王維嘉：深藏在矽谷人工智慧產業背後的機遇與陷阱

雷鋒網按：他是中國留學生在矽谷創業的先驅，最早提出並開創了無線互聯產業；他將移動互聯網帶回了中國，業內公認他為無線互聯創始人與理論領袖。他就是信中利美國創投創始管理合伙人王維嘉，本文是王維嘉博士做客2月17日江湖沙龍的分享，談及他對AI在傳統行業中的應用發展的看法，由雷鋒網整理編輯。

雷鋒網對王維嘉博士的演講整理如下：

謝謝大家，非常高興，我是博物館最早的志願者，過去兩三年我主要在矽谷，做的事情主要是投資，現在投資最熱的就是AI，所以我主要投資方向是AI。王巍說今天晚上是講故事，我就講點故事。我去做博士的時候，導師正好是人工智慧的鼻祖之一，所以有一些這方面的基礎。

矽谷三次創新浪潮：人工智慧是最新一次

我1985年去矽谷，在矽谷看到了三次創新浪潮。

創新浪潮有三個特點：第一是每10年一次，第二是每一個老的結束以後新的就啟動。第三個特點是每次啟動的時候，和中國的差距是最大的，但10年之內就可以追上，比如說移動互聯網，2006年的時候蘋果出來，中國的手機主要是諾基亞和山寨機，去年華為的P9M9出來以後就已經幾乎做的和蘋果一樣好了。

人工智慧這是一次新的浪潮，就是當移動互聯走到了一個平台期的時候，一個新的創新浪潮就出來了。2016年可以說是人工智慧的元年，我覺得人工智慧相當於互聯網1994年，1995年互聯網是第一家上市公司，後來有雅虎、Google，今天還沒有一家人工智慧新創共識上市，今天的狀態相當於1994年，人工智慧對人類的影響應該不亞於互聯網，或者是說會大於互聯網，至少對今後20年會有這樣一個影響。

AI產業生態：演算法、晶元和軟硬體平台

2015年的時候又出現了里程碑。AI的產業生態是什麼呢，這是我總結出來的，最頂端的是演算法，下面就是晶元，比如說特好的演算法給別人了，別人學會了不跟我玩了，我也不知道該怎麼收他錢，這是一個很大的問題。

今天的演算法主要是大學在做，晶元在做什麼呢，主要是目前我們今天的計算就是CPU，CPU就是有一個中心指令級，今天最適合的是用GPU，英美大去年股票漲了4倍，其實GPU並不是最適合做人工智慧結算的體系。現在有一批公司在做，但做硬體研發成本是非常高的，假如說做10納米晶元光流片一次就1000萬美金，做這樣的公司沒有5000萬到1億是做不下來的。

再下一層就是做軟硬體平台。一個軟體的編程平台裡面，現在最熱鬧的，就是最底下這一層做應用的，做應用的最大的一塊就是自動駕駛，待會我會稍微講一下自動駕駛，還有圖象識別、語言文字、醫療製藥。

醫療和製藥怎麼做呢？醫療主要是醫療圖象的識別，最近已經有這樣的實驗，就是用機器和非常有經驗的X光片醫生比，機器的識別準確率，判斷是否在癌症診斷上已經超過了最有經驗的人。原因很簡單，一個X光醫生他一生當中最多看上萬張圖片，但是機器可以一次看幾百萬張圖片。

為什麼看演算法？因為我要投晶元公司就要看演算法公司，他如果今天做了一個晶元是用這個演算法，但是如果明天這個演算法就失效了，這公司就不行了，所以我一定要看既然要做一個晶元公司，至少頂用10年，之後5到10年有沒有新的演算法把這個晶元公司取代掉。今天的晶元還有一個很大的問題是功耗。今天如果做出一個像人腦這樣強大的電腦的話，它的功耗基本上需要一個核電站，而人腦只有20瓦就夠它的能量了。

今天大家會聽到很多叫編程框架，其實它的背後東西也很簡單。不懂線性代數怎麼辦？有一些人就把很複雜的東西，比如說矩陣的運算直接寫好了。所謂的編程框架就是讓不懂神經網路的人也可以做神經網路的編程。

很有意思的是，人工智慧和原來（的技術革命）不一樣，所有這些公司都把這些東西開放出來，把軟體庫全部開放出來。也就是說，今天完全不懂人工智慧的公司，做應用只需要用Google的框架，兩天就可以傳出應用。所以今天很多公司都說我是人工智慧公司，其實他都是用同樣的東西，大家都是做應用。

「AI應用公司若不能壟斷行業的數據，它是沒有技術的」

那麼，怎麼看一個應用公司的競爭優勢呢？核心就是他能不能壟斷行業的數據。如果不能壟斷數據，這公司是沒有技術的，絕大部分應用公司是沒有自己的核心技術。

比如說美國有一個VKP我一天上四五次，每個月要定期捐款，中國有幾個百科做得非常爛，原因是沒有社區貢獻的文化，美國這個社會是從一個小鎮五月花，聯邦13州從底到上建立起來的，有一大批自己出錢處理搞公益的人，整個社會是這樣的風氣，開源這件事情一定要有這樣的文化。

中國大部分人說，我又不賺錢，給別人寫了別人用，對我有什麼好？這個問題的出現，導致於這次人工智慧的開源框架一定是美國領導。

值得注意的是，未來這些開源框架就像今天的安卓一樣，會在上面長出很厚的生態系統，會做出各種各樣的庫，所以說最後你已經沒法和它匹敵了。

今天開源這件事仍然是一個在競爭，各個大公司為什麼要開元呢，都想把所有開發的資源聚集在自己的生態上面。

現在的情況仍然是Google，Google上面的開發人員加起來是其他所有人加起來的10倍——其他所有人是Facebook這幾家公司。其實就在這幾家競爭。開源領域除了這幾家公司以外，百度也出了這樣一個東西，每個大學都有一些開源的東西。

人工智慧的開發和應用，中美有哪些差距？

很多人都關心中國和美國差距在哪裡，差距有幾個。

第一，在過去60年裡面，很少有人在大學願意坐冷板凳，美國有很多人做了60年的冷板凳，只有他們坐冷板凳今天它的機會才能到來。事實上你不知道的是，可能在其他的研究方向上，仍然有很多人一直坐冷板凳，絕大部分人一生就在冷板凳上死了，少數人由於運氣就活起來了。中國很多都是看什麼能拿到錢，當人家起來的時候人攢了60年，這是第一點。

第二點是我們的晶元，中國沒有一家可以做晶元的。

第三點就是開源的文化，其實是一種運動，特別是在矽谷。

這三點是中國和美國最大的差別。

AI有哪些潛在的應用？

剛才說了圖象識別、醫療診斷、製藥。比如說一種癌症的葯，癌症葯主要是一種化學結構和蛋白質發生關係，過去製藥是，生物科學家在想這種化學結構有可能有用，然後就去試，實際上和愛迪生髮明電燈泡差不多。人工試錯非常慢，現在就可以把大量成功葯的結構輸到機器學習模型裡面，機器自己找到了其中的規律。機器去試速度就快非常多，現在矽谷有一些這樣的公司。

其實語音識別，語言理解大家可以想像到，最讓人類吃驚的就是機器學習能學那一些人類不擅長的。人類無法壟斷知識，因為知識有兩個特點，一個叫本地化，一個叫默會，比如說你學騎自行車，沒有人看說明書學騎自行車的，你只能騎到車子上摔兩腳就學會了。

機器學習神奇在哪？

機器學習特別擅長學這樣的東西，還有一類就是叫群體學習。Google了這麼一個事，就拿了一個機械手，機械手放一個盒子里放各種各樣形狀的東西，有圓的方的長的短的，他也不教機械手，機械手一開始抓空了，下一個動作就換一個姿勢，這就是機器學習的一個過程。Google做了什麼事呢？Google拿了20台機器一起來學，結果時間是原來的1/20。因為機器之間可以瞬間分享自己學到的東西。

特斯拉在大街上跑了10萬輛車，每輛車都在學習，一天都能搜集幾百萬公里的數據。也就是說，學習一個超級複雜的東西，把10萬台機器放在一起，人類可能要學很多很多年的，它們一分鐘，甚至一秒鐘就學會了，這是第一個可以超過人類的方面。

這種事情對我們造成什麼樣影響呢？也就是說，未來基礎的科研有可能會取得飛速的突破。我們做研究分成幾步，第一步要閱讀歷史文獻。我們人去讀文獻，幾百篇文章，一天讀一篇文章得讀一年。最近加拿大做了一個實驗，關於醫學問題的研究，他們讓機器讀了歷史上所有的文獻大概40萬篇，關於這一個題目全部讀完。然後，機器就自己總結出來了歷史上所有的解決了哪一些問題，是用什麼方法解決的，今天還有哪一些問題要解決，有哪一些可能的方法能解決這樣的問題。過去人類做科研這樣高度創新的活動，機器很輕鬆地就完成了。

更不用說軍事。看美國空軍的視頻，看他們怎麼打塔利班的：幾個年輕人小孩坐在房間裡面完全打遊戲的概念，就和這一模一樣的無人機飛到塔利班，可以看到塔利班的賬篷，這邊一個手桿導彈過去，那邊一片苦海，在屏幕上像小螞蟻一樣，一按對準了那個人就沒有了，基本上現在戰爭就這麼操作。

最近有一個實驗，美國一個空軍王牌飛行員，他在模擬器上和機器連打了十幾盤空戰，打一盤輸一盤，可以把人類空戰所有的數據都飛給這個機器，而且它的反映速度比你的反映速度要快的多的多，他的反映速度是光的速度，你反映速度是幾十毫秒的空戰，你說不清楚的東西機器最有效的，藝術也是人類最具有創新的東西，這是一幅典型的北歐風景畫，左邊是梵高的《星空之夜》，就把機器讓梵高的話都讀一遍，機器就自動把北歐風景畫變成了梵高的風格，它的線條比處學的惟妙惟肖。這是五首中國的詩，這裡面有三首是機器做的，大家能看出來哪三首嗎？其實你仔細看，還是能看出一點點痕迹的，比如說第一首和第三首就是每一句實際上都是有畫面感的，但是比如說第二首孤耐凌節護，是讀不懂的，但是根枝木落無是很有道理的，但是我覺得這個水平其實已經超過了絕大多數人的水平。他用多層學習的方法，把句式結構、風格，也就是說今天把魯迅的著作給他喂一遍，你寫一個故事，這個寫出來一定是魯迅風格的。

AI會影響幾乎所有行業

AI會影響哪一些行業呢，幾乎所有行業都會受到影響。

牛津做了一個報告，2033年很多行業會徹底消失，這裡面概率比如說電話營銷和保險業務員基本上這個行業就沒有了。但是，我覺得廚師沒有那麼容易代替，最安全的職業是考古學家，替代這個行業的商業利益太小了，沒有人去做這樣的東西。

對「AI威脅論」、「AI消極論」的批判

當然，現在很多人在關心未來AI會不會有風險，如何解決AI的倫理問題，比如剛才說的開槍這個決定誰來做，一個沒有同情心的法官可以嗎？等等。

當AI和大數據出現的時候，大家覺得：現在可以完全預測整個社會的需求，是不是可以回到計劃經濟了呢？我和朋友都非常不客氣的批判過提出這個觀點的人，其實這不是一個人，這是一種有道理的想法，大家覺得市場經濟有很多浪費，因為不知道市場需求多少，你也生產，我也生產，就浪費。

舉個例子，如果說我要知道全中國的每一根火柴的需求量，我要做的第一件事是監控——任何地方都要放一個攝像頭，因為只要抽煙我一定要監控到才知道，監控成本是非常高的成本，這是第一點。就算我知道中國人現在每天需要多少根火柴，我還遇到一個問題，我怎麼分配誰來生產呢，是建一個國營火柴廠，還是分配到不同的火柴廠？計劃經濟有一個特點——必須決定銷售價格和成本，這麼多不同的火柴廠價格根據誰來定，根據最高的來定，一定是最沒有效率的，根據最低定成本高的就會破產，這是一個很難決定的一件事情。

另外一個很重要的事情，比如即使知道今天這種需求，我怎麼能知道其他，比如有人需要防潮火柴，有人需要包裝很漂亮的女性用的火柴，誰來做這樣的事情呢？所以一旦回到計劃經濟以後，所有的競爭就沒有了。當競爭沒有的時候，創新就沒有了，沒有創新就不會有人發明更新的東西，更有效率，也就不會有人發明打火機了。還有一點就是，當所有的機械都賣一樣的價錢賺一樣錢的時候，員工有什麼積極性呢？

AI將加劇信息不對稱帶來的貧富差距

其實AI和大數據只會使得競爭更有效率，因為它仍然解決不了消滅競爭以後就消滅了創新最根本的問題。AI未來還有一個影響，其實這一次全世界黑天鵝，到處都是黑天鵝，為什麼會有這樣一個狀態呢？其實就是全球化和信息化造成了貧富差別。現在沒有人擋住貧富差距，AI來了以後會進一步加劇，未來有少數幾個腦袋特別靈光的人造了一台機器，就不需要人了。寫《未來簡史》的作者把他叫無用階級，我把他叫神人和閑人，閑人幹什麼是未來可能的問題。

人類和現代機器最大的差別就是沒有求生本能，沒有求生本能就沒有情感，今天和人類主要的差別就是這樣一個東西，沒有求生本能和情感的東西能成為智慧生物嗎？我們不知道。

另外，我為什麼現在要在矽谷做人工智慧投資呢？

因為現在技術的曲線中美的落差最大。我想投的東西技術落差一定要最大，否則拿到中國來沒有意思。

第二中國一定要有市場，當20年前回到中國，美國的技術在中國很難找到應用，但今天已經不一樣，所以投資另外一個要求一定在中國有市場。

中國由於外匯的管制，人民幣的匯率是扭曲的，現在中國資本市場上的扭曲非常厲害，也就是說資產荒是未來5到10年一個長期的趨勢。這就是為什麼很多上市公司隨便拿一個題材就可以炒作，二級市場就會影響到一級市場，我們看同樣的項目，在中國同樣項目的估值就比美國高很多，也就是說在矽谷可以拿到非常便宜的項目，技術非常好，這是兩個非常大的差別。如果你能拿到世界上獨家的技術，賺錢就比較容易。

總結：現在與泡沫

大部分應用公司是沒有技術積累的，應用市場中，中國目前沒有做演算法的（有一家做晶元的，還是我們科學院的一些同事）。但是整體來講，中國的公司主要做應用，做應用要看什麼呢？其實就看對數據的獨佔，因為大家都沒有技術的壁壘，所以如果能把一個行業的數據獨佔，比如這家醫院腫瘤的圖片只給你，你就有優勢。你只要能拿到數據，我現在去找演算法，找晶元都來得及。

目前哪一些有泡沫呢？

一個是自動駕駛的軟體解決方案，泡沫都是不合理的收購造成的。自動駕駛前年GM花10億美金買了一家公司，這家公司做了一個Demo能夠自動駕駛了，GM覺得，自己這方面起動晚，就賭一把，所以說基本上這是大公司的想法。

另外一個就是機器人，中國有三千家機器人公司，大家說未來機器人可以有很多應用——給老人換尿布。但是，給老人換尿布是特別複雜的一件事，老人的需求不光是換尿布，還要吃飯還要餵奶，那要不要買12個機器人伺候老人呢？這些東西都是想像，根本就沒有市場。

當然不是說未來服務機器人不可以做，比如巡邏保安等等。現在做得比較成功就是掃地機器人。

最後，如果總結一下，今天人工智慧主要是能做什麼？已經比較成熟的就是圖象識別——對視頻的理解。下一步做的是語音理解和機器翻譯。這樣的東西對人類是革命性的，所有的出國、商務談判，沒有語音障礙了。

人類很多活動都會被取代，明天影響我們行業的就是剛才說的這些人類今天可能還想不到的東西，比如說我說的默會知識學習，大規模集體學習這種無私的分享。機器完全沒有自私心，因為他沒有死亡，所以說他們的分享是完全無障礙的。

我感覺人工智慧是會對人類今後20年一個非常深刻的甚至超過互聯網影響的，將改變我們大腦的一個東西。我相信今天我們看到的AI只是冰山一角，今天AI能看到的圖象識別、語音識別，都是我們能想像到的，未來更讓我們吃驚的是我們今天看不到的應用，所以說我想人工智慧作為一場影響人類歷史的超級的創新和技術的巨浪已經向我們撲面襲來。