在看了30家中美公司後，王維嘉得出的結論是，無人駕駛是一個不適合目前人工智慧的應用。
本文來源：底層設計師
王維嘉是數字訊號處理、人工智慧（AI）、行動網路專家，史丹佛大學電氣工程系博士，曾在史丹佛大學師從人工智慧鼻祖之一、美國國家工程院院士伯納德·威德羅（Bernard Widrow）。現在，王維嘉的身份是是矽谷風險投資人，主要在美國和中國從事人工智慧及醫藥領域的風險投資。
2019年初，王維嘉寫了《暗知識：機器認知如何顛覆商業和社會》一書，向大眾普及人工智慧知識。王維嘉說：“我寫這本書的一個目的是給人工智慧降溫”。
2019年11月10日，在中歐國際工商學院北京校區25週年校慶科技論壇的現場，他與華大基因CEO尹燁、正安康健創始人梁東進行了以“科技、商業與未來“為主題的討論，他的表達和他書中的觀點一脈相承。
今天的人工智慧主要是基於神經網路，神經網路的原理可以簡單理解為，找出海量資料中的相關性。王維嘉認為，基於神經網路的人工智慧有很大的侷限性，只能理解相關性，不能理解因果，也不能進行邏輯推理，“這樣的人工智慧更像爬行動物的大腦，只有反應。”
針對人工智慧熱中的一些誤區，王維嘉說，
人工智慧並不適用於所有行業，只適合應用於需要尋找相關性的領域。在這些領域，人工智慧可以做得比人更好，如下圍棋、影像識別、尋找蛋白質的三維結構等。
王維嘉長期在矽谷從事人工智慧和醫療行業的投資，他認為過去20年的網際網路是商業模式創新，只要有商業訓練都可以投資。對於高科技公司的投資，如果投資晚期，也並不需要懂技術。而高科技公司的早期投資者，必須懂技術。
王維嘉指出，網際網路時代的特徵是to C，能夠“贏家通吃”，人工智慧是to B，無法“贏家通吃”。人工智慧的泡沫來自於，投資人把網際網路時代“贏家通吃”的思維搬到了人工智慧時代，對沒有網路效應的人工智慧公司，給出了能夠“贏家通吃”的公司的估值。
-
第一，符合三個判斷標準的行業會受到人工智慧的影響：
一是不管是服務業，還是製造業，這個行業會產生大量的流程資料；
二是資料必須足夠的複雜；
三是這個行業要很有錢。
-
第二，很多行業和職業一定會被人工智慧取代。
比如，金融領域的小額放貸，現在螞蟻金服完全是機器在放貸，因為機器在分析信用資料上一定比人要精確得多，要快得多，成本也要低得多。
-
第三，今天的人工智慧基於神經網路，完全不可能取代人，更不可能讓我們人類變成機器的寵物，在它具有自我意識之前，它不可能具有人類的智慧。
目前，人工智慧的核心技術仍主要來自美國，中國在快速追趕。在應用方面，中美兩國各有特色。除了人臉識別，王維嘉認為，未來醫療影像領域中國也會超過美國。
王維嘉也提醒，現在深度學習大熱，企業都扎到這個方向，但深度學習有其侷限性。如果不在基礎科學層面探索新的方向，中國在科技領域可能很難追趕美國。
Q : 對於基於深度學習的人工智慧已經達到瓶頸的說法，我們應該怎樣理解？
王維嘉：過去人們誇大了人工智慧的作用，也誇大了對它的恐懼。實際上，人工智慧就像一個偏科的人，今天的人工智慧，在某些領域是特別厲害，但在另外的很多領域是不行的，關鍵是要挑準應用它的行業。
比如在人臉識別方面，人工智慧已經超過了人的準確度，人工智慧還可以在金融、大健康領域有效的應用。但將人工智慧應用到無人駕駛是不合適的，人工智慧就像一隻會認路的狗，狗的認路能力比人強，但它不能開車。所以，一定要清楚人工智慧的侷限和邊界，找對應用人工智慧的場景。
人工智慧還有很多可以應用的領域，目前人工智慧還沒有開始和這些行業結合。因此，雖然有侷限，人工智慧應用仍然有很大的商業前景。
Q :
基於神經網路的人工智慧有侷限性，很多問題解決不了，那麼有沒有可能會出現一些新的方向的人工智慧能夠衝破這些侷限？
王維嘉：美國已經有很多大學，甚至有些公司已經在研究完全不用神經網路的新的人工智慧，比如有一種新方法叫“機率語法圖”。
做研究是應該這樣去探索。但從做生意的角度，因為神經網路已經證明在解決很多問題上是非常有效的，應該先找這種技術上已經證明的方法作為解決方案。
比如，你知道神經網路在人臉識別方面非常有效，你可以想是不是應該去做原理相同但還沒有人做的醫療影像識別、癌症的早期篩查，而不是作為一家公司去探索一個新演算法。
因為這風險太大，不是一家公司應該做的，我們做風險投資也不會投這樣的公司。基礎研究的探索應該由大學來做，由國家來提供資金支援，這個社會是有分工的。
Q : 一種說法認為中國在人工智慧方面的一個優勢是有大量的資料，而且給資料打標籤的人力成本更低，這種所謂資料上的優勢，真的是中國在人工智慧方面的優勢嗎？
王維嘉：這是一個很大的誤區。人工智慧的資料問題分三種情況：第一種，不論多少資料都沒用。比如無人駕駛，谷歌的資料全世界最多， 11年開了10億英里，但還是不能窮盡所有的駕駛場景。
第二種，資料不僅沒用，而且有害。比如AlphaGo下圍棋， AlphaGo是學了人類的殘局，學會了之後打敗了李世石。後來谷歌又搞一個AlphaGo Zero，完全不學人類殘局，只告訴他圍棋規則，他自己兩臺機器對弈，自己摸索。最終AlphaGo Zero打敗了學習人類經驗的AlphaGo。這說明，人類經驗，也就是資料，不僅沒用，而且有害。
第三種，才是資料越多越好，但是也有極限，資料的作用呈邊際效用遞減。比如人臉識別準確度已經達到99.5%，再提高，比如99.6%、99.61%，增長變得非常慢。
這相當於如果你有一萬張人臉圖片，我有1000張，你一定比我強。但是，如果你有10萬張，我有5萬張時，我們的差別不大。當你有100萬張，我有20萬張時，我們就幾乎沒差別。
還要看不同的場景，有的場景1萬張足夠，有的可能3萬張足夠，有的可能10萬張才夠，再多就沒意義了。美國有3億人口，中國是它的4倍多，在絕大多數情況下資料已經夠了。
我剛從英國回來，英國的衛生大臣告訴我們，英國的醫療資料是全世界最好的，因為英國由國家提供醫療保險，6500萬人口的醫療資料完全統一，非常乾淨。美國是找不出這樣的資料的。雖然英國的人口比美國少很多，但是它醫療資料的質量遠高於美國。
Q : 網際網路時代大家都是網際網路的使用者，可以不懂技術，只是使用網際網路創業。但是人工智慧不一樣，人工智慧是不是必須要真正懂技術的人去做、去投資？
王維嘉：網際網路和人工智慧最大的區別是，網際網路是一個面對消費者的to C技術，人工智慧是面對企業和政府的to B技術。
網際網路是每一個人都可以用網際網路。但人工智慧雖然每個人都會受到影響，卻不是每個人都會參與到它的開發或應用，只是結果的享受者。這樣講人工智慧就和大部分人沒有關係了，但是，它會影響你的生活，甚至把你的工作替代。
Q :
您常年在中國和美國看專案，您覺得這幾年兩個國家創業的大環境有什麼區別？
王維嘉：第一，中國的原創技術非常少，大部分還是應用。比如一家人工智慧公司，實際上演算法是開源的，和矽谷相比，真正自己的核心突破不是沒有，但非常少。
第二，中國公司的估值遠高於美國，同樣做一件事，比如做AI晶片，美國公司可能估值1億美金，中國公司可能就要20億美金。我認為這是未來的一個很大的隱患，一定會造成一級和二級市場倒掛，就像WeWork。
這其中投資人要負很大責任，因為他們不懂技術，於是跟風、踩熱點，都害怕錯過這趟車，沒有獨立思考、獨立分析，看不懂公司的本質，不清楚公司到底能不能賺錢。所以風險投資行業大部分是賠錢的，就是這個道理。
Q :
您現在主要做人工智慧和醫療行業的投資，您認為什麼樣的人適合做這方面的早期投資？
王維嘉：第一，你要懂人工智慧的技術原理，比如我們投資製藥，首先得知道機器為什麼能夠學會發現新藥。第二，你要對製藥行業要有一個基本理解，人工智慧要解決製藥行業的什麼痛點。
製藥行業的痛點就是研發費用，平均一款新藥研發費用是30億美金。30億美金花在哪？化學家拿到一個目標蛋白質後，知道蛋白質造成了肝癌，就要用不同的藥物去試，僅這個階段就需要幾百名科學家花費兩三年時間，花掉幾億美金到上10億美金，現在用機器一下子把時間縮短了，就節省了錢。
簡單來講，人工智慧時代既然已經從商業模式創新變成技術創新，投資人就必須懂技術。我看到大量的基金，不只是中國的基金，也有美國的基金，看到一個非常有名的公司投了這個專案，就跟風投資，或者是非常熱門的行業，比如無人駕駛也都要投，實際上這些行為都是因為不懂（技術），最後一定賠很多錢。
Q :
現在有說法認為中國的人工智慧已經很強，可能和美國是並駕齊驅，甚至認為人工智慧是中國彎道超車的一個方向，中國和美國在人工智慧方面的差距究竟是怎樣的？
王維嘉：可以簡單分為兩個層面，第一個層面是是核心技術，也就是演算法和晶片。就演算法而言，過去神經網路的核心演算法都是在加拿大和美國完成，中國的貢獻非常少，幾乎為零。
現在最主要的晶片來自兩家公司，英特爾(Intel)和英偉達（NVIDIA）。目前中國和美國有上百家晶片公司想做邊緣計算，比如用於手機和汽車裡的攝像頭內部的晶片。這方面大公司還沒做，很多小公司在做，未來可能會有一兩家公司跑出來，不會太多。因為晶片行業資本非常密集，一旦成功後規模效應巨大。
第二個層面是應用，中美各有千秋。比如，人臉識別方面中國一騎絕塵，美國連在後面吃土的資格都沒有。人臉識別的技術並不複雜，但中國的市場太大，每一個城市都有這方面的需求。而人臉識別在美國基本沒有市場，在歐洲也沒有太大市場。於是中國巨大的市場基礎上，中國的人臉識別公司越做越好。
無人駕駛方面，大家都遇到問題了。美國比中國做得好一點，比如對比谷歌和百度，時間上，谷歌11年前開始做無人駕駛，百度大概是6-7年前開始，大概差了一半的時間。
資金投入上，谷歌在無人駕駛上的投資大概是每年幾十億美金，百度我不知道，但我相信一定不會超過谷歌的投入，百度做無人駕駛的人數也沒有超過谷歌。無人駕駛方面美國做的更好，但現在大家都遇到了困難。
兩個國家的市場是不一樣的。比如製藥，在中國做AI新藥發現就不容易做，因為製藥需要藥廠的資料，中國的藥過去都是仿製藥，做新藥是這兩年才開始。
中國沒有新藥研發的基礎，就沒有人工智慧學習的資料，因此這方面美國遙遙領先。
我認為，在醫療影像方面中國有可能會領先，因為中國政府對扶貧和普惠醫療的重視有可能會加速這個過程。醫療圖片處理最大的應用場景是在二三線城市，甚至是縣一級鄉鎮級，現在X光機、CT都能買得起，問題是片子照出來以後大夫看不懂，因為沒有經驗。但拿到北京，大夫太忙根本看不過來。
如果機器能夠達到北京協和醫院醫生的水平，這就能大規模解決中國基層的醫療問題，而且也不貴。所以醫療影像方面我非常看好中國，這種醫療影像美國國家是不管的，都是私人企業、醫院自己在做。
所以具體每一個產業都不一樣，在應用上各有千秋。核心技術美國領先，中國追趕，但追趕得很快。因為科技上有這樣一個趨勢，一個技術一旦突破後就會慢慢進入平臺期，它不是永遠在改進，電腦、汽車、飛機都是這個道理。
現在的趨勢是一個新技術剛出現的時候，中國的差距非常大，但這個技術本身的變化很慢，中國很快就趕上了。比如美國推出PC時中國還什麼都沒有，現在聯想是世界第一。網際網路時代，谷歌、雅虎成立時，中國還是什麼都沒有，現在中國的網際網路也是全世界最領先的。
現在美國的人工智慧技術已經比較穩定，沒有什麼太大的突破，所以中國能很快趕上。但是問題在於，中國手機趕上美國的時候，美國出現了人工智慧，等中國人工智慧趕上的時候，美國不知道會有什麼新東西出來。因為美國有大批的人去探索不同的方向。
下一個趨勢誰能引領？如果中國想引領的話，就必須有這種自由探索的空氣和自由的學術環境，大家能夠有奇思幻想。因為基礎科學，不是靠砸錢或者靠政府支援就能做出來的，一定要鼓勵學生能夠獨立思考，鼓勵科研人員能夠獨立地探索，然後給他們足夠的支援，哪怕這是一個很不靠譜的方向，或者希望很小的方向，也應該支援他們，這樣才有可能去引領趨勢。
Q ：進入人工智慧時代，一定是這些懂人工智慧技術的人能夠獲得最大的商業利益，那麼會不會產生收入差距加大或者是財富更加集中的問題？
王維嘉：任何一次技術進步都會造成財富差距的增大。法國經濟學家托馬斯·皮凱迪寫了《新資本論》，他說財富差距增大的一個重要原因是資本的收入比工資收入增長的要快。
我覺得他不太懂技術，他不知道其實過去100年，造成財富差距增大的最主要的原因是技術。網際網路就是這樣，馬雲成立了淘寶，他成為首富。
但作為使用者的剁手黨，使用淘寶的過程並不能賺錢。再比如我們小時候是看省籃球隊比賽，有了大眾媒體以後，我在電視上看到NBA打球，原來省籃球隊賺的錢都給到了喬丹、姚明。絕大多數技術都是起到這樣財富聚集的作用，這不是人工智慧的特點，PC、網際網路、手機都起到了這樣作用。
王維嘉：人工智慧現在看來有可能。原因是，比如汽車製造是代替了人的腿，人工智慧是代替了人腦部分的功能。
但我覺得人工智慧聚集財富的效應可能不如網際網路。因為網際網路的特徵是贏者通吃。比如搜尋引擎，全世界除了中國都使用谷歌。中國的電子商務只有淘寶、京東幾家，社交也只有一個微信。
但是人工智慧是To B，To B的特點是不能贏者通吃。如果不能佔有整個市場，財富的量就是有限的，和贏者通吃的財富量相比更小。由於To B的特徵，人工智慧的財富聚集效應要小於網際網路。所以我覺得根本不用擔心。
來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2665335/，如需轉載，請註明出處，否則將追究法律責任。
