纵观历史，大部分经济周期中非连续性的生产力跃迁，都来自于科研创新。同样，在当下的疫情、全球经济问题和产业动能转换中，科研创新可以帮助我们有效穿越经济周期。

我们这个时代见证了太多从科研创新而进入产业的案例，我认为，从科研创新走出来的创业者，有一个核心条件，那就是认知领先——对于科技发展判断的领先，是构筑起行业壁垒的先决条件。

人工智能作为通用技术，不但技术发展本身需要我们对技术路径有超前认知，更重要的是，它可以有效地帮助我们去突破人类认知的边界、探索未知。

科技创新要成为真正的时代发动机，必须经历两个阶段

回看过往300年，每一个时代经济发展的核心驱动力都是技术，技术是真正意义上的时代发动机。而如果细分每个技术的发展脉络，可以看到每一个时期都有一个非连续的点，经济增长曲线呈现两个斜率，即每一个技术突破到推动经济发展的时候，面临着至少两个阶段：第一阶段是技术变实用的阶段，在这一阶段，技术从实现突破到能够真正给大众生活带来可见的变化，且大众逐渐熟悉这项技术；第二阶段是技术规模化的量产阶段，技术成本降低到足以落地。

增长斜率的非连续有两个原因：首先，当技术突破到具有实用价值，并且能用于行业中，它面临的挑战仍然是行业或者大众的认知程度没有跟上。这需要一段时间的市场教育。比如，交流电出来时，大众认为它会电死牛。汽车刚出来时，英国还设立所谓的《红旗法案》，担心汽车行驶到马路上，会吓到马，所以要求在车前面60码处，有人挥红旗告知周边的人和马，有汽车来了。当时没有认知到的是，其实有了汽车就不会再用马了。所以，认知的提升需要时间。

第二个阶段就是技术商业化的成本下降的过程。如果生产成本普遍变高，行业是无法发生颠覆式变化的。假定下围棋是一种生产力方式，以现有AlphaGo/AlphaZero的投入来看，需要几十年才能收回成本。所以当技术突破以后，需要在新的应用下探索降低生产成本的方法。

这也是为什么技术突破还不是技术赋能百业的标志。直到第二个阶段来临，进入规模化生产时，成本降到原来的十分之一、百分之一时，各行各业才会发生改变。

人工智能也是如此。这波人工智能浪潮从2010年开始。那时的人工智能其实是“人工指导的智能”，不管是传统的生成式的或者判别式的，其实都非常依赖人的先验知识。人工指导的智能一个最大的问题是：其逻辑上限是人的认知，这就带来了发展的局限性。

当下，人工智能的发展依赖于两个因素的变化。其一是人工智能转换为数据驱动，算法本身对这个世界有了很好的“表达能力”；其二是算力提升，给予人工智能更大的探索解决空间的能力。此时的人工智能不再依赖于人的先验知识，而是可能超越人的认知。但是直到2014年左右，它才在很多垂直领域真的超越了人。

创新的基础，来自于人类真正意义上的认知创新

从科技创新的第一个阶段到真正商用，还有一个关键，即它的生产成本是否过高，导致行业难以应用。特别是在工业制造里，就会面临类似的问题。比如把AlphaGo用于工厂，如果改造升级生产线需要70年才能回本，那根本没有人会用。因此，成本降低是能否赋能百业发展的核心。

如果说第一个阶段是“顶天立地”的话，第二个阶段就是“铺天盖地”。什么是达到顶天立地的基础和条件？这事关人类真正意义上的认知创新。有人总结过创新的四个范式，其中两个创新范式的存在历史已经很久，一是亚里士多德的推理演绎，西方的哲学科学理论，包括欧氏几何、牛顿定律都是这样衍生开去的，即从一个基础的原点推到无法再推进的边界，通过不断探索更远边界的可能性，从而走到更远。直到千年之后，才有培根总结出又一种创新范式——经验归纳。这也意味着人类花了上千年的时间才突破认知局限。

为什么千年之后才出现了新的创新范式？核心原因是人类以前不知道自己的无知，总觉得能用一个统一的方法推导出某一件事情的边界，期待能够追求GUT（大一统理论），屡屡失败后才发现，经验归纳只是特定时空条件下有价值的创新抽象。直到2007年，有学者提出第三范式是计算机模拟，即通过一个解析式和基础状态，让计算机模拟。现在的天气预报甚至宇宙三体问题都属于计算机模拟的范式。第四范式则是大数据密集型创新。这可说是用计算机进行归纳。

对未知世界探索的核心能力，正在出现变化

但是，人类真正的科研创新突破往往来自天才的脑洞或者说天才的猜想。人类历史上的科研突破基本上都是基于各种思想实验，甚至可以说是那些不靠谱的思想实验。这种突发式的思想实验到最后被验证，才被称为天才的脑洞。但是天才的脑洞为何没有成为人类历史上一种科研创新的范式？因为范式是可预测的，但是天才的灵光一现是不可预测的，可是今天人们所记住的重大科研突破都是从那条路走来的。

我们觉得有意思的是，图灵在1950年提出一个问题：机器会不会思考？在提出这个问题70年后，我们可以再问一个问题：机器能不能做猜想？实际上这个答案是肯定的。因为有了这个变化之后，人类对这个世界认知的模式发生了巨大的变化，因为机器的猜想是可规模化、可复制的。

仍然以围棋为例。围棋的复杂度是3的361次方，就是黑白加无共361格，即10的170次方格。虽然它的复杂度其实不是我们解决问题中最高的，但足以证明这是一个猜想。10的170次方看上去不是非常大的一个空间，但是要计算10的170次方却并不容易。比如，宇宙中的原子格数是10的70次方，如果每一个原子都是一个超级计算机，每秒计算1亿亿次，从宇宙大爆炸算到今天，10的170次方都算不完。所以，以人类的现有认知是无法得到一个确定解的，某种意义上来说，AlphaGo/AlphaZero根本不是在求解，而是猜了一个好像对的解。

今天我们就面临着这样一个问题：如果计算机和人工智能很容易就猜想出牛顿定律，而牛顿可能200年后才出生，那我们用不用牛顿定律呢？这意味着，我们该如何找到新猜想的边界；另外，新猜想也要有路径依赖，不能太超前认知。

比如，我们穿越回亚里士多德时代，和他谈牛顿定律，告诉他万物是如何运行，力学是什么规律，他可能还能逐步理解。但是如果你告诉亚里士多德一个猜想，关于相对论的猜想，光是会弯的，他甚至连光是什么都不知道。因此认知太超前也不行。

刘慈欣的小说《诗云》中就曾经写到过，一个外星高端文明来到地球，认为地球文明太弱了，信息传输的比特率太低了，因此要灭绝人类文明。后来看到人类历史上的诗，觉得非常有意思。他就搞出了一个人工智能“诗云”。

那么，问题来了，你能写出所有可能的诗，其中包括最好的诗，但是却无法找出什么是好诗。

其实，人工智能今天能够给出很好的猜想，但可悲的是人类此时没有办法识别哪些是正确的、真正有意义的、有巨大价值的猜想。所以我们仍然需要借鉴人类发展历史，在应用中测试猜想的边界，用这个边界再来规范我们所使用的猜想。所以，必须在创新链中完全加速它的使用，才能真正用好我们猜出来的“牛顿定律”。

这是我们这代人对未知世界探索的核心能力的变化。未来，越没有定律的学科越会被颠覆，因为这些学科是机器可以大有作为的领域。

人工智能有机会成为我们时代的标签

我们一直认为自己对这个世界有很好的把控，但现实是我们都是在应用中找到边界。现在很多人认为人工智能是大数据驱动，其实并非完全如此。

人工智能发展的首要核心在于人工智能背后的大算力。我们看到在一些应用中，其实已经不完全是数据驱动，我们自己就在推动一个AI大装置，在这个AI的底层来做猜想模式。之所以叫AI大装置，比对的是粒子对撞机，人工智能和粒子对撞机都是在1956年发明的，而且都是用随机性解决探索世界的问题。

过往的十年当中，最好的人工智能算法对于算力的需求增长了100万倍，其中有很多算法是没有用什么数据的，很多长尾应用都不是大数据问题。

第二个核心就是“铺天盖地”，长尾应用这个词是10年前描述互联网营销的。互联网过去20年最大的贡献就是解决了长尾需求的匹配。实际上线下应用，包括工业的、城市治理的人工智能系统要解决的都是实现这个长尾链条的完成，从而形成价值闭环，因为现在的瓶颈是人效。

每个人一天遇到大约600件物品，每三件东西形成一个检测元，比如说人在演讲时，人、手持话筒、舞台就可以用来识别演讲这个行为。如果一个人每天遇到600件物品，就有3400多万种组合，如果有3400多万个AI模型，才可能形成真正的物理世界的互联网和搜索引擎，让机械制造、无人驾驶等各类应用都从中受益。但即便是我们，现在也只生产了22000个不同应用场景中的商用人工智能模型，距离3400多万个还很远。工业应用同样如此，比如，AI高铁的架空电缆的缺陷检测中的应用，这些缺陷中有高频的，也有极低频的，但问题是，如果人工智能只能解决高频缺陷，依然得靠人工解决极低频，甚至低频缺陷，那效率并没有提高，所以对于长尾问题，不存在解决头部问题就能解决所有问题的可能性，不存在所谓的二八定律。

时代究竟是什么？时代的背后都是技术。蒸汽、电气、甚至石器、铁器时代再到信息时代都是技术。技术是改变政治经济文化背后的驱动力，带来生产力跳跃式的变化。

但是也有一些技术并没有成为时代的标签，比如曾经的克隆技术，并非不重要，而是它没有改变生产要素的价格。为什么人工智能有机会成为我们这个时代的标签，是因为人工智能能够降低我们这个时代生产要素的价格。

《预测机器：人工智能的简单经济学》中提到，当某种基础产品的价格大幅下降时，整个世界都会发生变化。现在人工智能模型的生产效率，三年提升了300倍，当人工智能真正走到铺天盖地时，才能真正变成一个时代的基础设施。

*文汇独家稿件，转载请注明出处。