8988
2021年4月10日-12日，吴文俊人工智能科学技术奖十周年颁奖盛典暨2020中国人工智能产业年会在北京和苏州同期圆满成功举办。中国科学院院士何积丰受邀在上海中谷小南国花园酒店，2020中国人工智能产业年会—可信AI专题论坛上发表主题报告《人工智能赋值数字经济》。
以下为演讲实录：
非常高兴来参加这次会议，今年会召开上海市第三届世界人工智能大会，大家回顾人工智能这三年发展变化，我们深感责任重大，面临挑战也比我们想象要大。
我感到大概两个原因：第一，我们对人工智能技术定位有问题。人工智能不完全是一个单独产业，人工智能是赋能其他行业发展的。实际上你们现在回顾一下，我们狭义人工智能产业的GDP还是非常小的，如果要改变这个状态，那么我们要关心“智能+”，这是我想讲的第一个问题。
第二，刚才蒋昌俊校长谈到关于可信人工智能，现在我们碰到新技术的可信问题，不但是我们人工智能有可信的问题，我们的网络也有可信的问题，我们的云有可信的问题，我们的软件也有可信的问题，这些问题如果不能从根本上有好的解决方案，我相信我们企业是不可能为你买单的。
去年我在世界人工智能大会期间开过一次闭门会议，听了企业界对人工智能产业看法，他们就对我们说技术不可靠很有看法，更不要说我们军口部门的领导，很明确说你那种随机的结果我是不能采纳的，我要的是确定性的成果，而这条我们都还没有做到。今天我的报告题目不再提“可信”两个字，我在讲数字化经济，我们的人工智能能做点什么？从哪里入手？这可能是企业家们关心的，高校的专家以及研究所的研究员并不关心这个问题，但是如果从这几年对经济发展要求来说，尤其是今年是“十四五”的元年，我们要使经济有新的增长，就必须把人工智能赋能技术用好，这是我整个报告的出发点。
“数字经济”是习总书记在APEC会议上第一次提的，他说：新一轮科技和产业革命形成势头，数字经济、共享经济加速发展，新产业、新模式、新业态层出不穷，新的增长动能不断积聚。
现在各地都在讲数字经济，上海出了一系列大项目都是关于数字经济的，好像人工智能项目就在我们基础设施里面。到底什么经济叫数字经济呢？这里归归类，我们说至少有这十大类都属于数字经济的范畴，我下面会有几个例子介绍一下，比如我们讲数据经济，大家一听就明白，还有服务经济、平台经济、物联经济、分享经济、产消者经济、长尾经济、普惠经济、协同经济、智能经济。
上星期我和中欧管理学教授讨论，我说你们都在讲数字经济，你们是不是开一门课再讲讲数字经济，让企业家们知道企业该怎么改造，他们觉得这个话题可能是重要的话题，但是我想从管理角度来说，我们做人工智能的，做IT的，怎么参与到其中。
下面我举四个例子。第一个是数据经济。首先数据经济在GDP的表现非常突出，世界上最大的上市公司是数据经济公司，其他话就不要说了。数据经济的发展是和新的科技手段以及数据积累相辅相成的。过去我们也有很多数据，但是为什么没有产生数据经济呢？因为没有好的算法，没有好的算力。其次很多新的行业需要数据支撑，这里有一个例子，就是新冠疫情发生以后，现在大家都在打疫苗，很少人听说这个疫苗打下去以后，到底多大的效果，人家说挖数据，那现在数据还不够多，我们国家现在打的数量，按照绝对数量是第二多的国家，但是按照人口比例算还是非常低的。按照这样低的百分比数据，要挖掘效果是比较难的，那我们就问，小数据里面能挖到东西吗？那新技术就要跟上，这是第一要害。
第二数据经济的持续发展依赖于已经崛起和即将崛起的无数从事数据经济的企业，总体来说可以分为融合应用、数据服务、基础支撑三大类细分市场。上海的数据经济是走在全国前面的，尤其是这几年关于“十四五”规划里面，把数据经济放在很重要的地位，比如上海典型的“一网通办”就是全国领先的、用数据服务大家的例子。
第二类服务经济。因为有数字经济，因此推动了服务经济的转型和升级。在服务经济年代，最重要的技术之一就是云计算与服务。这里特别是说一下云的问题，大家一谈到云就想到阿里、华为，过去在云方面有很大积累。如果你是从企业界来，你愿意用阿里云吗？愿意用华为云吗？我估计能够举手的人非常少，什么道理？因为目前低时延和高可靠两个技术还没有过关。一是我们新技术发展和工业发展，做不到无缝连接。最近上海在讨论使用什么样的云技术，来推动上海实体经济向前，这个问题大家可能也会关注到的。
第三云服务的进一步发展，需要底层中心技术的建设和升级，5G技术将很有可能影响云服务的未来。5G这个事情讲了很长事情，希望大家注意，千万不要把5G技术和华为5G等同，这两个概念是不一样的，华为在国际上5G技术领先，主要是在宽带和流量两个方面遥遥领先，给我们服务经济提供了很好的基础，但是对我们企业，包括高铁、地铁系统它要的不单单是宽带和容量问题，它关心高可靠和低时延，低的掉线率。到目前为止，国际上已经有三大5G国际标准了，华为仅仅是其中一个，所以我们要设计各种各样的专网，服务企业发展需要。
讲到服务经济大家就会想一个问题，我们实际上在整个GDP里面，服务行业比例是比较高的，可是我们的服务行业质量是属于比较低的，高质量的比较少。举个例子我们国家金融科技也是服务经济，但我们高端的金融科技公司非常少，我们还是给你买买菜，提供基本的日常生活服务，这跟我们做高端服务距离还是非常远的，可以说刚刚起步的公司希望得到技术上的支撑，是不是有中介提供服务呢？这个也没有，因此我们服务经济的发展趋势应该走向高端服务，走向实体经济服务。
下面还有两个，一个是物联经济。万物互联，口号是挺好听的，“无处不终端，处处皆计算”，我们慢慢形成人与物、物与物的物联网，物联网这个口号到现在提了将近15年了，2007年温家宝总理视察无锡提到这样的概念，到现在我们的物联网跟工业界连在一起的工业物联网还是刚刚起步，前面我们尝到物联网甜头的主要是零售，零售业发展以后，发现我们原有的IT技术不够了，我们需要一些新的技术支撑，它的安全、运维。我这里说数字许可证授权管理，我们的硬件安全、数字孪生、自动驾驶技术，这里面都是和人工智能有关的。
我们国家的人工智能起步并不太晚，但是我们整个跟发达国家比还有很大距离。IBM为了做人工智能，投了好几千亿美元，我们的时间窗口和投入上差距就很明显了。第三个我们国家因为特殊情况，我们认为下一步物联经济可能在医疗领域有很好的发展前景，整个社会逐步进入老龄化，大健康的技术会被广泛采用，这其中物联技术也是很重要一种。
最后就是智能经济，这跟人工智能非常近了。智能经济最早是“欧洲2020战略”中提出，那是2011年，目前是两大趋势：（1）机器正在很大程度上替代人类的工作；（2）在人工智能时代，从企业、税收和保险等机制上构建起一个有益的经济生态，可以让社会中的每一个人从技术发展中受益——这就是我们讲的可信人工智能中的要素，我们希望这个技术是向善的，大家都得到利益，包括我们说消灭歧视，崇尚平等。目前我们做的第一项任务，用机器代替人，我们看到它的好处，（一）降低成本，（二）保证质量。这些都是很多企业家所喜欢的，它有一个1到N的放大效应，但是不知道企业家想到没有，如果将来你厂里面都是机器人，谁来消费你的产品，机器人除了耗电以外不用消耗任何东西。所以发展机器人的同时，一定要问企业生产的目标是为谁服务的？如果服务目标没有了，那对不起，你再机器人效果也是没有了。
第二有的同志说这样搞了以后，我们很多低端、中端工作找不到，这里希望大家都要向高端进展。向高端进展有两个任务：培训、教育。现在看到培训、教育都没有准备好，但是劳动力需要从低端向中端、高端进步，这也是面临的新挑战。
智能经济就是将人类智慧和知识转化为人工智能的过程，要实现这样的转化，需要人工智能技术，以及以人工智能为内核的软件和智能制造的协同发展。从本质上说，人工智能产品最后都是软件，我们国家软件产业的发展是远跟不上的，我相信人工智能学会的专家们都发现了这个问题，像我们培养人的数量和质量，与人家这样一比，差距还很远。现在很多做智能汽车的单位，它一讲就是五千、一万个软件工程师，上海那么多高校，能培养多少软件人员？因此我们人才可能是紧迫需要解决的问题。
我们下面看一下人工智能跟上面讲的经济之间，价值观上有什么、价值链上有什么联系。大家都从各种渠道知道，人工智能有三大基石：大数据、芯片和算法。如果按照它的价值链可以分成上、中、下三大块。我们看上游，第一是大数据，无论是结构化和非结构化，因为我们的机器算法是要用数据训练机器，而日常生活中，很多数据是没有办法训练机器的，这个转化过程绝不是靠人工做的。
（二）人工智能发展中，我们希望能够借鉴过去从传统算法里面得到的情况，因为传统算法主要是解决标准化、数据化的抽象问题，而目前我们人工智能需要解决的是现实场景的各类问题。将来场景语言帮我们生成新的场景，在现实生活中间可能也不一定碰到的。这里我们举智能汽车的例子，我们目前国内已经有的场景大概五千个交通场景，国际上八千到一万个，通过场景就要考虑不用抽象方法，能够有场景生成器，把场景生成出来。
最后人工智能下游应用极为广泛，现在主要是三大无人系统，机器、无人车和无人机还有推广的智能家居、智能医疗等等。现在我们看到的量大的产品，还非常少。你看智能汽车谈不上了，机器人主要是一些机械臂，用在生产线上，柔性机器人距离还是比较远。无人机大家也看到，这次国际上搞物流的，他们用无人机送货，美国的火星探测器也带了无人机，无人机的应用场景非常广的。现在上海临港早上七点起来，四架无人机在临港区进行巡视，看交通哪里拥堵，但是和GDP之间还是有距离的，于是我们希望推动人工智能方向向人们对于定制化、个性化、高品质服务产品的需求方向走，这是智能经济里面很重要、需要做的。
如果从这个观点出发，每一个行业加上人工智能就会产生新的业态，比如工业+人工智能就是工业4.0，现在讲的数字化经济，家居+人工智能等于智能家居等等，如果你准备推广人工智能技术的话，你必须走到一个行业里面去，离开行业你的东西就是空的。
我们看一下整个人工智能怎么引导产业改革？右边的图，各个行业现在都在寻找人工智能的支撑，比如金融行业，它希望能够解决什么问题呢？解决智能身份识别、智能高频交易，保证现在的注册制下的数据咨询问题，一个行业里面提到很多新的要求，这个要求人工智能是不是有相应的技术配备了。智能汽车、交通规划，我们看无人驾驶，没有三五年积累你是不敢开无人车在马路上的。但是我们智能交通各方面还是有进步的，我们的教育、公共安全、商业服务、能源、零售、医疗，这些行业都跟人工智能有很密切的关系，当然你看一下它的产业结构还是有差距的，我们分成三个层面：
第一基础层面，分两部分：一个是数据计算，它主要是软件方面。第二是硬件。中间的技术层面上现在已经发展比较快了，感知智能和认知智能。上海这几家大的人工智能公司都是属于这类的企业。
最后的就是应用层，我们很希望在虚拟助手方面有所突破。可穿戴设备前景也有很大进展，但是现在我们具体行业发现一个问题，穿戴设备的人机界面没有解决，一个人身上背三十个穿戴设备，他只有一双手怎么可以佩戴那么多的可穿戴设备，他们希望有一个脑机接口，用人脑进行控制，说明这对技术发展1.0版、2.0版不断上升。还有解决方案，完成解决方案是我们很多企业希望得到的技术提升，它不希望是碎片化设备，没办法控制整个过程的升级换代，这是关于产业结构。
下面我们看一下，如果从智能制造出发，我们要经过哪几步跳跃？这里有三个跳跃要完成的，现在完成了第一步跳跃，从小数据发展大数据，为智能制造提供数据的基础，这是第一步，建库，把数据积累起来，这是数据财富。第二步我们刚刚开始做，我们要从计算机辅助系统，过渡到智能认知，能够逐步实现产品全生命周期的智能制造，这就难的多了。计算机辅助三十年前就有了，现在有什么变化呢？我们希望现在有智能认知的过程，现在很多产品跟要求距离还是很大的。最后我们希望从局网到泛网，提供智能制造互联互通的网络基础。这个阶段很明显，我们一般的单位现在可能连数字化第一步还没做，所以人工智能方面的专家，任重道远，要逐步推动各企业升级换代。
下面我们看一下整个体系是怎样的，我们左边是一个传统的云、边、端全覆盖的运维架构，上面云支持边缘计算，通过智能网关控制各个智能终端，获取环境信息，这个架构是很标准的，当然你重点可以放在不同地方。
中间我们从逻辑上说，我们要强调人工智能安全可信，他提供四大类的服务：实时计算、态势预测、动态感知、智能决策。右边是我们在企业里面，这四个工具为他们做什么新的业务？比如做设备管理、质量控制、状态监测预警、故障定位预测、动态调度、业务服务。
我们最近在跟上海申通公司讨论一个场景，现在上海地铁第一代时间已经过了，要进入第二代，他们希望有智能化的系统，对全市地铁做统一管理，有这样新的要求是我们过去没有料到的。过去很多控制系统，软件硬件要么放在车上，要么放在车站，现在我们慢慢希望按照刚才云的架构，把控制功能移到云上，这就是很大的变化。目前我们很好的云操作系统，可以支持这么要求强、实时的控制功能，但是这是发展的趋势。我们软件很多做的还是传统操作系统，目前还没有云操作系统给工业界用，首先是他们做的工业操作系统，我估计跟事实要求距离还是比较远。
下面我们再看一下，如果拿这样的架构放到智能制造里面去，会有什么样的格局？如果我们把智能制造系统分成四个层次，从基础开始，向上我们要求有算法，再向上运维到最上面的制造。
第一自动化测试，两个原因：大批量生产以后产品的测试变成很费人工的事，特别是在软件界，测试的代价很高的，我们实现自动化测试，不需要人。还有全流程的监控，现在各个部门之间是碎片化的，它没有监控的程序和规则，没有整套的。比如地铁上某一个设备出事故了，是车站管还是列车管还是系统管？现在都是各管各的、是不行的，实际它要求是非常高的。
我在算法里面提了很多要求，并不是算法没有，这是我们新的要求，现在还很差。目前高铁系统上，按照现在机器学习算法，碰到一个新的场景它响应周期多长呢？这是很值得大家思考的问题，这是关于系统框架。
下面我们再看一下由于人工智能跟产业结合以后，我们的技术生态体系，第一我们依靠智能互联，这里面无论是物联网、人工智能、边缘计算、5G通信都属于智能互联的层面。
在数字孪生方面我们希望有所进展。现在很多单位都说在数字孪生，但是我觉得实际就是早期AI，跟数字孪生是两个东西，我们新型的操作系统出了很多年，这两年国家还在布局，这个问题还没有解决。
第三个层次可微服务。这里面提到很多服务，为什么要提这个问题呢？因为各个行业、各个企业都有自己特殊的要求，不可能每家都做定制的系统，因为按照手机这样的服务装置，如果有很多工业APP的话，这些APP可以共享，我也可以根据自己的技术发展，设计自己的APP，所以工业APP有很大的需求目标，希望一些头部企业能够在发展工业互联网方面可以做出榜样，这是关于赋能创新的事。
下面我们再讲一下工业互联网服务。我们知道工业数据通过机器学习，可以做很好的模型，产生很多运营服务，这里面介绍了现在的状态。我们现在的工业数据，从物理终端涉及到业务数据，很少有直接过度办法和研发工具相连。我看了几个大的央企，每个功能都有很好的IT技术，但是他们数据之间不是互联互通的，做仿真完了，设计部门同样的同志还要画一遍，这前面的功能等于是白做，所以这里写了一个问号，就是业务流程里面上下没有打通过，所以我们说软件化、参数化、图形化，会是我们希望看到的界面。
第二关于分析模型。早期做的网络主要是边缘式网络，现在慢慢提到做因果分析，做因果分析这样的新技术，我花了两年时间在宣传，总算今年国家下发了九个项目，全部是因果推理。为什么做因果推理呢？你要分析问题，结果是什么原因造成的，而且可能是小数据，这是跟过去传统基于数据的思维逻辑是两回事情，不要认为这是数据逻辑推理，而是做因果推理。还有关于数据驱动模型相关的技术，还是要进一步做。
最后是关于应用服务。应用服务里面我们也面向选择，我们早期很多服务往往是打包，整体性架构，什么都放在一起，这样会有什么困难呢？你一旦做什么修改，什么东西都要重新做，因此我们比较推崇下面的微服务架构，这个很典型在智能汽车上，第一步可能把总体设计全部做完了架构运营，往往是运营先上的，这样产生一大批新的产业，这里面我们说还是希望人工智能技术帮助我们状态感知、实时分析、科学决策，现在科学决策做得最少，我们很少说哪一个算法给领导一个决策的选择，说这样的做法给我们经济发展有什么新的推动、实际基本上是没有的，现在还是拍脑袋的确定下面的工作计划，因此我们下一步人工智能应用，从早期的新应用应该向科学决策和精准执行方向发展。
