「重倉」人工智慧，是李開復和創新工場未來幾年的方向。但是，他面臨一個很重要的問題：現在的 AI 創業，核心是 AI 科學家，而「文能起筆安天下，武能上馬定乾坤」的 AI 科學家鳳毛麟角，用他的話說「該創業的都創業了」。

這時，產業在面臨一步棋。那就是：如何把一個普通的 AI 科學家變成「創業英雄」。

身為 30 年前就開始研究人工智慧的李開復，覺得自己「技術味」的創新工場有能力推動這步棋，並且在這一步棋中獲得穩固的戰略優勢。

李開復表示，

AI 創業現在是科學家的天下，之後是數學家的天下，將來是普通人的天下。

以下是李開復在《創新工場人工智慧戰略白皮書》發表會上的閉門分享，這裡將其整理成為〈李開復：AI 創業的十個真相〉，呈現給讀者。

AI 科學家都是超級宅男

創新工場本身主營的機構是投資和投後的機構，我們當然是看專案、看創始人，他們有 idea、方向，我們就會用基金投資它。

過去的網際網路創業模式，已經非常經典地被「精益創業」說明：

幾個小朋友隨便做個產品上去，能融資就融資，無法融資就拉倒。怎麼樣去惠及用戶，迭代產品，之後變現，成為經典的模式。

這個創業的模式，紅利時代已經過去了。當然以後還會有，但是不會像以前那麼多。創業的門檻大大提高了，因為人工智慧是下一批創業方向，而人工智慧創業裡面很核心的人物其實是 AI 科學家， AI 的公司沒有 AI 科學家就沒戲唱了。

但是 AI 科學家往往都是超級宅男，自己宅在房間裡，整天做實驗，突然你把他丟到一個殘酷野蠻可怕的世界裡，他自己創業成功率就不是很高。

很多 AI 科學家這輩子從來沒想過創業，現在突然想創業了，然後發現自己長處特別長，短處特別短：

他也許技術很牛，但是也許執行不夠；

也許他的產品展示起來很好，但是一做起來都是 Bug；

也可能他產品做得很不錯，但是不懂市場；

或者懂市場但是不知道怎麼去賣。

尤其 AI 本身又是一個 ToB 的業務，所以不是那麼容易自己做一個局。所以 AI 科學家需要懂商業的人；懂 ToB 的人，需要工程師。

AI 創業「不美好」

我們平時都會把 AI 創業講得很美好，今天我就跟大家講講 AI 不美好的地方。

第一個就是：AI 科學家有短處。

這一點剛才已經說了，我們要想怎麼幫「宅男」補足短處。

 

第二個就是：AI 創業很貴。

剛才講的「精益創業」很便宜，因為幾個小朋友不拿薪水，用零元就可以把第一個 App 推出去。

我們剛投資一家公司，投了 1 個月以後錢就用完了。我說你們不就 8 個人怎麼錢就用完了，給了你好幾百萬元啊？但他們說，光買機器就用了 300 萬元。

 

第三個就是：AI 需要資料。

辨識一張圖片，最少需要幾十萬張樣本資料，甚至幾百上千萬。誰給你弄資料？

所以做人工智慧投資有一個非常頭大的地方：一下頂尖的人就投完了。

過去這 2 年我們就到處去掃，從最厲害的團隊出來的無人駕駛公司投了 2 個，沒投 2 個。然後就再也找不到團隊了，因為有資格的人就那麼多。

我們做網際網路金融，掃完以後大概投了 2 個，然後可能有 1、2 個錯過了機會，1、2 個沒投，然後就沒有了。

因為 AI 科學家就那麼多，能夠創業把事情打造到一個地步的就那麼多。

AI 的現狀是「僧多粥少」。大家都去搶那幾棵樹，就把樹拱到天價了。我覺得 AI 這片土地需要「施肥」，而不是搶那些非常少的農作物。

所以我們成立了「人工智慧工程院」。我們可能花幾千萬元把機器搞定，然後幫助 10、20 家創業公司；我們從各種管道拿到資料，AI 科學家可以做實驗；我們試著讓更多有潛力的 AI 科學家，能夠考慮來創業這條路，幫他們把可能 95% 的失敗率降低到 40%，這樣的話我們就能夠產生自己的價值。

當然，投靠創新工場，我們幫你解決所有問題，也要求回報。本來可能 500 萬元佔股 10%，現在也許給我們 15%，我們覺得這樣也就足夠了。以後如果可以打造出獨角獸，我們是有很多回報的。

這個工程院得到金錢回報之前，至少得花掉 2 億元人民幣。但如果是我們施肥的，想必那些「農作物」會比較喜歡我們。

兩、三年之後，AI 會像 Android 一樣普及

長期來說，真的永遠只能由 AI 科學家創業嗎？其實不一定。

任何技術都有一條發展路徑，一個很好的例子就是 Android。當年我們跟 CSDN 的蔣濤一起做行動開發者大會。第一次大會的時候，我問現場觀眾：有多少人看好 Android？大概只有 5 個人舉手。我問有多少人看好 Symbian？500 隻手舉起來。

但當時我們堅決相信 Android 才是未來的道路，只是平台不夠。現在大學裡面的 Android、 iOS 培訓課程非常普及，你如果是一個電腦相關科系學生，你自學也好，去上培訓課也好，幾個月之內你就可以開始做 Android 了。

AI 也是這樣的狀態。

要多久時間呢？我們大膽假設 2、3 年吧。這 2、3 年裡，我們工程院會用一個非常獨特而有價值的方法孵化科學家。3 年後平台出來了，很多聰明的大學生可以自學。平台、工具越來越多，AI 會變得越來越容易用。

以後年輕人創業，我覺得可能比現在科學家創業更能成功。因為創業需要有動機、有狼性，願意拚命。本來就要把自己名聲、身家全部賭進去的。

有資格的人 6 個月就能成為 AI 工程師，有資格的人是指：數學天才

一位老教授，用 30 年的功力弄出一個新演算法。這種可能性是存在的。

但真正能發力的其實還是年輕人。很多年輕人只是苦於沒有平台。

我告訴大家一個秘密。

如果你是一個有資格的年輕人，我們只需要 6 個月就可以把你培訓成為一個 AI 工程師。絕對不是你想像的 20 年、30 年。這不像材料科學家、火箭專家──這種專家真的需要 30 年功力。

那麼，什麼人有資格呢？

很不幸，不是所有人。「有資格」簡單來說就是：數學天才。

當然，這其中也涵蓋了統計、自動化、電腦。中國人口這麼多，光是數學天才應該一年都要產生個幾十萬了。

假設有 10 萬個數學小天才，裡面對 AI 有興趣的可能就會有 5 萬個（因為中國學生特別願意追最熱門的東西，最熱門的定義是什麼呢？很酷，能賺很多錢的）。

裡面有 2 萬個接觸一些培訓平台，花了 6 個月去做，這 2 萬人裡可能又有 2 千個是適合的領軍人物。比如說他是 AI 網域的雷軍、傅盛這些人等。

這 2 千個最終才是我們最好的投資目標。我們的工作就是讓這些人出現。

所以短期我們是抓著科學家，再過 3、4 年我們要把這些年輕人都培訓出來，讓他們認知這是創業最好的時機。所以祕密就是：我們要挖掘中國所有的數學小天才，然後引導他們進入 AI 創業。

AI 接管人類？我們的問題是科幻小說看多了

我們應該怎樣看待 AI 呢？

有人看到 AlphaGO 戰勝了李世乭，瞬間就聯想到 AI 要接管人類。實際上，這其中還差十萬八千里。

AI 裡最難的問題之一，是跨領域的自然語言理解。要做到這一點，需要內文的理解、需要跨領域的知識，還需要人類的「Common Sense」。

例如我突然和你說：「中午還好沒吃漢堡，麥當勞不好吃。」這句話所有人都明白什麼意思，但是機器很難讀懂。它可以每個字都辨識正確，但仍然無法「理解」。

再例如：打開的熨斗不能摸，沾水的手無法碰電。這些東西不用講我們都知道。但是電腦怎麼會知道這些事情呢？

你怎麼去教電腦跨領域的知識？你怎麼教會它七情六欲？你怎麼教會它什麼是美？什麼是愛？什麼是宗教？什麼是信仰？這些東西差得還非常遠。

揣測可能發生的事情跟確信一定會發生的事情，這兩個還是要分辨清楚。任何剛才講的 AI 無法做的事情，我們都無法揣測多久會突破。有人說 5 年，有人說 50 年，也有人說永遠不會。

我覺得我們真正應該討論的事情是怎麼用 AI 來創造價值，怎麼讓人類能夠消滅饑餓和寒冷，讓每一個人都能有尊嚴的活著。

例如，未來很多藍領和白領的工作都會被取代，也包括了記者。當然有些深度文章機器可能過 50 年也寫得出來，但如果你從網上收集一些資料，例如科大訊飛發表財報，產品多了 30%，解析師說股票怎麼樣、未來人工智慧被看好什麼的，這種東西機器已經在寫了。

當機器能夠取代簡單的工作時，當 5 秒以內就能思考完的事情人都不用做的時候，當這麼多人可能失業的時候，這些失業者應該怎麼做？我們如何重新訓練他們？孩子的教育是什麼樣的？怎麼讓人類繼續找尋應該做的事情？也許造物者不希望我們做這種無聊的工作，讓我們都做有意義的事情，所以才用機器取代了我們。

剛才講的這些事情都是 10 年內會發生的。

當然未來也可能是 AI 養活全世界，我們也許都成為 AI 的寵物，在家裡戴著 VR 頭盔玩遊戲。機器會不會有自我意識，會不會取代人，會不會成為物種，雖然未必不可能，但這些是未知的。

很不幸的是：我們科幻小說看多了。

「AI 新物種」、「取代」、「奴役」，這些當然可以想像，但有更多必然的、有意思的問題，更值得我們去思考。

AI「低處的果實」還沒摘完

人工智慧有很多學派。符號學派、連線學派等等。但是除了深度學習，其他方法經過多年驗證，是不太有發展的。

模擬人的分析方法，希望把 AI 變成一個規律和專家系統，過去 50 年已經證明了這個思路不行。當然也許某天會有突破，但是直到那天為止應該是不行的。

就我自己的背景來說，在 1988 年，我就開始做語音辨識。當年第一套系統就是用完全機器學習的方法來做的非特定人類語音辨識。

現在看起來這是一個特別小的方法：世界上有一個人能夠從紙上讀出語音，我的老師就要把這套方法變成一套專家系統。

當年讓我很堅定地認為：機器的構造跟人腦、人的思維方式其實是不一樣的。我們硬要把 A 放到 B 其實是很困難的，就像我們無法逼自己變成一個深度學習者，去解析事情──我們腦子思維就不是那樣的，是不自然的。

用腦科學的方法製造人工智慧，是一個未知的領域。未知的東西有它的魅力，你要做研究就要做未知，你要有了突破那就是創新。在學術領域你做每一件事情的衡量標準是：我要做別人從來沒做過的東西。我們可以假設腦科學跟未來的 AI 是相關的，我們可以去證明這是或不是。但是從投資的角度來講，押注的風險就太大了。

當年深度學習也是因為資料不足，碰到了瓶頸。但近年我們看到有好幾個特別大的變化：

第一個就是特別大量的資料在某些領域開始產生，而且我覺得我們目前還沒有用完。

第二個就是 GPU 的使用讓我們能夠更高效地、非常快速地做深度學習。

現在我覺得，所謂的深度學習的果實還遠遠沒有摘完。人工智慧用軟體來說百花齊放，一顆顆大果實就在你面前。在這種情況下，你還要去種花，何必呢？

我們把 GPU 和海量資料在全世界掃一遍，應該還夠我們 VC 界吃個 5 年，所以從投資的角度這是非常清晰的事情。

再往下走，我覺得 AI 肯定不是只有深度學習。例如現在還有增強學習的方法，也在探索。AlphaGo 裡面也不是只存在一個方法。所以我覺得學術界其實應該開始幫助和探索更多可能性，當我們把這 2 年的糧食吃完後，也許會有更好的機會。

我沒有 AI 宗教信仰

當然未來 AI 也可能沒有進一步的突破了。

如果沒有的話，那就說明 AI 的黃金時代過去了。下面就是物聯網或其他什麼的。身為投資機構，我們並沒有一種 AI 宗教信仰，我們還是要掌控靈活度。

就像行動網際網路時代，當時我們應該是業界最高調的行動網際網路 VC。但隨後我們根據情況做了調整。

如果學術界跟產業界有合理的分工，我對未來 5 年投資界和產生的價值非常樂觀，對於所謂 AI 泡沫我認為不會發生。當然有個案會是泡沫，但是我認為能吃的糧食實在是太多了。

學術跟產業的分工大概是這樣：

一方面是一個天然有機的分工；

另外一方面又有一點羨慕嫉妒恨。

一般來說學術界看不起產業界，但在某個時刻突然產業界一個技術成熟了，在這個技術上學術界就做不到產業界的成就了。於是學術界就被逼去做新的東西。例如現在再做人臉辨識，學術界已經打不過產業界了。所以在人工智慧領域，很少見到一個老教授一生只研究一個命題。

AlphaGo 本身沒有商業價值

AI 會帶給我們什麼價值呢？

我想先說說 AlphaGo。之所以 AlphaGo 如此引人注目，很大程度上是因為我們這樣的專家把它講得太懸疑。

之前我覺得圍棋比西洋棋至少難 10 年或 15 年，但後來結果證明我過於悲觀了。我過於悲觀其實有很多理由。我當時認為圍棋要比西洋棋難了一個天文數字，但天文數字也是數字。

在 AlphaGo 之前最好的人工智慧棋士達到業餘五段。而 AlphaGo 最新的 Master 和職業九段之間的差距，大致相當於職業九段和業餘九段的差距。這確實是很大的跳躍。

為什麼會有這樣的現象呢？也就是說，為什麼下圍棋的人工智慧進步幅度這麼大呢？

其實有一個非常現實的理由，就是想賺錢的人不會去做圍棋。你看 AlphaGo 的專家隊伍也沒那麼了不起，就是 20 個很厲害的機器學習專家。在 Google 裡面可能有 2 千個這樣的人，在微軟裡有 1 千個這樣的人。原因在於微軟和 Google 過去沒有想拿 2 千個專家的力量打敗職業棋士，他們更多時間都在做語音辨識、人臉辨識這些較有價值的事。

在沒有價值的事上，用 20 個專家就算不錯了。