未来经济学：5G+人工智能趋势洞察

未来已来，只是尚未流行，而这本书正是打开未来之门的钥匙。当5G遇上人工智能，我们正站在一个全新时代的门槛上，那些看似遥远的科技变革，实则已悄然改变着职业版图和生活方式。这本书最打动我的，不是对技术的简单罗列，而是对人性与科技共舞的深刻洞察——在机器越来越聪明的时代，如何保持人的独特价值，如何在变革中找到自己的定位，这才是每个现代人必须思考的命题。

李博士的书一如既往的观点明确逻辑清晰

李博士的书，还是那么通俗易懂，在点出现状的情况下，也没忘从根本源头加以阐释，好书，推荐！

31）二　国产芯片发展的两大模式（一）国内芯片研发设计以“华为模式”为主中国的芯片产业目前在封装测试领域的技术能力没有问题，研发设计也发展的很快。华为“麒麟”系列手机芯片都是自己设计，然后找台积电代工生产。麒麟芯片设计方案是用的英国ARM公司的框架——几十亿条线路，完全新画是很难的。授权框架可以理解为ARM先画一个底稿，华为在上面修改，从而大幅度降低设计工作量。（二）芯片产业链独立研发的“申飞龙模式”在计算芯片领域，中国也有部分产能是整个产业链都在国内、知识产权独立可控的，也即申威、飞腾、龙芯三大老牌国产处理器。这种纯独立自主的芯片产业目前主流参数还落后国外五年左右，也就是可以达到英特尔五年前发布的芯片水准。“华为模式”和“申飞龙模式”是国产芯片发展的两大模式。 32）三　我国芯片代工制造迅速发展中国自己的芯片代工制造也在快速进步。目前领军的代工企业是位于上海张江的中芯国际。这是一个台湾人张汝京在大陆创办的企业。他和张忠谋都在美国德州仪器公司担任过副总裁，张汝京还曾经是张忠谋的上级。张汝京先在台湾创业，没有竞争过张忠谋。他认为张忠谋是用了不光彩的手段才取胜的，一怒之下前往大陆二次创业，得到了国家政策支持和上海国有资本的投资，成了陆资企业。现在担任中芯国际CEO的是来自台湾的技术专家梁孟松。2018年的时候，中芯国际已能够代工生产28纳米的芯片；在梁孟松加盟后研发速度明显加快，2019年上半年则宣布14纳米也已经量产，12纳米的技术开始进入客户导入阶段。目前，华为14纳米的芯片麒麟710A就是由中芯国际代工生产的，这也是国内芯片代工厂量产的最先进芯片。代工领域的第二名还是在上海张江——上海华虹集团，1996年成立，是专门承担国家芯片发展战略而成立的国有控股企业，到2018年底已经实现了28纳米的量产，与中芯国际并称中国芯片代工双雄。此外，台积电、三星、格罗方德、德州仪器等也纷纷在中国投资建设芯片代工厂，一个庞大的晶圆代工技术集群区正逐步形成。 33）一　手机里的微机电设备今天，我们知道的大部分电子产品，内部的核心部件一般都是“芯片+微机电”​。最典型的就是智能手机，除了电池和屏幕，其它功能基本都是手机核心——微传感器，负责处理各种数据。剩下的就是一大堆各种微机电部件。一部高端智能手机至少包含一个多轴陀螺仪和加速度传感器，用来感知手机的旋转和运动状态；一个电子罗盘传感器，用来分清东南西北，帮助导航方向；一个大气压力器，用来测量海拔；一个指纹传感器；一个距离传感器，打电话的时候会自动息屏；一个环境光传感器，用来确定屏幕亮度，还有微机电麦克风，用来录音。此外，手机最重要的天线和GPS导航部件，也都是微机电技术的产物。 34) 芯片加工主要就是硅和导电的离子，而微机电加工的材料要多得多。可以说，传统机械电气设备制造需要多少种材料，微机电制造就需要多少材料，而且对材料的纯度精度要求更高。硅是基础，还有各种导电不导电的原材料，构成一个丰富的微型机械电子系统，涉及到电子、机械、材料、制造、自动控制、物理、化学等多种学科，集成了这些科学技术发展的诸多尖端成果。芯片加工是大规模批量化的，大部分芯片的加工流程都大同小异，只是工艺精度的差异。而微机电系统的加工，则具有定制化的特点，不同的传感器的功能结构和材料都不一样，单个批次的加工数量比芯片要少得多，不同的微机电系统的加工工艺和流程也差异很大。这让我们要追赶发达国家在这方面的技术积累，难度比芯片加工还要大。 34) 二 从滤波器中窥见微机电全领域当前，世界排名靠前的微机电厂商包括：美国博通、德国博世、瑞士意法半导体、美国德州仪器、美国Qorvo、美国霍尼韦尔、美国楼氏电子、荷兰恩智浦、瑞士泰科电子、日本东芝、松下、欧姆龙、美国派克、德国英飞凌、德国第一传感、日本村田、TDK、AKM等等。此外，美国高通掌握了大量的微机电技术专利，虽然不是制造商，实际上也是全球微机电技术的龙头企业。这些企业排名每年都在变动，并不一定精确，总的来说，美国最多最强，德国、日本次之，还有瑞士和荷兰的几家企业。 35) 通过之前的学习，我们知道了日本的半导体产业如何美国和韩国的夹攻下被摧毁。本章我们将从中美在超级计算机领域竞赛情况做出对比。中国在哪些方面让美国警觉万分呢？中国还能从哪些方面赶超美国呢？ 36) 超级计算机的核心技术主要是两个：超算芯片和超算构架。芯片是基础，但要把数万个芯片连接起来，对数据分配和数据传输技术要求极高，基于高速数据传输网络的超算构架才是核心。构架能力决定了一台超算能够集成的芯片数量。构架能力如果上不去，芯片堆得越多，使用效率越低。超过一定数量以后，堆更多的芯片就只能增加能耗而无法提高计算能力。也可以说，芯片，是超大规模集成电路；超算，就是超大规模集成芯片。除了构架技术以外，超算的操作系统、电源、散热等技术也很有很高的技术难度。 37) 目前推动超算产业化的有三大国产品牌：联想、曙光、浪潮。在500强榜单的制造商排名中，中国企业垄断了前三名：联想、浪潮和曙光。14 云时代将如何影响我们的信息存储？我们已经知道在E级超算竞争中，目前我国处于略微领先的地位。本章我们将从另一个支持5G智联发展的关键技术领域——云计算，看看其中蕴含着有哪些机遇。 38) 一　云计算的优势所在什么叫云计算呢？目前由于网络速度、时延和可靠性不够，个人和企业的主要数据存储计算都在终端——也就是电脑和手机上。很多企业还要自备大型服务器。这跟以前自备发电机或电站一样，是一个很不划算的事情。我们的电脑和手机的大部分运算能力在大部分时间里是闲置的。这些昂贵的芯片，在我们睡觉的时候也跟着睡大觉。把这些芯片集合起来利用，其计算能力将远远超过现有的任何一台超级计算机。如果把个人和企业的数据资料存到一个远端的集中大型服务器，需要运算的时候调用超级计算中心的算力进行计算，这就是“云计算”​。而这个远端的大型服务器，就被称之为“云”​。在云计算时代，电脑或手机就会变成一个纯粹的发出指令和接收计算结果的网络终端了。在5G之前时代，云计算就已经成为了一个热门产业。 39) 四　中国在云计算领域的发展在云计算技术兴起以后，四大巨头仍然占据重要地位，但亚马逊、谷歌利用他们在网络技术方面的优势也跟了上来。中国的国内数据库市场一直是国际巨头占据垄断地位，特别是银行、电力等国民经济的核心部门，所有的数据库几乎都是甲骨文、微软、IBM的产品。也就是说，长期以来，中国金融、能源等命脉性行业的核心数据都是在美国的数据库产品中存储的。国产数据库软件一直比较弱势。不过，近年来，华为和阿里巴巴也都各自取得了重大突破。阿里巴巴依托中国庞大的电子商务市场，经过十多年的努力，发展起来了新一代分布式数据库。目前，阿里云拥有国内最强大和丰富的云数据库产品家族，涵盖关系型数据库、非关系型数据库、分析型数据库及迁移工具等。2019年，阿里云数据库产品在云数据库市场的份额已经成为全球第三——前两名是微软和亚马逊。 40) 我国的云计算技术正在蓬勃发展。下一章我们将重点介绍另外一个中国5G智联产业发展的关键短板：工业软件 15 10分钟搞懂中国最大的产业短板是什么？一　工业软件的类别中国很早就是世界第一大制造业大国了，也可以说是强国，但在软件产业特别是工业软件方面，还存在巨大的短板。甚至可以说，目前中国与美国最大的差距，就是工业软件。工业软件主要由两个大类，设计软件和自动化软件。设计软件包括电子信息行业用的EDA、其它行业如工程机械、规划建筑等领域用的CAD。因为EDA用于芯片设计，精密程度和技术复杂程度大大高于CAD。在EDA领域，美国居于世界垄断地位。在CAD领域，美国最强，欧特克（Autodesk，发明CAD的公司）​、UGS、EDS、PDC这几家龙头企业都是美国企业，但不具有垄断地位。法国的达索系统公司也是CAD行业龙头，它的母公司达索集团是飞机制造巨头，其设计软件是基于欧洲飞机制造业发展起来的。中国现在也有自己的国产CAD软件，北京大方、广州中望、苏州浩辰等十多家，但在国内市场份额很低，尚无力与国际巨头抗衡。工业软件的另一个大类是传统工业使用的自动化智能化软件，用来管理仓库物资调动、生产线运转、辅助研发等等，这方面德国西门子公司处于世界领先地位。 41) 芯片设计离不开设计软件，而世界三大芯片设计软件公司都在美国：新思科技(Synopsys)、楷登电子(Cadence)、明导国际(Mentor Graphics)，其中明导国际2016年被西门子收购了，但只是控股权发生变化，它的技术团队始终在美国，核心技术还是掌握在美国人手中。我们前边说，光刻机是人类工业技术的最顶级成就，但它也许还不算是人类科技的最顶级成就，工业水平到光刻机已经到顶了，但工业软件是比工业制造更高一级的技术。掌握着最先进的软件，就好像掌握了人的大脑，没有软件支持，再强大的机器也很难发挥出实力。所以，美国对华为公司搞封锁，在实体的产品供应链上现在看起来是肯定失败了，但在软件生态方面，华为的手机因为难以安装谷歌的服务生态，在欧洲确实遭到了比较严重的销量下滑。而这还只是技术难度不大的生活类软件，华为自研的服务系统(HMS)和新的操作系统鸿蒙还可望顶上来。在工业软件上，要想找到能替代美国软件的EDA芯片软件，目前看来还是很难的，需要更长的时间才能解决。那三家巨头企业只是美国EDA软件生态的代表，在三家大企业背后，还有四百多家中小型配套企业，共同构成了美国EDA软件生态。要想复制这么一个生态圈，难度很大。 42) 二　我国在工业软件领域的发展在EDA软件领域，国内的领头羊企业是华大九天。华大九天的前身是中国华大集成电路设计集团有限公司的EDA部门，其发展历史可以追溯到1986年。当年，我国集中百多位业内专家学者，举全国之力进行技术攻关。这次攻关的主体承接单位是新成立的北京集成电路设计中心，也就是华大集团的前身。 43) 三　各国在工业软领域的领先地位工业软件的发展，是工业自动化积累到一定大大产物。它不仅是软件业自身的发展结果，也是工业发展需求推动的结果，是工业知识长期积累的结晶。美国在电子信息设计软件方面的世界领先地位，跟它是二战后全球电子信息产业的发源地和创新中心密切相关——先有了电子信息工业，然后才有了在此基础上的软件产业。后来，电子信息制造环节转移出去了，软件产业还留下了继续发展。德国现在是传统产业工业软件的领先者，是因为欧洲在第一次和第二次工业革命中居于领先地位，在此基础上才发展起来了强大的工业软件体系。所以，美国人搞工业软件，提出的口号是“工业互联网”​，突出自己在互联网方面的优势；德国人搞工业软件，提出的口号是“工业4.0”​，突出自己在工业技术整合方面的优势。美国的通用公司一直想把自己在工业制造领域的优势转化为工业软件方面的优势，在2008年开始搞PREDIX系统，但一直只能用于自己企业内部，始终没办法开拓更广阔的市场，这就跟美国整体的制造业发展空心化密切相关；而西门子公司则在工业4.0领域基本上站稳了阵脚，则和德国的制造业体系一直保持比较完整有关。 44) 中国的工业化时间很短，建国以后的重工业建设中，也对发展工业软件不够重视。改革开放以后，轻工业发展迅速，大量的生产设备从国外直接进口，工业软件的发展基础更是无从谈起。先把工业的实体方面做起来，然后再逐步发展工业软件，也是一个正确的发展战略，符合产业升级的客观规律。在电子信息产业中，也是先做电子信息组装和制造，再来逐步发展电子信息设计软件。从这个角度看，我们在工业软件领域的落后是正常，也是必然的。现在，中国有了全世界最全的工业体系、制造业产值世界第一，电子信息制造业的产值也是世界第一，发展工业软件，包括电子信息设计软件和工业自动化软件的基础已经完全具备，相信未来一段时间，中国工业软件产业一定会迎来一个大发展。只要策略得当，后来居上也不是不可能。 45) 18 智慧农业：人们还能回到田园牧歌般的生活吗？5G智联不仅对服务业产生了深远的影响，对农业的影响也非常大。农业是国家根本，到2050年，世界人口预计将增加到90亿，我们的粮食还能翻倍增长吗？5G将如何赋能古老的农业呢？ 46) 29 在大公司如何做到低调做人，本分做事通过前文，我们知道了华为在成为行业巨头的过程中经历了多次改革。从公司理念到具体的流程管理都有变革。那么在变革中是否一帆风顺呢？遭遇过哪些难题呢？ 46) 二　柔性人才三大标准人的一生在其工作寿命内，很可能会经历好几次由于技术进步带来的工作岗位大规模替换浪潮。这种情况下，​“柔性”就变得非常重要，靠提前退休或者工作寿命的最后几年随便干点杂事勉强把生活扛过去，不能继续成为这种技术替换大潮的主要解决方案。我们必须把人培养的更为“柔性”​，才能应对这种挑战。也可以说，未来的人工智能时代，一定是“柔型人才”的时代。人类才能的柔性，主要来自于三个方面：对底层基础知识的深刻理解和熟练运用、广博的知识面（包括书面知识和实践知识）​、结构化多维度思维的能力。（一）熟练运用底层知识先说第一个，对底层基础知识的深刻理解和熟练运用。我们读书的时候都知道一个道理，理科转学文科比较容易，文科转学理科比较困难。从这个事实而言，理科人才的“柔性”要高于文科人才。这是因为，文科的底层知识——逻辑、语言与社会常识——大多数人即使没有专业学文科，都已经在社会生活中广泛接触和运用了；而理科的底层知识——数学、物理、化学的基础公式——则在生活中很少用到，也就很难在没有长期专业学习的情况下掌握。在大学，学习数学专业的人，要转学工程、物理、金融、计算机等都相对比较容易，而反之则十分困难。我们也就可以说，学习数学的人的柔性要高于工程、金融等学科。这是因为，数学知识是比这些学科更为底层和基础的知识。我们常说，学习需要“举一反三、融会贯通”​，对底层知识的掌握深度和熟练程度，在很大程度上决定了一个人能力的“柔性”​。以前流行过一句话，​“学好数理化，走遍天下都不怕”​。这句话背后的原理是什么呢？直接搞数理化研究的工作岗位是很少的。但数理化是人类诸多具体应用的底层基础知识，熟练掌握这些基础知识的人就会变得“柔性”极强——在很多具体的岗位上，都可以迅速掌握具体技能。数理化基础打好了，就不那么怕某个具体岗位消失自己找不到新工作。反之，如果某个人缺乏底层基础知识，而只是根据长期的生产经验掌握了某一门具体的技能，他的个人能力就会显得相当缺乏“柔性”​。比如电焊工，如果一个人一辈子都只会电焊，自动化激光焊接等技术广泛应用以后，手动焊接这个岗位需求可能就消失了。他要想再去学习编程或者操作别的机械，难度就会非常大。如果他不仅动手能力强，还能刻苦学习与电焊相关的诸多科学原理，比如电学、材料学、工程结构等等比电焊经验更底层更基础的知识，他就不仅能在电焊这个行业干出成绩，要想投身新的岗位也要容易的多。 47) （二）拓宽知识广度，跨界融合柔性的第二个来源，是知识的广度。历史经验一再证明，重要的创新一般都是出现在知识跨界融合的领域，或者说，至少都是多门知识综合运用的产物。这里的广度既包括个人的知识面，也可以包括某个企业、某个机构整体的知识面。多元化知识和文化背景的人聚集在一起，同等条件下更容易诱发颠覆性创新。如果我们关注一下美国的大学和德国日本的大学，我们就会发现，美国的顶尖大学的都是实力强大的综合性大学，而德国和日本的顶尖大学则大多是专业性大学。 48) 三）培养多维思考力柔性的第三个来源，是个体的结构化和多维度的思维能力。这也是一种把前面两种知识——底层基础知识和广泛的综合知识——充分融合起来为我所用并进行创新探索的能力。人类最自然最舒服的思维方式是线性思维，也就是按照一条线来把各种知识或事件串起来。其中最常见的“线”就是时间线，比如我们安排每天的生活工作，会很自然的按照从早到晚的顺序来排列。我们看书，如果书上的内容是按照时间顺序来讲的故事，就会感觉最好理解，如果把事件的顺序打乱了，按照一个理论逻辑去组合，很多人就会觉得看着头痛了。如果一个人连线性思维都做不好，那他的生活、学习、工作就注定是一团乱麻。但是，仅仅依靠线性思维无法深度学习一门知识，也无法获得“柔性”​。我们必须克服让头脑感到舒适的线性思维本能，进行非线性思维。其中最重要最基础的，就是结构化思维。所谓结构化思维，简单来说就是将碎片化的信息按照整体和局部的关系进行分类梳理，一般来说就是通过“归纳”和“推理”找到“总分关系”​，构建一个多层次的“中心-外围”结构，从而更全面和系统的思考和学习。 49) 结构化思维是一种标准的和基础的思维方式，它突破了线性思维的局限，极大的拓展人类的思维层次，让我们可以在知识系统中找到规律和秩序。由于结构化思维需要总结一般规律，也就需要进行抽象思维，从直观知识中提取出抽象概念和逻辑关系。从线性思维到结构化思维，是人类思考方式的一个飞跃。而多维度的思维，就是在结构化思维之外，还会从更多不同的角度去思考问题。我们常说的一些特殊思维方式，诸如发散性思维、逆向思维等都属于多维度思维。多维度思维在结构化思维的基础上进一步完善我们的思考角度，有助于获得非常规的创意和解决思路，是颠覆性创新的主要来源。 50) 33 如何像美国人一样培养顶级精英人才？智能时代，成为柔性人才必备的三大技能，分别是：熟练掌握运用底层基础知识、将知识跨界融合以及结构化多维度思考。只有成为柔性人才才不被时代淘汰。那么我们应该从哪些方面培养自己成为柔性人才呢？美国作为科技强国又是如何培养精英人才的呢？对此，美国人自己也很明白，曾获得普利策新闻奖的记者爱德华·休姆斯在书中《美国最好的中学是怎样的》(School of Dreams)一书中，通过亲自调查发现，美国最好的中学之一——惠特尼中学，那里的中学生们的关键词是三个“四”​：每天睡4小时，喝4杯拿铁咖啡，拿4.0的学分（最高学分）​。其中，4杯咖啡是因为睡觉时间太少用来提神醒脑的。除了自己的精英阶层用拼命苦学来培养下一代精英以外，支撑美国产业创新的高素质人才还包括来自中国等亚洲国家的知识精英。 51) 那么，学好这些知识之后，有什么用？我们如何跟5G和人工智能共处呢？智能化时代需要什么样的人类劳动？为什么说“深度思考是人工智能的终点、人类创造力的起点”​？下章内容我们讲一起来探讨这些问题。34 智能化时代机器会全面取代人类吗？一　人工智能发展的极限是创造力如果说抽象思维能力赋予了人类柔性，那么多维度的思维能力则让人类具备了创造性。创造性也是一种柔性，而且是一种更高层次的柔性。基于抽象思维的柔性，可以让人类劳动在已知领域不断切换；而创造性则可以让人类去开辟新的领域。这个层面的思维能力，则是人工智能完全无法企及的。未来世界，人和人工智能的分工，理论上最完善的境界就应该是：人类只负责创新，然后把创新变成可重复的工作，交给人工智能去批量化执行——生产或者提供服务。卡尔·马克思曾经构想过共产主义的完美社会图景。对共产主义时代的财富生产，他认为，​“劳动将成为人类的第一需要”​。也就是说，大家都积极主动的参与劳动，在劳动之余才会考虑享乐，而劳动的成果则可以按需分配。实际上，现实世界的大部分劳动都相当辛苦，要将简单的重复劳动变成人的第一需求，恐怕是不可能的。在工地上搬砖是很累的，登山、打网球、踢足球和跑马拉松也是很累的，但只要有的选，相信绝大部分人宁可将体力消耗在体育运动上而不是体力劳作方面。 52) 劳动只有保留其中的创新部分，而消灭简单重复的部分，才可能成为人们的自主需求。求知的欲望和创新的欲望都是人类的本能，或者说，好奇心是人类的本能。掌握新的知识、创造新的技术、开拓新的领域等等创造性劳作所获得的成就感无法被休闲娱乐活动替代。因此，我们可以在马克思论断的基础上再做进一步的完善，可以说：在科技高度发达、物质财富极大丰富的时代，从事创造性劳动将成为人类重要的自发需要。从重复性劳动中摆脱出来的人类，会完全放弃体力劳动，而依靠体育运动来消耗体能和锻炼身体，而脑力上的劳动则不会停止，将完全在求知欲和探索精神的驱使下从事创造性劳动。人工智能技术的发展，应该可以将上述的美好愿景变为现实。1997年被IBM超级计算机“深蓝”击败的国际象棋大师卡斯帕罗斯，后来投身于人工智能研究，写了一本书《深度思考》​。这本书的副标题很有意思，叫“人工智能的终点与人类创造力的起点”​。这个书的主题也是这么一个意思：人工智能发展的极限是创造力。 53) 要想在未来产业竞争中获得优势，更大幅度的研发人员比例是必不可少的。在芯片的核心领域EDA软件方面，美国新思科技的EDA研发人员超过7千人，而我国从事国产EDA研发的仅仅600人。仅这一家公司就是我国EDA研发人员的十倍以上，将来中国科研岗位的人才需求量之大，绝对是惊人的，科技类本科以上人才能培养多少就能消化多少，只会不够用，不会过剩。 54) 二　什么叫“人类核心知识”​？根据联合国教科文组织公布的学科分类目录，将基础科学分成七大类：1.数学：包括代数学、分析学、几何学、统计学、拓扑学、应用数学、计算数学、计算机科学等。2.物理学：包括粒子物理学、凝聚态物理学、光学、广义相对论、场论、量子力学、统计力学等。3.化学：包括分析化学、无机化学、有机化学、物理化学、结构化学、高分子化学等。4.生物学：包括植物学、动物学、细胞生物学、生物化学、分子生物学、生态学、遗传学等。5.天文学：包括宇宙学、宇宙起源学、天星学、射电天文学、太阳系学等。6.地球科学：包括大气物理学、大地测量学、水文学、海洋学、土地学、空间科学等。7.逻辑学：包括逻辑的运用、演绎逻辑、一般逻辑、归纳逻辑、方法论等。这七大类基础科学中的基础理论，就是人类核心知识。 55) 世界上主要国家的基础教育课程，都是围绕着让后代尽快掌握人类核心知识来设计的。人类核心知识，是人类自从诞生以来上百万年的历史中总结发现和发展出来的。它被历史证明是对人类社会进步作用最大、最重要的知识。特别是进入工业化时代以后，这些知识的传承和发展，直接决定了一个国家和民族的兴衰乃至存亡。单个人的生存发展，可以不依赖人类核心知识——他可以依靠艺术或者体育等特长谋生。但对大规模的人类群体而言，就必须依靠这些核心知识。国家与民族之间的发展竞赛，最重要的就是看谁能更熟练的掌握和应用人类核心知识。 56) 三　智能时代的核心知识在5G和人工智能时代，这些核心知识不仅不会失去重要性，只会变得更加重要。5G技术的核心是什么？数学算法和通信物理。人工智能的技术核心是什么？数学算法。芯片制造技术的核心是什么？化学和光学。EDA软件的核心技术是什么？还是数学和物理，一方面要能把芯片的电路运行过程计算清楚，一方面要能把设计图的运行情况模拟得跟真实的物理世界一样。这些最先进的科技成果都是人类核心知识创新的产物，而不是儿童幻想和艺术家涂鸦的产物，是一代一代人辛苦努力一点一滴的微小创新叠加的成果。所以，我们在新一代产业革命来临的时候，绝大部分中国人应该努力学好的知识是什么？当然也就是数学算法和物理化学知识，以及把这些知识变成计算机程序的知识。什么叫素质？掌握好人类核心知识就是最重要的素质。以前有句话，​“学好数理化、走遍天下都不怕”​，激励了一代中国人。现在可以改一改，以编程为核心的计算机科学异军突起，成为了现代社会新的底层基础知识，可以叫“学好数理编，真的能上天”​，或者“学好数理编，赛过活神仙”​，或者“学好数理化机生，天塌下来也能撑”​。 57) 四　智能时代必备能力在核心基础知识方面打下了良好的基础之后，我们培养面向人工智能时代的柔性化人才、创新型人才才有了前提和基础。但仅有这个基础也还不够，还要往前走。首先是拓展知识、拓展视野。在核心知识之外，多参加社会实践、多阅读课外书籍、多到世界各地旅游甚至游学，都很有必要。我们以及我们的上一代人，小时候没有这样的物质基础，只能埋头学好数理化。现在经济发达了，但凡条件允许，利用假期到全国各地乃至世界各地旅游，大学生多找几种不同行业的单位实习，或者到不同的城市甚至不同的国家去学习或实习一段时间，都是很好的，很有必要的。其次，就是注重思维能力的培养。古希腊哲学家柏拉图把数学称之为“思维的体操”​，学习数学的过程，就是锻炼思维能力的绝佳过程。我们在前面强调的核心底层基础知识，都是人类思维能力的伟大结晶，通过系统有序的学习这些核心知识，可以有效的培养我们线性思维和结构化思维的能力。此外，语文中的语法教育，政治中的唯物辩证法教学，也都可以起到锻炼逻辑思维能力的效果。年轻人应该多读一些将逻辑、讲思维方式的书籍，多知道一些不同的思维模式，有意识的锻炼自己的思维能力。 58) 总之，从线性思维，到结构化思维，再到多维度思维，是人类思维模式演进的一般规律。多维度思维是建立在线性思维和结构化思维的基础之上的。必须先对已有知识进行足够的整理和总结，才能打破旧有思维模式进行逆向思维、创新思维。具备这些能力的“柔性人才”​，在未来的智能化社会中，将会具备明显的优势。对年轻人来说，也应该从我们讲的三个方面提高自己，一个方面是学习底层基础知识，包括数学物理，尤其是计算机数学、计算机编程；一个方面是广泛阅读、拓展知识面，趁着年轻可以多换几个工作、或者到不同的地方去工作学习，接触通过教育背景、文化背景的人，学习从不同的视角来观察这个世界；第三个方面是有意识的培养自己的思维能力，学习一点辩证法、语法，读一些谈形式逻辑、思维方式的书。这样，才能把自己或自己的后代培养成为能适应5G智联时代的柔型人才。 59) 要你能够明白第4代人工智能背后的真正的技术含义，就很容易想明白这一点了。第4代人工智能的技术，本质上就是机器深度学习，主要就是人类给计算机提供足够多的大数据，并且给他确定一个目标，然后机器自己通过对这些大数据的学习来把握大数据和目标之间的关系。计算机只能完成人类给他定的目标，而且只能在大数据允许的范围内做出决策。同时，在这个过程当中，还需要人类去帮助它，进行监督学习啊，就把一些计算机自己学习推理出来的、没有用的结论及时否定掉，把他的这个推理方向给封锁掉，这样呢，机器学习才会收敛，才不会发散，才能够学出有意义的结果出来，而不是给出一些乱七八糟的没用的结论。通过机器学习，第四代人工智能只能是替代人类的一些比较可重复性的工作。有两个方向上不可能替代人类的，一个是不可能替代人类的创造性，一个是难以替代个性化的服务。也就是说对新事物的探索，这方面上没有办法代替人类的。它更不可能具有人类的欲望和感情。也不可能在没有得到人类明确命令的情况下，自己给自己设定一个目标，然后去完成它。所以，第4代人工智能不可能替代人类，也不可能对人类的生存造成威胁，真正威胁人类的一定是人类自己。 60) 点问答6、自动驾驶汽车什么时候才能买到？严格来说，自动驾驶的汽车现在已经可以买到了。不过不是在中国。2018年奥迪公司推出的新款奥迪A8是世界上第一款可以支持L3级别自动驾驶的量产汽车，它是可以在欧洲市场上买到的。在中国因为交通法规的限制，这款奥迪A8在中国上市的时候，就取消了自动驾驶的功能，所以暂时在国内还买不到。这里需要普及一个知识，就是汽车自动驾驶的级别。总共有五个级别，分别是L1、L2、L3、L4和L5。L1是最初级的，就是只有很少的电子辅助设备，比如方向盘助力或者刹车助力，现在的自动挡汽车基本都是L1级别的，谈不上多大个自动驾驶。L2是部分自动驾驶，就是在某些关键环节给驾驶员提供支援，比如发现危险的时候自动紧急刹车，或者停车的时候自动把汽车倒车入库等等。这个也不算是自动驾驶。L3是有条件的自动驾驶，就是在某些条件下人工智能可以完全接管汽车的驾驶系统，自己完成加速、转弯、刹车等全套动作。但在复杂条件下还是要人来驾驶。到L3级别的自动驾驶，才被认为是真正的自动驾驶了。L4是高级自动驾驶，就是人工智能完全负责驾驶车辆，只有在极端复杂的条件下比如没有硬化的越野路面等等才需要人类接管。 61) L5是完全的自动驾驶，就是已经可以取消驾驶台了，彻底不需要人来开车了，最多只需要某些关键时刻人给人工智能下命令让它紧急停车或者左拐右拐之类的就行了。现在很多自动挡汽车，都有电子转向辅助或者刹车辅助，以及倒车雷达提醒等等，可以视为达到L1级别了；然后一些高档轿车，装备了自动停车入位的系统，停车倒车可以自己完成，或者可以在高速公路上自动跟车，跟前车保持安全距离一直自己开，这就达到L2级别了。 62) 人工智能时代，由于机器学习可以快速将人类已经掌握的技能变成电脑的本领，​“柔性”对工匠的要求就越来越高。而“柔性”的来源，关键就是本文前面列举的三个方面：扎实的底层基础知识、广博的视野和知识面、结构化与多维度的思维能力。各行各业的“工匠”​，在刻苦专研某个细分领域技术的同时，也必须注意训练自己在这三个方面的能力。而对于下一代的培养，我们应该优秀注重“柔性”​，然后再强调“专业性”或者“工匠精神”​。没有把“柔性三要素”学好之前，不应该过快进入具体的技术技能领域。我们应该尽可能的延长义务教育年限，从九年到十二年，也可以到十六年——也就是早日实现全民大学本科义务教育，全面学习人类核心知识、用足够的时间了解社会科学与自然科学的方方面面，与各种知识面的人充分交流，熟练运用结构化和多维度的思维方式。 63) 具备了这样的基础以后，再去具体的掌握某一些工作技术技能，这才是未来人才培养的基本路径。即使是最普通最底层的家庭，也应该竭力将孩子送进大学，而不是过早的去技术院校。我在各地制造业企业调研中，也多次问过技校毕业生和大学毕业生的区别，绝大部分企业家都表示更喜欢大学毕业生，因为他们的可塑性更高——尽管一开始具体技能可能不如技术院校的毕业生，但经过短期的培训很快就能上手，而且遇到产品线升级或者岗位变动的情况，适应性更好。已经有很多制造业企业家告诉我，​“只招本科生”正在成为他们企业招聘的基本条件。显然，在人才培养方面，我们要多学习美国式的综合型大学为主的人才培养模式，而不要因为“工匠精神”而过度尊崇德国日本的专业化院校人才培养模式。当然，社会的进步不会一蹴而就。现在，还有很多面向初中、高中学历的专业技术院校。这些院校一般直接瞄准具体的就业岗位进行教学，教的技术非常具体实用。他们为国家培养了很多合格的技术人才，将来还会继续培养很多的技术人才，不能否定它们的贡献，更不可能仓促的取消。 64) 但这些院校在专业教学过程中，也应该加强对学生一般性的底层基础知识的训练、注意提高学生的知识面和思维能力，不能过于狭隘的只通过“手把手教学”​，让学生们只知道“怎么做”​，却不知道“为什么”​，尤其是不知道各项技术背后深刻的科学原理。不然，我们就一定会在十年二十年后受到惩罚，我们就会培养出一大批在人工智能时代随时可能被淘汰的劳动力。​“学门手艺、一技傍身”就可以吃一辈子的时代已经一去不复返了。我们要学会与第四代以后的人工智能共存，就必须接受“抽象知识和思维能力比具体的技术技能更重要”这个基本原理。

前三分之二像是写给领导干部的科普读本，奈何前沿科技发展太快，新出版的书也已经跟不上如今的日常。但李博士的书可读性还是那么强，畅快读过，颅内留痕。