“科研创新本身是帮助我们跨过经济周期的非常好的要素和条件，纵观历史，大部分经济的非连续性跳跃都来自科研创新。”
“人工智能需要我们对技术的认知，它可以帮助我们突破下一个阶段的认知边界。”
“每个技术从开始到真正推动经济发展，都要面临至少两个阶段，第一个阶段是技术落地，第二个阶段是降低成本。”
“未来越没有定律的学科，越容易被颠覆，像制药这种原来没有定律的行业，机器能够干得很好。”
“今天人工智能模型的生产成本正逐步下降，商汤三年降低了300倍。”
以上是12月18日，商汤科技联合创始人、CEO徐立在中国行业发展高峰论坛中，围绕人工智能发展演讲时的精彩观点。
身为AI独角兽的商汤科技一直备受市场瞩目。
12月13日，商汤科技在港交所发布公告，决定延迟全球发售及上市。原因是美国商务部将其列入“非SDN中国军工复合体企业名单”，这意味着美资将无法参与商汤科技在市场中的投资交易。
12月20日，仅过去一周时间，商汤科技公告将重启IPO，发行规模和定价区间与之前保持一致。公司基石投资者发生变动，其中，中国诚通发起设立的混合所有制改革基金、国盛海外香港、上海人工智能产业股权投资基金、上汽香港未变，新引入上海徐汇资本、国泰君安、香港科技园创投基金、希玛眼科、泰州文旅。
在此次会议主讲中，身为商汤科技的核心人物之一，徐立从人工智能讲到对技术的认知，以及人类历史不同阶段对认知创新的理解。
徐立表示技术是时代发展的引擎，而且产业革命分为两个阶段，“顶天立地”（技术落地）和“铺天盖地”（成本的降低）。
在技术落地后，降低成本、实现可规模化是开启一个时代的标志。在人工智能发展的过程中，超前的认知在强大算力面前是一个有待解决的问题。
商汤推出了AI大装置，徐立指出只有解决了长尾匹配的问题，才能完成价值的闭环。
聪投整理了当天的演讲实录。这是一篇知识含量满满的分享，富含哲科思维，对文科生也有点烧脑。
产业革命的两个阶段：技术落地和降低成本
商汤最近有一些新闻，三年前我们准备走国际化道路的时候，美国把我们列入实体清单中，我们的采购受到了影响。
上周我们在港股IPO定价的当天，美国把我们列入涉军清单当中，阻止所有的美资投资我们，导致我们现在还在处理当中，IPO可能会往后延一下。
这一切都跟我们所做的科研创新有关，科研创新本身是帮助我们跨过经济周期的非常好的要素和条件，纵观历史，大部分经济的非连续性跳跃都来自科研创新。
我们看到所有学者型的教授，或者真正从科学实验室走出来的企业，本质的意义就在于认知的领先或者是认知的差异，所以某种意义上，我们赌的是对科技技术发展判断的认知。
所以我相信未来资本循环的模式以及创新链的模式一定是协同的，而原来是细分的创新。
人工智能需要我们对技术的认知，它可以帮助我们突破下一个阶段的认知边界。
过去300年以来，每个时代背后的驱动力都是技术，技术是时代发展的引擎。
从熊彼得跳跃式的创新理论来看，可以把每一个技术细分，每一个时期都有一个非连续的点，每个技术从开始到真正推动经济发展，都要面临至少两个阶段，一个阶段是技术落地，第二个阶段是降低成本。
第一个阶段，技术在行业中落地，我称之为叫工业的红线，任何的技术如果只是技术的突破和发展，只有学术者会关注。但是过了工业红线，其实也不是真正意义上技术赋能百业的标志。
第二个阶段，是降低成本，能够大规模的机械化生产，只有把生产成本降到原来的十分之一甚至百分之一的时候，才能做到这个时代的标志。
这两个阶段中，有两个核心问题。
第一，当技术被发明的时候，大家的认知还没有起来，比如交流电刚出来的时候，大家认为它能电死牛，当时大家持有反对情绪。
甚至汽车刚出来的时候，大家认为在马路上开汽车会吓到马，所以在车前150码的地方，有人会挥红旗，以此提醒有车来了，但是当时没人能意识到，当有了汽车后就不需要马了，这是认知没起来，需要长时间的教育。
第二，成本降不下来，如果成本普遍很高的话，行业没有办法发生颠覆式的变化。
人工智能就是这样子，2010年前是人工指导智能的时代，因为不管是传统的、深层次的或者是差异化的形式，都非常依赖于人的先验知识，都需要人的理解。
比如数据的分布，需要很多人类的先验，才能够做预测。
人工指导的智能有很大的局限，它的上限是人，导致它没办法超越人，所以它很难形成一种大规模的行业应用。
为什么在某一个阶段突然就可以呢，是因为这波人工智能的驱动依赖于两个因素，一是大数据。
二是背后的算力给予它一个非常强大的探索空间的能力，再加上算法本身对世界有很好的呈现表达，它可以完全不依赖于人了，所以它就有可能超越人。
2013、2014年，我们看到人工智能在很多垂直领域里能够超越人，我认为可以把超越人作为超过工业红线的一个标准。
但是从第一个阶段到商用还有一定的差距，生产成本是不是过高？就像工业制造也面临同样的问题。
以AlphaZero为例,确实已经超越了人,现在没有人怀疑，但是刚起来的时候，也有认知问题。
如果围棋本身是一个工种的话，假设现在我们全国的职业棋手有170多个，退休的300个，每年的成本是几千万，但是AlphaZero的成本是30亿左右，算下来可能需要70年才能回本。
如果我找到一个工厂说，我能帮你改造升级这条产线，但是你的ROI需要70年能够回本，这样的话，就不容易被投资。
在这两个因素当中，第二个因素更能促进整个行业的发展和变化，我把第一个因素称之为叫“顶天立地”，第二个叫“铺天盖地”。
我们先看看“顶天立地”的条件是什么，为什么现在我们有机会做到“顶天立地”。
人类真正意义上的认知创新有4个范式，其中一个是亚里士多德的推理演绎，欧几里德和牛顿定律都是从这条来的。
它的原理是根据一个基础的原点，往前一直推理到无穷的边界。今天所有的科技，以及西方的治理模式都是用推理演绎的来做的。
直到千年之后，培根说其实人类的创新还有一种模式叫归纳。
为什么这么长时间之后才有了经验归纳，人们才把它称之为范式，最核心的原因是以前人类不知道自己的无知，总觉得能够用一种通用的方法推导边界，直到后面发现所有的东西只能在特定的条件才能往下走，所以归纳才会成为了可能性。
2007年，图灵奖得主吉姆格雷提出人类历史上第三、第四个范式。
第三范式是计算机模拟，计算机模拟就是计算机帮你做推理演绎。
现在的天气预报，包括宇宙三体的问题，都是计算机模拟，算的准不准取决于问题本身是不是一个混沌问题，初值发生变化，后面也会变化。
用计算机做归纳叫做第四范式，是数据的密集型。
之前我问过同事，人类历史上有什么东西是只增不减的，有人说是房价，但其实是数据。
可能我们不见得那么依赖数据，但是人类真正意义上非连续的变化是天才的猜想和脑洞。
比如牛顿小时候被苹果砸到头上，爱因斯坦小时候梦到自己乘坐了一个光线等等，人类历史上的科研突破基本上都是思想实验，既没有立足的基点，也没有后面的推理。
这种突发式的思想实验到后来被验证，我称之为天才的脑洞，为什么它不能成为人类历史上的范式？因为范式是可以预测的，而这个是不能被预测的。
图灵在1950年提了一个问题，机器会不会思考？
70年之后，我们可以问另一个问题，机器能不能做猜想？答案是肯定的。
其实有了这个变化之后，人类对世界认知的模式发生了巨大的变化，因为机器猜想这件事情是可规模可复制的。
举一个例子，AlphaZero，围棋的复杂度是10的170次方。为什么举这个例子？因为它的复杂度不是问题中最复杂的，但它足以证明这个东西是一个猜想。
围棋的复杂程度远大于宇宙中的原子个数，宇宙中的原子个数是10的70次方，如果每一个原子都是一个超级转机，每秒计算1亿亿次，那么从宇宙大爆炸开始到今天也算不完。
某种意义上，AlphaZero就是胡猜，它不是在求解，它是猜了一个让你觉得是正确的解。
当AlphaZero刚出来的时候，人类也会觉得这东西不靠谱，甚至柯洁当时都说AlphaZero是不可能超越人的，但是最后它给出一个比人类解更好的猜想。
今天这个问题放在我们面前，如果计算机或者AI能够很容易地猜想出牛顿定律，而牛顿还要在200年之后才出生，我们用不用这个定律？
这里面包含两个问题，第一，首先需要知道牛顿定律在现在的环境下可以被使用的，这需要认知往前走一步，毕竟它是超前的。
再举个例子，比如在亚里士多德时代，你跟他说牛顿定律，他可能还能够逐步理解，但是你要告诉他相对论，说光是会弯的，他马上会问光是什么？认知太超前了也不行。
刘慈欣的一本书叫《诗云》，讲的是一个高端的外星文明来到地球，说你们的文明太弱了，信息传输的比特率太低了，像这种文明竟然还能存在。
后来看到人类历史上有诗的存在，他们觉得非常有意思，然后他把所有的诗的格式，所有的词都填完，做成一个叫诗云的东西。
这个时候问题来了，你能写出所有的诗，最好的诗也在里头，但是你找不出什么是好的诗，今天机器能够给出一个很好的猜想，但可悲的是，人类在这个时间点上，没有办法去识别哪些猜想是真正意义上有战略价值的猜想。
但是机器给的猜想也不都是对的，猜想只能是一个猜想，因为现在有穷的计算能力没有办法给出一个确解。
所以在这个过程中，我们只能借鉴人类的发展历史，在应用中去测试边界，用这个边界回头来做规范，所以必须在创新链当中加速它的使用，它才能够真正被用好。
像数学定律里面的庞加莱猜想、费马猜想等等，机器随时可以轻轻松松猜想几十个，这是我们这代人探索未知世界的核心能力以及变化。
所以未来越没有定律的学科，越容易被颠覆，像制药这种原来没有定律的行业，机器能够干得很好。
人类一直觉得我们对这个世界有一个很好的把控，但实际上都是在应用当中找到边界。
西方，特别是欧洲在人工智能的使用中，给出4个原则，里面最核心的原则叫做可解释性，中国也有非常多的学者提倡可解释的AI。
我认为这个原则不可行，比如人类觉得有些东西安全，并不是因为它可以被解释，而在于它在应用中的边界。
比如说飞机起飞，到今天为止，我们用流体力学、反流体力学完全没有办法解释它起飞的动力，但是有谁觉得坐飞机不安全？
还有自行车的平衡，没有办法解释自行车为什么能够做到平衡不倒，直到今天为止物理学没法解释，但是有谁觉得这个东西没法解释就不骑自行车了，没有办法解释，学者也没有办法解释。
很多人会认为大数据就是以数据驱动的，实际上最核心的一点在于算力，我们可以看到一些应用，已经不完全是数据驱动的，这也是为什么我们推动一个更大的“AI大装置”。
为什么我称之为大装置？
因为我类比的是粒子对撞机，粒子对撞机是1956年发明的，它是用随机来解决物理的定律，以此找到探索物世界的规律，其实今天的人工智能也是这样，用随机的碰撞找到定律。
有一个有意思的现象，过去十年最好的人工智能算法，对于算力的需求增长了100万倍，这里面有很多算法其实是没有用数据的。
AlphaZero就是0数据，零数据就是不需要人类的数据，因为有些细分的工业场景，比如医疗，没有这么多数据。在很多的问题当中，长尾应用都不是大数据的问题，所以这是我们接下来面临的问题。
商汤目前的算力是3.74百亿亿次的浮点运算，是全世界最大的超算中心之一，我们既做智慧城市，又做驾驶前面的感知，从来没有人把自动驾驶和智慧城市当成一件事情来做，但是很有意思的是，这两个东西看的是同一个场景，都是人、车、物、市场。
人类看一样东西都一样，比如我在一楼看一台车和二楼看这台车，我调用的肯定是同一个识别算法，为什么机器用的是两种不同的方法。其实感知本身是个静力问题，静力问题属于类别越多，越触类旁通，就代表越好。
这是第一个问题，所以这个东西解决的是巨大的跨模态的数据，解决通用性的问题和泛化的问题，我们要做的事情就是利用通用模型来推动大算力的变化。
第二个问题是“铺天盖地”的问题，我是第一个把“长尾”用到线下应用中的。
做科学研究的都知道，自然界中很多现象都是long tail（长尾），比如说自然图像的梯度都是long tail或者heavy tial，因为尾巴很大。
互联网过往20年来最大的贡献是解决了长尾的匹配。
比如雅虎，雅虎刚开始的时候就是一个黄页，但黄页不火，因为黄页只能解决头部问题，1万个人要的东西我给你做了，但是有两个人要的东西你不做，但这就不是互联网的基础，互联网真正起来就是搜索引擎的起来解决了长尾匹配问题。
电商、广告、搜索都是，现在所有的互联网都是在解决长尾匹配的问题，但是大家认为线下跟长尾没什么关系。
但是线下应用，像城市治理，就是在完成长尾的链条，因为现在的瓶颈是人，如果人做10个事情，你只解决其中8个瓶颈，这样是不行的，只有把所有的事情全部解决了，你才能够提升效率。
城市治理也一样，比如说城市治理，人群的问题、车的问题等等，只有把整个问题全部解决之后，才会形成一个长尾价值的闭环，实际上目前的技术是可行的。
我觉得人工智能是可以给这个世界提供一个超强的，我们称之为“基础设施”。
因为每个人一天遇到600件物品，如果有3400万个AI模型，就可以在真实世界中形成互联网。
那么在这上面可以做所有的应用，包括机械制造的应用，无人驾驶的应用都可以。
我们现在也只能做到22,000个AI模型，和3000多万个天差地别。所以这也是今天不能做全面数字化转型的一个核心，你的东西还没有结构化，所以没东西可以搜索。
但是只有把长尾这些东西都做了，价值闭环才能起来。
所有时代背后都是技术，比如蒸汽、电气，甚至石器、铁器时代，再到信息时代都是技术，为什么技术是改变政治、经济、文化背后的驱动力，带来生产力跳跃式的变化。
但是也有些技术没有用来命名时代，我读书的时候，我记得校长说21世纪是生命科学的世纪，因为那个时候克隆羊非常火，但是为什么克隆技术没有成为时代的标识。
克隆技术不是不重要，因为它没有改变我们生产要素的价格，为什么人工智能有机会成为我们这个时代的标识，因为人工智能能够降低这个时代生产要素的价格。
有本书叫《prediction machines》，当某种基础产品的价格大幅下降的时候，我定义的大幅下降是100倍，整个世界都会发生变化。
今天人工智能模型的生产成本在下降，商汤3年降低了300倍，今天正处于从“顶天立地”到“铺天盖地”，而且只有做到铺天盖地，人工智能才能变成一个时代的“基础设施”。
最后讲讲商汤，我们当时设计Logo的时候，设计师一直跟我们说，你们是一个比较国际化的企业，出海的时候最好换一个Logo，只有英文或者只有Logo。
但我就问了一个问题，为什么中文字不能做出海代表，他说中文字跟科技连不起来，而且存在一些其他问题，我说这是现状发展中的过程，这不就是一代人的认知吗？
如果没有一个人能够跳出来去改变这个认知，那么中国的方块字和科技永远连不起来，我就要做方块字跟科技联系起来的第一代人,所以我们就带着方块字出海，而且方块字巨大无比。
我希望通过我们这一代人，可以把高科技跟我们的方块字联系起来，改变一些行业的认知。
编辑：慧羊羊
