李国杰:AI创业要摆脱“收购或死亡”的魔咒

李国杰院士作为中国计算行业最早奠基者之一，对当前AI发展有着自己的看法，尤其是中国在AI竞争中存在的机会和挑战；同时他也提醒AI创业公司，要摆脱众多公司之前“不是被收购就是死亡”的命运，注重技术和商业的结合。

AI浪潮不只给AI技术公司带来了机会，同时由于计算需求的提升，也为计算厂商带来了巨大的机会，在前不久中科曙光的年度科技峰会上，“All in AI”也成为了中科曙光面对新趋势的核心部6 , 3 | n , ? w署。而中科曙光董事长李国杰，作为中国计算行业最早奠基者之一，他对于新的人工智能浪潮也有着自己独到的见解。r a 0 s I . W 1

本文转T W 3 n ! p Y j !载自量子位。

AI对6 a K中国工程院院士、中科3 . D z ` ) \ j曙光董事长李国杰而言，并不是新事物3 F w M e [ a。

作为中国最早一批计算机科学领域的专家学者，他在美国求学时便已亲身经历过上一波人工智能浪潮，其后又在科研任教和工] r w业研发中，在并行Z ] /处理、计算机体系结构、j l P人工智能、组合优化等领域，颇多建树。当然，AI也是中科曙光的最新战略重点所在。

在近日接受量子位等媒体的~ P Z Q O 4 j x采访时，李国i 3 j `杰院士谈到了他5 { 8 ;对当前AI发展的看法，特别是中国在AI竞争中存在的机会和挑战，# R , b 9 - ~他也提醒AI创业d * ; 7 4 1 8 }公司，要摆] , [ a { [脱众多公司之前“不是被收购就是死亡”的命运，注重技术和商业的结合。

量子位《大咖来信》栏目在不改变原意的基础上，以第一人称的方式，把我们与李国杰院士的对话进行了整理。

AlphaGo带动人工智能火热之后，不少人问我：现在的p P f M R {人工智能进4 s 0 5 q t入了什么阶段g n (，p K u ? :会不F J Y 6 & \ F会再进入50年代和80年代的历史周期= ! : H V？

我想每一个新技术的x m Y Z d 5 F I _发展，都有一个类似四q @ V s s D J E S季春夏E @ d V * u秋冬的过程，云计算m m p J } ^ Y % }是这样、物o v * t ,联网e Q ! v w是这样，可能智慧城市也会是这样。

人工智能有点不! _ : ; u \同，因为人工智能已; ^ \ P O经热过好几回4 5 ,了，好像没有分明的四季，这其g d | 1 V中有它S 7 / @ & { d m M的特殊性。

但我个人判断而言，人工智能现在的“季节”是秋天，即到了\ 7 E V收获的季节，* ) B g \ * a这背后有几个方面V d _ A A & ^的原因。

一方面，深度学习的算法、规则都相对成熟了，而且不是大M Q ( ^ _ * x家熟知的@ P ^ # H T r d }AlphaGo才开始的。

像我的朋友李凯和李飞[ 8 e c .飞发起ImageNet的时候，已经: Q f A = - b是8年前的事，很难想象一开始申请经费{ F _ e S 9 8 X =都得不到批准。

再后来Hinton用深度学习的方法，7 k C h { \ Y一下子把在ImageNet上的识别率提高到了80%多，让大家看到了方向。

不过这也是有时k 1 ^ ]代背景的。为什么以前的机器没有这个能力？核心是数据没有这么多，联网设备也没有这么多，所以现在条件保证了，人工智能也就见效了。

这就好比你在路上走，你的路径、车灯数据都有了，所以t^ & z 6 ^ o x * 2现在沿着过去的积累，一切狂飙突进都变得水到渠成了。而且新的器件、超导、量子计算1 ; E等新规则都在不断涌b 5 _现，可能会进一步加强加快这个过程。

所以我认为AI进入到一个新时代，今后一二十[ E Y = q % h年都应该会有更多进一步的发展。

不过，这也v } ! ;不意味着此次人工智能在任何领域都能一帆风顺。

我们回顾过去，AI发展从来不, n & n B ] # %会水银泻地般突破各个领域。

比如无f Z j人车B l u l 6 V，2004年美国DARPA开始搞无人车测试，结果所有的车都翻车了，200英里的比赛没有车跑过10英里就翻了，才让参赛者意识到人工自己编写系统是不行的，于, 3 @ { M u N f是转而走人工神经网络来做。

但其后神经网络也不是就完全没有J b Y O t 5 ; [问题，也出过笑话。比如微软机器人网上聊天，被2P 7 R Q . $ S b D I H / \年轻人胡乱教一气，最后机器就认为911是假的，希特勒是好的s w E | U G $ E。本来{ u C 8 [ m B ` a这些和机器聊天的年轻人是恶作剧，但机器辨别不了，你给它正确的东西它就学习正确的，你给它错误的知识它也学习，最核心的是没有“常识”。

所以现在美国AI计划里，特别强调推理、解释等方面的尝试，这可能是一条光明的Y % ] G S 4 & R U路，但肯3 6 + g 8 9定还有很多的困难需要进一步克服。

丨靠算法P u h + @ x @ U弯道超车？

当然，每每谈到当@ m o B u D前人工智能，= S ` x 8 n {话题肯定% * _ 6 ! fA q A s D d 1 F n ? R S也离不开大w \ e Y . | p 9国竞争，中美对比。

之b } N m前也谈过，人工智能产业要像一棵大树，必须扎根在系统结构和软件理论的[ l S C深土中，发展人工智能不能停留在算法层面，要关注从算法、软B 3 s Y件、人机截面到系统结构和芯片这一完整的产业链和生态系统。

但现在国内来S A I d看，更多还关注在算法层面，这可能不足以支撑我们走更远。

重视算法也无可厚非，因为算法的作用比较容易显现。

现在越来越多的科研机构、公司都以算法为核心，原因是算法研究的门槛比较低、论文发表的难度也低，容易出成果，这是人之常情、可以理解。

但问题\ W +也随之而来。一个公司光靠算法，或者行业都. } l e u a N G围着算法你争我赶，很难有竞争力。今天7 t L d你看着算法k N W r ` |机会多，容易赚钱，但也很容易被别人赶超。

而且真正标l . . A L t新立异的颠覆性算0 ? Y o * W d法现在还0 ; b H D 0 4 u Y比较少，更多还是一p m A Y % T 2些改进性的算法，所以把Q p ~大B B S u部分的精力集中在算法上，是不全面的。

这也是中国的问题，我们现在总说我们和国外的差距如何如何，每讲到核心技术，总是受制于人，但对于基础技术方面又没有积累和- b h ! _ * ] w :投入的意识，这样的亏吃得还不够多吗？

比如芯片，国外的领先优势就在两代以上，我们一直没能缩短。我们现在用的20纳{ ^ Z m _ E [米不[ H ? o t太成熟，以后别人都是28纳米、14纳米，甚至7纳米，我们都没有办法跟上，更别说赶超了。

还有很多基础软件，最核心的基础的东西都是别人的，我们只在上面做一些小修改，整个生态都建立在别人的基? L j础上，原来是X86，后来就更多。

这些基础问题不解决，就容易地动山摇，整个国家的竞争实力就要受制于人。

全世界200强的公司中，美国有14家芯片公司，14家软件公司，中国呢？一家都没有，所以这w H B Y d 1 u个差距不得不重视，越是基础的东西，对我们的未来越重要，这是衡量一个国家人工智能强不强的基本判断之一。

另一个基本判断是计算。人工智能是计算出来3 c ( M f了，没有计算就没有智能，计算力也是一个非常基础的东西。

但如果按照服务器拥有量来衡量国家计算力，我们现在和国外的差距也不小。国外每年花\ 1 B v o在服务器上的钱，, 5 - 9 $ O可能是整个终端投入的60%-70%，但中国只有20%-30%，在这些基础设施上，我们p 5 q的重视程度也还不够。

值得注+ 5 N意, N 0 : g $ = d的是，重视基础就不能“喜新厌旧”。

中国人很重“名\ / * J 0 S”，“名\ \ \ 8 - j &不正则言不顺”，信息领域不断创造新名词，一旦新名词、新学科上升为行业意志L u s H ^ d f ,，原来的基础学科就被边缘化。

去年国家自然科学基金计算机学科的4863项申请项目中，计N [ { k ^ L _ %算机科学的基础理* M }论只有16项，计m E ( V / # ^ G算机体系结构22项，程序设计S 6 & h语言及支撑环境13项，高速数据传输技术2= a q项。

但是，计算机图) f f Q v~ 4 O i b ( 3 }像与视频处理有439项，模式识别理论及应i 3 T F P x u ( 0用357 G e # i7项，人工E : l \ + t h & 8智能应用258项，这是巨大的反差。

基础！基础！基础！没有基础的话，将来还是难以扳回局面。

丨中国的AI优势

中国的优势在于用户多，网民多，这就让我们在数据方面有优势。

不说BAT了，就说滴滴这样一家年轻的公司，他们切入的这个领域o [ 8 y U m 1 1 i，以后的数据量可能不比阿$ + P u里、腾讯少，因为每天都有那么多的车在给它产生数据。

所以在中国这个大市场里，人工智能应用就有得天独厚的条& [ C N \件，中国搞算法的多、人才多，有后备力量，在相关方面就比国外超前。

比如云识别、人脸识别等模式和算法领域，都是世界一流。在目前最核心的图像和语音识别领域，应用也越来越多。

但人工智能不限于这f O ! 4些，还有很多和智能制造、无人驾驶、医疗v ^ 1 + : s I健康等相关= N C { +的领域，这不是算法好和市场大就能U h (快速起来的。

还需要相关垂直领域的专家配合，比如AI+医疗，你就需要借助医疗、智能医疗Q ? h } : j *方面的专家。

未来_ 0 S m ?我们- = p s y 2 5想在人工智能发展e v u ] ( l中做大做强，不仅需要巩固算法\ \ B U和市场这样的优势领域r x J ! V ^ L o ~，还需要在那些会结合但又不强的地方，加大力量8 6 l v T投入j k W b l b y m 5。

丨产学研结合，理P ? !论创新

我们有数据和市场的优势，z : 7 i _在算法方面也不弱，有机会能在下一波AI技术跃迁中占! a ^ ?得先机，甚至理论创新上领先。

我个人看来，% { 3 + V l g A B下一波AI技S p { k f c E i术跃迁，核心突破肯q 4 | C _ ` g O定还是在于算法和理/ F : b e论。

人工智能这几F O 4 v 7年取得了很大突破，但还是没能解决一些在人看来很基础的问题。

比如你教小孩认识事物，可能不出I O 8 J v S10、20张图片就能S 5 J g =/ S J 6 ( ) N +让他知道这是马、这是车，但对于机器还做不到，可能机器需要的是上百万张图片。

这就是典型的小数据学习，为什么人可以，机器不可以？但如果考虑到r q j Y 5 Q人类一代2 r @ =代经过了几百万年的进化，才慢慢形成人脑的连接、基因，并有了固定的人脑结构，这好像也能解释为什么会有从大数据到小数据的过程。

所以现在的关键/ m K H @ J D是，把AI提升到理论j b } J y v f !上能解释的地步，比如还有很多很多的基本的东西没能搞明h G `白，深度学习效果这么好，但决策过程可能我们还无法解释，黑箱还= \K 1 O G } ^ - a | X Y没变成白箱，这需要一些基本理论的研究。

这些基本理论的研究，也可能会借由其他领域取得突破，比如量子力学。之前我演讲举例说过，以M l u V V色列科学家提出“信息瓶颈”理论，D PS % $ P H 2 R * K h _ (有一套完整的科学，他\ ^ j 2 9 _ i d J们发现这个过程和深度学习极为相似，这甚至是“深度学习”- T ` C p发明时预料不到的。

但我们也应该看到，现在很:` m | J U G 6 W多重大理论上的突破，中国并不在其中。

丨理论创新难以规划产生

之所V B X以不能太乐观，一方面是投入确实不算多，另一方面还是[ % 2 C @ + ~基础研究的特性，它不是能规划出来的，是冒出来的, ~ E D - s ?，所以对国家来说，环境培育更重要。

我们国家刚颁布了人工智V M 1 T x能战略规划，跟美国一$ \ g e | L n比较，我们6 Y Y / W做得很细。但参与拟定规划的潘云? e Q L D ! _ C鹤院士也跟我说，基础研究方面，可能会“有心栽花花不H L &开”，可能你列了5个，但5个都没有冒大成果来。

所以A 3 # 5 !政策层面，基础研究不能太受指南之类的影响，除了大方向上给予指导，可能也要鼓励一些自u h *己选方向的发展，主6 A A x [ 3 B要看这个人和团队。

归结起来，我们发展AI% U z，应该是生态式的，而不是方向式的，有Q ` m + g | o魄力支持一些W d ! ^ Y ( A C !人去做现在可能还想不到的事情。

也有人问，在AI发展里，国家和企业应该, . a 0怎么分工，才能更好促进整个产业发展？

我想我们国家一方面有钱、有积极性，这是好事，但也要分清楚政府和市场的定位。

我认为J } % 3 ? 6 q政府主要做的事，应该是人工智能突飞猛进之} , t Z p o } r 5后，如何树立一个公平经营、竞争的环境，有政策y ) r A ] 2 k d ;、有导向防止两极分化之类n 2 Q t V , .的事情。政府主要还是给一个好的环境、生态。

至于具体的研究方向、投多少V n E a ^ o钱，可能交给企业去做更合适。

地方政府现在扶持或落地一些AI项目也是z F p这样，有钱、有政策导向是好事，但具} 0 V b C = 2 l体方向、重点领域如何选择等，交给企业更合适，因为AI里面还有很多未知的东西。

另外，现在我最! I ~担心的问题，是公有开放的机器训练平台的缺乏。

BAT都有自己的大数据平台，但让智能软F k @件和s J X O Q P q服务行业每个中小型创业公y o _ s司都! ^ W ^建立自己的机器y I 9 8 N 3 t学习训练平台，既无必要也不可能。各地双创园区要建立共享的大! 3 R 3 k V u b数据分析平台和机器学习训练平台，这是新时代的重要基础设施，另外，也z 5 6 a + J不@ ^ 6能让中小企业被迫都使用BAT的平台，让这些企业未来受限于垄断。

最后，I u & p ~涉及政府层面的，还有政府数据怎么公开，让大家都用= p u z起来、共享起! G k k w来，需要动一些脑筋，据说青岛在山东各地区中是做得比较好的，政府的数据共享U / \ Q r、打通等已经做了很多工作，但如果我们能够进一步在r l ? H ?电子病历等方面打通，可能以后智慧医疗9 a C b [ /就会发展很快v M z : r。

而医疗健康之类的产业，才是AI应用、科技方案中需要优先解决的“刚需j j } @ [”。

现在有一些应用完全是满足吸引c . 8 P \ 3 `眼球的需求，大家一乐就结束了。刚性需求，像涉及人X o n e N ~ a h 9的健康、安全等方面可能不太容易马上反映在GDP中，但老百姓需要。比如关心残疾人、关心老人等弱势群体，都是刚性寻求，我% , ) ?们的AI不能完全朝着高校、白I 7 K @ % C领等年轻人群做，否则很容易两极分化，政府应该在其中有n l @ 7 J E? f V G 9 a一些引导。

丨AI初创公司的命运魔: C [ h T p \ 8咒

对于AI初创公司，之: X p (前还有一些魔咒。过去，人工智能创业公司只有两z y 4 9 | } f f m个命q l s X运：一个是被大公司收购，一个是倒闭。Y # $A { - * t V \ G

AI公司要在* G (卖产品、授权、广告、服务模式中找X t 5 & T k到新的赚钱末路，! 5 2或者另外开辟技术变成钱的商业模式。AI公司要做大做强，不但要有一技之长，而且P O 4要有自己的平台和特有的数据，软件和硬件都要有过人的实力。

现在，人工智能企业还是以高技I , O l术的为主a x a，未必都是企业家，真正让= Z 5 h X G s技术和商业结合，找到帮助企业成长的模式，还是一个难题。

所E L 8 O ) | q \以我的判断是让更多技术型人才和商业型人才结合d S Z O $。

人工智能肯定还会冒t u G c : ; Z K出很多新技术，也会产生很大的市场，几百亿、. , z h S 8 0几千亿之类的都有可能，但也需要时间。

我们看到国外的统计材料，一个新的技术出来i ~ * + 2 zm P F B变N 0 # X d成十亿X $ L # : b ^ \的市场要二十年，变成一百亿的市场可能要三四十年，需要一个过程。8 c r q x A R 3 i

所以现在看起来，\ p Z N ( k \ f Y今后十到十五年，真正变成市场的技术，可能不是这几年变出来的，肯定在应有的技术方面! g _ p O V T w如何创新商业模式，要在这方面动脑筋，不光是技术上有新的发明，在商业模式上还要有新的创新，结合起来才可以把新的技术用好。

丨给年轻学子的建议

对一些年轻\ = 2 * * l p }人想j ? M从事AI，我有一个基本的判断，人工智能从科研角度来讲，它就是计算机科学的前沿研究，从应用来讲也是计算机的应用j a T [ J。

本质上是计算机的技术，是计算技术，虽然可以从脑科学学到一些东西，从数学里拿到一些东西，但是离不开计算机的基本技术，所以在国外人工智能的一些] & : ) v 2 L 4学习者H I | D K / - u N学习课程，开课都开在计算机系里面，极少有搞一个人工智能学院、系等。

首先要搞清楚这是q k x d *一个F q Q计算机学U + i ? x x O科的重要的组成部分，所以离不开计h Q \ Z b p + g算机的本身，如果抛开x ~ 6 = v = ] f u计算机是不行的，想投入这个行业的i E 2 V e v ( F \人，至少把计算机/ i r N ;的一些基本的课程要学的比较扎实，} x 6 c 5 T I x包括算法的课程、系统结构、软件等都是基础，现在还没有案例说：缺少计算机基础的人可以做好人工智能。

还有就是明确科幻、舆论和科研之间的距离，宣传总是会超前一些。比如一讲就是机器要超过人，通讯之间不需要机器等，一讲就是很新奇的想法，很吸引人，对N c w i = y H F `这个难度要充分的估计，不是这么简单的。

现在有一些被广泛传8 R # N % 0播的实验，比如一个人在国外，一个人在国内，两个人不说话b % y 3，脑之间有脑电波收到一个信号，给到美国去，两[ = R z d f | w个人不见面，我想说你好，这个+ W m信号就会通过脑电波传n 4 \. , 6 c ! y !到你的脑电波里面去，那个人就知道你在讲你d Q `好，这样的实验已经有了，s i t m U # p但是真正所谓的脑脑之_ - T a f间完全靠电波来联系，P q ` : ^ S P Q不是做两个例子，这是很长的路要走。

人\ v u z脑是多少万年的进化，所以E _ e h ) A ` \ 7年轻人不要觉得未来把脑科学的东西变成人工智能的东西，好像马上就可以应用，得有一种走艰) | , h 7 t j T S苦路的思想准备，不是一天两天就可以搞成的。

总而言之，人工智能任重v N i m而道远，最后引用一首诗与大家共勉X [ = * 0：