当前位置:首页  观点争鸣

陈小平 | 智能革命将重塑怎样的世界

来源:企业改革与发展作者:陈小平发布日期:2024-11-04访问次数:10

摘要


当前处于应用活跃状态的人工智能技术主要有四类:生成式人工智能、规划式人工智能、分析式人工智能和智能化装备。


人工智能技术在我国的大面积应用应优先聚焦两大重点:一个是传统制造业的高端化升级,另一个是智慧农业和现代农业。


工业革命向智能革命的过渡将导致“科技进步”向“科技重塑”变迁。智能革命不是用更强大的技术手段,在旧世界里展开更残酷的“内卷”,而是颠覆旧世界,再造新世界。



人工智能(AI)的创始人和奠基者——艾伦·图灵在1948年的内部报告中,首次提出了机器智能观——智能机器的工作原理与人类智能的工作原理可以相同,也可以不同;他在1950年公开发表的文章中首次提出,计算机能够模仿人的推理、决策、学习、理解、创造等智力功能。此观点在70多年的AI科学实践中被始终遵循。正是由于AI与人类智能既相似又相异,为经济、社会的发展带来全新的巨大机遇,同时也隐含着安全、伦理的严峻挑战。


一、人工智能:从科学到产业


当前处于应用活跃状态的AI技术主要有四类。第一类是以大模型为代表的生成式人工智能,目前处于试用阶段。生成式人工智能擅长于文、图、音频、视频的生成和人机交互,能够回答任何问题,使用方便、高效,但不保证正确,所以用户需要对大模型的输出做出判断和取舍。


第二类是规划式人工智能,已在送餐骑手调度等实际场景中实用化。送餐平台在短时间内收到数量巨大的订单,如何将订单合理地分配给大量骑手,并为所有骑手规划最优的送餐路线,以保证在规定时间内送达全部订单,这些工作单纯依靠人工是做不到的。应用规划式人工智能技术能够以极高的效率,自动完成订单分配和骑手送餐路线规划,从而满足实用要求。相关技术的应用范围极广,包括所有生产任务、工作流程、物流配送、部件组装等复杂业务的自动规划,达到远超人类的高效率,尤其适用于需求日益旺盛的小批量、个性化生产。


第三类是分析式人工智能,用于分析数据中隐含的复杂模式,如用于蛋白质结构预测的工具AlphaFold。分析式人工智能目前仍处于研发阶段,预期在科学中的应用(AI for Science)将大大加快科学发现的进度。同样,相关技术也可用于其他领域的专业性数据分析,分析精度远远高于大模型,能为管理决策提供强大支撑。


第四类是智能化装备,所谓装备是指在物理空间,如工厂车间、农田、家庭、医院病房、营业大厅等场景中作业的机器,而第一、二、三类AI都是在信息空间中工作的计算机程序。物理空间中的场景又分为两大类——封闭场景和非封闭场景。自动化和工业机器人技术适用于封闭场景,而当前我国各类实体经济产业升级中,面临技术创新挑战的主要是非封闭场景。因此,有必要加快研发和广泛应用能够胜任非封闭场景的智能化装备,这种装备是我国制造业和实体经济实现高端化升级的关键核心技术。


二、制造业高质量发展:从数字化到智能化


根据工信部的数据,目前我国传统制造业增加值占全部制造业的比重近80%。高质量发展的一个核心课题是传统制造业的高端化——让中低端升级为高端,而不是简单抛弃中低端。笔者以纺织服装产业集群(以下简称纺织业)为例,说明AI技术在传统制造业高端化升级中的关键作用。


纺织业是我国消费品三大支柱行业之一,2022年规上企业20108家,总产值28026亿元,总资产22508亿元。我国是全球纺织业生产规模最大、出口规模最大的国家,也是产业链最完整、门类最齐全的国家。近年来,纺织业面临劳动力短缺日趋严重、全球产业链重构持续深化、产业升级内生动力严重不足的严峻局面。加快实现纺织业高端化升级,既是我国传统制造业高端化进程的重要组成部分,也是确保我国民生稳定和经济安全的必要举措。


制造业高端化在技术层面涉及智能化、数字化和绿色化三个主要方面。实地调研中发现,纺织业部分行业的数字化已取得良好进展和明显成效,而智能化成为当务之急。


纺纱织布的生产过程早已实现了自动化——如果纺织机不发生断线,整个生产过程是连续的,无需人工干预。然而,在大多数情况下,纺织机断线是不可避免的,一旦发生断线,整条生产线立刻停机,必须由接线工找到线头、完成打结、恢复设备状态、重启生产线。因此,纺织加工的生产效率在很大程度上取决于纺织机断线的处理。但接线作业工作环境有待改善、劳动强度大,预期未来5年我国纺织加工业将陷入劳动力短缺的困境。此外,浆纱、穿筘、清絮等工序或作业与接线的情况类似,需要依靠人工进行生产准备、维护或辅助。这些人工作业已成为纺织加工业生存和升级的行业痛点。


生产作业改变的是物理对象,如纺织加工中的纱线,而数字运算只改变数字对象,如制衣过程中的工单信息,所以,数字化对生产作业只有辅助性作用。进一步来看,纺织加工业的痛点作业是非封闭场景中的复杂手工作业,难以通过现有感知技术获取相关信息,数字化技术也无法发挥实质性作用。


几十年来,我国纺织加工业的外延型发展和非颠覆性技术改造持续不断,却始终未能实现痛点作业的智能化,阻碍了行业的深度转型升级。导致这种局面的技术原因在于,自动化和工业机器人技术在原理上只适用于封闭场景,而纺织加工业的痛点作业都属于非封闭场景,需要颠覆性技术突破,如研发相应的智能化装备,在智能化装备上安装传感器,可以方便获得纺织加工过程的生产数据,使数字化水到渠成。


纺织加工业在传统制造业中具有一定的代表性。上述分析表明,我国传统制造业的高端化升级要求突破全球制造业科技水平的局限,针对非封闭场景实施颠覆性创新,而第二、三、四类AI技术将为此提供强大的技术驱动力。


三、高端化路径:从体制性隔离到新质共生工厂


制造业高端化升级并非单纯的技术挑战。几十年来,我国传统制造业一方面通过管理、工艺和装备等方面的系统性微创新,实现了持续性高速外延式发展;另一方面,在中等生产力水平上长期徘徊,用工用地等传统优势消耗殆尽,转向劣势,无法完全享受科技红利。最终,形成了大产能、小生产的产业格局,即规模巨大的总产能很大程度上依靠大量中小企业的小生产完成,致使规模红利消失,行业增速持续下降甚至逆转,市场竞争加剧,部分企业的经营状况恶化。虽然不同行业、地区或企业之间存在或大或小的差异,但大部分制造业企业在深度转型升级方面存在困难。


必须认识到,依靠系统性微创新不可能实现传统制造业的高端化升级。为了改变这一局面,必须依靠消除行业痛点的颠覆性技术创新。


在研发、中试、生产的体制性隔离下,我国颠覆性技术创新面临着双重困境。第一重困境是科研与产业的体制性隔离,导致科技界了解行业痛点及其背后技术需求的努力遭遇重重障碍,难以针对性地展开颠覆性技术的0到1攻关。第二重困境是在大产能小生产格局下,创新动力强的中小企业往往实力和资源不足,无力提供中试条件,让已经取得0到1突破的技术完成1到3(“3”代表技术的实用化)的进化,具备应用所需的实用性。


在体制性隔离的阻碍下,系统性微创新成为我国传统制造业长期以来唯一可行的创新模式。作为对比,我国所有高科技行业,如航天、汽车、互联网等,都打破了体制性隔离,龙头企业都实现了研发、中试、生产的一体化,进而为行业的深度转型升级注入了科技生命力。因此,找到现实状况下冲破体制性隔离的可行途径,是我国传统制造业实现高端化升级的关键。为此,可建设新质共生工厂。


面向一个具体行业(包括细分行业),一家新质共生工厂由研发机构、中试基地和共生企业三方共建组成。其中,研发机构应已取得本行业高端化升级所需部分颠覆性技术0到1的突破,并将针对行业痛点,实现更多0到1的突破。


新质共生工厂中,中试基地负责对本行业高端化升级所需的各项技术进行中试,以实现相关技术1到3的提升,“3”之后就可以在生产中实际应用和推广。中试过程往往伴随着相关技术的优化,所以需要研发机构的参与。


共生企业参与新质共生工厂的生产。根据现实情况和升级需要,共生企业有多种类型。A类:作为新质共生工厂合伙成员的行业龙头企业;B类:与新质共生工厂长期联合生产的非合伙成员企业;C类:交还原占用土地(部分或全部)的本行业本地企业;D类:其他合作企业。


针对传统制造业的现有产业格局,新质共生工厂的建设不强求参与企业各自规模的改变,这一点与共享工厂相似。但是,新质共生工厂与共享工厂存在根本性不同。共享工厂继续维持研发、中试、生产的体制性隔离,在隔离状况下共享生产企业原有的设备、技术和订单(通过相互转包)。因此,共享工厂无法跨越双重困境、推进颠覆性技术创新和管理创新。事实上,共享工厂是传统制造业系统性微创新的一种具体形式,延续了只做加法、不做减法的长期局限。


新质共生工厂还将为所在地区的经济、社会发展做出积极贡献。例如,通过鼓励C类共生企业,可以帮助地方政府收回部分土地,从而优化本地资源配置结构效率,并通过引进研发、中试机构和构建集约化管理体系,增强本地的科技实力,提升人才层次。


四、智能革命挑战:从熊彼特经济到公义经济


工业革命的技术特征是:某些领域中机器的体力功能超过人类,但多数机器仍然依靠人类智力进行操纵。相应地,工业革命形成了高增量发展模式——新技术应用带来生产力提升,生产力提升带来就业增加(因为机器靠人操纵),就业增加带来收入提高,收入提高带来消费增长,而消费增长产生对生产力和新技术的更大需求,从而形成“增长闭环”。


支撑增长闭环的是熊彼特经济,笔者将其定义为:在工业革命条件下,以个体为责任主体,以商业回报为内生动力,以市场选择为最终取舍。


人工智能的大面积应用将迎来智能革命。智能革命的技术特征是:某些领域中机器的体力和智力功能都超过人类,甚至拥有人类没有的智能,所以越来越多的机器无须人类操纵。于是出现根本性变化——新技术的应用使得生产力提升和就业减少(而不是增加)同时发生,导致增长闭环无法续存,高增量发展模式被彻底终结。


独角兽企业是估值高于10亿美元的初创企业。与之对照,大部分生成式人工智能的头部企业正展示出倒转乾坤的势头,有可能成为“巨角兽”企业,即员工人均盈利超10亿美元的企业。只要替代人工的AI技术可以大规模应用,那么在熊彼特经济中,这种应用就是正当合理的、不可阻挡的。于是将出现一种史无前例的可能性——巨角兽社会,即一个国家的GDP全部由巨角兽企业完成的社会。目前任何国家的GDP都不超过30万亿美元,巨角兽社会中每个国家只需不到3万人工作,其他人全部领取全民基本收入,于是大部分企业消失、大部分工作岗位消失、中产阶层也随之消亡,社会进入极度两极分化。这意味着,工业革命塑造的经济结构和社会秩序被智能革命彻底颠覆。


在工业革命时代,劳动是人得以谋生的手段;在智能革命时代,劳动是人得以为人的修行。更准确地说,劳动是修行的“外力”,帮助人保持自律、努力向上;失去这种外力约束,人性中放纵无度的“惯性力”便如脱缰野马。


从谋生到修行反映了社会的根本性进步,但实现这一进步需要终止熊彼特经济的主导地位,否则人类将丧失劳动权利,从而失去修行机会。为此,笔者提出了“公义经济”的替代方案。


“公义”的基本理念是化私利为公义,即将合理的、普遍性的个人需求转化为社会的共同义务,并得到公正的满足。公义经济定义为:在智能革命条件下,以社会为责任主体,以公义放大为持续动力,以人类福祉为终极选择。


公义经济在社会实践中出现了多种萌芽形态,如时间银行、软件开源、互联网内容创业、共享经济等,参与者在这些活动中的劳动付出既带公益性,产生经济效益和社会效益,又能获得个人利益回报。这种体力或脑力的付出称为“公义服务”。


公义服务产生“公义价值”。公义价值是经济效益和社会效益的统一,公义价值的评估以人类基本需求的稳定性为基础,利用AI等新技术手段,通过理论和实践的摸索逐步扩大评估范围。每个人的基本需求是相似的,一生所需的基本服务总量(以小时为单位)可以近似预测。所以,一个社会或社区需要的基础性公义服务的总量,即公义服务回报的总量,是可以预测的,一定运行条件下可产生的公义服务投入的总量也是可预测的。根据两个总量,可以调节公义经济的运行条件和其他参数,降低运行的盲目性,也可以为不易定价的公义服务的价值评估提供重要参考。


“公义放大倍数”定义为:公义服务产生的社会总回报与对应的社会总投入的比值。一定条件下,公义放大倍数可以远远大于1,即社会总回报远远大于社会总投入。例如,通过软件开源,一段程序被整个开源社区共享,社区获得的总回报通常远远大于编写该程序的个人投入。公义经济的基本前提是公义放大倍数足够大,以保障公义经济的可持续性。

一旦建立了公义价值评估体系,便可对公义服务进行现代化管理,显著提高效率和放大倍数,类似于熊彼特经济中管理的作用(尽管价值评估体系不同)。由于公益服务没有量化的价值评估,贡献者也没有个人利益回报,所以对公益事业无法进行效率管理,而没有效率管理的活动在现代社会中只能起辅助、补充作用。


一定条件下,熊彼特经济的某些形式可以不违背公义原则,所产生的商业价值与公义价值相互兼容,并在适当规则下是可兑换的。因此,这些经济活动形式可以成为公义经济的一个组成部分。经过一定的过渡期,熊彼特经济的主导性将让位于公义经济的主导性。


五、展望:从科技进步到科技重塑


AI技术既有赋能作用,又有替代作用。在熊彼特经济中,AI的替代作用将被无限制地实施和放大,最终导致巨角兽社会,使多数人丧失劳动权利,作为工业革命根基的增长闭环也随之消亡。因此,熊彼特经济的主导地位终将终结,智能革命将为重新塑造人类未来扫清障碍。


工业革命时代形成了“科技就是进步”的观念,对新技术应用无条件支持。智能革命的到来使情况发生急剧的根本性变化,要及时终止无条件支持的思维定式,全面衡量新技术应用对国计民生和人类福祉的具体影响。


AI技术在我国的大面积应用应优先聚焦两大重点:一个是上文讨论的传统制造业的高端化升级,另一个是智慧农业和现代农业。两大产业群落具有重要的共同特点:用工难日趋深化和扩大、陷入中等水平困局、形成大产能小生产格局、对国计民生影响巨大、转型升级需求急迫、为国家全面转型升级提供战略支点。


稀缺为贵是价值铁律,“稀”指的是供给不足,“缺”指的是存在刚需。当微创新不再稀缺,其价值坠落便无可避免,而颠覆性技术创新和颠覆性创新要素配置必然取而代之,成为新的稀缺,引发价值巨变。在未来智能革命时代,最稀缺的将是大众的劳动机会,是让人不甘沉沦、奋发有为的约束机制和激励体系。


工业革命向智能革命的过渡将导致“科技进步”向“科技重塑”变迁。智能革命不是用更强大的技术手段,在旧世界里展开更残酷的“内卷”,而是颠覆旧世界,再造新世界。人类面临的最大课题是:通过智能革命,重新塑造一个什么样的新世界?


(作者系中国科学技术大学机器人实验室主任、广东省科学院人工智能首席科学家、中国人工智能学会人工智能伦理与治理工委会主任)


(本文刊登于《企业改革与发展》杂志2024年第11期。如需转载,请注明出处。文中观点仅代表作者观点,供诸君思考。)