2018 中國(guó)計(jì)算機(jī)大會(huì)（CNCC2018）于 10 月 25-27 日在杭州國(guó)際博覽中心舉辦。今年的大會(huì)主題是「大數(shù)據(jù)推動(dòng)數(shù)字經(jīng)濟(jì)（Big Data Drives the Digital Economy）」。

會(huì)議邀請(qǐng)到近 400 位國(guó)內(nèi)外計(jì)算機(jī)領(lǐng)域知名專家、企業(yè)家到會(huì)演講，當(dāng)中就包括 CCF 名譽(yù)理事長(zhǎng)、CCF 會(huì)士、中國(guó)工程院院士李國(guó)杰，他的報(bào)告題目是《發(fā)展數(shù)字經(jīng)濟(jì)值得深思的幾個(gè)問(wèn)題》，在此次報(bào)告中，他提出如下觀點(diǎn)：

? 發(fā)展數(shù)字經(jīng)濟(jì)要排除「極左」和「極右」的干擾

? 大數(shù)據(jù)的影響難以被統(tǒng)計(jì)

? 創(chuàng)新驅(qū)動(dòng)=全要素生產(chǎn)率驅(qū)動(dòng)

? 要用歷史眼光判斷技術(shù)的作用

? 數(shù)字化轉(zhuǎn)型的方向

以下是AI 科技評(píng)論編輯整理并經(jīng)李國(guó)杰院士修改的演講內(nèi)容。

我早已不在第一線做研究開(kāi)發(fā)，剛剛聽(tīng) Robert E.Kahn 演講，他年紀(jì)這么大了還在做研究，真的讓我非常佩服，我現(xiàn)在只能當(dāng)個(gè)大數(shù)據(jù)和人工智能的粉絲，起啦啦隊(duì)員的作用。下面講的技術(shù)都比較宏觀。我不是經(jīng)濟(jì)學(xué)家，下一位講者是北大經(jīng)濟(jì)系的孫祁祥教授，是真正的經(jīng)濟(jì)學(xué)家。所以接下來(lái)涉及一些跟經(jīng)濟(jì)相關(guān)的內(nèi)容時(shí)，我會(huì)講得稍快，或者干脆跳過(guò)去，以免在經(jīng)濟(jì)學(xué)家面前班門(mén)弄斧。

發(fā)展數(shù)字經(jīng)濟(jì)要排除「極左」和「極右」的干擾

這次演講我強(qiáng)調(diào)的一個(gè)中心思想是，發(fā)展數(shù)字經(jīng)濟(jì)得排除左右兩方面的干擾。極右的干擾是對(duì)大數(shù)據(jù)、人工智能等新一代技術(shù)的無(wú)視、墨守成規(guī)，導(dǎo)致錯(cuò)失發(fā)展機(jī)遇；極左的干擾是不顧國(guó)情，盲目冒進(jìn)，對(duì)新技術(shù)抱有不切實(shí)際的幻想。

現(xiàn)在大數(shù)據(jù)和人工智能已經(jīng)被列為國(guó)家戰(zhàn)略，我們要滿腔熱情地?fù)肀?qū)動(dòng)數(shù)字經(jīng)濟(jì)的新技術(shù)，但是不要只做表面文章，而應(yīng)扎扎實(shí)實(shí)地把大數(shù)據(jù)和人工智能融入實(shí)體經(jīng)濟(jì)，為經(jīng)濟(jì)發(fā)展注入新動(dòng)能。

我今天的演講題目是《發(fā)展數(shù)字經(jīng)濟(jì)值得深思的幾個(gè)問(wèn)題》，我只是提出問(wèn)題，沒(méi)有給出答案，希望與大家共同研討。

2017 年我國(guó)電子信息產(chǎn)業(yè)的收入達(dá)到 18 萬(wàn)億元，大數(shù)據(jù)相關(guān)產(chǎn)業(yè)收入只有 4700 億元（國(guó)家大數(shù)據(jù)發(fā)展規(guī)劃要求 2020 年大數(shù)據(jù)相關(guān)收入達(dá)到一萬(wàn)億元）。去年一年，我國(guó)大數(shù)據(jù)核心產(chǎn)業(yè)的收入是 234 億元（我國(guó)人工智能產(chǎn)業(yè)的收入大概在 200 億元左右）。

大數(shù)據(jù)核心產(chǎn)業(yè)只有 230 億元是什么概念？中國(guó)護(hù)膚面膜產(chǎn)業(yè)的年收入是 236 億，說(shuō)明大數(shù)據(jù)核心產(chǎn)業(yè)和人工智能目前只相當(dāng)于面膜產(chǎn)業(yè)的規(guī)模。大數(shù)據(jù)核心產(chǎn)業(yè)收入只占電子信息產(chǎn)業(yè)總收入的千分之一左右，如此弱小的大數(shù)據(jù)核心產(chǎn)業(yè)如何能成為推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的新動(dòng)力，重塑國(guó)家競(jìng)爭(zhēng)優(yōu)勢(shì)的新機(jī)遇？

我的理解是，高質(zhì)量發(fā)展的必經(jīng)之路是從資源要素驅(qū)動(dòng)轉(zhuǎn)變?yōu)閯?chuàng)新要素驅(qū)動(dòng)。數(shù)據(jù)技術(shù)的本質(zhì)是「認(rèn)知」技術(shù)和「決策」技術(shù)。它的威力在于加深對(duì)客觀世界的理解，產(chǎn)生新知識(shí)，發(fā)現(xiàn)新規(guī)律。大數(shù)據(jù)是數(shù)字經(jīng)濟(jì)關(guān)鍵的生產(chǎn)要素，它的作用是使各類經(jīng)濟(jì)活動(dòng)朝著更加高效率、更高質(zhì)量、更具備可持續(xù)性、更智能化的方向發(fā)展。

大數(shù)據(jù)的影響難以被統(tǒng)計(jì)

大數(shù)據(jù)的影響難以被統(tǒng)計(jì)，這是因?yàn)閿?shù)字經(jīng)濟(jì)的統(tǒng)計(jì)中包含了許多傳統(tǒng)產(chǎn)業(yè)的貢獻(xiàn)，我們經(jīng)常講融合型數(shù)字經(jīng)濟(jì)的占比，這點(diǎn)一直讓我感到困惑，數(shù)字經(jīng)濟(jì)的增量究竟在哪里？20 世紀(jì) 80 年代，經(jīng)濟(jì)學(xué)家索羅提出一個(gè)悖論：到處都看得見(jiàn)計(jì)算機(jī)，就是在生產(chǎn)率統(tǒng)計(jì)上看不到。今天可能有一個(gè)相反的數(shù)字化悖論：在統(tǒng)計(jì)上?？吹綌?shù)字化的巨大作用，但在生產(chǎn)活動(dòng)中還不易發(fā)現(xiàn)數(shù)字化的價(jià)值。實(shí)際上，大數(shù)據(jù)的作用不僅體現(xiàn)在經(jīng)濟(jì)增長(zhǎng)上，更多體現(xiàn)在生產(chǎn)方式、生活方式、科研模式、政府管理模式的改變和福利改進(jìn)，特別是人們思想觀念和認(rèn)知方式的改變上。別太在意數(shù)字經(jīng)濟(jì)規(guī)模的統(tǒng)計(jì)數(shù)字。

? 現(xiàn)有使用的統(tǒng)計(jì)標(biāo)準(zhǔn)不適合數(shù)字經(jīng)濟(jì)，因?yàn)閿?shù)字經(jīng)濟(jì)中有許多免費(fèi)的應(yīng)用沒(méi)有計(jì)入 GDP（伊甸園的 GDP 是 0）。數(shù)字經(jīng)濟(jì)帶來(lái)產(chǎn)品質(zhì)量的巨大改進(jìn)、產(chǎn)品種類的極大豐富、用戶體驗(yàn)的明顯改善，都無(wú)法在 GDP 中反映。

? 不同的機(jī)構(gòu)統(tǒng)計(jì)的口徑不一致，測(cè)算的數(shù)字經(jīng)濟(jì)規(guī)模有幾倍之差。根據(jù)聯(lián)合國(guó) 2015 年的統(tǒng)計(jì)，全球數(shù)字經(jīng)濟(jì)規(guī)模只有 2.5 萬(wàn)億美元，比中國(guó)信通院公布的中國(guó)數(shù)字經(jīng)濟(jì)規(guī)模還小。

我們需要關(guān)注的不是在原來(lái)的經(jīng)濟(jì)大餅中劃出多大一塊算成數(shù)字經(jīng)濟(jì)，而是要關(guān)注大數(shù)據(jù)和人工智能究竟為經(jīng)濟(jì)發(fā)展貢獻(xiàn)了多少新的增量，提供了多少原來(lái)沒(méi)有的新產(chǎn)品和新服務(wù)，經(jīng)濟(jì)效率和用戶體驗(yàn)提高了多少。

有些咨詢公司提出一些新的統(tǒng)計(jì)模式，如麥肯錫提出 iGDP，波士頓咨詢提出 eGDP 等，試圖更好地體現(xiàn)數(shù)字經(jīng)濟(jì)的影響。

數(shù)字化的價(jià)值更多體現(xiàn)在無(wú)形資產(chǎn)上，1975 年標(biāo)普 500 公司無(wú)形資產(chǎn)只有幾千億美元，占總資產(chǎn)的 17%，2018 年無(wú)形資產(chǎn)達(dá)到 2 萬(wàn)億美元，占總資產(chǎn)的 83%。蘋(píng)果、亞馬遜等全球市值最高的幾家公司都是數(shù)字公司。有人認(rèn)為不要看重市值，因?yàn)檫@只是投資人的估值，但我覺(jué)得市值是購(gòu)買一個(gè)公司的價(jià)格，市值與公司收入（利潤(rùn)）的關(guān)系如同母雞與它下的蛋的關(guān)系。數(shù)字經(jīng)濟(jì)的代表性企業(yè)市值最高，超過(guò)所有的傳統(tǒng)企業(yè)，這說(shuō)明數(shù)字經(jīng)濟(jì)代表著未來(lái)經(jīng)濟(jì)的發(fā)展方向，無(wú)形資產(chǎn)將會(huì)變成真金白銀。

大數(shù)據(jù)與人工智能就像一對(duì)雙胞胎，我將它們合稱為數(shù)據(jù)智能，其巨大作用本質(zhì)上是整個(gè)信息技術(shù)的作用。信息技術(shù)醞釀了幾十年，現(xiàn)在是見(jiàn)效的時(shí)候了。

上面這張圖顯示，電氣化時(shí)代和信息化時(shí)代生產(chǎn)率的增長(zhǎng)曲線相當(dāng)吻合。前期有段時(shí)間較慢，過(guò)了一段時(shí)間后就變快了。21 世紀(jì)是提高信息技術(shù)生產(chǎn)率的黃金時(shí)期。數(shù)據(jù)智能技術(shù)的興起得益于計(jì)算能力的提升，存儲(chǔ)成本的降低和網(wǎng)絡(luò)通信技術(shù)的普及。

從某種意義上講，大數(shù)據(jù)的勝利就是計(jì)算技術(shù)、特別是摩爾定律的勝利。數(shù)據(jù)智能目前還是使能（enable）技術(shù)，它不是像電力一樣的通用技術(shù)，從使能技術(shù)到通用技術(shù)需要一個(gè)大規(guī)模普及的發(fā)展過(guò)程。

創(chuàng)新驅(qū)動(dòng)=全要素生產(chǎn)率驅(qū)動(dòng)

談大數(shù)據(jù)的作用不能光看量和增長(zhǎng)，還要關(guān)注質(zhì)的變化。我們更多要從全要素生產(chǎn)率（FTP）的角度來(lái)理解大數(shù)據(jù)和人工智能。

創(chuàng)新驅(qū)動(dòng)就是全要素生產(chǎn)率驅(qū)動(dòng)。與蒸汽機(jī)創(chuàng)造了鐵路產(chǎn)業(yè)、內(nèi)燃機(jī)創(chuàng)造了汽車產(chǎn)業(yè)、發(fā)電機(jī)創(chuàng)造了電力產(chǎn)業(yè)不同，大數(shù)據(jù)與人工智能并沒(méi)有在現(xiàn)有的支柱產(chǎn)業(yè)之外，創(chuàng)立出新的支柱產(chǎn)業(yè)。換句話說(shuō)，大數(shù)據(jù)與人工智能本質(zhì)上是提高效率、改善配置的優(yōu)化技術(shù)，理解大數(shù)據(jù)和人工智能對(duì)經(jīng)濟(jì)發(fā)展的巨大推動(dòng)作用，要從提高生產(chǎn)率上找原因。

隨著進(jìn)入新時(shí)期，我國(guó)人口紅利消失，資本回報(bào)也在下降，轉(zhuǎn)向創(chuàng)新驅(qū)動(dòng)就是轉(zhuǎn)向全要素生產(chǎn)率驅(qū)動(dòng)。

上面這張圖顯示，只有日本在 1900-1929 年 TFP 的貢獻(xiàn)在 50% 以下。我國(guó)大多數(shù)年份的 TFP 貢獻(xiàn)率都在 30% 以下，1995-2005 年維持在 30% 左右，2006-2013 年降到 21%。

2014 年，我國(guó) TFP 只相當(dāng)于美國(guó) 43% 的水平。中國(guó) TFP 年均增速必須達(dá)到 2.7%（美國(guó) 1%），才能在 2035 年超過(guò)美國(guó) TFP 60% 的水平。請(qǐng)大家注意， 2008 年以后，我國(guó)的 TFP 沒(méi)有上升，反而下降，每年增長(zhǎng)不到 2%。 2013 年開(kāi)始有點(diǎn)回升，但是對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率也只在 20% 左右。我們講大數(shù)據(jù)、人工智能，但目前這些技術(shù)并不能明顯促進(jìn) TFP 的提高。

國(guó)家信息中心的學(xué)者對(duì)我國(guó) TFP 做了分解，我很佩服他們，竟然能將相關(guān)性這么強(qiáng)的東西區(qū)分開(kāi)來(lái)。全要素生產(chǎn)率 TFP 科技分解為技術(shù)進(jìn)步、技術(shù)效率、規(guī)模效率和配置效率的乘積。也就是說(shuō)，TFP 的增長(zhǎng)率等于技術(shù)進(jìn)步、技術(shù)效率、規(guī)模效率和配置效率的增長(zhǎng)率之和。

分解出的結(jié)果表明，對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)最大的是規(guī)模效率，配置效率其次，技術(shù)進(jìn)步排在第三位，它的貢獻(xiàn)在下降，貢獻(xiàn)最小的是技術(shù)效率。

在過(guò)去，工業(yè)經(jīng)濟(jì)追求的是規(guī)模經(jīng)濟(jì)，強(qiáng)調(diào)分工、專業(yè)化、單個(gè)品種的規(guī)?！，F(xiàn)在的新經(jīng)濟(jì)追求的是范圍經(jīng)濟(jì)，強(qiáng)調(diào)品種的多樣化和個(gè)性化。然而個(gè)性化和通用性是矛盾的，這就是我常講的「昆蟲(chóng)綱悖論」。以后的物聯(lián)網(wǎng)、人工智能應(yīng)用可能像昆蟲(chóng)一樣，有很多品種，你想把這些應(yīng)用規(guī)?；a(chǎn)，就會(huì)產(chǎn)生矛盾。只能靠大數(shù)據(jù)和智能技術(shù)解決這一矛盾。

強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)要關(guān)注提高技術(shù)效率。技術(shù)效率是指在給定的投入下獲得最大產(chǎn)出的能力，要在提高技術(shù)效率上下功夫。2001-2013 年中國(guó)技術(shù)效率的年均變化率是負(fù) 0.02%，2008-2013 年期間，中國(guó)大數(shù)據(jù)企業(yè)的技術(shù)效率平均變化率為負(fù) 5.9%。技術(shù)效率低是我國(guó)的明顯短板。

美國(guó)德克薩斯大學(xué)對(duì)多個(gè)行業(yè)和大型企業(yè)的數(shù)據(jù)利用率、人均產(chǎn)出率進(jìn)行了廣泛研究，結(jié)果顯示，數(shù)據(jù)利用率提高 10%，財(cái)富 100 強(qiáng)企業(yè)人均產(chǎn)出就會(huì)提高 14.4%。一個(gè)城市、一個(gè)地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展得好不好，不是看添置了多少設(shè)備，采集了多少數(shù)據(jù)，主要是看投入產(chǎn)出的效率提高沒(méi)有。

目前大數(shù)據(jù)分析的能效非常低。高性能計(jì)算已經(jīng)到 G 級(jí)了（即每焦耳完成 10 億次操作，GOPJ），而大數(shù)據(jù)操作，采用 Hadoop、Spark，只能做到每焦耳完成千次操作，能效與高性能計(jì)算相差 4-5 個(gè)數(shù)量級(jí)，更不要說(shuō)與已經(jīng)實(shí)現(xiàn) TOPJ（即每焦耳萬(wàn)億次操作）的寒武紀(jì)芯片相比了。

用歷史眼光判斷技術(shù)的作用

近兩年，人工智能火爆，許多人認(rèn)為信息時(shí)代已經(jīng)過(guò)去了，大數(shù)據(jù)的熱潮也已經(jīng)過(guò)去了，現(xiàn)在已進(jìn)入人工智能新時(shí)代。究竟現(xiàn)在處在什么時(shí)代，需要有歷史的眼光。作為一種基礎(chǔ)的科學(xué)范式，數(shù)據(jù)科技的影響可能要比人工智能更持久，但是人工智能技術(shù)更具有顛覆性。

信息時(shí)代與工業(yè)時(shí)代一樣，會(huì)延續(xù)較長(zhǎng)時(shí)間。人工智能的復(fù)興標(biāo)志著信息時(shí)代進(jìn)入智能化新階段。現(xiàn)階段的人工智能本質(zhì)上是一種計(jì)算技術(shù)。信息時(shí)代將走過(guò)數(shù)字化、網(wǎng)絡(luò)化、智能化等幾個(gè)階段。說(shuō)現(xiàn)在已告別信息時(shí)代，進(jìn)入了智能時(shí)代，有點(diǎn)牽強(qiáng)。

我們絕不能低估大數(shù)據(jù)和人工智能的戰(zhàn)略作用，但也不能對(duì)人工智能、大數(shù)據(jù)抱有過(guò)高的、不切實(shí)際的期望。我國(guó)各地開(kāi)了很多人工智能大會(huì)，已經(jīng)起到了很好的造勢(shì)作用，接下來(lái)就要強(qiáng)調(diào)落地生根，務(wù)實(shí)務(wù)實(shí)再務(wù)實(shí)。

目前人工智能有點(diǎn)「圍城」的味道，城里的人想出來(lái)，城外的人想進(jìn)去。真正做人工智能研究的專家一般講話較謹(jǐn)慎，不講過(guò)頭話，吹噓人工智能萬(wàn)能或散布人工智能威脅論的大多不是真正做人工智能研究的專家。

有學(xué)者統(tǒng)計(jì)，1956 - 2018 年，人工智能領(lǐng)域共發(fā)表 29 萬(wàn)多篇研究文獻(xiàn)，包括 8635 篇神經(jīng)網(wǎng)絡(luò)方面的文章，5023 篇機(jī)器學(xué)習(xí)方面的文章，6254 篇模式識(shí)別方面的文章。這些論文的爆發(fā)期集中在上世紀(jì)。

深度學(xué)習(xí)的發(fā)明者 Hinton 最近指出，「我的觀點(diǎn)是把反向傳播全部丟下，重啟爐灶?！?/p>

美國(guó)三院院士喬丹教授認(rèn)為，在未來(lái)三十年內(nèi)，人工智能實(shí)現(xiàn)不了創(chuàng)造性和變通的靈活性。目前人工智能技術(shù)還不夠強(qiáng)大，遠(yuǎn)沒(méi)有成為一個(gè)理論全備的學(xué)科，人們對(duì) AI 的期待太高了，我們還沒(méi)有步入可以利用我們對(duì)腦的認(rèn)識(shí)來(lái)指導(dǎo)搭建智能系統(tǒng)的時(shí)代。

今年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主威廉·諾德豪斯（索羅的弟子）2015 年曾發(fā)表一篇名為《我們正在接近經(jīng)濟(jì)奇點(diǎn)嗎？》的論文，論文指出：大部分的經(jīng)濟(jì)指標(biāo)都不支持「奇點(diǎn)即將來(lái)臨」的判斷。

有些經(jīng)濟(jì)學(xué)家認(rèn)為，經(jīng)濟(jì)發(fā)展存在 50-60 年的長(zhǎng)波周期，大數(shù)據(jù)和人工智能可能引發(fā)信息時(shí)代新的經(jīng)濟(jì)長(zhǎng)波。第四波的重要推動(dòng)力是電子計(jì)算機(jī)，第五波的重要推動(dòng)力是互聯(lián)網(wǎng)、移動(dòng)通信、軟件?，F(xiàn)在我們處于第五波的衰退期，不是高速發(fā)展期，如果在這個(gè)時(shí)期有新發(fā)明爆發(fā)，可能在 2030 年左右又會(huì)出現(xiàn)一個(gè)新的波，第六波的主導(dǎo)技術(shù)可能是人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)，還包括生命科學(xué)等新技術(shù)。

本世紀(jì)初，美國(guó)工程院請(qǐng)?jiān)菏客镀?，表決過(guò)去一百年哪些技術(shù)深刻影響了 20 世紀(jì)。排在最前面的是電力、汽車、飛機(jī)、自來(lái)水等，計(jì)算機(jī)雖然已有半個(gè)多世紀(jì)的歷史，卻排在第八。一項(xiàng)技術(shù)對(duì)世界的影響力要一百年后才能看出來(lái)。幾千年來(lái)，對(duì)人類生活影響最大的技術(shù)是油燈，因?yàn)闆](méi)有它晚上就是黑暗的。

20 世紀(jì)初沒(méi)有人想到互聯(lián)網(wǎng)和手機(jī)會(huì)如此普及。人類未知的領(lǐng)域遠(yuǎn)遠(yuǎn)大于已知領(lǐng)域，21 世紀(jì)末流行什么現(xiàn)在同樣很難判斷。大數(shù)據(jù)和人工智能會(huì)不會(huì)是 21 世紀(jì)最偉大的技術(shù)現(xiàn)在下不了結(jié)論。未來(lái) 100 年生物科技、健康技術(shù)、新能源和新材料的影響也許不亞于人工智能。

數(shù)字轉(zhuǎn)型轉(zhuǎn)什么

「數(shù)字化」在英文中有兩個(gè)名詞，一個(gè)是 Digitazation，另一個(gè)是 Digitalization。Digitazation 是指信息的數(shù)字化，Digitalization 指改變商業(yè)模式的業(yè)務(wù)流程數(shù)字化?，F(xiàn)在追求的數(shù)字化轉(zhuǎn)型是生產(chǎn)模式、運(yùn)行模式、決策模式全方位的轉(zhuǎn)型。摩拜單車就是數(shù)字化轉(zhuǎn)型的典型案例，通過(guò)采用 GPS 定位和 4G 通信技術(shù)改造了傳統(tǒng)自行車產(chǎn)業(yè)。

目前我國(guó)的服務(wù)業(yè)占比是 50%，與我國(guó)人均 GDP 相近國(guó)家的服務(wù)業(yè)占比已到 60%。我國(guó)服務(wù)業(yè)比重仍然偏低。

數(shù)字化轉(zhuǎn)型的第一個(gè)目標(biāo)是改變產(chǎn)業(yè)分布，大力發(fā)展生產(chǎn)性服務(wù)業(yè)。我們國(guó)家生產(chǎn)性服務(wù)業(yè)占比遠(yuǎn)遠(yuǎn)低于美國(guó)和韓國(guó)。大數(shù)據(jù)和人工智能的貢獻(xiàn)在產(chǎn)業(yè)分布中不能直接看到，其作用必須融合在其他的產(chǎn)業(yè)發(fā)展中。

第二個(gè)目標(biāo)是由傳統(tǒng)企業(yè)轉(zhuǎn)向數(shù)字化企業(yè)。我國(guó)的高檔數(shù)控系統(tǒng)、數(shù)字化工具測(cè)量?jī)x器和國(guó)外相差 20 年，現(xiàn)在有應(yīng)用場(chǎng)景的地方?jīng)]有智能產(chǎn)品，有智能產(chǎn)品的地方又沒(méi)有應(yīng)用場(chǎng)景，這兩處存在鴻溝。

第三個(gè)目標(biāo)是要大力發(fā)展科技型中小企業(yè)。大企業(yè)是中小企業(yè)技術(shù)創(chuàng)新和成果轉(zhuǎn)化的市場(chǎng)，如果大企業(yè)搞大而全，什么都要自主開(kāi)發(fā)，什么都要講自主知識(shí)產(chǎn)權(quán)，那么就封閉了創(chuàng)新鏈條。德國(guó)將強(qiáng)大的中小企業(yè)群稱為「隱形冠軍企業(yè)」。德國(guó)和日本很多公司幾十年只做一個(gè)產(chǎn)品，做到世界聞名，效益非常好。我國(guó)要鼓勵(lì)科技型中小企業(yè)向高精尖發(fā)展，每一個(gè)行業(yè)都應(yīng)當(dāng)有既懂?dāng)?shù)字化技術(shù)又熟悉行業(yè)業(yè)務(wù)的小企業(yè)。政府主導(dǎo)較適于追趕，不適應(yīng)創(chuàng)新驅(qū)動(dòng)發(fā)展。創(chuàng)新基于市場(chǎng)導(dǎo)向，由企業(yè)家精神鑄就，創(chuàng)新驅(qū)動(dòng)應(yīng)以競(jìng)爭(zhēng)政策為主。

發(fā)展數(shù)字經(jīng)濟(jì)要改變「頭重腳輕」的局面

在全球上市企業(yè) 2000 強(qiáng)名單中，美國(guó)有 14 家芯片公司與 14 家軟件公司，中國(guó)尚沒(méi)有一家。我國(guó)人工智能基礎(chǔ)層、技術(shù)層和應(yīng)用層的人才數(shù)量占比分別為 3.3%、34.9% 和 61.8%，而美國(guó)分別為 22.7%、37.4%、39.4%，我們的基礎(chǔ)人才比例嚴(yán)重偏低，頭重腳輕、根基不牢。

在摩爾定律臨近極限之際，大數(shù)據(jù)和 AI 計(jì)算卻出現(xiàn)了指數(shù)級(jí)增長(zhǎng)，計(jì)算機(jī)系統(tǒng)架構(gòu)成為關(guān)鍵的推動(dòng)因素。目前只有不足 1% 的云服務(wù)器為 AI 加速服務(wù)。要想讓 AI 變得無(wú)處不在，吞吐量需要提高 100 倍以上。

下面說(shuō)幾項(xiàng)我比較熟悉的大數(shù)據(jù)與人工智能基礎(chǔ)層的技術(shù)突破。

? 寒武紀(jì) MLU100 的峰值已經(jīng)達(dá)到 166 TOPS 。他們不光做出了智能芯片，在理論基礎(chǔ)上同樣有突破，從以前的復(fù)雜指令系統(tǒng)（CISC）、精簡(jiǎn)指令系統(tǒng)（RISC）到現(xiàn)在的函數(shù)指令系統(tǒng)（FISC）。

? 海光 1 號(hào)高性能通用處理器總體上已達(dá)到服務(wù)器 CPU 的國(guó)際最先進(jìn)水平，適配國(guó)產(chǎn)固件和操作系統(tǒng)，已在近百個(gè)用戶的數(shù)據(jù)中心現(xiàn)場(chǎng)成功進(jìn)行了國(guó)產(chǎn)化替代試驗(yàn)。

? 睿芯高通量處理器由我牽頭，是 973 項(xiàng)目的科研成果，提出了時(shí)敏數(shù)據(jù)流體系結(jié)構(gòu)，滿足高通量計(jì)算場(chǎng)景所需的高并發(fā)、強(qiáng)實(shí)時(shí)需求。

? 中科院計(jì)算所研制的低熵云計(jì)算系統(tǒng)在服務(wù)器里加了標(biāo)簽后，對(duì)于 99% 的用戶而言，延遲縮短了 30 倍，解決了云計(jì)算中用戶體驗(yàn)與系統(tǒng)效率的矛盾。