這是一篇蠻持平客觀的分析、說明..... 電動車和你想的不一樣：只是炒作？真的會造成缺電嗎？專家一次說清楚（12/30/2020 風傳媒）

"你應該知道的是：豐田汽車社長痛批，電動車若更加盛行，可能造成日本大缺電，此一說法引發外界熱烈討論。如果電動車滿街跑，到底會不會缺電？電動車只是炒作的話題嗎？作者以專業背景解釋，電動車對解決大城市嚴重空氣污染將有顯著成效，但能源轉型困境並未因此紓緩，能源問題人人有責，不能把責任推給政府。"

作者：曲建仲 / 台大電機博士，知識力專家社群創辦人

近年來空氣污染讓大家忍無可忍，溫室效應造成的氣候暖化日益嚴重，讓世界各國政府推出新的碳排放法規，不約而同喊出 2030或2040 年禁售燃油車的口號，許多車廠被迫積極開發電動車，彷彿電動車能夠解決人類的空氣污染與能源問題，豐田社長怒批世界各國政府力推電動車只是炒作，許多人可能認為那是豐田(Toyota)眼見特斯拉(Tesla)股價節節高昇而吃醋，所以電動車真的是未來環保的新希望嗎？事實恐怕和你想的不一樣？

電池的構造與原理

所有的電池都具有陽極(負極)與陰極(正極)，基本上都是由陽極(Anode)發生的化學反應產生電子(Electron)與陽離子(Ion)，電子流入元件可以推動元件工作，也就是我們所稱的電能，如圖一(a)示；陽離子則經由電解質穿越多孔性的隔離膜到達陰極，如圖一(b)所示；最後陽離子與電子在陰極(Cathode)結合，如圖一(c)所示。

電池的陽極(Anode)：是我們所稱的「負極(Negative electrode)」。電池的陰極(Cathode)：是我們所稱的「正極(Positive electrode)」。

兩者恰好相反，千萬別弄錯了唷！大家可能會好奇，為什麼會恰好相反來造成大家的困擾呢？因為化學家定義放出電子的叫「陽極」；而陽極放出電子，代表陽極必定帶負電(同性相斥、異性相吸)，所以物理學家稱陽極為「負極」。

不同的鋰電池主要是陰極材料不同

不同的鋰電池其實主要是使用的陰極材料(正極材料)不同，目前最常用的陰極材料共有四種：鋰鈷氧化物(LiCoO2)、鋰鎳氧化物(LiNiO2)、鋰錳氧化物(LiMn2O4)、鋰鐵氧化物(LiFePO4)，其中大家常聽到的「三元鋰電池」其實是陰極材料使用鈷鎳錳酸鋰三元化合物的鋰離子電池，其中三元是指包含鈷(Co)、鎳(Ni)、錳(Mn)三種金屬的化合物，而電解質主要是使用六氟磷酸鋰液體，負極材料一般是使用石墨。

固態鋰電池未來發展值得關注

由於現在的鋰電池所使用的電解質是液體，容易發生漏液汙染、易燃爆炸等問題，而固態鋰電池的電解質是固體，不會因為隔離膜破損就導致陰陽極接觸短路爆炸，而且固態鋰電池的密度和結構可以讓更多帶電離子聚集傳導更大的電流提升電池容量，此外固態電解質不可燃、無腐蝕、不揮發、不漏液等特性，不像傳統鋰電池的液態電解質含有易燃有機溶液，需要降溫、防撞擊、防穿刺等安全裝置。

電極材料與液態電解質容易完全接觸，但是和固態電解質接觸不如液體，造成介面阻抗過高，影響整體電池效能，而且固態電解質製程良率低價格高，仍然有許多困難。日本Toyota公司預計2022年推出全固態鋰電池的電動車，美國Fisker公司為固態鋰電池申請專利，能量密度可達傳統鋰電池的2.5倍，法國Bollore公司已經量產固態金屬鋰聚合物電池，德國Bosch公司收購美國Seeo公司研發固態鋰電池技術，QuantumScape公司的鋰固態電池號稱15分鐘可以充飽80%股價大暴漲，由於廠商投入資源研發未來發展可期。

電動車的普及有賴電力基礎建設

電動車要充電，但是如何充電是個大問題，像Gogoro的電動機車一個電池只有9公斤，使用者可以到電池交換站自行更換電池，但是Tesla電動車的電池重達500公斤以上，只能以定點充電的方式進行，即使目前的規格要求在1小時內完成充電，使用者是否能在加電站等1小時卻是個問題。

如果必須把車開回家在停車場充電，最大的問題是目前的電力基礎建設不足，假設大樓停車場有100個停車位，每個都設置插座，當100台電動車同時充電時，大樓的變壓器無法承受如此巨大的電流，因此整個電力基礎建設，包括：變壓器、變電所、高壓電塔都必須重新設計才能達成，聽起來就不是短期內可以做到的事，可能的解決方法是在大樓停車場建置大型儲能電池，當大量電動車充電時可以由大型儲能電池供電，考慮到成本與安全，大型儲能電池使用釩電池或鋁電池是未來可能的發展方向。

電動車不會排放廢氣　更環保而且節省能源？

由於我們的發電廠是以高壓交流電(AC)傳送到使用者家中，再以「電源供應器(PSU：Power Supply Unit)」轉換為直流電(DC)才能對鋰電池進行充電，如果使用的是交流馬達，則鋰電池供電時要再轉換為交流電(AC)給馬達供電，每一次的電源轉換效率大約80%~90%，因此這樣轉來轉去其實浪費許多能源。根據德國慕尼黑經濟研究院(IFO：Institute for Economic Research)發布的一份研究報告，考慮電動車的碳排放量時，如果將鋰電池的生產製造、能量轉換，以及供電過程中發電廠發電所排放的二氧化碳算進去，電動車的二氧化碳排放量會比傳統燃油汽車高。

根據IFO的資料，最環保的能源形式是使用「甲烷」，也就是我們家裡用的天然瓦斯，它與一般的「瓦斯車」類似，差別在目前瓦斯車使用的「液化石油氣」是丙烷和丁烷的混合物。以甲烷為主要動力的內燃機(引擎)可以使汽車減少碳排放量，而且甲烷裡含有的氮化物、硫化物等雜質更低，是汽車製造商可以採用的環保能源，搞了半天最環保的竟然是瓦斯車，看來豐田社長怒批電動車只是炒作算有幾分道理，不過瓦斯車還是會排放二氧化碳，無法解決溫室效應的問題。

電動車只能改善空氣污染　無法解決能源問題

充電站裡的電是那裡來的呢？還是由發電廠來的，說來說去，又回到了最原始的火力、水力、核能發電來提供，核能目前被社會接受的可能性很低，在台灣想蓋水庫都很困難了更別說水力發電廠，因此又回到最原始的火力發電，不論是使用天然氣或煤碳，最後還是免不了要造成空氣污染的，因此有人說電動車只是把城市裡的空氣污染，轉移到郊區發電廠而已。台灣目前全力推動太陽能與風力發電，這是應該做的，只是核能電廠要除役，太陽能與風力發電只怕用來補上這個電力缺口都不夠，沒辦法多出來給電動車使用。

汽柴油車與火力發電廠最大的差別，在於對污染物的控制，汽柴油車滿街跑到處噴廢氣，只能使用觸媒轉化器進行處理，由於價格與體積的限制，無法對廢氣有效回收處理；而發電廠是將廢氣集中處理，可以使用更昂貴體積更大的工業設備對廢氣有效回收處理，污染的確變低，因此使用電動車一定會減少城市的空氣污染，再加上近年來電池從製造方式到回收技術都快速進步，發展電動車仍然是重要的選項之一。

氫能與燃料電池被視為終極環保能源但是困難重重

傳統電池直接使用化學反應產生能量，優點是能量轉換效率很高(80%以上)，但是充電需要比較長的時間；而使用燃料以內燃機(引擎)進行燃燒反應產生能量，優點是可以直接補充燃料，但是使用內燃機的能量轉換效率很低(30%以下)，科學家開始思考，有沒有一種方法同時具有「電池」與「燃料」的優點呢？於是燃料電池從此誕生了。

燃料電池和傳統電池的原理相同，都是將活性物質的化學能轉換成電能，但是傳統電池的電極本身是活性物質，會參與化學反應；而燃料電池的電極本身只是儲存容器而已，並不會參與化學反應(觸媒只用來引發化學反應)，必須將活性物質加入電池內，就好像我們的汽車補充燃料一樣，才能產生化學反應形成電能，是一種要補充燃料的電池，故稱為「燃料電池(Fuel cell)」。

儲氫技術價格偏高目前仍然無法擺脫石油

燃料電池使用氫氣與氧氣反應產生水，反應後排放的氮化物或硫化物極少，幾乎沒有任何污染，因此被視為終極環保的再生能源。但是燃料電池必須使用氫氣做為燃料。高壓儲氫技術如何把又大又重又危險的氫氣鋼瓶放在車上是個大問題；因此有國外公司開發出可以承受700大氣壓的航太複合材料儲氫瓶，可以取代氫氣鋼瓶，Toyota公司更在推出氫燃料電池車款Mirai，創下單次加滿氫氣可以行駛500公里的紀錄，已經是成功的商品了，那麼它的問題到底在那裡呢？

首先車上放了一個壓力這麼大的儲氫瓶是否安全是個問題，氫氣的來源則是更大的問題，大家都知道電解水可以產生氫氣與氧氣，問題是電解水產生氫氣的成本很高，而且這些電還是來自發電廠。為了降低成本，目前工業上主要是將碳氫化合物 (石油)以「 蒸氣重組」（Steam reforming）的方式分解生產氫氣，搞了半天還是要以石油做為原料，看起來人類要擺脫石油還真困難。

為什麼世界各國都訂定2030或2040年禁售汽柴油車？

很有趣的現象，世界各國都訂定2030或2040年全面禁售汽柴油車，為什麼是這個時間呢？主要還是覺得前面介紹的這些問題，包括充電站建置、電力基礎建設、新建大型發電廠，或是太陽能、風力發電等新能源開發，大約需要20年時間，因此選擇了這個時間點，問題是如果時間訂定了，卻沒有看到政府加蓋發電廠，那時間到了要怎麼辦呢？

不過各國政府爭先恐後這樣「宣誓」，還有一門不可言傳的心思，那就是老百姓對空氣污染已經忍無可忍，但是眼見要解決這個問題困難重重，宣誓「2040 年」禁售汽柴油車，等於是給老百姓一個交代，反正2040年是 20 年以後的事了，到時候站在台上的一定不是現在宣誓的這個人，這種只靠嘴巴說說就可以成功的「政績」，何樂而不為呢？

能源問題人人有責　不能把責任推給政府

經過前面的介紹，大家一定發現人類的能源問題沒有這麼簡單，政府該做的不只是靠嘴巴宣誓禁售汽柴油車，而是必須認真開始發展綠色能源。目前最大的問題在於：電價太便宜，造成使用者沒有節約用電的習慣，各種價格較高的「家庭能源管理系統」（HEMS：Home Energy Management System）乏人問津，電價如果真的大漲又會造成物價波動，受限於選舉與政治因素，要讓電價上漲也是困難重重，只能靠我們自己養成時時節約能源的習慣，才是最有效的方法。

責任編輯/周岐原

完整圖文內容請見：
https://www.storm.mg/article/3340151?mode=whole

♡

[狂人新聞台] 台灣奧迪發表首輛純電車款Audi e-tron，建議售價自304萬元起。

＃小編：台灣奧迪將致力打造友善電動車環境，建置便捷的充電服務網絡。

Audi e-tron 外觀造型採用獨特創新的雙層設計概念，搭配四環休旅家族最重要的設計DNA，如單體式水箱護罩、流線楔形車頂等元素，其車頭前方特別保留單體式水箱護罩，目的在於延續Audi 早已深植人心的品牌設計精神，雖已不具備以往的散熱功能，但透過巧妙運用不同顏色的點綴讓人很清楚就辨認出這是一部百分之百的Audi。
當引擎蓋下不再有引擎和其他周邊零組件後，A柱的位置明顯向前移動延伸；而受惠於電池模組平整地設置在底盤上，可讓底盤軸距得以最大化並將座艙尺寸放大，向外擴張的巨大車輪、更小的懸垂點及全車整體的配重更趨平均，這些設計上的全新比例，定義了電動車獨有的特徵。

全新Audi e-tron匯集多項智慧新科技，其中造型最吸睛的即是首次搭載於量產車型的全數位虛擬後視鏡 (Audi Virtual Exterior Mirror)，其整合高動態成像技術 (HDR)、環景攝影機與感測器，能於不同天候與各式駕駛情況，如高速行駛、轉向或停車狀況時，捕捉拍攝畫面，讓駕駛者可透過內建於車門上的OLED螢幕，直接以多點觸控方式來放大、縮小或調整影像的角度；此外還可根據三種不同模式包含：高速公路、過彎以及停車三種使用情境進行切換和設定，讓駕駛可更輕易全方位掌握車輛死角。
而全數位虛擬後視鏡不僅造型前衛，相較於配備傳統後視鏡的車型，體積可更為縮減，除了車寬可減少15公分，亦可有效減少風切噪音及降低風阻，為Audi e-tron | e-tron Sportback 分別造就出傲視同級豪華休旅的0.27 Cd和0.25 Cd超低風阻表現；透過極佳的空氣動力學設計，不僅可有效減少行駛過程中的耗電量並提升續航力表現，還能有效改善風切噪音及增進車室寧靜度，同時保有過往收折的功能，無需擔心意外擦撞造成的損傷和高額修繕費用，帶來更舒適便利且安心的乘車體驗。

Audi e-tron搭載直覺化智慧操作介面「12.3 吋 Audi 全數位虛擬駕駛座艙 plus」與中控雙層高畫質觸控螢幕，融合仿效遊艇操縱桿設計的懸浮造型排檔頭，整體搭配刻畫強烈高科技氛圍，而車室座艙受惠於底盤軸距達2,928 mm 及後座平整化設計的優勢，前後座皆擁有寬敞的駕乘空間，延伸至後行李箱容量，在標準乘坐模式下，Audi e-tron | e-tron Sportback 後行李箱分別擁有 660公升與615 公升置物空間，而後座椅背傾倒模式則可擴充至1,725公升與1,665 公升，同時車頭也額外提供60 公升的承載空間，提供實用的空間機能性。另外全車系皆標準配備齊全的智慧安全駕駛輔助系統，集數位化、實用機能與智慧科技於一身，這些優勢都讓Audi e-tron 成為一部能滿足每天日常通勤需求的豪華電動休旅車。

車系編成方面，Audi e-tron | e-tron Sportback 均提供55 quattro及50 quattro 兩款動力選擇，其純電動力系統透過總輸出功率分別達300 kW 和230 kW的雙電動馬達模組，並融入四環最純粹品牌DNA的電動化quattro 恆時四輪傳動科技，不僅傳輸效率更高、動態反應更快，整體加速與操控表現也具備優異水準。在雙電動馬達的加持下，50 quattro 車型可輸出313 PS及664 Nm最大扭力表現，0~100 km/h加速只需6.8秒；而55 quattro 車型更具備408 PS及664 Nm扭力峰值，僅需5.7秒即可完成0~100 km/h 加速衝刺。
Audi e-tron搭載嶄新的電動化quattro恆時四輪傳動系統，不僅具備過往在各式地形上優異的牽引力和動力傳遞，受惠於純電動力平台的優勢，能夠更敏捷地在前後車軸之間調整出最佳化的驅動扭力分配。在一般的道路行駛模式下仰賴後軸電動馬達的動力輸出，以維持最佳的電能效率使用。除此之外，Audi e-tron全車系標配獨立五連桿式跑車化氣壓式懸吊系統，駕駛者可透過Audi Drive Select 可程式車身動態系統切換七種不同阻尼與車高設定，並依據道路狀況、行車速度與駕駛偏好等因素調整車身高度，使其能因應各種地形、天候狀況。

除高效率純電動力系統之外，Audi e-tron更搭載多項創新科技，設置於座艙下方平整的水冷式高容量鋰電池組，可分別儲存71 kWh (50 quattro) 與95 kWh (55 quattro) 總電量，同時保持在396 V定額電壓下穩定運作，讓Audi e-tron 能穩定維持高效的高原式充電曲線，並以最高達150 kW的充電功率覆蓋大部分充電過程，0 ~ 80% 僅需約30分鐘，充電10分鐘即可行駛約115公里，提供絕佳優勢並大幅減少充電所需時間。此外Audi e-tron 先進的熱能管理系統，透過內建的加熱幫浦可有效運用高壓電模組運作時所產生的熱能，確保電池壽命以及可重複充放電的效能。
在電動化quattro 智慧型恆時四輪傳動系統與最新電能回充科技相互輔助下，當駕駛者鬆開加速踏板讓車輛依慣性滑行時，可同步透過方向盤後方撥片或MMI觸控回饋操作介面上設定三種不同的能量回收模式，而先進的溫度管理系統還可靈活運用高壓電池的廢熱對車室內部空間進行加熱和空調調節，最多可使續航里程提升多達10%。依據WLTP 測試之數據，搭載71 kWh 電池組的Audi e-tron Sportback 50 quattro車型，單次續航即可達到347公里 的水準，而搭載95kWh 的Audi e-tron Sportback 55 quattro 車型，單次續航里程共可達到446公里。


＃Audi ＃e-tron ＃電動化quattro ＃Sportback

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。