IPP評論是華南理工大學公共政策研究院（IPP）官方微信平臺?

導語

9月21日至22日，以“人工智能與未來世界”為主題的華南理工大學公共政策研究院（簡稱“IPP”）第十一屆國際會議在廣州南沙舉行。

在首日會議的圓桌討論環節，香港中文大學（深圳）榮休講座教授黃鎧，華南理工大學公共政策研究院學術委員會主席、香港中文大學（深圳）前海國際事務研究院院長、廣州粵港澳大灣區研究院理事長鄭永年，騰訊研究院資深專家袁曉輝，百度高校合作部高級經理劉磊四位專家學者，從技術革命、全球治理到社會倫理等多個角度，深入探討了人工智能時代的機遇與挑戰。深圳市人工智能與機器人研究院（AIRS）具身智能中心主任劉少山博士主持圓桌討論。

以下為圓桌論壇環節嘉賓對話實錄，內容略有刪減：

圓桌討論：AI與工業革命??

劉少山：歡迎四位嘉賓參與圓桌討論，我們討論的主題是“AI與工業革命”。首先有一個問題想請教“祖師爺”黃鎧老師。從您50年教學生涯的經驗與觀察來看，您覺得AI對人才教育培養有什么影響？會給往后的高等教育帶來什么樣的改變？作為高校教育者，又應該如何適應這種改變？

深圳市人工智能與機器人研究院（AIRS）具身智能中心主任劉少山博士主持討論

黃鎧：我認為，目前的AI已經發展到了這樣一種程度，即未來它將成為主要的工具。如果誰不能熟練地使用這些工具，那他就將難以生存。

所以，我們的大學教育要做徹底的改變了，尤其是對需要使用這些工具的學生而言。教育部已經提出了一項重大改革，即“新工科”教育課程。我們必須做出改變，但這種改變仍需要時間。

香港中文大學（深圳）榮休講座教授黃鎧回應提問

目前在中國有三個AI中心：北京、上海和粵港澳大灣區。這三個AI中心正在競相構建自己的專業能力與優勢，培養更多的學生，聚集更多的AI人才和專家，形成足夠大的規模，去形成一個足夠大的臨界點。 這三個AI中心也各自擁有一些AI研發機構。相關部門希望能夠在這三個地區的中心城市各自打造一個一流的人工智能學院。

所以我也和我的同事說，我們必須大幅度調整課程設置了，不能再按照過去的方式進行教學，變革是必須的。當然，變化肯定會帶來挑戰——這就是我對這個問題的回應。

劉少山：感謝黃鎧教授的回答，接下來請教鄭永年老師。AI被稱為“第四次工業革命——前三次分別是蒸汽機、電力和信息科技——它將極大地提升社會的生產力。那么，從國際政治的角度來看，人工智能對國際政治的影響是什么？中國的機會在哪里？

鄭永年：謝謝少山。這是一個重大的問題。

首先，我認為“第四次工業革命”正在發生。當然，“第四次工業革命”的核心技術、內涵和外延仍在不斷發展。但正如黃鎧老師所說，人工智能無疑是其中的核心技術。盡管我們討論人工智能時會涉及它的積極面和消極面，但一旦這項技術誕生，它必然會持續發展，沒人會將它棄之不用。

我個人認為，這一次的人工智能與前三次產業革命的技術相比完全不同。

我曾與王賡武教授討論過一個現象：在人類幾千年的歷史中，都是年輕人向年長者學習。然而，自從互聯網尤其是社交媒體出現后，情況發生了逆轉，變成了年長者需要向年輕人學習。

這里有一個非常關鍵的問題：如果說在以往的三次工業革命中，年輕人向掌握技術的年長工匠學習，似乎意味著年長者比年輕人更聰明、更有智慧。而如今，隨著社交媒體的興起，提倡年長者向年輕人學習，是否也意味著年輕人現在變得更聰明了呢？

華南理工大學公共政策研究院學術委員會主席鄭永年

我的觀察是，對一部分人來說，人工智能確實讓他們變得更聰明了。然而令人遺憾的是，人工智能時代并不總是意味著“智能”。因此，我創造了一個新詞，叫做 ，即人工的無知和愚昧。無論是在美國還是中國，當前社交媒體上的“人工智殘”（Artificial Ignorance）現象普遍存在，許多人的視野不但沒有得到拓展，反而變得越來越狹窄—— 以前說“信息繭房”還是輕的。

而我最擔心的是教育領域的危機。年輕的時候我讀到《美國歷史中的反智主義》，這種現象背后主要受到宗教、政治權力和資本的影響。然而，現在的人工智能時代，知識分子反而成為了反智主義的主力，至少在中國是這樣。

當然，第四次工業革命已經在發生了，它對社會的影響在不同的政治體制下會產生不同的效果。前幾天《紐約時報》發表了一篇文章，討論了人工智能對傳統民主的影響。文章認為，人工智能正在削弱民主（ AI is undermining democracy ）。我個人認為， 人工智能也在推動中國社會發生很大變化，當然有好的，也有壞的。

我個人非常擔心的是“智能的不平等” 趨勢——少數人變得越來越聰明，大部分人變得越來越愚昧。前面的嘉賓也提到人工智能的數字鴻溝（Digital Divide）正在加劇社會不平等，既然如此，又該怎么處理“智能的不平等”呢？可以說，現在的工業文明就是思考的結果，如果人不思考了，我們會怎么樣？因為社交媒體和人工智能的出現，人在很多方面又退步了，我個人比較悲觀，我認為我們確實需要對人工智能對社會影響做一個全面的清單。

劉少山：感謝鄭老師。剛剛我們從兩個宏觀問題展開討論，先是討論了教育，然后討論了國際政策形式，下面想請來自百度以及騰訊的兩位嘉賓回答一個相對微觀的問題：百度和騰訊都是在互聯網時代崛起的科技巨頭。目前，AI對生產力和效率有極大提升，兩家公司是否已經感受到了市場壓力？兩家公司如何面對AI時代，以保持兩個巨頭在市場上的領先地位？

袁曉輝：從騰訊自身來看，一方面我們在大模型研發方面投入了大量資源，并且正在進行基礎大模型的研發。現在我們的混元大模型（Tencent Hunyuan）雖然面世時間不算早，去年9月份才向公眾展示，但在內部已經接入了700多個業務應用，比如大家經常使用的騰訊會議、騰訊文檔以及更多提高辦公效率的產品，實際上都已經接入了AI助手。

例如，我們在常用的騰訊會議中嵌入了AI小助手。如果參會遲到，可以詢問小助手代辦事項，或者讓它幫助做會議紀要。事實上，我們已經在APP內部實現了AI功能的嵌入。常用的騰訊文檔也是如此，AI工具可以幫助進行頭腦風暴、協作潤色、翻譯等。騰訊的AI戰略以應用為先，旨在為更多用戶提供更多智能服務。

騰訊研究院資深專家袁曉輝博士分享騰訊在AI應用開發的進展??????

另一方面，在AI原生應用方面，以前在互聯網時代不可能產生類似的產品，只有在AI出現之后才得以實現。例如，對話機器人，你可以選擇不同的角色進行對話。“騰訊元寶”APP也是一個全新的應用，探索了許多功能。

比如，在學術研究方面，它有一個深度研究功能，可以結合你的問題，在點擊之后幫助你全網索引研究報告和研究內容，甚至不僅僅是針對這個問題，還會提前梳理上下游的相關問題和答案，這是在助力研究方面的應用。

另外還有深度閱讀功能。以前我們閱讀英文文章時，如果英語水平較高，速度可能會快一些，但英語水平較差的話就會非常吃力。我上次演示了一下，五分鐘內可以閱讀三篇不同領域的論文，即使沒有學術背景也能理解。這種原生應用也正在不斷探索和發展。

我們在內部使用AI工具來幫助大家提升工作效率，并且進行了很多探索。例如，程序員在編程時使用了AI支持的工具，騰訊內部也有直接應用AI助力編程的案例。另外，在研究工作中，或者在每個部門的知識庫應用方面，我們也在探索。知識庫能否通過對話式的方式被調用？新人入職之后可以問AI，可以在哪里獲取信息，或者怎么助力接下來的工作。這相當于在內部知識的數字化轉型中，AI也發揮了重要作用。

所以我覺得無論是騰訊自己大模型研究還是對外提供的第三方服務，還是說我們自己內部員工提效方面，都發生了顯著變化。我們也在思考是否有一個詞能夠概括這種變化？比如說“AI轉型”。一方面是企業的轉型，另一方面是社會的轉型，包括社會教育、治理和社會的接受度，這都是一個轉型過程。

劉磊：我想從企業角度分享一些個人理解。比如，百度在AI領域的研發，可能是國內最激進的公司之一。舉個例子，百度在國內10年前就建立了全球第一個深度學習研究院。眾所周知，深度學習技術可以說是AI時代的操作系統，百度在10年前建立了這個研究院，最終衍生出了百度研究院，以AI為基礎打造了這樣一個研發體系。

百度高校合作部高級經理劉磊介紹百度AI產品開發投入情況??????

歷經十多年的大力投入，百度在AI技術研發領域投入了近1700億人民幣，研發強度可以說在全球頭部高科技企業中名列前茅。 投入之后有沒有效果？技術不是為了秀肌肉，AI是要賦能數字經濟發展，為社會謀取福祉。

百度有很多產品大家正在使用，比如文心一言，今年9月份“文心一言”移動端剛剛改名為“文小言”App，文心一言累計用戶規模已達3億。文心大模型日調用量超過6億次，日均處理Tokens文本超1萬億，均為國內最高。

還有百度地圖和小度音箱，在我們住的酒店或家里常見的“小度小度”，可以控制開燈、空調溫度、窗簾開關等，這些簡單重復的勞動通過語音指令就能解決。這些正是為智慧家庭、智慧生活賦能并提供服務的應用。

百度正在用大模型AI重構百度的所有產品，不是簡單的改造，而是徹底的重構。我們通過在AI領域的研發和投入，讓AI為經濟社會發展和生活提供便利。

劉少山：感謝兩位。我們從微觀角度可以看到，AI正在改變社會。從提升互聯網公司內部效率開始，我們可以預測到AI的滲透率將會有很大的進展。AI滲透率的提高必然會帶來正面和負面的問題，我們先探討正面問題。

到2035年，中國將有4億人步入60歲以上，占總人口的30%。全球到2030年將有14億人口進入60歲以上，大部分人群集中在經濟發達地區。接下來的問題我想請教黃鎧教授，您認為AI在醫療和老年康養方面，如何幫助即將進入老齡化的人群？

黃鎧：我今天早上的報告強調的是全民醫療與保健。中國現在最不公平的是：大城市里有最好的醫院、最好的醫生，但鄉下的醫療條件實在差得很遠。如果住在深山或沙漠里得了重病，那么就真的非常危險。AI必須普及到全國，不管住在多偏遠的地方，都要能得到醫療照顧。我今天早上的報告就提到，一定要建設通信網絡，以確保互聯網服務覆蓋全國，并利用云計算建立醫療大數據。以后醫生看病時，病人可以通過大數據及時得到診斷。

我帶領學生在做聯邦機器學習（Federated Machine Learning）。比如，現在有400家醫院，有的醫院擅長腎臟病，有的醫院擅長骨科，各有所長，患者很多，這樣就可以制定診療方案，吸收不同醫院的優勢，組成一個特別的醫療小組，還可以找到最好的開拓性解決方案（open mind solution）。剛才我提到的公平性，就是這個意思，城鄉差距必須縮小。

除了依賴大數據和醫生、醫院的聯盟外，云計算中還包含了許多診斷軟件環境（diagnostic software environment），這些都是非常寶貴的資源，必須加以發展。

當然還有普及的問題。我感覺城市里的人訓練得足夠好，可以利用大模型進行初步診斷，甚至可以組成一個同病相聯的小群體，互相交換意見。但在鄉下，由于普及率較低，誰去培訓鄉下的人使用這些工具呢？

AI的發展是向前推進的，剛才我提到中國AI的發展可能會與美國AI的發展產生沖突，而且這個沖突可能會加大。現在中美雙方有一個特別小組正在進行磋商。我舉個例子，互聯網的路由訪問（route access）由美國控制，如果他們切斷了，中國的互聯網接入就會中斷。美國人目前沒有這么做，因為這樣做也會傷及美國自身，美國企業在中國的生意也會受影響。美國人有顧忌，中國人也有顧忌，至于最終如何讓雙方都安心，這還需要進一步商量。
?

鄭永年：我補充一下關于醫療這一點。最近幾年我做了很多調研，發現中國主要是城市之間的不平等。剛才 ，中國人工智能具有高度集中的特點，長三角還有粵港澳大灣區，包括北京， 因為高校很多，也有很快的發展。

但其他地方的發展還是非常不平衡，這也表現在醫療領域。我去浙江下面一個縣，他們的數字醫療在浙江全省范圍內都做得不錯。 但如果去西北看一看，情況就不一樣，因為他們沒有錢。受教育程度也不一樣。中國要實現基本公平還有很長的路——理論上可以做到，但是實際操作非常難。

中國不像美國那樣是市場導向——只要能賺錢，無論東部還是西部都可以發展。中國主要的問題是行政分割太厲害，每個省就像一個獨立的國家，省與省之間的談判非常難。就像這次二十屆三中全會所說的，如果中國要利用AI發展來實現醫療公平化，全國層面需要進行很多體制改革——這不是技術問題，而是行政體制改革的問題。

劉少山：感謝鄭老師提出了一個很好的論點，我們整天都在討論AI會把這個社會撕裂得很嚴重，貧富差距很大，但AI同時也在醫療教育方面，可以把差距拉平。如果互聯網基礎架構足夠好，以后在農村條件相對差的小朋友可以得到更好的教育，也可以得到更好的AI醫療，這個觀點相當正面。

回到宏觀層面，再請教一下鄭永年教授：生產制造業是一個國家的經濟基石，美國現在也開始喊出“生產制造業要回到美國”。想請鄭教授評價一下，在AI重塑全球工業鏈的這個過程中，中國的機會在哪里？

鄭永年：從理論上講，人工智能確實能夠優化供應鏈和產業鏈的運作，就像過去幾十年超級全球化（Super Globalization）時期，各國在全球化分工中各取所需、互惠共贏。然而，當前問題的核心在于地緣政治的緊張局勢。事實上，中國和美國在經濟發展上具有很強的互補性，但正如黃鎧教授所說，每個國家在國際事務中都以自身利益為重，中國和美國都不例外。

你剛才說美國為什么會“去工業化”（De-Industrialization），因為他們把一些制造業放在中國和印度，自己保留著“0到1”的高端制造業。在市場經濟的條件下，本來這就是分工合作、互補流通。 然而，現在美國試圖通過再工業化（re-industrialization）來實現“自給自足”，不再依賴外部供應鏈，什么都要自己生產。

美國建國以后一直強調的是發展，安全并不被放置在優先位置，但是現在第一次把安全放在發展前面，就是什么都是自己做。但實際上，美國很難做到把所有東西拉到美國去。

現在， 他們試圖把高科技芯片放在自己的國家里面生產，所以他就要日本、韓國和中國臺灣的企業到美國去設廠生產高端芯片。 中低端的東西，美國傾向于放在“近岸友邦”，比如墨西哥、加拿大。但是，這個成本其實還是很高的。美國以前一直反對產業政策，批評中國實行“國家資本主義”的產業政策，其實美國的產業政策比中國更厲害——白宮可以決定是否將錢補貼給臺積電還是韓國或日本的公司。

一個糟糕的情況就是所有國家都變得很自私，這對我們的影響非常大。在地緣政治優先的情況下，以后每個國家什么都自己生產，供應鏈、產業鏈的定義就可能發生變化。如果沒有交換、沒有交易，我們的世界就又會回到絕對主權（Absolute Sovereignty）的時代，文明有可能不是在進步而是在倒退。

劉少山：感謝鄭老師的分析，AI確實給地緣政治帶來了很多影響，同時也對社會本身帶來了很多影響。

下面的問題請教袁曉輝老師，騰訊擁有中國最大的社交媒體平臺，也是中國第一的社交媒體公司。我比較好奇騰訊研究院在倫理和AI對社會影響這方面有沒有什么研究？有沒有什么建議？隨著AI對社會的撕裂越來越嚴重，我們應該如何面對和處理這些問題？

袁曉輝：我覺得這個問題應該分層討論。一方面，AI對社會的影響其實不僅僅包括倫理問題，還涵蓋了經濟、社會、政治等多個層次。如果我們分層來看，我們所在的研究中心目前主要還是關注AI對經濟產業和社會就業勞動的影響。

今天的演講中我也分享了一些想法，我們常提到的就業替代或者就業增強，實際上，人工智能所引發的崗位替代并不是短期或者直接的，而是在短期內對就業市場帶來一些沖擊。一方面是相關崗位的減少，另一方面是對從業者的工作流程產生影響，同時也帶來了新增的職業。最近我們觀察到，國家勞動部正在認證微信平臺上出現了私域運營增長師這樣的職業。類似的新職業正在不斷出現。

但我們也要思考一個問題：新增就業崗位的數量是否足以彌補因大規模出租車司機失業帶來的崗位損失？新增崗位數量是否能匹配失業崗位的數量？推演下來，我們認為UBI（全民基本收入）是一個必選項，它相當于社會福利和社會保障。在社會逐漸轉型、勞動力逐漸轉型的過程中，可能不會很快看到一個清晰的圖景。一方面，我們需要加強培訓；另一方面，我們也必須認識到社會轉型是有成本的，使用新工具也是有成本的，甚至會引發抵觸心理。

像鄭老師剛才提到的“人工智殘”（Intelligence Ignorance）現象。在技術進步的過渡期間，我們是否應該考慮提供一些類似于保障基本生存的措施？有一種觀點是前向思考和后向思考：我們是應該往前看，還是往回看？固然可以提供很多像保安這樣的職位，但如果新技術出現，而大眾沒有掌握，也沒有創造出新機遇，反而產生了大量無法進入經濟循環的職位，這對于經濟發展并沒有幫助。社會應該如何應對這一挑戰？這是一個很重要的問題。

至于AI倫理問題，去年我們參加了世界經濟論壇峰會，大家也在討論AI安全，尤其是隨著AI智能體的出現，它能夠自主執行任務，我們該如何應對？剛才教授也提到了自主性的問題。我個人認為，主動權仍然掌握在人類手中。我們依然可以將AI視作我們的助手，有點像《鋼鐵俠》電影里的賈維斯一樣，我們可以做出最終決定，選擇讓它執行還是不執行。

對于這個問題，我保持相對樂觀。當前的AI治理和安全問題實際上主要集中在透明性、過程公開性，以及使用過程中確保水印等方面。我們必須確保虛假信息不會通過AI傳播。這些底線問題如果能夠得到有效管控，其他問題可能就會轉化為應對策略的問題。

劉少山：感謝袁老師。下面一個問題請問劉磊老師，百度也是國內領先的AI公司，您在第一線能看到AI對就業市場和教育方向的改變，從您的角度，這里也有很多年輕學生，以后掌握什么技能可以在AI統治的世界里還保留一席之地？

劉磊：謝謝少山博士，這也是我非常感興趣的話題，恰好我也在這一領域專注了很多年。從技術革命倒逼人才培養的大時代背景來看，黃鎧教授提到教學大綱需要改變，這是一個必然的趨勢。許多學校的教學大綱每四年更換一次，這遠遠落后于技術迭代的速度。技術可能每幾個月就會出現新的突破，至少每半年都有一次技術更新的周期螺旋式上升。但是，教學大綱的更新速度并不是這樣。大多數情況下，教學大綱每四年更新一次，稍微靈活的可能一年更新一次。這種改變必須加快，這是當前的大背景。

因此，我們面臨這樣的情況：許多畢業生進入企業或就業崗位后，無法立即適應工作狀態，仍需進行新員工培訓。教師也同樣面臨類似問題。培訓講師也面臨同樣的問題——不僅僅是他們的學校，國內許多雙一流高校也存在類似困境。雖然這些是雙一流的頂尖高校，但教師的授課水平仍存在短板，這是我們調研得出的結論。

在這種情況下，我們能做些什么？企業可以通過提供實戰教學和應用場景來彌補這一不足。例如，百度公司的飛槳星河社區目前已有1000多萬學習者，教師可以在上面批改作業、發布競賽，利用企業提供的免費算力、平臺和案例進行科研教學、競賽和實訓實戰。企業在這一過程中可以發揮優勢，幫助彌補高校教學大綱更新緩慢的問題，實現企業與學界的互動交流與互相促進。

通過這個過程，企業也能從中受益，豐富企業生態。比如，我們從2018年開始推出星河社區，最初從零起步，如今已有1000多萬開發者和學習者，包括來自高校、企業、事業單位的人員，大家都在上面學習成長。這實際上形成了一個多元化的正向循環過程。

劉少山：謝謝劉老師，剛才的時間雖然很短，但是已經覆蓋了AI宏觀到微觀對社會的影響、地緣政治到社會的變革、醫療到教育，相信在座同學也有很多不同的問題，現在開放提問。

現場聽眾：我想請教鄭永年教授關于人工智能對未來生產方式與生產組織的影響。盡管我們說生成式人工智能是一種通用技術，但它與以往的通用技術不同。AI工具讓一個人就能夠形成一個團隊，不再依賴于周圍人的幫助。

然而，事實上中國有幾百萬個生產團隊只使用了一兩個人工智能模型，這意味著這是高度集中和同質化的邏輯。人工智能對未來的生產和組織將產生什么樣的影響？從規制的角度來說，我們可以期待怎樣的人工智能生態？

現場聽眾提問

鄭永年：現在 的討論不僅僅是發展區域集中的問題，而是集中在美國的幾家公司的問題。其他國家都在追趕——現在新加坡也在發展人工智能，一個大模型的研發需要上百億美金，中國因為體量大，或許可以試一試，但一般的中小國家根本無法考慮。

這完全是一個全新的世界，就像近代工業化發生后進入了新世界一樣。比如，以前美國認為公司太大了，就通過反壟斷將它們分解，但現在分解互聯網公司和AI公司可能不是辦法，因為它們需要互聯。用開放取代分解，使得這些公司變得越來越大，越開放越大。 我覺得，如果這個世界繼續這樣下去，我們以后可能會變成幾家美國公司的附屬。在這種情況下該怎么辦？這是經濟學家需要思考的問題，這完全是另一種情景。

少山剛才說這是“第四次工業革命”，我個人認為這次工業革命與之前的完全不同，更加高度集中化。表面上看起來是擴散的，一個點一個點連起來，但實際上是更加集中化的。這對人類社會的整體結構，包括政治結構，都會產生深遠的影響。

黃鎧：我觀察到大家對大模型有一些誤解，需要澄清一下。大模型需要不斷地訓練，我舉一個最簡單的例子你就明白了：你買一本字典，如果這本字典是20年前出版的，20年前的內容都能在里面找到答案，但之后的內容就沒有了。它是一個累積趨勢（accumulates trend），哪怕是一天后的新事物都不會在里面。比如，大英百科全書每兩年更新一次，主要的作者只有200人。現在很少有人看大英百科全書了，更多人看《Wikipedia》，它有6000個作者，每兩周更新一次。《Wikipedia》提供的信息更新速度更快，大模型面臨同樣的問題。

為什么美國不允許我們訓練大模型？因為如果不能訓練，很多大模型將逐漸失去效用。大家要了解這一點，這就是所謂的人工通用智能（artificial general intelligence）。如果你希望它具備感知和認知能力，能夠解決通用的應用問題，它就必須不斷更新。否則將來大模型將無法正常運行。

袁曉輝：我也補充一點，剛才提到的大模型中心化程度較高，是否意味著大家都在使用同一個模型？實際上有兩種回應：一是開源模型，很多中小企業可以結合自己的場景使用開源模型進行訓練。二是行業大模型，行業中使用行業數據訓練的大模型專注于解決特定行業的問題。它的泛化能力不如通用大模型，但針對性很強，參數量較小，不需要消耗大量算力資源。在目前的工業領域，許多場景下可以使用行業大模型，而且大家普遍認為行業大模型可能是中國的一個機遇，因為它不需要過多的算力就可以運作。

劉磊：從技術革命的角度來看，我個人也相對樂觀。在大模型領域，有許多基礎大模型，也有行業大模型，還有很多垂直領域的大模型。例如，面向行業的醫療大模型、交通大模型，甚至一些非常小型的模型。多種類型的大模型匯聚成一個“大模型矩陣”，這是大模型的大家庭。

鄭教授提到我們正在進入一個越來越中心化的世界，但在某種意義上，這也是中心化和去中心化不斷博弈的過程。小模型、中模型和大模型結合在一起形成了一個生態。如果只有大模型而沒有小模型和中模型，大模型也不過是一堆耗電耗芯片的機器。因此，即便在中心化的過程中，去中心化的張力和博弈也在其中，最終會形成一種平衡。沒有任何人可以掌控一切，因此我對這個問題保持樂觀。

中國還有一個獨特的優勢，就是擁有龐大的用戶市場，這在全球是獨一無二的。我們最大的優勢就是擁有14億人口的規模，相當于歐洲加日本的總和。我們可以利用這個優勢，在預訓練、監督學習和無監督學習的過程中，通過不斷的版本升級迭代，相信我們的大模型有非常光明的前景。 ? ? ?

鄭永年：黃鎧教授提到行業數據的問題，我想補充一點。我曾參觀過深圳的一些行業數據收集機構。我們發現，美國的數據資源遠遠優于中國——世界上所有頂尖的科研論文，尤其是在科學技術領域，幾乎都是用英文寫的，中文寫的論文相對較少。包括中國的科學家和工程師，都在用英文發表論文。美國的數據資源遠遠優于中國，這是一個事實。大家可以看到，絕大多數科研論文都是英文的，中文的質量較差。數據量不足，導致模型效果也不一樣。

黃鎧：很多同事問我，中國和美國在AI領域相差多少年？我可以給出去年的數字，來自斯坦福的AI數據。去年全球有150個大模型系統出現，其中超過一半是在美國發展出來的。其中65個是由工業界主導的，有20多個是工業界和學術界合作的，而真正由學術界獨立開發的只有大約10個，因為這需要大量投資。我早上提到馬斯克投資了40億美元，而去年中國只有15個大模型系統。所以在投資方面我們已經落后了，因為我們缺乏大型數據中心。盡管我們有很多人才，但開發出來的系統數量不足。因此，關于相差多少年，我的簡單回答是，我們目前在大模型系統的產出上較為落后，距離實現通用人工智能（general AI）還有一段距離。

鄭永年：我個人認為，中國數據不足有兩個主要原因。與美國相比，中國的產業結構是最齊全的，幾乎涵蓋了所有行業。

但中國面臨的兩個問題是：一是數據整合不足，存在數據孤島現象。市與市的數據無法整合，一個市下面各個區之間的數據也整合不起來，大學之間的數據更是如此，省與省之間的數據整合更是遙不可及。工業部門也是一樣，數據難以整合，大家各自為政，像一個個土豆。這個問題需要解決。

二是，美國能夠收集全球的數據，而我們由于互聯網不夠開放，一方面我們自己的數據出不去，另一方面外部的數據也進不來，這需要改革。數據的數量和質量不足是可以改善的，但如果不進行改革，我認為很難趕上。如果能夠推動改革，我們還是有機會趕上來的。

黃鎧：當然還有一點，美國人批評中國，說中國不分享數據。我的數據給了你，但你的數據卻不給我，這也是一個切實存在的問題。很多數據在中國是不透明的，而在美國是透明的。所以我感覺雙方在制定新規則方面還有很長的路要走。

觀眾提問：有兩個相對抽象的問題想請在座幾位簡要回應。第一，黃鎧老師非常樂觀，認為人類可以完全掌控人工智能和機器人的發展，而我個人相對悲觀。比如說，現在確實有大量的“數據民工”在為人工智能提供數據材料，但未來人工智能的發展是否會走向能夠完全解決問題的階段？甚至有可能部分人類能夠將人工智能與自己融合，成為一種“新人類產物”，那時我們談論的控制權就很難明確了。或許我們可以思考這個問題。

現場聽眾提問????????????

二是，或許人工智能還沒有完全掌控人類的工作、行為和思想，但我們已經看到它在一些工作領域開始替代人類。理想的人工智能發展應該是幫助人類，而不是替代人類。然而，客觀情況是人工智能確實在替代人類，并且這一趨勢還在加速。起初我們認為它只會替代出租車司機、快遞員等勞動力密集型行業的崗位，但如今它在智力勞動領域的替代速度更快，行業危機非常大。再過若干年后，是否人類會走向一個越來越失去“人性”的時代？人工智能越來越具有人性，甚至有一天可能比人類還聰明。屆時，人類是否會認為自己不需要勞動，甚至不需要存在？

我們曾經說“勞動創造人”，但如果不再需要勞動，人類又該如何定義？在這種情況下，我們應該如何重新界定人工智能時代下人類的價值？這些問題讓我感到困擾，借此機會想請教各位專家。

鄭永年：我個人覺得這個問題既有悲觀的方面，也有好的方面。人工智能和人類其實差不多，人有善的一面，也有惡的一面，一半是魔鬼，一半是神。我想人工智能也是如此，關鍵在于你如何使用它。如果人工智能變得比我們更聰明，目前我們還能控制AI，但如果有一天被AI控制，那會怎么樣就不得而知了。

袁曉輝：這個問題最終還是可以回歸到人類自身。什么東西最能打動你？你的熱情、沖動在哪里？你希望成為一個怎樣的人？這個命題才是更重要的。如果一個人沒有欲望，無欲無求，那是一種狀態；但如果你真的想改變什么或實現一些目標，AI就會成為你的工具，助力你的發展。所以我認為未來的理想狀態是，人類借助AI來增強自己。盡管AI的智能可能會超越人類，但在這個時代找到自己的價值感是最重要的事情。

劉磊：對 這個問題不必過于驚慌，首先我們的態度應該是主動擁抱。技術革命是一個進化的過程，不以人的意志為轉移。這是第一點：要擁抱大趨勢，擁抱AI。第二點，這個過程并不是一蹴而就的，它是一個漸進式、過渡性的過程。即使有些重復性的勞動會被替代，但這恰恰解放了人類的雙手。比如在一些簡單的翻譯或工業質檢領域，AI可以解放我們的雙眼雙手。

而且在這個過程中，它會為我們創造更多新的職位。就像剛剛這位老師提到的數據工廠，我們現在有很多數據標注師這樣的新職業，已經需要成千上萬的人來訓練AI、為AI打標簽、提供數據服務。這只是一個例子，實際上還有很多。

在大模型時代到來后，出現了一個新的職業——提示詞工程師。人工智能是為我們服務的工具，首先需要提示詞才能行動，而不是毫無提示就能自主行動或控制人類。這條發展道路非常漫長，所以完全不必因此感到驚慌。迭代和漸變的過程會給我們足夠的智慧去解決所有問題。

更多國際會議嘉賓發言完整版將陸續推送，敬請期待！

國際會議視頻精彩回顧

IPP國際會議｜孟維瞻：大國人工智能競爭如何塑造美國的政治變化？

國際會議第二日綜述

國際會議首日綜述

關于IPP國際會議

每年一屆的國際學術研討會是IPP國際學術交流的重要平臺。IPP圍繞中國及世界的治理與改革問題，邀請國內外學者齊聚廣州，討論重大公共政策議題，共謀中國與世界改革發展之路。從2013年至今，IPP國際學術研討會已成功舉辦十屆，目前已是中國南方最具社會影響力的國際學術盛宴之一。

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。