙感知系統、智能進入等等功能。

據悉，在過去的兩年多時間裡，商湯已經拿下了30多個國內外頭部夥伴的智能車艙定點量產項目，覆蓋車輛總數超過1300萬輛，其中10 余個項目已經實現了量產交付。

智能駕駛層，商湯選擇與主機廠合作，做汽車廠商（OEM）及一級供應商（Tier1）的解決方案供應商。

在自動駕駛感知、決策和執行三大要素中，汽車廠商和Tier1占據重要角色。

2017年，商湯與OEM廠商本田簽訂了為期5年的長期合作協議，研發適合乘用車場景的L4級自動駕駛方案。

2018年，商湯完成杭州、上海半開放場地內實現無接管自動駕駛。2019年，在日本落地「AI自動駕駛公園」，將用於自動駕駛汽車的研發和測試，並面向公眾開放。

商湯的自動駕駛業務定位，是以視覺為主，其他元素為輔。

視覺之外，商湯在高精度地圖和雷射雷達、毫米波雷達等方面皆有技術儲備。

通過搭配多種不同傳感器，實現感知、分析預測、決策規劃控制、城市級三維地圖重建及無人車高精度定位能力等技術功能。

目前，商湯對自動駕駛技術進行了多次疊代，形成了一套較為成熟的智能駕駛方案：SenseAuto Pilot智能駕駛解決方案，聚焦 L2+ 級高級輔助駕駛至L4級自動駕駛創新，並在上海車展首次發布SenseAuto Pilot-P駕駛領航方案。

軟體之外，2019年3月，商湯還推出首款原創機器人SenseRover X自動駕駛小車，這是款針對自動駕駛的教學產品。

奧比中光：戰投＋自研，兩條腿走路

奧比中光是AI初創企業中對智能汽車投入最多的公司之一。

作為一家AI 3D感知技術方案提供商，成立於2013年的奧比中光現今已在3D傳感領域深耕近8年。

3D傳感作為人工智慧領域最核心的視覺感知技術，融合了晶片、算法、光學、軟體等多交叉學科技術，是人工智慧時代感知識別、新型人機互動等最為核心的技術載體。

除3D結構光外，奧比中光在雙目、iTOF、dTOF、雷射雷達等主流3D視覺感知技術領域也有長遠布局。

早在2018年，奧比中光就投資雷射雷達晶片級解決方案提供商飛芯電子。

飛芯電子成立於2016年，是一家專注於光電設備、雷射雷達研發、集成電路設計的高新技術企業。

成立僅2年，飛芯電子獲得了博世等注資。

據悉，飛芯電子以研發、生產雷射雷達系統及核心晶片為主要業務，客戶群體主要面向國內外汽車、機器人、無人機等生產研發廠商。

飛芯電子稱，其針對行業痛點，採用了連續波載調製或相干外差探測方案，利用焦平面點雲測距技術，滿足較高的空間解析度和較大的視場角，探測距離可超過200m，且無需複雜昂貴的機械掃描裝置，不斷提高系統可靠性，也使獲得的圖像更為清晰。

2019年4月，奧比中光成立車載3D視覺傳感方案提供商奧銳達。

奧銳達的業務重心在智能座艙，產品包括ToF攝像頭模組、雷射雷達等硬體以及3D ToF智能座艙方案。

承襲了奧比中光的3D視覺感知技術，奧銳達可為智能汽車帶來DMS、OMS、手勢識別、人臉識別、身份驗證等多種3D化智能功能。

其金融級安全的3D人臉識別方案，保護駕乘人員的信息安全；通過3D-ToF 攝像頭，實現多區域手勢控制；同時，智能汽車還可以通過3D信息，判斷駕乘人員體型、座艙內位置等。

近日，奧銳達還發布了為智能汽車量身定製的3D ToF智能座艙方案。

虹軟：主攻艙內，走軟硬一體之路

2018年，為應對手機市場見頂飽和，虹軟正式將業務從智慧型手機領域拓展至智能汽車、IoT等領域，一舉橫向突進自動駕駛市場。

虹軟科技創始人兼CEO鄧暉曾表示，未來每輛汽車裡都有10個以上的攝像頭，智能座艙將成為智能駕駛視覺AI的重點應用場景。

與其手機定位一樣，虹軟的智能汽車走軟硬一體解決方案，力圖做車載視覺一站式解決方案的供應商。

從招股書看，截至2018年底，虹軟科技的「汽車等loT產品」的業務收入僅367.95萬元，占比不足1%。

與多數視覺企業加裝雷射雷達等技術不同，虹軟的的自動駕駛解決方案完全基於視覺層面，且核心聚焦在車內智能。

虹軟科技的智能駕駛視覺解決方案，包括車內安全駕駛預警、駕駛員身份識別、車內安全輔助、輔助駕駛預警、自動泊車等眾多解決方案。

2019年3月，虹軟入股開易（北京）科技，後者主營業務包括主動安全智能終端（ADAS+DMS+人臉識別）、SDK軟體服務以及硬體整體解決方案。

2019年，虹軟在科創板上市。

虹軟表示，其在計算機視覺領域積累深厚，融合其暗光高反差拍攝、防抖等影像視頻增強算法技術，即使在車內光線不佳、人臉角度多變、車輛晃動等特殊情況下，也能夠很好地完成車輛周圍環境監測和車內人員監測等功能。

上市後，虹軟大力布局智能汽車及其他 IoT 智能設備領域，目前成效初現。

據虹軟表示，智能汽車板塊2019年開始真正量產。

數據顯示，2020年，智能駕駛視覺解決方案業務增長較快，實現營業收入6592.99萬元，同比增長310.61%。

據悉，虹軟智能駕駛相關產品包括DMS（駕駛員識別系統）、ADAS（高級駕駛輔助系統）、BSD（盲區檢測系統）、OMS（乘客識別系統）、Interact（視覺互動系統）、Authenticate（生物認證）、AVM（3D環景監視系統）、AR HUD（AR抬頭顯示）和智能後備箱等各類以核心算法為基礎的相關軟體解決方案。

高工智能汽車研究院數據顯示，DMS(駕駛員識別系統)的算法業務是其智能汽車業務的主要收入來源。

虹軟今年透露，其智能駕駛業務已實現37+7個前裝車型定點開發（37款量產車型定點，7款車型預研），以提供純算法為主，公司直接與Tier1或整車廠簽約，涉及多家國內主流車企（含造車新勢力）及部分合資車企。

格靈深瞳：最早入局，協同成長

成立於2013年，格林深瞳是最早的一批AI視覺公司，也是最早一批投入自動駕駛的AI視覺公司。

當年，格靈深瞳聯合英特爾研究院院長吳甘沙、國家智能車未來挑戰賽冠軍團隊負責人姜岩等一同創辦了一家專注於自動駕駛領域的公司――馭勢科技。

2016年，馭勢科技在北京誕生，格靈深瞳作為投資方入股馭勢科技。

過去五年，馭勢科技在洶湧潮水中奮力前行。

2017年1月的CES，馭勢科技向世界推出了無人駕駛概念車「城市移動包廂」，該車型成為了全球第三款獲得紅點設計大獎的無人車。

同年，這家公司分別在4月和6月，於白雲機場、杭州來福士率先展開面向普通公眾的無人駕駛商業化運營。

今年1月21日，香港國際國際機場宣布，由馭勢科技與香港國際機場管理局共同研發的無人駕駛物流車將替代人力駕駛拖車，承擔往返機場和海天客運碼頭的行李運輸任務，意味著其在機場的運用已逐步上量。

在過去的一年中，馭勢科技與長安民生物流、一汽物流、巴斯夫（BASF）等數十家企業建立了商業合作。

據透露，在國內某豪華品牌車型上，馭勢科技提供的軟體算法也已前裝量產，並幫助該自主品牌率先推出 L3 級自動駕駛功能。去年馭勢科技交付了數百套「AI駕駛員」，實現年度業績同比增長150%。

前不久，馭勢科技宣布完成累計超10億元人民幣的新一輪融資，在這場融資中馭勢科技獲得了國家資本的參投。

馭勢科技在無人物流埋頭苦幹，潛心鑽研，其成績是在無人物流領域的業務布局幾乎占到了國內市場的70%。

2016年誕生至今，馭勢科技經歷萬千辛酸，在密如繁星的棋子中探索出一條最優解法，以機場定式，在精進自我的路上捨命狂奔。

而格林深瞳的自動駕駛之路，也隨著馭勢科技越走越遠。

曠視：立足AI視覺，做車載全套解決方案

2018年11月，曠視曾公開展示過車載AI視覺解決方案。

彼時的曠視，其解決方案基於車載系統和駕駛過程的人臉解鎖、帳戶切換、駕駛員識別、多模態交互等功能為主，並收取相應軟體使用費和服務費。

「人臉解鎖」可通過車外的攝像頭捕捉駕駛員人臉信息並進行身份的識別與確認，實現人臉解鎖車門、臨時授權人臉解鎖車門；

通過車內的攝像頭實現刷臉啟動發動機、保險箱等，「帳戶切換」功能可通過人臉識別無感知精準識別駕駛員身份，配合車載智能系統，快速調整用戶預設的車輛各項個性化配置（座椅位置、反光鏡角度、空調溫度、音樂、燈光、導航等）。

「駕駛員識別系統」可通過車內攝像頭，實時查看駕駛員駕駛狀態和行為，在駕駛員出現疲勞駕駛或分心駕駛跡象時觸發預警，保障行車安全。

曠視曾表示，其與蔚來汽車實現了未來在智能汽車應用上的深度合作，真正的無人駕駛商用較遠，曠視聚焦對人類駕駛員的理解和輔助。

的盧深視：基於3D視覺相機，為產業賦能

的盧深視在智能汽車領域的角色，更多是與第三方合作的方式。

作為三維視覺領域的佼佼者，的盧深視在高精度深度感知成像、三維實時高精度重建、三維跟蹤識別及感知等技術方向上深耕多年。

上月，的盧深視出席了2021全球自動駕駛高峰論壇，並展示了其最新3D CV相機及其應用。

的盧深視兩款自研3D CV相機，其在5米範圍誤差小於1mm，指標超越國際3D相機巨頭，量產良率達99%以上。

基於前端低功耗嵌入式平台，兩款相機均可實現非接觸式精準識別，基於結構光原理，更可還原人臉高精度3D細節信息，通過人臉立體尺寸信息精準辨識人員身份，同時對於二維和三維攻擊識別正確率高達99.99%。

多提一句，安全性上，可達金融級別。

據悉，除了智能汽車領域，兩款相機也在智能家居、金融支付、智慧交通等領域展開布局。

智能駕駛：AI視覺第二春

AI視覺眾企入局智能駕駛賽道，並非跑題創作。

其一，布局智能駕駛，是戰略向外牽引使然。

自計算機視覺出走實驗室樊籠，AI安防、自動駕駛便拿到一大波投資人的「S卡」。

當年AI落地之時，安防提供了絕佳的土壤，AI公司在此實現技術與產業的交融。

期間，AI與安防彼此成就：

安防向世界輸送的海大宇等驕子，幾乎主導了全球安防市場話語權，行業極速擴容，向城市各個領域蔓延。

AI獨角獸們也從安防起家，並逐漸走向千行百業，邁向全域。

左邊是AI安防成主要營收來源，右邊是AI安防逐漸占領一席之地。擺在入局者眼前的，是如何保持縱向持續增長的必答題。

擺脫路徑依賴，尋找AI安防之外的市場，已是當務之急。

如果說，過去五年，AI視覺公司的路徑是「通用AI SDK 重定製集成項目實施」的話，那麼未來五年，他們可嘗試「非標領域的標準市場 形成標準化產品 低成本規模化複製」的路子。

非標領域的標準市場在哪？自動駕駛、醫療、晶片赫然在列。

縱觀AI市場，目光所及賽道幾近全員虧損，掘金志認為，與高成本人力無關，因為虧損在放大；與硬體儲備也無關，因為可以OEM。

核心在於：AI安防未能標準化，項目需求又無窮多。

那就去標準化市場？有人問。

標準化市場可以一夜之間把價格做到無窮低，但高額運營支出非AI企業所能承受。

標準化市場上不去，定製化市場下不來，AI公司的突破口在哪？答案是：非標準化市場裡找到標準化路子。

賽道上，自動駕駛正是明顯的非標領域的標準市場。與AI安防共通的是，智能駕駛初創企業也依賴資本輸入。

但前者場景碎片化、項目定製化，產品標準化之路漫漫；後者以智能汽車為載體，技術上軟體定義、人機協同一旦成型，會一招吃遍天下鮮。

眼下，不少智能駕駛新勢力已實現產品量產，並獲得一定規模的現金流。

對於一眾搶灘的各路豪傑，AI視覺的入場似乎有些遲。

但智能汽車賽道正熱、格局未定，智能汽車產業鏈長、細分領域繁雜，此時入場的AI視覺，你可以說它入場稍晚，但不能說它機遇不在。

其二，自動駕駛或是計算機視覺技術應用必登之高峰。

近幾年，機器學習持續深入，計算機視覺應用亦有了飛速進展。

千山萬水跨越的人臉識別小山，是AI最成功，也最基礎的一環。

真正的AI，是貫穿感知-決策-執行的長鏈條，這一點在自動駕駛上體現得尤為極致。

感知層，通過各類硬體傳感器捕捉車輛的位置信息以及外部環境信息；

決策層的「大腦」，基於感知層輸入的信息作環境建模，從而形成對全局的理解並作出決策判斷，再向車輛發出執行的信號指令；

最後的執行層，將決策層的信號轉換為汽車的動作行為。

自動駕駛技術是人工智慧、高性能晶片、通信技術、傳感器技術、車輛控制技術、大數據技術等多領域技術的結合體，落地難度之大，各路AI無不動容。

計算機視覺應用場景萬千，自動駕駛無疑是極具挑戰性、最具想像力的一條。

越是長在懸崖之巔的花，越讓人著迷。

一直以來，在環境感知環節，存在AI視覺與雷射雷達技術路徑之爭。

不管何種路徑更優，已經在視頻物聯領域經歷過殘酷驗證，AI技術儲備上，AI視覺企業們也已攢下不少經驗。

狼多肉少，能吃幾成飽？

「自動駕駛是很低級的行業嗎？所有人都想來分一杯羹。」

這調侃入局者們聽了，大抵會覺得分外委屈。

大多數困在第一道門檻，錢。

「沒有200億不要造車」的聲量振聾發聵，造車明星蔚來也曾資金一度跌入谷底。

雖說AI視覺公司除了大華的零跑汽車外，其他參與者目前都專注於智能駕駛硬體和系統，但這也是個昂貴的行當。

不少企業本身依靠資本輸血，是否有更多資金和精力參與自動駕駛廝殺，是他們需要思考的問題。

行業壁壘不容小覷。

汽車產業發展百餘年才形成了一套嚴謹而完整的生產流程和制度，乃至於衍生出了一套基於安全的工業文明，不是後來者們在短短的幾年時間裡就能夠顛覆的。

作為智能汽車的核心體現，自動駕駛技術遠未達到成熟的程度；車艙內的智能化體驗也還有豐富的想像空間。

換言之，如果跨界選手想要在智能汽車的世界裡找到自己的一席之地，不僅要高度重視安全這一話題，還要擁有強大的軟體能力。

但在前一輪前沿傳統主機廠以及蔚來、小鵬、理想等新造車勢力的人才軍備賽過後，新入局的玩家要如何吸納更多的專業人才？又如何權衡來自世界各地的人才的意見和建議，從而做出最終決策？

與此同時，智能汽車的研發不是一件只要懂軟體就能夠做成功的事情。

隨著電動化、智能化大潮的到來，造車的門檻看似降低了不少，但在這一過程中遇到的內因外因的難題，可能遠比想像中的要多。

行業資源尚需積累。

相比AI安防、智慧城市等領域，AI視覺跨界者在智能汽車領域品牌影響力和渠道資源不足，短期內，造血盈利能力較低。

而且，AI視覺企業布局智能駕駛時間不一，技術雖有共性但終究有別，相較於大多數垂直企業，尚有諸多不足。

故可見，過去幾年，即使AI視覺巨頭，步伐也較為謹慎，大多圍繞艙內智能、ADAS市場。

如果說巨頭們跨界，自帶熱搜體質，AI視覺企業跨界的光彩，多少暗淡了些。

前者身家優渥，拿著頂流體驗卡入場，高屋建瓴，後者更多是以小舟，涉鯨波。

當然，隨著技術日進一桿，資源聚沙成塔，營收逐年增長，他們將投入包括但不限於研發、營銷、資本等層面，難保這一葉扁舟，哪天出其不意成為可遠航的重磅郵輪。

莫道桑榆晚

眾多跨界玩家湧入智能汽車，激發了新的生機。

無論從何種角度來看，智能汽車的市場都蘊藏著無限機遇。

這個市場需要鲶魚的存在。

在新時代的風潮之下，我們固然期待看到不斷有實力強勁的新玩家們入局，留下中國智能汽車史上濃墨重彩的一筆。

我們也殷切地希望，這是一片能夠承載百花齊放，充滿新的生機和活力的沃土，而不是拔苗助長的投機者的港灣。

憑藉先發優勢，不少入局者或已暫列行業前位，但隨著各方力量的持續加碼，後來居上也並非不無可能。

保持警惕，時刻成長。

資料來源：https://www.chinahot.org/science/83632.html?fbclid=IwAR2Mm9ZU17srF7sCywqUPw-hmRAyGN_sN9XnL0_Q6mE4bUYwUpgGNX3wHps

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。

新北市平溪區一向皆是熱門觀光景點，尤其平溪老街的小吃與放天燈，平常的觀光客很少有人知道再走約莫十分鐘可到達孝子山登山步道。

拍攝這次的目的，就是丹尼聽到很多山友尋問到，上一支影片劍龍稜是否有難度，丹尼自認為難度算高，建議做足體力上的準備與攻略。所以本次前往孝子山登山步道。丹尼個人非常推薦此步道，因為進入登山口後只需約20分鐘即可登頂，路程極短，但風景依舊壯闊華麗。

下山後，丹尼在老街裡相遇目前罕見的懷舊柑仔店、五金行與傳統小吃店。唯一不變的就是當地人的熱情還有彈珠汽水的懷念滋味兒!

每年「元宵節」很多人都會到平溪區(十分或平溪車站)一帶放天燈祈求好運，不但是平溪區重要的活動之一，亦是危害當地環境的要素之一。

尤其前陣子看見@台客劇場 Tkstory 紀錄一系列的天燈環保議題，希望可以不違背傳統的方式遵循文化習俗。丹尼非常推薦這系列影片歡迎自取!https://www.youtube.com/watch?v=cY47iJ5-2o8

【孝子山登山步道】
▶所在縣市：新北市平溪區
▶步道類型：石階、泥土路、鐵梯
▶海拔高度：210~360公尺
▶山系：加里山脈
▶里程：單程約1.5公里
▶行程：
孝子山登山口→(8分鐘)→十字岔路口往中央尖方向→(6分鐘)→鞍部→(11分鐘)→孝子山頂→(原路折返25分鐘)→孝子山登山口。
▶備註:
1.登孝子山共有三條路線，其中最大眾化也較簡易的走法如本文路線規劃。第二種也是由平溪國中出發，走一小段東勢格越嶺步道，轉往恩慈嶺至鞍部，再上孝子山。第三種由平溪老街出發，經慈母峰底，續上孝子山。
2.也可規劃連走孝子山、慈母峰及普陀山，行程約2至3小時。
3.雨季或大雨後步道濕滑，不建議前往。
資料來源:健行筆記
https://hiking.biji.co/index.php?q=trail&act=detail&id=113

【慈母峰、普陀山登山步道】
▶所在縣市：新北市平溪區
▶步道類型：花崗岩石階、岩稜階、產業道路
▶海拔高度：200~450公尺
▶山系：加里山脈
▶里程：單程約1.4公里
▶行程：
平溪火車站→（0.3K,5分鐘）→孝子山第一登山口→（0.4K,15分鐘）→孝子山第二登山口（普陀寺）→（0.4K,10分鐘）→十字岔路口→（0.2K,15分鐘）→慈母峰→（0.2K,15分鐘）→普陀山→（0.2K,15分鐘）→十字岔路口→（1.1K,25分鐘）→平溪火車站
▶備註:
慈母峰/410m/晴字002不銹鋼基石
1.無論搭火車或公車至平溪站，距離石底橋的第一登山口僅數百公尺，開車者可沿著產業道路開至普陀山觀音寺旁的第二登山口停車後起登。
2.慈母峰、普陀山和孝子山都是熱門的登山路線，假日岩稜上容易塞人，宜儘早出發；天雨或有懼高症者不建議前往攀登。
資料來源:健行筆記
https://hiking.biji.co/index.php?q=trail&act=detail&id=121

【平溪中央尖登山步道】
▶所在縣市：新北市平溪區
▶步道類型：石階、泥土路、攀繩
▶海拔高度：218~580公尺
▶山系：加里山脈
▶里程：約3公里
▶行程：
普陀寺登山口→(0.3k, 10分鐘)→岔路往中央尖→(0.4k, 30分鐘)→鞍部→(0.6k, 40分鐘)→中央尖→(0.8k, 55分鐘)→岔路往平溪國中→(0.3k, 15分鐘)→舊礦場→(0.6k, 20分鐘)→平溪國中
▶備註:
1.部分路段需攀繩，不建議幼童同行。
2.步道濕滑，請穿著適當防滑的鞋子。
資料來源:健行筆記
https://hiking.biji.co/index.php?q=trail&act=detail&id=397

▶大眾運輸：
1.搭高鐵至臺北站下-轉搭臺鐵至瑞芳站下-轉搭臺鐵至平溪站下。
2.搭臺鐵至臺北站下-轉搭臺北捷運至木柵站下-轉搭臺北客運[795路(原1076路):往平溪]至平溪(老街)站下。
（交通資訊常有變動依公告為準）


#孝子山 #平溪老街 #慈母峰
--------------------------------------------------------------------------
👉更多有關於【秋天剩旅行cts.travel】此旅行的照片
https://instagram.com/cts.travel?r=na...

👉商業合作與邀約
bokas3kas3@gmail.com
--------------------------------------------------------------------------

外層 | 防水外套:始祖鳥 Arc'teryx BETA AR
https://idragon.info/2ggee

中層 | 軟殼外套:始祖鳥 Arc'teryx Gamma MX Hoody
https://whitehippo.net/2gghY

中層 | 保暖羽絨衣:始祖鳥 Arcteryx Cerium LT Hoody 850FP
https://shopsquare.co/2gghf

中層 | 輕量保暖外套:Fjällräven Keb Fleece Hoodie M
http://www.fjallraven.tw/clothes53.0.404

底層 | 透氣快乾襯衫: Fjällräven Abisko Hike Shirt LS
http://www.fjallraven.tw/clothes53.0.128

下肢 | 軟殼軟殼長褲:Arcteryx 始祖鳥 SIGMA FL Pants
https://igrape.net/2gghp
https://igrape.net/2gghp

下肢 | 軟殼軟殼長褲:Fjällräven Abisko Keb Trousers M
http://www.fjallraven.tw/clothes53.0.175

鞋子 | 重裝高筒防水登山鞋:ZAMBERLAN 1014 LYNX MID GTX WL
https://www1.gamepark.com.tw/2gghx

鞋子 | 輕裝低筒防水健行鞋:SALOMON GORETEX X ULTRA 3
https://easyfun.biz/2ggi3

鞋子 | 輕裝低筒防水健行鞋:SALOMON OUTLINE GTX
https://igrape.net/2ggi6

背包 | 重裝登山背包:Gregory Baltoro 75 Goal Zero 太陽能登山背包(2017版)
https://product.mchannles.com/2ggi9(2019薄暮藍)
https://ibanana.biz/2ggiC(2019瑪瑙黑)

背包 | 中裝登山背包:神秘農場Mystery Ranch EX Coulee 40(2019版)
https://adcenter.conn.tw/2ggiI

配件 | 相機快夾系統:PEAK DESIGN Capture V3
https://shoppingfun.co/2ggmB

配件 | 相機背帶:PEAK DESIGN 快裝神奇背帶 Slide
https://igamepark.biz/2ggib

配件 | 相機手腕帶:PEAK DESIGN 快裝潮流腕帶 Cuff 手腕帶 快拆
https://product.mchannles.com/2ggiw

配件 | 防水圓盤帽:Black Yak GTX
https://reurl.cc/d0qjv6

配件 | 墨鏡:ROAV Eyewear Taiwan