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。

《文茜的世界周報》2020大趨勢：量子電腦。

它到底有多強威力 ？科技業為量子電腦掀起終極密碼戰！
【2019年十月，矽谷科技巨擘Google宣布取得量子電腦霸權，掀起科技界一陣論戰。量子電腦的開發目前還在初步階段，但超乎想像的龐大運算威力，將可望顛覆現有的世界秩序。由於深具潛力，資本市場也掀起淘金熱，儘管量子電腦距離應用和普及階段，還有很長的距離，但開發量子電腦的新創公司獲得大量注資，堪稱金融市場的大贏家。】

{內文}
（NBC主播/2019.10)
Google今天宣布，該公司已經取得了量子霸權。 這是什麼意思呢？這代表計算機研究領域上的一項重大突破。量子電腦的功能遠比現今電腦強大得多，可以解決普通電腦無法解決的問題。

2019年十月，搜尋引擎巨擘Google對外聲稱，該公司建構的量子電腦（Quantum Computer），在運算和資料處理能力上已打敗當前世界最厲害的超級電腦，率先引爆新一波科技論戰。

(Sundar Pichai/Google CEO)
Google團隊已證明，借助量子電腦，可在幾秒鐘內完成非常困難的運算。如果是用世界上速度最快的超級電腦進行相同運算，會花上多久時間呢？很多年，甚至數千年。在科技領域上，我們可說取得了量子霸權，這對我們來說是個非常重要的里程碑。

什麼是量子（Quantum）？這是自然界裡質量和能量等各種物理量中的最小單元，以某種粒子的狀態存在，具有概率、不確定、不可分割和不可克隆（no cloning）等性質。至於量子電腦（Quantum Computer）指的就是利用量子之間彼此糾結（entanglement）和疊加（superposition）等獨特物理現象從事並行運算，創造出超乎想像的龐大運算威力。量子電腦的出現被認為帶動了量子力學二次革命，是近年來物理界最夯話題之一，也是全球科技領域最熱門的關鍵字，包括Amazon、Google、IBM、Microsoft和許多小型科技公司，都在量子電腦的研發上投入龐大資源。Google人工智慧團隊號稱造出五十三個量子位元（Qubit）的處理器「Sycamore」，在兩百秒內完成複雜運算的壯舉，還說若用全世界最快的超級電腦來做，恐怕得跑上一萬年。但此話旋即遭到超級電腦龍頭IBM打臉。該公司研究報告以又氣又好笑的口吻暗示，同樣的數據若由IBM位於田納西州國家實驗室裡的超級電腦系統來執行，理論上花個兩天半就可搞定，毋須跑上一萬年，IBM的量子電腦能耐可不僅止於此。暫且不論何種說法可信，但量子電腦的競爭，確實已到白熱化階段。

(Bob Sutor/IBM副總裁)
我認為量子電腦將會稱為本世紀最重要的科技，而目前我們才算剛起步而已。

量子電腦究竟能做些甚麼？理論上，夠強悍的量子電腦可以模擬分子，製造出新藥、新物質、協助醫學界和物理學界解決種種困擾多時的問題。金融市場可運用量子電腦把資產報酬最大化、精準模擬經濟展望、進行最艱澀的風險分析。政府則可以透過量子電腦建構出最安全的通訊和資訊保密系統。此外量子電腦還能加速機器深度學習和人工智慧的進程。簡言之，和傳統電腦相比，量子電腦的性能可說是指數級提升，只要能成功駕馭個性古怪捉摸不定的量子，未來潛力無窮。量子電腦在市場上掀起了一股淘金熱。數據顯示自2012年至2019年底，全球共有五十二家新創公司取得創投基金。光2017到2018年間就有四億五千萬美元資金流入量子電腦新創公司，較過去兩年成長了四倍。表面上看來這個數字遠不如人工智慧領域的投資，因為光是2018年就有高達九十三億美元挹注到人工智慧相關新創公司。但別忘了，量子電腦是個尚未真正看到產出、距離應用普及階段還很遙遠的領域，這種規模成長已十分驚人。

(Scott Aaronson/德州大學奧斯汀分校資訊科學教授)
目前要確切知道量子電腦的實際應用，並非容易的事。大自然賦予量子這個非常、非常古怪的工具，一個在廣闊的振幅中（不可複製和克隆的特性）不會對原始量子位元產生干擾的工具，身為量子計算機科學家的我們，猶如握有錘子在手，要用它來敲哪些釘子，端賴我們如何選擇。

量子力學是門顛覆傳統物理思維的科學。有人擔心前景不明朗，量子電腦只是曇花一現，高潮過後就會泡沫化，更何況目前量子電腦的內部晶片和外部材料，都需要極度嚴格控制周邊溫度和電磁波環境，在維護上十分麻煩。IBM實驗室裡有好幾台量子電腦，規模都和Google相當，業界期待相關研發應用儘快出現跳躍式成長，才有看到回收報酬的可能。

(Bob Sutor/IBM副總裁)
我舉咖啡因分子為例。如果你像我一樣，喝咖啡喝得很兇，那麼到目前為止，體內可能已攝入了數十億或數兆個咖啡因分子。如果現有的超級電腦夠厲害夠強大，我們應該能夠真正捕獲一個分子，並在電腦中精確地呈現出來，這對於許多領域，醫療保健、製藥、創建新材料，或是分子起作用的任何地方，包括設計新的調味料，都是非常有用的。從咖啡因的例子來看，事實證明在傳統電腦中絕對不可能找到這麼小的分子，因為會需要非常大的訊息量，若用傳統「0」和「1」二進位來計算，大約是十的四十八次方。這是個巨大的數字。地球上原子的數目也不過是該數目的十至一百倍。在最壞的情況下，要找到一個咖啡因分子，可能會消耗地球上所有原子的百分之十來存儲。這種事永遠不可能發生。可是如果我們有一台具有一百六十個量子位元的量子電腦，我背後這台是五十量子位元電腦的模型，那麼可以說，如果我們取得良好的進步，最終我們做到一百六十量子位元，我們就可以做很多事情。

然而就和半世紀前的超級電腦一樣，業界領頭羊彼此競爭激烈，但搭建出的量子電腦目前都只能算是非常基礎的階段，先進國家教育體系中對量子物理和量子電腦研究的投入也還遠遠不足。人類要找到大自然的那把鑰匙，完全駕馭量子世界，看來還有很長的路要走。
https://www.youtube.com/watch?v=qBrDJbuKRGA

譚新強：一頓豐盛的 三星級智慧午餐

過完聖誕，又到年底，在此祝新年進步，世界和平！

上周末剛下飛機，即與來自加州的老朋友一家人午膳。餐廳本算是全港數一數二，素來出品都很有水準和穩定。這次更預早從加拿大打電話回來，訂好幾道招牌菜，預備好好款待朋友。但今次大失所望，無論是小菜或點心的水準，都跟大約半年前上次去時差距甚遠。其實近月類似的食物失準情况，已到處經常出現。本來一年一度的米芝蓮食評出爐，無論可靠程度有多少，都算是飲食界盛事。今年有好朋友的餐廳升至兩星，本應熱烈祝賀，但在現今生意環境下，雖完全不擔心他們的財力，但唉！也不知應該說些什麼才對。

朋友夫婦都是美國頂尖學府博士，太太是位非常出色的工程師和創業家，公司早在2000年前已上市，後來更轉身為VC，專注投資ESG項目。先生則是位頂尖的晶片設計工程師，且擁有多個專利權。女兒也很優秀，是位年輕的建築師，剛出道不久，前途無可限量。

半導體製造業是鬥規模遊戲

每次跟他們聚會都很高興，除了互相關心近况外，每次都討論很多有意義的題目，政治、經濟、歷史、科技等，天南地北，無所不談。今次又再討論到晶片製造技術，台積電遙遙領先，我有點不解為何昔日半導體行業的老大哥Intel，在多方面似乎愈來愈落後，尤其移動端CPU，但即使伺服器端，GPU也欠奉，CPU亦開始被AMD挑戰，代工方面的業務亦不成氣候。我朋友解釋，半導體製造業完全是個規模遊戲，每年需要投放的資金過百億美元，如無極大生意規模，根本無可能鬥下去。

強如三星，雖說計劃投資過千億美元在EUV技術，但暫時仍落後於台積電不少，能否追上來，仍是未知之數。中國大基金和清華紫光等，雖有國家背景，但暫時的資金投放量，說實話，仍遠遠不夠，可以說幾乎差一個零。近日更已見到紫光有點資金緊絀，海外債價急跌，情况當然沒有方正那麼嚴重。近日連大基金都連環減持了數家A股半導體公司股份，原因是一來今年獲利已甚豐，投資者亦應歡迎行業變得更巿場化，但亦有人擔心是因為財政上需要資金回籠，且有點違反本應為長期投資的原則。

Intel代工業務欠佳 因有自家品牌難中立

朋友解釋為何Intel的代工業務一直做得不好。我也知道部分原因是Intel有自己品牌和各種產品，絕非如台積電般中立，所以客戶如Nvidia和AMD，甚至蘋果和亞馬遜等，都很難完全相信一家現存或潛在競爭對手。但朋友更指出這猜疑原來是雙向的，Intel也不願意把所有製造技術的細節，跟客户分享，但晶片製造極度複雜，隨着Moore's Law走向盡頭，愈來愈困難，所以如客戶和代工兩方不能衷誠合作，根本很難成功。朋友更提醒EUV技術的難度更高，除產能throughput（通量）和良率較低外，強力的EUV亦令mask（掩模）的損耗加速，增加製造成本。

我們也談到量子計算的前景，他對此非常有保留。主要因為極難保持qubit（量子位元，又稱Q位元）的superposition（量子態疊加）和互相之間的entanglement（量子纏結）情况。現今最常用的技術採用superconducting qubit（超導Q位元），需要比外太空更接近絕對零度的超低温（約15mK），且任何干擾，小至一粒photon（光子），都可導致quantum collapse（量子崩陷），而出現過早的quantum decoherence（量子退相干）現象。加上如要達到有實際用途的階段，例如以最有名的Shor's algorithm來拆解互聯網最常用的RSA（Rivest-Shamir-Adleman）密碼，需要的qubit多達過千。加上如要符合Quantum Threshold Theorem（量子閾定理）的error rate（錯誤率）上限，需要的qubit數量或需要再增加1000倍，即上百萬顆qubit才可達到fault-tolerant（故障容忍度）的效果！Google最新的Sycamore量子電腦才只有53顆qubits，距離有多遠，可想而知。

討論當然不可以完全避免政治，朋友女兒提出一個有趣的問題，她對特朗普統治下的美國極度憂慮，民粹主義高昂，種族hate crime（仇視罪行）到了近30年新高，國際上更挑起無數外交、貿易和環保的紛爭，她想知道現今全球局勢是否有史以來最不穩定和最差的？我指出現時局勢雖然緊張，中美鬥爭更必是長期新常態，亦可能是人類史上最重要的一次，但暫時仍屬和平之爭（感謝核武的阻嚇作用），所以仍不可與兩次世界大戰比較。

隨人類文明社會發展 暴力死亡率趨跌

按著名哈佛cognitive psychologist（認知心理學家）和作家Steven Pinker的研究，隨着人類文明社會的發展，過去數千年來，人類的暴力死亡率是在長期下跌，估計在石器時代以hunter-gatherer（獵人搜集者）為生活模式時，男性的暴力死亡率可能高達60%，跌至20世紀的只約1.5%（已包括兩次世界大戰）。以百年為單位來看，歐洲在過去六七百年，戰爭之外的謀殺率，亦從高至每年每十萬人100宗謀殺，跌至現今1至2宗的水平。她的爸爸補充，即使在美國近代史中，越戰中美軍死亡人數都超過5萬。美國內戰的死亡人數更高達60多萬，幾近美國所有戰爭中的總死亡人數的一半。

既然現今世代不算很暴力，但為何聰明的年輕人如這朋友的女兒，會認為現在的世界是最差和最不穩定呢？我認為主要原因有兩個。第一，每個人都覺得自己是特別的，包括活在的世代也必然是特別的，例如很多人認為互聯網是比電力本身更偉大的發明，雖然事實是電力、蒸氣機和盤尼西林等發明，對提升生產力和對人類的貢獻，遠比互聯網大。同樣的，大部分的現代人，雖幸運地沒有經歷過戰亂，反而不太懂得珍惜和平，只要對一些相對小事情，例如對事業前途不滿意，或感覺社會有些少不公平的情况，就已經以為是人類史上的最大悲劇。當然傳媒，尤其社交媒體也對這現象的出現有很大的責任。傳媒大都是報憂不報喜，連真確性都是問題，世界和平根本上不了頭條。新聞的定義當然只報道最新消息，那裏發生命案，那個地方出現騷亂，而不會與歷史作出比較。

現代人沒經歷大型戰亂 小事當是大悲劇

第二，其實不止年輕人擔心未來的世界，有些極有智慧的學者也同樣擔憂。朋友提出其中一位，也是哈佛的著名生物學家和作家（兩度獲Pulitzer獎）的E. O. Wilson，他在約十年前，與發現DNA double helix結構而成名的諾貝爾醫學獎得主James Watson的一次公開討論中，提出他認為humanity（人性）的最大問題是我們擁有「Paleolithic emotions, Medieval institutions' and God-like technology」。意思是人類情緒上的進化，仍停留在舊石器時代。機構制度上，例如國家、政府、宗教和銀行等，則大致停頓在中世紀階段。但科技上，包括遺傳基因、AI、和核武等，我們已擁有接近上帝的創造和摧毁能力——一個非常危險的組合！

科技發展可造福人類 亦可招致滅亡

這番說話非常有意義，值得深入思考，未來數周將在文章中繼續探討。即使現今人類的暴力死亡率確比數千、數百，甚至數十年前低，但現在人類擁有前所未有的各樣科技，它們既可造福人類，但亦可帶來滅亡。悲哀的未來可有不同成因，未必只因戰爭引起。Wilson最恐懼的是因人類自私心理，缺乏長期計劃能力而製造出來的氣候變化災難，但其實亦可以是因為基因工程和AI等技術發展過速，人類失去控制而帶來的噩夢。

這頓午餐，食物雖然有點失準，希望朋友見諒，但席上討論非常豐富，精神食糧比食物更重要，絕對三星！

中環資產持有台積電、AMD、三星、Nvidia、Apple、Google的財務權益。

中環資產投資行政總裁

[譚新強 中環新譚]

🔥東尼一共說過四次『我是鋼鐵人』，但你知道每一次的意思都不一樣嗎？甚至其中兩次還是臨時加上去的？
🔥小勞勃道尼的黑暗歷史，竟然跟東尼不謀而合，原來電影版東尼史塔克的原型就是小勞勃道尼？

《終局之戰》你看了嗎？是不是超感動的呢？上一支影評我們是以鋼鐵人與美國隊長這兩位元老為出發點，分析了他們11年來的歷程，但是好像意猶未盡，所以今天再製作一支影片，專門獻給漫威宇宙的一哥 - 東尼・史塔克！

因為今天的節目會討論到剛上映不久的《復仇者聯盟：終局之戰》，所以如果你還沒看過電影的話，建議你等到看完之後再回來看影片喔！

『鋼鐵人』這個角色之所以是許多人心中最喜歡的漫威超級英雄，除了小勞勃・道尼傳神的詮釋之外，漫威用了長達11的苦心安排，把這個角色不管是深度還是廣度都發展到了影史前所未見的程度。

其中最能體現這個安排的，就是Tony Stark的經典台詞：我是鋼鐵人 (I am Iron Man)了。他在系列電影裡一共說過四次這句話，分別是三部本傳電影，以及剛剛上映的《復仇者聯盟：終局之戰》。我們接下來將要為你解析，這四次『我是鋼鐵人』的宣言背後所代表著的不同意義！

--------------------------------------------------------------------------------
【上一支影片】
《拉拉熊與小薰》⇨ https://youtu.be/kaAG_qqR32I

【更多英雄電影影評】
《復仇者聯盟4：終局之戰》⇨ https://youtu.be/_rtpqgrw2CI
《沙贊 SHAZAM！》 ⇨ https://youtu.be/w_sT9iPoiEQ
《驚奇隊長》 ⇨ https://youtu.be/JShijCKkVrE
《蜘蛛人新宇宙》⇨ https://youtu.be/AMmkHfELu-0
《黑豹》⇨ https://youtu.be/Y176HUfeWwo
《復仇者聯盟3：無限之戰》⇨ https://youtu.be/--C5lwyu3CA

【最新院線影評】
《禁入墳場》 ⇨ https://youtu.be/yd560zv70YU
《我和我的摔角家庭》 ⇨ https://youtu.be/cDQG9GAR1rY

【人生遺片清單】
Vol. 6《V怪客》：人民不應害怕政府，政府應該害怕人民 ⇨ https://youtu.be/j7PWejxBVAc
Vol. 8 《7號房的禮物》：公認最催淚電影 ⇨ https://youtu.be/ApCiEgUJaVs

【好劇推薦】
《我們與惡的距離：有雷完結版》⇨ https://youtu.be/HONNZ5TKYUA
《麻醉風暴》⇨ https://youtu.be/62jcW8y7MFM


#記得開啟字幕喔
#復仇者聯盟終局之戰
#鋼鐵人