雷鸣：学术可以不惜代价，但是你要吃饭，科研如何创造产业价值？

近年来，关于 人工智能 的讨论和研究愈加火热，人工智能也已经确确实实在改变人类的生活轨迹。那么在这个时代，如何做产业需要的科研？不久前，“百度七人创始团队之一”的雷鸣应邀来到微软亚洲研究院，分享了他在人工智能领域积累的经验和观点，以历史的眼光指出了未来人类发展方向的可能性，并在科研和产业的差异分析中总结出了给科研工作者们的几点建议。

下面就让我们一起回顾一下雷鸣的演讲—— 人工智能时代：科研如何创造 产业价值 。

很高兴能够来到微软亚洲研究院，和在座的大家分享一些个人经验、观点。我是从2013年开始关注人工智能这一领域的，在过去的五年时间里我做过很多和人工智能相关的事情，包括投资、孵化、教育等等。

大家都知道，霍金博士在去年提到，人工智能的产生，可能是人类历史上最重大的事情。公元前1000年一直到公元1801年左右，也就是工业革命前夕，全球人均收入基本上没有什么进步，单位人均劳动产出没有太大变化，然而工业革命以后这条曲线急速上升，可以说我们人类用200年的时间把过去的历史全部都击败了。

还有另外一个简单的佐证，就是我们现在穿的、用的这些东西，几乎都是最近200年的产物，我们跟历史基本已经绝缘了。甚至我们可以说得更深一些，因为人类进步是有加速度的，我们身边的东西大部分都是来自于最近40年的科技进步。那为什么会产生这样的现象呢？

其实它的根源就在于 有效创新 。创造这个世界上不存在的东西，产品、服务、技术、商业模式和组织形态都可以进行创新。这种创新作用于社会，使得社会劳动生产率提升，这就是有效创新。我们看到的这些伟大的企业不仅仅是科研上的创新，而是创新本身在真实社会里大幅度地提高了社会的效率。所以，这些企业因有效创新而树立了独特的价值。

所以，工业革命后全球人均收入按指数曲线增长一定是因为工业革命之后所释放出来的大量创新，加速了社会的进步。工业革命的核心是“能源+机械”。在工业社会之前，人类90%以上在做体力劳动，而到工业社会之后，技能劳动成为社会的主体，现在全球的服务业包括工厂的工人，其实大部分都是技能劳动者。

因为大幅度的产生技能劳动者，所以释放出很多创新的力量，这些创新的力量来自于工业社会分工细化所带来的效率提升。当分工到很细的时候，我们发现在每一个细分就开始有专门的人负责在这个点上进行创新了。

而我们现在正在另一个转弯点上。未来，技能劳动也将慢慢从历史中被抹掉，包括那些经过重复训练获得的技能，以及以一种相对标准化的流程所提供的技能化服务。这个转变会把所有人逼向另外一个领域去创新，那时我们都在做这个世界不存在的东西，做出来之后，让机器去做后面需要重复产出的东西。

就好比， 以前，一个特定 产业链 里的所有人要是都去研究产业改造，可能只有1个人是在研究，另外9个人是在后面的产业链里做技能劳动者。现在，我们让10个人都去研究，你可以想象社会进步的速度必定会进一步加速。这就类似工业革命之后我们进入到工业社会。将来在释放更多的创新者之后，社会还会有一个更大的加速，进步会更快。

在市值领先全球的公司中，我们可以发现高科技公司逐渐独占鳌头，而传统公司越来越力不从心。事实上，当社会进步、科技发展到一定阶段的时候，它就打开了世界的新窗口。如果把握机会，新的科技就是改造社会最好的工具。但如果只是在已经成熟的体系上加以优化，那么则不可能产生很大的机会。看看2016年市值最高的五家公司，微软和苹果都是40岁左右，剩下的几家企业20岁左右，它们都是在一个改变世界的科技诞生的时候，利用科技进步创造商业和社会价值的伟大企业。只有这些真正能够改变科技的公司被很好的应用才是最大的机会。

而且我们发现，这些公司的创业者当时都非常年轻。为什么微软不是GE的老总创立的？ 因为，在社会进步特别快的时候，你会发现你的经验会变成你的累赘。当遇到一个问题的时候，你总愿意用以前的经验去解决。但是如果你尝试用新的技术去解决，那么它可能会更有效。所以，到今天为止，我们看到科技的快速进步，很多新公司应运而生，而当新的机会来临的时候，老公司并不容易抓住。经验往往会在新时代中成为束缚。

聪明的年轻人，在这个世界只追求最根本的需求，他们用自己最本身的想法结合最先进的技术去做创新。未来的人工智能时代同样也应该如此，尤其是2C的企业背后还是有很大的机会。而这个机会很大程度上有可能是年轻人的机会。

现在我们看到 自动驾驶 非常热门，大家都在做，当然一是因为自动驾驶产业大，比较标准，第二是这个市场大，价值也大。自动驾驶未来将是交通、运输、物流这三大产业的基石，或者说操作系统。而这三个产业目前占据了中国GDP将近20%的比例，如果未来这三个产业能够拿到价值制高点，那么自动驾驶的发展空间无可估量。

很多时候一个产业很大，未来的发展空间也很充裕，但做成以后会发现效益并不明显，其原因就在于科研和实际落地之间存在的差异。落地以实用为主，一定要是在实际场景下的刚性需求，问题一旦解决了，用户会自己买单。而科研则有所不同，双方的差异体现在三个方面：

第一，科研追求的是精益求精的学术价值，研究成果要比以前更好，这是一种特殊的创新。 然而产业则属于实际生活的范畴，其产品或服务必须满足我们生活中某种实际需要。现在有些所谓的智能创新其实存在一些误区，比如前段时间非常流行物联网、智能家居，于是就有人发明了智能灯泡，拿出手机、打开应用就可以开、关灯。

但是开关灯这件事本来就非常简单，智能化很难再精简它的操作程序，反而把简单的事情复杂化，成本也相应提高不少。刻意为创新而作的创新容易跑偏，因此我们应该更多地把关注点放在未来这些产出有没有用，是否会产生价值上。

第二，学术研究是单点突破。 学术总是在一个点上不断提升，比如说人脸识别，始终围绕这项技术进行改进和突破。但是产业强调的是产业服务的完整性，同样是人脸识别，则需要考虑各种因素，比如受控环境、光照环境、摄像头选择等等。产业不是单独一个产品原型就能解决的，它必须要投放到现实环境中去解决实际存在的问题。

所以，产业运作往往牵扯到更多的因素，有硬件、有软件、有工程、有采购、有成本等等，很多的事情都要有。相比之下科研需要考虑的问题就比较少，比如，精确度又提升了五个点，我发个论文，荣誉就来了。但是这在产业里就不灵了，别人也许就因为选了不同的摄像头，装在了不同的位置，或者是额外加了灯罩，最终效果可能就比你的要好。最后产业是要解决问题，而研究只是解决问题的其中一部分。

第三，学术往往不惜代价。 5000台服务器算一个月算出一个模型很厉害，但实际场景中识别一个人脸用5000台服务器就太疯狂了。所以，产品和服务必须要有良好的性价比，成本要始终控制在可接受的范围内。

最后，科研在不断进步的过程中始终是连续的。就像人脸识别在不断进步，而这种连续的进步是非常受科研界认可的，只要比以前好都会得到荣誉。但是产业界不一样，我们判断人脸识别有一个大坎，就是看它能不能达到人的水平。在没达到人的水平之前，再进步产业也根本不会理你。只有达到，那才是皆大欢喜。

所以，如果大家想做产业，一定要注意看右边，而不是光看左边。左右之间怎么打通、怎么兼顾确实是个难题，但总有一些东西有学术价值，也有实际应用价值。找到一个实际应用有价值的东西，再回来研究的话，解决学术问题也是一个很有意思的东西。