附近的斯坦福购物中心做一个网站，这并没有让它成为一个互联网公司。一个带网站的购物中心和亚马逊完全是两回事。不同之处在于，随着互联网的兴起，我们知道我们可以进行更多的A / B测试，只需要运行更长时间的测试就行了。一个传统的零售商不能，但一个互联网网站可以。而且很多的决策权力推给了工程师，因为在一家互联网公司，很多知识只存在于工程师层面上，而非首席执行官自上而下的决策。只是因为一家公司使用 AI，不会成为 AI 公司。对于如何组织我们的公司真正利用 AI ，我们正处于早期阶段。

　　所以，我认为一个真正的互联网公司必须利用互联网或技术实现的新功能，如A / B测试和数据等等。我认为随着 AI 能力的提升，我们仍然处于搞明白如何重组公司的早期阶段，以便利用新的 AI 功能。

　　举例来说，我认为 AI 公司会需要战略性地进行数据的积累和数据的组织。 AI公司更倾向于拥有集中的数据库。传统的工作描述一般都定义了产品经理做这个，工程师做那个，设计师做这个。但在AI的时代，传统的工作流程也在崩溃，我们开始有新的职位描述。所以，我认为整个生态系统——哪怕是像 Google 和百度这样有前瞻性公司——都还在思考：成为一家人工智能公司，这究竟是什么意思？

　　问：中国的 AI 与美国的竞争状态是什么？

　　李开复：

　　中国已经出现了非常有效的方案，称为千人计划。基本上是为了召回海外华人，照顾他们的收入，家庭，孩子的教育以及他们的研究经费等给予奖励。顶尖的学者正在离开学校进入行业。

　　美国顶尖大学的人才流失是一个问题。我和很多回国的或者还在美国顶尖大学的人聊过，美国学术界最大的抱怨在于报酬低，每个项目申请资金要写太多政府文件，所以很多人宁愿去企业，或者成立自己的公司，像我们一样。而我的母校，整个自动驾驶研究团队都被 Uber 挖走了。

　　所以，我认为美国学术界正处于一个可怕的时期，那些应该留下来做研究的顶尖人物正在被其他国家、其他机会、初创公司、大型公司挖走，而且学校花了这么多钱和资源培养这些人成为伟大的研究人员。我觉得美国顶尖大学的人才流失（brain drain）是一个非常严重的问题。

　　还有一个问题在于数据，学校掌握的数据太少，那怎么做主流的研究呢？怎么可能在人脸识别这一领域打败巨头呢？

　　现在看中国，我认为中国学术界目前很少有超级专家，所以它有不同的问题。 我觉得它没能带进最顶级的人。当然有一些例外，如 Andrew Yao。但中国学术界有不同的问题。 但千人计划带来了一些回报，注入了一些新鲜血液。 另一个有效的方案称为“青年千人计划”，针对的是35岁以下的助理教授级别。 我们已经看到AI 2.0计划的早期版本，我认为这些计划会有一些作用。

　　我认为美国顶尖的学术界人才流失是一个很大的问题，如果你说的是资金会进一步缩减的话，那就会加剧这个问题。

　　吴恩达：

　　我认为美中两国都有不同的优势。两个国家都有惊人的AI团队。

　　美国在基础研究方面有很强的实力，中国的团队动作很快，在中国，将研究推向市场化能力是不可思议的。而我认为，也许只是部分文化差异和人口差异。在中国，国家感觉比较均匀。如果在美国，你可能会得到100个细分市场，但是在中国，可能会得到10个细分市场——当然这些数字是我打个比方。

　　中国的产品从零到数十亿的速度要快得多。但是财富制造得快，流失得也快。而且在中国，如果公司上午做了点什么，那你最好下午就要给点反应，否则人们就要杀了你。所以中国的节奏之快是令人难以置信的。

　　当我在中国领导团队时，不管我想不想，我都会在星期六或星期日召开会议，或者每当我感觉到，每个人都会到场，并没有怨言。如果我在晚上7:00发消息，他们没有在晚上8点回应，我会想出什么事儿了。所以，这只是一个不断的决策节奏。市场有动静，你最好做出反应。这使中国的生态系统以不可思议的节奏创新，并将之市场化。

　　有一次，我在美国，与一个供应商合作。然后他们打电话给我说：“Andrew，我们在硅谷，你必须停止像在中国一样对待我们，仅仅因为我们无法按你预期的速度交付。”这是一个完全真实的对话，所以我认为，这些节奏推动了中国的进一步创新。当然我认为美国的基础研究能力也是惊人的，所以实际上我很喜欢这两个生态系统。

　　特龙：

　　我去过中国五次，有时天很蓝，有时不太蓝。

　　在人才流失方面，我有一个实际上非常积极的看法。有许多学术领域，如历史和艺术研究，没有人才流失。很多学术领域的社会影响很小，但我们很幸运，实际上我们在学术界做了一些实际上对现实生活有影响的事情。Google Brain 让 Google 的搜索更好，促进了图像识别、视频等很多美好业务的发展。我宁愿让他做这个，而不是再写十篇论文。

　　我想我们应该做的是重新思考学术界对行业的关系。我旁边的两位就有令人难以置信的智慧和经验，他们正投身工业界，所以应该有一个更好的方式把他们带回学术界，而不是让他们成为兼职教授。

　　问：那基础科技科学怎么办呢？

　　特龙：

　　基础科学是个有趣的事情。

　　现在这个节点，我自己的钱，无论是税收还是个人投资，我宁愿把它放在一家公司，而不是大学。因为我认为，即使在深度学习中，我也会认为，推动这个领域的也大概是20到30岁年前的。

　　我猜 Yann LeCun 在 30年前的1998年，就针对卷积网络课题做了研究。而真正带来区别的是，Google能够将足够的计算机串联在一起，并获得足够的数据来使这个事情真正发挥作用。

　　我写了一篇论文，因为我有一个这个大的网络、这么小的网络，而现在我们有一台这样的电脑了，突然间，你就能得到这个效果。这一切成为可能，是因为他背后有一家公司，而且有一套商业模式。Google不是靠税收建立起来的。

　　所以我觉得当某个领域达到逃逸速度并且有很大的影响时，让企业蓬勃发展，让他们试一试，这是很好的，因为最后一切都与影响力有关。基础研究只对某一点有影响。但当我们对人的生活造成重大改变时，真正的影响才会浮现。

　　问：我们要找到下一代的技术，比如深度学习或者别的什么技术，你认为企业可以做这种创新吗？如果企业不会的话，那么大学怎么报留住人才以及获得数据来进项下一代的创新呢？

　　特龙：

　　大学实在是太渐进了。所以，我认为深入学习它会自己发展，因为你可以资助一大批公司，这些人都会狂热地通宵工作。

转载请注明出处。