皮埃羅·斯加魯菲(Piero Scaruffi)是全球人工智能及認知科學專家，被譽爲世界人工智能先驅、“硅谷精神佈道師”，是哈佛大學、斯坦福大學、加州伯克利等多個大學的客座教授。早在1983年，他就來到硅谷擔任工程師，同時也是硅谷人工智能研究所(SVAIRI)的創始人。他長期從事人工智能研究和互聯網設計，見證了硅谷30年的興盛過程，職業生涯橫跨硅谷產、學、研三界。
皮埃羅·斯加魯菲
很難說，人工智能、大數據、雲計算哪個更重要，在這些日新月異的數字技術的更迭下，新生態系統不斷涌現，價值鏈也在重塑過程中，一些行業的邊界變得越發模糊。許多數字化轉型打破了原有的遊戲規則，給社會、經濟、個人帶來了顛覆性改革。
“中國的數字化進程無疑是全球最快的”
現在全球的公共和私營部門都在推動數字化進程的發展，尤其是私營部門，在推動數字化方面發揮了重要作用。
中國的數字化進程無疑是全球最快的，截至2018年底，中國網民規模已達8.29億，全年新增了5653萬網民，互聯網普及率已達到59.6%，相較於2017年底，提升了3.8%。
隨着智能手機的價格越來越便宜，從2013年到2017年，全球市場競爭使數據成本降低了95%。成本下降推動了數據使用量的增長：在中國，人均每週上網27.6個小時，位列世界第一位。排名第二位的是印度，個人平均每週在社交媒體上花費17個小時。麥肯錫的一項研究顯示，2018年，印度數據流量用戶平均每月使用8.3 GB的數據，而中國用戶使用的數據量爲5.5 GB。
數據成本的降低也有助於減少數字鴻溝：中低收入者也佔據了互聯網世界的半壁江山。如今，數字領域的領導者們正採用更具創新性的方式來聯繫和服務客戶。新的數字生態系統正在經濟中涌現，這改變了商業模式，提供了巨大的生產力、效率和效益。
一些最有價值的行業，如金融服務、農業、醫療保健、物流、教育和能源，等等，傳統上並不以技術爲核心，但現在完全不同。在金融服務領域，移動支付和相關數據的大量增長已經使基於流量的貸款成爲可能，其中收入和支付的實際模式，取代了貸款申請，能夠被用於評估潛在的借款人。印度國家銀行，這一印度最大的銀行，從改用自動化系統以來，向中小型企業提供的貸款增加了50%。
數字化的高速發展也爲人工智能的應用提供了更多可能。不僅僅是經濟，人工智能正在改變我們生活的方方面面。作爲一項技術，人工智能的應用可以說是無窮無盡的。它可以用於此前由人類完成的任務的自動化，也可以用來提高人力勞動的生產率，從而提高勞動力需求。
“21世紀，人才比以往任何時候分佈都更不均勻”
在20世紀中期，有些人認爲地理因素將不再在全球市場運作中發揮有意義的作用，全球化和技術進步將打造一個競爭趨向於扁平化的世界，這會導致人才自動均勻分佈到各個地區和領域，熟練的勞動者可以在有需要時與生產過程產生遠程聯繫。
但從事實來看，21世紀人才比以往任何時候分佈都更不均勻。全球爲數不多的幾個主要中心，正擁有着全世界很大一部分高數字化、高科技含量的技術型勞動力，如美國馬薩諸塞州的坎布里奇、加利福尼亞州的硅谷，還有中國的深圳。目前並不完全清楚爲什麼會這樣，但某些學者已經開始將這些高科技人才、數字人才的集聚歸結爲“隱性知識”所發揮的作用，“隱性知識”指的是包括行業慣例和流程等在內的內部訣竅，或者只有在某些具體條件下才有價值的專業技術。
隨着這些專業知識變得日益集羣化，創新成果的技術研究和商業開發也已表現出同樣的效應。從世界範圍內所涌現出的獨角獸初創企業的數量中可以窺見這一趨勢，僅中美兩國就幾乎擁有了全世界絕大部分的科技初創企業。
除此之外，有越來越多的證據表明，生產率增長正日益集中在大規模利用數字技術的公司之中。過去10年來，被經合組織稱之爲“前沿企業”的這一小部分羣體的生產量增長很高，而其他所有企業則幾乎沒有取得生產率方面的增長。這種失衡造成了生產率增長總體放緩的假象，而背後真正的問題是不同類型的公司分化越來越嚴重。
“技術在降低成本、提高教育和衛生保健領域的質量方面是有效的”
與在醫療、教育和技能培訓等領域進行人力資本投資相比，各國政府往往更願意投資於道路、橋樑和機場等有形基礎設施。這種策略可能確實會在幾年時間內取得具體的、看得見的成果，但確保經濟長期增長和繁榮的最佳途徑是確保公民健康和接受教育。
隨着技術的不斷進步，政府越來越容易做到這一點。第四次工業革命改變了一些行業(尤其是製造業)，創造了新的領域(如機器人、3D打印和自動駕駛汽車)，同時也爲醫療和教育提供了新的途徑。事實已經證明，技術在降低成本、擴大普及面和提高教育、衛生保健領域的質量方面是有效的。
在醫療保健領域，人工智能可以賦能技術人員和高技能護士提供個性化治療，還可以利用遠程醫療技術來改善農村地區的醫療服務，而這些地區醫生往往很少。我預計，遠程醫療未來可能佔據所有門診諮詢量的一半，使農村地區、欠發達地區的人們能夠獲得更優質的醫療服務。
互聯網和移動電話技術使稀缺的醫療專家能夠使用遠程醫療服務於偏遠地區的病人，並促進了遠程教育的興起，讓各地的學生都能接觸到以前只有大城市或大學校園才能接觸到的教授。人工智能系統可以進行實時數據收集和處理，賦能教師提供個性化的教導，對不同學科需求各不相同的學生因材施教。
在物流領域，在線貨運平臺提供即時定價和預訂，貨物跟蹤和集中存檔等服務，這些平臺已經降低了歷來效率低下的行業的成本，並提高了效率。
“機器人執行這些任務的能力，已經優於人類了”
不可否認，我們未知的東西比我們已知的範圍要大得多，所以我們不應該認爲技術可以複製人類知識本身的功能。電腦可以知道所有關於汽車的知識，並不意味着電腦就可以開車。這種隱性知識和信息之間的區別，直接關係到人類未來將做些什麼以產生經濟價值的問題。
從歷史上看，人類可執行的任務可以大概分爲十類：
第一類，也是最基本的任務，即利用自身身體的力量來移動物體;
第二類是使用眼睛和手指來創造不同的物質產品;
第三類任務涉及將材料送入機器驅動的生產流程，也就是充當一個有生命的機器人;
第四類是在第三類的基礎上，實際指導機器的運作，充當有生命的微處理器;
在第五和第六類任務中，人被從微處理器提升到軟件，執行覈算與管控任務或促進通信和信息交換;
第七類任務，人實際是在編寫軟件，將任務轉換爲代碼;
第八類任務，一個人將其他人相互聯繫起來;
第九類任務，人充當其他人的說服者、管理者或仲裁者;
第十類任務，人們批判性地思考複雜問題，然後設計出新穎的發明或解決方案。
在過去幾千年的發展中，人類逐漸卸下了第一類任務，之前是交給動物來完成，然後現在是交給機器來做。在過去的300年中，第二類任務也被轉移到機器身上。在此背景下，從第三類到第六類的工作，變得更加普遍，工資也大爲增長，也就是說所有這些都擴大了機器不斷增長的能力。
我們隨後也開發出了能比人類更好地執行第三類和第四類任務的機器，這也能夠解釋，爲何製造業的生產力有所提高，但是該行業佔發達經濟體總就業的比例已經在兩代人中不斷下降。我們現在已經到達了機器人在執行第五類和第六類“軟件”任務時也優於人類的階段，尤其是在管理信息(以及虛假信息)流時。問題在於，我們中只有很少數人能夠憑藉自身創造力來創造真正的經濟價值。
“科技未來創造的崗位一定比消失的更多”
我們所處的技術變革時代，和之前的工業革命時代是有很大不同的。平心而論，自18世紀末以紡織機、蒸汽機等機械化爲起點的工業革命開始以來，自動化一直是生產率增長的引擎。但自動化的潮流並不會自動讓一切“水漲船高”。現階段，自動化用機器代替勞動力完成生產任務，降低了勞動力佔GDP的比重，也有可能降低就業和工資。
以美國農業爲例，在19世紀末20世紀初，拖拉機和收割機技術的改良讓數百萬農民失業。農業從業人口從1900年的1200萬銳減至1970年的300萬人。雖然這些人當時經歷了失業，但在一段時間後，那些讓農民失業的技術，發展到了可以讓製造業快速發展的程度，蓬勃發展的新行業需要工人從事新奇的任務，填補新興崗位。製造業因而接納了社會大量原本將參與到農業的工作人口，甚至爲他們提供了更高的收入，保持了社會就業率的平衡。 大連專業婦科醫院 mobile.bohaifk.com
類似的技術變遷模式在二戰後的幾十年裏，提高了高技能和低技能工人的就業和工資增長。在1947-1987年間，新技術取代和創造的的工作機會基本持平，但在過去三十年間，根據可以獲得數據來看，在1987-2017年間，自動化取代工人後，並沒有創造等量的新工作，結果是，越來越多人在爭類似的工作，並導致整體工資停滯不前。
無論如何，如果“機器人崛起”代表着一種威脅，那麼在接下來的兩代人中這個問題還不太顯著。數字化的好處也可能惠及工人本身，儘管多數情況需要對工人再培訓，技能升級和重新部署。
科技可以消除文職服務和數據輸入等領域的數萬個常規工作的崗位，但也將有助於創造更新的、高質量的工作崗位，而且我相信未來科技創造的崗位一定比消失的更多，勞動力大軍需要對這一轉變做好準備。