AI時代，中國技術創新彎道超車

第一、首先說說中國目前的AI的發展

中國在專利和論文上已經在國際上位居前列，在語音識別、機器視覺、智慧翻譯領域也是全球領先，而且人工智慧創新非常活躍。特別是最近幾年發展起來的一批在全球有影向力的高科技企業，在國際社會上得到了廣認可，總體的判斷華人工智慧在全球是屬於第一梯隊。

目前中國新一代人工智慧相關學科發展、理論建模、技術創新、軟硬體升級等整體推進，正在引發鏈式突破，推動經濟社會各領域從數字化、網路化向智慧化加速躍升。

第二、再來說說華人工智慧發展戰略

到2020年華人工智慧總體技術和應用與將達到世界先進水平，人工智慧產業成為新的重要經濟增長點，人工智慧技術應用成為改善民生的新途徑，有力支撐進入創新型國家行列和實現全面建成小康社會的奮鬥目標。到2025年人工智慧基礎理論實現重大突破，部分技術與應用達到世界領先水平，人工智慧成為帶動中中國產業升級和經濟轉型的主要動力，智慧社會建設取得積極進展。到2030年人工智慧理論、技術與應用總體達到世界領先水平成為世界主要人工智慧創新中心，智慧經濟、智慧社會取得明顯成效，為躋身創新型國家前列和經濟強國奠定重要基礎。

第三、最後中國如何實現中國AI2030彎道超車

中國想登頂AI，還有四個困難——核心技術、人才缺口、標準制定、安全防控。

以核心技術為例，根據《華人工智慧發展報告2018》，雖然中國AI領域的論文產出量在2017年排名全球第一，但在企業論文產出排行中，僅國家電網公司以841篇擠進全球前20大產出最多的企業，但仍遠遜於IBM、微軟的5105、4710篇。這個數字透露出，中國的AI核心技術可能更多的是在實驗室階段，真正落實在商用領域的比例仍不多，這在中中中國產業轉型升級中，是值得深思的課題。

其次，在人才方面，中國目前AI領域人才擁有量18232人，佔全球8.9%，遜於美國的13.9%，另按北京清華大學的報告，中國大陸AI領域傑出人才數為977人，全球第6，不及美國的20%。全球人才投入較高的企業中，大陸也僅有一家華為進入全球前20，人才方面的短缺，是目前中國AI產業最急迫的短板。

最後，中國AI產業未來勢必要跟全球跨國企業競爭，此時爭搶行業標準制定的主導權就關係到中國AI產業能否在未來競爭中佔領制高點，而這一方面，中國在AI的基礎設施、政策法規、標準體系方面仍亟待完善。

人工智慧專案是一項週期長、風險大的投資，但人工智慧的發展卻能推動許多行業的變革，這對中國的經濟轉型、產業升級至關重要。從這個角度來看，能否解決上述諸多隱憂或許是華人工智慧技術實現彎道超車的關鍵。

1、重視基礎教育、踏踏實實從事基礎研究

華為創始人任正非曾反覆表達過兩個觀點：

（1）再窮也不能窮老師。

（2）我們是磨豆腐的，每人把自己那個豆腐磨好就行了。

就是說，再窮也要對未來投資。

技術創新不是拍腦袋想出來的，是踏踏實實研究出來的。

2、少一些複製模式，少一些功利，多一些夢想與創造力

中國沒有支付寶或許會有付款寶，中國沒有王者榮耀年輕人或許能做些更有益身心的活動。

相比較，亞馬遜貝索斯計劃在2022年讓美國重返月球、X-space及特斯拉創始人馬斯克還在夢想向火星移民。

想發財致富的人太多，然而仍懷有夢想的人太少。

科學來不得半點馬虎和虛頭巴腦的東西，所謂技術彎道超車，我更願意理解為，中國通過幾十年忍辱負重和厚積薄發，終於換來一個爆發期。

那麼在AI時代，要想在世界範圍內進一步提高技術競爭力，實現所謂超越，我認為以下幾點需要注意：

近年來中國民族自尊心和自信心已經得到極大恢復，這是非常好的事情，畢竟我們有五千年悠久歷史。

但是伴隨而來很多人認為中國整體各個方面非常好，很多技術已經領先國外很多年（也有完全相反的思想，認為中國全面落後外國）。

這種心態要不得。

我認為，技術創新是需要千千萬萬科技工作者，在實驗室裡面踏踏實實做研究搞出來，不是想當然認為我們先進就先進了。

近代基礎學科重大發現和突破，實際跟中國不沾邊，這是我們的遺憾。

但是AI底層邏輯是統計數、數學和計算機技術（也算是數學）等基礎學科，要知道基礎研究和理論研究，本身可能不會產生任何實際效益，這跟當前國內很多人宣揚的模式創新和一夜暴富格格不入。

還好，中國很多公司開始投入巨資在基礎研究上。

比如阿里巴巴達摩院計劃投資千億進行基礎技術研究和探索；百度AI在中國及世界很多地方設有研發中心；華為5G技術在新一輪資訊時代佔據重要地位，帶領中國從標準使用者轉變為標準制定者。

國家在技術創新和引導方面也做了大量工作，政府很多縱向課題開始偏向基礎研究，這對高階人才的培養和技術發展是一個好開始。

希望進一步紮實基礎研究，並進一步做好AI技術研發，打造好AI這個超級工具。

AI說到底是一種工具，是一種模擬人類思考、學習和決策的系統，同時在某些方面與人的能力進行互補。

那麼我們就可以藉助AI感知、規劃、推理和深度學習能力，將技術研究中的基礎資料匯入系統，進行模擬和計算，快速驗證技術可行性。

例如，AI+金融、教育、醫療、交通、工業、智慧家居、智慧汽車和智慧製造等應用融合場景，透過AI賦能，可以快速提升技術研發效率，加快問題解決。