【文/托马斯·萨金特】

我今天想讲一讲人工智能供应链与中国，我认为中国的人工智能供应链非常特别。首先我会讲一下人工智能的起源，谈谈道德和经济的问题，人工智能到底是取代了人力资本，还是对人力资本的补充？这对在座的很多年轻人都很有意义，我会讲人工智能供应链，特别是其中的人力组成部分、物理组成部分和道德方面。我会特别谈谈在中国的人工智能供应链，大家也可以跟其他国家的供应链做一下对比。

在谈人工智能供应链之前，先泛泛谈一谈人工智能。人工智能到底是什么？人类智能又是什么？我认为所谓智能，本质上是智能的人类所开展的各项活动，包括三种类型：模式识别，也就是收集数据，然后把它归纳成一种模式；第二个是一种泛化性的能力，比如说我观测到某一种模式了，从历史数据当中观察到一种模式，并将其运用到新场景中辅助决策，这便是模式运用与泛化能力，最后人类的活动就包括了决策，也就是形成了我们的行为。

在人工智能领域有一个悖论，可以说是一个美妙的悖论。人工智能，其实就是人类设计的机器，用这个机器来执行我们刚才讲的人类三种活动。那么到底有哪些工具、数学方法和科学的工具来用于这个人工智能的开发呢？这里有四类工具：

一是统计学工具，概率论，包括处理相对频率、拟合模型等等的工具。

二是生物学，这里讲到的是生命的产生、繁衍、死亡与进化。

三是经济学工具，它就是生产、分配，还有定价、价值交换。

四是物理学，时间、空间、运动，以及各种力之间的相互关系。

但是，我说的悖论在哪里呢？

中国大模型有了极大的进步

其实这些是科学家用来构建开发人工智能的工具，但Steven Pinker是一个认知科学家，他说人类经过几十年、甚至数万年的进化之后，我们本来是作为狩猎者和采集者的，人类天生就是去狩猎采集的，人类并非天生就具备统计学、生物学、经济学、物理学等相关认知；人类其实天生不适合这种现代生活，但它进入了我们的一些常识，也是我们进化之后现代生活中做的一些事情，其实并不适合解决我们生活当中的问题。

Steven Pinker说，我们为什么要去教育？学生的教育，目的是用一种技术来克服人类本身在上述四个领域的认知障碍，他说我们要关注这四个领域，但往往我们在开发人工智能的时候是有认知障碍的。

所以如果真的把机器人拆开看看它内部的一些结构——我们之前也看到一个漂亮的机器人，是我们一个公司开发的——如果把它拆开里面有什么，或者把AlphaGo这个模型拆开，去看看它的这些模型、机器，以及背后的算法、计算机程序。不管是AlphaGo还是AlphaFold也好，其实都是一些有创意的人和科学家发明出来的，而他们的灵感来自数学、统计学，包括优化动态规划、概率学、贝叶斯推理，背后都运用了线性代数、几何学等知识。

经济学层面，则融合了定价、价值交换、博弈论、拍卖机制，以及探索与利用的平衡逻辑，这些数学方法都应用于AlphaGo、AlphaFold。在生物学方面，我们运用了神经网络、遗传算法，以及用演化论来优化功能。

最后是物理学领域则用到对称性、不变性、蒙特卡罗模拟、统计力学等理论。其实我岳父也是用了蒙特卡罗模型来解决一些核心问题，这是在他的论文导师的研究当中。

所以人工智能到底擅长做什么呢？人工智能有一些很有实力的部分，但在其他地方尚未展现出人工智能的强大能力。所以人工智能的优势体现在哪里呢？它擅长识别、梳理并归纳各类模式，能够模拟复杂的函数，而且能够逼近复杂的函数。

实际上，大语言模型都是用最小二乘法来估计一个非线性的函数。它也很擅长处理海量的数据集，像DeepSeek这样的现代人工智能，可以做一些人类觉得非常乏味、繁琐或者容易出错的任务，这些是人工智能非常擅长的。

人工智能不足的是什么呢？可以这么说，人工智能能够识别模式。像托勒密和开普勒这样的早期科学家能够从行星运行轨迹当中，去总结行星运行的规律，而且应用了统计学方法，根据大量的观察数据算出一个数学模型，把它进行简化。

托勒密用的是一种圆形的模式，哥白尼用的是少数几个圆和函数空间进行建模，开普勒用的是椭圆，其实他们都是用曲线拟合。牛顿和爱因斯坦做的是什么？还是用同样的数据，但更深入地挖掘，从数据的本质上深入往下研究，得出一个结构化的模型。

像冯·诺依曼和库普曼斯（Koopmans）这样的一些现代科技的开创者，他们说有两个阶段，一个是开普勒阶段，一个是牛顿阶段。简而言之，人工智能现在在开普勒阶段表现得很好，但是它在牛顿阶段的实力还没有展现出来。

所以我今天想讲，作为大学教师，我在大学可以看到人工智能是一个特别美妙的事情，人工智能能够让我们思考科学的基础，让我们思考人类选择的根基。我在课堂当中经常会这么说，我觉得对学生来说，包括教师，也是一个道德上的选择。从经济学家的角度来说，人工智能可以做替代，人工智能也可以做辅助。

过去几年我看到有一些选择，不是少数，可能是大部分学生，都用人工智能作为一种替代工具，他们把工作扔给人工智能，他们自己不读，让人工智能给他做作业、解决问题，让人工智能写论文、写作文，人工智能来给他做推理，自己就不用去学基础知识了，他们把基础知识跳过去了。为什么？因为他们觉得学基础知识太枯燥乏味，太痛苦了。

我自己有一些学习障碍，我可以告诉你，我在解决一个问题的时候，我当时二年级的时候数学是不及格的，到今天我还会拿一张黄色的小字条上面涂涂画画，就把它撕掉，因为这个算得不对。我反复试验、苦苦思索，学习真的不好玩，但如果我真的努力找到答案，我觉得都值了。

现在是不是有一种诱惑，学生就想逃脱这种苦学的阶段呢？我发现大部分学生都屈服于这种诱惑了。但有人真的学了基础知识，不管是算术、生物、统计、物理，你如果有这个知识，你就不需要别人的帮助，这个知识是存在你的脑子里的，成为你的人力资本。

如果这样的话，人工智能就不是替代，人工智能是辅助，是一种补充，是能量倍增器，你成为人工智能的主宰，你给人工智能提出问题、纠正问题、引导它解决。

我有一个20多岁的中国学生，对他来说，人工智能就等于他手下有一大批的研究员为他服务，他在这个年龄段就能掌握一支研究助理的大军，关键经验是人工智能能够提高我们学习基础知识的回报率，不管你学统计还是学物理，人工智能都能让你更有回报。

所以现在问题来了，到底什么是供应链呢？

我觉得供应链是一种系统它由多个相互关联的模块构成，每一个组件都必须正常运行，最终才能提交这个成果。但如果当中有薄弱的环节、瓶颈，或者某一个环节遭到破坏，整个系统就会遭到威胁。工程师、物理学家在设计机器人及各类系统时，肯定都会考虑到各种最糟糕的故障情景，我觉得不管从设计还是使用供应链的过程当中，人工智能都是其中一部分。

那么什么是人工智能供应链呢？它有几个组成部分：物理的组成部分，机器、电网、发电机、可再生能源或非可再生能源，它有半导体、芯片等，还有数据中心，各种各样实体的设施。它还有人类资本、人力资本的组成部分。

什么叫人工智能供应链的人力资本呢？也就是说我们要有一个管道源源不断地输送人才，他们是有家庭的，有父母、祖父母，为子女的教育付尽心血，教他们读书、算术，完成小学、中学的课程，有大量的教育工作。

还有私营企业，如果你找到工作，其实是在工作中不断累积人力资本；当然还有研究机构、政府机构，这都是在产生人力资本的地方。除此之外，还有一个生态系统，它来自文化圈。

学生们在人工智能通识课上学习如何给机器狗编程。新华社记者 江汉 摄

我特别喜欢开源计算，开源计算是一种社会主义，你可以共享你的代码，你可以获得别人编写的代码。现在还有大语言模型，除此之外还有数据，不管是公营还是私营的数据中心。

整个生态系统，以及它的监管环境、制度环境，这些都非常关键，都是供应链的一部分。所以供应链是一个系统，它有不同的组成部分，而且要整合在一起。应该说，它是一项社会主义事业。系统的一个薄弱环节就会危及整个供应链，所以你会看到不同的系统。我来自美国，对比中美两国的系统，我能发现很多差异，有的是更侧重开源，有的是闭源。

讲到中国，我是中国的局外人，我是来中国做客的，但从一个外部视角来看，我觉得中国有非常多的深思熟虑，让中国的AI供应链能做到各种权衡，这里是下了功夫的。

就拿中国的一点来讲吧，我作为美国人，过去四五年可以看到，我最好的学生是跑到中国去读中小学，因为那里可以学到基础知识，有使用各种工具的自主权。我的一些孙子孙女在美国读中小学的话，他们是不掌握这些工具的，这只是一个例子，他们也是供应链的一部分。

另外还有电力，电力是人工智能的一个瓶颈。中国在电池等其他领域做了很多，大家非常熟悉。是否有电力的瓶颈呢？是不是一个能量的瓶颈呢？当然美国是一个非常大的能源消耗国，你光看数据就知道了。

我觉得中国、美国都在处理自己的问题，但最后要解决芯片的瓶颈、贸易壁垒以及贸易壁垒带来的一些后果。

最后一个瓶颈就是人力资本的瓶颈，你再看看中国打造的基础设施，包括科学、技术、学生培养，这些在国与国的比较当中处于一个非常了不起的地位，而这并非偶然。另外一个供应链生态当中的一部分就是开源，我是支持开源计算的，它的意义非常深远。东方、西方在这方面做出了不同的选择，这也值得我们去研究。

总体来说，我想中国的人工智能供应链，我作为一个局外人，觉得中国确实有乐观的理由。你可以说人工智能领域谁走在前面，但这并不是依据哪一个大模型在当前的测试中得分最高，那只是其中一部分。就像使用人工智能的一些人一样，我作为一个来到中国的客人，能在这里看到、听到、学习中国的一切，包括在深交所经历的这一切，我都觉得非常荣幸。