人工智能已經成為21世紀最重要的技術成果。因此，我們自然有必要關注全球范圍內的發展動向。本文，我們將共同審視全球人工智能產業，并以此為背景，考量其在政治、數據、經濟、初創企業、金融、研究以及基礎設施等層面的影響。

作為人工智能領域的唯二超級大國，這里我們僅對中國及美國略加探討。

最后，我們將以一個實質性問題總結：人類應如何應對這場全球性挑戰？

人工智能需要來自政界的更多關注

到目前為止，第一波數字化浪潮顯然是在政府沒有過多的干預下完成的。盡管政府方面已經在制定計劃，打破谷歌等技術巨頭的壟斷（美國與歐洲），例如在歐洲對谷歌及Facebook施以罰款，但總體來講，政界對人工智能市場的關注仍存在長達十年的滯后。

單從AI的角度來看，這是筆者近年來第一次親眼見證全球數十個國家的政府主動采取各類舉措、戰略及行動。當然，不同思維方式支持下的目標與方法也存在著巨大的差異。

顯然，人工智能目前是，未來也仍將是各國政要及政府所必須處理的問題。

AI與氣候保護以及經濟政策密切相關。

AI的影響范圍涵蓋國家產業治理以及公民的安全與隱私問題。

各國政府必須建立并發展自己的AI長期戰略，但與之相關的投入也將極為巨大。特別是在歐洲，由于政策及制度所限，各國政府在長期與投資密集型戰略決策方面仍存在不少現實問題。

中國對于國家政府應如何掌控人工智能技術有著清晰的愿景。從中國的角度出發，人工智能將成為實現強大外交政策、軍事優勢、經濟成功以及國內管控等目標的重要工具。

美國則得益于強大的學術研究集群以及谷歌、微軟、Facebook與亞馬遜等超級科技巨頭的推動，這幾家公司都在AI開發層面占據領先地位。

盡管美國尚未在特朗普總統的領導下找到明確的發展軌跡，但數十年來，美國一直在通過各級政府機構及部門推動AI技術的研究與實施。

加拿大與以色列雖然體量較小，但在AI主導權的全球競爭中同樣扮演著重要的角色。

以色列長久以來一直擁有雄厚的技術力量，其AI企業在數量上甚至超過德國與法國的總和。在以色列，學術網絡關聯緊密，能夠輕松進入亞美資本市場，同時與軍方及政府保持著全面合作關系。英特爾公司之前以150億美元收購以色列企業Mobileye，這正是以色列繁榮AI生態系統的一個典型案例。

過去七年當中，加拿大也從深度學習的復興當中受益匪淺。Geoffrey Hinton、Yann LeCun以及Yoshua Bengio正是深度學習領域的三大研究巨頭。這三位大師都曾在加拿大高級研究所從事技術研究。他們共同度過了上一輪“AI寒冬”，并在隨后的復蘇之春期間努力塑造新的AI市場。

此外，加拿大還制定了明確的AI發展戰略，多年來始終堅持推動AI研究、投資以及實施工作。

同樣值得一提的是，日本、韓國與印度也有機會在未來幾年內，在AI行業當中發揮自己的積極作用。

人工智能加持下的經濟提升

雖然政治力量的介入能夠在研究、融資、教育、數據、推動以及監管等層面為AI提供框架性條件，但對于正身處發展中期的AI技術來說，產品最終仍然要由企業負責開發并推向市場。

其中的頭號重點，在于符合國家利益。

這一點，對于那些擁有自主發展議程以及AI研究方案/實際產品的跨國企業而言，顯得尤為重要。

在我看來，谷歌（Alphabet）、亞馬遜以及微軟是當前全球范圍內的領導廠商。中國互聯網巨頭阿里巴巴、百度以及騰訊則屬于重要參與者。

目前，AI領域包含兩類企業：將AI技術作為核心產品進行開發與銷售的企業，以及利用AI技術補充原有價值鏈的企業。

無論屬于哪一類，目前業務活躍的每一家企業都在或多或少擁抱人工智能。一方面，AI技術能夠替代現有業務模型；另一方面，AI也可集成至企業內部的無數流程當中，包括會計、控制、生產、營銷、銷售、管理、人事以及招聘等等。

順帶一提，驅動人工智能實施的核心因素主要分兩點：降低成本，以及利潤最大化。

當然，對AI的控制也同樣至關重要。目前，AI正越來越多地接管那些以往只能由人類執行的工作。一般來講，經過一段時間的訓練，AI技術完全能夠以人類更快、更高效且成本更低的方式完成任務。

人會生病、需要休假、需要吃東西和睡覺。此外，人類還需要娛樂活動，會離職以及退休。相比之下，AI則24/7全天候工作且永遠不會提加薪要求。

采用AI技術的企業越多，市場對于人類勞動力的依賴性就越低。

數據是一種競爭優勢

數據是一切人工智能的基礎。我們需要的數據主要分為以下幾類。

首先，我們需要用于研究并訓練狹義人工智能的數據。在這方面，我們業務模式的數字化程度越高，擁有的相關數據就越多。

因此，市場領導者（谷歌、Facebook）、軟件廠商（Salesforce、微軟）以及電子商務企業（Zalando、亞馬遜）多年以來一直積極參與AI研究工作。

一部分銀行也很早意識到這一趨勢。因此，高盛及摩根大通先后招募了數千名機器學習與數據科學方向的員工。

能夠把握自有數據的企業將在市場上獲得巨大的競爭優勢。

缺少自有數據的企業則必須想辦法收集、存儲并評估外來數據。

但是，由于各國設置有不同的國家數據保護法規，因此歐洲在這方面一直處于相對不利的地位。

GDPR/DSVGO在主觀意圖上確實希望幫助歐洲數據市場建立良好秩序，但從實際效果看卻令歐洲陷入巨大的區位性劣勢當中。

為了遵循法規要求，整個行業幾近癱瘓。與診所及醫生的私下討論表明，目前歐洲的醫療行業不再共享任何數據。這意味著歐洲民眾需要為此付出生命的代價，因為這樣的障礙顯然不利于開發出有益健康以及延長壽命的算法方案。

這還只是眾多負面案例中的一項。

數據的不確定性已經使整個歐洲的AI行業身陷泥潭。由于擔心受到處罰，各企業不再收集任何數據。在數據即力量的大時代背景之下，歐洲反而建立起一種數據焦慮文化。

歐洲上世界上最重要的數據市場之一，但歐洲正在自廢武功、白白浪費潛力。

在另一方面，中國的情況則完全相反。中國一直在積極推動活躍的數據交換與集中化處理。此外，人們對于個人數據的收集與處理也并不太擔心。

事實上，隱私在二十一世紀已經成為一種偽命題。每一項數字操作都被量化并保存下來。但是，歐洲人仍在逆時代而行、繼續著自己對于隱私保護的固執堅持。

人工智能初創企業有望逐步發展為新的巨頭

初創企業是創新活動的驅動力。這些年輕的公司在開發新產品方面，通常比老牌廠商表現得更勇敢、更迅速也更靈活。在風險投資基金與天使資本的支持下，初創企業甘冒巨大的風險以期取得非凡的成就。

盡管95%的初創企業無法堅持過前五年發展周期，但他們的努力仍能讓整個生態系統獲得收益。

其他企業可以通過收購的方式獲取這些最新產品與創新成果。

初創企業的員工們能夠在其他公司找到新工作，繼續發揮自己的聰明才智。

投資者與創始人則從中汲取經驗，并將知識引入更多新項目當中。

也有不少年輕的企業能夠熬過最艱難的五年發展期。這意味著他們經歷了融資（從種子輪到上市）、人才吸引、發展、開發付費客戶、規模擴展以及逐步壯大的整個過程。Facebook、谷歌、蘋果、亞馬遜以及Uber都曾經是初創企業，如今他們都在各自領域成為市場主導者。

Roland Berger公司前任CEO Charles-édouard Bouée在2018年Rise of AI大會上表示，下一波高價值企業中的主體將由AI公司構成。

這一切將有賴于初創企業的推動。正因為如此，我們有必要為AI創業活動提供更便利的條件。

科研的重要性達到前所未有的高度

深度學習的復興僅僅只是開始。目前，深度學習已經快速經歷了CNN、GAN再到進化算法的整個發展過程。

圍繞NLP與NLG建立起來的計算語言學體系也取得了巨大的飛躍。

在2012年正式邁過計算能力與數據可用性臨界點之后，以過去三十年研究成果為基礎的數十萬種狹義人工智能開始快速興起。

那么，這些研究結果從何而來？

一方面來自高校的貢獻。麻省理工學院、斯坦福大學、卡耐基梅隆大學以及伯克利大學已經成為AI研究領域的燈塔。

其中，單麻省理工學院一家就計劃在2020年投資10億美元用于建立新的AI學業課程。

在另一方面，企業也成為AI研究領域的一大主力軍。除了名聲顯赫的谷歌DeepMind之外，微軟也擁有超過8000名AI研究人員。

最睿智的頭腦也偏愛那些擁有更多數據與財力資源的企業巨頭：Richard Socher（Salesforce）、Yann LeCun（Facebook）、Andrew Ng（百度，2017年離職）以及Demis Hassabis（谷歌）皆是如此。

遺憾的是，歐洲的大學與企業在AI研究領域未能獲得領導地位。當然，歐洲也不乏頂尖科研人才，例如Jürgen Schmidhuber教授、Francesca Rossi教授以及Hans Uszkoreit教授。

此外，卡爾斯魯厄理工學院、慕尼黑工業大學、柏林工業大學、奧斯納布呂克大學（認知科學）、牛津以及劍橋大學都開設有AI課程。

但這些高校一直未能拿出國際公認的頂級研究成果。

當然，德國人工智能研究所、數十家Max Planck研究所以及Fraunhofer研究所也在積極從事AI技術的應用級研究。但是，他們同樣無法在以人才、數據以及資本為核心的全球競爭當中占據領先。

但格局仍未確定，誰能開發出第一套通用型人工智能方案，才是在未來幾十年內真正具有決定性意義的里程碑式事件。

沒有基礎設施，妄談人工智能

在基礎設施層面，我們關注的不只有可用數據，還包括必要的計算與性能容量。

英偉達公司曾經以游戲發燒級顯卡產品聞名。如今，其已經成為GPU領域的頭號制造商，這些GPU被越來越多地應用于AI領域。此外，谷歌、英特爾以及不少其他企業也在積極開發不同形式的新型AI芯片。

與此同時，微軟、AWS、谷歌以及IBM則一直在全球范圍內擴展云資源容量，借以滿足不斷增長的計算需求。

中國目前高度關注5G技術，遺憾的是歐洲在這一直接影響實時AI應用與網絡產業的技術領域仍然無法發揮主導性作用。

人工智能需要強有力的資金支持

人工智能的發展極為昂貴。

頂尖AI研究人員相當稀缺，平均年薪高達30萬歐元。

數據也需要收集、存儲以及標記。開發AI模型往往會耗費大量時間以進行實驗、試錯以及對新方法的探索。

AI需要數據進行訓練與學習。

這些成本將由大企業、初創公司、投資者以及國家共同承擔。

中國已經深刻意識到這一點，目前中國AI市場的投資總額已經超過1300億歐元。北京、上海以及天津等地也都在本地AI產業身上砸下數百億美元。

在美國，谷歌、IBM、微軟、亞馬遜、Facebook以及蘋果早在2015年就已經劃撥超過550億美元的內部投資。

沒有資金，妄談人工智能。

在這方面，歐洲再次顯得過于小氣，無法著眼于未來籌集必要資金。

數量級比較：2018年，德國聯邦議院為AI設定了50萬歐元的資金預算，后續計劃再增加5億。但是，目前這批預算仍停留在規劃階段。

如果繼續保持這樣的態勢，AI發展將遙遙無期。

與此同時，中國為400家新興AI企業提供資助。而截至目前，德國AI戰略中的百家新興企業支持計劃仍未落實到位。

在這種情況下，我們有必要對英國提出表揚。英國脫歐雖然爭議頗多，但這也幫助英國擺脫了歐洲的固有局限。相較于歐洲大陸，英國已經在人工智能領域為初創企業及各高校提供了更為可觀的資金支持。

歐洲在全球AI軍備競賽中地位如何？

正如之前提到，歐洲目前正在喪失國家間AI競爭的主導權。

就在歐洲各國仍在舉棋不定的時候，中國、美國、以色列、英國以及加拿大已經在著手爭奪數據、市場與人才等資源。

歐洲擁有自己獨特的問題，而這些問題導致這片大陸因循守舊、缺乏遠見以及發展的野心。

另外，教育經費相當匱乏。不僅我們的高校與大學資金不足，勞動力培訓市場同樣預算緊張。歐洲的年輕人數學水平低下，學生們極少有機會接觸與AI相關的課程。而由于勞動力再培訓能力低下，歐洲也很難為不斷發展的數字產業提供必要的人才供應。

另外，歐洲研究成果向產業的轉移也相當緩慢。其結果就是，這些成果要么被封存起來，要么陷入效率低下得可怕的官僚處理流程。很多年輕企業就在這樣的拖延之下一步步走向衰亡。

歐洲的AI初創企業往往缺少資金。目前只有售賣電動自行車及電動踏板車的企業才能輕松從投資者手中拿到資金，但真正的技術卻鮮有人問津。產品越復雜，資金獲取就越是困難。相反，商業模式越簡單，來錢也越快。

雖然仍有不少來亞洲及美洲人才愿意在歐洲工作，但入境流程也變得越來越復雜。自難民潮以來，入境機構已經不堪重負。如今，歐洲已經幾乎無法從伊朗、俄羅斯或者中國吸引到才華橫溢的AI開發人員。事實上，如今的歐洲正表現出一種強烈的拒絕——而非開放——心態。

歐洲也缺少統一的發展戰略。芬蘭、瑞典、荷蘭以及法國等國家/地區擁有自己的AI戰略，而且頗具野心。但德國一直在努力阻止歐洲真正形成共同體，目前來看這樣的僵局很難被打破。

我個人2018年在歐盟委員會任職時，一位保加利亞研究人員曾提到，如果她的祖國能夠被納入計劃，那么情況會好得多。但實際情況是，目前只有西歐情況較好，歐洲整體則早已破敗不堪。

我并不是說必須通過政治的方式解決所有問題。企業仍然需要繼續制造產品，創始人們需要建立初創企業，風險投資公司需要為他們提供資金，研究人員也該繼續完成自己的研究工作。

但是，政界確實有必要通過明確的政策為此提供支持。他們應當建立起監管制度，用于促進而非抑制這方面民間行為。政界應當刺激投資，并起到示范性作用。對于政治家來說，關注學生并提供良好的再教訓資源應該是件理所當然的事。但就是這么一項理所當然的工作，歐洲并沒有做好。

總結來講，如今的歐洲正身陷權力斗爭、利己主義以及技術恐懼癥的漩渦難以自拔。

人類面臨的全球挑戰

但歐洲只是世界的一部分，因此必須適應全球性的時代潮流。

而不斷發展的人工智能行業，也確實存在著一系列實際挑戰。

首先就是數據保護問題。我們到底該以誰的標準為準？歐洲目前已經制定了明確標準，迫使企業不得不在歐盟之外的地區開發AI方案。

未來我們能夠完全放棄數據保護思維，像中國那樣真正讓數據自由流動嗎？還是說，歐洲的固有傳統還將進一步升級加劇？恐怕只有時間能夠給出答案。

人工智能需要監管

此外，各國政府都有必要考慮對人工智能技術的監管。AI技術正越來越多地影響到媒體、工業、教育、安全、軍事以及金融市場。因此，有必要規范對人工智能（及其背后企業）的控制政策。

例如，中國企業松鼠AI正幫助數百萬學生獲取與其學習進度與知識水平相匹配的個性化學習內容。但在歐洲，這類AI應該由誰主導，內容與主題又是否需要接受監督？我無法想象歐洲那些地方教育部門能夠做好這項工作。

因此，歐洲各國政府必須招募專業人員，鉆研這一概念并會計實踐。整個過程需要很長時間，所以越早著手越好。

需要建立一套人工智能道德框架

人工智能能夠在一秒之內做出大量決策，而每一項決策都或多或少涉及道德判斷。人工智能道德與倫理研究，也將決定人工智能應用到底能走多遠。

人工智能有可能防止——亦可能加強——偏見、種族主義、腐敗以及性別歧視。

因此，我們迫切需要一套AI道德框架。從宏觀層面來看，每一個文化領域（通常以國家為單位）都需要面對這個現實問題：我們想要的是什么樣的AI？這些AI應當代表怎樣的價值主張？

這樣的社會性討論必須盡快且積極地開始與推進。目前，我們只能在沒有道德控制的前提下開發AI，即由開發人員自主決定機器的后續行為。但是，社會本身應當對是非擁有自主判斷。

因此，各個國家、政府體制以及種族群體都應當盡快討論并制定自己的AI道德框架。

企業也是如此。每家企業都有必要招聘AI道德專家，其意義與數據保護與公平性官員一樣。AI道德專家負責確保數據內不存在偏見，且AI不會對任何人抱有歧視性態度。

這方面工作需要以社會價值觀為基礎，并在代碼中反映符合企業文化的AI道德框架。

強人工智能的崛起

我們還需要解決智能水平提升與人工智能影響的問題。

OpenAI最近從微軟公司獲得了10億美元資金，用于研究通用人工智能（AGI）；此外，埃隆·馬斯克也為此掏出10億美元。

馬斯克、扎克伯格、霍金以及蓋茨都曾對人工智能的發展提出警告意見。雖然如今的Siri仍然相當愚蠢，但十年之后，也許其智能水平將全面超越人類。

人工智能每一天都變得更加聰慧，它們知識淵博、功能強大且速度極快。與人類的生物性質不同，AI的能力沒有上限。

因此，我們必須提前考慮通用人工智能、強人工智能、超級人工智能及其引發的影響。此外，神經接口與人類操作系統等問題也應被納入議事日程。

機器正在消耗巨量能源

目前的另一大全球性挑戰，在于機器那近乎無窮的能源需求。我們的大腦與普通電燈光能耗水平相近，而AI應用程序的能源消耗則遠高于此。

因此，如果要繼續保持技術進步，我們必須首先解決能源問題。否則，技術的發展終將擠占人類的生存資源。

換言之，我們需要可持續且可擴展的能量來源。

工作崗位或將不復存在

此外，我們還需要考慮工作崗位消亡給整個社會帶來的影響。德國民眾就非常擔心自己的工作崗位被機器奪走。

就個人而言，我倒是覺得機器幫助人類減輕工作負擔是件大好事。

但這樣的觀點有個前提，即機器不會徹底奪走工作崗位。預計未來二十年內，如今的人類工作崗位中將有50%轉而由機器承擔，因為它們更便宜而且更快捷。

這樣的趨勢既是好事，同時也將帶來新的挑戰。

屆時會出現一系列我們目前難以想象的新崗位，例如AI幼兒園老師、AI培訓師、AI道德專家以及AI管理員等等。

因此，目前最重要的就是對勞動力進行再培訓，確保他們能夠在未來的AI時代下繼續保持市場競爭力。

這將是人類歷史上規模最大的一輪再培訓浪潮。有些人可能跟不上形勢——他們的命運會如何？相信大家都有自己的判斷。

至于其他跟得上形勢的人們，他們會擁有更多自由并重新開創自己的生活。

我希望未來人類生活的意義不再是工作，而在于享受生活中的樂趣。我希望每個人都能因興趣而工作，而非因生存壓力而工作。至于沒人愿意做的事，就交給機器好了。最后，我們向那些承擔高強度社會崗位的人們支付更高的工資，例如教師、醫護人員以及學術研究員等。

無論如何，我們都將迎來一種全新的社會模式。畢竟無論什么時代，這個世界都不可能需要上百億哲學家、藝術家、企業家或者程序員。

我們該如何分配財富？

同樣重要的是，我們該如何分配新時代下的財富？

如果實現同等生產力需要的人員數量越來越少，企業的利潤無疑將快速增長。但是，這些企業往往歸屬于少數特定家族或者基金。時至今日，美國高達四成的上市企業都掌握在四大基金會手中。

這樣的趨勢將讓有錢人更有錢。這些財富會有一小部分落入行政階層（律師、銀行家、企業家、投資者）手中，但余下的99%人口則與此無關。

內戰陰云，還是美麗新世界？

在人工智能的催化之下，這種趨勢將變得更加極端。我擔心在未來三十年內，全球90%的人口都將在100位頂級富豪的掌控之下。我在這里討論的不只是金錢，更重要的是通過掌控機器代碼對全球經濟、軍事以及信息的操縱。

另外，如果大多數人在新的體制之下失去價值，包括工作與消費的意義，結果將會如何？或者說，全球人口將因戰爭而削減，最終僅剩下5億左右？

在AI的時代下，這一切并非不可能。

因此，我們要防止這種潛在的恐怖結局，必須事先規劃好繁榮成果的分配方式。無論如何，面對如此豐富的產出，人們應當不再為饑餓、無家可歸以及貧窮而擔憂。包括基本收入保障與流動民主在內，目前有不少可能的解決方法都值得進一步討論。

最后，希望我們能夠建立起一個機器真正為全人類服務的世界。