在近日举行的IT领袖峰会上，人工智能成为焦点。百度CEO李彦宏提出：“互联网只是一道开胃菜，人工智能（AI）才是主菜。”这是人工智能继全国“两会”之后又一次在国内发出大声音。
随着人口红利的快速消失，中国急需寻找新的增长引擎。基于人工智能的自动化可以提升生产力，帮助中国实现其经济发展目标。人工智能领域的全球风投从2012年的5.89亿美元猛增至2016年的50多亿美元。
AI的拐点已来临
目前，我们正处于人工智能复兴浪潮，数据收集及整理、算法（尤其是机器学习），以及高性能计算等技术的突飞猛进促成了革命性进步。利用机器学习，人工智能系统获得了归纳推理和决策能力，并实现了某些商业化落地，可以担当客服、管理物流、监控工厂机械、优化能源使用以及分析医学资料，而深度学习更将这一能力推向了更高的层次。
变革不仅发生在理论前沿。被视为未来超级智能系统的先锋——各类应用机器学习技术的分析工具已现身市场。金融、医疗、制造等行业应用发展迅速。麦肯锡预计，到2025年，人工智能应用市场总值将达到1270亿美元。
未来，人工智能可能成为应对一些社会核心挑战的强大工具。在医疗领域，人工智能将极大地提升人们分析人类基因组和为患者开发个性化治疗方案的能力，甚至大大加快治愈癌症、阿兹海默症和其他疾病的进程。在环保领域，人工智能能够分析气候特征，并大规模降低能耗，帮助人类更好地监控和应对气候变化问题。
麦肯锡于近期发布了一份报告，其对全球800多种职业所涵盖的2000多项工作内容进行分析后发现，全球大约有50%的工作内容可以通过改进现有技术实现自动化。当然，技术可行性只是影响自动化速度及程度的一个因素，还有其他因素需要考虑，包括研发和应用成本、劳动力市场供需、经济效益，以及社会和政府监管部门的接受度。
报告还指出，在现今所有工作内容中，半数以上会在2055年左右实现自动化，但这一过程存在诸多变量，误差在20年左右。
拦在中国AI路上的“三座大山”
2015年，中美两国在学术期刊上发表的相关论文合计近1万份，而英国、印度、德国和日本发表的学术研究文章总和也只相当于前者的一半。其中，中国的人工智能发展多由科技企业推动引领，如自动化私人助理、自动驾驶汽车等。这得益于大量的搜索数据和丰富的产品线，一些互联网企业走在了自然语言处理、图像和语音识别等技术前沿。
值得注意的是，虽然中国在人工智能的论文数量方面超过了美国，但中国学者的研究影响力尚不及美国或英国同行。
在人工智能生态系统方面，美国也更为完善和活跃，其创业公司数量远超中国。由研究机构、大学及私营企业共同组成的生态系统庞大、创新且多元。硅谷在科技领域日积月累的强劲实力形成了强大而难以复制的优势。除了技术储备和创业生态，数据环境封闭、人才紧张、硬件技术短板成为阻拦中国AI发展之路的“三座大山”。
◆数据环境有待开放
首先，尽管中国的科技巨头能够通过其专有平台获得海量数据，但在创建一个标准统一、跨平台分享的数据友好型生态系统方面，中国仍落后于美国。其次，全球各国都已意识到开放政府数据库有助于促进私营领域创新，但中国政府数据库的开放程度仍极为有限。最后，对跨境数据流通的限制也使得中国在全球合作中处于不利地位。
◆人才紧张
在应用层面，中国的算法发展程度与其他国家相比并无太大差距。然而，中国的研究人员在基础算法研发领域仍远远落后于英美同行，而造成这一问题的主要原因就是人才短缺。美国半数以上的数据科学家拥有10年以上的工作经验，而在中国，超过40%的数据科学家工作经验尚不足5年。
目前，中国只有不到30所大学的研究实验室专注于人工智能，其输出人才的数量远远无法满足人工智能企业的用人需求。此外，中国的人工智能科学家大多集中于计算机视觉和语音识别等领域，造成其他领域的人才相对匮乏。
◆硬件技术短板
高运算速度的计算技术是发展尖端人工智能技术的重中之重，特种处理器，如可以处理大量复杂计算的GPU对人工智能的发展格外重要。长期以来，中国部分类型的高端半导体几乎完全依靠进口，这决定着中国人工智能解决方案能否实现大规模商业化。
2015年，美国政府禁止了英特尔、英伟达和AMD这三家全球最大的芯片供应商向中国机构出售高端超级电脑芯片。这一禁令显示了中国在半导体方面的自主研发能力对于未来人工智能发展十分重要。
为应对这一局面，中国政府在2014年出台了《国家集成电路产业发展推进纲要》以及“中国制造2025”行动纲领。中国政府还成立了国家集成电路产业投资基金，目前募资已超过200亿美元。相关行动已初见成效：2016年6月，神威·太湖之光超级计算机问世，并成为世界上运算速度最快的超级计算机，使用的是中国自主知识产权的处理器。政府的前期投资可以产生显著的涟漪效应，以此鼓励私营企业积极参与。
中国AI发展重点在哪儿？
◆建立完善的数据生态系统
数据是未来的货币。中国可以通过建立并落实数据规范、向私营领域开放公共数据、鼓励跨国数据交流来构建一个更为完善的数据生态系统。
首先，建立数据标准是进行广泛数据分享和实现系统间交互操作的重要前提条件，有助于提升物联网及人工智能技术的价值。其次，为了提升数据的多样性，政府应提高公共数据的开放程度，并带头建设行业数据库。最后，中国政府还需考虑国际数据流的价值。
◆拓宽AI在传统行业的应用
人工智能在一些传统行业的发展存在障碍，主要表现在：第一，部分商业领袖还没有意识到改变现有业务运作方式的紧迫性；第二，专业技术知识缺失，而能将人工智能知识转化为商业应用，创造价值的人才同样紧缺；第三，实施成本较高。
减税和补助等传统经济工具可以解决一些问题。同时，政府还应率先垂范应用人工智能系统。此外，鼓励物联网在传统行业的应用将有助于人工智能产生更多的价值。
◆加强AI专业人才储备
中国面临着巨大的人工智能人才缺口。政府需要大力投资人工智能相关教育和研究项目；重新设计教育体系，突出创新和数字技术的重要性；制订吸引全球顶尖人才的移民政策。
◆升级教育和培训体系
未来的一项长久挑战是帮助受到人工智能冲击的行业劳动力重新适应并获得新技能，政府要及时识别哪些是最有可能被自动化取代的工作。同时，政府也应着力加强数据和人工智能在各个阶层的教育。
◆在国内及国际上建立伦理和法律共识
中国应建立一套透明和广泛的质询程序来确保公众做好迎接变革的准备。一些法律问题，比如隐私保护和自动驾驶汽车的责任认定等将对人工智能的发展及应用产生举足轻重的影响。在国际方面，中国可以牵头组建国际性的监管机构，以促进人工智能技术的和平、全面和可持续发展。
