李根 发自 凹非寺
量子位 报道 | 公众号 QbitAI
编者按：旧岁已逝，新年已来。2017年一年，中国AI的发展速度有目共睹，从顶会竞技，到创业融资，再到巨头布局，乃至大国博弈，AI有关的一切都在加速。那2018又会在此基础上塑造怎样的格局呢？哪些事件成为了AI发展的关键变量，中国AI又面临什么样的红利？
创新工场董事长、创新工场AI工程院院长李开复博士，就此话题接受了量子位专访，谈到了他对2017年AI宏观发展的看法，以及对后续AI竞争格局的判断。
我们在不改变原意的基础上，对专访进行了第一人称改写。
△ 创新工场董事长、创新工场AI工程院院长李开复
最大变量
如果你问我2017年关于AI印象最深的一件事，我会毫不犹豫回答你：一定是7月国务院印发的《新一代人工智能发展规划》，这不仅展示出了国家对于AI发展的重视，影响也将是全球性、历史性的。
在科技发展和政策规范的相互作用之间，最好的政策能够推动科技进步，不增加更多的限制，关于AI的发展规划，正在延续这样的传统。
我们之前在移动支付、互联网金融等科技发展中，都有过类似的经历，所以我认为现在AI发展规划，能够让中国延续类似的成功。
这样的观点并非我个人之见，最近全球著名咨询智库欧亚集团发布了一份中国AI产业的最新白皮书，创新工场受邀提供了部分资料，其中欧亚和我们就中国政策执行落地方面有一致结论：由于中国政府在实现成果方面拥有良好的记录，这些政策规划应被认真对待。
举例来说，中国在2010年提出将成为高速铁路领域的世界领先者。现今，中国占有世界高速铁路的60%。2014年，中国政府提出"大众创业和万众创新"计划。几年内，中国的创业孵化器数量从2014年的1400个提升到8000个。
所以没有理由不相信，拥有强大政策执行力和落地能力的中国，将会为全球AI的发展注入不可估量的"变量"
△ 欧亚报告中国AI政策图
大国竞争分水岭
既然我认为AI政策是2017最大的变量，不妨举了最近的具体例子。
12月18日，北京刊发了无人车路测的细则，相比美国原本就宽松的交通政策，中国在允许无人车上路方面算不上早，而且从细则来讲，限定时间区域、明码标识"自动驾驶"等都看起来更严格。
但对于中国来说，无人车是全新的新事物，一切刚开始，政策从紧到松也情有可原，因为一开始谨慎一点，随着技术提升，再不断改善政策，总会把事情推动得更好，过去也能看到不少这样政策推动科技发展的例子。
而且中国与美国不同，我们不能只看到加州吸引了全世界的无人车公司前去路测，也要看到有些州在相关政策推进上并不容易。
但中国只要首都性、中央性的政策出台，还会带动地方性法规出台，而且地方为了落地，可能不光会给相关企业政策上的扶持，也会有财务上的补足，这会促进整个生态的发展。
另外，不能忽视的是美国选举和工会传统会对无人车等AI发展造成的阻力。
前几天，Jeff Dean（量子位注：Google大负责人）还转发评论了我谈论中美AI不同的MIT演讲，他为目前美国的AI推进和人才政策感到担忧。他当然不是一个简单粗暴的美国民族主义者，一直倡导的科技进步也是为全人类服务的，但对于目前人才和科技发展方面的政策，他开始越来越多出面发声。
美国正在发生什么呢？像无人货车一项，是自动驾驶方向上的重要的垂直应用，但由于货车司机担心失业，于是卡车司机工会请求交通部延迟自动化卡车测试，这会造成无人货车技术研发上的进展缓慢。
所以现在我们无人车路测细则出台，我不认为中国不是没有弯道超车的理由。
关于无人车的研发，美国在技术推进上肯定要比中国早和快，但无人车最终还是要落地到具体场景的，在美国跑得很顺畅，不一定就能适应中国的路况，所以现在北京允许上路路测，不仅会节省更多中国无人车公司的跨洋协作成本，也能更快在中国路况场景下把无人车开起来。
国情优势
中国在政策方面的优势还不止于此。还是围绕无人车，可能还有一些路测之外的侧面——无人驾驶引发的安全问题、失业问题，还有交通设施上的作为等等。
比如交通设施上的作为，中国就会主动做一些事情。现在有些地方在和阿里合作城市大脑，也有和滴滴、摩拜的合作，对现有基础设施进行一些修改，这都会利于无人车更快推进。
或许不久将来，中国就有一条专门的道路允许无人驾驶上路、允许无人驾驶和其他客用车一起行进，还有可能在道路上装载传感器，让定位感知不仅发生在汽车端，也在路网端，这样也会推进无人驾驶到来。
实际这些措施也不是不会在美国发生，但在中国，大手笔的改革的发生概率总要更高一些。也有一些新城市建设或城市翻新，过程中也会有很多机会，可以把无人车融入其中。
再比如保险理赔，中国也可能比美国更利于无人车发展。假设在美国，一个年轻画家要是被Google的无人车撞伤了手，可能面临的将是天价官司，索赔天文数字也不是没有可能。但在中国或许就有伤害引发赔偿的上限规定，这在美国可能性几乎为零。
这样的不同是由于国情不同造成的，也不会短时间发生变化，所以对于中国来说，更理性快速解决问题，也就会更加利于整个科技新事物的推进。
至于AI带来的失业问题，这将是全球性的，不分国界。但中国也有优势，至少中国现在不惧怕讨论，而美国很多大公司都不敢公开谈论，担心引发民众反对。所以这不是很好地解决问题的方式，历史趋势如此，阻碍是没用的，更多考虑的应该是如何疏导、解决问题。
我并非历史学家，但过往大的技术革命造成职业变革，人类都经验可循，而中国可能在集中人力物力应对大变革方面，做得还比其他国家更出色，我对此并不悲观。
建议
OK，已经足够宏观而细致地谈论了我认为2017的最重要"变量"。
那也可以在此基础上给AI创业者一点个人建议：
大趋势如此，大环境更好，对于整个AI创业者都是好消息，那对于创业者来说，可能最核心的就是利用拥有的资源和技术，实现快速迭代和滚动，最好还能够在垂直场景中做深做透。
我们还是以无人车举例，如果你现在做垂直行业应用，仍旧有一些机会。比如借助Apollo这样的基础平台，做货车、巴士，甚至矿车等应用，跟具体场景紧密结合，给出你的产品方案和解决方案，并在市场中获得验证。
巨头推出的平台Apollo，今年的确做得很成功，但也不意味着别人没有机会，毕竟安卓之外，iPhone肯定也有市场和前景，你看驭势科技做的就是具体场景的完整方案，累积得很快。
另一个建议是留意交叉领域出现的新机会。
可能年初的时候还不好说无人车领域会有哪些新机会，但现在总结一年，新的机会还在产生，来自一些结合性的机会。比如电动车+无人驾驶的结合，可能就会在耗电相关方面给芯片机会。
总而言之，对于AI初创公司而言，我认为最关键的还是快速切入行业，形成人才、行业的积累，让自己更快发展，形成技术、行业上的滚动。
— 完 —
欢迎大家关注我们的专栏：量子位 - 知乎专栏
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
图 2：从左到右：一个以集线器顶点为中心的自我中心网络（ego-network），一个可能的嵌入解决方案（等价于一个高维球填充解决方案），但导致重构失败，其中高度顶点的数目被估计过高。
表 1：数据集的统计数字。|V| 表示顶点的数量，|E| 表示边的数量。
图 3：模型参数分析。（a）和（b）分别展示了合成数据集和 Facebook 数据集中嵌入维度 k 的敏感性。（c）和（d）表示度惩罚参数 β 的敏感性。由于空间限制，我们忽略了其它数据集上的结果。
表 2：不同方法在无标度特性重构中的表现。对于每种方法，选择使 Pearson 系数最大化的 ε。
表 3：连接（link）预测的实验结果。
表 4：多分类任务的准确率。标签简写分别代表架构（Architecture）、计算机网络（Computer Network）、计算机科学（Computer Science）、数据挖掘（Data Mining）、理论（Theory）、图论（Graphics）和未知（Unknown）。
