新浪科技訊 9月6日晚間消息，2019中國發(fā)展高層論壇（China Development Forum）專題研討會在北京開幕，創(chuàng)新工場董事長兼 CEO 李開復參加此次CDF Talk，圍繞《AI+時代：下一波創(chuàng)新浪潮》發(fā)表主題演講，他指出，AI時代到來，將像新時代的電力一樣穿透各行各業(yè)。

　　李開復曾多次表示，人工智能將帶來第四次工業(yè)革命。

在今天的演講中，他進一步指出，在上一波工業(yè)革命浪潮中累積了數(shù)據(jù)，而AI浪潮直接用這些數(shù)據(jù)就可以產(chǎn)生價值，并且?guī)缀鯖]有領域不會受益于 AI。

　　談及人工智能現(xiàn)狀，李開復指出，AI的發(fā)展空間還特別巨大，“可以說今天的 AI 還在中國黃頁時代，最多算是當時馬云先生創(chuàng)的中國黃頁，或非常早期的 Yahoo yellow pages”。

　　李開復總結(jié)，今天我們看到的人工智能就相當于新的電力，它會進入所有的行業(yè)，包括傳統(tǒng)行業(yè)，“它一定不是再創(chuàng)造很多AI科技獨角獸，而是為傳統(tǒng)行業(yè)創(chuàng)造價值。

那些擁抱 AI的傳統(tǒng)公司，他們會勝出。

那些不擁抱AI的傳統(tǒng)公司，他們可能會消失。

” (李楠)　　以下為李開復演講內(nèi)容實錄：　　今天我想跟大家分享的是第四次工業(yè)革命。

　　施瓦布先生告訴我們，歷史上的技術革命可以這么做一個分類：從蒸汽機為主的第一次工業(yè)革命，到電氣化帶來的第二次工業(yè)革命，再到信息、互聯(lián)網(wǎng)、移動帶來的第三次革命，最后是 AI 帶來的第四次工業(yè)革命。

　　從中國發(fā)展的角度來說，我們其實錯過了第一次和第二次，第三次我們表現(xiàn)得還是很不錯的。

我預測——中美會帶領全球來開拓這第四次的工業(yè)革命。

　　那么 AI 的技術到底是什么？　　其實，AI 就是用海量的數(shù)據(jù)來做非常精確的抉擇、判斷或者分類。

在過去的這五年，AI 有了突飛猛進的發(fā)展，所以我們可以有非常高的期待——期待可以再一次看到和前三次的革命一樣輝煌的過程。

　　我們只要看過去這 100 年里，最有價值的 10 個公司在全股市上的表現(xiàn)，就可以非常明確的看到，早期是以工業(yè)來驅(qū)動的，之后會看到一些消費者的產(chǎn)品，也開始看到一些技術類的產(chǎn)品。

　　但是到了 2017 年我們就會發(fā)現(xiàn)兩個有意思的現(xiàn)象：第一個現(xiàn)象，就是在中美最有價值的 10 個公司里面，有 7 個都是頂級的高科技公司，而且這 7 個公司都是既有第三次工業(yè)革命的基礎，也就是 IT、移動互聯(lián)網(wǎng)，也有 AI 萌芽的狀態(tài)。

第二個現(xiàn)象，就是在 2017 年，我們首次看到了兩家頂級的中國公司進入了前十的行列。

　　過去如果說，我們認為石油或者電是最有價值的東西，那么在今天的世界里，在即將引領 AI 革命的世界里，最有價值的則是全球化、快速發(fā)展的數(shù)據(jù)。

　　從我個人的例子來說，我自己在 31 年前發(fā)表的博士論文，用了海量的、巨大的數(shù)據(jù)。

我的導師非常慷慨的給了我 10 萬美金，那個時候，我每個月的獎學金只有 700 塊錢，他給我 10 萬美金。

當然不是給我的，是讓我去買一個超級大的硬盤。

這個硬盤非常的大，有 200 多公斤。

但因為有了這么海量的語料，我才做出了當時最好的語音識別系統(tǒng)。

　　那么這 10 萬美金，200 多公斤的語料，到底裝了多少呢？裝了 100 兆。

　　大家可能都忘記了 35 年前的儲存是多么貴啊。

　　那么，為什么今天頂級的語音識別系統(tǒng)遠遠把我當時開發(fā)的系統(tǒng)拋在后頭了呢？主要的理由就是，他們用了 100 萬倍的數(shù)據(jù)量，訓練出了這樣的 AI 模型，所以海量的數(shù)據(jù)是特別的重要。

　　我也多次提到了，在新的 AI 革命中，data is the new oil，數(shù)據(jù)就是我們新時代的石油和推動力。

當然全球化會繼續(xù)的發(fā)生，會非常的快速。

我們可以看到，相比前三次的革命，第四次革命肯定會來的最快。

　　為什么它來的最快呢？　　我們要想，當年把電網(wǎng)鋪出來是多么漫長的過程，但是今天 AI 差不多才火了 4、5 年，我們在亞馬遜云或者阿里云上就可以直接調(diào)用 AI 了，數(shù)據(jù)是拿來就可以直接創(chuàng)造價值的。

而且?guī)缀蹩梢哉f，上一波的浪潮，就是互聯(lián)網(wǎng)的浪潮，它累積了數(shù)據(jù)，那么我們 AI 浪潮直接用這個數(shù)據(jù)就可以產(chǎn)生價值了，所以這是一個非常快速迭代的第四波浪潮。

　　從第三波到第四波浪潮，我們還可以看到的一個現(xiàn)象是，中國在這段時間里，開始從一個模仿者進入了一個創(chuàng)新者。

十年前，中國的頂級公司基本都是仿效美國的公司，之后中國有所謂的微創(chuàng)新，再之后中國有很多的點子是全球都沒有看到的。

　　這里舉幾個例子，今日頭條、快手、VIPKID、摩拜、映客、拼多多、螞蟻金服……都是中國創(chuàng)新的模式，今天我們已經(jīng)跨越了從 copy to China 到一個 copy from China 這樣一個新的時代。

　　我們也可以看到中美其實有同樣強大的科技公司，創(chuàng)造了非常不同的環(huán)境。

　　那么回到 AI，到底什么事情導致了 AI 的到來？　　剛才談到了海量的數(shù)據(jù)、更快速的計算，但是同樣重要的是一個巨大的發(fā)明，這個發(fā)明叫做深度學習。

當然之前、之后都會有發(fā)明，但是深度學習它帶來的變革，就和當年的電力是一樣巨大的。

它將成為一個非常好的平臺，在上面可以架各種不同的應用。

　　深度學習就是剛才我說的一個大黑盒子，你把海量的數(shù)據(jù)丟進去，然后告訴它學什么它就能幫你優(yōu)化。

比如說，我把很多句話丟進去，告訴它每一句話講了什么，它就能識別任何人講的詞，任何的字。

我如果把銀行的好賬跟壞賬丟進去，它就可以分辨一個新的貸款，更可能是好帳還是壞賬。

如果我把各種股票投資數(shù)據(jù)丟進去，然后告訴它一個月后股票是賺錢還是賠錢了，它就能分辨出哪些是更可能賺錢的股票，哪些是更可能賠錢的。

　　它就是這么巨大的一個魔術性的盒子，能夠做單一領域的，基于海量數(shù)據(jù)的判斷和抉擇，所以當它被用在各種領域的時候，它就能創(chuàng)造各種價值。

　　在過去的四年中，我們看到了 AI 擊敗了世界圍棋冠軍，還有幾乎任何的游戲。

當然，它不只是在游戲的領域，今天的 AI 在國內(nèi)可以考過醫(yī)學界的高考；在日本幾乎可以考上東京大學；還有最好的 AI 做的語音識別能比人類識別的更精確，最好的物體識別比人類識別的更精確；然后再加上無人機等等各種的功能……我們可以看到，AI 正處于一個百花齊放的時代。

　　當然你聽我說了這么多，可能說李開復是自己做 AI 投資的，是不是在不斷的吹捧他自己的工作呢？我們就找一個保守的機構——普華永道來說。

　　這是普華永道對未來 AI 的一個預測：在未來大約十年中，就是 2030 年底，AI 將為全世界創(chuàng)造 16 萬億美金增額的 GDP。

這 16 萬億美金里面有 7 萬億美金是來自于中國。

麥肯錫也做過類似的研究。

　　在我的新書中，我描述了一共有四波 AI 浪潮。

因為 AI 是需要海量的數(shù)據(jù)，所以第一波浪潮一定是互聯(lián)網(wǎng)——數(shù)據(jù)最多的領域，你可以看到各種應用。

　　第二波浪潮里還有什么行業(yè)會有很多的數(shù)據(jù)？金融業(yè)肯定是最多的，而且這些數(shù)據(jù)都和互聯(lián)網(wǎng)數(shù)據(jù)一樣，是標注的、精確的、海量的、而且是虛擬的，并沒有什么物流制造來放緩我們產(chǎn)品化的過程。

當然我們也可以把它用在教育、政務、還有后臺等等各種的地方。

　　第三波浪潮就是當 AI 能夠有眼睛、有耳朵，能感觸、能聽、能看。

剛才已經(jīng)講過了語音識別、計算機視覺，但是遠遠不止這兩個像人的聽覺視覺一樣。

當計算機有了視覺的時候，我們就可以做無人商店了，在店里我們的商店可以看著我們摸了什么、拿了什么，借此來預測我們未來會購買什么。

我們也不再需要收銀員了，我們自己放到口袋里它就知道我買了什么，出門的時候就直接用我們的移動支付付錢了，它就真的成了一個無人的商店。

　　另外，我們?nèi)祟愔饕柯犛X和視覺，但是計算機以后可以有無數(shù)的觸角。

一個好的 AI 算法，它有很多傳感器，這些傳感器除了聽、看之外，它可以感受到熱度、濕度，所以對農(nóng)產(chǎn)品會有非常清晰的了解，它會知道什么時候需要施肥、需要澆水，哪些地方能成長多少白菜……這些都可以算得很清楚。

它還可以做三維重建。

比如說我們用 iPhone 來做人臉識別的時候，有沒有發(fā)現(xiàn)房間很黑的時候，依然能夠解鎖你的 iPhone？為什么呢？那是因為有結(jié)構光的技術，讓它在黑暗的時候都可以看清。

這些功能會讓 AI 遠遠超過人類的能力。

因為它不只是聽和看，還有各種其他的傳感功能。

　　第四波浪潮就更神奇了，AI 能夠動了。

它有手有腳, 能夠觸摸，能夠 move and manipulate，這個 AI 就變成了機器人、工廠、倉儲、 還有無人駕駛。

　　所以通過這四波浪潮你可以認識到：幾乎沒有領域不會受益于 AI。

　　今天 AI 有很多很厲害的黑科技產(chǎn)生，但如果我們仔細去觀察，可能會問 AI 真的有應用到你的領域嗎？　　在座可能很多人來自傳統(tǒng)行業(yè)，或者你們的朋友有很多來自傳統(tǒng)行業(yè)。

如果你問一問他們，你們的公司用 AI 嗎？他們的回答應該是只有 4% 的公司用了 AI。

　　AI 的發(fā)展空間還是特別巨大的，可以說今天的 AI 還在中國黃頁時代，最多算是當時馬云先生創(chuàng)的中國黃頁，或非常早期的 Yahoo yellow pages，其他的那些技術都還沒有被發(fā)明。

你可想而知，從互聯(lián)網(wǎng)黃頁時代到之后的發(fā)明是多大的一個比例。

或者，可以比作那個電網(wǎng)還沒有出來的電力時代。

　　所以 AI 會經(jīng)過四個過程，首先是以 AI 技術為主的創(chuàng)新創(chuàng)業(yè)；之后是 AI B2B，作為一個產(chǎn)品針對性的對你的行業(yè)來服務，最好是你數(shù)據(jù)已經(jīng)有了；第三波是把 AI 注入傳統(tǒng)行業(yè)——我是個傳統(tǒng)行業(yè)，我有自己的流程，但是我如果能夠有一批 AI 的工程師來幫助我做事情，就能夠提高效率、降低成本，這叫做 AI Infusion 或者叫 AI+賦能；那么最后當然就是 AI everywhere，無所不在的 AI。

　　其實這跟互聯(lián)網(wǎng)是一樣的。

我們可能會記得 20 多年前，我們都認為瀏覽器是一個很神奇的東西，就像早期 AlphaGo 一樣；但是之后大家發(fā)現(xiàn)，沒有那么難，很多人都可以做，于是就開發(fā)了瀏覽網(wǎng)站的服務器、網(wǎng)站的編輯工具，這就等于是第二階段的 B2B 功能；再之后，每個公司都要想「我怎么去用互聯(lián)網(wǎng)？」，再后來大家每天工作都是互聯(lián)網(wǎng)了，就沒什么「我怎么用互聯(lián)網(wǎng)？」這樣的問題可問了，所以我們現(xiàn)在正在第二和第三波浪潮的中間。

　　好，那么我們第三波是即將來到的浪潮，也就是說所有的傳統(tǒng)工業(yè)。

什么叫傳統(tǒng)工業(yè)？可能從比較高科技的傳統(tǒng)工業(yè)，比如說制藥，到一些比較不那么高科技的，比如說鋼鐵石油，都會用上 AI。

我們想到 AI 就想到互聯(lián)網(wǎng)公司，只是因為互聯(lián)網(wǎng)是有最多的數(shù)據(jù)，因此是最低垂的果實。

　　那么 AI 將怎么被傳統(tǒng)公司使用呢？　　第一種就是傳統(tǒng)公司公司流程不變，數(shù)據(jù)拿進來用，用數(shù)據(jù)來優(yōu)化已有的流程；第二，有了 AI 以后要修改一些流程，讓它得到更大的益處；第三就是用 AI 來徹底顛覆一個傳統(tǒng)行業(yè)。

第三個當然是最偉大的、最有顛覆性的、最難的、也是少數(shù)的，但是這三者都會發(fā)生。

讓我現(xiàn)在每一種舉兩個例子給大家。

　　Local optimization，就是說我們流程不變，只是用數(shù)據(jù)跟 AI 進來取代部分的流程。

那么最標準的例子，是企業(yè)級的服務，也就是現(xiàn)在外包到印度的那些服務。

　　比如幫你做報賬，或者是財務上簡單數(shù)據(jù)的處理，或者是后臺的 IT 服務，這些東西現(xiàn)在有大量的人力在印度幫著解決了，主要是以歐美為主的大企業(yè)，當然中國的企業(yè)可能是內(nèi)部來解決了。

　　我們發(fā)現(xiàn)，只要在這些重復性工作的白領的電腦上裝一個軟件，他就會每天看著這些人做什么工作。

然后經(jīng)過一兩個月的觀察，可能一次看 3 萬、5 萬、10 萬個人，就會發(fā)現(xiàn)這個工作量里面 10% 或 20% 是機器 AI 可以做的。

然后就可以讓把人的 10% 到 20% 的工作解放出來，這些人可以做更多其他的工作，或者可以減少一些人力來降低成本。

這個 10% 到 20% 是最少的，在有些例子中可能會取代 90% 的工作，所以 AI 就像我上一本書上講到的，最大的力量、最快能得到的價值就是取代人類重復性的工作。

　　第二個類似的例子是接電話，就是我們的客服電話，其實 80% 的電話都可以用 AI 來解決。

比如說你想知道我可不可以退這個產(chǎn)品、該怎么退、或者是顏色怎么換、如何使用等等，這些用 AI 都可以像人一樣，甚至比人的服務員能達到更高的滿意度。

當然如果你發(fā)火了，對這個公司超級不滿，要打過去宣泄一下你的情感，這個時候還是要人來處理。

我們的 AI 可以分辨哪些是機器可以處理的，那 80% 的成本就省掉了，所以一個 call center 可以大大的降低它的成本。

　　第三個例子它更高級一點，就是用 AI 來改變流程。

比如說我們和一個頂級的零售超市合作，那么 AI 能夠幫助我們節(jié)省員工的培訓，但是更重要的是，我們能預測每一個商店明天會賣多少商品，每一個商品在每一家商店的零售是多少，再讓 AI 對接上你的物流和供應鏈，它就可以幫你的公司省下很多很多的錢，28% 的存貨都可以降低，你就不用在存貨里面浪費時間和錢，因為存貨你不賣掉是浪費，存貨不足也得不到收入。

更大的一個影響是，很多店長主要是做預測的，而現(xiàn)在，AI 也可以把店長的大部分任務取代了。

這倒不是說取代店長能省多少錢，而是說偉大的企業(yè)都是有能力快速擴張的，但問題是找優(yōu)秀的店長是很難的事情，這里突然就不用再找店長了。

還有，你的貨品，像蔬菜和肉也會更新鮮，因為我們能確保不會過分的去儲藏那些賣不掉的貨品，所以這就是改變了整個零售公司的流程。

　　另外一個例子就是我們用衛(wèi)星圖像，像左邊的圖，你能夠清楚地看到它的濕度是多少，就可以預測今年白菜、黃瓜會怎么成長；右邊你可以看到油桶里面儲存的油，當油蓋被打開的時候，我們可以根據(jù)太陽的位置和太陽照射進去的角度、陰影，來推測每一個油桶里有多少油，就可以非常精確的知道世界上每個國家、每個城市有多少油存在。

　　再一個例子就是購買股票。

今天買基金是千人一面的，但是未來我們可以千人千面，針對每一個人的需求，定制化的把各種信息丟到機器里面做一個最標準的、最符合用戶可容忍風險度的一個投資。

而且它所采納的信息是基金經(jīng)理不可能看到的，它可以了解每一個公司，比如今天員工是不是很開心。

怎么做呢？到抖音上面去扒一扒大家今天發(fā)了什么，就可以猜出來。

這些東西跟股票的價錢都可能是相關的。

　　最后的一個例子是發(fā)明新的藥物。

如果我們使用傳統(tǒng)的方法，可能是一些科學家根據(jù)經(jīng)驗去猜什么藥物能治什么病，但是如果加上了人工智能我們現(xiàn)在可以把發(fā)明新藥的速度用生成化學，再加上一個對抗式網(wǎng)絡，再加上自然語言，三者結(jié)合起來，發(fā)明新藥的時間可以節(jié)省 3/4。

　　所以這些帶來的是巨大的商業(yè)價值，當然 AI 也帶來了很多挑戰(zhàn)。

　　有人今天會談很多的隱私安全、工作的替代、還有貧富的差異，這些都是 AI 可能會帶來的一些巨大的挑戰(zhàn)。

但是我認為，雖然各國政府都已經(jīng)了解這些挑戰(zhàn)，而且開始研究怎么治理，但更重要的是，這些技術帶來的問題最終很可能都要由技術來解決。

就像當年的病毒是用防病毒軟件來解決的，今天的隱私問題、安全問題都可能有新的技術去解決。

所以要相信我們做技術的，相信我們看到問題，承認它存在，并盡量去解決它。

　　做一個總結(jié)，今天我們看到的人工智能就相當于新的電力，它會進入所有的行業(yè)，包括傳統(tǒng)行業(yè)，它一定不是再創(chuàng)造很多 AI 黑科技獨角獸，而是為傳統(tǒng)行業(yè)創(chuàng)造價值。

那些擁抱 AI 的傳統(tǒng)公司他們會勝出，那些不擁抱 AI 的傳統(tǒng)公司，他們可能會消失。

　　最后我們會看到，今天中國和美國都在快速的發(fā)展，中國有些傳統(tǒng)行業(yè)還是比較落后的。

但是恰恰因為落后，在這個時候就可以擁抱 AI。

也許有一些中國的傳統(tǒng)行業(yè)，它還沒有做信息化和數(shù)據(jù)化，那么這一次我們就可以享受三個由技術帶來的紅利：信息化、數(shù)據(jù)化和 AI 化。

　　所以 AI 將改變世界，我們期待和大家一起迎接這美麗的未來，謝謝！