人工智能是个产业吗？

很久之前，人们就发现了一种现象：真正的创新成果往往出现在人们的预料之外。我发现了这种现象背后的奥秘：理想的创新目标往往实现不了，现实的创新目标往往与理想一致。创新者往往需要对原始的目标进行变通，才能找到合适的目标。我曾在前文提到：悲观者往往正确，是因为悲观者看到本质的困难、知道理想的目标无法实现；但乐观者却往往能够成功，这是因为乐观者能够想到变通的办法、或者在坚持的过程中熬到外部环境的改变。

把这个逻辑用在“人工智能是个产业吗”这个问题上，我就有点体会。  

6、7年前，上海有个区要建人工智能产业园。我当时认为：人工智能是一种重要的算法，可以是一种核心技术、可以用在很多地方，但却不是解决具体技术问题的，本身不应是个产业。我举了个例子：数理统计是不是一个产业？运筹学是不是一个产业？现在看来，这是“悲观者的正确看法”。  

在商业上成功的AI公司，就属于“乐观者成功”。他们为什么会成功呢？我意识到：有些技术刚开始时，专业分工不是太细，但可以解决很多问题、并获得商业价值。这时，也可能形成一个行业。比如，若干年前的乡村的铁匠，会打造农具、打铁锅，还会造铁锁。那时的铁匠，就是一个行业。但是，技术发展到一定程度时，这些技术会与具体的产品结合。通过这种方式，会形成真正的行业。比如，现在造农具、造炊具、造锁具已经是不同的行业了。所以，传统的铁匠现在就消失了。所以，通用技术成为产业，在技术发展的过程中是会产生的。  

AI可能就是这个样子。最初的AI是科学、不是产业，因为商业公司没有办法靠AI获利。AI有了获利能力之后，开始成为产业。但这时的产业是初级的、AI公司从事一切与AI相关的工作，业务并不聚焦。但随着技术的进一步发展，AI会与具体的应用场景结合在一起，形成机器视觉、机器听觉、计划排产等专门的技术公司。当AI大范围应用的时候，就没有人会说AI是一个产业了。所以，目前说“AI是个产业”也是有道理。

如果我是一个AI的从业者，这样的思路或许是对的：首先利用自己的专业知识，去寻找合适的应用领域、去实践。这属于“广种薄收”的阶段。在这个过程中，一旦发现有发展前途的应用场景，就要做一个决策：是不是应该集中精力在这个领域中突破。因为未来的AI不是产业，与具体应用结合才是产业。也就是说，现在的AI公司，需要进行二次创业、三次创业，才能最后存留下来。  

季文三思而后行。  

对季文子的做法，孔子评价说：思考三次太多了、两次就够了。孔子或许是担心想得太多会影响行动。其实，行动和思考是可以交替进行的，不一定是完全想好了再做。即便是已经行动起来了，也还是需要不断思考、矫正自己的行动。  

对AI的“三思”或许是：哪些方向更具备发展前途和价值。在我看来，AI的价值大概可以分成两个方面：与自动化相关度高的、与自动化相关度低的。  

与自动化相关度高的技术，目的就是提高自动化水平。这些技术往往与“感知”相关。比如机器视觉、机器听觉和机器嗅觉等等。这些技术的目标很清晰，就是代替人的劳动。这一部分与工业生产的关联度比较高。  

与自动化相关度低的是辅助决策，也就是服务于人类的工作，如研发、设计等。这一部分工作不是直接服务于工业生产的。但可能通过服务于人，间接地服务于工业生产。前些日子我看到一句话，很受启发：人不会被AI打败，却很可能会被掌握AI的人打败。讲的就是这种场景。在我看来，从事数据建模、根因分析时，就有这样的场景。  

我谈到这两类应用，其实是强调技术必须明确的功能。这其实是想排除一类场景：既不能代替人、对人类工作的帮助也有限。这就是所谓“说它有用它没用，说它没用它又有点用”。这样的技术，可以引发人的兴趣、可以发 论文，但却很难带来商业价值。这样的工作，有兴趣的人可以研究，对多数商业公司并不合适。  

对从事科技工作的人来说，只思考两次往往得不到最终的答案。我更欣赏犹太人的一种观点：每一次思考，都应该有新的体会。传统的AI是一种技术，现在的AI似乎还是一门科学：从大模型的成功，能够洞悉人类的思维方式。这会带来价值观和方法 论的深刻变化，多思考几次才是正常的。我的这个号写了1000多篇文章，很多问题都是思考了很多次了。