李開復：美國對中國AI的幾大誤解

商業模式的落地。 這樣，兩國在 AI 事業上才能從零和博弈走向合作共贏。

美國科技界對中國AI的現狀有幾個普遍的誤解，比如：

1、他們常將海量數據的優勢，歸因為中國人多。

2、中國極具競爭力的AI商業環境和技術發展，建立在對知識產權盜取的基礎上。

3、中國政府支持AI公司，是給它們巨額補貼，保護它們不受國外競爭者的影響。

這些簡單的理解非常粗暴，它將中美兩國的AI競爭理解為類似零和遊戲的AI爭霸戰。

這篇文章是李開復博士在紐約時報的專欄文章。 在梳理上述誤解後，提出了一個嶄新的視角：

實際上， 兩個國家可以通過學習對方的優點來提高各自的勝算，在一次跨文化學習的機會中，共同推進可改善人類生活的全球AI項目。

每項技術的發展都要歷經探索期和應用期。 在探索期，科學家們在實驗室裡進行最核心的科研工作，取得技術突破，並推動整個研究領域朝前邁進。 到了應用期，相關技術已具備實用性，便開始從實驗室走向現實世界。

在過去十年間，我親眼目睹了人工智能如何從一個階段過渡到另一個階段。 20世紀80年代和90年代屬於AI的探索期，當時我正在卡內基梅隆大學和蘋果公司進行語音識別研究。 近些年，我又以穀歌中國總裁以及中國移動互聯網早期投資人的身份，投身到AI應用大潮中。

從探索期到應用期的過渡，也標誌著AI領域的重心發生了重大轉變——從美國轉向了中國。 美國憑藉其在前瞻性研究與創新型項目上的過人之處，取得了幾乎足以支撐起整個AI探索期的創新成果。 數十年來，高度自由的知識環境、無可比擬的高校研究網絡以及對移民一貫的開放態度，讓美國成為了AI領域偉大創想的孵化器。

然而，如今的AI已然正式進入應用期，需要截然不同的條件， 中國在應用期的AI幾大方面展現出顯著優勢，包括海量的數據、競爭極其激烈的商業環境、和持續迭代基礎設施以促進AI發展的積極政府。

此外， 中國還擅長將抽象的科技突破轉化為大量具有實操性和商業可行性的產品，而這一過程比多數研究者所認為的要難得多，許多中國科技公司的市值也因此不斷擴大，令曾經 指責它們“剽竊”的美國同行們望塵莫及。

當然，前瞻性研究在AI領域的重要地位仍然不可撼動，這意味著中國仍有許多要向美國學習的地方。 然而，隨著AI應用逐漸成為大勢所向，如今美國也有不少方面需要向中國學習。

雖然西方的分析師們常常承認中國在AI的某些領域具有優勢，但他們對於這些優勢的本質往往缺乏準確的認識。 例如，他們常將海量數據的優勢歸功於中國龐大的人口數量（擁有11億移動聯網終端設備），並聲稱中國寬鬆的隱私保護法律使得人人都可獲取用戶數據。 但中國的核心數據優勢不僅體現在它的廣度（用戶數量）和獲取（用戶貢獻的數據量）上，還體現在每位用戶所提供數據的深度上：中國人在網絡世界以外的活動，如今 也能以數字形式被捕捉下來，供AI算法使用。

例如，中國人經常使用像微信這樣的應用來處理諸多日常事務，如購置生活用品、預約門診、交水電費以及小額借貸等。 此外，中國人還是共享單車和網約車的主要消費群體，佔全球需求總量的68％。 移動應用的普及在一定程度上呈現出了一種“跨越式效應”：中國人從未真正養成使用信用卡的習慣，而是直接進入了移動支付階段；中國的醫院也從未建立起覆蓋面廣 的傳統門診預約系統，而是直接使用智能手機的預約掛號程序；此類例子不勝枚舉。

這些龐大的數據流勾勒出一幅幅中國用戶的多維畫像，幫助AI公司更好地對他們的服務進行個性化定制。 雖然矽谷的公司也在開發類似的產品，但他們掌握的數據主要限於線上活動，如Google搜索記錄、YouTube觀影記錄、Amazon購買記錄以及Facebook點贊內容。

面對中國極具競爭力的AI商業環境，西方分析師們常常曲解了中國在這方面的優勢。 他們認為，中國的技術發展主要建立在對知識產權盜取的基礎上。 這種誤解反映出雙方在看待合法的學習模仿行為時存在明顯文化差異，部分中國公司作為後繼者，借鑒了已有的成功商業模式，並對其進行調適和迭代。

在矽谷，人們認為模仿其他公司的商業模式或特色極為不光彩，因為這與史蒂夫·喬布斯等創新者提出的“不同凡想 ” 精神（Think Different）背道而馳。 由此產生的結果是，行業開拓者長期無法受到挑戰——即便它們不對其技術潛力進行充分的探索或開發，也可以成為該行業的主導者。

相比之下，中國的創業者在學習模仿方面幾乎沒有任何猶豫。 某個商業概念一旦被證實具有市場潛力，數以十計甚至上百家的公司就會對這個概念趨之若鶩，從而引發一場殘酷的生存競爭。  其結果與進化過程中的自然選擇適者生存頗為相似：所有公司都以“家族樹”的同一分支為起點，但為了獲得競爭優勢，它們會促成產品或商業模式的“突變”。 如果經過改良的產品反響良好，這家公司就能生存並發展，而無法快速適應市場需求的公司則會慘遭淘汰。

你可以從中國共享經濟的發展軌跡中清楚地觀察到這一現象。 在優步和滴滴出行等公司證明了拼車服務的商業可行性後，中國的創業圈幾乎試遍了所有可能的迭代項目，如共享籃球、共享雨傘、共享單車以及共享充電寶等。 雖然其中的大多數項目很快就消失得無影無踪，但倖存下來的那些——包括少數幾家實力最強的共享單車初創企業——最終發展成為市值達數十億美元的公司，並 在短短幾年內徹底革新了城市交通。

最後，在中國政府支持AI這個問題上，美國流傳的最簡單版本是這樣的： 中國政府官員先挑選出幾家優秀的公司，給予它們巨額補貼，然後保護它們不受國外競爭者的影響，但這種說法從根本上曲解了中國政府為鼓勵AI應用而採取的種種措施。

中國政府明白，隨著AI的影響力從純數字世界延伸到現實世界，公共基礎設施和政府機構將不得不作出改變。 如果我們希望通過無人駕駛汽車來減少交通事故，我們就可能需要將傳感器嵌入道路。 如果我們希望AI診斷工具能更早地發現癌症，我們就可能需要醫院的管理層制定出數據共享協議，在保護病患隱私的同時，允許病例數據用於研究。 對公職人員來說，這些決策都包含了一定程度的風險，在高度對立的政治環境中更是如此，因為每一項決策失誤都能成為政敵的把柄。

中國政府宣布把AI列為國家最優先的發展戰略之一，這給地方官員釋放了一個信號——他們將因扶持AI基礎設施而受到嘉獎。 中國發展AI的模式不是基於自上而下的政令或無限制的補貼，而是通過鼓勵地方官員在當地進行必要的改革，從而推動民營AI公司開發出實用的產品。

上述的中國做法已經完全掌握了AI領域成功綱領嗎？ 現在尚難輕易下結論。 AI從探索階段過渡到應用階段，並不意味著探索不再重要了。 事實上，由於AI領域仍然存在著諸多難題，現在AI發展的最佳路徑究竟為何，恐怕還沒有人能夠斷定。

讓我們來思考一下像無人駕駛汽車這樣的AI產品。 中國和美國的科技公司都在狂熱地追逐著大規模部署無人駕駛汽車的夢想，這種汽車的自動駕駛水平有望超過所有的人類司機。 誰能在這場較量中獲勝，或將取決於主要障礙是存在於核心技術方面，還是執行細節方面。 如果是技術層面的障礙，即核心算法的重大改進問題，那麼美國就處於有利位置；如果障礙存在於應用層面，涉及到智能基礎設施或與之相適應的政策，那麼中國就佔據上風。

類生活的全球AI項目。

目前，哪個才是主要障礙仍然不得而知，但我們可以確定的是，兩個國家可以通過學習對方的優點來提高各自的勝算。 中國的研究人員、初創企業和AI公司應該進一步釋放他們的想像力，通過進行有長遠意義的嘗試獲得實現新突破的機會，而非僅在後面苦苦追趕。 與此同時，美國公司應該對他們眼中不那麼光鮮的商業模式敞開懷抱，充分挖掘已驗證商業概念的其他應用場景；美國的政策決策者也應該摒棄對AI袖手旁觀的消極態度，積極調整美國的實體 結構和公務機構，使之更好地擁抱新技術。

如果兩個國家都能轉換視角，原本看上去像是一場博弈論中零和遊戲的中美AI爭霸戰將有可能就此轉向：：在一次跨文化學習的機會中，共同推進可改善人類生活 的全球AI項目。