1700513830
AI·未来 [:1700512281]
1700513831
谷歌模式与特斯拉模式
1700513832
1700513833
谷歌是第一家研发自动驾驶技术的公司，但大规模应用的脚步有些缓慢。这种谨慎态度背后的理念是：打造出完美产品，在自动驾驶的安全性大大超过人类驾驶后，再直接跃入人工智能全自主化。这是一种完美主义的模式，不允许任何危及人类生命或企业声誉的可能发生。埃隆·马斯克的特斯拉则采取渐进模式：在部分功能（高速公路上自动驾驶、自动转向以避免车祸以及自动泊车等）开发完成后，就马上应用在自己生产的汽车上。这种渐进模式加快了商业化节奏，同时也带来了一定程度的风险。
1700513834
1700513835
这两种模式背后的驱动力都是数据。自动驾驶汽车必须用数百万，甚至数十亿公里的驾驶数据来训练，使它们学会辨识物体，预测车辆及行人的动作。这些数据来自无数路上行驶的车辆，然后全部输入中央的“大脑”——做出决策的核心算法集群。这意味着，任何一辆自动驾驶汽车遭遇新状况时，所有依靠这些算法驱动的汽车都能同步学习新案例的处理方式。
1700513836
1700513837
谷歌在收集这部分资料的过程中，采取缓慢稳定的步速，他们用小规模车队装备高级传感设备，上路测试、收集数据。特斯拉则在其商业车款上安装较便宜的设备，让车主在使用特定自动驾驶的同时，也为特斯拉收集了数据。这两种不同的模式导致谷歌与特斯拉的数据收集量产生了巨大差距。截至2018年6月，谷歌花了8年收集到800万英里的现实世界驾驶数据，而特斯拉仅用了2年就收集到12亿英里的现实世界驾驶数据。
1700513838
1700513839
也许是感受到来自特斯拉及其他对手的竞争热度，最近谷歌的模式向特斯拉靠近了一些，加快了全自动驾驶汽车的应用，而自2016年5月的一起事故（特斯拉车主因自动驾驶遭遇车祸身亡）后，特斯拉在自动驾驶的应用上反而放慢了脚步。不过，两种模式的根本差异还存在。尽管谷歌研发的系统在有些场景已经比人开车更安全，他们仍然在追求无懈可击的安全性，牺牲了应用速度。特斯拉实行更加技术权宜性的模式，一旦自动驾驶在某一方面超过了人类驾驶员，就立刻应用在现实中，希望用更快的速度搜集数据，把算法训练得更好，以拯救更多的生命。
1700513840
1700513841
AI·未来 [:1700512282]
1700513842
中国的特斯拉模式
1700513843
1700513844
中国有13.8亿人口，平均每年有26万人死于车祸。与其等待完美的自动驾驶问世，中国更愿意在可控的环境中使用性能有限的自动驾驶汽车。而这种策略的“副作用”就是数据收集量呈指数成长，连带推动人工智能技术的精进。
1700513845
1700513846
渐进应用模式的关键是兴建新的基础设施以容纳自动驾驶汽车。美国的做法是根据现有道路研发自动驾驶汽车。中国则在调整现有道路，改变货车形态，甚至建设能够容纳自动驾驶汽车的新城市。比如，浙江省已经宣布计划兴建全国第一条智能超级高速公路，一开始就可容纳自动驾驶汽车及电动车。这项计划将整合道路、车辆与驾驶人之间的传感器及无线通信，使汽车行驶的速度提高20%至30%，并显著减少车祸事故。这条超级高速公路将在路面铺设光伏板，把集成的太阳能输送至充电站，供电动车充电，长期目标是让电动车能够在行进间持续充电。此计划若成功，可加快自动驾驶汽车及电动车的应用。在自主人工智能驶入都市混乱的交通之前，可以先在高速公路上试验，并在这个过程中收集更多数据。
1700513847
1700513848
再如位于北京以南100千米处的雄安新区，该区域包含了原属于三个县的一片寂静村镇。现在，在中央政府的政策引领下，这个地区将兴建为展示科技进步与环境可持续发展的示范城市。政府预计投入约4万亿元人民币的基础建设经费(8) ，吸引250万人口迁移至此，相当于芝加哥的人口总量。从无到有地建造一个新的芝加哥，这种壮举在美国不可想象。但在中国，这只是城市规划的一项手段而已。雄安新区将成为全球第一个从开始就容纳自动驾驶汽车的城市，百度已经和当地政府签约，打造“人工智能城”，聚焦于交通管理、自动驾驶汽车及环境保护。混凝土中需要加入传感器，交通信号灯装备计算机视觉硬件，十字路口可以知道每一位行人的年龄，泊车所需的空间明显减少。当人人都能随时随地召唤自动驾驶的出租车时，甚至可以把停车场改成城市公园。
1700513849
1700513850
像雄安新区这样全新建造的城市甚至可以更进一步，把市中心的交通运输搬至地下，地面保留给行人及自行车。这种可控环境内的自动驾驶将比人类司机更安全。人工智能接手交通管理及自动驾驶汽车后，整个地下交通网甚至可以逼近高速公路的速度，而地面上的生活则还是人类的节奏。若计划可以实现，类似这样的新城市将与自主人工智能一起成长。它们在享受自主人工智能技术带来高效的同时，也会回馈给算法更多的数据。美国现有的基础设施要求自主人工智能必须先适应并应用于现有的城市，但在中国，政府的积极作为把应用变成了城市与人工智能共同进化。
1700513851
1700513852
AI·未来 [:1700512283]
1700513853
围绕自主人工智能技术的较量
1700513854
1700513855
在自动驾驶汽车的核心技术方面，美国的公司仍然领先中国企业两三年。在科技界，这个差距可以说是天文数字了。美国领先地位的构成部分源自大量的顶尖专业技术人才。在第四波人工智能浪潮中出现安全问题的复杂性，使研发自动驾驶汽车成为很难攻克的工程难题，这需要世界一流的工程师团队。这使得优势倒向了美国，因为全球最优秀的工程师仍然聚集在谷歌之类的公司。谷歌早在2009年就开始测试自动驾驶汽车，谷歌的许多工程师后来独立创立了自动驾驶汽车创业公司。中国到2016年左右才开始出现自动驾驶汽车创业公司。不过，百度之类的巨头和北京初速度科技（Momenta）及驭势科技（UISEE）等自动驾驶汽车创业公司正在技术与数据方面快速迎头赶上。百度的“阿波罗计划”——与50家自动驾驶汽车领域的伙伴合作及分享数据的开源平台，包括英伟达等芯片设计公司和福特及戴姆勒（Daimler）之类的汽车制造商，这与Waymo的封闭模式形成了鲜明对比。
1700513856
1700513857
究竟哪个国家将在自主人工智能领域取得领先地位，主要取决于一个问题：全面应用这些新技术的主要瓶颈是技术本身还是政府政策？如果是技术，那么谷歌的Waymo有可能先于竞争对手解决这个问题。不过，如果计算机视觉等领域的每个新进展快速传播，这相当于整个行业的技术水平整体水涨船高，那么硅谷在核心技术上的领先地位可能变得无足轻重。这么一来，许多公司都将能够打造出安全的自动驾驶汽车，中国的一系列特斯拉风格的政策将占据优势。
1700513858
1700513859
当下，我们还不知道瓶颈将出现于何处，第四波人工智能竞赛的局势还不明朗。我个人认为，美国和中国在自动驾驶汽车这个领域胜出的机会是五五开，至于自主无人机之类的硬件密集型应用领域，中国将具备优势。上图是我对中、美两国在四波人工智能浪潮中的实力评估，包含当下以及5年之后的发展趋势。
1700513860
1700513861
1700513862
1700513863
1700513864
中、美两国在四波人工智能浪潮中的实力评估及未来5年发展趋势
1700513865
1700513866
AI·未来 [:1700512284]
1700513867
征服当地市场&武装当地公司
1700513868
1700513869
目前，人工智能领域的应用发展大致局限在中、美两国，而绝大多数未来的人工智能用户仍然生活在其他国家（主要是发展中国家）。因此，任何想成为人工智能时代巨头的公司，都需要一套争取这些用户以及在当地市场制胜的策略。
1700513870
1700513871
中国和美国的科技公司在进军全球市场时，实行了差异很大的策略：美国那些称霸全球的巨头希望亲自征服市场，而中国的科技公司则选择武装当地的创业公司。谷歌、Facebook、Uber之类的硅谷巨头想在这些市场上直接推出它们全球一体化的产品（只对产品进行有限的本地化）。这种孤注一掷的方法如果成功，收获当然会巨大，但空手而归的概率很高。
1700513872
1700513873
中国的公司避开了直接竞争，转而投资硅谷公司试图消灭的当地创业公司。比如在印度及东南亚，阿里巴巴和腾讯投资了当地与亚马逊等巨头竞争的本土创业公司，这是中国智慧的体现。马云等中国的创业家深知，强龙不压地头蛇。因此，在进军国外市场时，中国的公司不会试图消灭当地的创业公司，而是与之组成联盟。
1700513874
1700513875
AI·未来 [:1700512285]
1700513876
从中国市场打到国际市场的共享出行
1700513877
1700513878
中国公司的全球化策略在共享出行市场已经启动。这可以总结为人工智能全球化的另一种模式：结合人工智能技术与当地的数据，对当地创业公司赋能。这种以合作为基础，而非征服的模式，或许更适合把人工智能这类需要顶尖工程师、由下而上收集数据的技术推广至全球。
1700513879