编者按：
本文系横琴新区数链数字金融研究院学术与技术委员会主席朱嘉明教授在2021年7月15日在浙江余姚举办的“第七届中国机器人峰会暨智能经济人才峰会”蓝迪国际智库机器人企业专场对接会的发言，意在“解读数字经济时代的机器人产业的历史渊源和演变过程，阐述人工智能产业的特征和现状，进而提出人工智能3.0、互联网3.0与区块链3.0融合趋势，以及对工业4.0的影响模式。”
此文正式以“公众号”发表之前，作者做了必要的修订和补充。
数字经济时代的机器人产业
——人工智能3.0、互联网3.0与区块链3.0融合趋势
图片来源：“第七届中国机器人峰会暨智能经济人才峰会”活动官方摄影
大家下午好。谢谢赵白鸽主任。我不是人工智能方面的专家，今天的发言试图从比较宏观的视角，解读数字经济时代的机器人产业的历史渊源和演变过程，阐述人工智能产业的特征和现状，进而提出人工智能3.0、互联网3.0与区块链3.0融合趋势，以及对工业4.0的影响模式。
一、数字经济和人工智能关系的演变
以第二次世界大战为奇点，数字经济和人工智能的关系，经历了三个阶段。
1. 同源阶段（从第二次世界大战前后，直到1950年代中期）。1937年，图灵设计的“图灵机”，是一种抽象计算模型，或者一个虚拟的机器替代人们进行数学运算。1950年，图灵发表《计算机能思维吗？》，第一次阐述了“机器思维”和“图灵测试”的概念。1946年，冯·诺依曼和他的团队发表《电子计算机逻辑设计初探》，其理论的要点包括数字计算机采用二进制和提出了程序内存，以及计算机应该按照程序顺序执行的思想。世界第一台电子计算机ENIAC采用的是冯诺依曼体系结构。因为图灵和冯·诺依曼各自的贡献，他们分别被称之“人工智能之父”和“数字计算机之父”。在这个阶段，处于萌芽时期的人工智能和计算机科技存在差异，本质上却是不可分割的——“图灵机”和“冯·诺依曼架构”之间，存在逻辑关联性。
2. 分流阶段（1950年代中期至2000年前后）。1956年，人工智能的历史性会议在美国达特茅斯学院（Dartmouth College）举行，史称“达特茅斯会议”。此次会议正式出现“人工智能”术语，并提出人工智能的定义：使一部机器的反应方式像一个人在行动时所依据的智能。会议发起者和参加者都是当时顶尖的科学家，且正值青壮年，对通过计算来实现智能抱有憧憬和信心。[1] 麦卡锡（John McCarthy）和明斯基（Marvin Minsky）关于此次会议的建议书中提出了七个领域：可编程的“自动计算机”，编程语言，神经网络，计算规模的理论，机器学习，抽象和随机性和创见性，显现了对人工智能的卓识远见。1950年代中期至1970年代，人工智能经历了短期爆发性发展。之后，人工智能进入反思和低迷时期，包括1980年代的“人工智能冬季”。直到1990年代中期之后，人工智能领域回暖。
1956年达特茅斯会议：AI的创建之父 图片来源：scienceabc.com
1950年代中期至2000年前后，相比较人工智能技术，因为计算机、半导体和互联网的持续创新，带动ICT导向的数字技术的全方位突破，并在相当长时间长处于绝对领先状态。至1980年代，已经开始形成“数字技术”体系支持的“数字经济”。
3. 合流阶段（2000年前后至2020 年）。一方面，人工智能的历史性突破：1997年，IBM深蓝超级计算机击败国际象棋世界冠军，举世震惊。AI研究再度活跃。进入21世纪，依托于大数据和互联网的背景，人工智能深度学习受到前所未有的关注，人工智能研究进入全新的阶段。2000年，本田发布人工智能的人形机器人ASIMO；2004年，NASA火星机器人精神号和机遇号在没有人为干预的情况下在火星的表面导航；2005年，斯坦福大学发布“自动驾驶汽车”；2008年，IBM提出“智慧地球”概念；2012年，辛顿（Geoffrey Hinton）团队开创了“深度学习”革命；2016年，谷歌的DeepMind公司所开发的AlphaGo 战胜世界围棋冠军。另一方面。数字经济需求的形成：数字经济规模膨胀，数字经济结构的转型，数字经济全球化，以及数字经济的智能化。
1997年深蓝超级计算机击败国际象棋世界冠军
图片来源：Stan Honda/AFP
进入2010年代，数字技术和人工智能技术明显合流，且呈现加速态势。其深刻原因有四：
（1）AI基础科学研究发生一系列重大突破；
（2）AI投资规模不断扩大，调整增长速度加快；
（3）人工智能产业集群形成，改变经济基础结构；
（4）人工智能开始融入人们日常生活。
特别值得注意的是，自2020年前后，世界主要国家，特别是中国、美国、欧盟、日本、韩国都把人工智能作为国家主要发展战略，并投入日益增加的公共资源。2017年7月，中国提出《新一代人工智能发展规划》，至今四年。[2]
二、数字经济和人工智能的互动时代到来
数字技术和人工智能技术呈现合流的同时，彼此之间互动程度得以加深。
这是因为数字经济具有“五个超级”特征，唯有人工智能可以提供解决方案：
（1）超级科技含量特征。人工智能机器人、语言识别、图像识别、自然语言处理系统是重要的选项。
（2）超级大数据和算力需求，数据的生产要素化，大数据规模大爆炸。人工智能芯片为基础的计算机集群，高速和精准计算都是重要的选择。
（3）超级复杂系统，复杂系统和决策困境。人工智能的机器博弈系统是可以植入的最佳技术。
（4）超级不确定性，信息不完整和不对称引发风险。人工智能不确定推理和算法是最重要的选择。
（5）超级学习需求，创新导致知识和学习常态化。人工智能的深度学习和联邦学习成为最适当的工具。
可以做一个小结：在21世纪之前，人工智能和数字经济之间存在相当大的差异。进入21世纪以来，人工智能以深度学习、跨界融合、人机协同、群智开放和自主智能的新为目标，人工智能技术可以为数字经济提供全方位满足。支持人工智能的数据、算法和算力三个支点与数字经济开始全面重合。其中，计算机、芯片等载体为人工智能和数字经济提供数据处理能力。进一步说，数字经济必然纳入到智能经济，没有智能经济的数字经济和没有数字经济提供场景的智能经济都不是未来。下图是数字经济和人工智能相互影响的重要历史拐点：
图片来源：作者绘制
三、人工智能产业化特征
人工智能产业的形成发展，与传统的第一次和第二次产业不同，存在四个主要特征：（1）人工智能产业需要基础科学的进展与突破。例如，人工智能的重要前沿是实现与“脑科学”结合，而“脑科学”研究还处于摸索阶段。（2）人工智能产业需要科技突破为先导。人工智能的本质是用于模拟、延伸和扩展人的智能的技术科学，始终需要依赖于其前沿科技的创新。也就是说，先有人工智能科学技术，后有人工智能产业化。例如，因为工业机器人的开发和应用，涉及到电动机、变速器、控制器的突破。（3）人工智能产业需要跨行业，跨部门，跨企业的深度协作。（4）人工智能产业需要开拓应用场景，扩张和延伸产业链，构造智能产业结构。在过去二十年，人工智能以算力，算法和数据为核心技术，推动日益增多的行业的数字化和智能化。在现阶段，自动驾驶、生物芯片、多元智能传感器、知识图谱、边缘计算、增强智能，正在成为人工智能产业最引人注目的领域，为智能经济基础，实现智能经济和数字经济一体化供坚实技术基础。因为人工智能产业化的上述特征，人工智能产业在创造GDP同时，始终需要吸纳巨大的和持续的资本和人力资源。资本和人力资源用于从基础研究、研发到应用。
因为人工智能产业化的上述特征，人工智能产业在创造GDP同时，始终需要吸纳巨大的和持续的资本和人力资源。资本和人力资源用于从基础研究、研发到应用。
根据《中国互联网发展报告（2021）》等文献：2020年，中国人工智能产业规模为3031亿元，同比增长15%，略高于全球增速。如果以2020年中国数字经济规模39.2万亿元计算，人工智能产业规模占整个数字经济规模的比重是7.73%。2020年人工智能技术的行业成熟度见下图。
图片来源：作者绘制；数据来自艾媒报告中心
2020年中国的人工智能领域投融资金额达到1748亿元，相比2019年同比增长73.8%。显然，越来越多的资本会流入人工智能领域。在世界范围内，中国在人工智能领域的投资高于包括美国在内的发达国家。
四、实现 人工智能 3.0，互联网 3.0，区块链 3.0的结合
现在，人工智能、区块链和互联网都处于从2.0到3.0时代的转折点。（1）人工智能 3.0。突破神经拟态计算，自然语言处理（NLP）技术障碍，可以同时处理确定性和不确定性问题；依靠大数据驱动和少量数据也可实现更高效能的持续学习；高可靠性和符合人类设定的伦理道德标准。（2）区块链3.0。基于通用类基础公链、功能类基础公链、行业类基础公链、联盟链开源软件及基础，实现对于互联网信息价值和字节产权确认。（3）互联网3.0。实现“数据网络”，全语义网，人工智能化。
图片来源：作者绘制
人工智能3.0，互联网3.0，区块链3.0的结合，不仅有助于实现以智能合约为核心的工业互联网和物联网，建设智能经济生态，有助于超越了经济领域，涵盖了社会生活的各个方面，加速智能社会的到来。最终实现代码即法律。
五、人工智能领域的主要挑战和未来
人工智能正在进入这样的历史阶段。未来五年全球人工智能市场规模平均增速将超过30%。人工智能一方面不可阻挡的蓬勃发展，另一方面，持续面临挑战，至少有以下五个方面：
（1）基础科学方面的挑战。虽然人工智能的某些细分领域有相当进展，但是，距离实现通用人工智能和所谓的“强人工智能”，基础科学还有漫长的道路。人工智能领域的符号主义、联结主义和行为主义三大派别都需要基础科学的支持。
（2）硬技术方面的挑战。AI芯片3、4个月就要升级，超过了莫尔定律。此外，网络计算系框架，突破计算、存储、通信分离结构，增强边缘算力，都需要人工智能的参与。
（3）量子技术方面的挑战。现在已经到了需要评估量子技术对人工智能的影响方式和后果，以及思考量子人工智能（QAI）框架的时候了。
（4）人文科学和伦理方面的挑战。
（5）人才短缺方面的挑战。AI与大数据领域需要具有综合性素质人才：硬核技能，如人工智能、算法、互联网方面的知识和技能，还要有基本知识储备、数据分析、逻辑分析能力。AI与大数据人才缺口严重。
人工智能前途何在？在承认人工智能发生了相当的发展和成就的前提下，存在对立的阵营。阵营的一边是保守派，甚至是悲观派。代表人物有侯世达（Douglas R. Hofstadte）、霍金（Stephen Hawking）、马斯克（Elon Musk）、 比尔盖茨（Bill Gates）。1979年，侯世达出版《哥德尔、艾舍尔、巴赫》（Gödel, Escher, Bach: An Eternal Golden Braid）。[3]该书被支撑位人工智能“圣经”，作者在书中对人工智能的仅限深刻诠释的同时，也显示了作者的保守立场。几十年之后，侯世达对人工智能的立场演变为极端的忧虑和悲观。2019年，侯世达学生米歇尔（Melanic Mitchell）出版了《AI 3.0》，提出了关于人工智能的6个关键问题，核心问题是：人工智能中还有哪些激动人心的问题尚未解决？答案是，几乎所有问题。在某种意义上，继承和延续了侯世达的理念。
图片来源：四川科学技术出版社和商务印书馆
阵营的另一边则是乐观派，甚至激进主义派。库兹韦尔（Ray Kurzweil）、数学家古德（Irving J. Good）、科幻小说家文奇（Vernor Vinge）都是这个阵营的代表。库兹韦尔提出，人类科学技术正在逼近“奇点”，其中，最值得关注的事件即是人工智能超越人类智能。
可以肯定的是，关于如何认知人工智能未来的分歧还会继续下去。但是，这样的分歧并不影响人工智能技术创新和人工智能产业的升级与扩展。
在5月15日“蓝迪国际智库机器人企业专场对接会”的总结阶段，朱嘉明教授作了题为“人工智能产业正处于非均衡发展状态”的补充发言，强调了影响三个不平衡：
第一，人工智能产业应用不平衡。中国人工智能产业发展迅速，但是，人工智能产业的整体发展的面临严重非均衡。如果以传统的三个产业的结构分析，第二产业，特别是制造业与人工智能技术结合相对紧密。工业机器人开发的历史相对悠久。中国在智能制造产业存在非常明显优势，有可能全球领先。今天上午黃奇帆市长的讲话对智能制造做了全面阐述。近年来，人工智能与第三产业，即服务业的结合发展很快。也就是，服务业与人工智能技术融合发展的空间和潜力很大。但是，第一产业与人工智能技术的结合，还是比较落后。
第二，人工智能产业的区域分布不平衡。在全球范围内，北美、欧盟和日本，还有韩国，属于人工智能技术发达地区。中国是人工智能技术和产业化全面崛起的国家。至于世界其他地区，人工智能技术相对落后。在国内，人工智能技术发展和应用也是不均衡的，主要集中在京津冀、江浙沪、粤港澳三大区域，属于人工智能技术的发达地区。其中，长江三角洲区域，浙江的宁波是人工智能产业发展的中心地带，余姚是智能产业高地。余姚开启人工智能产业整整十年，十年磨一剑。如今的余姚，古有河姆渡和王阳明，今有智能产业。遗憾的是，东北和西北地区是人工智能技术和产业的洼地。河北就在北京周边，人工智能产业还是比较落后。现在需要绘制人工智能产业分布的信息地图，人均GDP发达地区很可能就是智能产业人均GDP最高的地区。
第三，人工智能产业人才的不平衡。人工智能技术开发和产业成长，需要各类人才，人才的产业和区域分布，直接影响相关产业和区域的发展。人才需要引进和培养兼顾。在这方面，余姚的成功经验值得借鉴。
今天，涿州地区组织了一个团队参加会议蓝迪国际智库机器人企业专场对接会议。涿州的人工智能技术和产业的基础是薄弱的。涿州如何在人工智能领域奋起急追，核心是选择应用领域，并引进人才。今天会议关注服务业机器人的发展潜力，值得涿州考虑。先从人工智能服务业做起，积累经验，之后可以考虑人工智能的制造业。
改变中国在人工智能技术发展的非均衡状态，是一个长期任务。在十四五期间，人工智能经济要在提高全国整体水平下功夫，形成梯度发展格局。
注：
[1]约翰·麦卡锡，28岁，此次会议的发起人；马文·明斯基，28岁；罗切斯特，37岁，还有一位40岁的香农——作为主要的参加者，除了香农以外，其他人都很年轻，还没什么名气（香农的贡献和图灵可以比肩）。此外还有6位年轻的科学家，其中包括赫伯特·西蒙（40岁）和艾伦·纽维尔（28岁）、所罗门诺夫等。
[2]日本 《人工智能战略2019》2019；韩国 《国家人工智能战略》2019；新加坡《研究、创新与创业2020规划》2019；美国 《美国人工智能倡议年度报告》2020；欧盟 《人工智能白皮书 – 通往卓越和信任的欧洲路径》2020。
[3]书名中的哥德尔（Gödel）是数学家、数理逻辑专家；埃舍尔（Escher）是当代画家；巴赫 （Bach）是古典音乐大师。