中國如何抓住人工智能技術革命新機遇

2024年中央經濟工作會議提出，科技創新引領新質生產力發展，建設現代化產業體系。加強基礎研究和關鍵核心技術攻關，超前布局重大科技項目，開展新技術新產品新場景大規模應用示范行動。開展“人工智能+”行動，培育未來產業。在全球競爭日趨激烈的背景下，人工智能正以顛覆性技術加速重塑全球經濟格局，而中國在這一領域已然成為重要的創新中心和發展引擎。作為全球人工智能發展最快的國家之一，中國正在全面釋放技術紅利，加速推進現代化產業體系建設。約瑟夫·希發基思（JosephSifakis）是2007年圖靈獎得主、法國國家科學中心主任、歐洲科學院院士、法國工程院院士、法國科學院院士、美國人文和科學院院士、美國工程院外籍院士、中國科學院外籍院士，長期從事計算機科學、人工智能、模型檢測等研究工作。近日，希發基思來華參加國務院發展研究中心合作開發研究平臺舉辦的講座，《中國經濟報告》特約編輯就中國如何抓住人工智能技術革命新機遇相關話題，請他發表了見解。

美國人工智能的發展能給中國帶來什么啟示

中國經濟報告：目前美國人工智能研究策略能給我們提供何種借鑒和啟示？

約瑟夫·希發基思：美國在人工智能領域占據領先地位，其戰略重心是通過強大的創新文化、技術投資和軟實力的結合來推動人工智能發展。美國不僅擁有大量的研發資金投入，還通過風險投資來推動高效創新文化，這使得美國許多成功的科技公司在全球范圍內產生了影響力。美國的人工智能政策也受益于一個穩固的知識產權和金融生態系統，同時廣泛運用軟實力來影響全球輿論，增強自身的競爭力。

美國創新的核心驅動力之一是美國國防高級研究計劃局（DARPA）等機構的推動，這些機構具備充足的預算以支持長期的、具有戰略影響的大規模項目。DARPA的項目通常規模龐大且目標清晰，并帶有重大國際戰略意義。這些項目每六個月會接受嚴格的評估，未達標的團隊將被淘汰。這種模式下，團隊的項目目標通常明確具體，以確保資金和資源只投向能夠產生實際效果的項目，而不是“小打小鬧”。美國創新模式的獨特之處在于它依賴一個獨特的生態系統，這個生態系統由學術人才、行業資金和競爭激烈的研究文化共同支撐。美國的創新生態系統（如硅谷）是學術、行業和政府的交匯點。這些地區不僅有一流的學術研究資源和技術人才，還獲得了政府和企業的大力支持，使創新成為一種文化。

中國可以借鑒美國的成功模式，探索適合本國的發展路徑。這需要有高度的協作性、透明的評估機制和明確的目標指向，類似于DARPA模式。例如，中國可以嘗試在深圳或北京等關鍵地區發展類似的生態系統，將學術資源、企業資本和政府政策緊密結合，推動中國自己的創新生態系統發展。這樣的區域創新中心可以在高校、企業和政府之間架設橋梁，為科技創新提供一個協作平臺，以應對全球化競爭。中國要在人工智能領域取得突破性進展，必須加強跨學科的合作，組建由多個領域專家構成的大規模項目團隊，并確保學術界和企業界能夠積極參與和協作。中國應當利用自身強大的工業基礎，在人工智能和創新領域進行前瞻性布局，努力創建一個“創新機器”，即一個能夠持續推動高效創新的系統。

中國經濟報告：歐洲與美國的體制機制相近，但是為什么沒有發展出像美國一樣的大型科技公司？

約瑟夫·希發基思：我認為歐洲在追趕美國科技方面不算成功。相較于歐洲，美國在科學研究方面的制度和理念要強大得多。一個創新生態系統的重要之處在于動力之源是什么。舉一個例子，我曾參與過一個項目，其資金是由工業界提供的，并受到美國政府的支持。開始時，項目有十支團隊，但通過層層的階段考核與篩選，最終只會選出一個優勝者。這種項目的模式在中國很少見，在歐洲也沒有。原因非常簡單，因為需要設計一個完善的懲罰機制。和美國項目經費模式相比，歐洲的做法簡直荒謬。比如在美國，我是一個項目組董事會成員，如果一個人表現不好我會直接開除他，即使他是個百萬富翁。但在歐洲的文化里面，他們不懂如何將表現不好的人排除出去。即使某人表現不好，但他還在那里，這對科學研究造成了不好的影響。此外美國總統有一個科學委員會，他們喜歡為一個方向設定非常具體的計劃。而我在歐洲看到過很多類似的機構，他們的計劃只有一頁紙，里面只寫了我們會達到某個目標并付諸實施。這全是沒有具體措施的想法。

關于研究的體制機制。在美國，對大學教授的考核并不嚴格基于其發表論文的數量，而是關注其是否有創新性的成果。在美國的評價標準中，關注的是教師成果的重要性和全面性結果，而不僅僅是論文的內容。歐洲的一些國家依然將研究分為“理論儲備”和“實際應用”，但是現在這種區分的意義已經不大了。比如2024年諾貝爾物理學獎頒給了人工智能領域的研究者，他們知道如何將基礎研究和工業應用結合在一起，這在美國是一項非常有應用性的成就。

人工智能的未來：大語言模型的局限與突破點

中國經濟報告：大語言模型會是人工智能未來主流的演變方向嗎？

約瑟夫·希發基思：科學研究歷史上，人工智能領域的研究起源于1956年，當時的目標是研究和開發能夠擴展人類認知能力的系統。最早的人工智能研究方法分為符號邏輯（Symbolic）和連接主義（Connectionism）兩種。符號邏輯基于邏輯和編程語言，而連接主義則以類比人腦的神經網絡為基礎。最終，連接主義在許多應用中占據主導地位，取得了一些初步成果。你可以看到，機器在一些方面的計算速度已經遠超人類，這讓人們開始相信人工智能可以與人類競爭。

然而，人工智能發展的一個關鍵節點是大型語言模型的出現，比如ChatGPT。這種新范式的重要性在于它在自然語言處理方面的突破。幾十年來，我們嘗試用符號邏輯來解決自然語言處理問題，但未能取得預期的成功。連接主義則通過人工神經網絡處理語言的方式取得了顯著進展，機器可以進行翻譯、識別圖像和文本等。

盡管如此，我們也需要認識到，人工智能模型雖然在回答開放性問題方面表現優異，但在解決具體問題時可能會犯錯，這是由于其方法的局限性。這些模型擅長總結、生成內容、編程輔助等，但仍有許多事情無法完成，例如駕駛汽車或解決復雜的數學問題。需要記住的是，人工智能目前仍處于起步階段，盡管我們已經擁有了開發智能系統的所有基本要素，但仍缺乏綜合運用這些技術的系統性方法。

當下，人工智能的一個重要應用是對人類的輔助性支持，通過會話系統與人類互動。然而，人工智能的另一用途是系統監控——監測系統的行為，生成實時反饋，從而優化性能。在未來，我們希望看到更加智能化的人工智能系統。

中國經濟報告：您覺得在人工智能的哪個領域更能看到突破點？在哪些領域可能會率先爆發？

約瑟夫·希發基思：目前人工智能已經具備對話功能，幾乎人人可用，大家可以使用這些工具進行互動。然而，要讓人工智能達到能夠進行預測的水平還有很長的路要走。預測功能在許多領域都有重要應用，比如在科學領域，可以用來改進研究方法論；在物理科學中，可以用于解決具體的問題。如果能夠用人工智能來分析復雜現象，例如生物學中的復雜過程，或用于開發新藥，這些都是未來的可能性，眼下我們只是剛剛起步。

當然，我希望能夠構建未來的自主網絡。如今的網絡系統非常復雜，像中國移動這樣的公司，可能需要成千上萬的員工來管理網絡。管理員發現系統中哪里出了問題，然后決定如何應對。然而，隨著網絡規模和復雜性的增加，傳統的人工管理方式將難以應對，這時候就需要人工智能的輔助。人工智能在網絡管理中可以用于流量預測。比如，預測北京在周五晚上、特定天氣條件下的交通狀況，或在足球賽等大型活動期間的流量波動。然而，要實現這樣的預測，就需要大量的數據。

目前，我們還未能完全解決這個問題，因為科學界還在研究如何獲得和處理這樣的數據。許多數據并非現成可用的。例如，出租車公司使用大量數據來優化調度，如果隨便提供數據，可能會出現誤導結果，甚至存在安全隱患。對于工業數據，目前不能隨便使用，因為它必須是干凈的、領域特定的數據。這涉及數據清洗，即人或系統會篩選數據，將不合適的詞匯標記為“不良詞匯”。但這個過程并不簡單，例如，如果將“kill”這個詞從所有查詢中移除，可能會影響到“how to kill aprocess”（如何終止進程）這樣的無害查詢。因此，人工智能需要具備上下文判斷能力。這些數據清洗、分類和整合的流程還需要進一步開發。總體來看，我們仍然處在探索的起點上。

中國經濟報告：中國的互聯網發展經驗就是在一些特定領域先用起來，從一個行業擴展到很多行業。您覺得人工智能領域和互聯網領域的經驗會是一樣的嗎？

約瑟夫·希發基思：我認為這是不一樣的。如果你想發展特定領域的知識，就需要特定領域的數據。而且，這些數據必須經過嚴格清洗。它比在媒體中獲得的數據要復雜得多。舉個例子，實驗室中的處理過程要求你更加細致。如果你想要一個自動駕駛網絡來驅動車輛，那么你需要定義什么是“行動”，讓系統理解什么是“采取行動”，理解文化的差異，以及在空間和時間中的關系。而今天的系統還無法真正理解空間和時間的概念。

如果我問ChatGPT之類的系統一個問題，比如“我把我的眼鏡放在桌子上，而桌子在我的椅子下方”，系統很難理解這些元素的相對關系。它們只是根據句子中的基本概念來計算最可能的情況，還有很多地方需要改進。不要輕信一些看似簡單的案例，它們只是媒體和新聞中的故事，而不是我的觀點。

中國經濟報告：人工智能的發展離不開數據、算法和硬件。美國限制向中國出口用于人工智能運算的GPU。目前的趨勢是硬件算力的壟斷造成了人工智能行業發展的壟斷。您認為硬件是不是決定人工智能發展的關鍵因素呢？

約瑟夫·希發基思：過去三年中，我們認為只要有足夠的文章和研究，系統就可以生成符號性知識。然而，今天的GPT模型依然存在一些問題：它們并不理解用戶的真實意圖，無法進行精確計算，也不會考慮開發這些能力的志愿性。因此，有些人認為只要增加模型參數規模就能實現這些功能，但這需要巨大的計算能力，并需要用于特定的人工智能任務。

當然，這是一種“蠻力”方法。我們也可以采用更智能、更具創新的方式，以更少的參數實現效果，比如使用小型語言模型。當前的主流趨勢是“規模至上”，但我認為這并非最佳路徑。一些公司正在推進這種方向，通過形成算力壟斷來排除大部分潛在的競爭者。如果現在想要加入這場人工智能模型的競爭，可能需要幾千萬到上億美元的資金，這會導致在全球范圍內，只有少數公司能夠真正參與。我認為更合理的方法是將模型與內存元素結合在一起，這是未來的發展方向。不過在當前技術條件下，這一領域的技術仍然不足。我不認為我們應該追求巨型模型，因為這需要極高的成本。

中國如何在全球AI發展與監管中尋求優勢

中國經濟報告：那么您認為中美未來在人工智能的發展和監管方面，還有哪些領域和議題是可以合作的？

約瑟夫·希發基思：首先我認為國家之間現在展開合作是件好事。但合作是雙方之間的協議問題，如果你想合作，而對方不愿意，那合作就不會實現。我認為當前美國的立場是反對合作的，其認為中國是這場人工智能競賽中唯一的嚴肅競爭對手，他們不希望給中國發展的機會。大家都知道美國采取了各種限制措施，涉及計算機技術等各個方面。

中國經濟報告：您提到了中國可以在自主人工智能一些垂直領域開展跟其他國家的監管合作。您認為中國應該重點推進跟哪些國家的監管合作？具體合作中應該聚焦于哪些議題？

約瑟夫·希發基思：這取決于應用領域。比如，我認為中國在電信和汽車行業的實力已經很強。中國在電信領域處于非常有利的地位。雖然西方國家禁用中國設備，存在一些推廣障礙，但其中牽涉很多國際因素。此外，中國在全球汽車行業也具有領先地位，尤其是在自動駕駛汽車的競賽中，中國企業表現非常出色。

在能源管理、智慧城市等領域，中國也很強大。目前，國際合作仍面臨許多障礙，當年全球化浪潮剛開始時人們相信各國會通力合作，但如今全球競爭激烈，曾經的全球化合作愿景似乎成了一個笑話。所以，現在我不認為國際合作很有前景，然而中國應當提出一套關于人工智能的愿景，特別是在聯合國有關會議上提出關于人工智能的規范和爭議處理方面的愿景。

中國經濟報告：您認為中國在人工智能領域發展有哪些優勢和不足？

約瑟夫·希發基思：中國擁有強大的工業基礎，當前工業領域需要建設越來越智能化的產品和服務。相比其他國家，中國在實現工業人工智能方面處于更有利的位置。例如，在電信、工業或農業生產系統以及自然資源開發等技術領域中，中國擁有足夠大的市場來提供大量的數據訓練人工智能。通過建立可靠的人工智能科學和技術基礎，使其能夠集成到傳統技術中，從而構建智能系統。

中國在科學、技術和社會進步的道路上展現出強大的政治意愿。這種意愿建立在國家對發展愿景的持續承諾之上，并輔以堅定不移的努力和大量投資；這種投入已見成效，使中國在多個工業領域實現了顯著趕超，如建筑、造船、汽車工業和電信等。中國的策略基于國家間的協作協議，例如“一帶一路”倡議以及最近的“數字絲綢之路”（DS）。這些倡議為國際合作提供了基礎，能夠共同發展有關人工智能風險控制的監管框架，同時促進數據收集和標準化。

目前，國際上大科技公司主導的意識形態限制了中國對人工智能發展路徑的想象，導致在人工智能發展中存在一種模仿和追隨的傾向，缺乏批判性思維。除自動駕駛汽車外，中國的大部分學術研究集中在大型語言模型（LLMs）和對話式人工智能領域，而這些領域也正是美國流行的方向。由于多個因素的影響，產學研結合不夠緊密，顛覆性創新體系效率仍有提升空間。此外，中國工業依賴國外開發的芯片設計工具、仿真軟件和其他核心技術資源。這些依賴性在國際政策限制下帶來了戰略和操作上的風險。

中國經濟報告：結合中國實際情況，中國應該如何發展人工智能？

約瑟夫·希發基思：首先，中國應在全球技術規則和標準制定上積極發聲，尤其是在人工智能、科技監管等新興領域發揮主導作用。這不僅能提升中國在全球的科技影響力，還將確保中國在未來的科技發展中獲得更大自主權。

其次，與美國相比，中國在工業人工智能方面具備強大的優勢，尤其是在大規模生產和流程自動化方面。中國擁有強大的工業基礎和政府支持，為中國在人工智能領域建立競爭力提供了良好的基礎和有力的支撐。通過整合這些資源，中國可以打造一個兼具學術、產業和政府優勢的生態系統。建議中國將人工智能研發集中在特定行業，例如電信、自動駕駛和制造業。專注于細分領域的應用可以獲得直接、顯著的收益，而不是追求資源密集的通用型人工智能——其目前由美國的科技巨頭主導。例如電信業：開發用于網絡優化、數據管理和客戶服務的人工智能應用，可以讓中國充分利用其廣泛的電信網絡，并為未來的人工智能部署夯實國家基礎設施。在汽車行業，人工智能可以應用于智能制造、質量控制和自動駕駛，使中國的汽車產業憑借本地創新取得競爭優勢。

此外，可以關注支持工業自動化的人工智能應用，例如用于制造過程中的缺陷檢測等，這對于汽車和電子等行業尤為重要。開發本土人工智能解決方案將減少對美國工具的依賴，并讓中國的供應鏈更加穩固。數字孿生技術通過提供虛擬模型，用于測試和優化，能夠提高從城市規劃到制造業等行業的效率。例如，智能城市的數字孿生可以幫助監測能源使用、交通模式和其他城市系統。建議中國在數字孿生（物理系統的虛擬副本）、智能網絡和增強現實等新興技術上投資。這種投資可以確保中國的基礎設施有效支持下一代人工智能應用。