tensorflow 比較的八卦，YOUTUBE、DCARD、PTT和Yahoo名人娛樂都在討論

分享好文，中學生要學電腦嗎？
作者：創新工場CTO、人工智慧工程院執行院長 王詠剛

文章来自半轻人微信公众号（ban-qing-ren）
………………………………

朋友的孩子高中剛畢業，已拿到美國頂尖大學（非電腦專業）的錄取通知。疫情影響，不知何時才能去學校報到。孩子想抓緊學習一下程式設計，為大學打好基礎。這孩子找我聊了一個多小時，從如何學程式設計，聊到非電腦專業和電腦專業的路徑差異，又聊到如何從不同角度認識電腦與程式設計。聊得比較寬泛，不知是否對這孩子有用。

回想我自己的高中時代：那時雖迷戀程式設計，卻完全沒有懂行的人指導。在我們那個四線城市的廠礦中學裡，開設電腦興趣課的老師知道的資訊還沒我多。我高一時跑到北京中關村逛街，卻完全沒意識到中國第一代頂尖程式師當時就在我身邊的低矮辦公樓裡寫代碼（這話說得並不準確，比如求伯君那年就主要是在珠海做開發），鼎鼎大名的UCDOS、WPS、CCED就出自他們之手……我在當時街邊的一家書店（位置似乎就在今天的鼎好大廈對面）買到了許多種印刷品質極低劣的電腦圖書。用今天的標準看，那就是一批盜版影印或未授權翻譯的國外圖書。可那批書竟成了我高中時代最寶貴的程式設計知識來源。

顯然，我在高中時根本就是野路子學電腦。現在後悔也沒用，當時我的眼界或能觸及的資源就那麼多。如果能穿越回30年前，我該對喜歡程式設計的自己說些什麼呢？這些年，我與世界上最好的一批程式師合作過，也參與過世界上最有價值的軟體系統研發——我所積累的一些粗淺經驗裡，有哪些可以分享給一個愛程式設計的中學生？

【問題1】中學生要不要學電腦？

當然要！

每個中學生都要學。只不過——建議大部分中學生使用“休閒模式”，小部分（不超過10%）中學生使用“探險模式”。

啊？兩個模式？那我該進入哪個模式？⟹請跳轉至【問題2】

【問題2】選哪個模式？

你癡迷電腦嗎？比如，你玩遊戲時會特別想知道這遊戲背後的代碼是如何編寫的嗎？再比如，就算老師家長不同意你學電腦，甚至當著你的面把電腦砸了，你也要堅持學電腦嗎？如果是，恭喜你進入“探險模式”⟹請跳轉至【問題200】

你對數學有興趣嗎？比如，你看到街邊建築的曲線，就會在腦子裡琢磨曲線對應的函數或方程嗎？每當手裡攥著幾粒骰子，你就會不由自主地計算概率嗎？如果是，歡迎進入“探險模式”⟹請跳轉至【問題200】；當然，如果有些猶豫，也可以先進入“休閒模式”⟹請跳轉至【問題100】

即便你對電腦和數學興趣不大，家長、老師還是強烈建議你學電腦嗎？就算你一百個沒時間一千個不願意，家長、老師還是會逼著你學電腦嗎？如果是，建議你主動進入“休閒模式”並向家長、老師彙報說“我已經按照前谷歌資深軟體工程師的專業建議在認真學程式設計了”⟹請跳轉至【問題100】

其他情況，一律進入“休閒模式”。⟹請跳轉至【問題100】

【問題100】休閒模式 | 主要學什麼？

“休閒模式”將電腦視為我們生活、工作中的必備工具，主要學習如何聰明、高效、優雅地使用計算設備。這裡說的計算設備，包括所有形式的電腦、手機、遊戲機、智慧家電以及未來一定會進入生活的自動駕駛汽車。

什麼什麼？你已經會用電腦、會玩手機、會打遊戲了？別著急，慢慢往下看。

【問題101】休閒模式 | 我會用搜尋引擎嗎？

我知道你會用百度搜習題答案。但，習題答案不是知識。你會用搜尋引擎來搜索和梳理知識嗎？請試著用電腦和你喜歡的搜尋引擎來解決如下兩個問題：

（1）圓周率𝜋的計算方法有多少種？每種不同的計算方法分別是由什麼人在什麼時代提出的？借助電腦，今天人們可以將圓周率𝜋計算到小數點後多少位？將圓周率𝜋計算到小數點這麼多位元，一次大概需要花掉多少度電？

（2）全球大約有多少個廁所？在發展程度不同的國家，分別有多少比例的人可以享用安裝了抽水馬桶的衛生廁所？為什麼比爾·蓋茨曾大力推動一個設計新型馬桶的研發專案？比爾·蓋茨的公益組織在這個專案上大約花費了多少資金，最終收到了多大的效果？

如果你沒法快速得到上述問題的全部答案，那就給自己設一個小目標：一個月內，學會用搜尋引擎系統地獲取、梳理一組知識點的全部技巧。

【問題102】休閒模式 | 接下來學什麼？

建議學好典型的工具軟體。比如，我知道你會用Office了，但用Office和用Office是很不一樣的。對生活、學習、工作來說，學好、學透一個工具軟體比鑽研程式設計技巧更實用。

 你會用Excel來管理班級公益基金的預算和實際收支情況嗎？
 你會用Excel做出過去20年裡全球大學排名的演變趨勢圖嗎？
 你會用Word排版一篇中學生論文嗎？論文中的圖表和最後的參考文獻部分該如何排版？
 你會用Word編排一份班級刊物，包含封面、扉頁、目錄、插圖頁、附錄、封底等部分，可以在列印後直接裝訂成冊嗎？
 PowerPoint呢？你有沒有研究過蘋果公司發佈會上那些幻燈片的設計？當約伯斯（多年以前）或蒂姆·庫克站在幻燈片前的時候，他們的演講思路是如何與幻燈片完美結合的？

還有哦，別忘了學學如何為數碼照片做後期，如何用電腦或手機剪視頻，如何為剪輯好的視頻配字幕，如何將照片、音樂、視頻等素材結合起來，做出一段吸引人的快手/抖音短視頻。

最後，抽空玩玩那些設計精妙的遊戲吧，比如《紀念碑穀》、《塞爾達傳說：曠野之息》之類；同時，遠離那些滿屏廣告，或者一心騙你在遊戲裡充值花錢的垃圾。

【問題103】休閒模式 | 不學學知識嗎？

當然要學知識。下面每種實用的電腦知識都夠大家學一陣子了。

（1）色彩知識：你知道同一張數碼照片在不同品牌的手機螢幕上、不同的電腦螢幕上、不同的智慧電視上顯示時，為什麼經常有較大色差嗎？你知道有一些色彩只適合螢幕顯示，不適合列印輸出嗎？你知道軟體工具裡常用的RGB、HSL之類的色彩空間都是什麼意思嗎？如何在設計PowerPoint幻燈片時選擇一組和諧美觀的色彩？

（2）字體知識：你知道什麼是襯線字體，什麼是無襯線字體嗎？你知道網頁中常用的英文字體都有哪些嗎？你知道商務演講時最適用于幻燈片的英文字體有哪些嗎？你知道電腦和手機常用的黑體、宋體、仿宋體、楷體等中文字體分別適合哪些實際應用場合嗎？你會將不同字體混排成一個美觀的頁面嗎？

（3）網路知識：你知道5G是什麼嗎？你知道5G和4G在通信頻寬、通信距離上的具體區別嗎？你知道什麼是路由器，什麼是防火牆嗎？你知道如何配置路由器，如何配置防火牆嗎？微信或QQ聊天時，對方發的文字、語音或視頻是如何傳送到你的手機上的？

（4）應用知識：淘寶中搜索得到的商品資訊是從哪裡來的？商品是按什麼方式排序的？為什麼購物APP經常會推薦給你一些曾經買過、看過的商品？你知道如何為自己建立個人網站嗎？你知道如何管理微信公眾號嗎？

（5）安全知識：你知道網路上的釣魚攻擊是怎麼回事兒嗎？你知道什麼是電腦漏洞嗎？你知道駭客為什麼想把一大批受攻擊的電腦變成可以遠端操控的傀儡機嗎？你知道為什麼現在很多手機APP都要通過短信發送驗證碼嗎？如果驗證碼被壞人截獲，你會面臨哪些風險？

這裡只是舉例。實用的電腦知識還有很多。大家可以自己發掘。

【問題104】休閒模式 | 我需要學程式設計嗎？

可以學，但不是必須。即便學，也只需要根據自己的需要，學那些最能幫你解決現實問題的部分。

【問題105】休閒模式 | 我該學什麼程式設計語言？

在“休閒模式”裡，電腦就是工具，程式設計也是工具，夠用就好。學什麼程式設計語言，完全看你想要電腦幫你做什麼。

• 如果你想對資料處理有更多自主權，那不妨學學Python；
• 如果你想做簡單的交互演示程式，那就先把JavaScript學起來；
• 如果你想更好、更快地寫論文，那不妨學學LaTeX（什麼什麼，LaTeX不是程式設計語言？你太小看LaTeX了）；
• 如果你想學做簡單的手機APP，那麼，Android手機就學Java，蘋果手機就學Swift好了；
• 如果你只想知道程式設計是怎麼回事，那……從Python或JavaScript開始就行。其實，跟五六歲的小朋友一起學學Scratch圖形程式設計也不錯。

【問題106】休閒模式 | 我需要學人工智慧嗎？

在“休閒模式”裡，最需要學的不是“人工智慧的實現原理”，而是“什麼是人工智慧”，以及“人工智慧能做什麼，不能做什麼”。

• 在手機上試一試，人工智慧做語音辨識時能做到什麼水準？哪些話容易識別，哪些話不容易識別？
• 打開機器翻譯軟體，試一試哪些資訊翻譯得好，哪些資訊翻譯得不好？
• 手機上的拍照軟體一般都有人臉識別功能。試一試人臉識別在什麼場景下做得好，什麼場景下做得不好？
• 找一部講人工智慧的科幻電影，用自己的判斷解讀一下，電影裡哪些技術有可能成為現實，哪些技術存在邏輯矛盾。

【問題107】休閒模式 | 推薦什麼參考書、參考文獻？

書不重要，豆瓣評分7分以上的電腦應用、程式設計甚至科普類圖書都可以拿來翻翻。

直接在知乎裡搜索你想瞭解或學習的知識點可能更有效率。

如果你意猶未盡，覺得自己剛活動開筋骨，還想挑戰更高層次，歡迎進入“探險模式”。⟹請跳轉至【問題200】

否則，“休閒模式”到此結束。⟹請離開此問答

【問題200】探險模式 | 主要學什麼？

“探險模式”需要有挑戰精神。電腦科學的世界技術演進快，脈絡複雜，要想在探索時不迷路，你得通過有順序、有系統地學習電腦知識，慢慢構建出一張可以在未來幫你走得更遠的思維地圖來。

在“探險模式”裡，電腦就不止是一件能快速計算的工具了。電腦更像是我們大腦的一種延伸。這既包括認知能力的延伸，也包括認知邏輯的延伸。隨著學習深入，大家會逐漸體會到電腦所具有的多維度能力：

 電腦是一種可以表示不同類型資訊（數、符號、文字、語音、圖像、視頻、虛擬空間、抽象邏輯）的“資訊管理機”；
 同時，電腦也是一種可以連續執行指令以完成特定的資訊處理任務的“指令處理機”；
 同時，電腦還是一種可以在知識與邏輯層面完成特定推理任務的“知識推理機”；
 同時，電腦也是一種可以從人類給定的資料或自我生成的資料中總結規律，建立模型，自主完成某些決策的“智慧學習機”。

“探險模式”的目標就是盡可能準確地認識電腦，掌握有關電腦運行的最基本規律。有了這些基礎。未來在大學期間或工作中，你就能更容易地設計電腦軟硬體系統，或是設計出碳基大腦（人類）與矽基大腦（機器智慧）之間的最佳協作方案。

【問題201】探險模式 | 我的英語水準足夠嗎？

蘋果每年秋季的新品發佈會，不加字幕的話，你能聽懂多少？

 能聽懂大部分：建議在學習電腦的過程中，盡可能使用英文教材、英文文檔。
 能聽懂小部分：建議將原來準備學電腦的時間，分出一部分來學英語。
 只能聽懂“你好”“再見”之類：⟹請離開此問答。然後，把原來準備學電腦的時間用於學英語，六個月後再回來。

【問題202】探險模式 | 我的數學水準足夠嗎？

 如果你是數學和數學應用小能手——較複雜的數學問題總能快速找到核心思路，或快速簡化為簡單問題；很容易就能將抽象概念映射到具體的數學圖形，或將數學問題與相應的現實問題關聯在一起：請繼續探險之旅。
 如果你應付正常數學課程感到吃力：建議將原來準備學電腦的時間，分出一部分來學數學。
 如果你還搞不清楚什麼是方程、函數、集合、概率……：⟹請離開此問答。然後，把原來準備學電腦的時間用於學數學，六個月後再回來。

【問題203】探險模式 | 為什麼強調英語和數學？

（1）統計上說，最好的電腦參考資料大都是英文寫的，最好的電腦課程大都是用英文講的，最新的電腦論文大都是用英文發表的。

（2）函數、方程、坐標系、標量、向量、排列組合、概率這些中學數學裡會初步學習到的數學知識，是電腦科學的基礎。

【問題204】探險模式 | 電腦知識那麼多，正確的學習順序是什麼？

最重要的順序有兩個。建議先從順序一開始，學有餘力時兼顧兩個順序。

順序一：自底向上，即，自底層原理向上層應用拓展的順序。

 電腦原理的基礎知識：
 為什麼每台電腦（包括手機）都有CPU、記憶體和外部設備？
 （馮·諾依曼體系結構的）記憶體中為什麼既可以存儲資料，也可以存儲指令？
 CPU是如何完成一次加法運算的？
 程式設計語言的基礎知識：
 資料類型，值，變數，作用域……
 語句，流程控制語句……
 過程、方法或函數，類，模組，程式，服務……
 編譯系統的基本概念：
 電腦程式是如何被解釋或編譯成目標代碼的？
 演算法和資料結構的基礎知識：
 陣列，向量，鏈表，堆，棧，二叉樹，樹和圖……
 遞迴演算法，排序演算法，二叉樹搜索演算法，圖搜索演算法……
 應用層的基礎知識：
 為什麼電腦需要作業系統？設備驅動程式是做什麼的？
 網路通信的基本原理是什麼？流覽器是怎麼找到並顯示一個網頁的？
 資料庫是做什麼用的？
 虛擬機器是怎麼回事？
 人工智慧系統的基礎知識：
 先熟悉些線性代數、概率和數學優化的基礎知識。
 什麼是機器學習？從簡單的線性回歸中體會機器學習的基本概念、基本思路。
 什麼是神經網路？什麼是深度神經網路？為什麼神經網路可以完成機器學習任務？
 如何使用PyTorch或TensorFlow實現簡單的深度學習功能？

順序二：自頂向下，即，自頂層抽象邏輯向下層具體邏輯拓展的順序。

• 電腦的本質是什麼？
• 什麼是圖靈機？什麼是通用圖靈機？
• 什麼是讀取﹣求值﹣輸出迴圈（Read–eval–print Loop，REPL）？
 如何用自頂向下的方式理解（解析、解釋、編譯）一段程式碼？
• 靜態語言和動態語言的區別？
 如何理解變數與資料類型之間的綁定關係？
• 什麼是函數式程式設計？
 程式設計語言中，函數的本質是什麼？
 函數為什麼可以像一個值一樣被表示、存儲、傳遞和處理？

• 什麼是物件導向？
 類的本質是什麼？
 如何用物件導向的方式定義個功能介面？
 如何依據介面實現具體功能？
• 什麼是事件驅動？
 什麼是事件？事件如何分發到接收者？
 如何在事件驅動的環境中理解代碼的狀態和執行順序？

【問題205】探險模式 | 如何提高程式設計水準？

在掌握基本知識體系的基礎上，學好程式設計只有一條路：多程式設計，多參加程式設計比賽，多做程式設計題，多做實驗項目，多找實習機會——其中，能參與真實專案是最有價值的。

【問題206】探險模式 | 該從哪一門程式設計語言學起？

 我個人推薦的程式設計入門語言（可根據情況任選）：
 Python
 Java
 Swift
 C#
 JavaScript / TypeScript
 Ruby
 ……
 可能不適合入門，但適合後續深入學習的語言：
 C
 C++
 Go

 Objective-C
 組合語言
 機器語言（CPU指令集）
 Shell Script
 Lua
 Haskell
 OCaml
 R
 Julia
 Erlang
 MATLAB
 ……

【問題207】探險模式 | 如何選參考書和參考資料？

（1）強烈推薦的參考書和參考資料：

• MIT、Stanford、CMU、UC Berkeley這四所大學中任何一個電腦專業方向使用的教學參考書或參考資料。網上可以查到這些學校電腦專業方向的課程體系，有的學校甚至公開了課程視頻。其中往往會列舉參考書和參考資料連結。
• 維琪百科（英文）上的數學、電腦科學相關條目。
• Github上star數在1000以上的開原始程式碼和開來源文件。

（2）強烈推薦但須小心辨別的參考資料：

 知乎上的數學、電腦科學相關條目。使用時需要格外注意三件事：
 儘量只看高贊答案或高贊文章；
 辨別並避開廣告軟文；
 辨別並避開純抖機靈的故事或段子。
 Stack Overflow上的程式設計問題解答：
 自己動手實驗，辨別解答是否有效。
 CSDN上的程式設計問題解答：
 自己動手實驗，辨別解答是否有效。

（3）其他推薦的參考書和參考資料：

 國內專業作者寫作的專業技術書籍（豆瓣評分7分以上的）。
 大廠（Google、Facebook、Microsoft、Amazon、阿裡、騰訊、百度、頭條等）資深工程師的技術公號、專欄、博客等。

 著名圖書系列：如O’Reilly的動物封面的系列圖書（請注意最新版本和時效性）。
 國內翻譯的著名技術圖書（譯本在豆瓣評分7分以上的）。

（4）儘量避免的參考書和參考資料：

• 已經過時的圖書或參考資料。
• 作者或譯者人數比章節數還多的專業圖書。
• 百度百科上的數學或電腦科學相關資料。

什麼什麼？你這篇問答居然沒有推薦一本具體的圖書？是，沒錯。如果你覺得即便有了上面的線索，自己還是找不到好書好資料，那也許你還是適合“休閒模式”⟹請跳轉至【問題100】

本文來自：量子位微信公眾號 QbitAI

李開復周遊列國AI後分享，誰會吃掉最大紅利？

“見過最瘋狂的中國創業者是馬雲”、“一個群裏辨別 AI 的方式是發紅包”、“120 歲打算退休”……以及準備開始基於科學的科幻創作計畫。

以上熱議“段子”，或許前幾天你已經被刷屏了，但這都並非段子，而是創新工場董事長兼 CEO 李開復博士在 MEET2020 智能未來大會上開場對談內容的截取。

面對量子位主編李根的提問，李開復博士分享了對於人工智慧發展現狀和未來的看法，比如政府政策對AI研發與落地運用的支持、對 AI 公司價值重估的趨勢、對 AI 賦能傳統領域帶來新邊界的看法，以及人才驅動的新格局的展望等等。

為了完整展現李開復博士最新的所想所感，量子位精校了現場訪談速記，希望周遊列國 AI 後的開復所思，同樣能給你帶來啟發。

在這次訪談中，李開復博士將提到：

 2019年最大感悟是全球政府都在積極擁抱AI。
 AI行業正在回歸理性，需要回歸商業本質。
 AI跟傳統企業不是誰顛覆誰的問題，而是賦能的問題。
 AI賦能的本質決定了AI公司不會To C式爆發成長，而會像To B企業一樣穩定壯大。
 互聯網和移動互聯網依靠前端紅利壯大，AI最大的機遇是後端創新。
 技術公司要接受傳統公司掛帥，要有服務心態，落地為王。
 今年見到最酷的黑科技是3D列印心臟。
 基於科學的科幻作品，能夠用想像力啟迪科技人尋找方向。

訪談實錄：

李根：謝謝開復老師的到來，聽說您前兩天剛過了生日，收到特別的一份禮物是今年新書《AI未來》的斯洛文尼亞版成為他們國家暢銷榜第一，這個國家我們瞭解的不是很多，聽說第一方面是個歐洲的小國家，另外一方面可能足球踢的比中國好，更多就不知道了……

李開復：還有出了一個美國第一夫人，現任特朗普總統的夫人。（現場笑）

李根：所以今天還是想圍繞您的新書開始，大家也看到了部分展示，聽說有21個國家和地區的版本，都是暢銷書。所以今年周遊列國AI之後最直觀的感受是什麼？

李開復：直觀的感受可以按時間來說。在2017年，我覺得AI最火的領域就是VC，所有的VC都要把自己包裝成AI投資人，看到某一個博士出來了就瘋狂的搶專案。2018年看到的更多的是所有的企業，尤其傳統行業開始醒來，發現不擁抱AI可能就會有很大的麻煩。到2019年——正好是我出書這一年，我覺得最多的是全球政府都在擁抱AI，每個國家都要出一個國家戰略書。

講一個小故事，有一天我接到一個電話，一早，他說他們的President想和我講話，我問他來自哪家公司，他說他來自阿根廷，他們的總統要跟我講話，所以可以看出全球政府在推動，我們就可以很必然地看到AI正在全球範圍內得到最重要的支持，這也讓我們一定可以把這個領域推到更高的高度。

▍AI公司面臨價值重估，回歸理性的時刻

李根：今年AI在中國進入了一個新的階段，之前有很多的博士精英，有很多的黑科技，比賽冠軍的數目。今年更被關注在商業落地、營收方面比拼。

李開復：這是最火的領域，包括當年的互聯網都經歷了這樣的過程。但用博士的數量、或者AI得獎的次數做一個公司的估值都不理性。當年還有很多不理性的做法，比如為了抬高自己的估值，不找一家領投，用10家各出2000萬，無領投者，大家就是沾光投上某某著名的博士，這種做法導致的後果非常直接——當你沒有領投者，大家都不會覺得這是我必須要花全力的專案，只是花2000萬買個名而已。

AI公司重估的問題，我在2017年第一次被問到，但當時一切才開始，大家要接受這種混亂的現象，可能少數的公司被過高估值了，但是未來還是非常好的。

到2018年初我被問這個問題，我預測2018年底會有泡沫來臨，而且確實大約在2018年9月-12月大多數公司面臨了挑戰。

再到今年，有AI公司上市、Pre-IPO，這就是退潮時刻，誰在裸泳一眼便知。每個公司都必須面對最後一輪投資人，或者上市之後必須要回歸商業本質。所以之前估值AI公司的方法，或是過不了上市這一關，或是上市後很難持續。

所以我覺得今天毫無疑問在回歸理性。而大家在過去一年經受了很多估值受到挑戰、下一輪很難融等等的問題，都是這種回歸理性的表現。

今天我們看到出來融資的AI公司，也比當年更明確地去瞭解自己需要落地、需要產生收入。並且也越來越明確：人工智慧是很偉大，但它跟互聯網、跟移動互聯網不一樣。

在移動互聯網和互聯網的時代，我們是在重構一個完整的介面，它可以推動和顛覆各種傳統業態。而人工智慧的本質是提升效率，降低成本、創造價值，AI跟傳統企業不是誰顛覆誰的問題，而是賦能的問題。

如果你接受了這個觀點，你也不可能期待說人工智慧什麼時候會有美團、滴滴、阿裏出來，因為它本質上不是一個爆發式成長的to C的公司，而是穩定成長的to B公司，更需要我們沉下心來把這個公司慢慢做出來，而不是看到一個巨大的拐點、指數級的增長。

所以現在更是需要回歸理性、回歸商業本質的時候，雖然會讓一些公司面臨挑戰，但應該會讓我們有更好的健康發展。

李根：您在世界人工智慧大會上的主題演講，也提到了AI+的階段，說告別精英創業的階段，現在的AI是不是走過了技術創新的階段，可以進入商業模式創新階段了？

李開復：我覺得是的。在那個大會上我講了AI的四個階段，其實就是互聯網的四個階段。

 第一個階段就是黑科技階段，做出來的東西大家都看不懂，誰有厲害的科技就會被追捧。
 第二個階段是嘗試商業化to B的階段。
 第三個階段是AI賦能，把AI注入傳統行業來產生價值。當年也是互聯網注入傳統公司。
 最後是遍地開花。

從互聯網發展來看AI階段，第一個階段可能就是在網景的創業，第二個階段是大家賣一點互聯網的軟體、伺服器、編輯工具等等。

第三個階段就像微軟，當時我在微軟創造了一個互聯網部門，有一個首席互聯網專家，然後測定公司在什麼地方應該引入互聯網。但是最終這個部門就被取消了，因為整個公司都要擁抱互聯網。那麼AI也是一樣，在初期是曠視、商湯各種黑科技公司，再下一批可能是B2B公司，像第四範式、創新奇智這樣的公司。第三個階段，有海量的傳統公司會看到AI可以創造的價值，而且今天中國面臨的巨大的機會和挑戰。

一方面，互聯網和移動互聯網的發展，把前端的紅利——最核心的是人口紅利吃掉了，能夠實現指數增長。

但另一方面， 其實後端有非常多低效的效果，比如說海量的夫妻店，有非常低效的物流，在零售、製造方面，在三四線城市後端都需要提效，要不然的話是沒有辦法支撐其他的90%的經濟的成長。

而後端效率的提升，就很需要AI的賦能。

所以AI的賦能，就是傳統公司和AI公司最好的合作點，這是現在面臨的下一個AI賦能的機會。

這些公司要尋找一個像行業顧問，或者AI公司合作夥伴也好，或者自身建設AI部門也好，讓AI賦能，在業務和流程中實現降低成本、增加效率。

在這些傳統的公司慢慢擁抱AI之後，再過幾年就會和互聯網一樣，每一個公司的每一個部門不考慮AI幾乎都沒有辦法生存了，行業的期待就是你不用AI就會效率低下。

而且在越是分散的行業，每個公司的都有很多成本的問題，哪一個公司能夠增效或者降低成本3%、5%，就可能會勝出。

於是在行業整合的時候，可能本來有10家10%份額的公司就會有一家勝出，這時候除了有AI帶來的效率、市場整合的能力，還有更大的規模帶來的更多的效率，以及行業龍頭甚至壟斷者帶來的機會……

所以AI的四個階段，每個階段都充滿著機會。今天更是尋找傳統行業比如醫療、製造、零售等等這些行業怎麼樣去賦能的時機，能夠創造更多的價值。

李根：所以聽起來不僅是AI公司正在2019年經歷重塑，可能傳統公司、傳統企業也在經歷重塑。

李開復：對的。

▍誰吃掉最大紅利？

李根：聊到的傳統公司的問題，今年有兩種聲音，第一種就是有一些技術的公司，比如說自己找到一個落地的場景，然後就能吃掉AI時代的最大紅利。也有一些來自於場景數據的公司，覺得一開始技術沒那麼強，但是接下來的時間有後發優勢，也可以吃掉AI最大的紅利，在您看來誰會吃掉AI的最大紅利？

李開復：在國內創業，競爭環境都是非常劇烈的，大家都在尋找最成熟的果實。但這些最大的果實在初期的AI前面落地的第一、第二階段都被摘掉了。

什麼是AI最容易使用的行業呢？一定是那些已經有海量的數據，而且數據被結構化整合的行業。

另外，這些數據還能直接關聯到具體的商業指標，作為它的目標函數。比如說金融界、互聯網，這些行業應該都已經被吃掉了，所謂“被吃”，大的意思就是這些公司都發現了AI真的好用，能夠幫我賺錢、省錢，我自己需要擁有這個東西。

起初先有幾家公司跑了出來，同時大部分的互聯網公司都自己擁有AI團隊，接著保險公司、銀行也開始有這樣的傾向，於是造成第一批有得天獨厚優勢的傳統行業擁抱了AI。

再接下來的AI落地就會有挑戰了。比如說在製造、零售、健康、醫療、教育這些領域，數據和落地基礎並非一蹴而就。

你問的問題就是在這些領域裏，到底誰比較有優勢？我們做AI的人必須意識到一個很清楚的事實：學習運用AI這件事情是越來越容易的，也就是門檻越來越低了。

這就是為什麼創新工場能夠在4周的時間（DeeCamp夏令營）培訓600個電腦的學生，讓他們4個禮拜培訓以後就變成了所謂的神奇的AI工程師。

在五年前，這是不可能的，因為那時候的演算法還要自己寫代碼，現在已經有很多大公司，包括國內的百度、阿裏、騰訊，都在提供AI框架，讓AI的門檻降得越來越低。

所以這個結果很明確：最終一定是傳統公司擁抱AI的難度，遠遠低於AI技術公司去學零售、學制藥，後者都是遙不可及的事情。

如果從AI紅利目前是一杯水半空的角度來看，傳統公司會是最大的獲利者，AI公司很難獲得最大的利潤。

但是從一杯水是半滿的角度來看，這些傳統公司現在並不知道怎麼去擁抱AI，所以你如果是個好的AI公司，你在未來的三五年還是有機會跟他們共贏的，只要你的收費他們可以接受，也就是說你的價值大於你的收費。在未來的三五年AI公司賦能傳統行業是有機會的。

從更宏觀的角度來看，畢馬威預測在2030年的時候AI帶給全世界的GDP應該是差不多1萬億人民幣。這裏面可以看到，他們的90%以上都還是把這個數字給了傳統行業，也就是說真的是在為了傳統行業賦能，最後得到的紅利必然是傳統行業的。

那麼一個傳統行業得到了某一個領域的1000億賦能，或者降低成本。這1000億裏面有可能有5%-10%給了AI公司。

所以我們AI公司還是要面對現實，作為一個AI的創業公司，你去顛覆傳統公司的概率是低的——雖然在有些領域是有可能的。

對傳統公司來說，應該把AI公司當做最好的朋友。

我覺得也不排除有很多新的模式跟打法，但中國的整體現實就是這樣。而且美國是不可參考的，美國很多傳統行業的數據積累得很好，參考美國參考AI賦能，在中國是不成立的。

所以中國公司還是要尋找最有創意的方法，來找到我們能吃到的最大紅利。

舉兩個例子，一個是創新工場分出去的創新奇智。當時我們看到這樣的一個機會，尋找了一個企業家，而不是博士來領導這個公司，然後針對製造業和零售業去做賦能的工作，現在做出來了一個最快速的成長，得到最高收入的一個AI公司，因為他從一開始就把自己當做傳統公司賦能的合作夥伴。

另外一個角度，從創新工場本身來說，我們2019年幾乎沒有再投AI黑科技公司了，當然偶爾還會看到一兩個，但是我們投了很多行業AI公司，比如說在健康領域、制藥領域、教育領域，做的公司其實是AI教育、AI制藥，或者是AI醫療大數據。這些公司的領導者一般不是AI專家，而是行業的專家，同時搭配AI方面的合夥人。

李根：之前有很多人問到技術的精英更像是空軍，對於傳統的公司——陸軍，會有一些新的方法上的不適應。

李開復：我們要接受，最後的元帥還是傳統的公司，我們的空軍還是給傳統公司賦能，提供價值的。不要認為我們空軍跟他們陸軍是平等的，還是要放下心態，1萬億的市場很大，我們能吃5%-10%就已經很好了。服務心態，落地為王。

▍AI邊界：Android還是IOS？

李根：技術公司也開始有新邊界，今年的現象是之前很多語音、視覺為主的公司，開始做到晶片，也有AI晶片的公司開始向上打造語音演算法。所以大家之前更多在講社會化分工，現在AI時代裏現在看起來並不是這樣。Android還是IOS？這是一個問題。

李開復：對，這個過去幾年也變了好幾次。剛開始的前10家AI公司都號稱自己是AI平臺，現在很少有公司這麼說了。

因為AI平臺這個詞本身可能就是一個偽概念，在AI注入各個行業過程中，它的應用不一樣，一個通用的AI平臺，除非是TensorFlow這樣底層框架，否則很難。

我覺得當前業態裏有這樣的變化，可能還是跟資本環境變化有關，大家本來走的道路不好走了，需要轉型。但是也融了很多錢，所以希望用這樣的機會來轉型。

這些轉型我覺得可以支持，但它不見得是一個良性的發展，所以當你轉型的時候還是謀定而後動，我覺得如果發現自己原來的市場沒有想像的那麼好，但是有幸在前一兩年AI很火的時候融了很多錢的公司，不妨可以把已有的壁壘從上游到下游來拓寬，然後形成一個IOS的形態，我會覺得是一個比較穩妥的打法。這樣去做一個平臺型的公司，我覺得好像機會比較大。

而轉型，比如從語音到視覺，從視覺到晶片，從安防到醫療等等，這些探索我覺得如果是商業驅動必需的，裏面有核心技術可以支持，也不妨可以做。

但整體上，我會抱比較保留的態度。因為我們還是應該去尋找最大的商機，不是被逼的走路走不通了，看誰最火做什麼。

尤其是晶片方面的切入，挑戰更大。因為做晶片這件事，不是寫過論文就可以能出晶片的，真正跑出來的晶片公司非常少。

這也是為什麼中國晶片沒有過一個特別高速成長的紅利期的原因。因為它需要一個特別大的資本推動，從回報上跟軟體行業、互聯網，AI是不可比的，所以這不是很好做，也不是很容易拿到投資。

當然今天國家有晶片的需求，這是一個機會，能更容易融到錢，或者說幫助中國發展，以及美國潛在的挑戰——脫鉤的問題，做出商業的彌補。

但是從商業的本質來說，一個軟體公司做晶片，獲取成功的概率依然是偏低，挑戰很大。

▍為什麼MSRA創辦可以改變中國科技格局？

李根：今年還有一個關鍵字是新格局。但AI創業公司、巨頭的格局，其實都源自微軟亞洲研究院，螢幕上您周圍的戰友，後來都各有各的身份，還有好幾位今年都退休了，不知道您有沒有這樣的計畫？

李開復：有，差不多120歲的時候就退休，但是還比較遙遠。（全場笑）

李根：所以這是今年投了一些AI制藥生物公司的原因？

李開復：對，我們投的一個公司很有意思，我們年會的時候請了一個我們投的科技制藥方面的專家來演講，我就問他，我到底還能幹多少年，他說你只要再能撐20年，我們就有可能有抗衰老的藥，讓你撐更久。所以我現在努力地活20年，不要生病，先達到這個目標。

李根：所以回顧21年前，您創辦的微軟亞洲研究院的時候，中關村還是一個很荒蕪的地方，會預料到今天會有這麼大的變化嗎？或者MSRA成為「黃埔軍校」？

李開復：當時我們有很大的自信和期待，這批人是會為國家、科技領域做出特別大的貢獻的。因為我們真的非常有幸——在正確的時候做正確的事情。

在中國即將崛起的時候，在中國科技即將崛起的時候，帶來了一個全球頂級的品牌（微軟），一個不要求回報的科研投資（微軟研究院），一個很寬鬆的環境，一個特別好的學習環境，特別大的資源，很自然的就把國內最優秀的一批人吸引來了。

而且正好也碰到了海外有一批特別優秀的，有十年左右經驗的大牛：像張亞勤、張宏江、沈向洋，正好把他們拉了過來，這麼一對接之後就有火花。

所以對研究院培養的過去21年來的5000人，他們今天的貢獻我覺得是必然的、可期待。

但無論如何，回過頭去看，對於今天中國整個科技的規模，快速成為世界巨頭的速度，依然超過了我過去的想像。

李根：今年也是創新工場創辦十周年，站在這個時間點回顧，哪些事情是被預料到的？哪些趨勢是之前沒有預料到的，但是給現在的產業格局帶來很大變化。

李開復：我覺得十年前可以預測AI的發生，但是實際發生在哪一年比較難預料。

當年創新工場第一次募資的時候，很大的挑戰就是，你憑什麼覺得中國還會再出三到五個獨角獸？

你要融兩億美元，至少要投中兩三個獨角獸，你作為一個基金投兩三個獨角獸，意味著中國有二三十個獨角獸，怎麼可能呢？這是很多投資人挑戰我們的問題。

但現在回頭看過去十年，不但出了幾百個獨角獸，而且是超級獨角獸，100億美金的，甚至500億美金的都出了好多個，所以我覺得中國是一個很獨特的大市場。有海量用戶、資金、提供幫助的VC，以及一批很強悍的創業者，最後創造更好的市場並且閉環滾動。這樣的迴圈我們當年可以預測，但是迴圈帶來最終的價值依然超乎想像。
快問快答

李根：回國20年最自豪的是什麼？

李開復：創新工場。

李根：創業十年裏印象最深刻的是什麼？

李開復：是我生病的時候整個公司到臺北來看我。

李根：如何判斷一個群裏的開復老師是不是AI？

李開復：這是真實情況，我常常到一個群裏，人家說你是真的李開復嗎？然後我就自拍，他們說現在可以做假，我就錄一段語音，他們說也可以作假。我說怎麼自證呢？「發個紅包」。

李根：今年見到最酷的技術產品或者應用是什麼？

李開復：應該有幾個，一個是特斯拉的自主召喚接駕——你購物之後，自己來找你，這是很聰明的應用，但並沒有特別強的黑科技。

如果講真的是黑科技的話，3D列印的心臟，雖然還有很長時間的發展，但還是比較震撼的，以後我們的壽命延長、內在的移植都會得到很大的顛覆。

李根：我知道您很喜歡喬布斯之前說過的一段話，「那些瘋狂到以為自己能改變世界的人……才能真正改變世界」，那麼問題來了，誰是您見過中國最瘋狂的創業者？

李開復：還是馬雲。原因是能夠有這麼大的想像力做一個如此大的事情，最後還實現了。

很多中國創業者還是比較理性，強方法論，把事情一步步滾動出來。從李彥宏、馬化騰、王興、程維，都是戰略家、策略家、企業家，只是真正有瘋狂氣質的還是馬雲。

李根：最後一個問題，您是非常科學的人，但也愛好科幻作品，怎麼看二者關係？《AI未來》這麼暢銷，是否考慮一下科幻作品？

李開復：科幻小說和電影其實對整個AI行業的推動非常巨大。

我們看當年《2001電影漫遊》、《銀河系漫遊指南》，甚至有些很負面的作品……都很成功地預測了今天，比如《星際迷航》裏很多東西都開始發生了。

所以我覺得科幻電影是用想像力來幫助我們這些科技人尋找到方向的。

但是我一直對科幻電影有保留，特別是過去這五年，AI再度復興，大家熱情高漲，於是想像太豐富，尤其是對AGI（通用人工智慧），對人能愛上機器，對機器想要控制人類的欲望，有過度解讀。
我們需要明確，AGI還遙不可及。過度強調AGI會導致整個社會對AI有一個負面的影響，今天在美國做調查已經超過50%的人聽到了AI覺得是負面，而不是正面的事情，這是很可惜的。

我覺得作為一個小說電影的愛好者，也作為一個AI人，我會希望能夠描述一些故事，這些故事基於真實科學能力，比如說20年之內是80%會發生的技術，然後用這些去更好地推動我們的創業者和科學家。

所以我會希望做Science Faction——基於真實的科學的科幻。於是想寫這樣的一些東西。如果在座的各位有什麼想法能夠寫出又精彩又可行的AI技術——20年之內可行的未來，可以投稿到量子位，以後如果我寫書拍電影的話，一定會標注致謝。（全場笑）

Hi 地震後大家都還活著嗎？
Pytorch Taiwan 深度學習論壇開課啦🌤
4/19（五）20:00 北科綜合大樓 B08

⚜️講師簡介：Mina 安米娜，有3年經驗資料分析愛好者

⚜️課程名稱：Computer vision by NN

⚜️課程大鋼：
AI background
Deep learning
Tensorflow +keras :CNN
Demo time （教您創造屬於自己的image dataset到套入CNN 模型）

⚜️地點：台北科技大學 綜合教育大樓B08教室（忠孝新生4號出口）

⚜️時間：19:00-21:00（我是8點到9點時段）座位有限，早點來比較好

⚜️費用：免費+你一顆誠摯學習的心😉無價

#邊地震邊發文
#python
#datascientiest
#tensorflow
#freecourse
#免費程式課程