李开复：2030年AI将增创100万亿，相当于一个中国加印度

2020年，我们继续同行，人工智能学习之路不寂寞！

本文由「AI前线」原创（ID：ai-front），原文链接：李开复：AI和互联网同样伟大，未来AI是工程师必备技能

报道整理｜Debra

AI 前线导读：导读：4 月 8 日，创新工场 DeeCamp 2019 正式开启。从 2017 年首次发起到今年，这个由创新工场牵头的免费公益性 AI 人才培养计划已经举行了三届，今年，有了周志华、张潼加盟科学总顾问，这个录取率号称比哈佛还严格的夏令营又新添了不少亮点。创新工场董事长兼 CEO、人工智能工程院院长李开复在活动中引用普华永道去年的数据表示，到 2030 年 AI 将为全球增创 100 万亿元人民币 GDP，这相当于一个中国加印度。未来，AI 会历经四波变革，逐渐渗透到所有领域。

更多干货内容请关注微信公众号“AI 前线”（ID：ai-front）

据了解，DeeCamp 是一个免费公益性质的 AI 人才培养平台，夏令营基金由创新工场及其合作伙伴提供，录取率小于 5%，要求比哈佛大学还严格，比如 2017 年首届夏令营，1000 多报名中只录取了 36 人，录取率仅有 4%。

今年，DeeCamp 为期 38 天，在短短 5 周内，AI 人才实现蜕变可能吗？李开复表示，他们有一个魔术公式，对于一个顶级的计算机系学生，而且懂一点 AI，在五周时间内完成蜕变其实是足够的。

周志华、张潼加盟 DeeCamp 科学总顾问

相比往届，2019 年 DeeCamp 的亮点包括：

1. 个目标：用 AI 解决真实世界问题

近年来，华人在 AI 领域取得巨大学术进展，论文水平有超越美国的趋势。2019 年 3 月 13 日，艾伦人工智能研究所 (Allen Institute for Artificial Intelligence) 发布报告指出，“中国在已发表 AI 论文领域的表现已超过美国”，中国有望分别于今年在引用率前 50％的 AI 论文领域、明年在引用率前 10％的 AI 论文领域，以及 2025 年在引用率前 1％的 AI 论文领域全面超过美国。

李开复认为，基础研究固然重要，但是使用好目前已有的 AI 技术，就已经能够对当下社会创造出巨大价值。未来，核心科技的突破仍依赖于学术界的努力，但工业界同样可以大力推动 AI 技术与行业知识的结合，创造 AI 技术在商业落地方面的巨大机会。

李开复表示，今天 AI 已经进入商业应用时代，偏重科研发现的“AI 黑科技”已不再是 AI 创业的主旋律，“AI 赋能行业”的应用模式在未来将迎来高速成长。但目前中国“AI 赋能行业”的研发与应用场景面临严峻的人才瓶颈，大批从校园和研究机构走出来的 AI 研发者急需在行业实际场景中历练、升级。所以，今年的 DeeCamp 人工智能训练营会更加偏重学员的实践能力培养，希望通过 5 周的集中培训，能够将大学生培养成能“用 AI 解决真实世界问题”的应用型 AI 工程师。

2. 两位重量级科学总顾问加盟：周志华、张潼

DeeCamp 首创学术 + 产业“双导师”制度，引入学术大咖和产业大牛组成堪称“奢华”的导师团队，值得特别一提的是，今年 DeeCamp 还引入周志华、张潼两位重量级科学总顾问兼学术导师，还有何晓飞、孙剑、俞勇等 AI 产学跨界大咖。

训练营导师团看起来很豪华：

周志华被称为国际 AI 相关重要学会“大满贯” Fellow 华人第一人，目前担任南京大学人工智能学院院长；张潼是机器学习领域的世界级专家，目前任教于香港科技大学计算机系和数学系。何晓飞是机器学习领域世界顶尖级学者，飞步科技创始人兼 CEO，浙江大学教授、博导。孙剑是旷视科技首席科学家、研究院院长，西安交通大学人工智能学院院长。俞勇是上海交通大学计算机系特聘教授、博士生导师、伯禹人工智能学院创始人，其 2002 年创办的上海交大 ACM 班，被称为“中国 CTO 摇篮”。

3. 级课程体系：知识课 + 产业课 + 实践课

可以看到，这个培训计划对于学生的动手能力还是很重视的，单实践课程就占有 4 周时间，贴近产业一线需求。创新工场人工智能工程院执行院长王咏刚表示，DeeCamp 的项目其实学生的参与度非常高，结业时完成的课程几乎全部为学生自己的成果，学生自行商议项目进度，导师只是从更高层次帮助学生梳理项目并提供建议、解决数据等问题，十分锻炼学生的思考动手能力。

4. 个城市同时开课，计划招生 600 人

2019 年，DeeCamp 将在北京、南京、上海、广州四个城市同时开展，共计录取 600 名学员。

此外，DeeCamp 2019 将聚焦 5 个具有代表性的 AI 研究与应用方向，包括机器学习、自然语言处理、计算机视觉、机器人与自动化和自动驾驶，6 大代表领域的真实世界场景包括金融、零售、医疗健康、教育、工艺和移动化联网。

在对学员个人发展追踪的过程中，创新工场了解到前两届毕业的学员目前分布在创新工场、微软亚洲研究院、旷视科技、商汤科技、BAT、地平线、大疆、中科院计算所、创新奇智等优企业中实习或就业。

李开复：2030 年 AI 将增创 100 万亿 GDP，相当于创造一个中国加印度

AI 会逐渐渗透到所有领域

李开复引用普华永道去年的数据表示，到 2030 年 AI 将为全球增创 100 亿元人民币 GDP，这相当于一个中国加印度。未来，AI 将逐渐渗透到所有领域，但这是一个渐进的过程。2014 年开始人工智能的第二波变革：商业界智能化，涵盖银行、保险、证券、教育、政务、物流、后台、供应链和医疗领域；2016 年开始第三波 AI 变革：实体世界智能化，涵盖安防、零售、能源、智能家居、AI+ 物联网和智慧城市；2018 年开始第四波变革：全自动智能化，涵盖智能仓储、智能制造、智能农业、智能建筑、无人驾驶、机器人领域。

AI 技术将和互联网一样普及

AI 技术的普及化和互联网一样，都将走过从少数精英“发明期”进入遍地开花的“应用期”，可以发现这条新的路线涉及的领域都是有关场景、落地，所以说 AI 本身可以说是一个 ToB 产业，它的价值在于赋能企业，创造的价值覆盖整个行业。

到 2020 年，AI+ 传统公司将成为主流，传统公司可能会需要专门设立 CAO（Chief AI Officer）这一职位，来规划企业的 AI 应用。最后，早期做 AI 的传统公司不但会生存下去，还会在分散领域成为龙头老大。

2025 年，AI 将变得无所不在，AI 和互联网一样走过同样的道路，AI 和互联网是两个同样伟大的技术。我们看到，AI 将从一种黑科技慢慢进入主流，AI 工程师也将不再稀缺，所有的工程师都会具备一定的 AI 技能。

面临问题：人才缺口、人才结构不平衡

根据腾讯研究院的全球人工智能人才白皮书显示，2017 年，全球 ML 人才需求是 2015 年的 35 倍。而高盛《全球人工智能产业分布报告》显示：2017 年全球 AI 人才储备，中国只有 5% 左右。而在已有的 AI 人才里，学术人才和产品研发人才比例严重倒挂，懂技术又懂商业化逻辑的人才，更是少之又少。

李开复表示，在和很多企业接触时发现，现在还是有很多企业找不到足够的 AI 工程师，无数公司都需要 AI 工程师。从国家的角度，当 AI 走到下一个阶段，我们应该如何去考虑 AI+ 的需求？当 AI 公司的需求都满足不了的时候，传统企业的 AI 人才从哪里来？为了解决这一问题，创新工场启动 DeeCamp 人工智能训练营，AI 人才培养的目标是一年为产业输出 1000 个 AI 人才，这里不只是想培训几十万个工程师，这些从尖子里面挑出的尖子，他们未来会是 CTO 、CEO，或者是资深的工程师，产生巨大的价值。

张潼近况

在媒体交流环节，AI 前线与前段时间从腾讯 AI 实验室离职并加入港科大的张潼进行交流，了解了他的近况。

担任港科大和创新工场人工智能联合实验室主任，您对实验室未来的发展有哪些短期和长期的具体规划？近期实验室在研发什么项目？进展如何？

张潼： 首先说角色问题，这是个人的选择，有些人完全是在学术界，包括俞老师，我经常去访问俞老师，俞老师在教学上做得非常好，包括 ACM，能够培养出很多学生。我另外一块是做科研。我之前也说过人工智能和产业结合非常紧，很多比较新的成果是从产业界出来，或多或少都要保持关系。我个人对研究非常感兴趣，我后面还会持续地做科研，这也是我为什么想要到学校的原因。

关于实验室，现在科研已经开始进行，一方面在招一些学生，陆续会有结果出来。我有几个研究方向一直在推进。另外一方面，实验室也会和创新工场，包括工程院有深度合作的计划，到合适的时间会进一步透露， 这块更偏更产业相结合，两块都在往前推进。

您从腾讯 AI 实验室离开到港科大，还同时与创新工场合作，可以说学术、产业两不误，您自己也承担着多重角色，在您看来，应该怎么平衡这些不同角色之间的职责？

张潼： 除了学术，我对它的实用性非常感兴趣，目前也在做一些东西，希望它是在真实的场景中应用，或者能够有效地解决很多新的问题。我挺热衷于和工业界合作，创新工场是一个很好的平台，它能够覆盖到全行业，让人看到更多的问题，我们后面会陆续也有其他的步骤，更深入地和一些行业做讨论，最后确定一些比较好的项目，这些项目可能是和创新工场内部的合作，包括在实验室里把这些项目做好。

在科研上，我现在关心的有几个问题，一方面是跟机器学习有关的，包括可解释性、适应性、在不同场景上的迁移等，这些是比较比较重要的问题，还有跟强化学习有关的，这些更偏科研一些。总体来讲，我的兴趣有两方面，一方面是在科研上，这些点企业也很关心，另外是看一些产业界具体的场景，能够和创新工场合作，真正把它应用起来。

您之前在百度、腾讯有过非常好的带领 AI 团队的经验，今天又把角色转化成一个科研和教学的角色，比如有个学生想大香港科技大学读书，你会为这个学生设计什么样的成长路线，是偏科研型，还是工程型？（创新工场人工智能工程院执行院长王咏刚提问）

这是挺好的问题。每个人都有自己的角色，李开复老师当时画了一个图，上面包括工程师、科学家等，每个人只要在一方面足够专业，足够强，都会找到合适他的位置。企业界和学术界，包括做项目，两者都有不一样的思维。这个思维也会训练学生，让他意识到，他可以选择不同的方式。我知道在学术界一般大家都讲创新，我们要怎么搞一个新的方法，有时候会有很多假设，这个方法在某种情况下可以成功。工业界则是解决一个问题，用什么样的方法关系不大。企业中思路会更多，包括数据的层次，工程的层次和其他的角度去看问题。从学术到工业界，要培养学生的思维，要让他意识到企业项目的思路。

我的建议是：