前言
隨之而來，擁有世界最龐大手機用戶羣的中國得以最快地積累移動應用數據。移動用戶基數使得中國的數據優勢是美國的3倍，移動食品配送是美國的10倍，移動支付是美國的50倍，共享單車設施是美國的300倍。而利用這些豐富的數據資源，中國的計算機視覺、無人機、語音識別、語音合成和機器翻譯公司，成爲全球價值最高的創業企業。
相比人工智能，人類的優勢在於創造力和同情心。讓人工智能做它擅長的，我們可以創造更多有人情味的職業和崗位，可以有更多富有同情心的醫護人員利用人工智能進行醫療診治、護理，可以有超過現在10倍的老師來幫助孩子在這個新世界獲得生存能力並勇敢地茁壯成長。
揭開深度學習的面紗
深度學習是所謂的“狹義人工智能”（narrow AI，或譯作“弱人工智能”）——僅用於在特定領域能做出決策、預測和分類的人工智能應用。這已經能產生巨大價值，但仍遠遠未成爲科幻片裏的“通用人工智能”（general AI，或譯作“強人工智能”）——人類能做的，人工智能都可以做。
深度學習最自然的應用領域是保險、貸款之類的金融業務，因爲借款人的相關數據非常多（信用評分、收入、信用卡近期使用情況等），而最優的目標（降低還款違約率）很明確。更進一步的話，深度學習還可以進行自動駕駛，幫助車輛“看”到行駛的路況，如識別像素組成的形狀（比如紅色圓形），判斷它和什麼有關（比如紅燈“禁行”），以此信息來做出決策（剎車並停車），以達到期望的結果（用最少的時間把我安全送到家）。
人們聽到深度學習就興奮，是因爲它的核心能力——識別規律、得出最優解、做出決策可應用在很多日常問題上。
人工智能新時代，誰能保持領先
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，這種全球性的變化是由兩方面轉變引起的：從發明的年代轉變爲實幹的年代；從專家的年代轉變爲數據的年代。
實幹的年代
深度學習的先驅吳恩達認爲，人工智能類似於第二次工業革命中電力的發明[插圖]，本身是一項突破性的技術，一旦被大幅採用，就能革新許多不同的產業。就像19世紀的創業者很快學會運用電力烹飪食物、照亮房間、啓動工業設備，今天的人工智能創業者也運用深度學習來落實各種創新應用。人工智能許多抽象的研究工作大都已經完成，研究中遇到的困難大都也已解決，現在是創業者“擼起袖子加油幹”，把深度學習算法轉換爲持續經營的事業的時候了。
數據的年代
現今，成功的人工智能算法需要三樣東西：大數據、強大的電腦運算能力，以及優秀（但未必頂尖）的人工智能算法工程師。想在新領域善用深度學習的能力，這三者都是必要的。但在實幹的年代，這三者當中最重要的還是數據，因爲當電腦的運算能力和工程師的能力達到一定門檻水準之後，數據量的多寡就成爲決定算法整體效能與精準度的關鍵所在。
中國的優勢
今天，若想妥善利用人工智能的能力（即21世紀的電力），也需要四項要素：大量的數據、熱切的創業者、人工智能科學家，以及對人工智能友善的政策環境。比較各國在這四項要素上的優劣，可以預測未來人工智能新世界的發展情況以及權力天平向哪邊傾斜。
人工智能時代真正的危機
人工智能產業傾向於“贏家通喫”，這種傾向將會加劇獲利與財富集中的問題。
人工智能時代的新世界秩序
人工智能時代的世界秩序，將會結合下列因素進一步發展：“贏家通喫”的經濟，財富空前集中在中、美少數幾家公司。我認爲，這纔是人工智能造成的最大的潛在威脅，因爲嚴重的失業和財富分配不均問題將會造成社會不穩定
從競技場殺出的世界級創業者
美國企業界對中國創業者掀起的全球浪潮尚未做好準備，因爲他們從根本上誤解了“克隆家”的成功祕訣——王興的成功並不是因爲他只會借鑑，而是因爲他是從血與火的競爭中熬煉出來的冠軍角鬥士。
“成二代”和“窮二代”
中國經濟的飛速崛起沒能明顯減輕這種匱乏心態，反而在某種程度上加強了大衆對新創富機會的極端渴望。很多中國人都曾目睹在政策和法規與市場競爭的狀態不充分匹配時，產業、城市與個人是如何在崛起和傾覆間徘徊的。改革開放的總設計師說“先讓一部分人富起來”[插圖]，才能進一步發展。閃電般的發展速度在某種程度上加重了部分人的焦慮感：如果不抓住新的機會，進入新的市場，就只能眼睜睜地看着身邊的人變富。以上三個要素：接受借鑑的文化環境、匱乏心態，以及爲抓住創富機會而願意投入有前景的新產業的迫切，構成了中國互聯網生態系統的心理基礎。
什麼都可以模仿
中國的第一個搜索引擎是麻省理工學院物理學博士張朝陽建立的。他在美國目睹了互聯網的早期騰飛，想在祖國帶動類似的發展。於是他帶着麻省理工教授提供的資金返回中國，試圖建造中國互聯網的核心基礎設施。但是，在和雅虎（Yahoo!）的創辦人楊致遠面談之後，張朝陽轉換了焦點，打算做一個簡體中文的搜索引擎和入口網站。他把這家創新公司命名爲“Sohoo”（搜乎），直白地結合了中文“搜索”裏的“搜”字，代表這家公司的主要功能，並且仿效了美國公司“Yahoo”的尾音。
模仿到底是一種阻力，還是助力？
硅谷投資人深信，純正的創新心態是打造谷歌、Facebook、亞馬遜、蘋果等一流公司的基石。“不同凡想”（think different）的能力，驅動喬布斯、扎克伯格、傑夫·貝佐斯等人打造出了改變整個世界的公司。
谷歌與百度：黃頁與購物商場
我在谷歌的4年期間，這樣的奮戰層出不窮。平心而論，谷歌總部給予我們的自由度，已經遠大於大多數硅谷企業給其中國分公司的自由度，我們也利用這一點，發展出許多針對中國需求而優化的產品特點，贏回不少谷歌中國前幾年流失的用戶。但是總部一直拒絕過多代碼“分支”，我們發展每一項新功能，都要與總部打一場硬仗，這讓我們動作遲緩，也讓我們精疲力竭。許多谷歌中國的員工厭倦了和總公司的鬥爭，沮喪地離開了。
硅谷大腕爲何在中國變成“紙老虎”
我在美國公司工作多年，又花了許多年給它們在中國的競爭對手做投資，我發現硅谷進軍中國的方式纔是它們在中國市場上失敗的重要原因，它們輸在了自身的策略與管理上，與中國政府的管理並無關係。美國公司把中國市場和其他市場一視同仁，把中國企業當作一排排等待它們征服的對手，等待着把這些企業從市場的“生死簿”中一個個勾選掉。他們不投入資源，沒有耐性，也不給中國團隊自由，讓團隊沒辦法和中國頂尖的創業者（也是全球頂尖的創業者）競爭。他們認爲，在中國市場的主要工作就是向中國用戶銷售目前已有的產品。而實際上，他們應該根據中國用戶的特性與需求，針對性地調整已有產品，或是從頭打造更適合中國市場的新產品。他們對產品本地化的抗拒降低了產品迭代的速度，使得本地團隊舉步維艱。
天生“精益”的創業鬥士
“精益創業”方法最早出現於硅谷，《精益創業》（The Lean Startup）[插圖]一書的出版讓這個方法流行起來。“精益創業”的核心理念是：創始人不知道市場需要怎樣的產品，只有市場才知道。因此，創業公司不應該花大量時間，投入大筆金錢，默默地開發自己眼中完美的產品，而是應該快速推出“最小可行產品”（minimum viable product），以此測試市場對該產品不同功能的需求。互聯網創業公司能根據用戶反饋獲得實時數據，立刻開始迭代產品：丟棄用戶不用的功能，加上需要的新功能，繼續在市場中試水。
王興的蛻變
在“千團大戰”中，王興用上了他所有的技巧。他在2010年年初創立美團，招募了他先前創立校內網和飯否網時身經百戰的老員工來領導公司。他不再採用過去原樣借鑑Facebook和Twitter的手法，而是打造了更加迎合中國用戶偏好的用戶界面——把信息填滿了用戶界面。
美團建立時團購大戰剛開始升溫，競爭者在一年時間內爲線下廣告砸的錢超過了10億元人民幣。當時的主流思想是要想在衆多競爭者中脫穎而出，公司必須通過融資獲得一大筆錢，並把這筆錢花在廣告和補貼上以贏得用戶。更高的市場佔有率可以融更多的錢，進而重複這個循環。熱情的投資人在數千家幾乎完全相同的公司上投入了大筆資本，中國的城市居民用低到不可思議的優惠價格，成羣結隊地在餐館內用餐。這幾乎是中國的創投界在招待全中國人喫晚餐。
創業者、電力與燃料
王興的故事並非只是“借鑑致富”，他的創業故事背後是中國互聯網科技生態系統的進化史，這個生態系統最大的資產就是一批堅毅勇敢、百折不撓的創業者。他們先是在本土節節擊退硅谷巨頭，學會了如何在全球最殘酷的創業環境中生存下來，然後利用中國互聯網革命和移動互聯網的爆炸式發展，爲現在由消費帶動的中國新經濟注入了活力。這些成就固然了不起，但與這些創業者即將用人工智能帶來的改變相比，則是小巫見大巫。互聯網在中國的萌發，就像電報的發明，縮短了人與人之間的距離、加速了信息流通、促進了商務拓展。而人工智能在中國的萌發，則會像電力的應用那樣，爲各行各業賦能，改變市場格局。在競技場上磨鍊過的中國創業者現在看到了這項新技術的潛力，已經在尋找能借此獲利的產業與應用。
互聯網的未知海域
中國的科技創業公司沒有這麼好的條件，它們身邊滿是兇猛的競爭者，虎視眈眈地準備對它們現有的產品逆向分析。它們必須用規模、資金以及勞動力的效率來跟競爭者拉開差距——瘋狂燒錢，依靠大量廉價勞動力來運作它們的產品，使它們的商業模式難以複製。這是中國互聯網世界的重要特質，是腦袋裏根植着硅谷正統觀念的美國分析師們無論如何也無法理解的特質。
人工智能時代的數據王國
送外賣、汽車維修、共享單車、街頭便利店等行業的互聯網化，使中國擁有了人工智能時代的大量關鍵資源——數據。靠着實地苦幹，中國在這方面遠遠超越了美國，成爲全球最大的數據生產國（並且差距還在日益擴大），爲中國在人工智能實幹年代的領導地位奠定了基礎。
輕量與重磅
O2O展示了硅谷與中國之間更深層的區別，我稱爲“輕量”（going light）和“重磅”（going heavy）。這兩個詞指的是互聯網公司在一項產品或服務方面的涉入有多深，還代表着公司連接線上與線下世界時的垂直整合程度。這一模式的選擇在人工智能的實幹時代影響會更大。打算顛覆新產業時，美國的互聯網公司往往採取“輕量”模式。它們普遍認爲，互聯網的根本力量在於分享信息，消除知識鴻溝，用數字的方式連接大衆。它們身爲互聯網公司，堅守着這股力量。硅谷創業公司會自己建立平臺，但會選擇讓實體企業處理現實世界裏的工作。它們希望通過智取戰勝競爭對手，用優雅的代碼解決信息問題。
願意重磅——花錢、管理勞動力、提供跑腿、建立規模經濟——改變數字經濟的同時也改變了實體經濟。中國的互聯網更深入地滲透了大衆的經濟生活，並且影響着消費趨勢及就業市場。在麥肯錫公司（McKinsey &Company）2016年做的一項調查中，65%的中國O2O用戶說移動應用讓他們在喫飯上花了更多的錢。另外，分別有72%和42%的用戶說移動應用增加了他們在旅行和交通上的消費。
模糊的界限與美麗新世界
世界排行前五大的新創公司，包括螞蟻金服、小米、滴滴出行、Uber和美團網，中國已經佔有四席，這五家公司都是數據驅動+AI
但是中國還有未被髮掘的更大寶藏。如同長期埋藏在地下的有機物質最終變成推動工業革命的化石燃料一般，中國互聯網公司利用現實世界中豐富的互動獲得了推動其人工智能革命的龐大數據。這個多維世界的每一個維度都爲數據的增加提供了新的增長點，這些規模空前的數據能夠細緻描繪現實世界用戶的消費及出行習慣。O2O業務的爆炸式增長提供了海量的用戶線下生活數據：每天的餐飲、按摩、美容美髮及其他日常活動的時間、地點和內容。移動支付打開了實體世界消費的黑匣子，給這些公司提供了消費者行爲精確、實時的數據圖。共享單車在各個城市投放的物聯網交通器材，追蹤記錄了數千萬前往公司、商店、住所及初次約會地點的行程。這些數據在量與質方面都遠遠勝過了Uber及來福車（Lyft）之類公司手中的數據。
兩國演義和七巨頭
毫不誇張地說，1999年以前，中國科技人員對人工智能幾乎一無所知。那一年，我到中國科學技術大學做講座，給同學們介紹剛成立一年的微軟中國研究院在圖像識別研究上的進展。這所大學的工程學院在全國名列前茅，但它不在北京，坐落於相對偏遠的安徽省合肥市。
這些學生手裏拿的課本是當時中國最好的教材，雖然大多數版本老舊、翻譯不佳。在當時，優秀學生很難出國讀書，除非有全額獎學金，在互聯網沒有普及的校園裏，泛黃的教科書和偶爾來訪的學者的講座，是他們接觸全球人工智能研究的唯二途徑。20年過去，現在一切都不一樣了。
人工智能超級大國的那些事
在21世紀要建設人工智能超級大國，需要具備四個條件：大量的數據、執着的企業家、優秀的人工智能科學家和有利的政策環境。中國創業公司的競技場選拔出了世界上最精明強悍的企業家，中國的另類互聯網世界創造了世界上最豐富的數據生態環境，再加上另外兩項助力——人工智能專家的湧現和中國政府的政策支持，在這個人工智能實幹的年代，硅谷的優勢將不復存在。
諾獎得主與無名工匠
費米和曼哈頓計劃代表了在專業知識領域，質量高於數量的時代。20世紀三四十年代是核物理學基礎學科取得突破的時代。爲了實現這些突破，一個恩里科·費米比一千個普通的物理學家都重要。這個時代的美國確立在世界上的主導地位，很大程度是由於吸引了像費米一樣的天才。但並非每次科技革命都是這種模式。通常，基礎領域的突破出現後，發展的重心會很快從頂尖科學家轉移到無名工匠，即有足夠專業能力將這種新技術應用於解決不同問題的工程師，尤其是當技術突破性成果的應用範圍遍佈整個社會經濟體系，而非集中於某幾個實驗室或者武器系統的應用時。
人工智能的電網、電池之戰
“電網”式的目標就是將機器學習的力量轉化成標準化服務，可以由任何公司購買，無論是達成學術目的還是個人使用都可以通過雲計算平臺實現共享，甚至可以免費使用。這個模式中，雲計算機平臺就是電網，作用是根據用戶提供的不同數據，實現複雜機器學習最佳化。“電網”式可以降低專業門檻，提升雲人工智能平臺的功能。連入“電網”就能讓有大數據的傳統公司輕易使用到最棒的人工智能，而不用將優化人工智能作爲核心工作。
相對較小的人工智能創業公司則選擇了另一條路：爲各行各業打造具有高度針對性的人工智能“電池”，這時“電網”還沒有成形。這些創業公司靠的是深度而非廣度。它們不打算提供通用型的機器學習能力，而是爲特定目的打造產品、打磨算法，如醫療診斷、抵押貸款和自動無人機等。它們把寶押在了傳統商業日常運營中，衆多瑣碎細節無法很好地跟通用網絡契合在一點上。準確地說，這些創業公司不是要讓傳統公司“用標準的”人工智能，而是爲傳統公司量身打造能即刻融入公司正常流程的人工智能。
中國芯片的機會與挑戰
現在，隨着傳統計算機程序逐漸被人工智能算法替代，需求再次發生了變化。機器學習需要快速運行復雜的數學計算，這一點是英特爾或者高通公司的芯片都不曾注重的。於是，以設計電子遊戲所需的高性能圖像處理芯片聞名的英偉達（Nvidia）乘虛而入，圖像處理背後的數學原理與人工智能算法的需求十分匹配，英偉達也因此成了芯片市場的新星。當英特爾猶豫不定時，僅百度一家公司從英偉達購進的深度學習芯片的數量就達到向英特爾採購數量的4倍。2016年到2018年年初，英偉達的股價翻了10倍。
人工智能發展的四波浪潮
目前，人工智能革命分爲四波浪潮：互聯網智能化（Internet AI）、商業智能化（business AI）、實體世界智能化（perception AI）、自主智能化（autonomous AI）。每一波浪潮都將以不同方式利用人工智能的力量，顛覆不同產業，讓人工智能更深層次地融入我們的生活。
第二波浪潮：商業智能化
第一波人工智能浪潮的基礎是給互聯網用戶的瀏覽數據貼標籤，而商用人工智能則是給傳統公司數十年來積累的大量專業數據貼標籤，如保險公司理賠事故中鑑別保險欺詐，銀行核發貸款時記錄還款率，醫院保存醫療診斷記錄及患者存活率等。
這些細微的關聯性往往沒人能解釋清因果，例如爲何在星期三取得貸款的借款人往往能較快地償還貸款。
請到算法診所就診
商用人工智能並非只能用在跟錢有關的領域，它同樣可以用在數據驅動的公共服務上，讓許多之前負擔不起這些服務的人享受科技帶來的紅利，促成高質量服務大規模推廣。這方面，最具前景的領域之一是醫療診斷。
曾經在硅谷及百度從事深度學習工作的中國人工智能研究人員鄧侃，創立了大數醫達科技公司，該公司研發了專門訓練醫療領域的人工智能算法，使它們成爲能夠部署在全國各地的超級診斷師。它們並不想用算法取代醫生，而是要輔助醫生診斷。算法在診斷流程中扮演“導航”的角色，用大數據規劃最佳路徑，但人類醫生會主導最終的判斷。診斷的範圍隨着算法得到的信息增加而縮小，這時更詳細、高度確定的數據可以幫助判斷症狀的起因，以及其他診斷結果的正確性及患病概率。這款應用給醫生的建議，是依靠其超過4億條醫療記錄（並且還在持續掃描最新醫學文獻）的數據，把全球頂尖醫學知識平均分配在醫療資源不均衡的社會中，讓所有醫生和護士都能聚焦在機器做不到的人類工作上，如使病患感受到關懷，更人性化地和病患分享診斷結果。
看不見的法庭助手
科大訊飛率先把人工智能應用在另一個資源和能力分佈高度不均的領域——司法界。在上海進行的試點中，科大訊飛使用以往案例數據，向法官提出有關證據及判決的建議。該公司開發的證據交互參照系統，使用語音識別與自然語言處理技術來比較所有證據，如證詞、文件及背景資料等，並找出其中的矛盾點，同時提醒法官注意這些有爭議的地方，讓法院審理人員可以進一步覈實。量刑時，法官可以把被告的犯罪記錄、年齡、造成的傷害等相關信息輸入判決輔助人工智能系統。該系統存儲了大量的判決記錄，可以從類似案例中做出有關量刑或罰款的建議。
OMO驅動的教育
現行的教育體系大致上仍然是19世紀的“工廠模式”：所有學生在同一地點、同一時間，以相同速度及相同方式學習。學校採用“流水線”模式，讓孩子一年升一級。在老師投入教學、輔導與評估學生的時間與精力非常有限的情況下，這種模式是有道理的。但現在人工智能可以消除這些限制，人工智能的感知、識別與建議能力，能夠針對每個學生打造不同的學習流程，也可以讓老師騰出更多時間，對學生提供一對一輔導。人工智能驅動的教育有四種應用場景：課堂教學、家庭作業與練習、考試與評分、量身打造的家教輔導。
公共數據與個人隱私
這樣收集數據可能會令許多美國人感到不安，他們不想暴露太多的個人隱私。但中國人更容易接受自己的面孔、聲音及購物選擇被記錄與數字化，更願意用個人的信息來換取便利。中國的各大城市已在使用大量的攝影機與傳感器網絡。這個監控網絡把視頻數據直接導入負責管理交通、公安以及緊急服務的優化算法中。
深圳製造
現在，中國製造業的最大優勢不是廉價勞力，印度尼西亞及越南之類的國家的工資更低。中國製造業現在的最大優勢是無可匹敵的供應鏈靈活性，以及能夠研發出新器材的原型並且量產優秀的工程師。
谷歌模式與特斯拉模式
谷歌在收集這部分資料的過程中，採取緩慢穩定的步速，他們用小規模車隊裝備高級傳感設備，上路測試、收集數據。特斯拉則在其商業車款上安裝較便宜的設備，讓車主在使用特定自動駕駛的同時，也爲特斯拉收集了數據。這兩種不同的模式導致谷歌與特斯拉的數據收集量產生了巨大差距。截至2018年6月，谷歌花了8年收集到800萬英里的現實世界駕駛數據，而特斯拉僅用了2年就收集到12億英里的現實世界駕駛數據。
中國的特斯拉模式
雄安新區將成爲全球第一個從開始就容納自動駕駛汽車的城市，百度已經和當地政府簽約，打造“人工智能城”，聚焦於交通管理、自動駕駛汽車及環境保護。混凝土中需要加入傳感器，交通信號燈裝備計算機視覺硬件，十字路口可以知道每一位行人的年齡，泊車所需的空間明顯減少。當人人都能隨時隨地召喚自動駕駛的出租車時，甚至可以把停車場改成城市公園。
圍繞自主人工智能技術的較量
美國和中國在自動駕駛汽車這個領域勝出的機會是五五開，至於自主無人機之類的硬件密集型應用領域，中國將具備優勢
征服當地市場&武裝當地公司
中國的公司避開了直接競爭，轉而投資硅谷公司試圖消滅的當地創業公司。比如在印度及東南亞，阿里巴巴和騰訊投資了當地與亞馬遜等巨頭競爭的本土創業公司，這是中國智慧的體現。馬雲等中國的創業家深知，強龍不壓地頭蛇。因此，在進軍國外市場時，中國的公司不會試圖消滅當地的創業公司，而是與之組成聯盟。
從中國市場打到國際市場的共享出行
中國公司的全球化策略在共享出行市場已經啓動。這可以總結爲人工智能全球化的另一種模式：結合人工智能技術與當地的數據，對當地創業公司賦能。這種以合作爲基礎，而非征服的模式，或許更適合把人工智能這類需要頂尖工程師、由下而上收集數據的技術推廣至全球。
人工智能力量進入我們的世界後，真正的分歧不在國家之間，而在每個國家內部。
烏托邦、反烏托邦和真正的人工智能危機
谷歌首席未來學家雷·庫茲韋爾（Ray Kurzweil）設想了一個極端的未來，他認爲人類和機器將完全融合。他預言，我們會將自己的思維上傳到雲，通過放入我們血流中的智能納米機器人不斷更新我們的身體。而現在距離實現強人工智能只差10年，2045年，我們將會迎來奇點時刻。
DeepMind創始人哈薩比斯則預言，創造超級智能可以讓人類文明解決目前無解的難題，如爲全球變暖和不治之症帶來絕妙的解決方案。
反烏托邦陣營中的大部分人其實並不擔心人工智能會像《終結者》（The Terminator）等科幻電影中想象的那樣接管世界，他們真正恐懼的是如果人類本身成爲超級智能實現某一目標的障礙，例如改變全球變暖，它們可以輕易甚至是無意中將人類從地球上抹去。對於想象力遠超人類的計算機程序而言，抹殺人類根本不需要像電影中持槍機器人一樣粗魯。對於化學、物理和納米技術的深刻理解，讓它們可以用巧妙得多的方式立即完成任務。
盲目樂觀的終結
1980年到2016年，隨着ICT的收益越來越多地集中到前1%的人手中，美國的精英羣體在國民經濟中的份額近乎翻倍[插圖]。到2017年，站在美國金字塔尖1%的人擁有的財富幾乎是下層90%的人擁有的總財富的兩倍[插圖]。而普通美國人的實際工資在30年中保持不變，最貧窮的美國人的工資還降低了[插圖]。美國的工作崗位和工資水平停滯不前，ICT在其中發揮了多大作用？全球化、工會衰落和外包都是相關因素，但有一個特點很明顯：ICT不同於蒸汽機和電氣化，它“偏重技能”（skill-bias），通過打破信息傳播障礙，增強了世界頂尖知識工作者的力量，而將中間許多人的經濟作用縮減了一半。所以，有一件事越來越明確：沒人能保證提高了生產力的GPTs還能爲工人帶來更多的工作崗位或更高的工資。
硬件：更好，更快，更強
人工智能會在三個催化劑的作用下加速自身的應用與擴散進程，這些催化劑在蒸汽動力和電力投入廣泛應用時是不存在的。
第一個催化劑是人工智能算法的易複製性。
第二個催化劑是風險投資業（VC）的誕生。
如今，VC已是新技術商業化的一種常見投資方式。2017年，全球風險投資創造了1480億美元的新紀錄。
第三個催化劑是中國的影響力。
綜上所述，我相信我們可以確定以下幾件事：第一，在工業時代，新技術帶來了長期就業機會增長和工資水平的增長；第二，新的GPTs依然很罕見且重要，應單獨評估各個GPT對於就業的影響；第三，在被廣泛認可的三個GPTs中，蒸汽動力和電氣化同時推動了生產力和就業率提高，ICT提高了生產力卻不一定增加就業；第四，人工智能也會是一種GPT，它偏重於技能，應用速度快（受到數字傳播、風險投資和中國影響力的加持），這兩個特性表明人工智能會對就業和收入分配產生不利影響。
人工智能的“可以”與“不可以”
體力勞動
腦力勞動
兩類失業：“一對一取代”和“徹底清除”
換句話說，“工作任務分析法”研究的是機器一對一取代人類工人的可能性。而我是一名技術專家和早期風險投資者，我的專業背景教會我嘗試以不同的方法解決問題。在職業生涯早期，我致力於將先進的人工智能技術轉化爲有用的產品。同時，作爲風險資本家，我也投資和協助一些新的創業公司。這兩份工作讓我發現人工智能對工作崗位構成的威脅不只是“一對一取代”，還有“徹底清除”。
中美失業問題對比與莫拉維克悖論
著名科技評論家維韋克·瓦德華（Vivek Wadhwa）預測，智能機器人將削弱中國在勞動力方面的優勢，製造業的春天將再次降臨在美國，但不會爲人類創造工作崗位。瓦德華寫道：“美國機器人和中國機器人一樣勤奮，而且都不會抱怨，也不會加入工會。”
與一般的觀點相反，讓人工智能模仿成年人高知識水平或運算能力比較容易，但要讓機器人具備嬰兒的感知和感官運動能力，則困難得多。本質上，人工智能是“演算的巨人，行動的矮子”。
擔心算法還是擔心機器人？
人工智能算法對腦力勞動的替代像是導彈空襲，但機器人對體力勞動的打擊則接近於地面的塹壕戰。長期來看，我認爲中國和美國自動化的風險是相似的，但說到對變化的適應，中國的特殊經濟結構將會爲其爭取到一定的時間。
隨之而來的個人危機
自工業革命以來的數個世紀裏，工作不僅是一種謀生手段，更是一種自我認可以及生活意義的源泉。當我們身處社會之中，需要自我介紹或介紹他人時，首先提到的就是工作。工作讓我們過得充實，給人一種規律感，讓我們和其他人聯結。固定的薪水不僅是一種勞動報酬方式，也代表了個人對於社會的價值，表明每個人都是社會的重要成員。
一個癌症患者的思考
生活就像一套具有明確優化目標的算法：最大化個人影響力的同時就會最小化對該目標無益的任何事情。
你想在墓碑上寫什麼？
找到自己使命感最好的方法，就是想想自己死後墓碑上會寫什麼內容。
向死而生
面對死亡，最艱難的是面對無法重來的人生。治療護士兼作家邦妮·韋爾（Bronnie Ware）記錄了許多病人在彌留之際最常見的遺憾。面對生命的終點，這些病人清晰地回顧了他們曾經因專注於工作而忽略了生活。他們談到，由於沒有過上無愧於心的生活而感受到痛苦，後悔過於專注工作，意識到生活的意義是身邊的人賦予的。沒有人在回顧自己一生的時候會後悔沒有工作得更努力一些，許多人後悔的都是沒用更多的時間陪伴自己愛的人。
山頂上的法師
我們必須放低自己的姿態。我們必須在骨子裏認識到自己的渺小，必須承認，在世界上，沒有什麼可以比與他人分享愛這個簡單的行爲更重要、更有價值。如果我們從這點出發，其餘的事情就順其自然了。這是我們真正實現自我的唯一方式。
第二意見和第二次機會
人類分辨變量之間關聯的能力非常有限，需要基於少量最明顯的特徵——“強特徵”做決策，基於簡單特徵對複雜疾病分期就是一個例子。再比如銀行貸款時，銀行調取貸款人的徵信也是“強特徵”，如貸款人的收入、房產價值和信用評級等信息。對於淋巴癌的分級，“強特徵”只有腫瘤的數量和位置。這些“強特徵”其實不能特別準確地將知識分類，它們只是爲了便於知識在人類之間傳承。目前，醫學研究已經確定了數十個淋巴癌的其他特徵，這些特徵有助於更好地估計患者的預期壽命。但記住這麼多因素之間複雜的相關性和預測的準確率，即使最優秀的醫學生也無法做到。因此大多數醫生在給患者進行癌症分期時，不會考慮那麼多因素。
解脫與重生
這些領悟也令我重新審視人與機器、人類心靈與人工思維之間的關係。我回想生病的經歷，從PET開始、到診斷、感受自身的痛苦以及隨後的生理和心理上的恢復，通過這些我逐漸認識到，治癒我的藥物包含兩個部分：科技和情感。這兩點都將成爲人工智能未來的支柱（對此我將在下一章解釋）。
我堅信的未來是由人工智能的思考能力，加上人類愛的能力構築的。如果我們能夠創造這種協同作用，我們就能在發揚最根本的人性的同時，利用人工智能無比強大的力量創造一個繁榮的世界。
危機考驗與新的社會契約
即將到來的人工智能革命，無論是規模、速度還是對技術的偏向，都表明我們面臨着全新且史無前例的挑戰。即使失業狀況沒有向着最壞的方向發展，人工智能還是會繼續大幅拉開互聯網時代的貧富差距。在美國，我們已經開始看到一些工資停滯不前與貧富差距拉大導致的社會不穩定。隨着人工智能在經濟和社會其他方面的深層次應用，這個趨勢將會速度更快、涉及的範圍更廣。歷史上，就業市場最終能依靠市場的力量找回平衡，但是這一次人工智能來得太兇猛，我們必須面對失業和貧富差距加劇的考驗。
3R：再培訓、減時間、重分配
硅谷針對人工智能將引發的失業問題，提出三類解決方案：就業者再培訓（retraining workers）、減少工作時間（reducing work hours）或重新分配收入（redistributing income）。每一類方案的出發點均是調節就業市場的某一個變量（技能、時間、報酬）。
全民基本收入
時下，最流行的再分配方案是全民基本收入（Universal Basic Income, UBI），其核心思想很簡單——每個公民（或每個成年人）從政府那裏定期領取收入補助金，這筆錢的申領沒有任何附加條件。
人機共存：優化與人情
有關創意和關愛工作人工智能幾乎不可能完成。考慮到這一點，我們應該積極發展STEM[STEM是科學（Science）、技術（Technology）、工程（Engineering）、數學（Mathematics）四門學科]教育，在教育上強調創意和思維的培養，這與下文要分析的關愛型工作，是未來教育的兩個重點。在未來，由於人工智能的進步，左下角人工智能的圓圈會往右邊擴張。[插圖]人類與人工智能在未來可以共存
芬克的信與影響力投資
我們必須重新構思、重振企業的社會責任感（CSR）、影響力投資以及公益創業（social entrepreneurship）。過去，企業只有在時間、金錢都有富餘時纔會做這些事。企業家們很多時候會這樣想，既然有錢了，就投資些房地產企業或初創公司，所謂社會責任感，就是捐些錢給留守兒童，還可以發發新聞稿，好好宣傳一下。但是在人工智能時代，我們需要以更認真的態度來參與這些活動，同時也要拓展我們對這些活動的定義。國際大企業之前做的社會責任感項目都是傳統慈善，例如環保和扶貧。如果想要應對人工智能時代的社會衝擊，則需要更進一步的解決方案——爲失業者創造大量的服務性工作崗位。
我希望未來能出現這樣一個風投生態體系：將創造“人性服務”崗位本身視爲美好的事業，同時也投資相關的產業，將資金引入能吸納大量勞動力的、以人爲本的服務項目中，如產後護理哺乳顧問、青少年運動教練、口述歷史收集人、國家公園嚮導或者老年人陪聊等。這類崗位對社會、對個人都是有意義的，許多崗位還可以產生經濟價值和營收。但投資這些創造崗位的公司不會像投資獨角獸科技公司那樣，可以獲得100倍的回報。
政府的角色
對此我有不同的看法。我並不想生活在這樣的社會：人工智能精英與世隔絕，坐擁驚人的財富，用最少量的施捨來保證廣大的失業人員不鬧事。我希望，我們可以共同創造出一個全員協同發展的制度，妥善運用人工智能創造出來的財富，建立更有人情味、更有愛心、更人性化的社會。
結束語 現在已是未來
喬布斯建議他們未必要預先規劃好人生和事業。喬布斯告訴在座的學生：“（人生是由無數轉折點組成的）你在向前展望時不可能將這些轉折點串聯起來，只能在回顧時將點點滴滴聯繫起來。所以，你必須相信這些點在未來都可能聯結起來。”
人人都是撰寫者
人工智能未來如何發展，最重要的因素是人類如何採取行動。
我們生活在地球上，不是僅僅爲了埋頭苦幹，不斷做那些重複性的工作。我們不需要只爲了積累財富而忙碌一生，最終在過世後把財富傳給下一代，然後讓他們重複這一過程。如果我們相信生命的意義遠不止物質上的盲目追逐，那麼人工智能就有可能幫助我們揭開更深層次的意義。
簡評
開復博士，畢業以後，或者說走向導師的路途上，看到的萬事萬物太宏觀了。具體和宏觀結合的點依然不可避免的走向宏觀，以至於我看了書，覺得他說的什麼都對。
當然，這也是問題所在