今后的二十年，將是人工智能技術的基本創(chuàng)新爆發(fā)期，會產生觸發(fā)2030年開始的新一波經濟的繁榮期。
這里得出什么結論呢？在未來10-15年，對經濟貢獻最大的可能不是大數據和人工智能的新技術，而是信息技術（包括大數據和人工智能）融入各個產業(yè)的新產品，提供個性化產品和服務的新業(yè)態(tài)，產業(yè)跨接融合的新模式，這些創(chuàng)新主要是已知技術的新組合。任何新技術的推廣需要一二十年的時間。
在經濟衰退復蘇期要特別重視基礎性技術的發(fā)明，未來10-15年應力爭在大數據和人工智能領域做出像電子計算機、集成電路、互聯網一樣的重大發(fā)明（重大發(fā)明是自己冒出來的，不是規(guī)劃出來的）。歷史上重大基礎發(fā)明都是經過較長時間的技術改進和擴散之后才產生巨大經濟效益，人工智能也不應例外。
很多公司都預測，從2016年到2025年的10年內，汽車、消費品、電力、物流等行業(yè)的數字化轉型將有望帶來100萬億美元的市場份額。
流行的說法是，人工智能=A+B+C。但我個人的看法，人工智能和大數據基本一回事，A+B+C+D+E。A是算法，B是基本理論和基礎設施，C是計算能力，D是領域知識，E是生態(tài)環(huán)境。
發(fā)展人工智能和大數據要重視大眾的剛性需求。2011年我跟徐志偉寫了一篇文章在CACM上發(fā)表了，與“Computing for the Masses”的追求一樣，我們要努力實現“Big Data for Masses，AI for the Masses”，不能只關注高端消費人群。發(fā)展大數據與人工智能要重視大眾的剛性需求（如健康、出行、安全等）。過去工業(yè)化時代就是所謂 “鐵公機”，鐵路、公路、機場。
信息時代的基礎設施是互聯網、云計算中心，到了智能化階段的基礎設施是大數據中心、機器學習訓練平臺等。大數據的存儲分析和機器學習能力已成為新的基礎設施需求，計算機能力的高低將決定人工智能產業(yè)和智能服務的水平。目前，網絡服務的龍頭企業(yè)（BAT、滴滴打車等）都有自己的大數據平臺，但智能軟件和服務行業(yè)每個中小型創(chuàng)業(yè)公司都建立自己的機器學習訓練平臺，既無必要也不可能。各地雙創(chuàng)園區(qū)要建立共享的大數據分析平臺和機器學習訓練平臺，這是新時代的重要基礎設施。
我國一半以上的HPC用于大數據/AI。過去HPC主要用于科學計算，現在HPC主要用于大數據分析和機器學習。2015年，HPC在數據分析與機器學習領域的應用只有27%，2016年達到了48%，今年有進一步提升。另外每個行業(yè)都需要AI，每個行業(yè)分別做是很累人的，有些東西是又有區(qū)別又有共性，我的想法是將來要有生產每個行業(yè)的AI引擎生產線，前面有公共的東西做局部化調整，有局部的參數調整，調完了以后出一個行業(yè)的AI引進來。
要擺脫人工智能創(chuàng)業(yè)公司被收購的命運。人工智能創(chuàng)業(yè)公司只有兩個命運：一個是被大公司收購，一個是倒閉。即使像科大訊飛這樣的大企業(yè)，科大訊飛市值約700億元，凈利潤不到1.7億元，在座的也有科大訊飛，沒有貶低的意思，市盈率已經超過300倍，所以如何提高凈利潤是AI公司的一大困擾。人工智能企業(yè)史說明，算法固然很重要，但是光有算法決定不了公司的命運。AI公司要在賣產品、授權、廣告、服務模式中找到新的賺錢模式，或者另外開辟技術變成錢的商業(yè)模式。AI公司要做大做強，不但要有一技之長，而且要有自己的平臺和特有的數據，軟件和硬件都要有過人的實力。
現在的問題，我國人工智能應用技術與國外差距不大，有些應用領域已經超過美國，但是基礎軟硬件與國外還有較大差距。在全球企業(yè)2000強名單中，美國有14家芯片公司和14家軟件公司，中國尚未沒有一家（我講的是以軟件作為主要產業(yè)的公司）；全球集成電路企業(yè)前20名沒有一家中國企業(yè)，華為可能擦邊。我國集成電路與國外仍有兩代差距。美國對中國實行禁運和限制企業(yè)收購的主要是集成電路。所以人工智能產業(yè)像一棵大樹，必須扎根在系統結構和軟件理論的深土中，發(fā)展人工智能不能停留在算法層面，要關注從算法、軟件、人機截面到系統結構和芯片這一完整的產業(yè)鏈和生態(tài)系統。
發(fā)展人工智能和大數據，還是要特別重視基礎的東西。中國人很重“名”，“名不正則言不順”，信息領域不斷創(chuàng)造新名詞，一旦新名詞（新學科）上升為國家意志，原來的基礎學科就被邊緣化，現在以“系統結構”和“基礎軟件”申請國家項目，已經很難拿到經費。去年國家自然科學基金計算機學科的4863項申請項目中，計算機科學的基礎理論只有16項，計算機體系結構22項，程序設計語言及支撐環(huán)境13項，高速數據傳輸技術2項。但是，計算機圖像與視頻處理有439項，模式識別理論及應用357項，人工智能應用258項。這是巨大的反差，所以沒有基礎的話，將來還是返回的局面。
國家新一代人工智能發(fā)展規(guī)劃中，偏應用的研究還是多一些，基礎設施的部署偏少一點，在未來的實施中應高度重視打造人工智能的基礎設施。要跟數字化、網絡化、算法等要結合起來。
再講講我的一個判斷，什么是人工智能？人工智能從科學上講，它是計算機科學的前沿研究，從應用來講，它是計算機技術的的非平凡應用。人工智能本就是計算機技術，現在很多人講人工智能是新的科學，內容涉及腦科學、計算機科學、統計學、社會科學等。但是迄今為止，腦科學（神經科學）對人工智能的貢獻很小，統計學對推動機器學習的崛起起了較大作用，但是沒有人把人工智能看成統計學的分支。目前來講，人工智能本質上是計算機學科的一個分支，人工智能再多，國際上還是把它統計到計算機學科名下。智能化的前提是計算機化，目前不存在脫離計算機的人工智能。所以說，沒有計算就沒有智能。
有人總說現在是智能化的時代，信息化時代已經過去了，這恐怕不夠全面，智能時代不是后信息時代，真正的后信息時代可能是生物時代。與其過分強調智能與數字化、網絡化的區(qū)別，不如多強調智能化與信息化的聯系，數字化和網絡化沒有做好，智能化就是空話。我們吸取歷史上的教訓，八十年代有段時間人工智能也很熱，但是它的很多需求通過計算機組合技術是能滿足的，那時候講的要從第四代發(fā)展到第五代，但是后來計算機走了一條與此相反的道路，是從底層做起，所以人工智能的很多硬件軟件都并入了計算機主流。今天的形勢跟80年代不一樣，但是歷史教訓要汲取，我們既要重視智能應用的特殊要求，但是也不能忽視通用的計算機主流技術的巨大包容能力。
曙光公司是國家智能計算機研究開發(fā)中心創(chuàng)辦的企業(yè)，是國家863計劃智能計算機主題長期支持下成長起來的高技術公司，智能應用一直是國家智能計算機研究開發(fā)中心和曙光公司關注的重點之一。上世紀九十年代在建立了國家智能計算機研究開發(fā)中心中國科大分中心，專門從事語音識別/合成的評測，后來孵化出科大訊飛公司。我留學回國后指導的第一個博士是姚新，現在是英國伯明瀚大學的講座教授，南方科技大學計算系主任。中科曙光和寒武紀是同根生的兄弟公司，寒武紀研究芯片不但用在華為的手機上，也會用在曙光服務器上。要特別注重知識的融合，錢老說過“必集大成，才能得智慧”，人工智能是對付復雜性的科學，發(fā)展人工智能不能追求“另立山頭，分道揚鑣”，要跟其它學科密切融合。
如何看待領域知識呢？10月19日，谷歌DeepMind團隊新成果，名為阿爾法元的機器完全靠增強型自我學習，訓練3天就戰(zhàn)勝了阿爾法狗，比分100：0。這表明在某些領域，AI不再需要人類知識。過去我們相信知識就是力量，現在有些領域數據和機器學習比知識和人類經驗更有力量。
最后引用一段話，是美國曼哈頓負責人澳本海默在二戰(zhàn)勝利以后說的:“我們得到了一棵碩果累累的大樹，并拼命地搖晃，結果得到了雷達和原子彈……其全部精神實質在于對已知的瘋狂而粗暴掠奪，而毫無對未知的認真而謙恭地探索?！?/p>
人工智能已經六十年了，我們是拼命搖晃這棵大樹不變，還是懷抱對未知的認真和謙恭，自己新種幾棵樹苗？深度學習為什么這么有效，沒有人講得清楚。最近以色列科學家提出“信息瓶頸”理論，發(fā)現深度學習與物理重整化。
“莫言下嶺便無難，賺得行人空歡喜。正入萬山圈子里，一山望過一山難。”謝謝！
【注：本文根據中科院院士、曙光公司董事長李國杰10月24日在以“從未知到可能”為主題的2017中科曙光智能峰會發(fā)言錄音整理，未經本人審定】
