蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

隨著ChatGPT在國(guó)際上引領(lǐng)人工智能的新趨勢(shì)，國(guó)內(nèi)關(guān)于“這一突破為何未首先在中國(guó)實(shí)現(xiàn)”的討論逐漸升溫。正當(dāng)國(guó)內(nèi)大模型與GPT4之間的效能差異引發(fā)深思之際，Sora的嶄露頭角為我們帶來了全新的思考維度。在通用人工智能（AGI）領(lǐng)域，這無疑凸顯了中國(guó)與OpenAI之間日益擴(kuò)大的差距。面對(duì)如此形勢(shì)，中國(guó)人工智能發(fā)展的瓶頸何在？又處于全球競(jìng)爭(zhēng)的哪一個(gè)梯隊(duì)？本文通過廣泛而深入的調(diào)研多家人工智能企業(yè)，旨在從宏觀層面剖析這些問題，為讀者提供新的視角和思考。

算力

算力是人工智能競(jìng)爭(zhēng)的核心，算力的背后是芯片。

Meta一家公司已經(jīng)有50萬塊GPU，微軟也有幾十萬塊，而且兩家公司還在不斷采購。國(guó)內(nèi)所有的人工智能公司加在一起，可能有50萬塊左右，所以在算力的存量層面，我們跟國(guó)外的差距很大。

芯片又分為芯片設(shè)計(jì)和芯片制造。中國(guó)的芯片設(shè)計(jì)能力在全球應(yīng)該可以劃分到第一梯隊(duì)。在傳統(tǒng)的CPU和GPU領(lǐng)域，與國(guó)外幾乎沒有差距。在人工智能芯片的細(xì)分領(lǐng)域，比如半定制化的FPGA、全定制化的ASIC、類腦芯片等領(lǐng)域，已經(jīng)有個(gè)別很優(yōu)秀的公司極度貼近甚至部分超越國(guó)際頂尖水平，但頂尖公司的數(shù)量和生態(tài)，總體上與國(guó)外發(fā)達(dá)國(guó)家還有不小的差距。

在芯片制造環(huán)節(jié)，面臨卡脖子。

從制程上看，90nm以上制程的芯片，技術(shù)上我們已經(jīng)幾乎可以完全自主。有消息說，2023年下半年，28nm的國(guó)產(chǎn)（后道封裝）光刻機(jī)也已經(jīng)交付芯片制造廠商。但也有消息說，仍然正在研發(fā)，還沒有交付。

即使已經(jīng)交付芯片制造商，在一切順利的情況下，參考阿斯麥（ASML）和臺(tái)積電的經(jīng)驗(yàn)，從安裝完成、調(diào)試到可以穩(wěn)定生產(chǎn)，至少需要2年的時(shí)間?？紤]到這是中國(guó)首臺(tái)全國(guó)產(chǎn)的28nm光刻機(jī)，以及光刻機(jī)的高度復(fù)雜性，所需時(shí)間大概率會(huì)更長(zhǎng)。

荷蘭光刻機(jī)巨頭阿斯麥公司（ASML）總部

特別需要注意的是，光刻機(jī)完成實(shí)驗(yàn)室階段的研發(fā)和在廠商完成產(chǎn)業(yè)化生產(chǎn)是完全不同的兩個(gè)概念。

在研發(fā)階段，只要成功流片，就算是研發(fā)成功，但在實(shí)際的產(chǎn)業(yè)應(yīng)用階段，要求在保證良率和產(chǎn)能的情況下，能夠安全穩(wěn)定地持續(xù)運(yùn)營(yíng)，這個(gè)過程是很難的。

所以，光刻機(jī)從實(shí)驗(yàn)研發(fā)到正式投產(chǎn)，花費(fèi)十年八年都是很正常的。即使ASML，前幾款光刻機(jī)，從研發(fā)成功到正式投產(chǎn)，也在5年以上。

至于28nm以下的芯片制造，必須還要依賴國(guó)外的光刻機(jī)。

當(dāng)前全球的光刻機(jī)市場(chǎng)被荷蘭阿斯麥（ASML）、日本尼康（Nikon）和佳能（Canon）三大巨頭壟斷。尼康的光刻機(jī)集中在中高端區(qū)域，佳能則集中在低端區(qū)域。

至于2023年某廠商成功制造5nm的芯片，業(yè)內(nèi)普遍推測(cè)，芯片自主設(shè)計(jì)是沒問題的，但在制造環(huán)節(jié)，使用的還是國(guó)外的設(shè)備，區(qū)別無非是ASML的還是Nikon或者Canon的。

光刻產(chǎn)業(yè)鏈具有極度復(fù)雜性。光刻機(jī)的制造研發(fā)絕不是某一個(gè)企業(yè)能夠單獨(dú)完成的（包括ASML也不是一家就能造DUV和EUV，很多核心零部件都要進(jìn)口），需要很多頂尖的企業(yè)相互配合才可以完成。

光刻產(chǎn)業(yè)鏈的高度復(fù)雜性主要體現(xiàn)在兩點(diǎn)：

一是作為光刻核心設(shè)備的光刻機(jī)組件復(fù)雜，包括光源系統(tǒng)、照明系統(tǒng)、物鏡系統(tǒng)、浸入式系統(tǒng)、雙工件臺(tái)等在內(nèi)的組件技術(shù)全球只有極少數(shù)幾家公司能夠掌握。比如物鏡鏡片被德國(guó)企業(yè)蔡司（ZEISS）壟斷。

二是與光刻機(jī)配套的光刻膠、光刻氣體、掩膜版等半導(dǎo)體材料和涂膠顯影設(shè)備等同樣要求很高的技術(shù)含量。比如，寬譜g/i/h線光刻膠基本完成國(guó)產(chǎn)替代，但高端KrF、ArF和EUV光刻膠基本被美國(guó)和日本的企業(yè)壟斷，韓國(guó)企業(yè)占一點(diǎn)比重，中國(guó)大陸基本依靠進(jìn)口。

現(xiàn)在的問題是ASML被限制向中國(guó)出口最新的光刻機(jī)，英偉達(dá)（NVIDIA）被限制向中國(guó)出口最新的芯片。

雖然我們還可以買到性能受限的“特供版”芯片，但限售既限制了企業(yè)的算力獲取，又拉高了算力成本，而且擾亂了企業(yè)的研發(fā)預(yù)期。

短期來看，部分企業(yè)有儲(chǔ)備算力可供使用，而且現(xiàn)在也沒有到單純拼算力的地步，算法依然有很大的優(yōu)化提升空間。但長(zhǎng)遠(yuǎn)來看，僅從技術(shù)的角度，人工智能競(jìng)爭(zhēng)的本質(zhì)還是算力的競(jìng)爭(zhēng)。

盡管當(dāng)前我們已經(jīng)加大在半導(dǎo)體領(lǐng)域的研發(fā)投入，但短期內(nèi)中國(guó)在芯片制造領(lǐng)域取得顛覆性突破的困難還比較大，所以未來在算力競(jìng)爭(zhēng)層面，無論是國(guó)家還是企業(yè)，都要提前做好各方面的應(yīng)對(duì)準(zhǔn)備。

2006年全球首臺(tái)EUV光刻機(jī)原型

數(shù)據(jù)

數(shù)據(jù)是重要的基礎(chǔ)性戰(zhàn)略資源，高質(zhì)量數(shù)據(jù)對(duì)人工智能的重要性無需贅言。

中國(guó)是世界上數(shù)據(jù)最豐富、也是最重視數(shù)據(jù)的國(guó)家之一，將數(shù)據(jù)的重要性提升到了前所未有的高度，專門設(shè)立了國(guó)家大數(shù)據(jù)局，并出臺(tái)了系列法律法規(guī)和行業(yè)規(guī)范。

“數(shù)據(jù)二十條”針對(duì)數(shù)據(jù)要素與其他生產(chǎn)要素的不同特點(diǎn)，構(gòu)建起“四梁八柱”的主要架構(gòu)，從數(shù)據(jù)產(chǎn)權(quán)、流通交易、收益分配、安全治理四方面初步搭建了中國(guó)的數(shù)據(jù)基礎(chǔ)制度體系。

當(dāng)然，數(shù)據(jù)二十條只是綱領(lǐng)性文件，未來許多更具體的內(nèi)容需要不斷探索發(fā)展。數(shù)據(jù)交易所的建設(shè)效果如何，還有待觀察。

就目前來看，至少存在三方面的問題——

第一是優(yōu)質(zhì)數(shù)據(jù)太少，很多企業(yè)需要花大成本重新清洗和標(biāo)注數(shù)據(jù)。所以經(jīng)常有人開玩笑說：人工智能，有多少人工就有多少智能。

第二，數(shù)據(jù)的灰色交易問題。有的行業(yè)或者企業(yè)可以更優(yōu)先拿到部分受限的數(shù)據(jù)，由于數(shù)據(jù)復(fù)用的邊際成本極低，所以很多企業(yè)就通過不合規(guī)的渠道以很低的價(jià)格買賣數(shù)據(jù)，導(dǎo)致不公平競(jìng)爭(zhēng)。

第三，數(shù)據(jù)的保護(hù)和治理水平還有待提高。數(shù)據(jù)中敏感信息多，許多數(shù)據(jù)內(nèi)容多層次多元化，可能承載了需要保護(hù)的個(gè)人信息和商業(yè)機(jī)密，即使匿名化和去標(biāo)識(shí)化，也有可能被挖掘出來。

資本

如果只看ChatGPT的技術(shù)路線的話，其實(shí)是一個(gè)大力出奇跡的過程。

很多公司都曾經(jīng)實(shí)驗(yàn)過這一技術(shù)路線，但都受限于算力成本和數(shù)據(jù)量，在做了一段時(shí)間后就放棄了。

不僅是國(guó)內(nèi)的很多公司沒有做出來，Google也沒有做出來。只有OpenAI不斷地堆算力、堆數(shù)據(jù)，最終實(shí)現(xiàn)了由量變到質(zhì)變。所以，ChatGPT的成功具有一定的偶然性。

但偶然中又蘊(yùn)含著必然。僅就人工智能領(lǐng)域來說，中國(guó)好像并沒有做出太杰出的原創(chuàng)性貢獻(xiàn)。AlphaGo，ChatGPT是國(guó)外先出現(xiàn)的，智能音箱、智能駕駛、人臉識(shí)別，都是人工智能的工程應(yīng)用，也不是中國(guó)的原創(chuàng)。

有很多人說，國(guó)外有成熟的投融資體系，所以可以支持OpenAI不斷燒錢。

確實(shí)，原創(chuàng)性的科技創(chuàng)新投入大、周期長(zhǎng)、成功概率低。OpenAI的資金密度、人才密度都很高。而中國(guó)的多層次資本市場(chǎng)仍不夠健全，尤其是VC和PE市場(chǎng)建設(shè)比較滯后。未來還是需要花大力氣完善。

但我覺得這不是根本原因。

一般的中小公司很難獲得如OpenAI那么多的融資，但如果我們仔細(xì)統(tǒng)計(jì)，在2022年ChatGPT橫空出世以前，中國(guó)有不少公司的融資額是比OpenAI還多的，但我們還是沒有做出ChatGPT。

所以投融資很重要，資本市場(chǎng)很重要。但融資額多少不是創(chuàng)新成功與否的決定性因素。

人才

顛覆性技術(shù)創(chuàng)新的核心要素是“人”。

如果讓我們回顧一份具有世界影響力的科技創(chuàng)新者名單，可能會(huì)包括Bill Gates、Zuckerberg、Sam Altman、 Elon Mask等等。

中國(guó)人口基數(shù)這么大，我們?nèi)钡牟皇茿ltman和Mask這樣的種子，缺的是讓這些種子從生根發(fā)芽到長(zhǎng)成參天大樹的土壤。

深層次反思是需要勇氣的，而且很不討喜。當(dāng)大家都沉浸在熱烈的人工智能浪潮中，沉浸在中國(guó)人工智能處于世界領(lǐng)先行列的喜悅中，我非說我們這里不行，那里有短板，就很容易挨罵。

高校是我們?nèi)瞬排囵B(yǎng)最重要的載體。但我們的高等教育培養(yǎng)的大部分是落后于實(shí)踐的人才。我們高校的環(huán)境鼓勵(lì)的是“邊際創(chuàng)新”而不是“原創(chuàng)性成果”。我們的社會(huì)容不下坐幾年十幾年冷板凳的人才。

第一，高校都想做大，做綜合類高校，開設(shè)最熱門的學(xué)科，盡可能招更多的學(xué)生。因?yàn)閷W(xué)科建設(shè)、學(xué)生規(guī)模與能獲得的經(jīng)費(fèi)支持直接相關(guān)。

最顯著的一個(gè)表征就是，各類“xxx學(xué)院”都爭(zhēng)相想改名成“xxx大學(xué)”。高校的數(shù)量要適應(yīng)當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展程度和人口規(guī)模。有的省份經(jīng)濟(jì)發(fā)展水平比較高，人口規(guī)模也很大，但優(yōu)質(zhì)的教育資源不足，在能保障教學(xué)質(zhì)量的情況下，可以考慮擴(kuò)大供給，但學(xué)科設(shè)置不能脫離自己的比較優(yōu)勢(shì)。

前幾年金融學(xué)是熱門學(xué)科，所以很多學(xué)校就競(jìng)相設(shè)置經(jīng)管學(xué)院、經(jīng)濟(jì)系。我知道有的?？圃盒＃谷灰苍O(shè)置了諸如“金融工程”之類對(duì)師資力量要求很高的學(xué)科。這種情況下培養(yǎng)出來的人才，只是虛有其表。

據(jù)不完全統(tǒng)計(jì)，截至2023年，全國(guó)有440所高校建立了人工智能本科專業(yè)，有1016所職業(yè)院校備案了人工智能技術(shù)服務(wù)（應(yīng)用）專業(yè)。

人工智能也是一個(gè)對(duì)師資力量要求很高的學(xué)科，如果專科院校開設(shè)人工智能專業(yè)，必須要找準(zhǔn)自己的定位，穩(wěn)扎穩(wěn)打，側(cè)重于應(yīng)用開發(fā)和改進(jìn)、應(yīng)用測(cè)試、數(shù)據(jù)處理、產(chǎn)品運(yùn)維、商務(wù)推廣、產(chǎn)品銷售、售后服務(wù)等實(shí)用技能型人才培養(yǎng)，與本科和研究生進(jìn)行差異化競(jìng)爭(zhēng)。

第二，人工智能對(duì)硬件和軟件的要求都很高，高校的算力和數(shù)據(jù)資源、師資力量、課程設(shè)置和傳授的知識(shí)落后于行業(yè)實(shí)踐，背后是產(chǎn)教融合的問題。

一方面，大部分高校的算力和數(shù)據(jù)資源其實(shí)難以滿足大模型的教學(xué)和研發(fā)需求。另一方面，無論是老師的教學(xué)能力還是課程設(shè)置，都落后于行業(yè)一線。這兩方面的問題不僅在人工智能行業(yè)存在，在各行各業(yè)都存在。

我們?cè)谡{(diào)研中，多家企業(yè)都反饋，招聘的算法類應(yīng)屆畢業(yè)生至少都要花費(fèi)1～2年重新培養(yǎng)，而工作2年的員工離職率最高，所以有的企業(yè)選擇不再招聘應(yīng)屆生，而直接高薪挖人，這就加劇了行業(yè)內(nèi)卷。

集成電路企業(yè)對(duì)人才的要求更高。由于芯片設(shè)計(jì)的復(fù)雜性，從業(yè)5年才算上手，從業(yè)10年才算成熟人才。現(xiàn)在高校培養(yǎng)的大部分是通用型的傳統(tǒng)集成電路設(shè)計(jì)人才，難以適應(yīng)全定制和半定制化人工智能芯片的設(shè)計(jì)要求。

所以業(yè)內(nèi)現(xiàn)狀是，領(lǐng)軍人才、成熟技術(shù)人才供不應(yīng)求，而應(yīng)屆生和“轉(zhuǎn)碼”人才又存在過剩。

而在產(chǎn)學(xué)研方面，具有一定規(guī)模和技術(shù)實(shí)力的大企業(yè)數(shù)量有限，專精特新等中小型科技類企業(yè)具有技術(shù)優(yōu)勢(shì)，但由于很難給高校帶來立竿見影的資金和就業(yè)支持，用人需求和技術(shù)優(yōu)勢(shì)，都難以觸達(dá)高校。

美國(guó)頂尖大學(xué)的教授，除去必要的上課時(shí)間，其它時(shí)間可以到企業(yè)的實(shí)驗(yàn)室工作，因此了解產(chǎn)業(yè)界的真實(shí)需求。國(guó)內(nèi)也有相應(yīng)的產(chǎn)學(xué)結(jié)合制度，比如在企業(yè)設(shè)立院士工作站等等，但這個(gè)制度的效果還不夠好，具體原因比較復(fù)雜。很多科研人員一輩子都沒有下過工廠。

國(guó)內(nèi)還有一個(gè)很不好的習(xí)慣：很多科技成果是為了轉(zhuǎn)化而轉(zhuǎn)化，也就是基于已經(jīng)擁有的技術(shù)或者解決方案來開發(fā)新的應(yīng)用場(chǎng)景，這就導(dǎo)致很多研究不僅沒有解決已經(jīng)存在的重要問題，反而又創(chuàng)造出新的問題。

長(zhǎng)期以來，中國(guó)教育重傳承、輕創(chuàng)新，重標(biāo)準(zhǔn)化教育、輕個(gè)性化教育，重知識(shí)吸收、輕價(jià)值塑造和創(chuàng)新創(chuàng)業(yè)，同時(shí)中國(guó)創(chuàng)新人才教育模式較單一，缺乏多元化投入機(jī)制，培養(yǎng)顛覆性技術(shù)創(chuàng)新型人才面臨困難和挑戰(zhàn)。

第三，科研工作者的職稱考評(píng)壓力很大，而職稱考評(píng)是有量化標(biāo)準(zhǔn)的，大部分是“課題+論文發(fā)表”。近幾年越來越卷，職稱考評(píng)的標(biāo)準(zhǔn)越來越高。

一位來自知名雙一流高校，在我看來很有才華和前途的年輕副教授跟我說：“我也想把所有的精力投入到科技創(chuàng)新中去，我的學(xué)院領(lǐng)導(dǎo)也已經(jīng)是非常開明的領(lǐng)導(dǎo)了，不要求我每年發(fā)多少篇論文，支持我和團(tuán)隊(duì)花幾年的時(shí)間搞一個(gè)大項(xiàng)目。但是他要求我承諾未來一定要做出什么樣的成果。我只能承諾我全力以赴，但我怎么能預(yù)先確定科技創(chuàng)新的成敗呢？”

當(dāng)前的問題在于，無論是部委課題還是基金課題，大部分的研究期限很短，且必須承諾結(jié)題成果，這似乎可以保障科研質(zhì)量，避免科研經(jīng)費(fèi)被浪費(fèi)，但這同時(shí)導(dǎo)致學(xué)者只申請(qǐng)有把握能在短期內(nèi)達(dá)標(biāo)結(jié)題的課題，實(shí)際上限制了院校和學(xué)者進(jìn)行基礎(chǔ)研究的攻關(guān)熱情。

這就導(dǎo)致，中國(guó)在人工智能領(lǐng)域的頂刊論文數(shù)量超過美國(guó)，但實(shí)際上大多數(shù)是對(duì)國(guó)際前沿理論的邊際改善，產(chǎn)業(yè)應(yīng)用價(jià)值較弱。

現(xiàn)在國(guó)家也在轉(zhuǎn)變科研方式，比如指定或者征集重大問題、延長(zhǎng)項(xiàng)目周期、增大重點(diǎn)項(xiàng)目投入。在科研考評(píng)體系方面，推進(jìn)“破五維”。

一方面，像中國(guó)自然科學(xué)基金就有一整套匿名評(píng)審機(jī)制和同行評(píng)價(jià)制度，大家的認(rèn)可度還比較高。除了項(xiàng)目評(píng)價(jià)，高校在選人方面也應(yīng)該增加同行評(píng)價(jià)的比重。有的博士甚至一篇論文都沒有，也可以在國(guó)外拿到教職。國(guó)外在選人時(shí)，更側(cè)重評(píng)價(jià)一個(gè)青年學(xué)者的潛力，哪怕你還沒研究出真正的成果，但我只要能判斷出你研究的問題本身重要，就能評(píng)價(jià)一個(gè)人的科研品味。

國(guó)外本質(zhì)上更注重一個(gè)人的內(nèi)涵和科研潛力，但國(guó)內(nèi)習(xí)慣用公式一樣的指標(biāo)來判斷一個(gè)人，最后就導(dǎo)致所有的青年學(xué)者趨同，適應(yīng)評(píng)價(jià)規(guī)則的同時(shí)，也扼殺了科研潛力。

現(xiàn)在已經(jīng)有很多學(xué)校把招人的權(quán)力下放到了院系，但院系仍然沿用既往的選才制度。

“破五維”的效果不及預(yù)期，而且如果真的“破五維”之后，尚未建立起一套新的標(biāo)準(zhǔn)，可能會(huì)導(dǎo)致更多的問題。原因既包括既得利益格局的桎梏，也包括面臨公平問題和輿論壓力。

另一方面，就目前來看，指定或者征集重大問題、“揭榜掛帥”，是一種很好的措施，抓住了當(dāng)前最迫切的問題，顯著推進(jìn)了問題的解決速度，是急國(guó)家之所急。但這更多的是促進(jìn)了工程應(yīng)用問題的解決，而不是真正意義上的“顛覆性創(chuàng)新”。

重大項(xiàng)目方面，雖然延長(zhǎng)了項(xiàng)目周期、增加了項(xiàng)目額度，但這些重大項(xiàng)目還是主要集中在院士、教授手中。

但很多人評(píng)為教授、院士之后，實(shí)際上已經(jīng)不再關(guān)注學(xué)術(shù)前沿，反而成了學(xué)術(shù)資源的主要提供方，成了一個(gè)巨大的利益焦點(diǎn)。院士手上的錢用不完，天天想著怎么花錢，而年輕的科學(xué)家找不到錢，無錢可用。所以，科學(xué)家共同體內(nèi)部也需要一些機(jī)制來變革。

客觀地說，經(jīng)過多年的發(fā)展，綜合來看，中國(guó)高校的師資力量、人才培養(yǎng)質(zhì)量已經(jīng)并不明顯落后于西方發(fā)達(dá)國(guó)家。尤其是在人工智能領(lǐng)域，各國(guó)（包括美國(guó)），都存在頂尖人才短缺的情況，美國(guó)業(yè)界甚至采取“殺雞取卵”的方式用高薪從高校挖教授。

中國(guó)部分高校開設(shè)的人工智能課程，在授課內(nèi)容、方式、人才培養(yǎng)質(zhì)量上已經(jīng)達(dá)到了世界頂級(jí)水平。這與國(guó)家的重視有很大的關(guān)系，也與我們的激勵(lì)制度導(dǎo)向有關(guān)。比如我們?cè)O(shè)立的青年長(zhǎng)江學(xué)者，就很重視對(duì)教學(xué)的考核。學(xué)校對(duì)優(yōu)秀教學(xué)教師的獎(jiǎng)勵(lì)力度也很大。我們有理由對(duì)中國(guó)人才培養(yǎng)的未來飽含希望。

環(huán)境

第一，中國(guó)人的生活壓力其實(shí)很大，整個(gè)社會(huì)環(huán)境比較急功近利，對(duì)科技創(chuàng)新的要求非常苛刻，個(gè)人的容錯(cuò)率非常低。

社會(huì)環(huán)境對(duì)基礎(chǔ)創(chuàng)新非常重要。其一，基礎(chǔ)研究短期很難出成果，無論是上級(jí)監(jiān)管部門，還是科研院所，都很難承擔(dān)這種“只燒錢但看不到成果”的考核壓力；其二，公眾的科學(xué)素養(yǎng)也有待提高，大家對(duì)很多研究領(lǐng)域的認(rèn)知不到位，迫切的期待科學(xué)家短期做出重大成果，如果長(zhǎng)時(shí)間不出成果，機(jī)構(gòu)和個(gè)人都很難承受輿論壓力；其三，個(gè)人收入、職業(yè)發(fā)展與科研成果掛鉤。如果你想在高校/科研院所獲得還說得過去的收入，得到學(xué)校和社會(huì)的認(rèn)可，那你必須在有限的時(shí)間內(nèi)把有限的精力投入到漫長(zhǎng)的論文發(fā)表的事業(yè)中去。而且我們很多課題和“帽子”，都限制了申請(qǐng)者的年齡。這就導(dǎo)致大家只在前人的基礎(chǔ)上進(jìn)行有效的邊際創(chuàng)新——因?yàn)檫@是“性價(jià)比”最高的方式。

所以，我們要花大力氣提升大眾的科學(xué)素養(yǎng)，社會(huì)上要有一種正確的風(fēng)氣，不要一窩蜂，好像重視一個(gè)科學(xué)家，某個(gè)領(lǐng)域的科學(xué)研究就要有重大的突破，如果科學(xué)家失敗了，就覺得這個(gè)人有問題或者怎么樣。

第二，營(yíng)商環(huán)境還有提升空間。

我們過去很長(zhǎng)一段時(shí)間內(nèi)，都非常重視營(yíng)商環(huán)境的建設(shè)，取得了很大的成效。無論是在國(guó)際組織還是國(guó)內(nèi)組織編篡的各類營(yíng)商環(huán)境國(guó)別榜單中，排名和評(píng)分都有顯著的上升。

人工智能技術(shù)的發(fā)展對(duì)未來很多行業(yè)可能產(chǎn)生顛覆性影響，世界很多國(guó)家都將人工智能技術(shù)放在了戰(zhàn)略重要性的地位，中國(guó)也是如此。

在這個(gè)背景下，中央政府、各部委不可謂不重視，出臺(tái)了很多支持政策。各地方政府對(duì)人工智能的支持力度不可謂不大，只要頭部企業(yè)愿意落戶，要地給地、要錢給錢、要人給人，堪稱全方位無死角的支持。

但我們對(duì)惡意負(fù)面輿情的治理力度還不夠。有很多所謂的網(wǎng)絡(luò)“大V”依舊很活躍，受眾還很廣。

惡意的負(fù)面輿情對(duì)企業(yè)的社會(huì)名譽(yù)影響很大，甚至擾亂企業(yè)的正常經(jīng)營(yíng)，對(duì)上市公司的影響更大。人工智能行業(yè)很有意思，大多數(shù)企業(yè)都是民營(yíng)企業(yè)。在這種情況下，我們更應(yīng)該重視惡意攻擊民營(yíng)企業(yè)和民營(yíng)企業(yè)家的行為。

我當(dāng)然知道，輿論不可能也不該禁絕，有時(shí)候輿論還是弱者維護(hù)自身權(quán)益的武器，正常的負(fù)面輿情對(duì)企業(yè)也是一種監(jiān)督。所以我們要抓大放小，對(duì)打著愛國(guó)旗號(hào)，但實(shí)質(zhì)上攻擊企業(yè)正常經(jīng)營(yíng)行為、造成重大社會(huì)影響的惡性輿情和謠言要尋根問底，發(fā)現(xiàn)一起，懲治一起。最好是公開執(zhí)法，一方面是保障執(zhí)法的公開公正，另一方面是可以震懾宵小，以儆效尤。

總結(jié)

一位科技企業(yè)的資深技術(shù)專家和管理者曾經(jīng)跟我說，中國(guó)的人工智能其實(shí)準(zhǔn)確來說應(yīng)該叫做“人工智能的工程應(yīng)用”，我們經(jīng)常有種幻覺，很多技術(shù)我們應(yīng)用得很好，我們就誤認(rèn)為我們掌握了某種技術(shù)。

在應(yīng)用場(chǎng)景方面，不客氣地說，中國(guó)的人工智能可以說是冠絕全球，一騎絕塵。

但對(duì)技術(shù)的應(yīng)用只是“1到100”?！?到100”很重要，但“0到1”更重要。比如，你肯定比牛頓懂得多，但你跟牛頓誰偉大？

客觀上來說，國(guó)外在人工智能方面可能確實(shí)有先發(fā)優(yōu)勢(shì)。二十世紀(jì)三個(gè)偉大的發(fā)現(xiàn)，無線電、計(jì)算機(jī)和互聯(lián)網(wǎng)都出現(xiàn)在美國(guó)，一個(gè)重要原因就是它的基礎(chǔ)、應(yīng)用以及開發(fā)研究都非常強(qiáng)大。

但我們有很多機(jī)制、體制，甚至文化方面的因素，限制了我們0到1的創(chuàng)新。

在人工智能領(lǐng)域，尤其是在芯片制造等基礎(chǔ)層，我們真正距離擠入世界頂尖梯隊(duì)還任重道遠(yuǎn)。

但只要我們保持戰(zhàn)略定力，實(shí)事求是、腳踏實(shí)地、一步一個(gè)腳印，我們就有一萬個(gè)理由對(duì)未來充滿希望。