一家图灵奖得主背书创企的陨落，暴露了AI弱国“恒弱”的困境？

新技术的诞生往往会导致大规模的政治经济变革。电、蒸汽机、铁路诞生的时候就是这样。

人工智能很可能是21世纪最具颠覆性的技术，因为它不仅仅局限于拖运负载(比如电力、蒸汽机、铁路)，它还是一项通用技术。因为人工智能技术是纯数字化的，所以它的配送成本几乎为零。然而，它在世界上的分布极不均匀。鉴于此，我们需要考虑AI更深层次的地缘政治因素。

地缘政治学是研究地理对政治和国际关系影响的学科。它通常根据语境对一些问题做出宏观层面的决策。它的研究往往是以国家和地区为基础的，但是对于AI来说，把公司当成研究个人比把国家当成研究个人更准确。毕竟在AI中，我们更关心的是人才和数据，两者都具有移动性和可扩展性(相比山川等地理因素)，但还是有一定的地理特征(比如德国数据适用于德国，不适用于其他国家)。

李开复在《ai超能力》一书中提到，他认为世界上有七大AI巨头，他们的能力甚至等同于国力，分别是谷歌、Facebook、亚马逊、微软、阿里巴巴、腾讯、百度。

除了这七家公司，AI能力远远落后于他们。甚至其他所有公司都不如七大之一的能力强。如果说七大AI巨头叫AI富，那么其他公司就是AI穷。

目前AI富人和AI穷人的差距正在迅速扩大，因为AI技术的PK几乎是一场赢家通吃的竞争。

以自主车为例。如果一家公司解决了自主车的关键问题，就可以一举拿下整个市场。对于AI差的人来说，“克隆”AI富的人是没有意义的，哪怕是在任何AI领域排名第二。假设“第一辆”自驾汽车跑99.9%的里程，“第二辆”只跑95%，那么“第二辆”就忽略了。毕竟很多AI技术都是和人类日常生活相关的，市场必须更多的依靠AI有钱人更稳健的技术。在本文中，我们将讨论这种技术依赖的后果。

一种技术，两种处境

首先，是什么让这些AI富豪公司如此与众不同？

关键是七大AI巨头人才庞大，数据庞大，基础设施庞大，都是平台公司。

平台商业模式是21世纪最成功的商业模式。它是一种商业模式，通过促进两个或多个相互依赖的群体(通常是消费者和生产者)之间的沟通来创造价值。对于这些交换，该平台利用并创建了一个可按需扩展和访问的大型用户/资源网络。该平台通过网络效应创建社区和市场，使用户能够互动和交易。

平台公司的利润和增长远高于任何其他公司。比如2016年谷歌搜索说年增长率21%，利润20%。这些数据对于同样是平台公司的微软来说并不陌生，但对于大多数非平台公司，尤其是传统企业来说，这种增长完全超出了他们的范围。同时平台很难替代，其网络效应使得商业模式非常稳健。

在这个新时代，AI已经以几乎为零的发行成本融入各大巨头的平台。七大巨头利用自己的AI和数据优势进入各个行业:医疗、人力资源、金融、零售、银行。

退一步说，即使在使用AI技术之前，这七大巨头在各个垂直领域与龙头企业完全不同。这些传统公司通常是“线性发展模式”而不是平台模式，更何况他们在数字规模上还没有走远。相对于20世纪让他们成功的商业模式，他们至今没有太大的改变，所以这些传统公司很难自发的使用AI。

但是AI真的那么值钱吗？

为了回答这个问题，本文以2014年被谷歌收购的英国AI公司DeepMind为例。DeepMind的算法大大节省了谷歌数据中心的电力成本，仅第一年的回报就足以偿还谷歌对它的购买价格。从此，DeepMind解决了一些公认最不可能的问题，包括在围棋中击败人类冠军，从而成为新闻焦点。

DeepMind最近的一项突破是帮助发现蛋白质的3D结构。人类已经鉴定出2亿多种蛋白质，但只知道其中一些结构。传统上，这项工作需要通过仔细的实验来发现，这可能需要几年的时间。DeepMind的算法Alphafold发现的蛋白质结构中，近三分之二与实验室研究结果一致。这是生物学的主要挑战之一。蛋白质定义并提供所有的生命功能，所以对Alphafold的研究意义重大。它可以大大加快对细胞组成的理解，使相关药物的发现更加快速和先进。

位于德国图宾根的马克斯·普朗克发育生物学研究所所长安德烈·卢帕斯(Andrei Lupas)表示，他利用该项目发现了一位科学家探索了十多年的蛋白质结构。

DeepMind的成就很难复制。“AI差”的公司和国家别无选择，只能从其他渠道购买人工智能。

因为巨人掌握了几乎所有的人工智能资源，“AI-穷人”很难从零开始构建最先进的AI。他们没有天赋，没有数据，没有基础设施，别无选择，只能引进AI技术。

七大巨头将出售AI服务作为其战略决策之一。李开复说:“如果把人工智能比作新电，那么这些人工智能公司就是公用事业公司。”他们正在安装“电网”为其他公司服务。我们继续以谷歌为例来说明巨头们是如何实施这一战略的。

谷歌拥有张量处理单元(TPU)，这使得它的人工智能计算成本比上一代(GPU)低得多。任何通过谷歌云服务购买AI服务的“AI穷人”，都会让谷歌盈利。所以AI服务对于Google来说是一个可扩展的业务。所以谷歌需要做的是让AI服务更方便客户。即使“AI穷人”的人才或基础设施资源有限，也可以通过谷歌使用AI或云服务，这是谷歌的目标。

“AI差”国家的大部分政治领导人都知道过分依赖技术是有风险的，所以都尽量把风险降到最低。这就是加拿大政府支持接纳Element的原因。人工智能

加拿大和 Element AI 的处境

加拿大是世界上深度学习研究人员比例最大的国家之一，拥有一些顶级实验室。

加拿大政府以庞大的研究人员储备为契机，为公司提供赞助，改变签证政策，确保加拿大未来成为“AI丰富”的国家，能够为“AI贫乏”的国家提供AI服务。此外，这些措施还可以防止人才外流到美国。

加拿大本身和“七大”关系也不错。除了美国(亚马逊、Facebook、谷歌、微软)，其他七大成员在AI方面都存在一些技能缺陷。巨人会很乐意买加拿大的AI公司或者技术，但是加拿大不能从巨人那里买这些，因为巨人不会给加拿大公司崛起的机会。这是地缘政治因素造成的。加拿大一旦快速发展，可能成为两大AI巨头(美国和中国)的竞争对手。所以其他大多数国家AI公司的收入都会逐渐下降，最终陷入被动地位。

加拿大AI策略的先驱实践者是Element AI。Element AI拥有约500名世界级深度学习员工，堪比DeepMind。人工智能领域的教父之一约书亚·本吉奥(Joshua Bengio)是Element AI的联合创始人。

【/br/】Element AI在4年内获得超过3亿美元的投资，成为加拿大AI领域的代表。

不幸的是，尽管Element AI最初的意图之一是避免美国的人才流失，但它最近被加州服务现在公司(California ServiceNow Company)收购。是service now 2020年收购的第四家AI企业，前三家分别是织机系统、通道AI和Sweagle。

在加拿大政府的全力支持下，Element AI没能找到有效的商业模式，最终被困在了成功的路上。本来加拿大可以随它崛起，匹配美国和中国AI的先进水平，为AI差的国家提供服务，但是失败了。这是一个历史性的时刻，它的失败标志着一个时代的结束。

对 “AI 贫乏者” 的影响：弱者，现在更弱

有两家公司可以向一个AI很差的国家学习:DeepMind和ElementAI。Deepmind去了谷歌，进一步扩大了谷歌在AI和数据方面已经巨大的优势。想必，英国肯定对他们的决定感到后悔。

ElementAI在创造显著价值之前被一家美国公司收购。或许，它们本来可以是一条巨鲸，在未来十年里，它们将继续“养活”一个AI很差的国家。

七巨头在两个超级大国的帮助下越来越强大。一家AI公司在美国和中国以外几乎不可能形成如此强大的能力。“人工智能贫乏”的国家错过了建立据点的最后机会。相对于传统行业(如制造业)，人工智能的价值在不断增加，AI穷和AI富的差距也会越来越大。

未来的两种可能

我看到两种可能的情况。

悲观的情况如下:

1.即使获得了很多开源库和模型，“AI穷人”也无法靠自己的能力创造AI价值。他们对七大的依赖会继续上升。

2.每一个“AI贫乏”的国家都变成了“AI丰富”国家的技术殖民地。目前没有办法摆脱殖民主义(DeepMind和ElementAI退出市场后，其他本土公司已经无法巩固自己的AI或数据优势)。

3.“20世纪经济模式”(制造业)的市值不断下降，利润微薄。工业国家的购买力和AI强国相比会越来越不一样。

4.AI民族主义和网络新殖民主义解释了21世纪的许多地缘政治交易。一个国家的政治调整甚至取决于和哪个AI巨头建立了联系。

5.人才和数据集中在美国和中国的一些公司。

6.在AI力量上，AI公司会进入垂直领域(比如苹果健康)，而现有企业会亏损。例如，DeepMind的Alphafold和类似的发现已经取代了制药和生物技术公司。从现在开始，所有重大发现都将被七大AI巨头掌握。

乐观的情况如下:

1.七大AI巨头创建开源库，发表论文，向“AI贫乏”国家提供数据。这样，即使缺乏世界级的AI人才，在“AI贫乏”的国家也有足够多的“工匠”可以从中受益，而不需要从巨人那里购买AI。这项工作在很大程度上依赖于开源库的建设:如果AI巨头停止共享开源代码、论文和预训练模型，AI较差的国家将回到不稳定的局面。

2.人工智能的价值从发明转移到部署。当AI领域最大最难的问题被AI巨头解决(发明)后，世界其他国家的熟练工匠(技师)开始实施这些AI技术。历史上的大规模电气化就是这个过程的一个例子。托马斯·爱迪生发明电之后，领域很快从发明转向实施。全国成千上万的工程师开始用电来驱动新设备，并最终重组了工业流程。

3.这群工匠非常适合欧洲的“增值创新”方法。比如德国人善于把一个想法改进到完美，这个想法可能是别人发明的，也可能是别人发明的。德国人没有发明汽车，而是将汽车生产水平提高到最高水平，使国家获得最大的经济价值。如果德国把这种创新的传统应用到AI上，也可能取得不朽的成就。以德国公司Deepl为例。在小预算的基础上，它的机器翻译甚至比谷歌的翻译还要好，这是一个了不起的成就。有多少公司能在自己的领域打败谷歌？在AI领域？不幸的是，像Deepl这样的公司只是一个例外。德国的经济还是很偏重于制造业，不然Deepl这样的公司可能越来越有竞争力。

4.在所有AI技术产品中，德国可能从全自动驾驶汽车中受益最大。很多汽车厂商会获得很大的收益，但是像优步这样的公司并不能从这项技术中获得太多的收益。如果解决了自主驾驶技术这一极其复杂的问题，那么优步的商业模式(拥有一辆车)将完全转变为另一种商业模式(拥有一辆机器人车)，利润会低很多，智能驾驶也不是优步的专业领域。但这样一来，对于德国汽车制造商来说，他们可以通过租车而不是卖车来盈利。这样，当自动驾驶技术成熟时，他们也会获得最大的利益，即使这项技术不是在德国发明的。这意味着一家“AI差”的公司(一家德国汽车制造商)正在向平台商业模式过渡，这本身就是一个很大的进步。

5.AI巨头会简化他们的AI服务，使其易于使用，让更多的公司可以购买云服务，这将成为他们盈利的一种方式。把AI直接应用到自己的产品上(比如gmail自动补全，Google照片搜索技术)虽然不能直接盈利，但是对云基础设施的销售有帮助。

6.德国仍然需要招募训练有素的AI工程师(这个时代的工匠)，将深度学习应用到每一个行业。这些工程师应该有很强的职业信念，在美国和中国对他们的AI服务投入巨资的情况下，他们还是可以保持实力的。德国公司可以从国外AI巨头那里聘请高薪人才吗？一旦这样，国内所有行业的工人都会义愤填膺，社会动荡就会发生。所以培养本土人才是最好的选择，应该培养能接受本地工资但还有前途的工程师。投资AI教育应该是不可或缺的战略决策。

参考文献:

https://Jose Quesada . com/how-element-ai-内爆-accelerated-technology-dependency-on-us-and-China-geological-of-ai/