能控制最强大的人工智能，就将控制整个世界？

人工智能已经成为21世纪最重要的技术成果。因此，我们自然有必要关注全球范围内的发展动向。本文，我们将共同审视全球人工智能产业，并以此为背景，考量其在政治、数据、经济、初创企业、金融、研究以及基础设施等层面的影响。

作为人工智能领域的唯二超级大国，这里我们仅对中国及美国略加探讨。

最后，我们将以一个实质性问题总结：人类应如何应对这场全球性挑战？

人工智能需要来自政界的更多关注

到目前为止，第一波数字化浪潮显然是在政府没有过多的干预下完成的。尽管政府方面已经在制定计划，打破谷歌等技术巨头的垄断（美国与欧洲），例如在欧洲对谷歌及Facebook施以罚款，但总体来讲，政界对人工智能市场的关注仍存在长达十年的滞后。

单从AI的角度来看，这是笔者近年来第一次亲眼见证全球数十个国家的政府主动采取各类举措、战略及行动。当然，不同思维方式支持下的目标与方法也存在着巨大的差异。

显然，人工智能目前是，未来也仍将是各国政要及政府所必须处理的问题。

AI与气候保护以及经济政策密切相关。

AI的影响范围涵盖国家产业治理以及公民的安全与隐私问题。

各国政府必须建立并发展自己的AI长期战略，但与之相关的投入也将极为巨大。特别是在欧洲，由于政策及制度所限，各国政府在长期与投资密集型战略决策方面仍存在不少现实问题。

中国对于国家政府应如何掌控人工智能技术有着清晰的愿景。从中国的角度出发，人工智能将成为实现强大外交政策、军事优势、经济成功以及国内管控等目标的重要工具。

美国则得益于强大的学术研究集群以及谷歌、微软、Facebook与亚马逊等超级科技巨头的推动，这几家公司都在AI开发层面占据领先地位。

尽管美国尚未在特朗普总统的领导下找到明确的发展轨迹，但数十年来，美国一直在通过各级政府机构及部门推动AI技术的研究与实施。

加拿大与以色列虽然体量较小，但在AI主导权的全球竞争中同样扮演着重要的角色。

以色列长久以来一直拥有雄厚的技术力量，其AI企业在数量上甚至超过德国与法国的总和。在以色列，学术网络关联紧密，能够轻松进入亚美资本市场，同时与军方及政府保持着全面合作关系。英特尔公司之前以150亿美元收购以色列企业Mobileye，这正是以色列繁荣AI生态系统的一个典型案例。

过去七年当中，加拿大也从深度学习的复兴当中受益匪浅。Geoffrey Hinton、Yann LeCun以及Yoshua Bengio正是深度学习领域的三大研究巨头。这三位大师都曾在加拿大高级研究所从事技术研究。他们共同度过了上一轮“AI寒冬”，并在随后的复苏之春期间努力塑造新的AI市场。

此外，加拿大还制定了明确的AI发展战略，多年来始终坚持推动AI研究、投资以及实施工作。

同样值得一提的是，日本、韩国与印度也有机会在未来几年内，在AI行业当中发挥自己的积极作用。

人工智能加持下的经济提升

虽然政治力量的介入能够在研究、融资、教育、数据、推动以及监管等层面为AI提供框架性条件，但对于正身处发展中期的AI技术来说，产品最终仍然要由企业负责开发并推向市场。

其中的头号重点，在于符合国家利益。

这一点，对于那些拥有自主发展议程以及AI研究方案/实际产品的跨国企业而言，显得尤为重要。

在我看来，谷歌（Alphabet）、亚马逊以及微软是当前全球范围内的领导厂商。中国互联网巨头阿里巴巴、百度以及腾讯则属于重要参与者。

目前，AI领域包含两类企业：将AI技术作为核心产品进行开发与销售的企业，以及利用AI技术补充原有价值链的企业。

无论属于哪一类，目前业务活跃的每一家企业都在或多或少拥抱人工智能。一方面，AI技术能够替代现有业务模型；另一方面，AI也可集成至企业内部的无数流程当中，包括会计、控制、生产、营销、销售、管理、人事以及招聘等等。

顺带一提，驱动人工智能实施的核心因素主要分两点：降低成本，以及利润最大化。

当然，对AI的控制也同样至关重要。目前，AI正越来越多地接管那些以往只能由人类执行的工作。一般来讲，经过一段时间的训练，AI技术完全能够以人类更快、更高效且成本更低的方式完成任务。

人会生病、需要休假、需要吃东西和睡觉。此外，人类还需要娱乐活动，会离职以及退休。相比之下，AI则24/7全天候工作且永远不会提加薪要求。

采用AI技术的企业越多，市场对于人类劳动力的依赖性就越低。

数据是一种竞争优势

数据是一切人工智能的基础。我们需要的数据主要分为以下几类。

首先，我们需要用于研究并训练狭义人工智能的数据。在这方面，我们业务模式的数字化程度越高，拥有的相关数据就越多。

因此，市场领导者（谷歌、Facebook）、软件厂商（Salesforce、微软）以及电子商务企业（Zalando、亚马逊）多年以来一直积极参与AI研究工作。

一部分银行也很早意识到这一趋势。因此，高盛及摩根大通先后招募了数千名机器学习与数据科学方向的员工。

能够把握自有数据的企业将在市场上获得巨大的竞争优势。

缺少自有数据的企业则必须想办法收集、存储并评估外来数据。

但是，由于各国设置有不同的国家数据保护法规，因此欧洲在这方面一直处于相对不利的地位。

GDPR/DSVGO在主观意图上确实希望帮助欧洲数据市场建立良好秩序，但从实际效果看却令欧洲陷入巨大的区位性劣势当中。

为了遵循法规要求，整个行业几近瘫痪。与诊所及医生的私下讨论表明，目前欧洲的医疗行业不再共享任何数据。这意味着欧洲民众需要为此付出生命的代价，因为这样的障碍显然不利于开发出有益健康以及延长寿命的算法方案。

这还只是众多负面案例中的一项。

数据的不确定性已经使整个欧洲的AI行业身陷泥潭。由于担心受到处罚，各企业不再收集任何数据。在数据即力量的大时代背景之下，欧洲反而建立起一种数据焦虑文化。

欧洲上世界上最重要的数据市场之一，但欧洲正在自废武功、白白浪费潜力。

在另一方面，中国的情况则完全相反。中国一直在积极推动活跃的数据交换与集中化处理。此外，人们对于个人数据的收集与处理也并不太担心。

事实上，隐私在二十一世纪已经成为一种伪命题。每一项数字操作都被量化并保存下来。但是，欧洲人仍在逆时代而行、继续着自己对于隐私保护的固执坚持。

人工智能初创企业有望逐步发展为新的巨头

初创企业是创新活动的驱动力。这些年轻的公司在开发新产品方面，通常比老牌厂商表现得更勇敢、更迅速也更灵活。在风险投资基金与天使资本的支持下，初创企业甘冒巨大的风险以期取得非凡的成就。

尽管95%的初创企业无法坚持过前五年发展周期，但他们的努力仍能让整个生态系统获得收益。

其他企业可以通过收购的方式获取这些最新产品与创新成果。

初创企业的员工们能够在其他公司找到新工作，继续发挥自己的聪明才智。

投资者与创始人则从中汲取经验，并将知识引入更多新项目当中。

也有不少年轻的企业能够熬过最艰难的五年发展期。这意味着他们经历了融资（从种子轮到上市）、人才吸引、发展、开发付费客户、规模扩展以及逐步壮大的整个过程。Facebook、谷歌、苹果、亚马逊以及Uber都曾经是初创企业，如今他们都在各自领域成为市场主导者。

Roland Berger公司前任CEO Charles-Édouard Bouée在2018年Rise of AI大会上表示，下一波高价值企业中的主体将由AI公司构成。

这一切将有赖于初创企业的推动。正因为如此，我们有必要为AI创业活动提供更便利的条件。

科研的重要性达到前所未有的高度

深度学习的复兴仅仅只是开始。目前，深度学习已经快速经历了CNN、GAN再到进化算法的整个发展过程。

围绕NLP与NLG建立起来的计算语言学体系也取得了巨大的飞跃。

在2012年正式迈过计算能力与数据可用性临界点之后，以过去三十年研究成果为基础的数十万种狭义人工智能开始快速兴起。

那么，这些研究结果从何而来？

一方面来自高校的贡献。麻省理工学院、斯坦福大学、卡耐基梅隆大学以及伯克利大学已经成为AI研究领域的灯塔。

其中，单麻省理工学院一家就计划在2020年投资10亿美元用于建立新的AI学业课程。

在另一方面，企业也成为AI研究领域的一大主力军。除了名声显赫的谷歌DeepMind之外，微软也拥有超过8000名AI研究人员。

最睿智的头脑也偏爱那些拥有更多数据与财力资源的企业巨头：Richard Socher（Salesforce）、Yann LeCun（Facebook）、Andrew Ng（百度，2017年离职）以及Demis Hassabis（谷歌）皆是如此。

遗憾的是，欧洲的大学与企业在AI研究领域未能获得领导地位。当然，欧洲也不乏顶尖科研人才，例如Jürgen Schmidhuber教授、Francesca Rossi教授以及Hans Uszkoreit教授。

此外，卡尔斯鲁厄理工学院、慕尼黑工业大学、柏林工业大学、奥斯纳布吕克大学（认知科学）、牛津以及剑桥大学都开设有AI课程。

但这些高校一直未能拿出国际公认的顶级研究成果。

当然，德国人工智能研究所、数十家Max Planck研究所以及Fraunhofer研究所也在积极从事AI技术的应用级研究。但是，他们同样无法在以人才、数据以及资本为核心的全球竞争当中占据领先。

但格局仍未确定，谁能开发出第一套通用型人工智能方案，才是在未来几十年内真正具有决定性意义的里程碑式事件。

没有基础设施，妄谈人工智能

在基础设施层面，我们关注的不只有可用数据，还包括必要的计算与性能容量。

英伟达公司曾经以游戏发烧级显卡产品闻名。如今，其已经成为GPU领域的头号制造商，这些GPU被越来越多地应用于AI领域。此外，谷歌、英特尔以及不少其他企业也在积极开发不同形式的新型AI芯片。

与此同时，微软、AWS、谷歌以及IBM则一直在全球范围内扩展云资源容量，借以满足不断增长的计算需求。

中国目前高度关注5G技术，遗憾的是欧洲在这一直接影响实时AI应用与网络产业的技术领域仍然无法发挥主导性作用。

人工智能需要强有力的资金支持

人工智能的发展极为昂贵。

顶尖AI研究人员相当稀缺，平均年薪高达30万欧元。

数据也需要收集、存储以及标记。开发AI模型往往会耗费大量时间以进行实验、试错以及对新方法的探索。

AI需要数据进行训练与学习。

这些成本将由大企业、初创公司、投资者以及国家共同承担。

中国已经深刻意识到这一点，目前中国AI市场的投资总额已经超过1300亿欧元。北京、上海以及天津等地也都在本地AI产业身上砸下数百亿美元。

在美国，谷歌、IBM、微软、亚马逊、Facebook以及苹果早在2015年就已经划拨超过550亿美元的内部投资。

没有资金，妄谈人工智能。

在这方面，欧洲再次显得过于小气，无法着眼于未来筹集必要资金。

数量级比较：2018年，德国联邦议院为AI设定了50万欧元的资金预算，后续计划再增加5亿。但是，目前这批预算仍停留在规划阶段。

如果继续保持这样的态势，AI发展将遥遥无期。

与此同时，中国为400家新兴AI企业提供资助。而截至目前，德国AI战略中的百家新兴企业支持计划仍未落实到位。

在这种情况下，我们有必要对英国提出表扬。英国脱欧虽然争议颇多，但这也帮助英国摆脱了欧洲的固有局限。相较于欧洲大陆，英国已经在人工智能领域为初创企业及各高校提供了更为可观的资金支持。

欧洲在全球AI军备竞赛中地位如何？

正如之前提到，欧洲目前正在丧失国家间AI竞争的主导权。

就在欧洲各国仍在举棋不定的时候，中国、美国、以色列、英国以及加拿大已经在着手争夺数据、市场与人才等资源。

欧洲拥有自己独特的问题，而这些问题导致这片大陆因循守旧、缺乏远见以及发展的野心。

另外，教育经费相当匮乏。不仅我们的高校与大学资金不足，劳动力培训市场同样预算紧张。欧洲的年轻人数学水平低下，学生们极少有机会接触与AI相关的课程。而由于劳动力再培训能力低下，欧洲也很难为不断发展的数字产业提供必要的人才供应。

另外，欧洲研究成果向产业的转移也相当缓慢。其结果就是，这些成果要么被封存起来，要么陷入效率低下得可怕的官僚处理流程。很多年轻企业就在这样的拖延之下一步步走向衰亡。

欧洲的AI初创企业往往缺少资金。目前只有售卖电动自行车及电动踏板车的企业才能轻松从投资者手中拿到资金，但真正的技术却鲜有人问津。产品越复杂，资金获取就越是困难。相反，商业模式越简单，来钱也越快。

虽然仍有不少来亚洲及美洲人才愿意在欧洲工作，但入境流程也变得越来越复杂。自难民潮以来，入境机构已经不堪重负。如今，欧洲已经几乎无法从伊朗、俄罗斯或者中国吸引到才华横溢的AI开发人员。事实上，如今的欧洲正表现出一种强烈的拒绝——而非开放——心态。

欧洲也缺少统一的发展战略。芬兰、瑞典、荷兰以及法国等国家/地区拥有自己的AI战略，而且颇具野心。但德国一直在努力阻止欧洲真正形成共同体，目前来看这样的僵局很难被打破。

我个人2018年在欧盟委员会任职时，一位保加利亚研究人员曾提到，如果她的祖国能够被纳入计划，那么情况会好得多。但实际情况是，目前只有西欧情况较好，欧洲整体则早已破败不堪。

我并不是说必须通过政治的方式解决所有问题。企业仍然需要继续制造产品，创始人们需要建立初创企业，风险投资公司需要为他们提供资金，研究人员也该继续完成自己的研究工作。

但是，政界确实有必要通过明确的政策为此提供支持。他们应当建立起监管制度，用于促进而非抑制这方面民间行为。政界应当刺激投资，并起到示范性作用。对于政治家来说，关注学生并提供良好的再教训资源应该是件理所当然的事。但就是这么一项理所当然的工作，欧洲并没有做好。

总结来讲，如今的欧洲正身陷权力斗争、利己主义以及技术恐惧症的漩涡难以自拔。

人类面临的全球挑战

但欧洲只是世界的一部分，因此必须适应全球性的时代潮流。

而不断发展的人工智能行业，也确实存在着一系列实际挑战。

首先就是数据保护问题。我们到底该以谁的标准为准？欧洲目前已经制定了明确标准，迫使企业不得不在欧盟之外的地区开发AI方案。

未来我们能够完全放弃数据保护思维，像中国那样真正让数据自由流动吗？还是说，欧洲的固有传统还将进一步升级加剧？恐怕只有时间能够给出答案。

人工智能需要监管

此外，各国政府都有必要考虑对人工智能技术的监管。AI技术正越来越多地影响到媒体、工业、教育、安全、军事以及金融市场。因此，有必要规范对人工智能（及其背后企业）的控制政策。

例如，中国企业松鼠AI正帮助数百万学生获取与其学习进度与知识水平相匹配的个性化学习内容。但在欧洲，这类AI应该由谁主导，内容与主题又是否需要接受监督？我无法想象欧洲那些地方教育部门能够做好这项工作。

因此，欧洲各国政府必须招募专业人员，钻研这一概念并会计实践。整个过程需要很长时间，所以越早着手越好。

需要建立一套人工智能道德框架

人工智能能够在一秒之内做出大量决策，而每一项决策都或多或少涉及道德判断。人工智能道德与伦理研究，也将决定人工智能应用到底能走多远。

人工智能有可能防止——亦可能加强——偏见、种族主义、腐败以及性别歧视。

因此，我们迫切需要一套AI道德框架。从宏观层面来看，每一个文化领域（通常以国家为单位）都需要面对这个现实问题：我们想要的是什么样的AI？这些AI应当代表怎样的价值主张？

这样的社会性讨论必须尽快且积极地开始与推进。目前，我们只能在没有道德控制的前提下开发AI，即由开发人员自主决定机器的后续行为。但是，社会本身应当对是非拥有自主判断。

因此，各个国家、政府体制以及种族群体都应当尽快讨论并制定自己的AI道德框架。

企业也是如此。每家企业都有必要招聘AI道德专家，其意义与数据保护与公平性官员一样。AI道德专家负责确保数据内不存在偏见，且AI不会对任何人抱有歧视性态度。

这方面工作需要以社会价值观为基础，并在代码中反映符合企业文化的AI道德框架。

强人工智能的崛起

我们还需要解决智能水平提升与人工智能影响的问题。

OpenAI最近从微软公司获得了10亿美元资金，用于研究通用人工智能（AGI）；此外，埃隆·马斯克也为此掏出10亿美元。

马斯克、扎克伯格、霍金以及盖茨都曾对人工智能的发展提出警告意见。虽然如今的Siri仍然相当愚蠢，但十年之后，也许其智能水平将全面超越人类。

人工智能每一天都变得更加聪慧，它们知识渊博、功能强大且速度极快。与人类的生物性质不同，AI的能力没有上限。

因此，我们必须提前考虑通用人工智能、强人工智能、超级人工智能及其引发的影响。此外，神经接口与人类操作系统等问题也应被纳入议事日程。

机器正在消耗巨量能源

目前的另一大全球性挑战，在于机器那近乎无穷的能源需求。我们的大脑与普通电灯光能耗水平相近，而AI应用程序的能源消耗则远高于此。

因此，如果要继续保持技术进步，我们必须首先解决能源问题。否则，技术的发展终将挤占人类的生存资源。

换言之，我们需要可持续且可扩展的能量来源。

工作岗位或将不复存在

此外，我们还需要考虑工作岗位消亡给整个社会带来的影响。德国民众就非常担心自己的工作岗位被机器夺走。

就个人而言，我倒是觉得机器帮助人类减轻工作负担是件大好事。

但这样的观点有个前提，即机器不会彻底夺走工作岗位。预计未来二十年内，如今的人类工作岗位中将有50%转而由机器承担，因为它们更便宜而且更快捷。

这样的趋势既是好事，同时也将带来新的挑战。

届时会出现一系列我们目前难以想象的新岗位，例如AI幼儿园老师、AI培训师、AI道德专家以及AI管理员等等。

因此，目前最重要的就是对劳动力进行再培训，确保他们能够在未来的AI时代下继续保持市场竞争力。

这将是人类历史上规模最大的一轮再培训浪潮。有些人可能跟不上形势——他们的命运会如何？相信大家都有自己的判断。

至于其他跟得上形势的人们，他们会拥有更多自由并重新开创自己的生活。

我希望未来人类生活的意义不再是工作，而在于享受生活中的乐趣。我希望每个人都能因兴趣而工作，而非因生存压力而工作。至于没人愿意做的事，就交给机器好了。最后，我们向那些承担高强度社会岗位的人们支付更高的工资，例如教师、医护人员以及学术研究员等。

无论如何，我们都将迎来一种全新的社会模式。毕竟无论什么时代，这个世界都不可能需要上百亿哲学家、艺术家、企业家或者程序员。

我们该如何分配财富？

同样重要的是，我们该如何分配新时代下的财富？

如果实现同等生产力需要的人员数量越来越少，企业的利润无疑将快速增长。但是，这些企业往往归属于少数特定家族或者基金。时至今日，美国高达四成的上市企业都掌握在四大基金会手中。

这样的趋势将让有钱人更有钱。这些财富会有一小部分落入行政阶层（律师、银行家、企业家、投资者）手中，但余下的99%人口则与此无关。

内战阴云，还是美丽新世界？

在人工智能的催化之下，这种趋势将变得更加极端。我担心在未来三十年内，全球90%的人口都将在100位顶级富豪的掌控之下。我在这里讨论的不只是金钱，更重要的是通过掌控机器代码对全球经济、军事以及信息的操纵。

另外，如果大多数人在新的体制之下失去价值，包括工作与消费的意义，结果将会如何？或者说，全球人口将因战争而削减，最终仅剩下5亿左右？

在AI的时代下，这一切并非不可能。

因此，我们要防止这种潜在的恐怖结局，必须事先规划好繁荣成果的分配方式。无论如何，面对如此丰富的产出，人们应当不再为饥饿、无家可归以及贫穷而担忧。包括基本收入保障与流动民主在内，目前有不少可能的解决方法都值得进一步讨论。

最后，希望我们能够建立起一个机器真正为全人类服务的世界。