# 李開復：AI 超級力量——中國與矽谷 > 李開復比較中國與矽谷的 AI 生態、資料與資本優勢，並談自動化對就業的衝擊。 - 原標題：Kai-Fu Lee: AI Superpowers – China and Silicon Valley - 期數：特別節目 - 釋出日期：2019-07-15 - 嘉賓 / 主題：李開復 - 網頁版：https://lex.qiaomu.ai/tw/ep/kai-fu-lee/ - 官方頁面：https://lexfridman.com/kai-fu-lee/ - 精讀字數：約 10638 字（閱讀約 24 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 Snapchat 的 Evan Spiegel 有一件很驕傲的事：他不肯抄別人的功能。Facebook 抄了。李開復在 Lex Fridman 的播客裡提到這段舊事，語氣平靜，結論很硬：把"不抄"當成原則，等於給公司戴上一副手銬，天花板就此封死。 一個在中國做了三十年研究與投資的人說這話，不算意外。他給出的理由更值得聽，以及這套理由背後那整套關於中美兩種技術文明的判斷。2019 年 7 月，他的《AI Superpowers》剛成為暢銷書，中美 AI 競賽是當時最熱的話題，而這期播客裡，他談的不只是演算法和資料，還有背誦一萬個漢字的教育、癌症病房裡的清醒、以及一個政府如何像創業公司一樣試錯。 ## 抄一個被驗證過的起點，不丟人 十年前的中國創業者拿不到融資，除非能說清楚自己抄的是美國哪個產品。投資人見面第一句話是"誰驗證過這個商業模式"，這是"你在抄誰"的禮貌版本。 李開復不覺得這有什麼可恥。當時中國網際網路滲透率低，本土沒有足夠經驗去造原創產品；而精益創業這套方法論本身就是先做一個最小可行產品再迭代。既然要迭代，用一個被市場驗證過的美國產品當起點，只要不侵犯智慧財產權，移動和 AI 領域他沒聽說過有侵權判例，這是一條更快的路。 他順手點出了矽谷信條裡的一個自相矛盾：一邊相信每個想法都必須是自己原創的，一邊相信精益創業要試很多方向然後收斂。這兩件事沒法同時成立。 手銬的代價是具體的。Evan Spiegel 很驕傲，堅持只做自己的功能；Facebook 不介意抄，於是競爭結果擺在那裡。**把"不抄"當成道德潔癖，會讓一家公司永遠夠不到它本可以夠到的高度。** ## 中國的底子：從背一萬個漢字開始 Lex 問了一個很文學的問題：中國靈魂是什麼。 李開復的回答從貧困講起。幾代人的負擔壓在身上，過去四十年改革開放和市場經濟發展，突然照進希望。兩股力量同時作用在人身上，一股來自傳統和艱難，一股來自"我要第一個成功"的渴望，合成了極強的飢餓感、極強的慾望和極強的職業倫理。 再往下挖是教育。中國的考試和學習傳統從背一萬個漢字開始，這本身就不是輕鬆活，之後還要背歷史、哲學、文學、詩詞。這可能是人類設計過最強大的死記硬背機制，目的是確保記憶力和對細節的掌握。 它的副作用也很清楚：壓制突破式創新，同時提升執行速度和結果交付能力。李開復說得很坦誠，這種教育確實壓制了美國那種從零到一的創新，但沒有壓制"以結果為導向的價值創造引擎"，而後者正是中國過去二十年最擅長的東西。 Lex 提到俄式教育裡也有大量背誦，兩人在這件事上很快達成共識：對完美的執念，和創造力之間並不是正相關。 ## 中國工程師調資料，美國工程師改演算法 那今天的中國 AI 工程師和美國 AI 工程師有什麼不同？ 相同的地方很多，AI 本身是掌握已知科學、使用已知技術、不斷嘗試的活。調網路結構、選引數，某種程度上也是窮舉。清洗資料更是所有人的噩夢，資料通常是非結構化的、有錯的、髒的，清洗的工作量巨大。 差別在取捨。美國工程師的強項是試新東西，做別人沒做過的事，用技術解決幾乎所有問題：資料不理想，那就讓演算法容錯，想辦法繞過去。中國工程師的路徑是窮舉，堆機器，花大量資源、錢和時間把資料洗乾淨，寫清洗演算法，和幾千個標註工人協作。 **如果目標是在公司裡交付結果，用已知技術加資料增強是風險更低、更容易越做越好的路。**這就是中國打法在過去幾年贏下大量戰役的原因。 但這條路有邊界。自動駕駛、醫療診斷這類問題，現有演算法大概解決不了，這時候突破式創新的權重就上來了，美國在這類問題上更有優勢。 ## 特斯拉在賭一件很難的事 Lex 把話題引到特斯拉：他們正全速用資料衝 L4、L5。 李開復說這很難，還給出一個有點刺人的類比：特斯拉的做法可以算是一種"中國式強項打法"，把能收的資料全收上來，指望資料量淹沒問題。 麻煩的地方在於，自動駕駛的很多決策不是聚合資料加反饋閉環能解決的，它們更接近人類思考。把人類智慧，或者用那個在機器學習圈裡幾乎成了禁忌詞的說法"專家系統"，和深度學習結合起來的工作，至今沒有成功演示過。 特斯拉還多一層約束：感測器不全。他們認定用 LIDAR 是愚蠢的，但這是主動放棄一個非常有價值、非常可靠的輸入源，後果可能要自己承擔。 李開復也承認特斯拉的長處，它能採到別人從沒見過的資料。在計算機視覺和語音識別上，他確實見過中國公司靠西方拿不到的資料做出更好的結果。但這兩個任務是深度學習的"合適問題"，不需要分析、規劃這些人類智慧的成分。 同樣的邏輯往下推：純機器學習很難做出跨任意領域的完整對話體驗，那相當於語言領域的 L5。他不太願意用"圖靈測試"這個詞，因為原始定義太寬鬆了，他要說的是那個精神。 ## 三家公司，三種性格 矽谷的整體氣質，李開復概括為：夢想大、有願景、相信技術能征服一切，還帶著一種自信和理所當然，認為自己造的東西全世界都該用、都必須用。 Steve Jobs 那句著名的話是這套氣質的極致表達：他不做焦點小組，他看著鏡子問鏡子裡的人想要什麼。李開復認為這是對矽谷本質最激動人心的描述，做出使用者看到才知道自己想要、但自己永遠想不出來的東西。iPhone 是例子，在黑莓的年代沒人會在問卷上寫"我要一臺多點觸控的手機"；瀏覽器也是，在 FTP 的年代沒人說自己要這個，但一見就想要。 代價同樣存在。這些產品成了全球平臺，幾乎沒有競爭對手，於是長出一種信念：只有這類事值得做，公司之間不該互相踩踏。Groupon、Yelp、OpenTable、Grubhub 各自守著一攤，誰也不去動別人的生意，因為那不夠"創新者的驕傲"。 中國打法是另一套：為了贏，什麼都做。這是贏家通吃的市場，市場領導者拿走系統裡幾乎所有價值，而這個"系統"的定義會越來越寬。**務實、結果導向、極度野心、角鬥場式的贏家通吃心態，就這麼長出來了。** 至於三家公司的性格。Apple 代表取悅使用者，設計、品牌、細節和對使用者需求的尊重形成品牌光環，讓人心甘情願付溢價。Microsoft 代表平臺路線，底層架構紮實，把工作拆解給個人，小部件加總成一個巨大的產品，是最有效的高科技流水線，競爭對手難以複製。Google 是真正價值觀驅動的公司，有心有靈魂，技術基因極強，想透過連線資訊為世界做點好事。 他還補了一句很有意思的判斷：Microsoft、Facebook、Amazon 這三家美國公司身上有中國特質，它們會死磕相鄰市場，把價值提取的球體越滾越大，並且真正理解平臺的價值。 ## "不作惡"是個危險的口號 Lex 追問 Google 的心和靈魂。李開復的回答先潑了盆冷水："不作惡"這個口號很危險，因為每個員工對"惡"的定義都不一樣，這給 Google 帶來了不少棘手的員工關係問題。 但他看 Alphabet 在醫療、在滅蚊這些完全不屬於網際網路公司業務的地方投入資源，能看出心和靈魂是真的。 難就難在這兒，一家公司像一個身體有兩個部分。大腦要對股東負責，最大化利潤；心要做可能違背大腦的事。這個平衡極難，Google 在這上面掙扎過，Facebook 更是成了公眾情緒的靶子，也有人把 Google 的商業實踐稱為掠奪性的。 李開復自己的判斷是：**長期看，賺大錢最好的方式是保住心和靈魂。**短期內把滑塊往隱私那邊偏一點，感覺像在犧牲利潤，長期賺的是使用者信任。 ## 中國創業者的三級跳 十年前說中國創業者是 copycat，李開復認為不算錯。那時拿不到融資，除非能說清抄的是誰。 變化分三級。第一級，基於美國點子做出更好的產品：微信比 WhatsApp 好，微博比 Twitter 好，知乎比 Quora 好。第二級，開始看中國市場自己長出來的機會：螞蟻金服（含支付寶）、VIPKID、TikTok、拼多多、摩拜，這些都是中國原創，反過來被別國抄。第三級，有些產品建立在獨特的中國人口結構上，在美國不好用，但在東南亞、非洲這些比中國晚幾年的發展中世界非常好用；少數是普適的，TikTok 在美國也跑起來了。 這套生態靠 VC 的正迴圈撐著：市場大，創業者多，錢就多，回報高，募資更容易。創新工場第一支基金 1500 萬美元，最新一支 5 億美元，中國市場的體量是美國的三到四倍。 ## 政府像創業公司一樣試錯 中國政府支援創業的方式，跟美國人想象的不一樣。它把創業空間留給民營企業自我調節，自己在周圍搭基礎設施。 大眾創業萬眾創新計劃建了 8000 個孵化器，等於給 VC 修了一條很粗的管線。自動駕駛上，政府在修帶感測器的智慧公路，在建把行人和車分開的智慧城市，讓一家演算法還不夠好的公司也能先上路而不至於大幅增加傷亡。 最精巧的是引導基金。地方政府作為被動 LP 出錢，基金賺錢之後，一部分收益讓給 GP 和其他 LP，犧牲政府自己的回報來提高所有人的回報。這等於把"選誰當創業者"這個判斷，交給了比政府更擅長判斷的 VC。 這套工具不是原創。引導基金的想法來自新加坡，新加坡來自以色列，中國做了個調整：讓城市之間互相競爭。官員要升遷，就得讓城市出成績。中央給預算，可以投 AI，可以投生物，可以投能源，誰出結果，城市發光，市長升職。於是地方政府像創業公司一樣各自試錯，有人給聰明研究員直接發錢盼著他開公司，有人投實驗室盼著 spin off，有人去海外招人回國創業，結果參差不齊，最後引導基金效果最好，所有城市都抄了。 基礎設施是另一套思路：市場做不了的事政府做。3G、4G、高速公路都是這麼來的。中國的無線訊號比美國好，因為大範圍覆蓋全國，美國的覆蓋有盲區。 Lex 追問：不砸基礎設施，全自動駕駛能解決嗎？李開復說這不是是或否的問題，是 15 年、30 年還是 45 年的問題。**有基礎設施加成，L5 一定會提前到來。**美國不會為了自動駕駛造一個芝加哥大小的新城，但美國高速公路系統就是艾森豪威爾建的，資源怎麼搞到的，值得歷史學家研究。 ## AI 的歷史走偏了 做了三十年 AI，李開復對這門學科的歷史有一句很凝練的總結：AI 最初是要理解人類智慧，名字本身就是這個意思，後來漂移到了一個極其成功的子領域，機器智慧。 機器智慧用模式識別，在有限領域、大量資料上做得極好，但做的規劃任務相對簡單，創造性很低。 我們沒造出人類智慧，造出的是一臺在某些問題上遠勝人類、在另一些問題上一塌糊塗的不同機器。今天公眾還是誤解，以為 AI 是在複製人腦，其實現在的產品，更接近"發明了網際網路、電子表格、資料庫"這件事的大規模普及。 ## 最先消失的是白領的重複工作 被 AI 取代的順序，跟大多數人的直覺相反。 最先出事的是重複性白領工作。替換一個白領只需要軟體；替換一個藍領需要機器人、機械精度、靈巧度，還得應對未知環境，難得多。 最危險的白領崗位是後臺類：複製貼上、處理簡單程式和資料的、跟紙和 OCR 打交道的、不做戰略決策只負責讓流程走下去的。新員工入職、檢索歷史訴訟和財務檔案、做背景調查，全在這個區間。電話銷售、客服這類簡單互動工作也在裡面。 體力活裡，同一地點、不需要高靈巧度的也危險：摘水果、洗碗、流水線質檢。 未來五年數字溫和，之後加速。15 到 20 年，機器人靈巧度上來，流水線是一大塊。自動駕駛先動卡車司機，最後是所有司機。 ## Andrew Yang 說對了一半 Lex 提到 Andrew Yang，那位把自動化失業和全民基本收入當作競選綱領的美國總統候選人。 李開復的判斷是：方向對，時機早。失業率數字還不高，你跟選民說工作要沒了，人家看看眼前的低失業率，憑什麼信。他坦言自己和 Yang 面臨同樣的困境，想讓人相信一件還沒顯形的事，很難。 他同意崗位流失的判斷，但在 UBI 上有個具體分歧：單純的發錢不夠，核心是再培訓。每月發一千或兩千美元讓人自己想辦法，麻煩的是被取代的人根本不知道該學什麼、該去哪個行業。**錢要給，方向也得給。** 他補了一層論證。過去的技術革命，常規崗位被取代，新的常規崗位又長出來，所以總有騰挪空間。AI 不一樣，它替代的正是常規本身，它創造的新崗位不會是常規崗位，因為如果是常規的，為什麼不讓 AI 自己幹？結果就是：丟掉工作的人丟的是常規崗，能拿到的是非常規崗，中間隔著一道培訓的坎，短則半年，長則三年。 不過他特意說明，仔細讀 Yang 的方案文字，裡面其實照顧到了這一層，只是競選場合簡化成了"UBI"三個字，而簡化的 UBI 不管用。 ## 水管工比國際象棋冠軍難 哪些工作 AI 幹不了？李開復給的第一類是創造性和複雜性。 現在的 AI 只是在做最佳化。它不能推理，不能規劃，不能戰略思考，不能處理複雜問題，更不能自己發現一個問題再解決它。需要人先把問題找出來，表述成一個最佳化問題，AI 才能在框架裡幹活。讓 AI 獨立發現一種新藥、開一種新畫風、管理一家不只看利潤還要看員工滿意度、企業品牌的複雜公司，它做不到。 這類工作恰好也很難被替代到零，因為它們本身帶來的成就感很高，而人對工作的期待不只是餬口，還包括"我做成了一件別人做不了或做不好"的事。 第二類數量大得多：需要同情、共情、人的溫度、人的信任的工作。AI 冷冰冰、只會計算，就算能假裝，也會出錯，一出錯就顯得可笑。就算它假裝得不錯，人也未必願意。服務、老師、醫生、門房、按摩師、酒保，太多場景里人就是不想對著一個冷機器。 他舉了個真實案例。有創業者做了陪護老人的機器人，結果發現老人只用它一個功能：點開客服，螢幕裡出現一個真人，然後老人開始說，我女兒怎麼不給我打電話，我給你看看我孫子的照片。**人要的是人。** 他引用 PwC 的估算，未來十年 AI 會給世界創造約 16 萬億美元的價值。這筆錢會讓人有錢去買服務，吃一頓好飯、去旅行、請人打理生活，圍繞這 16 萬億的每一塊錢都會長出大量服務崗位。與此同時，社會本身嚴重缺人做照顧類的活。美國未來六年僅醫療服務就新增兩百萬個崗位，不含替補，包括護士、醫院護工、養老照護，居家照護尤其缺。 這些崗位填不滿，原因簡單：錢少，社會地位低。重型機械操作員的工資是這類崗位的兩倍左右，而重型機械崗位消失得更早。一個在流水線上重複同一個動作的人，很難從工作裡得到滿足；一個照顧病人、被病人和家屬抱著道謝的人，滿足感完全是另一個量級。要是能把服務崗的薪酬修好，從常規崗位出來的人有大量去處。 藍領的退場節奏更慢。你沒法讓 AI 去打掃一間它沒見過的房子，那難度接近 L5。你也沒法讓 AI 當個好水管工，因為修水管更像偵探，得先判斷漏水從哪兒來。能被替代的是流水線和汽車維修這類。李開復說這裡頭有件很迷人的事：造一個國際象棋世界冠軍，比造一個平庸的水管工容易得多。 ## 條件是：現在就開始動手 Lex 問，重複性工作大量被自動化、人類去做有同情心和創造力的事，這個未來你樂觀嗎？ 李開復的回答帶條件：現在開始行動，他樂觀；未來五年什麼都不做，那些毀滅性的失業會很難收拾。 行動清單他給得很具體。從最容易的果子摘起，比如跟職業學校講清楚，為什麼該多培養水管工、少培養汽車修理工；比如給企業補貼，讓它們多開培訓崗位；比如講清楚再培訓為什麼重要；比如重新想一遍 AI 時代的教育該長什麼樣。只要開始有增量進展，只要有更多人明白髮生了什麼，就沒有理由認為這件事做不成，這場技術革命和電力、工業革命、網際網路帶來的東西，量級上是可比的。 政策的空間在哪？他說政府不必先相信失業率會上升，也不必先相信自動化會這麼快，就能動手。改造職業學校是一件。養老服務是另一件：80 歲以上老人需要的照護是 80 歲以下的五倍，人口在老去，壽命在延長，那就該拿補貼去激勵養老培訓、去提高薪酬。一個具體的抓手是，把"80 歲以上老人有權獲得若干小時居家照護"寫進醫保類的制度，讓這筆支出可以報銷，圍繞這條政策會長出整個服務業。 ## 一個可以拖動的隱私滑塊 Lex 把問題轉到隱私上：AI 需要資料才能做出個性化的好體驗，怎麼平衡？ 李開復先糾正一個流行誤解：很多人以為可以把資料從服務商那裡全部拿回來，同時繼續享受同樣的服務。真拿回來，所有產品都會變得毫無用處，推薦會亂，排序會亂，體驗會崩。 他給的是三層解法。 第一層是懲罰濫用。對情節惡劣的資料濫用施以重罰。這一點上，中國其實有很嚴的法律，禁止把資料賣給或交給其他公司，實施幾年下來，非法資料分發基本被清掉了。 第二層是用技術解決技術問題。同態加密允許資料留在你手裡，在加密狀態下訓練，這個難題還沒解，但方向值得走。聯邦學習讓每家醫院在自己有授權的病人資料上訓練，然後交換模型而不是交換資料，拼出一個超級 AI，這條路看起來更有希望。**別把隱私問題看成一個政策上的是或否，留給技術專家去找兩全的方案。** 第三層是選擇權和透明度。但他對 GDPR 的落地方式有明確批評：滿屏的彈窗問你要不要授權這部分資料，沒有一個使用者看得懂自己在同意什麼，多數人只是因為看不懂而點了"是"。這滿足了 GDPR 的字面，沒滿足它的精神。 更好的形態可能是一個滑塊：一端是資料完全受保護，另一端是高度便利但承擔一點隱私風險，每個使用者自己選位置。滑塊人看得懂，滿屏的彈窗問題人看不懂。更進一步，讓一個 AI 來幫你調這個滑塊。 他還提到一種讓人興奮但週期太長的構想：一個大家都信任的聯合平臺，你把資料授權給它，它透過新的社交網路、搜尋引擎、電商引擎給你閉環的個性化建議，資料不直接散給各家，而是經過這個可信中介。麻煩的是，建立信任、收集資料、反覆除錯，這套東西的時間跨度超出了當下 VC 的基金週期，誰來幹是個大問題。 ## 癌症病房裡的清算 話題轉到最私人的地方。四期淋巴癌。 李開復說自己當了一輩子工作狂，早上九點到晚上九點，一週六天。他不怎麼關注家人、朋友和愛他的人，生活圍繞"為工作最佳化"運轉。工作本身不算例行公事，但那種最佳化方式讓生活變成了機械流程。他從裡面獲得了很多快感，因為那些成就他曾認為極其重要、優先順序最高。 然後他直面死亡，可能是幾個月內的事。他突然發現那些東西對自己毫無意義，一分鐘都不想再工作。如果只剩六個月，他會全部用來陪愛的人，感謝他們，把愛還回去，併為"我把人生過錯了"道歉。 那個清算時刻讓他重新想"人為什麼活著"。社會塑造得太深，以至於我們以為成功和成就就是活著的理由。成就確實能帶來週期性的滿足，但只有面對死亡時，你才看得見什麼對自己真正重要。 現在他在緩解期。生活方式改了，妻子跟他出差，孩子需要他時他在。過去的順序是：工作優先，剩下一點時間分給家人。現在的順序是：家人真的需要，他放下一切過去，剩下的時間再給工作。而家人其實很通情達理，不會一週要走他五十個小時，所以他現在一週大概少幹十小時，還是很拼。 他還有一句自我剖析很鋒利。他的工作不是例行公事，但確實是在追數字：能不能多賺點錢，能不能多投出好公司，能不能多募點資，能不能讓基金的排名年年往上走。這種追求更大數字的競爭性，會變成一場沒有盡頭的機械運動，而更大的數字並沒有讓他更快樂。 ## 關於痴迷，他不否認 Lex 在這裡提了個不太好回答的反問。他自己一輩子在體育裡競爭，他覺得人性最壯麗的部分之一，就是能夠痴迷、能夠極度投入，把自己完全交給一件事，哪怕因此暴露缺陷。這種純粹的激情和苦幹，本身就是"生而為人"的含義。那麼從李開復的經歷裡，該拿走什麼更深的東西？ 李開復沒有否認。他說會調整，但是按比例調。 年輕的時候，給家庭的百分比可以小一點，但優先順序仍然要高。年紀大了，百分比調大，優先順序還是高。臨近退休，大部分給他們，優先順序最高。 他並不主張一輩子少幹二十小時，然後把時間漫無目的地耗在家裡。他要的是那些具體時刻被完整地保住：妻子生孩子、女兒過生日、他們沮喪的時候、他們慶祝的時候、家庭聚會的時候，**放下手機和電腦，百分之百地在場。** 他還算了一筆賬。把優先順序給真正重要的事，並不會把自己的成就削掉一大截。家庭更和睦，吵架更少，吵架少了，處理吵架後遺症的時間也省了，淨時間未必是負的。就算真是負的，他也願意接受這個縮減，因為換來的是更大程度的幸福，以及"我做對了事"的確定感，而剩下的時間依然足夠他去拿到想要的成就。 ## AI 人才的稀缺性已經消失 給今天想創業的人什麼建議？ 他的第一句話是：技術浪潮走得很快，兩年前管用的東西今天不管用。 三四年前，你可以帶著幾個極聰明的博士，說不清要做什麼，但能拿到很高的估值。那個時代結束了。AI 正在從火箭科學走向主流，還沒到商品化，但已經主流化。 創業公司對 VC 的意義，本質是創造商業價值和金錢價值。當一樣東西極度稀缺時，VC 願意接受更大的不確定性。現在情況變了：平臺在成熟，成為 AI 工程師的成本大幅下降，具備當年博士水平的人多了很多，稀缺性消失了。