1.1　中国AI如何弯道超车

中国为什么能成为AI超级大国呢？

今天，我们为中国在AI领域的地位感到自豪，中国已经成为除美国之外在AI领域研究最强和发展最快的国家。但这样的成就，在10年前甚至5年前，是不会有人能做出这样的预测的，包括我们自己。在过去5年时间里，我们不断地为AI的“中国速度”感到惊讶，现在回过头去看“为什么”，我总结了几个主要促进因素。

第一，中国有大批优秀的年轻AI工程师。虽然美国和加拿大是孕育AI大师的沃土—这两个国家赢得了几乎所有的图灵奖，但如果我们把目光放到中青代AI科学家身上，就会发现无论是在高校还是在企业，近年来中国优秀AI人才数量的增长速度非常快。图1.1.1是Allen Institute做过的一个关于中美两国AI领域高引用量论文情况的对比图。可以看到，2019年中国冲进全球论文引用量前50%的论文数量已经与美国持平（图1.1.1（a））；2020年，两国在全球论文引用量前10%的论文数量上也旗鼓相当（图1.1.1（b））；Allen Institute预测，到2025年中国将在全球论文引用量前1%的论文数量上超过美国（图1.1.1（c））。

虽然，中国在AI领域获得图灵奖级别的大师不多，但是在这个级别之下的AI科研人才储备方面，中国与美国的差距不大，这个现状在很大程度上源于当下中国的年轻人对科研、AI的兴趣，比如越来越多的在校大学生关注创新工场举办的DeeCamp训练营，我个人在高校里做过的关于AI科研的演讲也很受大学生们的欢迎，从中我们可以看到年轻一代对AI技术的热情与探索精神。

第二，中国有众多坚韧、顽强的企业家。无论是中国还是美国，AI的“第一枪”都是在互联网领域打响的，从Google、Facebook、Amazon到腾讯和阿里巴巴（简称阿里），实力最强的AI公司都是互联网公司。原因很简单—互联网公司一旦崛起，可以依托海量数据发展AI技术，这是最低垂的果实—把AI和数据转换成商业价值。中国创业环境的形成也不过10年时间，整体环境跟美国不一样。美国创业者是绅士型创业思维，有人做Yelp，那么OpenTable或者Groupon这样的企业就会随之出现，大家既合作也竞争。但在中国，创业者可能更偏向“赢家通吃”的思维，这与Groupon、GrubHub、Yelp、DoorDash这些公司各司其职，更专注于一个业务服务不同。美团，作为一家非常年轻的互联网企业，仅用了7年时间就达到1000多亿美元的市值。只要跟“吃”有关的事情它都做，美团有着改变中国人饮食习惯的雄心。发展速度如此迅猛的企业一旦建立了很高的竞争壁垒后，它会产生海量数据，能进一步推动AI发展，带来更高效率。中国的创业者非常拼搏、非常努力、非常投入，更有建立非常深的“护城河”的雄心，美国创业者则缺乏这样的思维。

第三，产品创新有望输出海外。中国的互联网企业，早期采用的是“借鉴海外”的模式，也有人说是“Copy To China”模式（图1.1.2）。在那之后，互联网企业开始慢慢地微创新，而现在，在本土化和微创新的基础上，部分顶尖互联网企业已经找到了自己的创新迭代打法。以今日头条、抖音、VIPKID、快手、拼多多等公司为例，它们的产品已经不再参考美国同行产品；相反，现如今却是这些公司的产品被全球互联网公司当作学习对象。中国企业在商业创新和创造价值方面已经跑在世界前列。

在中国，创业者这种建立“最深护城河”的创业思维与美国硅谷精神下的“创”是不一样的，因而两国互联网企业在产品形态和用户体验方面也截然不同，很难说谁更强，只能说是两种不同的模式。有美国人说，中国的创新是有限的，因为他们认为中国市场不欢迎外国公司，以致本土公司有足够大的市场；还有人批判，中国公司只能在中国成功，因为它们还不够创新。对此，我特意找来一些美国的研究报告，图1.1.3是来自Paulson Institute的新研究。可以看到，在2015年至2019年五年间，中国软件产品在国际新兴市场的份额是快速提升的，这证明了中国软件是有创新的，是适合新市场的，是能够走出去的，也是有竞争力的。

第四，高度互联网化产生的海量数据优势。当产品成功了以后，企业可以通过产品获得海量数据，有了更多数据，企业就有能力把AI做得更好，从而提供更好的用户体验，带来更多用户，获得更多收入，之后企业可以雇更多科学家，买更多设备，再收集更多数据（图1.1.4）。在这样的良性循环之下，产品和技术就会越来越强。

在很多高校里与AI有关的课程比较偏重学生对于算法的学习。现在一些新算法，比如强化学习、迁移学习等，可以依托少量数据来做分析研究，但在真正的商业竞争环境下，我们发现其实数据是最重要的。当你面临一个选择—是拥有更多高质量的数据，还是找一个AI专家帮你优化系统时，在大部分情况下，数据带来的效果提升要比一个专家更有效，这也是中国AI技术发展成功的重要原因。如果每一个与AI有关的问题都需要一个像Geoffrey Hinton这样的专家来调参数，那么中国AI技术肯定发展不过美国和加拿大。正因为拥有海量精确的数据以及其带来的良性循环，中国互联网公司很快赶上了美国。就移动互联网的用户规模和支付的规模来说，中国都是高于美国三倍和百倍的。在这个“数据为王”的AI时代，数据就是石油，就是能量。所以，当今中国相当于是数据的OPEC（Organization of the Petroleum Exporting Countries，石油输出国组织）。

除了上述四点，我们也看到中国风险投资者非常认可AI，而有了投资才能助力创业，才能够产生价值。

第五，利于技术发展的政策。最近我们常听到“新基建”这个词，所谓新基建是指新型基础设施建设，新基建不是一家私人企业可以独立承担完成的，即便是像Google、腾讯这样的超级大公司也不可能完整地铺设5G网络来解决世界数据中心和云问题，我们很期待政府在其中发挥统筹全局的主导作用，并且企业端在政府部门的引导下进行补强。

一个可以佐证的事实是，新基建在完善后所发挥的功用能很好地带动相关产业的发展。中国的移动互联网之所以能发展得这么好，在很大程度上我们要感谢政府在3G、4G网络建设上的投入，即使在一些比较偏远的地区，网络信号都能得到很好的覆盖。快手平台的崛起就是从四五线城市开始的，而类似这种发展路径的公司在美国就很难找到—在美国中西部经济落后的地区，网络覆盖点并不像中国这么普及，这就是新基建对产业发展的重要作用。另外一些新的技术应用也面临着同样的差异，就无人驾驶技术来说，欧美道路一成不变，无人驾驶技术只能适应现有的道路。但在中国，我们可以考虑打造一条有传感器的无人驾驶专属高速公路，甚至建设一个“人车分流”的新城市，这样可以有效避免汽车撞人的事故发生。在新基建的赋能和加持下，中国无人驾驶技术在满足汽车能够上路的安全度时可以率先落地，而一旦能上路，企业就能积累数据，从而建立起正反馈机制。

相比于其他国家，中国政府看得更长远，看到了新基建对新科技的刺激作用可以带来AI在应用层面的井喷。从长期来看，这是非常明智的。今天，中国AI的高速发展，在很大程度上要归功于政府在各方面的支持。

我个人对中国的AI发展是非常乐观的，我在之前的《AI·未来》一书中预测了中国会在互联网、商业、感知、自动化四个不同的AI方向慢慢赶上美国。如图1.1.5所示，2018年，我们认为中国的互联网AI在应用上已经发展得和美国一样好了，但在商业AI方面还有一定的差距，比如很多企业级的软件还没有像美国那样得到普遍应用，而如果没有企业级的软件应用，企业就很难把数据库做好；同样的差异也体现在云数据应用上，所以中国的商业AI还需要一段时间才能赶上美国。感知AI体现在计算机视觉和自然语言方面，虽然这些技术是美国人发明的，但由于中国的用户基数大、应用场景多，所以数据也更多，现在国内很多计算机视觉公司的数据量和迭代速度都已经超过了美国的同类公司，因而我们相信，未来这样的差距会变得更大。在自动化AI领域，也就是机器人和无人驾驶领域，美国还在领跑，但是我预测中国在不久的将来就能赶上美国，因为中国有来自政府的支持和利好的政策，有更多配套道路能让无人车更快上路，而美国的无人驾驶技术仍面临着很多挑战。