AI時代，中國的山寨大軍比矽谷創業家更有優勢！李開復分析背後關鍵原因

美國的大學和科技公司，數十年來都因為能夠吸引到全球各地的人才，收割極大的益處。人工智慧的發展似乎也不例外，眼看著美國似乎又要遙遙領先，尤其是頂尖的研究人員，得以利用矽谷豐沛的融資環境、獨特的文化和群聚的產業龍頭。

在多數分析師的眼裡，中國科技業注定在全球人工智慧的發展與應用中，持續扮演數十年來一直扮演的角色：一群遠遠被尖端領導者甩在身後的山寨大軍。

這是基於對中國科技環境的過時假設，也是在根本上誤解了人工智慧革命的背後動力。西方國家點燃了深度學習的火炬，但最大的受益者將會是中國，這種全球性的轉變是下列兩項轉變的產物：從發明的年代轉變為實務應用的年代；從專家的年代轉變為資料的年代。

許多人之所以誤認為美國在人工智慧具有重大優勢，主要是因為還停留在我們生活在發明的年代的印象中；在發明的年代，人工智慧的頂尖研究人員不斷打破舊有典範，最終破解存在已久的謎題。媒體不斷報導人工智慧的最新成就，更是助長了這種印象，例如：在某些癌症的診斷上，人工智慧做得比醫生更好；在德州撲克的人機大賽中，人工智慧擊敗了人類冠軍；不用人為干預，人工智慧就自己學會並精通新技能等。

我認為，這種印象有誤導作用，因為在這些「新里程碑」中，很多其實只是把過去10年的技術性突破應用到新問題上。

分清楚發明的年代與實務應用的年代，才能理解人工智慧將如何影響我們的生活，以及什麼（或哪個國家）將主導人工智慧的發展。

在發明的年代，所有重要的發展主要是由少數幾個頂尖思考家所驅動的，他們幾乎全部聚集在美國和加拿大，他們精闢的研究洞察和獨特的知識創新，引領電腦科學與人工智慧產生重大的突破。自從深度學習出現以後，目前還沒有其他領域的研究人員或工程師，達到類似規模的創新。

這就把我們帶到第二項重要轉變的討論上：從專家的年代，轉變為資料的年代。現今，成功的人工智慧演算法需要3樣東西：大數據、強大的電腦運算能力，以及優秀（但未必要頂尖）的 AI 演算法工程師。

如果餵入的資料量更多，即使是由一群中等水準的 AI 工程師設計出來的演算法，表現也會比世界級頂尖深度學習研究人員用相對很少數據量設計出來的演算法更好。情況已經不同，現在獨家擁有最頂尖的人才，已經不再像以往那樣，享有絕對的壓倒性優勢了。

不過，最頂尖的AI研究人員，仍然有強大潛力把AI的發展推升至全新水平，但這類重大進展幾十年才會出現一次。在我們等待下一項重大突破出現時，資料的快速成長和可取得性，將是深度學習大幅度破壞世界各地無數產業的主要動力。

中國的優勢

矽谷創業家被封為全美最賣力工作的一群人，年輕、熱情的創辦人召集一群同樣瘋狂的有志之士，開夜車把產品趕出來，然後不斷地進行修正、迭代，一邊關注下一波的重要趨勢。

中國成功的互聯網創業家，幾乎都是從世界上最殘酷的競爭中脫穎而出的，在他們的世界裡，速度只是基本必須，山寨是可以接受的實務，競爭者為了贏得新市場不擇手段。在中國創業圈，每天都是火的試煉，就像古羅馬競技場上的鬥士，不是你死就是我活，對手毫無顧忌。

想在這種競爭中存活下來，唯一的方法就是不斷地改良產品、革新商業模式，同時採取必要的保護措施。如果你唯一的優勢，只是一個創新點子，這個點子最後一定會被剽竊，你最重要的員工也可能會被挖角，最後可能因為比不過其他獲得創投資金的同業而慘遭淘汰出局。這麼混亂、辛苦的競爭環境，和矽谷的明顯完全不同。

中國山寨年代的混亂市場和骯髒手段，確實產生了一些不體面的公司，但也培育出新一代世界上最敏捷、能幹、吃苦耐勞的創業家，而這些創業家將幫助中國成為第一個在實務應用的年代利用AI賺錢的國家。

這些創業家可取得中國科技界的另一項「天然資源」， 那就是多到驚人的資料。中國已經超越美國，成為資料產量最多的國家，擁有的資料量不僅多到驚人，也由於中國獨特的科技生態系統，那些資料簡直就是為了打造賺錢的 AI 公司所產生的。