大家好，我是李开复。
首先做个测试，大家能猜出来这是什么吗？
这个仪器被制造于2008年，当时还没有手机和移动互联网。
当时，我刚做完手术，医生嘱咐要在床上躺一周，不能起来。这种情况下，大部分人可能每天躺着睡觉、休息、吃药、吃饭、跟家人说话，但我更想工作。所以，我想出了一个很独特的方法，把电脑挂起来，这样，我就能把键盘放在肚子上工作了。那一周的康复我过的非常充实，没有少掉一秒钟的工作时间。
我想，在座的都是成功人士，对工作也非常执着和投入，是能理解我这种状态的。除了这个案例之外，我还做过一件让自己非常惭愧的事。
在我大女儿出生那天，我要去给当时苹果的CEO，John Sculley，做一场关于人工智能、语音识别的报告。报告在下午1点钟，而我女儿到10点半还没有生出来，也没有要出来的迹象。当时我心中就在打鼓：如果她不出来，我怎么办？我是继续陪伴我太太等到女儿出来呢，还是去做公司的报告呢？我的同事不断打电话催我：“开复，只有你讲话，语音识别程序比较识别的出来，你得来做报告。”我说：“可以，不用担心，我一定会到。”
其实，那时我心中已经做出了决定——如果到11点半，女儿还没有出来，我就不等了。非常幸运的是，我女儿很配合，11点钟就出来了。于是，我们赶快拍了这张一家三口的合影，我就回公司做报告去了。
报告结果非常好，语音识别被CEO认可，随后我在TED舞台上做了演讲、华尔街日报的一位首席记者也写了一篇文章、苹果的股票也因此大涨了两三块钱。
那时，一方面，我非常歉疚，觉得有这样的念头就是不对的，没有真的将家人放在心中最重要的位置，而让工作狂心态占有了一切；但另一方面，我当时真的认为自己在人工智能方面做出了巨大突破，而这个突破是可能改变世界的。
人工智能的发展
人工智能的发展经历了三段时间，而当时的我们正处在统计主义这段时间。
第一段：符号主义，也叫做专家系统。
就是说我们去思考“如果这样，就那样”。一个让专家把所有做决策的方法全部写出来、输入电脑、使电脑按照专家的编程运行的系统。但这个系统并没有成功。
第二段：统计主义。
刚才讲的我当时在苹果做的人工智能、就是用统计的方法。当时，我们认为，用大量的数据去训练模型，来做语音、视觉等工作，是可以成功的。然而，虽然我们希望能够做出伟大的发明，我们也登上了华尔街日报，但在1993年，统计主义驱动的语音识别技术还是没有成为主流。
今天，深度学习和大数据技术出来之后，我们知道语音识别是可以更好的工作的。对此我非常郁闷。因为我们当时的算法与今天的其实没有差那么多，区别只是，海量的数据和算力将我们的算法大大增强，结果就是将识别的准确率从当时的70%、80%提升到现在的98%、99%。
所以，一方面，作为AI工作者，我还是有点郁闷的；另一方面，能够在创新工场投资AI，也是一种幸运。
深度学习
那么，深度学习到底是什么呢？
简单来说，深度学习就像EXCEL，把大量的数据输进去，按一个钮，结果就出来了。就像每天把公司员工的薪水、产品的销售等数据输入进去，按一个钮，这个季的季报、EPS就出来了，就像是魔术。
但是，深度识别跟EXCEL不同的是，它并不需要人去写一个个公式——只需要把大量的围棋棋谱给它看，它就会下围棋了；只需要把大量贷款人的还钱信息或坏账信息给它看，它就会贷款了；只需要把大量人的美图结果给它看，它就知道如何把人弄得更美了；只需要把大量人在淘宝买的东西给它看，它就知道新客户有多大的概率买每一种货品。它就是这么奇特的一个黑盒子。
当然，这个黑盒子并不是人人可以拥有的——但如果你有几个会调节黑盒子的人，还有一个拥有海量数据的领域，那就很厉害了。
比如，科大讯飞把特朗普总统过去做的所有演讲都输入深度学习，竟然得到了特朗普用中文说“人工智能正在改变世界”的语音片段。所以，人工智能网络不但可以做预测、分类、决定、决策，还可以做生成，有非常广的使用度。
大家可能觉得，这些应用都是像科大讯飞这种市值百亿、拥有上千技术员的公司做的，普通人能做吗？
那我们再看两个例子。
这是最近创新工场，带着300个没有人工智能产品经验的中国大学生用三周的时间写的歌。小朋友喜欢写歌，普通的歌词他们不爱听，我们的 00后都喜欢听嘻哈音乐，最近也有很多嘻哈相关的节目，那我们的AI能写嘻哈吗？
答案是可以，我们把各种嘻哈歌词输进去，给了一个题目叫“创业的路上”，下面请聆听人工智能用深度学习写出来的嘻哈歌曲《创业的路上》。请记得，这是5位没有人工智能经验的小朋友在三周内完成的哟。
听着还行吗？如果想听全首歌的话，可以在创新工场的公号上下载。
另一个队伍也很厉害，他们不到10个人在三周内居然做出了无人驾驶。当然不是大车而是玩具车，但它是在真正的道路、整个北大的校园中行驶，从任何地方开到另外的地方，路上都不会撞到障碍和行人。
还不错吧！所以，深度学习的门槛在下降，它给这个世界带来了巨大的礼物——几个学生居然就可以在几周内调节出来这样的应用。那深度学习和其它人工智能技术，还能用在什么领域呢？
其实能够应用人工智能的领域实在太多了——大概可以覆盖GDP中60%、70%以上的领域，但它的到来的确是有先后顺序的——首先能够创造商业价值的领域一定是，拥有单一、清晰的方向，以及拥有海量数据的领域。因为深度学习算法是需要海量数据训练的。那么，我们来看一下人工智能的发展顺序。
人工智能四波浪潮
第一波，互联网智能化。
首先，什么领域的数据最多？一定是互联网领域。因此第一波AI浪潮一定是互联网的AI化，这也是为什么今天AI的巨头都是互联网巨头的原因——因为他们的数据太多了。
你有没有注意到，5年前淘宝推送的广告还不太靠谱，但今天的广告却越来越准确？ 5年前美图的效果还没有那么美，但今天却越来越令人满意了……
这些是怎么来的？其实是我们这些用户每天给AI引擎贡献的数据训练出来的。我们不仅仅在这些应用上消费，帮他们赚钱，还在免费帮他们做标注数据的小白鼠。什么意思？
事实上，如果只是丢一堆海量的数据给人工智能，它是无法学习的。一定要给它标注过的数据。那么，什么叫标注？
我们在淘宝上买东西，就是一种标注；我贷款还了还是没换，也是一种标注。自拍的美图也有标注——我把照片分享了、储存了，就是对美图结果满意的标注；删除了，就是对结果不满意的标注。深度学习不断学习这些标注的数据，就了解了要怎样把人美的更接近那些被存储和被分享的图，而不是那些被删除的图。
这就是为什么在美国Google、Facebook是最牛的人工智能公司，为什么在中国腾讯、阿里、百度是最牛的人工智能公司，是因为他们有多年数据的累积，用这个数据加上人工的标注，达到更高的收入。
比如，通过人工智能，淘宝向你推送的广告越来越靠谱，你就会购买更多商品，它就能赚更多钱，它的股票就会涨。所以，无论在中国还是美国，AI的第一波应用浪潮一定发生在互联网公司。
第二波，商业智能化。
第二波智能化，一定发生在有着十几年专业数据积累的传统领域。只是，这些公司的数据收集基于完全不同的理由。
比如，银行为了要确保每个用户的资金，必须记录下用户的存款流水，不然以后有什么争议就麻烦了。因此，每个用户每个月的数据银行统统知道，比如你买了什么理财产品，你什么时候贷款买了一辆车，你信用卡消耗了多少钱……这些都是很有价值的数据，可以用来推导出你的身价、你可能会买什么产品，以及你的信用情况等。
所以，当银行需要去优化这些流程时，比如，避免信用卡欺诈、帮用户优化财务投资、精准推送某个产品，AI就有了用武之地。也就是说，第二波浪潮就是在商业的领域里，让AI通过大数据优化公司现有的流程，产生更多的商业价值。
当然，这可以应用在各个领域，在金融方面是最好的，因为金融直接可以挣钱。除此之外，也可以应用在医院的病人数据上，教育可以用在学生的数据上，零售用在每一天销售的数据上，尤其是在线上线下正在打通的今天。比如，为什么阿里要做盒马鲜生，为什么腾讯和创新工场要和永辉合作……都是因为线上线下打通了以后，零售业又是下一个巨大的风口。
除了这些，制造业也可以运转得更精密，还有物流、出行等领域，都可以用大数据来获取更高的价值。
第三波，实体世界智能化。
如果说，第一波、第二波是把已存在的大数据拿来做AI，那么第三波就是把未存在的感知数据收集起来做AI。
什么叫感知数据？简单说就是让AI听和看的数据，比如人脸识别。我们知道，现在到处都有人脸识别，恐怖分子没办法在机场出没了；甚至过街的行人闯红灯，回家可能就收到一份罚单了。这些还只是人脸识别应用的冰山一角。未来，我们可以识别更多的东西，比如无人商店中识别每一个顾客的动作——你拿起一个商品，对它笑一笑或皱一皱眉头，都代表你对商品的认可或不认可，都可以通过人脸识别这些数据，然后去优化公司的销售，比如如何摆商品、如何做销售预测……
甚至，以后商店可能都不需要店员了，我们拿了商品放在篮子里，甚至口袋里，通过人脸识别，就直接从微信扣费了，这是多大的一个帮助啊！
另外，现在我们看到的语音助手，类似小度在家、小爱同学、天猫精灵、亚马逊Echo等。未来，语音助理会记得曾听到过的话，看到过的东西，还能帮我们随时找到。当我们给它下达指令的时候，它会像助理一样一步步去解决。
比如，今天我们叫外卖，需要点开美团，选择食物、输入地址、打钱等，下一次，你对AI说，我还想吃那个火锅，然后火锅就会送到你家里来了。它知道你有多人、吃什么料。所以，你的助手会越来越聪明，记得你记不得的事情，帮你做各种事情。你只要告诉他你想要的结果，它就会像聪明的助理一样去实现。所以，第三波浪潮中会有各种巨大的机会，中国也会扮演重要的角色。
一方面，中国正在成为世界最大的传感器生产国。深圳正在成为全球硬件创新的中心，这些先进的摄像头、3D的sense都是在深圳制造。比如，很多人用iPhoneX，但你未必知道它的摄像头里还带了一个叫“结构光”的技术。这个技术在晚上灯光很弱的时候，也可以给人脸解锁，因为它打了很多小小的红光在人脸上，识别脸的建模。而这个功能事实上可以应用于各类场景。比如，漆黑的半夜有坏人闯入，如果家里有这样一个sense，就可以重现犯人的身份。
另一方面，中国市场对传感器的布置也比美国更开放。
未来，大量的音频、视频的数据会创造巨大的机会，带来无人餐馆、无人诊所、无人商店、无人仓库等各个情景的应用。未来，保安也不需要那么多了，足够多的传感器比保安还要更靠谱。当然，如果真的要抓人了，可能还是要叫人过来，但你整个监测的过程靠机器就可以了。
第四波，全自动智能化。
第四波浪潮就更厉害了。第三波是给了机器加了眼睛、耳朵，第四波就要把手和脚给AI了。AI有了手和脚之后，能走、能动、能拿东西……当然，这种应用更难，因为它除了需要AI深度学习的技术之外，还需要与很多硬件结合。所以，这类应用需要更多的时间，来确保无论是在无人驾驶、智能制造、商用机器人、家用机器人等领域，都能做到软件加硬件的突破，最后才能充分的使用。
也就是说，第四波浪潮存在一些挑战。可一旦突破后，就能呈现应用的井喷了。你在科幻片里看到的那些东西，很多都会发生了。顺便讲下，机器人爱人类、有自我意识、控制、伤害、毁灭人类的事情不会发生。但那些能走、能动、能沟通、能想、能帮我们做各种事情思维机器人，都会发生。
所以，科幻里各种情景的发生，应该是在这四波浪潮后出现。
很多人问我，人工智能是不是有泡沫，会不会到瓶颈？我想说，这四波浪潮会在未来15年内，带来巨大的影响，但绝对不会是最终极的人工智能应用。在这里，我只假设了今天的技术和他们自然的延伸，就会带来这么多的应用，而未来还会有更多的技术被发明、应用、产生，还有更多新AI会发生。
事实上，如果我们把时光倒流，倒回到25年前、互联网正在发酵时，会发现同样神奇的事情——如果当时我们能够做一个很精确的预测，那我们可能会说，互联网有很多波浪潮。
第一波：浏览器的浪潮
第二波：门户网站的浪潮
第三波：搜索引擎的浪潮
第四波：广告的浪潮
第五波：电商的浪潮
第六波：社交的浪潮
第七波：O2O的浪潮
然后是移动互联网来了，这7波浪潮又重新来过一次。也就是说，在互联网中，我们至少看到了14波浪潮。
而人工智能也会有这样浪潮的来临。今天，我们只能看这四波浪潮，就已经很巨大了，每一波都可以增加10%的GDP，每一波都可以取代10%人类的工作，每一波都可以创造很多有意思的工作，带来很多独角兽。这就是AI伟大的地方。
如果再往前看一步，更为重要的是，当AI成为下一个平台时，应用就会井喷了。
什么叫平台呢？我们知道，IOS是平台，安卓是平台，就是说，我们找一批大学生把安卓丢给他们，他们很快就可以做一个App。但AI今天还没到这个地步。
可我们刚才也看到，5个大学生用三周的时间也可以做一个AI的应用，所以，我们离AI成为平台的时间也不会太远了。有AI训练的前提下，可能需要两三年；完全没有AI训练的情况下，也许需要五六年。这一天发生时，每个公司、你的IT部门，你的朋友、创业者们，哪怕不懂AI，也可以来做AI了。这也会是促进AI快速成长的一个重要因素。
人工智能应用的条件
当然，AI不是万能的，它的应用有一些条件，它需要5件事情。
1、海量的数据
这是必要条件。不要看了AlphaGo Zero的文章，就说没有数据也可以。对绝大多数应用来说，AI一定需要海量的数据。
2、客观、精确的标注
最好是一个客观的标注，而不是人的主观标注。比如贷款，不要用信贷员的主观判断说这个人看起来可不可以，这不是最好的标注。最好的标注是真实的事实，他还了钱就是好的借款人，没还钱就是不好的借款人，这叫客观的标注。
3、单一领域
这个非常重要。正如前面说的，每个AI都在狭窄、单一领域应用，它与人的跨领域思维完全不一样，比如，我训练了淘宝广告推送的AI，是不能做美图美化的；美团帮你推荐外卖的AI，是不能做智能助手的。所以，这些AI都是孤岛，但每个孤岛都可以创造很大的价值，因为，很多人的工作也都是在孤岛里进行的。当然我们也希望未来能突破这些问题。
4、大量的计算量
处理这么多数据，就需要强大的算力，尤其是第三、第四波AI浪潮，不花几百万买硬件，或在云上花很多钱，是做不来的。第一波、第二波浪潮需要的计算可能没那么多。
5、专家
专家的需求在逐渐的下降。曾经需要顶级专家，现在，学生在老师的带领下也可以做出一点东西来。随着平台的来临，对专家的需求就会消失。
我们认为，最有用AI的研究就是慢慢克服以上这5个问题，逐渐克服了，应用就会井喷，价值就会快速产生。
美、中两国人工智能比较
谈一下美国和中国。我们感觉，美国应该是AI霸主，因为图灵奖里的AI专家、深度学习的发明者都是美国人。当然，中国有获得图灵奖的姚期智教授，他是令我们非常自豪的中国人。但，如果我们列出全世界AI领域的图灵奖得主，前15人全是美国人，0中国人。
如果我们把这个范围稍微放开一点，左边是那些发表了最棒论文的专家，世界前500中，美国有68%、中国有6%，差距还是非常悬殊。从右图来看，中国的专利数字、AI顶级人才也都跟美国有一定差距。
所以，在中美各种贸易冲突之中，中国能不能够自给自足，似乎还面临挑战。但我个人而言，还是非常乐观的。要想探讨这个问题，我们还得回溯一下历史。
1、中国优势-1：产品创新能力
我们先来看看前AI时代，就是从PC时代到手机时代。一直以来，美国都是科技的中心，中国是美国霸主的市场。但在过去10年间，中国发生了很奇特的事情。
中国奇迹其实就是，我们有世界上最大的市场、有一批既有钱又很聪明的投资人、帮助了一批很强的创业者、做出了世界级的公司，这些公司不断的做更好的产品，又得到了更多用户、更多的融资，期间还有非常支持技术发展的国家政策，这就是中国式的奇迹。
这个奇迹带来了什么？带来了宇宙的裂变。所以，即便不谈AI，我们也可以看到，在移动互联网的宇宙，美国已经不再一家独大。现在状态是，美国有美国的模式，中国创了中国的模式，这两者是有差异的。
美国公司更倾向于学术的、技术的、理想的……中国公司更多是务实的、谈应用的、迅速滚动商业机制的。美国希望霸占全球的平台，中国希望先把中国的做好，用合作的模式去进入其它的国家。
还有一个很有意思的事，美国对于轻盈的公司特别自豪，比如Instagram，十来个人就值10亿美金。但中国的美团有50、60万骑手配送外卖，这也是我们很自豪的事情。为什么做重了也自豪呢？因为如果不做重，就没有较低的配送单价，就达不到强大的用户体验。比如，若每单外卖70块配送费，你还会买吗？肯定不买了吧！但在美国就是这样，而中国在6块钱以下。
为什么美国会这样呢？因为美国最聪明的人都不想去管骑手，都想做一个很轻盈的平台，配送的事情则给那些相对没有那么顶级的公司来做，这样的话肯定做不好。
中国最顶级的创新者，像王兴，会花很多时间去优化每单的配送时间。这个很有意思，当一件事情被琢磨到每一个细节、每一分钱时，中国创业者就会有很多优势和机会。
可以看到，仅仅在8、9年前，中国公司的产品基本还是模仿美国，把美国的点子转到中国做本地化。但几年以后，我们从美国模式开始反超。比如当时有一个词，叫“微创新”，就带来很大的争议。有人说微创新挺好，不断迭代越做越好；也有人说，微创新不是创新，不值得自豪。但事实告诉我们，微创新是一个重要的步骤，让产品开始迭代，针对用户持续优化。
如今，中国本土创新创造出了很多美国根本没有的公司和模式，比如头条、快手、抖音、摩拜、VIPKID等，包括最近上市的拼多多、蚂蚁金服、映客等。
中国创业者通过学习美国，走出了第一步，这是必须要走的。因为中国当时并没有互联网或移动互联网，只能学习美国最聪明创业者的点子。但慢慢的，模仿者走向了微创新、迭代式创新、集合式创新，最终走向了全新的创新。并不是说模仿者做一辈子就可以成为伟大的公司，我们看到的图上橘色下面的这些中国本土创新，每个创业者曾经可能都做过模仿者，但他们从这条路走出来了。
在《AI未来》里，我也描述了硅谷的错误思维——一次模仿终生就都不被认可了。但在中国，刚开始我们落后，只能模仿。之后，一直模仿确实成不了伟大的创业者，但如果你从这个路里走出来了，可能就成为一个伟大的创新者。
潜意识里，美国人认为产品做的越轻越好，他们更偏好做有理想的、科技驱动的事情，将重的东西丢出去给别人做。但是在中国，创业者反而迭代出更深、更重的模式，取得的效果更好。
2、中国优势-2：精于执行的创业者
同时，中国的这批创业者，是在非常残酷、恶劣的环境里竞争出来的，他们会融资、用资本的力量把事情做的很重，产生壁垒。另外，他们会非常努力的工作，这里每个公司的人都像我一样，甚至比我更加工作狂。
比如说，美团走的模式，就是当年朱元璋所说的“高筑墙、广积粮、缓称王”。“高筑墙”就是说，要做非常强的竞争壁垒，比如50万个骑手做出最有效率的配送，竞争对手就打不过你了；“广积粮”就是不断地用融资来滚动，让自己能越做越大；“缓称王”的意思是，当你做出了一个该领域顶级公司的时候，不要急着称王，还要有更大的野心，就像今天美团也开始做叫车方向的业务。
所以，中国这样巨大的竞争、巨大的市场，带给我们非常大的机会。
3、中国优势-3：AI资本
那么，这些跟AI有什么关系呢？
当然关系非常密切。因为，这些公司都能够第一批成为AI公司，刚才讲的每一家，从拼多多、快手、抖音、头条、美团、滴滴都是如此。他们累积了这么多数据以后，必然要用上AI，他们随着BAT也成为了AI的小巨头，让中国看到了AI投资的价值，无论是投给这些公司把AI做的更好，产生更多利润，还是投资一些纯AI公司。
我们创新工场也投资了一批AI公司，有独角兽级别的，也有一些其他的。总体来说，AI投资给我们带来的回报，都是几十倍的，是我们创新工场回报最高的领域之一。我们也可以看到有上百亿美元公司，这说明资本市场也是非常认可AI的。
因此，有大量的资本涌入AI领域。仅去年，中国的AI投资已经占了世界的48%、超过美国的38%。
再看二级市场，中国的科大讯飞和美国Nuance语音公司的估值对比，科大讯飞曾经是Nuance1/3的估值，但现在大约是其估值的一倍，实现了六倍的跨越。
当然，你可以说，这些会不会是泡沫、以后会不会下滑、调整？当然有可能，但现在来说，大量的资本“广积粮”，让这些公司能先活下来，能想各种方法，这些对中国AI的发展是个利好。
4、中国优势-4：应用期落地优势&数据优势
关于AI专家，我们刚才看到，世界前500名AI专家中，中国只有6%、美国有50%多，差距巨大。如果每个人工智能公司都要AI大牛挂帅，那么中国肯定做不过美国。
有一段时间，AI创业的估值就是来数你有几个博士，每个博士值500万或1000万美金。但这个时代已经过去，因为现在AI的落地难度降低，几个学生也能做出一些像样的东西，并不需要超级大牛带着中牛、小牛来创造一个全部都是牛人的AI公司。也就是说，人工智能因为深度学习和其它技术的使用，相对进入了一个入门变得相对容易的时期。
所以，AI进入了只要有大量的工程师、几个AI的专家，就可以落地的时代。而中国人，在落地能力、应用方面的能力一项特别强。并且，我们前面讨论了，第二、第三波浪潮需要对接传统企业，比如AI应用于银行、保险公司、制造业、零售业，是以应用为主、以大量的数据来取胜的。而中国在这方面是有优势的。
例如，我们最近投资的一家公司，叫创新奇智。这家公司三个负责人分别是企业家、产品和解决方案的负责人、还有一位技术大牛。所以，这样的构成可能更是未来进入第二、第三波浪潮的创业者的画像。
回到中美的对比，如果我们今天还在萌芽期，中国的确很难超越美国，因为我们没有那么多顶级AI大牛。但如果进入应用期，中国海量的数据、精于执行的创业者方面的优势就会凸显。
刚才我也说过，AI需要大量的数据。那么，中国数据到底有多少呢？
我们可以看到：中国的移动互联网数字大概是美国的3倍，中国的外卖是美国的10倍，中国的移动支付是美国的50倍，中国的共享单车是美国的300倍。
当然这里最有价值的数据肯定是移动支付，这是一个中国式的奇迹。我们在国内可能感觉不明显，但其实过去的3年有一个世界级的奇迹发生，就是我们不再使用现金、信用卡了。
在2017年，中国发生了18.8万亿美元的移动支付，超过了中国的GDP（12.9万亿美元）。你可能要问怎么可能。因为每一件产品或服务的流通，可能从经销商的环节直到终端消费，都在用各种移动支付进行交易。所以，每一块钱的GDP可能在支付里会经过好几次。那么，移动支付对AI有什么帮助呢。
1、阿里、腾讯等因此积累了海量数据，这是Google、Facebook所没有的，这个会推动AI的发展；
2、对生态巨头之外的创业者而言，数据和AI的认知被带动起来。因为，一旦阿里、腾讯出来的一两个人有了这种认知后，他有可能在各个领域做出与Google、Facebook不同的创新；
3、对整个创业环境而言，商业化变得容易。大家是否记得大概3年前，2C的创业模式还是你能不能先搞出100万日活，至少要经过几轮融资，再来想商业模式。今天就不需要了，你有100个用户也可以直接收费了。很多今天的产品，比如夜听、千聊、拼多多、包括十点读书等，都是因为有了移动支付才能够发生的。
我们在这个国家的每一个角落都能看到移动支付二维码，而这些线下支付数据本身就构成了一副实体消费行为图，并从中提炼出各种认知、产生各种有价值的AI应用。
5、中国优势-5：政策
最后，政策优势。很多外国媒体质疑这种优势是补助造成的，但我觉得补助并不是最主要的。事实上，中国政策的利好有两方面。
一、中国政策对技术基本采取“先放行再理解，若需要才管制”的原则。而欧美的模式往往是大家先辩论一场，把所有的法律都立下，才让技术推出。这就是为什么中国的移动支付能跑的这么快、为什么阿里的余额宝能够进入银行的业务、为什么电商能发展的这么快，这也将是我们的AI发展的一大助力。
二、中国政府愿意花大量资金推动基础建设。这个从当年高铁的发展就可以看出：从没有高铁，到6年之内拥有世界60%的高铁。同理，创业领域，从早期双创的投资非常困难，——这也是当年创新工场的起点——到后来全国范围内建成了8000+家孵化器和加速器。你可能会问，这8000家孵化器和加速器一定很成功吗？未必，但它的确改变了中国人对创业的认知，更多人认可了创新是一件好事情，我孩子该做的事情。
同样，AI也会进入基础设施领域。例如，在货车无人驾驶问题上，美国由于无人货车会取代太多货车司机的工作（特朗普的支持群体），因此先放缓货车无人驾驶在高速公路的测试；但在中国，我们看到的是雄安说“我们的城市就是做给无人驾驶的”、浙江省说“我要铺的高速公路就是给电动车、给无人驾驶的”……
哪一种政策更会推动AI发展呢？自然，中国政策会带来利好和优势。
结合前边谈到的四波浪潮，我认为，今天美国略为领先中国，但5年后，中国有可能全面赶上。
在移动互联网领域，借助大量用户、数据、移动支付支付，中国有可能赶超；
在商业互联网领域，我们会进步，但由于中国传统的商业企业的数据结构化和存储体系并不完善，所以这个还会挣扎一段时间；
在实体感知方面，中国因为有巨大的包括摄像头等传感器的优势，我觉得会捕捉更多的影音数据来创造出更多的应用；
在无人驾驶和机器人方面，中国今天还远远落后美国。但一方面，如刚刚提到的无人驾驶货车的例子，美国方面的保守政策；另一方面，中国国务院2017年发布的《中国新一代人工智能发展规划》等政策，相信2030年达到世界领先AI的梦想，其实离我们并不遥远。
当然这里必须强调一下，刚才的分析没有考虑到的两个因素：
一、半导体。我们的半导体是否能追赶上美国，可能还是一个问号；
二、基础研究。我们的基础研究还是远远落后美国。但说实话，在这点上我的担忧还没有那么强烈。原因是这样的：
目前的人工智能，正在从发明的时代进入到应用的年代。首先，相较于发明年代依靠少数顶尖的科学家，应用落地的年代更依赖大量优秀但没有那么顶尖的工程师。其次，即便是基础研究的突破仍然非常重要，但只要这种基础研究的突破是发生在学术界而非某个大公司的研究院，那么可以说瞬间大家又站在了同一条起跑线上，因为学术界是非常透明、坦诚且乐于分享的。至于，为什么学术界如此透明，我在我的书《AI未来》中有详细的解释，在这里就不做过多表达了。
至于这种突破来自于学术界还是大公司的研究院，哪个概率更大，我个人倾向于前者。
推动世界AI的四大力量
1、国家：美中
至于推动AI发展的力量，首先自然是国家。跟过去的由美国作为单引擎推动的科技革命不一样，今天AI发展是由中美双引擎推动的，所以进度一定会更快。
2、巨头公司：GAFM+BAT
第二，七大巨头正在快速的用数据和资本优势，迭代出更多的技术和人才，他们不但为自己培养人才，也是在为创业界培养人才——未来可以看见更多的这个领域的创业者都来自这七大公司。
3、资本
第三，我们可以看到，大量的资本，包括创新工场，再比如一千亿美金的软银，已经投入AI赛道。大量资本的进入，必然吸引大量人才，而从历史来说，当资本和人才一起涌入一个领域时，必然会带动这个领域爆发性的成长。
4、平台
最后还有我们期待的，AI什么时候能成为一个平台？
这是全世界最保守的机构，普华永道做的一个我认为相对保守的预测：在这样的环境下，未来AI在全世界会带来大约100万亿人民币的GDP——就是在12年后，帮世界又造了一个中国+印度的体量的GDP。
大家不要说，开复老师是自己做AI，等了38年，等的很急了，所以上来就说100万亿的AI。这是全世界最保守的公司之一，普华永道，告诉我们的12年后的100万亿。
另外，还有个例证：如果你问美国最伟大的三代技术公司，从IBM到微软，到谷歌，facebook，你们是什么公司？他们的回答都是，我们是AI公司。
AI带来的挑战
1、隐私
讲了这么多AI伟大的地方，也要谈一下AI可能带来的挑战。
首先，隐私方面，facebook和剑桥分析的问题和危机，比如美国大选都可能是因为隐私泄漏被左右了。
2、安全性
其次，安全性。我们想象未来的无人驾驶会使世界变得美好。但是这么美好的世界，如果遭受黑客攻击，整个国家的每辆车被控制了，这是不是会成为一个最恐怖的武器呢？
3、数据偏见
数据是有偏见的。你训练的数据，如果帮助了男人，女人可能就会吃亏；帮助了白人，那黑人可能就会吃亏。所谓帮助，就是用来做训练的数据中，使用了更多的某一个种族的人的数据，造成另一个种族的数据没有得到足够的涵盖，因此造成相对不精确的预测，以致于各方面的歧视。
4、大公司垄断
大公司的垄断。过去的垄断，大部分是基于资源性的、品牌的、技术的、甚至用户忠诚度的垄断。到了AI时代，又会多出一个数据垄断。就是说，当一个公司数据足够多的时候，他的产品别人是没有办法超越的——即便别人拿了同样多的资本，打造了同样的品牌，吸引同样多的用户，但只要历史数据累计不够，就没有办法实现产品的超越。也就是说，AI时代的数据驱动，会带来强者恒强，弱者恒弱的问题。
5、贫富不均
贫富不均的问题。目前，美国的数据是最有钱的1%的人口的财富已经超过底层的50%了，很可能很快就超过99%了。而AI时代，一定会将贫富不均推向更严重的方向。比如，做AI的公司，可以用AI和数据来降低生产成本，增加回报，得到超额的利润，而更多的财富会驱动出更创新的技术……如此循环他们会越来越有钱，就像今天你看到中国的前20首富，越来越多是互联网公司，未来15年这个名单里会加上一批AI公司，这个财产集中势必会带来挑战。
6、工作被取代
还有另外一个更严重的问题，也就是AI能做这么多事，他会取代多少人类的工作？或者说，少数的有钱人越来越有钱，而大量相对没有钱的人，他们恰恰是工作可能被AI取代的，这会加重社会不均衡。
AI取代人类工作
如果更深度的来看一下，大概什么样的工作可能被取代呢？
可以看到，如果我们从左到右，把工作按重复性到创意性分类的话，这些偏重复性的工作在未来5~15年可能慢慢会被AI取代。有趣的是，在这个过程中，你会发现AI取代的工作，并不只是那些低薪的工作，比如说放射科医生。
在座有人有打败人脸识别的机器吗？有没有人认为我人脸识别比机器做的好？那放射科医生做的事情是不是就是一种人脸识别呢？只是识别的不是人脸，是癌症或者是其他的问题。给予足够的时间，难道人能做得过它吗？
所以这是一个必然的事情。如果你看我两三年前的演讲，我就说了这句话，当时很多放射科医生跳出来批评我。但是今天美国的放射科医生公会讨论最多的就是：我们的工作还能撑多久。
无人驾驶也是一样的，三五年前可能没人想象无人驾驶会发展这么快，但是现在至少我在美国每次搭Uber，司机只要知道我去开一个AI的会，就会问我还能开多久Uber，什么时候无人驾驶会出现？所以这个取代的速度会比我们想象的更快，并且已经开始了。
无人零售方面，在美国已经有汉堡等速食的自动贩卖了，中国也有。创新工场也投资过一个叫F5未来商品的，8块钱吃一碗面，机器做的，并且比在便利商店的更好吃；
还有一些白领的工作也会被取代，比如花旗银行的总裁说，我们公司的2万位运营人员，有1万位在未来三年将会失去他们的工作，因为AI可以取代他们了。
就像我们刚才讲到的贷款，也不是说银行会把信贷员开掉然后放一个机器人在那里贷款，而是说以后贷款可能就在手机APP上进行了，所以这一类的颠覆不一定是一对一的，可能是整个行业的颠覆。
如果我们相信这些工作将逐渐被取代，我们应该怎么应对呢？
在回答这个问题之前，让我们先回到原来那个工作狂的故事里面。我句两个例子告诉你我曾经是多么努力的工作。我在最拼命的时候，每天半夜睡觉会醒来两次，两点和五点，而且像恐怖片一样，一醒来看到的就是2:00，因为我在跨国企业工作，这个时间该回一下美国老板的邮件了，顺便也告诉一下我的中国员工，你看老板多努力，你们是不是也该一样的努力呀。
我一直的追求，就是我自己很早的两本书里面说的，我的人生就是要努力工作，因为只有努力工作才能《做最好的自己》，才能让《世界因我不同》。我一直认为这是再正确不过的事情了，直到到了AI时代再来思考，我发现这是一个工业时代的价值观。
为什么这么说？我们先看工业时代发生了什么？工业时代将原本技巧性的手工工作，分解成大量的流水线工作，这种被拆解的小任务本身比较无聊。因此，工业革命的赢家会告诉大家要努力工作，否则你的工作可能变的更无聊。
今天，很多人即便在私下环境中，让他去写自己的人生目标，也有很多人会写下：做好的工作，挣更多的钱，让孩子生活的更好……我相信这是个大比例的事件，是这个社会大多数人的价值观和人生目标。
这也是我曾经的状态，所以我知道这个状态是非常难离开的。那么，我是怎样突然醒过来的呢？并不是因为研究AI，而是因为五年前，我得了一场大病。
当时，医生告诉我我的肚子里有20多个肿瘤，我的人生也许只有几十天，或者是几百天了……当我面临这样一个人生随时可能结束的情况，我突然发现自己这一生的努力和重心完全都不对。因为，面对死亡时，我完全不会去介意我还有多少工作、我是否应该更加努力、我应该做几个好的投资，多赚点钱，留钱给我的孩子……我当时唯一能想到的就是我人生的方向其实是偏差了。
有本书叫做《临终者的五大遗憾》，是一位看护了2000+位临终者的护士，记录的这些人临死前最大的遗憾。这些人中，没有一个人的遗憾是，我不曾努力工作。他们真正遗憾的是，不曾跟爱的人在一起、还有应该更快乐的过完自己的一生、应该有勇气追求自己想要的人生……这几句话，其实对我们每个人都应该有很大警醒，但其实我以前也读过类似的话，只是读一读也就忘了，又回到工作状态了……直到真的面临死亡，才让我醒过来。
生病以后，我也见了星云大师。他问我人生目标是什么？我说我的人生就是要最大化自己的影响力。可他告诉我这个目标其实很恐怖，因为你没有办法把影响力和出名真正区分开来。你可能是用最大化影响力去包装自己想出名这件事。同时，星云大师也告诉我，中国传统文化鄙视“逐利”，但对“追名”这件事，似乎比较接受。比如说，人死留名，没什么不妥的。可星云大师认为，名和利，本质上没什么不同，都是诱惑。他建议我说，如果我真的想为这个世界做点什么，需要改变我的思路，多想想这个世界人人是平等的，如何在世界传播更多的爱。做每件事时，以博爱和世界变的更好为出发点，而不是如何最大化自己的影响力，多赚钱等自私心态。
AI的弱点，即是人类工作的方向
我有幸在生病过程中得到觉醒，更幸运的是，我的癌症好了。恢复健康后，面临AI带来的机会和挑战，我反而有了不同的角度来看待这件事。
其实，AI是有弱点的——AI没有自我意识，它只是一个工具，没有爱、没有关怀、没有温度……也就是说，即便它尝试去模仿，也不能为人类提供爱和关怀。
在这个基础上让我们重新去思考一下，刚才谈到的这些日常性、重复性的工作。如果，我们用两个维度，即X轴代表创造性，Y轴代表温度和关爱关爱，重新划分刚才说到的工作，我们会发现，其实还是有很多机会的。比如，左下角有很多工作会被AI取代，但右边还是有很多的机会的。
我们再想想，就算左下角的工作会被取代，我们是不是能够把部分的转到另外的三个比较不会被取代的地方呢？其实左上角还有很多机会。比如即便AI做了很好的医疗判断，难道我们就想让冷冰冰的机器来告诉我们，我们得到了什么病，还能活多久吗？还是我们需要一个人来对我们有关怀，有温度，甚至每天来看我们。
我们再想想，今天社会上的医生够吗？因为培养一个一流医生的成本太高，因此造成了社会不平，还有更多贫困地区、贫穷国家需要更多的医生。可一旦AI能够做诊断，我们是不是能够发展出更多的不用那么深度培训的关怀式医师呢？那这个需求量是不是可能比今天的医生还要多10倍呢？
再比如说教育，如果应试教育教出来的学生都考不过机器人了，那高考还是个好的选拔指标吗？还是我们需要能够更懂每一个学生，关注他、关怀他，帮他个性化调整成长路径，让他能够真的成为他想要成为的人的老师呢？这种老师，一个老师带50个孩子合适吗？还是带5个或3个呢？那么我们会不会有5倍或10倍的老师呢？
另外，还有很多工作，比如在美国最缺少供给的一个工作就是老人看护。可是，大家是想要被机器人照顾还是被孩子照顾呢？如果孩子没有时间天天照顾，那是不是想要一个更有温度的人呢？所以，这些工作其实都可以有很大的需求的，因此左下角大量的下岗工种其实是可以往左上角去走的。
总结一下，和AI共存的时代，
左下角的工作将被AI取代，我们必须接受；
右下角，则是将AI作为工具，帮科学家、帮艺术家等做出更好的创造；
左上角，是以AI作为理性的内核，但需要用人的温度来包裹它，这个工作量是巨大的；
当然，右上角是最好发挥人类光芒的，因为我们的心和脑都会在右上角能最大层次地被放大。
大家也可以做一下这个小游戏，扫一扫这个二维码，看看你们的工作有多大可能被取代。
AI时代的建议
最后，根据上面的逻辑推理，为一些相关方提一些建议。
1、给个人的建议
对个人来说，首先我们必须要接受重复性的工作会灭亡这一事实。所以，家长们千万不要再催孩子去做那些所谓重复性的铁饭碗了。
另外，未来可能会产生大量关爱的、服务型的工作，不是顶级的，但是需要人与人之间接触的、有温度的。
因此，我觉得发展情商和软实力变得比以往任何时候都重要。比如同理心、沟通能力等等。
另外，我觉得创意行业还不错。如果有这方面的天赋，不要因为这个行业很冷而不去涉足。我的两个女儿都是学艺术的，我觉得艺术挺好，艺术是相对不会被取代的。
还有，未来每个行业都会使用AI，因此在自己的领域里学会使用AI工具很重要。就像记者必须会用word、摄影师必须会用photoshop一样。所以我们从一开始就要接受AI这个工具、学习使用工具、应用数据，心理要有期待值，明白这个工具会越来越好，可能超过我。
最后，也是最重要的，就是学习的能力。就是说，如果一个人能够不断学习新事物，即便以后更多的工作消失了，或更多的工作产生了，都有可能去学习而不必担心失去工作。
2、给企业的建议
对一个企业来说，首先你要清楚，未来50%的员工有可能要被取代，而从企业责任感出发，你不能说这些人我就不要了，等政府来安排他们的再就业……每个企业都要考虑对员工的培训，哪些岗位是可以让他们下岗或再上岗的……你要尽你的能力和责任，帮助他们去学习，把终生学习作为公司重要文化的一部分。
对于服务业企业，我觉得你的时代来临了，其实服务业未来是会发光成长的。我们讲到AI会颠覆很多行业，却不会颠覆那些关爱型的服务业。但服务业也面临很大问题，即不好融资、社会地位不高等。
所以，作为服务业创业者，是不是应该多考虑如何为员工打造职业规划的路线、阶梯呢？比如前一阵姚劲波给我说，他们就为家政阿姨打造了各种晋升通道和体系，基于用户的打分、通勤、各种表现可以不断成为银牌、金牌，甚至进入管理岗位。
建议每一个服务业都往这个方面去思考，不要局限于传统的思维认为自己就是管着一批相对技能低、收入低的员工。这些行业应该是可以打磨出很多成长路径的。
至于做投资，也需要一些社会责任感。例如，除了那些赚钱的独角兽业务，是不是也能够做一些对社会有意义的投资，用LP的钱来投可能不合适，但能不能拿出一些其它的钱，做一些能够推动服务业发展的、半社会责任感、半投资性质的投资？就像很多律师事务所会帮助一些弱势群体，或会计、财务会帮助做一些社会责任感的工作，投资其实也可以。
3、给政府的建议
对政府来说，我觉得更多还是要研究AI带来的影响。
鼓励创业一定是一个明智的事情，但创业不能全往独角兽去，还应该多鼓励服务业创业，尤其是那些关怀型的服务业。我们的双创已经推了那么多加速器、孵化器，是不是可以把里面一部分的力量放在这些回报没有那么高、但能够创造很多有意义、有价值，而且不会被AI取代的工作的行业呢？
在国际来说， 很多人习惯用冷战思维的思维来思考AI。但其实AI更像电，而不像核子武器，所以，无论这个电是中国发明的、还是美国发明的，电器是中国多、还是美国多，我们是可以共享，推动世界进步的。
那未来怎么去做财富分配，从而帮助更多人走向未来的方向呢？美国提出了一个概念叫“UBI”，简单的说是就是对那些赚太多钱的AI公司征重税，把钱平均分配给所有人。我个人认为这是个很扯的措施，符合硅谷的思维。可，既然人类好不容易产生了一大笔AI创造的财富，为什么我们不好好善用它，用以将人类提升到3.0呢？
更多细节这里就不多分享了，大家可以去看我的书《AI未来》，里面有详细的阐述。这本书里，大家可以看出来我对AI的发展是非常乐观的，而且很有自信是会发生的。我觉得我的科技蓝图应该也是一个相对精准的、我对AI带来的挑战也是比较确信——只是时间问题，是15年、20年、25年，但是迟早要到来的。但是对于怎么去应变，我不会去大胆地说，书里有所有的解决方案，但最终的解决方案还是要靠大家。
在今天这个演讲中我描绘了AI带来的未来15-30年巨大的机会，还有给人类带来的一些挑战。但是当人类走过50年、100年，再回头来看，我相信那时的人类不会这么关注今天谈的这些小问题，但我始终相信，AI未来带给我们的是两个巨大的觉醒：
1、我们会感恩AI时代的来临，因为人类将终于被重复性工作中解脱，由AI代替；
2、我们的时间会更多地放到思考每个人生命的意义和为什么存在之上。
我们还会发现人跟AI一个特别巨大的差别，就是AI是一个工具，人是有思想的，作为人类我们是有拥有意识的。作为有自由意识的人类，我们一定要好好用上AI这个工具，这样在人类和AI的故事中，我们才能够写出它最后的结局。
谢谢大家！
