随着人工智能（AI）技术的快速发展，全球市场对AI的需求与日俱增，这也使得越来越多的企业和研究机构开始关注和投入到这一领域。颇有“万般皆下品，唯有AI高”的架势。在全世界都因AI革命躁动不安的当下，需要正确看待这一轮变革，不仅要抢占先机，还要让AI技术的发展服务于整体长期战略，则AI有望成为撬动新一轮产业升级的契机。

AI生产力革命是真实的

本次AI浪潮受到如此大的关注，首先是因为人们明确看到了实实在在的生产力提升，这与之前只闻其声不见其人的元宇宙不同。促进了生产力，这一点首先应该肯定。像笔者比较了解的典型AI头部产品，对话型AI的ChatGPT，以及绘画生成AI的Stable Diffusion、Mid Journey等无不如是。

ChatGPT自2022年11月发布后，在4个月的时间里完成了多次跨越式迭代，已经能够很好地根据用户的自然语言输入给出恰当的答复，在一定程度上胜任文书写作、翻译、编程等工作。据笔者海外的朋友介绍，他已经在日常的编程工作中将ChatGPT作为助理和顾问使用，他在一定程度上已经把AI工具视为劳动力，而不是静态的生产资料。

而AI绘画则已经开始对美术从业者造成明显冲击，笔者作为数字创意行业人员，从各方渠道了解到，游戏和影视行业这些插画原画需求大户，引入AI制作流程以后对原画师的岗位需求可以缩减到原来的十分之一。笔者所认识的一位影视设计总监则坦言，直接取消了招聘原画师的计划，因为AI绘画的出现，几秒钟就可以得到之前需要1周才能画好的原画，尽管会有一些细节错误，但前期设计重视的是氛围和视觉冲击，第一眼看上去觉得美，这点AI已经可以达到很高水平。

相信从以上事例可以感受到，AI正以前所未有的方式提升脑力劳动生产力。由此带来的工作岗位流失问题固然是挑战，但也从反面说明其颠覆性之巨大。如此重大的变革，投身其中是必然的选择。

AI是产业链支撑的“大飞机”

支撑AI的基础技术不仅包括软件、硬件、制造业和数学等领域，还涉及到其他多个学科和技术。产业链复杂程度不亚于“大飞机”，可产生巨大的产业撬动效果。以下是一些与AI密切相关的基础技术：

软件和算法：AI的发展依赖于各种算法和软件技术，如机器学习、深度学习、自然语言处理、计算机视觉、强化学习等。

硬件：AI的运行需要强大的硬件支持，如GPU、TPU、FPGA等专用于加速AI计算的芯片，以及其他定制硬件。

制造业：精密制造技术可以为AI硬件的生产提供支持，包括纳米级别的半导体制程、高精度的机械制造等。

数学：AI的理论基础依赖于多种数学领域，如线性代数、概率论、统计学、最优化理论、图论、信息论等。

物理学：量子计算等新型计算技术的发展受益于物理学的突破，这将有可能为AI领域带来革命性的变革。

网络技术：高速、低延迟的网络技术（如5G、6G等）可以为AI的远程计算和实时应用提供基础设施。

云计算与边缘计算：云计算技术为AI提供了弹性、可扩展的计算资源，而边缘计算技术则使AI能够在离用户更近的地方进行计算和分析。

数据科学：大数据技术和数据挖掘方法为AI提供了海量的训练数据和数据处理能力。

人工神经科学：对人脑神经结构和功能的研究为AI的发展提供了生物学原型和灵感。

机器人学：机器人技术可以将AI与实体机器结合，实现智能控制和自主导航等功能。

语言学：自然语言处理领域的发展受益于对人类语言结构和规律的研究。

认知心理学：对人类认知过程的研究有助于AI模型的设计和优化。

伦理学：随着AI技术的广泛应用，AI伦理学和道德问题的研究越发重要，如数据隐私、算法公平性等。

材料科学：新型材料的研发，如高性能电池、石墨烯等，为AI硬件设备提供了更好的基础。

控制论：自动控制理论为AI在控制系统、工业自动化等领域提供了理论支持。

法律：随着AI技术的广泛应用，相关法律法规的制定和完善对于规范AI行业的发展具有重要意义。

全面准确理解AI产业的范畴，防止片面发展

在当前中国面临全面技术封锁的背景下，具有战略意义的关键领域，如芯片制造、操作系统、高端制造设备等亟待资源投入。发展AI技术，应该与这些关键领域协同发展，走全面发展道路，这样我国产业升级就能在AI浪潮中最大获益。

与全面发展相对的，就是“万般皆下品，唯有AI高”的片面发展路线。一旦陷入这种误区，就会引发行业过热，挤占其他关键领域投入。一旦资本和社会关注过度倾斜到AI领域，在追风口赚快钱的诱惑下，就会起来一批打着AI旗号，实质并无核心技术，只懂得调用现成代码包和算法模型包的“调包侠”企业。当下AI概念大热，当资本过多地流向这类企业，可能导致拥有真正创新能力和核心技术的企业得不到足够的资金支持，从而影响国家和行业的长期发展。此外部分从业者可能会放弃长期的基础研究，转向更具短期效益的领域。这可能导致基础研究的衰退，影响未来的科技创新。

我们要清醒认识到，今天的AI应用爆发，源自于支撑其运转的基础科技体系的长期发展成果。国外的头部产品能够一鸣惊人，是源于长期的基础研究积累所成的硬功夫。在AI的发展过程中，经历了多次繁荣与低谷的周期，这些周期中的关键突破往往源于长期的基础研究。例如，深度学习中的卷积神经网络（CNN）在80年代就已经被提出，但直到21世纪初，随着硬件和算法的发展，这一技术才得以大放异彩。归根到底，基础研究，是在新一轮技术革命立于不败之地的最大底气。

开始做一件事最好的时机是十年前，其次就是现在。正是因为有了数学、计算机科学、物理学等基础科学的长期积累，才使得今日的人工智能得以厚积薄发。保持一份战略清醒，要发展AI，还需在AI之外下功夫。

（作者系某科技公司总经理、工程师；来源：昆仑策网【原创】修订稿，作者授权首发）