關注|麥肯錫報告：中國人工智慧的未來之路！

在剛剛過去的IT領袖峰會上

BAT大佬圍繞人工智慧展開了高端對話。

李彥宏提出：

「互聯網是一道開胃菜，

隨著人口紅利的快速消失，急需尋找新的增長引擎。基於人工智慧的自動化可以提升生產力，幫助實現其經濟發展目標。人工智慧領域的全球風投從2012 年的5.89億美元猛增至2016年的50多億美元。

麥肯錫近日發布的

人工智慧的未來之路報告書，

梳理了人工智慧技術發展歷程，

並分析了該技術對於社會發展

可能起到的作用，

預測相關產業及經濟政策框架。

以下乾貨整理自麥肯錫報告

拐點來臨

2016年3月，AlphaGo 戰勝人類世界圍棋冠軍李世石，「人工智慧」這個曾經只存在於科幻小說的概念一夜間從虛無縹緲的幻想變成現實。

人類編寫的傳統軟體程序，包含具體的指令要求；而人工智慧的工作模式則完全不同。人工智慧依據通用的學習策略，可以讀取海量的「大數據」，並從中發現規律、聯繫和洞見。因此其能夠根據新數據自動調整，而無需重設程序。

（人工智慧不同技術領域的商業化程度）

事實上， 20 世紀五六十年代，人工智慧的理論就已經初步形成，但由於技術未能實現突破性進展，人工智慧無法達成預期效果，因此陷入了一段沉寂期。

往後數十年間雖然不乏成功案例（如 IBM 的超級計算機「深藍」擊敗國際象棋冠軍加里·卡斯帕羅夫），但因為人工智慧在現實世界的成功案例太過孤立，所以不足以支撐大規模商業化的需求。

現在，我們正處於人工智慧復興浪潮，數據收集及整理、演算法（尤其是機器學習）以及高性能計算等技術的突飛猛進促成了革命性進步。

利用機器學習，人工智慧系統獲得了歸納推理和決策能力，並實現了某些商業化落地，可以擔當客服、管理物流、監控工廠機械、優化能源使用以及分析醫學資料；而深度學習更將這一能力推向了更高的層次。

變革不僅發生在理論前沿。被視為未來超級智能系統的先鋒——各類應用機器學習技術的分析工具已現身市場。

金融、醫療、製造等行業應用發展迅速，人工智慧領域的全球風投也從2012年的5.89億美元猛增至2016年的50多億美元。

麥肯錫預計，至2025 年人工智慧應用市場總值將達到1270億美元。

在醫療領域，人工智慧將極大提升我們分析人類基因組和為患者開發個性化治療方案的能力，甚至大大加快治癒癌症、阿茲海默症和其他疾病的進程。

在環保領域，人工智慧能夠分析氣候特徵並大規模降低能耗，幫助人類更好地監控和應對氣候變化問題。人工智慧甚至可以在地球以外地區發揮作用，他日或助力人類探索火星及外太空。

麥肯錫全球研究院近期的一份報告對全球800多種職業所涵蓋的2000多項工作內容進行分析后發現，全球約50%的工作內容可以通過改進現有技術實現自動化。

當然，技術可行性只是影響自動化速度及程度的一個因素，還有其他因素需要考慮，包括研發和應用成本、勞動力市場供需、經濟效益，以及社會和政府監管部門的接受度。

綜合上述因素，麥肯錫全球研究院的這份自動化研究報告指出，在現今所有工作內容之中，過半會在2055年左右自動化，但這過程存在諸多變數，誤差在20年左右。

已成全球AI發展中心之一

學術方面，僅在2015 年，中美兩國在學術期刊上發表的相關論文合計近1萬份，而英國、印度、德國和日本發表的學術研究文章總和也只相當於其一半。

其中，的人工智慧發展多由科技企業推動引領，如自動化私人助理、自動駕駛汽車等。這得益於大量的搜索數據和豐富的產品線，一些互聯網企業走在了自然語言處理、圖像和語音識別等技術前沿。

但值得注意的是，雖然在人工智慧的論文數量方面超過了美國，但學者的研究影響力尚不及美國或英國同行。

人工智慧生態系統方面，美國也更為完善和活躍，創業公司數量遠超。由研究機構、大學及私營企業共同組成的生態系統龐大、創新且多元。矽谷在科技領域日積月累的強勁實力形成了強大而難以複製的優勢。

攔在AI路上的三座大山

◆ 數據環境有待放開

首先，儘管的科技巨頭能夠通過其專有平台獲得海量數據，但在創建一個標準統一、跨平台分享的數據友好型生態系統方面，仍落後於美國。

其次，全球各國都已意識到開放政府資料庫有助於促進私營領域創新，但政府數據的開放度仍極為有限。

最後，對跨境數據流通的限制也使得在全球合作中處於不利地位。

◆ 人才市場相對緊張

應用層面而言，的演算法發展程度與其他國家並無太大差距。

然而，的研究人員在基礎演算法研發領域仍遠遠落後於英美同行。一個主要原因就是人才短缺。

美國半數以上的數據科學家擁有10年以上的工作經驗，而在，超過 40%的數據科學家工作經驗尚不足5年。在人才方面的持續努力將至關重要。

目前，只有不到 30 所大學的研究實驗室專註於人工智慧，輸出人才的數量遠遠無法滿足人工智慧企業的用人需求。

此外，的人工智慧科學家大多集中於計算機視覺和語音識別等領域，造成其他領域的人才相對匱乏。

如果大學對學生提出更高的數學和統計學要求，並且集中資源發展該領域全球前沿研究，人工智慧的發展必將受益匪淺。

另一個值得思考的方向是改進現有的科研經費分配模式來推進創新。

◆ 硬體短板稍顯補齊

高運算速度的計算技術是發展尖端人工智慧技術的重中之重；特種處理器，如可以處理大量複雜計算的 GPU，對人工智慧的發展格外重要。

而其耗能長期以來，的微晶片嚴重依賴進口，部分類型的高端半導體則幾乎完全依靠進口水平則決定著人工智慧解決方案能否實現大規模商業化。

2015 年，美國政府禁止了英特爾、英偉達和 AMD這三家全球最大的晶元供應商向機構出售高端超級電腦晶元。這一禁令迫使在半導體方面加快提升自主研發能力，從而助力其在未來人工智慧領域的發展。

為應對這一局面，政府在 2014 年出台了《國家集成電路產業發展推進綱要》以及「製造 2025」行動綱領。

政府還成立了國家集成電路產業投資基金，目前募資已超過 200 億美元。相關行動已初見成效：2016 年 6 月神威·太湖之光超級計算機問世，成為世界上運算速度最快的超級計算機，使用的是自主知識產權的處理器。政府的前期投資可以產生顯著的漣漪效應，鼓勵私營企業的積极參与。

複雜的社會及經濟問題

◆ 勞動力市場需求與衝擊

在過去數十年，因「人口紅利」受益良多，勞動力的擴張大大促進了經濟增長。但老齡化正使逐漸失去這一推動力。的勞動年齡人口最早將在2024 年達到峰值，並在之後的 50 年中減少五分之一。

這一人口結構變化趨勢意味著在當前生產力水平的基礎上，將缺乏足夠的勞動力以維持其經濟增長。拉動經濟增長唯一可行的方式就是大幅推動生產力增長，如引進人工智慧。

麥肯錫全球研究院預測，根據應用速度的不同，基於人工智慧的自動化為帶來的生產力提升每年可貢獻0.8至1.4個百分點的經濟增長。

人工智慧有大幅提升生產力增長的潛力，但代價可能是收入差距的進一步拉大，包括城市發展不平衡的加劇。

總而言之，人工智慧將推動形成所謂的「技能偏好型科技變革」——即數字技能將特別受到重視，而對中低端技能勞動力的需求將縮小。

目前從事可自動化工作的勞動力人口超過其他國家。麥肯錫全球研究院預測 51%的工作內容有自動化潛力，這將對相當於 3.94 億全職人力工時的衝擊。

但這並不意味著如今的高端工種能夠完全免受衝擊。比如，醫生之類專業人士的部分工作也可能被自動化，而醫生的工作內容將會更專註於與人的溝通和互動。

人工智慧發展前景廣闊，可用於改善醫療、環境、安全和教育，提升民生福祉。

與此同時，由於它模糊了物理現實、數字和個人的界限，衍生出了複雜的倫理、法律及安全問題。隨著人工智慧的逐漸普及，需要審慎管理來應對這一轉變。

許多現有用例展現出了人工智慧解決社會問題的潛力，如環境變化預測、節能減排、智能醫療、數字化醫療檔案、更為安全高效的交通系統、智慧城市、自動駕駛等。

然而，除了這些潛力外，管理具備自主學習和決策能力的機器也是一份重艱巨的責任。

首先：誰擁有個人數據？數據應以何種方式共享？面對日趨嚴峻的網路安全攻擊又該如何保護數據？

其次，人工智慧可能在決策過程中產生無意識的歧視。由於現實世界存在著各種形式的種族歧視、性別歧視和偏見，輸入演算法中的數據也可能附帶這些特徵。而當機器學習演算法學習了這些帶有偏見的訓練數據，也就「繼承」了偏見。

此外還有很多地緣政治的影響，如國家間的「數字鴻溝」，「自動化武器」風險等。

除倫理問題之外，人工智慧在社會的普及更會產生諸多法律層面的影響。

如果人工智慧的決策導致意外甚至犯罪，誰應當對其負責？人工智慧創作的知識產權歸誰所有？一旦人工智慧擁有超級能力，又該用哪些措施進行監管？人工智慧研發人員有哪些法律權利與義務？

AI戰略重點的五大預測

◆ 建立完善的數據生態系統

◆ 建立完善的數據生態系統

數據是未來的貨幣。例如在醫學研究中，如果沒有全球海量臨床數據的支持，人工智慧的潛力就無法得到充分挖掘。

過多的桎梏將會束縛的人工智慧企業，導致其喪失開發具有全球競爭力產品的能力。

可以通過建立並落實數據規範、向私營領域開放公共數據、鼓勵跨國數據交流來構建一個更為完善的數據生態系統。

首先，建立數據標準是進行廣泛數據分享和實現系統間交互操作的重要前提條件，有助於提升物聯網及人工智慧技術的價值。

潛在的龐大數據體量是的天然優勢，使有機會在國際上更好地發揮領頭羊的作用。而且，在與中文語言相關的數據規範制定方面，也應起到主導作用。

對於特定行業數據，政府可要求現有的監管機構制定必要規則。比如美國證券交易委員會在 2009 年出台規定，要求所有上市公司使用 XBRL（可擴展商業報告語言）格式發布財報，確保所有公開數據的機器可讀性。

其次，為了提升數據的多樣性，政府應提高公共數據的開放程度，並帶頭建設行業資料庫。這些舉措同時能夠提升公共服務質量、提供政策制定洞見，從而帶來額外益處。

比如紐約市政府就建立了公開數據門戶網站，為市民提供經濟發展、醫療、休閑、公共服務等領域的數據。2012 年紐約市還頒布了《開放數據法案》，要求政府部門使用機器可讀取的數據並建立 API（應用程序編程介面），方便軟體研發人員直接連接政府系統並獲取數據。

最後，政府還需考慮國際數據流的價值。麥肯錫全球研究院的調查表明，2014 年，跨境數據流為全球經濟創造了 2.8 萬億美元的價值，對經濟增長的貢獻已經超過實體貿易。

此外，研究還指出，由於經濟體需要接觸全球的思想、研究、科技、人才和最佳實踐案例，數據流入和流出都能十分重要。

◆ 拓寬人工智慧在傳統行業的應用

第一重障礙是很多商業領袖還沒有意識到改變現有業務運作方式的緊迫性。

麥肯錫調查顯示，目前在的傳統行業中，超過 40%的公司仍未將人工智慧列入戰略優先項。因此，許多公司仍未開始採集未來人工智慧系統所需要的數據。

例如，農業公司鮮少記錄如種植時間表或是氣候對產出的影響，而這些信息正是人工智慧生成洞見及提升效益所需要的。

與此形成對比的是，英國、美國和日本都已建立了全國信息系統採集此類數據，將先進的分析技術引入現代農業管理。

第二重障礙是專業技術知識的缺失。

需要培養更多的優秀數據科學家，特別是在一些需求緊迫的領域。而能將人工智慧知識轉化為商業應用創造價值的人才也同樣緊缺。

為了理解和應用數據，越來越多的企業決策者和中層管理者需要學習新技能。與英特爾類似，一家晶元製造商已經意識到，分析在製造和測試過程中的大量數據將有助於改進生產流程並降低殘次率。

由於缺乏既懂半導體技術，又懂人工智慧的人才，這一想法仍然沒能被付諸實施。

第三重障礙是實施成本較高。

對企業而言，購買人工智慧系統、高價聘用專業人才有時並不合算。當人工成本較低時，引入先進技術、精簡人工流程的需求也並不那麼迫切。

減稅和補助等傳統經濟工具可以解決一些問題。同時，政府還應率先垂範應用人工智慧系統。這將產生強有力的跟隨效應，激活市場，助力服務供應商的發展，積累技術經驗和人才，最終達到降低應用成本的目的。

此外，鼓勵物聯網（簡稱「IoT」）在傳統行業的應用將有助於人工智慧產生更多的價值。

物聯網通過感測器和網路實現各類設備間的聯通，為人工智慧提供了海量的真實世界數據。結合「互聯網+」政策，政府可協助打造物聯網在關鍵經濟領域應用的成功案例，為其他行業樹立典範。

◆ 加強人工智慧專業人才儲備

面臨著巨大的人工智慧人才缺口。政府需要大力投資人工智慧相關教育和研究項目；重新設計教育體系，突出創新和數字技術的重要性；制定吸引全球頂尖人才的移民政策。

政府可出資設立人工智慧項目，資助頂尖大學創建人工智慧研究實驗室和創新中心，以推進大學、科研機構和私營企業間的合作。

在這方面，韓國政府已經邁出堅實的一步，投資 1 萬億韓元（約合 8.63 億美元）與韓國商業巨頭合資建立國家級的公私合營人工智慧研究中心。

加拿大政府也有類似舉措：政府向蒙特利爾三所大學的人工智慧研究項目投資超過 2 億美元。

許多受訪專家表示，必須花大力氣培養更為廣泛的創新文化，方可實現人工智慧領域的突破。途徑之一就是引入將人工智慧和其他學科相結合的大學課程。

斯坦福和麻省理工等頂尖美國高等院校已經開設了計算機科學與人文學科的聯合專業，旨在尋求激發創造力的新方法。此類課程能夠激發人工智慧在醫療、法律、金融和媒體等各領域的應用。

投資大學項目可帶來長期收益，因為人才是未來吸引國際公司的核心所在，而非傳統的稅收或其他財務優惠。人工智慧的大型研發團隊對吸引學術人才愈發重視。

谷歌 DeepMind 團隊中有大約三分之二的成員來自如倫敦大學學院、牛津大學和蒙特利爾大學等學術機構。這一領域頂尖公司自然而然會向擁有大量人工智慧人才的城市匯聚。

例如，隨著蒙特利爾在該領域的聲名鵲起，谷歌和微軟都宣布了將向當地大學人工智慧研究所投資並拓寬公司在當地的業務。

除了培養國內人才，也需要與全球頂尖數據科學家合作，參與到國際協作之中，包括大力引進國際專家來華工作、鼓勵人工智慧研究者出國學習全球最新的創新科技。這些要求政府放鬆居住和移民政策，並出台獎勵和支持措施。

◆ 教育和培訓體系升級與再培訓

人工智慧在經濟和社會中的普遍應用還需要數十年，但現在就應為一些行業的快速顛覆做好準備。某種關鍵技術的突破短短几年就可以讓一些職業消失。

未來的一項長久挑戰是幫助受到人工智慧衝擊的行業勞動力重新適應並獲得新技能，這將是保障公共福利和維護社會穩定的關鍵。

政府要及時識別哪些是最可能被自動化取代的工作，並為受到影響的勞動力提供再培訓，比如與職業培訓學校緊密合作，向工人提供免費教育的機會。

與此同時，政府也應著力加強數據和人工智慧在各個階層的教育。

未來的政府領導必須理解人工智慧才能制定明智的政策，未來的管理人員必須了解人工智慧才能管理企業；未來的工人必須學會與人工智慧共事才能避免被淘汰。

◆ 在國內及國際上建立倫理和法律共識

人工智慧的進步將在多個方面為社會帶來深遠的影響。在最為緊迫的倫理和法律問題上，不僅要在本國，更要在國際上促成共識。

在國內，應形成一套透明和廣泛的質詢程序來確保公眾做好迎接變革的準備。

一些法律問題，比如隱私保護和自動駕駛汽車的責任認定等，將對人工智慧的發展及應用有著舉足輕重的影響。全國人大需要建立起法律框架，掃清法律上的不確定性。

待法律框架建立之後，政府就要成立監管機構負責人工智慧的監督和管理。考慮到人工智慧在各行各業的廣泛應用，這就要求政府與各相關機構協商諮詢、發揮其專長。

比如，醫療領域的應用不當將造成嚴重後果。因此，國家衛生和計劃生育委員會必須在規則制定過程中擁有強有力的話語權。

在國際方面，可以牽頭組建國際性的監管機構以促進人工智慧技術的和平、全面和可持續發展。該國際機構的目標應是監管人工智慧的發展、制定標準和確定倫理準則。

除了監管，還可以在全球經濟發展中起到模範作用。為保證全球數字鴻溝不會成為經濟繁榮的長期阻礙，可與其他發展家分享和交流人工智慧技術及管理經驗，從而揭開「人工智慧一帶一路」新篇章。

我們的人口結構、產業結構和生產力發展現狀決定了人工智慧的應用發展大勢，但如上文所述，數據環境、人才緊缺和智能硬體，特別是微晶片、CPU等產業的不成熟，可以說是人工智慧發展面臨的最大難題，很難在短期完善地解決。

此外，技術方面，論文數量並不能彌補論文質量的不足，在很多基礎層的關鍵領域有待提高，這對於大數據紅利之後的后深度學習時代而言非常重要。