AI时代，中国企业的创新之路
+ 查看更多

孙宝红、Larry Zhou：未来，AI技术必将深刻改变我们的生活和工作方式，而我们也需要积极拥抱这些变革，充分利用AI带来的机遇。

孙宝红、Larry Zhou

■

AI时代，中国企业的创新之路

问：请问人工智能为何能拥有智慧？与人类相比，它在哪些方面具有优势？

答：在当今的知识与智慧的探讨中，我们可以看到两者之间的密切关系。知识是我们通过学习、经验以及信息和事实的积累而获得的。而智慧则是在这些获得的知识基础上，通过总结、推理和分析而产生的深入理解和洞察。现如今，人工智能也展现出了类似的过程。在我们训练人工智能模型的过程中，首先需要向其输入大量的知识和数据。当这些知识积累到一定程度时，就有可能发生智慧的＂涌现“。

以OpenAI为例，这家公司在过去几年中一直探索如何通过海量数据和知识堆叠来触发人工智能的智慧涌现。直到2022年11月，随着GPT-3.5的发布，他们首次观察到了智慧的涌现现象。这种智慧的涌现现象与人类的学习过程有相似之处。我们在积累了足够的知识后，也会逐渐产生智慧。2023年3月，OpenAI推出的GPT-4可以说是当时最先进的人工智能模型，其参数总量已经达到1.76万亿个。而作为对比，我们人类的大脑中有大约 860亿个神经元，这些神经元通过突触相互连接，总和达到约100万亿个。GPT的参数数量正在逐渐接近人类神经元的规模。

通过测试，GPT-4的智慧水平已经达到了IQ80-90，然而在知识覆盖面上， GPT-4则远远超越了个体人类。人类个体的知识面通常比较狭窄，只涵盖特定领域的内容，而GPT-4的知识面几乎涵盖了人类文明发展至今的所有知识。并且，GPT-4无需像人类一样休息和睡觉，它能够持续学习，其获取知识的速度也是人类的百倍以上，到2024年，最新的GPT-4o模型已经超过了人类，达到了IQ120。现在，GPT-4能够完成的大部分任务，与人类能力几乎无异。比如，人类通过视觉、听觉、味觉和触觉感知世界，而这些感知能力GPT-4同样具备，甚至在某些方面超过了人类。例如，在视觉表现上，GPT-4对物种的识别以及对人脸的识别能力已经超越了人类。此外，深层次的AI技术还可以生成各种语言、绘画、艺术作品和程序，几乎涵盖了人类创造力的各个方面。

这让我们不得不思考：人类在面对如此迅速发展的人工智能时，将何去何从？

问：目前人工智能有哪些主要发展方向？

答：在当前的人工智能领域，主流技术方向主要分为两个，即：卷积神经网络(Convolutional Neural Network, CNN)和生成式AI (Generative AI)，两者各有所长。

卷积神经网络主要应用于图像识别、人脸识别和语音识别等领域，通过层层卷积和池化操作，对图像和语音数据进行处理和识别；而生成式AI则以Transformer和Diffusion等模型为基础，通过复杂的算法和深层次学习，生成全新的内容, 因此具有随机性和创造性，能够“无中生有＂，产生出意想不到的结果，拓宽了人类的思维边界。

目前广为应用的ChatGPT是生成式AI的一个重要代表。它主要基于 Transformer模型，后者是在2017年被首次推出的，而后被OpenAI采用并持续优化。在此过程中，OpenAI在肯尼亚等人力成本较低的地区收集和处理了大量数据，通过长达五年的训练，最终使模型开始展现出智慧。而一旦智慧涌现，便如同打开了潘多拉的盒子，进展迅猛且难以控制。

生成式AI的应用范围非常广泛，包括文案撰写、报表生成、绘画、视频制作，甚至编写程序等领域。比如，在金融行业，生成式AI在数据分析和财务报表处理方面有强大的实力，能够快速、精准地完成复杂的分析任务，对华尔街及整个全融行业产生了深远影响。翻译也是生成式AI最早应用的领域之一。由于其卓越的语言理解和生成能力，生成式AI在翻译方面往往比人类翻译更加准确，这对现有的翻译行业带未了巨大的冲击。生成式AI的这些能力使得它在越未越多的领域中发挥着不可替代的作用，引发了广泛的关注与讨论。

当前，人工智能的研究方向中，另一个备受关注的领域是人类社会的模拟。这个方向旨在探究人类社会的形成和发展，试图通过模拟未理解人与人之间的关系、社会等级、宗教、阶级、党派等复杂的社会结构是如何逐渐形成的。

从历史和宗教书籍中可以了解到，宗教的出现是为了管理人类社会。当人类从原始社会进化而未，面对日益增多的人口和复杂的社会关系，单靠个人或小团体已经无法有效管理，这时宗教作为一种管理工具应运而生。随着时间的推移，党派等政治团体也随之出现，这些进一步影响着社会的结构和发展。

如今，研究人员可以尝试利用人工智能未模拟人类社会的形成过程，并预测未来社会的发展趋势。这种模拟可以帮助人们在做出重大决策前预见可能的后果。例如，在国家层面上，决策改革开放或选择内循环等重大政策时，可以通过模拟未评估不同决策的潜在影响。要知道，过去要进行如此大规模的模拟非常困难；而如今，在人工智能的助力下，这一领域的研究变得更加可行且充满潜力。

机器人技术也是一个重要的发展方向。尽管人工智能已经展现出了强大的计算和分析能力，但其实际行动能力仍需要通过机器人来实现。如果把人工智能视为大脑，而机器人则赋予了这个“大脑“行动的能力。

AI分身技术也是一个引人注目的领域。未来，可能不仅仅只有一个 “你”，在虚拟间中或许还会存在另一个“你”。这引发了一个更深层次的问题：在这个宇宙中，我们是否真的是最高的智慧？还是我们如同（＜黑客帝国〉）中那样，只是被操纵的NPC?

尽管这些想法听起来很玄妙，但人工智能的进步让我们不得不重新思考这些问题。

除了互联网和企业应用之外，AI在生物医学领域的应用也令人瞩目。例如，谷歌推出的AlphaFold模型能够快速解开大约两亿个蛋白质结构，解决了蛋白质结构预测的问题。2024年，AlphaFold获得了诺贝尔化学奖。MIT开发了一套选药系统，利用AI来筛选出新的抗生素。AI在选药过程中采用的方法与人类的传统方法完全不同，最终选出的抗生素效果显著。这显示了AI在某些领域的非凡潜力和独特性超出了人类的预期。虽然AI有时带来的结果令人意外，但它的创新能力和潜在价值是不可忽视的。在未来，我们更应该进一步拥抱和利用AI, 以应对各种复杂的挑战和需求。

问：机器人技术是AI一个重要的发展方向，能否详细谈一下中国的机遇？

答：我认为机器人赋予了AI实际的行动能力，使得AI不仅仅停留在思维层面，而是真正能够在物理世界中执行任务。目前，传统工业领域中使用的机器人已经非常普遍，比如仓库、码头以及生产线上的机器人，这些应用已经司空见惯。然而，未来的机器人将更加智能化，特别是在家用机器人方面，我认为这些将成为重要的发展方向。

随着全球人口老龄化的加剧，养老机器人的需求将日益增加。未来的家用机器人不仅需要具备高水平的智能，还需要能够适应各种不同的环境，这与现有的工业机器人在固定环境下工作的方式截然不同。这些新型机器人将不再局限于简单重复的任务，而是能够在家庭、护理等复杂多变的场景中独立作业。例如，特斯拉计划推出价格在两万美元以内的家用机器人，这表明未来的消费趋势可能会从传统的炫富——比谁的车好、房子大，转变为比谁拥有更多、更智能的机器人。

目前，有一些开源的机器人项目值得关注。这些开源项目让普通人也可以在家中制造机器人。例如，有一个开源项目展示了可以在家里炒菜做饭的机器人，尽管目前它的成功率还不高，约在20%到30%之间，但它为我们展示了未来的可能性。通过精化和优化这些开源项目，中国企业完全有可能进一步发展这些技术，使其更好地服务于家用市场。

机器人技术的另一个重要发展方向是脑机接口（Neuralink）。脑机接口技术通过连接大脑与计算机，使得人类可以通过思想来控制机器。Elon Musk的Neuralink项目就是一个典型例子，其在大脑中植入芯片，读取脑电波，并帮助实现行动。这项技术可以帮助那些因身体缺陷而无法行动的人，通过机械手臂或腿来恢复行动能力。此外，脑机接口技术还可以帮助盲人重获视觉。虽然目前这种视觉仍然非常粗糙，但未来这一技术将会日渐成熟。

脑机接口还有一个有价值的应用，即为人类提供“第二个大脑”。当前，我们的大脑在记忆力和信息处理能力方面都有局限性，而通过脑机接口，人类有望获得一个外部的“超级大脑”，作为 “外挂”帮助人们解答复杂问题。未来，AI可能会通过这种方式与人类大脑直接连接，实现更高效的信息处理和决策支持。

问：为什么要开发针对企业的纵向专家模型？如何解决算力问题？

答：在中国，人工智能领域还有一个巨大的发展潜力，即针对企业的专家模型。随着OpenAI GPT-4通用模型的出现，我们发现这些模型虽然功能广泛，但并非总能提供符合特定需求的精准结果。通用模型在许多领域表现出一定的能力，但由于其广泛性，它并不是某一领域的专家。因此，许多企业对其实际应用持保留态度。例如，有些企业就禁止使用OpenAI的ChatGPT-4, 因为他们认为企业的数据是极为宝贵且保密的，不能轻易共享给第三方。

因此，我认为通用模型在商业应用中，尤其是在企业级的使用中，其价值尚待进一步验证。相较之下，我更推崇针对企业的专家模型。专家模型专注于特定领域，能够提供更有针对性和更精准的解决方案。例如，华为开发了一套专门用于天气预报的系统，这一系统就是针对企业需求而设计的，专门在某一领域具有特别的专长。我认为，这样的专家模型市场潜力巨大。

在AI的最新发展中，多模态模型也是一个重要的方向。多模态模型意味着AI不仅可以处理文本，还可以理解和生成视频、图片、音乐等多种形式的内容。这使得AI越来越像人类，能够通过多种感官获取和处理信息。然而，对于企业应用来说，相对于多模态模型，我认为另一种模型可能更具潜力，即专家模型的集合，这一概念被称为“Mixture of Experts” (MoE)。

MoE模型的核心思想是，能否通过多个小的专家模型的协同合作，超越单一的大型模型，如GPT-4。正如中国有句俗语所说，“三个臭皮匠能顶一个诸葛亮”，这种方法强调通过多个专精于特定任务的小模型来共同完成复杂任务。最近，有一家名为Mystery的公司实现了这一目标，他们利用七个规模为7亿参数的小模型，成功超越了规模达到1750亿参数的GPT-3.5。这一突破显示出，在某些特定应用场景下，多个小模型的组合确实可以与甚至超过单一的大型模型。Mystery公司计划推出一个由十几个小模型组合而成的系统，这些小模型各自专注于不同的任务领域，有望在性能上超越GPT-4。

2024年，由杜克大学、斯坦福大学以及Together AI 所组成的团队提出了一种更加创新的方式“Mixture of Agents” (MoA) 来进一步增强大语言模型的性能。MoA方法的关键创新在于其分层架构。该系统使用了多个层，每个层包含若干智能“代理”。每个代理从前一层的所有代理那里获取输入，以生成其响应。这种设计使系统能够利用模型的多样性，通过使用具有不同优势的多种代理，调动比单一模型更广泛的能力范围。多层次的方法还允许迭代优化，输出在经过多个阶段时逐步改进。MoA为通过结合多个模型的优势，打造更强大且全面的AI助手打开了可能性。此外，这也表明了一条资源优化的路径，即通过使用小型开源模型的集成，可能减少对大型专有系统的依赖，同时实现高性能。各类组织或许能够根据自身的特定需求，灵活组合不同的LLM（大语言模型），来创建定制化的AI系统。从研究角度来看，MoA框架为探索不同AI模型如何互补提供了一条新途径。

这一方向我极为关注，因为AI的发展过程中，算力需求始终是一个关键限制因素。尤其在中国，计算资源的短缺限制了大规模通用模型的训练和应用。如果我们能够利用有限的算力来训练多个小型专家模型/智能代理，并将它们组合在一起，这种方式完全有可能实现“诸葛亮”式的效果，即通过团队合作超越单一强大的对手。

我特别感兴趣的是纵向的专家模型，尤其是那些针对企业特殊数据的模型。在美国，这种模型被称为“vertical models",它们专注于某一行业或特定领域的数据集。每个企业都有其独特的数据，这些数据是企业最宝贵的资产。如果企业能够利用自己的数据和行业数据来训练出专家模型，那么这些模型在特定任务上的表现可能会优于像GPT-4这样的大型通用模型。

而这种专家模型的潜力在于它能够提供更加精确和专业的解决方案，这对于许多企业来说是至关重要的。通过结合企业的特定数据，专家模型能够生成更为精准和有针对性的结果，这不仅可以提高工作效率，还能够帮助企业在竞争中获得优势。因此，我认为专家模型的应用前景非常广阔，特别是在中国这样的市场，利用有限的计算资源未打造针对性的AI解决方案，将会是一个非常有前景的方向。

无论是机器人还是脑机接口技术，还是多模态模型的发展，AI正在逐步从单一的功能走向多元化和智能化。未来，这些技术必将深刻改变我们的生活和工作方式，而我们也需要积极拥抱这些变革，充分利用AI带来的机遇。

问：AI有一天会取代人类吗？

答：现实中，人工智能在许多领域已经展现出强大的辅助作用。然而，尽管AI看起非常强大，但其生成的结果并不总是与人类期望相符。比如，AI往往会给出非常笼统或长篇大论的答案，然而这些答案虽然站在较高的视角，却往往未能解决具体的问题。因此， AI在许多情况下只能作为助手，而不是完全取代人类。

然而，随着AI的发展，这种助手角色可能会逐渐演变为一种更具陪伴性质的存在。未来的AI助手可能会比任何朋友都更了解我们。它们不仅可以在工作中为我们提供帮助，还可能在情感等方面与我们建立深厚的联系。这种情感伴随和理解能力的提升，使得 AI在未来的应用中具有极大的潜力。

无论是机器人还是脑机接口技术，还是多模态模型的发展，今天的AI正在逐步从单一的功能走向多元化和智能化。未来，这些技术必将深刻改变我们的生活和工作方式，而我们也需要积极拥抱这些变革，充分利用AI带来的机遇。

5G、Web3、元宇宙与人工智能发展

问：中国企业拥抱开放技术性思维有什么重要性？开放技术对5G和人工智能技术发展有何影响？

答：在未来五到十年内，5G技术的发展将继续成为重要趋势。然而，随着5G的发展，Wi-Fi 7等无线通信技术也逐渐兴起。我认为，这些技术的出现对AI的推动作用极为重要：没有先进的无线通信技术，AI的发展将缺少“翅膀”，因为未来的移动终端和相关设备都离不开5G的支持。在这方面，中国的5G发展非常迅速，尤其是华为在全球范围内具有领先优势。

不过，此次我想讨论的并不是传统意义上的5G，而是一个新的概念——开放网络技术（Open Network）和开源（Open Source）技术。首先，我想介绍一下开放无线接入网络（Open Radio Access Network，简称O-RAN）。O-RAN代表开放的架构，我们可以简单理解为基站。中国的5G基站数量和技术领先世界，而开放网络的概念对5G的发展有着重要意义。

最近，我与中国5G行业内一家排名第三的大型企业进行了交流，他们目前拥有20万个基站，这一数字非常惊人。这些企业大多是上市公司，且在5G基站领域取得了显著进展。然而，我更关注的是开放技术，因为我一直对开放和开源技术抱有极高的热情，并且将其作为我的研究重点之一。

O-RAN是由AT&T和中国移动共同提出的，旨在打破传统基站由少数几家大企业垄断的局面。以前，基站的设计和生产主要被华为、中兴在中国市场，爱立信、诺基亚在国际市场等几家大公司控制，小型科技企业很难参与其中。而O-RAN的提出，改变了这一现状，使得小企业也能够参与基站技术的开发和应用。这种开放架构使得基站设备的成本大幅降低，同时提高了设备的通用性和互联性，部署也更加灵活，有助于推动5G的广泛覆盖。

虽然O-RAN的概念早在2017年就提出了，但直到今年，AT&T与爱立信签订了价值140亿美元的五年合同，正式开始大规模采用O-RAN方案。我认为，O-RAN方案可能会帮助中国的一些中小型5G公司进入市场，而对于华为和中兴等大公司来说，他们可能不会积极拥抱O-RAN，因为这会影响他们现有的市场份额。因此，O-RAN的未来更可能是由中小企业推动的。

O-RAN的开放性使得更多公司能够参与到基站设备的开发中，降低了部署成本，同时也有助于加速5G的覆盖，这对AI的应用和元宇宙（Metaverse）的发展都有极大的助力。AI和元宇宙对低延迟、高隐私性和高安全性的要求非常高，因此5G的全面覆盖至关重要。而相比传统的大型基站，O-RAN的小型基站更加灵活、易于部署，能够更快地实现这些需求。

为了进一步加速O-RAN或其他网络技术的推广，我提出了网络虚拟化白盒子（White Box）的概念。这个概念早在十年前就已经提出，并逐渐被全球接受。它的核心思想是，将网络设备虚拟化并运行在开放的硬件平台上，而不是依赖于像思科或华为这样的大公司所提供的专有设备。这种开放的架构不仅加速了技术的更新换代，还大幅降低了成本，使得高速网络更加普及。

可见，开放技术的发展对于推动AI、元宇宙以及未来的网络基础设施具有重要意义。未来的网络将是无线和有线的融合，用户在不同网络之间的切换将是无感的，无论是从5G到Wi-Fi 7，还是到家庭的有线网络，所有的连接都将无缝衔接。这种网络融合的方向，将推动全球通信技术的进一步发展。

问： Web3、元宇宙与人工智能发展之间又是什么关系？

答：我们这一代人亲眼见证并参与了互联网的发展，从最早的互联网到如今的Web3。早期的互联网，如雅虎时代，用户只能被动地接收信息，主要是“读”。随着Web 2的出现，像Facebook这样的平台让用户可以上传自己的内容并分享给他人，实现了“读写”的互动功能。而如今，我们进入了Web3的时代。

Web3不仅允许用户读写内容，还赋予用户对上传内容的版权和控制权，使得这些内容成为用户的数字资产。Web3还提出了网络交互的“Spatial Web”概念，也就是一种三维的交互体验，相较于平面的沟通方式，用户体验将会大大提升。

随着人工智能的迅速发展，Web3的未来将不仅是人类与网络的互动，还将是AI与网络内容的交互。这种“语义网络”（Semantic Web）将使得AI能够理解并处理Web3上的内容，从而不仅服务于人类，也能够服务于AI本身。

在Web3中，有许多已经广为人知的应用，如比特币、区块链、NFT、去中心化金融（DeFi）等。这些技术和应用为Web3的发展提供了坚实的基础，尤其是在元宇宙的构建中发挥了重要作用。自从GPT-4和其他AI技术出现以来，元宇宙的应用场景得到了极大的扩展。

举个例子，未来在元宇宙中可能会出现许多虚拟人物（NPC），这些虚拟人不仅外形与现实世界中的人类几乎一样，而且由于AI的支持，他们将拥有自己的智慧和情感。这些NPC之间可能会形成自己的社会结构，而人类在与他们互动时，或许会将他们视为朋友或知己。甚至有可能在未来，我们在现实中最亲密的朋友或伴侣，会是一个在虚拟世界中形成的关系。

更为科幻的是，你可以在元宇宙中“克隆”自己，创造一个与你完全相同的虚拟形象，它不仅外形与你相似，还能模仿你的行为、思维方式，甚至可以在虚拟世界中陪伴你的家人。这种克隆技术虽然现在听起来似乎遥不可及，但随着AI和元宇宙技术的进步，这样的场景正在逐步成为可能。

Web3、元宇宙与AI之间的关系是相辅相成、互相促进的。例如，AI可以生成元宇宙中的大量内容，生成3D模型等，这大大加速了元宇宙内容的创建。而Web3中的NFT和加密货币则为元宇宙经济体系的建立提供了必要的基础设施，使得虚拟资产可以在这个宇宙中流通。

Web3、元宇宙和AI是互相助力的技术和理念，它们共同推动了未来数字世界的构建和发展。

问：算力很重要吗？您认为未来算力产业将会如何发展？

答：算力在当前和未来的技术发展中扮演着至关重要的角色。无论是AI、元宇宙，还是Web3，所有这些领域的发展都离不开强大的算力支持。我们在训练AI模型时，需要大量的算力；当我们运行大语言模型或多模态模型进行推理时，也同样需要强大的算力。此外，元宇宙中3D模型的渲染，尤其是低延时的渲染需求，也高度依赖算力；甚至Web3中的加密货币交易和验证都需要算力的支持。

晶体管的发明是人类历史上的一个重要里程碑。它由AT&T在1948年发明，此前人们使用的是体积庞大的电子管。晶体管的出现使芯片成为可能，进而催生了现代计算机和手机等设备。

算力的核心是芯片，大家都知道芯片的重要性。而我国在芯片制造领域面临着一些“卡脖子”的问题。芯片的性能取决于其内部晶体管的数量和大小，随着晶体管的尺寸不断缩小（如七纳米、三纳米技术），更多的晶体管可以被集成到同一块芯片中，从而提升芯片的性能。

尽管芯片对AI的发展至关重要，但在AI领域，我们并不一定非要最先进的芯片技术——人工智能芯片可以不那么小型化，大一些也能实现所需的功能。因此，即使我们现在没有突破三纳米技术，我们依然可以利用七纳米技术生产的芯片来实现AI的计算需求，也可以制造更大的GPU或TPU来满足AI和元宇宙的需求。尽管手机芯片因为空间限制需要更小的晶体管，但对于AI和元宇宙，这种限制并不显著。

此外，还有一种解决方案是在AI模型上进行小型化和分布式处理。我们可以将大模型分解成多个小模型，运行在较小的芯片上。通过这种分布式计算，多个小模型可以协同工作，达到与大模型相似的效果。这样一来，训练和推理的算力需求就可以大幅减少，避免了对高端芯片的依赖。

在算力的分布问题上，目前主要集中在云计算中。然而，未来的趋势是边缘计算的重要性将越来越突出。特别是在AI和元宇宙的应用中，边缘算力离用户越近，用户的体验就越好，同时也能更好地保护隐私。将所有数据都存储和处理在云端，可能会增加隐私泄露的风险。

因此，云计算和边缘计算将会结合发展，但我认为边缘计算的发展速度将超过云计算。在普林斯顿大学的一门课程中，有一个观点“合久必分，分久必合”，这也适用于计算力的集中与分散。在未来，随着应用需求的变化，算力的分布也将从云端逐步下沉到客户端，边缘计算将发挥越来越重要的作用。

中国科技企业国际化的机遇与挑战

问：中国企业在“科技兴国”的号召下，未来的出路在哪里？

答：我认为中国企业首先要立足于中国本土。

我们在中国本土的发展模式是要“一枝独秀”还是“百花齐放”？是走向所谓的“内卷”，还是推进“内循环”？或者应该更具全球视野，放眼世界？

首先，我认为应该百花齐放，支持中小企业。现阶段，中国市场呈现出一种趋势，即政府更倾向于支持那些大型的国有企业或其他具有垄断地位的大型企业。例如，在通讯行业中，华为和中兴得到了更多的政策扶持，而许多中小型通讯企业则面临生存困境。这种现象反映了中国市场对大型企业的偏爱，但我认为，小企业在科技创新方面其实更具优势。美国的科技发展历程很好地证明了这一点，百花齐放的小企业环境有助于激发创新动力，而大型企业往往因其市场垄断地位，缺乏变革的动力。

大型企业如同一艘巨大的船只，转型艰难。而许多中小型企业仍然面临生存压力，经营异常艰难。我认为，如果要加快一个国家的科技进步，最重要的是要支持中小企业的发展。

其次，应优势互补，加强中美合作。从中美关系来看，我认为两国的科技领域有很强的互补性。

美国在创新方面遥遥领先，尤其是在“从零到一”的过程中。例如，在AI领域的发展，基本上每个新兴行业的起源都在美国。然而，美国在这些新兴行业的深入发展上却显得力不从心；而中国在“从一到十”乃至“从一到一百”的过程上的表现毫无疑问是全球领先的。因此，中美未来在科技领域既有竞争也有合作，这将是最理想的局面。

此外，不可否认的是，中国拥有世界上最先进的制造能力和最完整的产业链，在制造业方面遥遥领先。这一点在全球范围内无可争议。在美国，我曾观察到他们修一条路可能需要几年时间，而在中国，几天内就可以建成一栋大楼。这种对比显示了中国在制造业上的绝对优势，我们应该为此感到自豪。

如果中美两国能够在科技领域实现优势互补，“从零到一”与“从一到一百”相结合，世界的发展将会更加美好。因此，我真心希望中美能够加强合作，共同推动全球的快速发展。

第三，应放眼全球，开拓国际市场。中国科技企业在国内市场的激烈竞争，导致价格不断被压低，利润也日益稀薄。在这种情况下，这种内部竞争模式是否有利于企业的长期发展？还是我们应当放眼全球，走出去开拓国际市场？

当前，中国的经济确实已经进入了一个瓶颈期。我们过去依赖的最重要的增长动力——人口红利，正在逐渐消失。自2023年起，中国已不再是世界上人口最多的国家，印度的人口已超过中国。此外，从GDP角度来看，如果将整个欧盟算作一个整体，欧盟的GDP已经超过了中国。我们实际上位居第三，而美国则遥遥领先。

在用人成本方面，中国的劳动力成本不断上升，现在国内的工资水平与美国相比差距越来越小，尤其是在科技行业。同时，中国的人口增速锐减，老龄化加剧，年轻一代的奋斗意愿不强，出现了“躺平”现象。在这种情况下，“内卷”显然不是出路，内部竞争过度将难以为企业的长远发展提供动力。尽管外部环境不如从前友好，但我仍然认为国际化和改革开放是中国科技企业的唯一出路。毕竟，全球有80亿人口，而中国仅有14亿，走出去意味着更广阔的市场空间。

目前已有很多中国企业开始行动，走向国际市场，尤其是在发展中国家。中国在科技方面拥有显著优势，例如在非洲、中东、东南亚、南美和东欧等地区，我们的科技实力和产品竞争力远远领先于当地市场，占领这些市场是完全可行的。

在发达国家市场方面，尽管这些国家的市场份额较大，但我们在价格和技术上同样具备优势。由于发达国家的用人成本极高，他们的产品价格难以降低，而中国的产品在同等质量下具有明显的价格竞争力。最重要的是，美国作为全球最大的单一市场，拥有三亿多人口，其GDP和人均GDP均为世界之最。一旦打入美国市场，基本上可以进入全球任何国家的市场。

因此，我建议中国的科技企业不要放弃美国市场。即使当前中美之间存在竞争关系，美国市场依然是不可忽视的。中国企业可以避开美国政府和军方市场，专注于民用市场。美国有庞大的消费者基础，每个家庭的消费能力都很强。中国可以凭借高性价比的产品，通过OEM和ODM的方式，创造更多品牌，进入美国市场。

在进军这些市场时，企业需要制定策略。例如，发达国家的人力成本非常高，产品的维护费用昂贵。因此，我们必须设计出高度自动化、智能化的产品。例如，“零接触”设备，即具有自动配置、自动修复功能的设备，能够大幅减少人工干预的需求。通过这种方式，我们可以显著降低人力成本。这种自动化和智能化的产品设计，将有助于我们在发达国家市场中站稳脚跟。

问：立足当前，您对中国企业有何思维的模式建议？企业应该如何行动？

答：我认为，首先中国的科技企业应积极参与全球的开源和开放项目。我希望中国的科技企业能够像水一样，适应各种内外部环境，灵活应对全球市场的变化。尽管当前外部环境并不理想，但即便在压力下，我们仍需坚持开放，走向世界。未来的世界是一个相互融合的整体，任何国家都不可能孤立发展。我希望中国能够与全球紧密相连，共同发展。

我坚信，世界需要中国，尤其是中国在制造业领域的领先地位。与此同时，我们也面临着一些新的机遇。我希望中国的科技企业能够积极参与全球的开源和开放项目，把握这些机会。

全球有许多项目都是从开源开始的，许多科技公司也秉持着一种开放共享的情怀，将他们的产品开源。例如，在人工智能领域，国内广泛使用的很多模型其实都是基于开源模型开发的。尽管有些中国企业声称他们的模型是自主研发的，但仔细研究后发现，其实很多都是基于Meta的开源模型Llama 2进行的改进。这类开源项目为我们提供了一个起点，我们可以站在这些“巨人”的肩膀上，进一步优化和发展。

其次，要强调共享，避免“弯道超车”。我不太喜欢“弯道超车”这个词，它让人感觉像是要去偷取别人的成果。我更愿意用“站在巨人肩膀上”这个说法，我们要一步一个脚印，扎实前行。整个世界是一体的，任何好的东西我们都可以借鉴，特别是开源项目。我们不仅可以利用开源资源，还可以向开源社区贡献我们的成果，推动整个世界的进步。

虽然有时候开源可能会在短期内看似没有直接经济效益，但实际上我们获得的是声誉和信任。随着时间的推移，这种声誉将为企业带来更多的机会和认可。开源不仅是技术共享，更是为企业做广告的有效方式。因此，我们应当既利用别人的开源，也将我们优秀的技术开源出去，共同推动全球技术进步。

正如刚才说的，中国在“从一到一百”的过程中有绝对实力。然而，我也担心中国是否能够保持在制造业上的领先地位。随着人口红利的消失和人力成本的增加，中国可能面临与美国上世纪80年代类似的问题。当时，美国也曾是制造业的强国，依靠强大的制造能力在二战中战胜了日本。然而，后来美国开始重视金融和服务业，逐渐放弃了制造业，中国后来者居上成了全球制造业的领导者。现在，我担心中国是否也会走上类似的道路，放弃制造业优势，转而追求金融和服务业的快速收益。

尽管如此，至少在今天，中国仍然在制造业方面遥遥领先。中美两国完全可以在科技领域互补发展。未来的市场既充满竞争，也充满合作，这将是推动全球科技进步的最佳途径。

第三，要避免“内卷”，鼓励创新。关于创新，我认为我们应当避免在国内市场上进行“内卷”，即在有限的资源上进行无限的竞争。内卷会削弱每家企业的利润，最终谁也无法生存。我们应该鼓励创新，通过“升维打击”来拓展生存空间，而不是在同一维度内进行激烈竞争。人工智能的出现让人才培养变得尤为重要，我们需要重新思考学历的作用，以及是否要培养更多具有理想和激情的人才。

陈省身曾告诉他的学生，不要追求满分，因为满分需要花费大量时间和精力，而80分已经足以理解问题的本质。他认为，用一倍的时间获得80分，剩下的时间去学习其他知识，能更好地促进创新。这种教育理念强调个体特质的培养，而不是让所有人趋于同质化。

随着科技的快速发展，终身学习变得越来越重要。我们不能停止学习，需要不断更新知识，与时俱进。同时，科技的发展为我们提供了更多的机会，不要害怕失败，因为总会有新的机遇等待我们抓住。

最后，我想总结一下：未来充满了不确定性和挑战，但同时也带来了无数的机会。我们必须勇敢面对挑战，迎接机会，成为时代的弄潮儿。希望我们能够成为人类战胜人工智能的最后防线。历史上，只有1%的人能够与AI共同发展，成为未来的统治者，而剩下的99%可能会被AI取代。因此，我希望我们每个人都能成为那1%的优秀人类，成为人类文明的重要捍卫者。

注：教授介绍：孙宝红教授目前为长江商学院市场营销学教授、杰出院长讲席教授、Web3+AI研究中心负责人。此前，她曾任卡内基梅隆大学泰伯商学院卡内基-博世营销学讲席教授。主要研究领域是：消费者理性和策略性选择、机器学习和Web3的商业模式。她担任世界经济论坛未来行为科学理事会理事，拥有丰富的公司咨询经验，服务过的公司包括PNC银行，Bell South，青岛啤酒和IBM公司等。她出版了关于大数据和商业智能的MBA教科书《以消费者为中心的营销策略—数据营销》(麻省理工学院， 2016年)以及关于数字化转型的MBA教科书《品牌数智化》（人民大学出版社，2024年）。

专家介绍：Larry Zhou 是AT&T院士（AT&T Fellow）兼首席网络架构师，负责设计AT&T的网络服务，包括核心网络、边缘网络、企业和家庭网络。在前瞻性的研究中，Larry专注于人工智能、边缘计算、物联网（IoT）、计算机视觉、5G、增强现实（AR）、虚拟现实（VR）、混合现实（MR）、元宇宙、住宅网关增强、区块链、NFT和Web 3.0等领域。

他领导了业界领先的基于SDN（软件定义网络）的产品开发，推出了首个通用CPE白盒、虚拟网络功能（VNF）、VNF服务链以及VNF应用商店，推动了网络行业的创新。Larry是成功的技术领导者，曾在AT&T领导了众多产品和服务开发项目以及数字化转型。他在安全、网络、软件和硬件设计方面拥有深厚的技术知识，并在电信行业中展现出卓越的技术和架构远见，是一位真正的创新者和行业颠覆者。

在加入AT&T之前，Larry曾是全球领先的B2B市场公司（拥有500名员工和100名开发人员）的创始人兼首席执行官/首席技术官。该公司是继阿里巴巴之后的第二大B2B公司。Larry还曾在彭博有限责任公司担任关键基础设施架构师，负责设计彭博帧中继网络，并领导了彭博终端网络从帧中继向IP网络的迁移项目。

注：本文仅代表作者个人观点

■