未來經濟學：5G+人工智能趨勢洞察

未來已來，只是尚未流行，而這本書正是打開未來之門的鑰匙。當5G遇上人工智能，我們正站在一個全新時代的門檻上，那些看似遙遠的科技變革，實則已悄然改變着職業版圖和生活方式。這本書最打動我的，不是對技術的簡單羅列，而是對人性與科技共舞的深刻洞察——在機器越來越聰明的時代，如何保持人的獨特價值，如何在變革中找到自己的定位，這纔是每個現代人必須思考的命題。

李博士的書一如既往的觀點明確邏輯清晰

李博士的書，還是那麼通俗易懂，在點出現狀的情況下，也沒忘從根本源頭加以闡釋，好書，推薦！

31）二　國產芯片發展的兩大模式（一）國內芯片研發設計以“華爲模式”爲主中國的芯片產業目前在封裝測試領域的技術能力沒有問題，研發設計也發展的很快。華爲“麒麟”系列手機芯片都是自己設計，然後找臺積電代工生產。麒麟芯片設計方案是用的英國ARM公司的框架——幾十億條線路，完全新畫是很難的。授權框架可以理解爲ARM先畫一個底稿，華爲在上面修改，從而大幅度降低設計工作量。（二）芯片產業鏈獨立研發的“申飛龍模式”在計算芯片領域，中國也有部分產能是整個產業鏈都在國內、知識產權獨立可控的，也即申威、飛騰、龍芯三大老牌國產處理器。這種純獨立自主的芯片產業目前主流參數還落後國外五年左右，也就是可以達到英特爾五年前發佈的芯片水準。“華爲模式”和“申飛龍模式”是國產芯片發展的兩大模式。 32）三　我國芯片代工製造迅速發展中國自己的芯片代工製造也在快速進步。目前領軍的代工企業是位於上海張江的中芯國際。這是一個臺灣人張汝京在大陸創辦的企業。他和張忠謀都在美國德州儀器公司擔任過副總裁，張汝京還曾經是張忠謀的上級。張汝京先在臺灣創業，沒有競爭過張忠謀。他認爲張忠謀是用了不光彩的手段才取勝的，一怒之下前往大陸二次創業，得到了國家政策支持和上海國有資本的投資，成了陸資企業。現在擔任中芯國際CEO的是來自臺灣的技術專家梁孟松。2018年的時候，中芯國際已能夠代工生產28納米的芯片；在梁孟松加盟後研發速度明顯加快，2019年上半年則宣佈14納米也已經量產，12納米的技術開始進入客戶導入階段。目前，華爲14納米的芯片麒麟710A就是由中芯國際代工生產的，這也是國內芯片代工廠量產的最先進芯片。代工領域的第二名還是在上海張江——上海華虹集團，1996年成立，是專門承擔國家芯片發展戰略而成立的國有控股企業，到2018年底已經實現了28納米的量產，與中芯國際並稱中國芯片代工雙雄。此外，臺積電、三星、格羅方德、德州儀器等也紛紛在中國投資建設芯片代工廠，一個龐大的晶圓代工技術集羣區正逐步形成。 33）一　手機裏的微機電設備今天，我們知道的大部分電子產品，內部的核心部件一般都是“芯片+微機電”​。最典型的就是智能手機，除了電池和屏幕，其它功能基本都是手機核心——微傳感器，負責處理各種數據。剩下的就是一大堆各種微機電部件。一部高端智能手機至少包含一個多軸陀螺儀和加速度傳感器，用來感知手機的旋轉和運動狀態；一個電子羅盤傳感器，用來分清東南西北，幫助導航方向；一個大氣壓力器，用來測量海拔；一個指紋傳感器；一個距離傳感器，打電話的時候會自動息屏；一個環境光傳感器，用來確定屏幕亮度，還有微機電麥克風，用來錄音。此外，手機最重要的天線和GPS導航部件，也都是微機電技術的產物。 34) 芯片加工主要就是硅和導電的離子，而微機電加工的材料要多得多。可以說，傳統機械電氣設備製造需要多少種材料，微機電製造就需要多少材料，而且對材料的純度精度要求更高。硅是基礎，還有各種導電不導電的原材料，構成一個豐富的微型機械電子系統，涉及到電子、機械、材料、製造、自動控制、物理、化學等多種學科，集成了這些科學技術發展的諸多尖端成果。芯片加工是大規模批量化的，大部分芯片的加工流程都大同小異，只是工藝精度的差異。而微機電系統的加工，則具有定製化的特點，不同的傳感器的功能結構和材料都不一樣，單個批次的加工數量比芯片要少得多，不同的微機電系統的加工工藝和流程也差異很大。這讓我們要追趕發達國家在這方面的技術積累，難度比芯片加工還要大。 34) 二 從濾波器中窺見微機電全領域當前，世界排名靠前的微機電廠商包括：美國博通、德國博世、瑞士意法半導體、美國德州儀器、美國Qorvo、美國霍尼韋爾、美國樓氏電子、荷蘭恩智浦、瑞士泰科電子、日本東芝、松下、歐姆龍、美國派克、德國英飛凌、德國第一傳感、日本村田、TDK、AKM等等。此外，美國高通掌握了大量的微機電技術專利，雖然不是製造商，實際上也是全球微機電技術的龍頭企業。這些企業排名每年都在變動，並不一定精確，總的來說，美國最多最強，德國、日本次之，還有瑞士和荷蘭的幾家企業。 35) 通過之前的學習，我們知道了日本的半導體產業如何美國和韓國的夾攻下被摧毀。本章我們將從中美在超級計算機領域競賽情況做出對比。中國在哪些方面讓美國警覺萬分呢？中國還能從哪些方面趕超美國呢？ 36) 超級計算機的核心技術主要是兩個：超算芯片和超算構架。芯片是基礎，但要把數萬個芯片連接起來，對數據分配和數據傳輸技術要求極高，基於高速數據傳輸網絡的超算構架纔是核心。構架能力決定了一臺超算能夠集成的芯片數量。構架能力如果上不去，芯片堆得越多，使用效率越低。超過一定數量以後，堆更多的芯片就只能增加能耗而無法提高計算能力。也可以說，芯片，是超大規模集成電路；超算，就是超大規模集成芯片。除了構架技術以外，超算的操作系統、電源、散熱等技術也很有很高的技術難度。 37) 目前推動超算產業化的有三大國產品牌：聯想、曙光、浪潮。在500強榜單的製造商排名中，中國企業壟斷了前三名：聯想、浪潮和曙光。14 雲時代將如何影響我們的信息存儲？我們已經知道在E級超算競爭中，目前我國處於略微領先的地位。本章我們將從另一個支持5G智聯發展的關鍵技術領域——雲計算，看看其中蘊含着有哪些機遇。 38) 一　雲計算的優勢所在什麼叫雲計算呢？目前由於網絡速度、時延和可靠性不夠，個人和企業的主要數據存儲計算都在終端——也就是電腦和手機上。很多企業還要自備大型服務器。這跟以前自備發電機或電站一樣，是一個很不划算的事情。我們的電腦和手機的大部分運算能力在大部分時間裏是閒置的。這些昂貴的芯片，在我們睡覺的時候也跟着睡大覺。把這些芯片集合起來利用，其計算能力將遠遠超過現有的任何一臺超級計算機。如果把個人和企業的數據資料存到一個遠端的集中大型服務器，需要運算的時候調用超級計算中心的算力進行計算，這就是“雲計算”​。而這個遠端的大型服務器，就被稱之爲“雲”​。在雲計算時代，電腦或手機就會變成一個純粹的發出指令和接收計算結果的網絡終端了。在5G之前時代，雲計算就已經成爲了一個熱門產業。 39) 四　中國在雲計算領域的發展在雲計算技術興起以後，四大巨頭仍然佔據重要地位，但亞馬遜、谷歌利用他們在網絡技術方面的優勢也跟了上來。中國的國內數據庫市場一直是國際巨頭佔據壟斷地位，特別是銀行、電力等國民經濟的核心部門，所有的數據庫幾乎都是甲骨文、微軟、IBM的產品。也就是說，長期以來，中國金融、能源等命脈性行業的核心數據都是在美國的數據庫產品中存儲的。國產數據庫軟件一直比較弱勢。不過，近年來，華爲和阿里巴巴也都各自取得了重大突破。阿里巴巴依託中國龐大的電子商務市場，經過十多年的努力，發展起來了新一代分佈式數據庫。目前，阿里雲擁有國內最強大和豐富的雲數據庫產品家族，涵蓋關係型數據庫、非關係型數據庫、分析型數據庫及遷移工具等。2019年，阿里雲數據庫產品在雲數據庫市場的份額已經成爲全球第三——前兩名是微軟和亞馬遜。 40) 我國的雲計算技術正在蓬勃發展。下一章我們將重點介紹另外一箇中國5G智聯產業發展的關鍵短板：工業軟件 15 10分鐘搞懂中國最大的產業短板是什麼？一　工業軟件的類別中國很早就是世界第一大製造業大國了，也可以說是強國，但在軟件產業特別是工業軟件方面，還存在巨大的短板。甚至可以說，目前中國與美國最大的差距，就是工業軟件。工業軟件主要由兩個大類，設計軟件和自動化軟件。設計軟件包括電子信息行業用的EDA、其它行業如工程機械、規劃建築等領域用的CAD。因爲EDA用於芯片設計，精密程度和技術複雜程度大大高於CAD。在EDA領域，美國居於世界壟斷地位。在CAD領域，美國最強，歐特克（Autodesk，發明CAD的公司）​、UGS、EDS、PDC這幾家龍頭企業都是美國企業，但不具有壟斷地位。法國的達索系統公司也是CAD行業龍頭，它的母公司達索集團是飛機制造巨頭，其設計軟件是基於歐洲飛機制造業發展起來的。中國現在也有自己的國產CAD軟件，北京大方、廣州中望、蘇州浩辰等十多家，但在國內市場份額很低，尚無力與國際巨頭抗衡。工業軟件的另一個大類是傳統工業使用的自動化智能化軟件，用來管理倉庫物資調動、生產線運轉、輔助研發等等，這方面德國西門子公司處於世界領先地位。 41) 芯片設計離不開設計軟件，而世界三大芯片設計軟件公司都在美國：新思科技(Synopsys)、楷登電子(Cadence)、明導國際(Mentor Graphics)，其中明導國際2016年被西門子收購了，但只是控股權發生變化，它的技術團隊始終在美國，核心技術還是掌握在美國人手中。我們前邊說，光刻機是人類工業技術的最頂級成就，但它也許還不算是人類科技的最頂級成就，工業水平到光刻機已經到頂了，但工業軟件是比工業製造更高一級的技術。掌握着最先進的軟件，就好像掌握了人的大腦，沒有軟件支持，再強大的機器也很難發揮出實力。所以，美國對華爲公司搞封鎖，在實體的產品供應鏈上現在看起來是肯定失敗了，但在軟件生態方面，華爲的手機因爲難以安裝谷歌的服務生態，在歐洲確實遭到了比較嚴重的銷量下滑。而這還只是技術難度不大的生活類軟件，華爲自研的服務系統(HMS)和新的操作系統鴻蒙還可望頂上來。在工業軟件上，要想找到能替代美國軟件的EDA芯片軟件，目前看來還是很難的，需要更長的時間才能解決。那三家巨頭企業只是美國EDA軟件生態的代表，在三家大企業背後，還有四百多家中小型配套企業，共同構成了美國EDA軟件生態。要想複製這麼一個生態圈，難度很大。 42) 二　我國在工業軟件領域的發展在EDA軟件領域，國內的領頭羊企業是華大九天。華大九天的前身是中國華大集成電路設計集團有限公司的EDA部門，其發展歷史可以追溯到1986年。當年，我國集中百多位業內專家學者，舉全國之力進行技術攻關。這次攻關的主體承接單位是新成立的北京集成電路設計中心，也就是華大集團的前身。 43) 三　各國在工業軟領域的領先地位工業軟件的發展，是工業自動化積累到一定大大產物。它不僅是軟件業自身的發展結果，也是工業發展需求推動的結果，是工業知識長期積累的結晶。美國在電子信息設計軟件方面的世界領先地位，跟它是二戰後全球電子信息產業的發源地和創新中心密切相關——先有了電子信息工業，然後纔有了在此基礎上的軟件產業。後來，電子信息製造環節轉移出去了，軟件產業還留下了繼續發展。德國現在是傳統產業工業軟件的領先者，是因爲歐洲在第一次和第二次工業革命中居於領先地位，在此基礎上才發展起來了強大的工業軟件體系。所以，美國人搞工業軟件，提出的口號是“工業互聯網”​，突出自己在互聯網方面的優勢；德國人搞工業軟件，提出的口號是“工業4.0”​，突出自己在工業技術整合方面的優勢。美國的通用公司一直想把自己在工業製造領域的優勢轉化爲工業軟件方面的優勢，在2008年開始搞PREDIX系統，但一直只能用於自己企業內部，始終沒辦法開拓更廣闊的市場，這就跟美國整體的製造業發展空心化密切相關；而西門子公司則在工業4.0領域基本上站穩了陣腳，則和德國的製造業體系一直保持比較完整有關。 44) 中國的工業化時間很短，建國以後的重工業建設中，也對發展工業軟件不夠重視。改革開放以後，輕工業發展迅速，大量的生產設備從國外直接進口，工業軟件的發展基礎更是無從談起。先把工業的實體方面做起來，然後再逐步發展工業軟件，也是一個正確的發展戰略，符合產業升級的客觀規律。在電子信息產業中，也是先做電子信息組裝和製造，再來逐步發展電子信息設計軟件。從這個角度看，我們在工業軟件領域的落後是正常，也是必然的。現在，中國有了全世界最全的工業體系、製造業產值世界第一，電子信息製造業的產值也是世界第一，發展工業軟件，包括電子信息設計軟件和工業自動化軟件的基礎已經完全具備，相信未來一段時間，中國工業軟件產業一定會迎來一個大發展。只要策略得當，後來居上也不是不可能。 45) 18 智慧農業：人們還能回到田園牧歌般的生活嗎？5G智聯不僅對服務業產生了深遠的影響，對農業的影響也非常大。農業是國家根本，到2050年，世界人口預計將增加到90億，我們的糧食還能翻倍增長嗎？5G將如何賦能古老的農業呢？ 46) 29 在大公司如何做到低調做人，本分做事通過前文，我們知道了華爲在成爲行業巨頭的過程中經歷了多次改革。從公司理念到具體的流程管理都有變革。那麼在變革中是否一帆風順呢？遭遇過哪些難題呢？ 46) 二　柔性人才三大標準人的一生在其工作壽命內，很可能會經歷好幾次由於技術進步帶來的工作崗位大規模替換浪潮。這種情況下，​“柔性”就變得非常重要，靠提前退休或者工作壽命的最後幾年隨便乾點雜事勉強把生活扛過去，不能繼續成爲這種技術替換大潮的主要解決方案。我們必須把人培養的更爲“柔性”​，才能應對這種挑戰。也可以說，未來的人工智能時代，一定是“柔型人才”的時代。人類才能的柔性，主要來自於三個方面：對底層基礎知識的深刻理解和熟練運用、廣博的知識面（包括書面知識和實踐知識）​、結構化多維度思維的能力。（一）熟練運用底層知識先說第一個，對底層基礎知識的深刻理解和熟練運用。我們讀書的時候都知道一個道理，理科轉學文科比較容易，文科轉學理科比較困難。從這個事實而言，理科人才的“柔性”要高於文科人才。這是因爲，文科的底層知識——邏輯、語言與社會常識——大多數人即使沒有專業學文科，都已經在社會生活中廣泛接觸和運用了；而理科的底層知識——數學、物理、化學的基礎公式——則在生活中很少用到，也就很難在沒有長期專業學習的情況下掌握。在大學，學習數學專業的人，要轉學工程、物理、金融、計算機等都相對比較容易，而反之則十分困難。我們也就可以說，學習數學的人的柔性要高於工程、金融等學科。這是因爲，數學知識是比這些學科更爲底層和基礎的知識。我們常說，學習需要“舉一反三、融會貫通”​，對底層知識的掌握深度和熟練程度，在很大程度上決定了一個人能力的“柔性”​。以前流行過一句話，​“學好數理化，走遍天下都不怕”​。這句話背後的原理是什麼呢？直接搞數理化研究的工作崗位是很少的。但數理化是人類諸多具體應用的底層基礎知識，熟練掌握這些基礎知識的人就會變得“柔性”極強——在很多具體的崗位上，都可以迅速掌握具體技能。數理化基礎打好了，就不那麼怕某個具體崗位消失自己找不到新工作。反之，如果某個人缺乏底層基礎知識，而只是根據長期的生產經驗掌握了某一門具體的技能，他的個人能力就會顯得相當缺乏“柔性”​。比如電焊工，如果一個人一輩子都只會電焊，自動化激光焊接等技術廣泛應用以後，手動焊接這個崗位需求可能就消失了。他要想再去學習編程或者操作別的機械，難度就會非常大。如果他不僅動手能力強，還能刻苦學習與電焊相關的諸多科學原理，比如電學、材料學、工程結構等等比電焊經驗更底層更基礎的知識，他就不僅能在電焊這個行業幹出成績，要想投身新的崗位也要容易的多。 47) （二）拓寬知識廣度，跨界融合柔性的第二個來源，是知識的廣度。歷史經驗一再證明，重要的創新一般都是出現在知識跨界融合的領域，或者說，至少都是多門知識綜合運用的產物。這裏的廣度既包括個人的知識面，也可以包括某個企業、某個機構整體的知識面。多元化知識和文化背景的人聚集在一起，同等條件下更容易誘發顛覆性創新。如果我們關注一下美國的大學和德國日本的大學，我們就會發現，美國的頂尖大學的都是實力強大的綜合性大學，而德國和日本的頂尖大學則大多是專業性大學。 48) 三）培養多維思考力柔性的第三個來源，是個體的結構化和多維度的思維能力。這也是一種把前面兩種知識——底層基礎知識和廣泛的綜合知識——充分融合起來爲我所用並進行創新探索的能力。人類最自然最舒服的思維方式是線性思維，也就是按照一條線來把各種知識或事件串起來。其中最常見的“線”就是時間線，比如我們安排每天的生活工作，會很自然的按照從早到晚的順序來排列。我們看書，如果書上的內容是按照時間順序來講的故事，就會感覺最好理解，如果把事件的順序打亂了，按照一個理論邏輯去組合，很多人就會覺得看着頭痛了。如果一個人連線性思維都做不好，那他的生活、學習、工作就註定是一團亂麻。但是，僅僅依靠線性思維無法深度學習一門知識，也無法獲得“柔性”​。我們必須克服讓頭腦感到舒適的線性思維本能，進行非線性思維。其中最重要最基礎的，就是結構化思維。所謂結構化思維，簡單來說就是將碎片化的信息按照整體和局部的關係進行分類梳理，一般來說就是通過“歸納”和“推理”找到“總分關係”​，構建一個多層次的“中心-外圍”結構，從而更全面和系統的思考和學習。 49) 結構化思維是一種標準的和基礎的思維方式，它突破了線性思維的侷限，極大的拓展人類的思維層次，讓我們可以在知識系統中找到規律和秩序。由於結構化思維需要總結一般規律，也就需要進行抽象思維，從直觀知識中提取出抽象概念和邏輯關係。從線性思維到結構化思維，是人類思考方式的一個飛躍。而多維度的思維，就是在結構化思維之外，還會從更多不同的角度去思考問題。我們常說的一些特殊思維方式，諸如發散性思維、逆向思維等都屬於多維度思維。多維度思維在結構化思維的基礎上進一步完善我們的思考角度，有助於獲得非常規的創意和解決思路，是顛覆性創新的主要來源。 50) 33 如何像美國人一樣培養頂級精英人才？智能時代，成爲柔性人才必備的三大技能，分別是：熟練掌握運用底層基礎知識、將知識跨界融合以及結構化多維度思考。只有成爲柔性人才纔不被時代淘汰。那麼我們應該從哪些方面培養自己成爲柔性人才呢？美國作爲科技強國又是如何培養精英人才的呢？對此，美國人自己也很明白，曾獲得普利策新聞獎的記者愛德華·休姆斯在書中《美國最好的中學是怎樣的》(School of Dreams)一書中，通過親自調查發現，美國最好的中學之一——惠特尼中學，那裏的中學生們的關鍵詞是三個“四”​：每天睡4小時，喝4杯拿鐵咖啡，拿4.0的學分（最高學分）​。其中，4杯咖啡是因爲睡覺時間太少用來提神醒腦的。除了自己的精英階層用拼命苦學來培養下一代精英以外，支撐美國產業創新的高素質人才還包括來自中國等亞洲國家的知識精英。 51) 那麼，學好這些知識之後，有什麼用？我們如何跟5G和人工智能共處呢？智能化時代需要什麼樣的人類勞動？爲什麼說“深度思考是人工智能的終點、人類創造力的起點”​？下章內容我們講一起來探討這些問題。34 智能化時代機器會全面取代人類嗎？一　人工智能發展的極限是創造力如果說抽象思維能力賦予了人類柔性，那麼多維度的思維能力則讓人類具備了創造性。創造性也是一種柔性，而且是一種更高層次的柔性。基於抽象思維的柔性，可以讓人類勞動在已知領域不斷切換；而創造性則可以讓人類去開闢新的領域。這個層面的思維能力，則是人工智能完全無法企及的。未來世界，人和人工智能的分工，理論上最完善的境界就應該是：人類只負責創新，然後把創新變成可重複的工作，交給人工智能去批量化執行——生產或者提供服務。卡爾·馬克思曾經構想過共產主義的完美社會圖景。對共產主義時代的財富生產，他認爲，​“勞動將成爲人類的第一需要”​。也就是說，大家都積極主動的參與勞動，在勞動之餘纔會考慮享樂，而勞動的成果則可以按需分配。實際上，現實世界的大部分勞動都相當辛苦，要將簡單的重複勞動變成人的第一需求，恐怕是不可能的。在工地上搬磚是很累的，登山、打網球、踢足球和跑馬拉松也是很累的，但只要有的選，相信絕大部分人寧可將體力消耗在體育運動上而不是體力勞作方面。 52) 勞動只有保留其中的創新部分，而消滅簡單重複的部分，纔可能成爲人們的自主需求。求知的慾望和創新的慾望都是人類的本能，或者說，好奇心是人類的本能。掌握新的知識、創造新的技術、開拓新的領域等等創造性勞作所獲得的成就感無法被休閒娛樂活動替代。因此，我們可以在馬克思論斷的基礎上再做進一步的完善，可以說：在科技高度發達、物質財富極大豐富的時代，從事創造性勞動將成爲人類重要的自發需要。從重複性勞動中擺脫出來的人類，會完全放棄體力勞動，而依靠體育運動來消耗體能和鍛鍊身體，而腦力上的勞動則不會停止，將完全在求知慾和探索精神的驅使下從事創造性勞動。人工智能技術的發展，應該可以將上述的美好願景變爲現實。1997年被IBM超級計算機“深藍”擊敗的國際象棋大師卡斯帕羅斯，後來投身於人工智能研究，寫了一本書《深度思考》​。這本書的副標題很有意思，叫“人工智能的終點與人類創造力的起點”​。這個書的主題也是這麼一個意思：人工智能發展的極限是創造力。 53) 要想在未來產業競爭中獲得優勢，更大幅度的研發人員比例是必不可少的。在芯片的核心領域EDA軟件方面，美國新思科技的EDA研發人員超過7千人，而我國從事國產EDA研發的僅僅600人。僅這一家公司就是我國EDA研發人員的十倍以上，將來中國科研崗位的人才需求量之大，絕對是驚人的，科技類本科以上人才能培養多少就能消化多少，只會不夠用，不會過剩。 54) 二　什麼叫“人類核心知識”​？根據聯合國教科文組織公佈的學科分類目錄，將基礎科學分成七大類：1.數學：包括代數學、分析學、幾何學、統計學、拓撲學、應用數學、計算數學、計算機科學等。2.物理學：包括粒子物理學、凝聚態物理學、光學、廣義相對論、場論、量子力學、統計力學等。3.化學：包括分析化學、無機化學、有機化學、物理化學、結構化學、高分子化學等。4.生物學：包括植物學、動物學、細胞生物學、生物化學、分子生物學、生態學、遺傳學等。5.天文學：包括宇宙學、宇宙起源學、天星學、射電天文學、太陽系學等。6.地球科學：包括大氣物理學、大地測量學、水文學、海洋學、土地學、空間科學等。7.邏輯學：包括邏輯的運用、演繹邏輯、一般邏輯、歸納邏輯、方法論等。這七大類基礎科學中的基礎理論，就是人類核心知識。 55) 世界上主要國家的基礎教育課程，都是圍繞着讓後代儘快掌握人類核心知識來設計的。人類核心知識，是人類自從誕生以來上百萬年的歷史中總結髮現和發展出來的。它被歷史證明是對人類社會進步作用最大、最重要的知識。特別是進入工業化時代以後，這些知識的傳承和發展，直接決定了一個國家和民族的興衰乃至存亡。單個人的生存發展，可以不依賴人類核心知識——他可以依靠藝術或者體育等特長謀生。但對大規模的人類羣體而言，就必須依靠這些核心知識。國家與民族之間的發展競賽，最重要的就是看誰能更熟練的掌握和應用人類核心知識。 56) 三　智能時代的核心知識在5G和人工智能時代，這些核心知識不僅不會失去重要性，只會變得更加重要。5G技術的核心是什麼？數學算法和通信物理。人工智能的技術核心是什麼？數學算法。芯片製造技術的核心是什麼？化學和光學。EDA軟件的核心技術是什麼？還是數學和物理，一方面要能把芯片的電路運行過程計算清楚，一方面要能把設計圖的運行情況模擬得跟真實的物理世界一樣。這些最先進的科技成果都是人類核心知識創新的產物，而不是兒童幻想和藝術家塗鴉的產物，是一代一代人辛苦努力一點一滴的微小創新疊加的成果。所以，我們在新一代產業革命來臨的時候，絕大部分中國人應該努力學好的知識是什麼？當然也就是數學算法和物理化學知識，以及把這些知識變成計算機程序的知識。什麼叫素質？掌握好人類核心知識就是最重要的素質。以前有句話，​“學好數理化、走遍天下都不怕”​，激勵了一代中國人。現在可以改一改，以編程爲核心的計算機科學異軍突起，成爲了現代社會新的底層基礎知識，可以叫“學好數理編，真的能上天”​，或者“學好數理編，賽過活神仙”​，或者“學好數理化機生，天塌下來也能撐”​。 57) 四　智能時代必備能力在覈心基礎知識方面打下了良好的基礎之後，我們培養面向人工智能時代的柔性化人才、創新型人才纔有了前提和基礎。但僅有這個基礎也還不夠，還要往前走。首先是拓展知識、拓展視野。在覈心知識之外，多參加社會實踐、多閱讀課外書籍、多到世界各地旅遊甚至遊學，都很有必要。我們以及我們的上一代人，小時候沒有這樣的物質基礎，只能埋頭學好數理化。現在經濟發達了，但凡條件允許，利用假期到全國各地乃至世界各地旅遊，大學生多找幾種不同行業的單位實習，或者到不同的城市甚至不同的國家去學習或實習一段時間，都是很好的，很有必要的。其次，就是注重思維能力的培養。古希臘哲學家柏拉圖把數學稱之爲“思維的體操”​，學習數學的過程，就是鍛鍊思維能力的絕佳過程。我們在前面強調的核心底層基礎知識，都是人類思維能力的偉大結晶，通過系統有序的學習這些核心知識，可以有效的培養我們線性思維和結構化思維的能力。此外，語文中的語法教育，政治中的唯物辯證法教學，也都可以起到鍛鍊邏輯思維能力的效果。年輕人應該多讀一些將邏輯、講思維方式的書籍，多知道一些不同的思維模式，有意識的鍛鍊自己的思維能力。 58) 總之，從線性思維，到結構化思維，再到多維度思維，是人類思維模式演進的一般規律。多維度思維是建立在線性思維和結構化思維的基礎之上的。必須先對已有知識進行足夠的整理和總結，才能打破舊有思維模式進行逆向思維、創新思維。具備這些能力的“柔性人才”​，在未來的智能化社會中，將會具備明顯的優勢。對年輕人來說，也應該從我們講的三個方面提高自己，一個方面是學習底層基礎知識，包括數學物理，尤其是計算機數學、計算機編程；一個方面是廣泛閱讀、拓展知識面，趁着年輕可以多換幾個工作、或者到不同的地方去工作學習，接觸通過教育背景、文化背景的人，學習從不同的視角來觀察這個世界；第三個方面是有意識的培養自己的思維能力，學習一點辯證法、語法，讀一些談形式邏輯、思維方式的書。這樣，才能把自己或自己的後代培養成爲能適應5G智聯時代的柔型人才。 59) 要你能夠明白第4代人工智能背後的真正的技術含義，就很容易想明白這一點了。第4代人工智能的技術，本質上就是機器深度學習，主要就是人類給計算機提供足夠多的大數據，並且給他確定一個目標，然後機器自己通過對這些大數據的學習來把握大數據和目標之間的關係。計算機只能完成人類給他定的目標，而且只能在大數據允許的範圍內做出決策。同時，在這個過程當中，還需要人類去幫助它，進行監督學習啊，就把一些計算機自己學習推理出來的、沒有用的結論及時否定掉，把他的這個推理方向給封鎖掉，這樣呢，機器學習纔會收斂，纔不會發散，才能夠學出有意義的結果出來，而不是給出一些亂七八糟的沒用的結論。通過機器學習，第四代人工智能只能是替代人類的一些比較可重複性的工作。有兩個方向上不可能替代人類的，一個是不可能替代人類的創造性，一個是難以替代個性化的服務。也就是說對新事物的探索，這方面上沒有辦法代替人類的。它更不可能具有人類的慾望和感情。也不可能在沒有得到人類明確命令的情況下，自己給自己設定一個目標，然後去完成它。所以，第4代人工智能不可能替代人類，也不可能對人類的生存造成威脅，真正威脅人類的一定是人類自己。 60) 點問答6、自動駕駛汽車什麼時候才能買到？嚴格來說，自動駕駛的汽車現在已經可以買到了。不過不是在中國。2018年奧迪公司推出的新款奧迪A8是世界上第一款可以支持L3級別自動駕駛的量產汽車，它是可以在歐洲市場上買到的。在中國因爲交通法規的限制，這款奧迪A8在中國上市的時候，就取消了自動駕駛的功能，所以暫時在國內還買不到。這裏需要普及一個知識，就是汽車自動駕駛的級別。總共有五個級別，分別是L1、L2、L3、L4和L5。L1是最初級的，就是隻有很少的電子輔助設備，比如方向盤助力或者剎車助力，現在的自動擋汽車基本都是L1級別的，談不上多大個自動駕駛。L2是部分自動駕駛，就是在某些關鍵環節給駕駛員提供支援，比如發現危險的時候自動緊急剎車，或者停車的時候自動把汽車倒車入庫等等。這個也不算是自動駕駛。L3是有條件的自動駕駛，就是在某些條件下人工智能可以完全接管汽車的駕駛系統，自己完成加速、轉彎、剎車等全套動作。但在複雜條件下還是要人來駕駛。到L3級別的自動駕駛，才被認爲是真正的自動駕駛了。L4是高級自動駕駛，就是人工智能完全負責駕駛車輛，只有在極端複雜的條件下比如沒有硬化的越野路面等等才需要人類接管。 61) L5是完全的自動駕駛，就是已經可以取消駕駛臺了，徹底不需要人來開車了，最多隻需要某些關鍵時刻人給人工智能下命令讓它緊急停車或者左拐右拐之類的就行了。現在很多自動擋汽車，都有電子轉向輔助或者剎車輔助，以及倒車雷達提醒等等，可以視爲達到L1級別了；然後一些高檔轎車，裝備了自動停車入位的系統，停車倒車可以自己完成，或者可以在高速公路上自動跟車，跟前車保持安全距離一直自己開，這就達到L2級別了。 62) 人工智能時代，由於機器學習可以快速將人類已經掌握的技能變成電腦的本領，​“柔性”對工匠的要求就越來越高。而“柔性”的來源，關鍵就是本文前面列舉的三個方面：紮實的底層基礎知識、廣博的視野和知識面、結構化與多維度的思維能力。各行各業的“工匠”​，在刻苦專研某個細分領域技術的同時，也必須注意訓練自己在這三個方面的能力。而對於下一代的培養，我們應該優秀注重“柔性”​，然後再強調“專業性”或者“工匠精神”​。沒有把“柔性三要素”學好之前，不應該過快進入具體的技術技能領域。我們應該儘可能的延長義務教育年限，從九年到十二年，也可以到十六年——也就是早日實現全民大學本科義務教育，全面學習人類核心知識、用足夠的時間瞭解社會科學與自然科學的方方面面，與各種知識面的人充分交流，熟練運用結構化和多維度的思維方式。 63) 具備了這樣的基礎以後，再去具體的掌握某一些工作技術技能，這纔是未來人才培養的基本路徑。即使是最普通最底層的家庭，也應該竭力將孩子送進大學，而不是過早的去技術院校。我在各地製造業企業調研中，也多次問過技校畢業生和大學畢業生的區別，絕大部分企業家都表示更喜歡大學畢業生，因爲他們的可塑性更高——儘管一開始具體技能可能不如技術院校的畢業生，但經過短期的培訓很快就能上手，而且遇到產品線升級或者崗位變動的情況，適應性更好。已經有很多製造業企業家告訴我，​“只招本科生”正在成爲他們企業招聘的基本條件。顯然，在人才培養方面，我們要多學習美國式的綜合型大學爲主的人才培養模式，而不要因爲“工匠精神”而過度尊崇德國日本的專業化院校人才培養模式。當然，社會的進步不會一蹴而就。現在，還有很多面向初中、高中學歷的專業技術院校。這些院校一般直接瞄準具體的就業崗位進行教學，教的技術非常具體實用。他們爲國家培養了很多合格的技術人才，將來還會繼續培養很多的技術人才，不能否定它們的貢獻，更不可能倉促的取消。 64) 但這些院校在專業教學過程中，也應該加強對學生一般性的底層基礎知識的訓練、注意提高學生的知識面和思維能力，不能過於狹隘的只通過“手把手教學”​，讓學生們只知道“怎麼做”​，卻不知道“爲什麼”​，尤其是不知道各項技術背後深刻的科學原理。不然，我們就一定會在十年二十年後受到懲罰，我們就會培養出一大批在人工智能時代隨時可能被淘汰的勞動力。​“學門手藝、一技傍身”就可以喫一輩子的時代已經一去不復返了。我們要學會與第四代以後的人工智能共存，就必須接受“抽象知識和思維能力比具體的技術技能更重要”這個基本原理。

前三分之二像是寫給領導幹部的科普讀本，奈何前沿科技發展太快，新出版的書也已經跟不上如今的日常。但李博士的書可讀性還是那麼強，暢快讀過，顱內留痕。