近日，在长江商学院创创社区举办的年度大课上，长江商学院教授、中国首届经济学奖获得者许成钢教授发表了《从数字化到人工智能-新产业革命时代的商业模式》主题演讲。亿欧作为特邀媒体参加了本次课程，并将演讲内容进行整理。
以人工智能为核心的技术，已经成为正在兴起的新产业革命的基础。面对这样的重大机遇与挑战，企业家和创业者如何做好准备，将挑战变为机遇，许成钢教授以经济学家的视角为大家进行了解答分析。
18-19世纪中期，第一次工业革命以“机械自动化”为核心；19-20世纪初，第二次工业革命由机械化转为自动化；20世纪50年代-21世纪初一直处于第三次工业革命，由自动化过渡到数字化；如今，我们正在处于第四次工业革命时期，人工智能正是正在兴起的产业革命的核心。
正在兴起的第四次工业革命始于美国，在本次工业革命期间，有三项技术将会起到至关重要的作用：以计算机科学及网络为基础发展的人工智能、以量子物理学为基础发展的量子计算和量子计算机、以人类基因组为基础发展的生物医药和个人化医药。
人工智能将会影响经济、研究、社会等各个领域，但现在应用的人工智能还是基于90年代所提出来的基础理论，在算法方面依旧处于初期，仍有待发明、突破；在算力方面，理论证明量子计算的算力将是现在的成万亿倍。量子计算机虽然会对人工智能、安全密码、制药、新材料等领域有一些基本的改变，但是制造和执行的方法有待发明。不仅如此，绝大多数领域利用模拟量子计算机的算法仍有待发明。
人工智能的地位已经逐渐上升为国家战略，我国和世界各国都纷纷制定了人工智能发展战略和行动方案。2017年7月8日，国务院发布了《人工智能发展规划的通知》。2018年10月31日，习近平总书记在政治局第九次集体学习中发表了《推动我国人工智能健康发展》的讲话，并且在该讲话指出：“人工智能是引领这一轮科技革命的战略性技术，是我们赢得全球科技竞争主动权的重要战略转手，是重要的战略资源。”2019年李克强总理在做政府工作报告中提出了“智能+”的新命题：2019年要打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。
在美国，2019年2月11日特朗普签署了《美国人工智能倡议》，并在行政令中表示将调动联邦资金和资源用于人工智能，以确保美国的领先地位。在俄罗斯，普京2017年就曾表示：“人工智能不仅仅对于俄罗斯是未来，也是全人类的未来。成为这一领域的领先者，将称霸世界。”目前，至少有中、美、俄、加、韩、欧盟等18个国家制定了AI发展战略和行动方案。
国务院2017年发布的《人工智能发展规划》的规划最为清晰。国务院2017《人工智能规划》提到：人工智能作为新一轮产业资源变革的核心驱动力；我国人工智能整体发展水平与发达国家比存在着缺少重大原创成果，在基础理论、核心算法、关键设备、高端等方面差距大、人工智能尖端人才远远不能满足需求的差距。为此，国务院2017《人工智能发展规划》制定了三步战略目标：
2020年，人工智能总体技术和应用与世界先进水平同步，核心产业规模超过1500亿元，相关产业规模超过1万亿元；2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，核心产业规模超过4000亿元，相关产业规模超过5万亿元。2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，为跻身经济强国奠定重要基础，核心产业规模超过1万亿元，相关产业规模超过10万亿元。
技术创新的基本问题是激励机制问题。以好奇为目的的科学探索是突破性发展的原始动力；应用性和跟随性研究工作通常辅以更多名利的激励，例如奖项、著名学府、著名学者、顶尖杂志等；以实用为目的的创新靠商业利益推动，如瓦特、爱迪生、特斯拉、车可尼、乔布斯等企业家。革命性创新所依赖的不可或缺的制度包括法治、产权（知识产权和金融）和自治的大学。
制度决定谁拥有资源、谁决定资源配置，科学技术的重大突破基本都不来自计划，想法产生于无数自由探索，任何结果都源于优胜劣汰的竞争；计划只对已知的目标有效，但革命性的突破往往是无法预知的。”
在知识产权方面，对发明的保护注定会形成一段时间的垄断权，技术垄断、行业标准的话语权等是知识产权的衍生物；市场的优胜劣汰机制可以帮助筛选大量个人发明；保护民间投资更是可以保护个人发明。以法治为基础，通过市场和竞争，在整体上解决创新各个环节，实现金融市场、知识产权市场、产品市场、人力市场中的“优胜劣汰”，才能让技术进步持续，为社会带来福利。
人工智能从理论进入实用场景的三个基本条件是：算法、计算能力、大数据。目前人们谈到的人工智能，绝大部分指的是机器学习，更具体的是深度学习。人工神经网络的概念提出来的时间比人工智能还早，但是它真正开始使用是在80年代，到90年代，进一步提出深度学习的算法，就形成了现在的理论基础。
90年代的计算能力是远远不够的，可在过去差不多60年的时间里，每隔18个月左右，计算能力就翻一番，一直到现在。现在每个人手里拿的手机，实际上就是不久以前的超级计算机。但是，这里有很重要的两点。一方面，人工智能的算法仍然在快速发展之中，并不是说从此以后所有的人工智能就是现在我们知道的深度学习，就一定都是人工神经网络。另一方面，集成电路的计算能力已经逐渐到达天花板，为什么呢？问题不在工程，而在物理。物理上有一个分支叫量子力学，它讲的是基本粒子相互之间的关系，现在集成度高的程度已经到了每一个集成电路里做的晶体管大小已经接近原子尺寸。当它接近原子尺寸之后，量子力学一系列的规律就来了，无论技术上怎么优化，都无法达到稳定。
因此，就需要思考别的出路。Google的TensorFlow是个面向公众的机器学习的开源平台，在TensorFlow的基础上做的TPU（TensorFlow Processing Unit），是专门设计出来运算人工智能的特殊芯片。虽然整体集成度上不去了，但通过做专门的芯片来解决计算问题，也是一个思路。
然而，真正的革命性变化不是芯片、不是半导体，而是量子计算。现在，我们要弄清楚量子计算究竟是什么。
革命性变化的产生都来源于好奇，量子计算也不例外。1981年，费曼在研究量子力学的过程中，有一个需要的模型解不出来。他估算了一下，这个计算量大到要用当时存在的超级计算机算好几百年，甚至一千年。所以他就开始思考怎么解决这个物理学问题。
在计算机历史上，最早都是两个计算方案并行的，一个是模拟计算机，一个是数字计算机。所谓的模拟计算机，就是用物理的过程来模拟数学的过程。所谓的计算就是一个量子物理的过程，而量子物理的过程是人造的实验装置，装置里面有好多参数可以调，相当于你要解一个方程，方程里面的参数，你可以带进去，把结果测出来，再转换成数字信号，就得到了最终结果。
其次，我们要了解，量子计算究竟有多快。目前1GHz运算速度的64位量子计算机（现在的计算机CPU），其数据处理速度是[太湖之光]超级计算机（每秒9.3亿亿次）的1500亿倍。太湖之光破解1024比特的RSA密钥需要500万年，量子计算机可在160天破解。
当然，这些都是人们预想的。当前量子计算的水平还处在非常初级的婴儿阶段，如果在10年内，量子计算机有了突破，那么超级计算机就没有价值了。如果我们的预料准确，那么15年以后，所有花在超级计算机上钱都没用了。
关于人工智能的研究与应用，美国在基础科学领域做得远远比中国好，中国则更多的是在应用层。为了理解中国的情况，我们把美国作为前沿的基准进行对比，目的不是为了对比国力，而是通过基准对比，知道中国所处的位置。
首先，中美人工智能论文年度发表量对比。从期刊上发表论文的总数来看，在2008年之前，中国一直落后于美国，2008年左右，中国期刊论文发表总数超过了美国，但是到了2013年之后又被美国超了。但总体来看，总发表量呈现差距缩小的趋势。
许成钢教授提供
其中，人工智能学术会议论文更有深挖的价值。人工智能是一个发展极快的领域，而且是很偏工程的。因此，近些年来一个重要的趋势是，很多一流的学者的论文，往往是在会议上发布的。而且参加会议有个基本条件：你要写一篇论文送到会议上进行同行评审，同行认为你的论文达到了会议标准，才可以参加会议。
再看人工智能领域的人才从业年限和领域分布。按照LinkedIn的统计，中国专家的总数是5万多人，而美国专家的总数是83万多人，差距很大。数据差距悬殊的一部分原因是LinkedIn可能并没有将中国专家及时收到数据库中。即便如此，我们依旧要承认双方存在着差距。通过表格可以看到，工作10年及以上的资深人工智能专家，在中国的全体专家中占了38.7%，而美国资深专家的占比为71.5%，可以看到两边的差距非常大。
许成钢教授提供
在人才领域分布方面，做基本算法研究的人才，在美国占56.5%，在中国只占45.6%。同时我们还应注意到，中国的基数小，他们的基数大，所以人才数量方面我们的差距很大。还有一个重要的领域是硬件即芯片，按比例算，中国从事芯片领域的人才比例占15.1%，在美国做芯片的比例占7.2%，看起来中国投进去的比例大很多，但因为两边基数不同，实际上美国投进去的总人力比中国大很多。
最后，比较中美AI领域的企业情况。按创业公司的数量算，中国有很长的时间积累，并且每年的融资数字都很大。但是，根据腾讯研究院的数据，中国人工智能初创企业存在一定的泡沫，所以项目就会变得很贵；但在美国是反过来的，美国更偏重基础研究，学术上有很大进展，因此想法很多，能吸引更多的投资者。
此外，从中美人工智能创业公司的规模来看，在人工智能的九大领域，美国只有在芯片领域是大公司多，其余领域以小公司居多。美国芯片公司规模比中国大，主要原因是中国的芯片公司只设计，不制造。总体来看，中国企业多为中等规模，美国则是大公司和小公司居多。
人工智能正在以革命性的速度和广度发展，并且已经深度影响了多个行业。目前，中国在深度学习方面的规模与美国相似，并且在一些应用领域处于全球领先地位，但中国在人工智能的基本算法、芯片、传感器、量子计算等方面落后于多数发达国家。尤其是量子计算作为全新的人工智能算法的基础，将会突破人工智能技术壁垒，为更为广泛的应用打开新大门。
以上内容根据许成钢教授在长江创创社区年度大课上的分享内容整理，有删减。