我今天想讲一讲AI供应链与中国，而我认为中国的AI供应链非常特别。首先我会讲一下人工智能的起源，我会谈谈一些道德和经济的问题，AI到底是取代了人力资本，还是对人力资本的补充？这个对在座很多年轻人都很有意义，我会讲一讲AI供应链，特别是其中它的人力组成部分、物理组成部分和道德方面。我会特别讲一讲在中国的AI供应链，大家也可以跟其他国家的供应链做一下对比。

我在谈到AI之前，先普遍谈一谈人工智能。那么人工智能到底是什么？人类智能又是什么？我认为所谓智能，它是一系列的活动，有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，然后可以把它用在新的模式当中支持决策，使用模式和泛化，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。那到底有哪些工具、算术和科学的工具来用于这个AI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。

三是经济学的工具了，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。

【点击上方图片了解详情】

但是我说的悖论在哪里呢？

其实这些是科学家用来构建开发AI的工具，但是Steven Pinker是一个认知科学家，他说到人类经过了几十年，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，我们天生人类就是去狩猎采集的，然后我们被赋予了统计学、生物学、经济学、物理学，这个是不对的。人适合做狩猎，人适合做采集，但人不适合这种现代生活，那它进入了我们的一些常识，也是我们进化之后现代生活做的一些事情，其实并不适合解决我们生活当中的问题。

那Steven Pinker他说，我们为什么要去教育？其实学生的教育，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AI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机构，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，和背后的算法、计算机程序。不管是AlphaGo还是AlphaFold也好，其实都是有一些有创意的人和科学家发明出来的，而他们的灵感来自于数学、统计学，包括优化动态规划、概率学、贝叶斯推理，这些用到了线性代数和几何学。

从经济学援引了定价价值、博弈论、拍卖，还有探索利用的一个权衡，这些数学方法都用于了AlphaGo、AlphaFold。生物学我们运用了神经网络、遗传算法，以及一些用演化论来优化功能。

最后是物理学，我们利用了对称性、不变性、蒙特卡罗模拟、统计力学。其实我岳父他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AI到底擅长做什么呢？AI有一些很有实力的部分，但在其他地方尚未展现出AI的强大能力。所以AI强是什么呢？它很擅长于检测和组织、归纳各种模式，它能够去模拟复杂的函数，而且它能够去逼近复杂的函数，实际上大语言模型都是用最小的二乘法来估计一个非线性的函数，它也很擅长处理大的数据集、海量的数据集，像DeepSeek这样的现代AI，它可以做一些我们人类觉得非常乏味、卡遭或者容易出错的一些任务，这些是AI非常擅长的。

AI不足的是什么呢？这么说吧，AI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，而且用了大致数据学，应用了统计学的方法，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，哥白尼用的是少数的圆和函数空间，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？他还是用同样的数据，但是他更深挖下去了，他从数据本质上深入往下研究，得出一个结构的模型。

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，AI现在在开普勒阶段表现的很好，在开普勒阶段AI非常出色，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AI是一个特别美妙的事情，AI能够让我们思考科学的基础，它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。我们说从经济学家的角度来说，AI可以做替代，AI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AI作为一种替代的工具，他们把工作扔给AI，他们自己不读，让AI给他做作业、解决问题，他们让AI写论文、写作文，AI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的，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，因为这个算不对。我反复试验、苦苦思索，学习其实真的不好玩。但是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，这个只是是存在你的脑子里的，成为你的人力资本。如果这样的话，AI就不是替代，AI是辅助，是一种补充，它是一种能量的倍增器，你成为AI的主宰，你给AI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，AI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，关键的经验是AI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，AI都能让你更有回报。所以现在的问题来了，到底什么是供应链呢？我觉得供应链是一种系统，它包含各种互相关联的组合的部分，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。实际上工程师和物理学家他们设计系统的时候，包括设计机器人活着各种系统的时候，他肯定会要考虑到各种最糟糕的故障的一些情景，我觉得AI不管从设计还是使用、供应链的过程当中，AI都是其中一部分。所以什么是AI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，它还有数据中心，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。

什么叫做AI供应链的人力资本呢？也就是说我们要有一个管道陆续不断地输送人才，他是有家庭、家庭的父母、祖父母，为他的子女的教育付尽心血，教他们读书、算术、小学、中学，有大量的教育工作。

还有私营企业，你如果找到工作，其实在工作当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，它是来自于文化圈。

我特别喜欢开源计算，开源计算是一种社会主义，你可以去共享出你的代码，你去分享你的代码，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，数据中心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，它是有一系列的监管环境，这些都非常关键，给我们提供这个制度环境，它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，而且它们要整合在一起。应该说它是一个社会主义的一种事业。系统的一个薄弱环节就会危及整个整体，所以你会看到不同的系统。我来自美国，也对照中国这样的系统，很多都有差异，有的是更侧重开源，有的是闭源。

那讲到中国，我是一个中国的局外人，我也是来中国做客的。但从一个外部的视角来看，我觉得中国有非常多的深思熟虑让中国的供应链能够做各种的权衡，这里是下了功夫的。

我就拿中国一点来讲吧，我作为美国人，过去四五年我可以看到，其实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，有自主权使用各种工具。我的一些孙子孙女，他在美国读中小学的话，他是不掌握这些工具的，这只是一个例子，他也是供应链的一部分。另外还有电力，电力是AI的一个瓶颈。中国在电池等其他领域做了很多，大家非常熟悉了。

所以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。我觉得其实这两个国家，中国、美国各自都处理自己的问题，但是最后你要解决芯片的瓶颈了，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、技术的学生培养，这个是在国与国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，这个也值得我们去研究。

总体来说，我想中国的AI供应链，我作为一个局外人，我觉得中国确实是有乐观的理由的，你可以说AI领域谁走在前面，其实不是说哪一个大模型在这个测试当中现在是跑得分最高，那只是一部分，就好像用AI的一些人一样，我是一个客人来到中国，我非常荣幸，在这里能看到、能听到、能学习中国的一切，包括在深交所的这一切，我觉得都是一种非常荣幸。