恒小花：AI人工智能有哪些不足的地方

随着技术的不断发展，人工智能已经成为了当今世界的热门话题之一。无论是在工业生产中的应用，还是在医疗健康、农业、交通等领域，都有着不可替代的作用。但是，尽管人工智能技术已经取得了一定的进展，它仍然存在许多不足和挑战。本文将围绕目前AI存在的不足以及应对的措施展开讨论，旨在探究技术与应用平衡的重要性。

1. 不能推理

当前的人工智能技术只能执行预设的任务和命令，无法进行复杂的推理和创新。这也限制了AI的应用场景和效果。AI需要拥有更强大的推理能力和自主学习的能力，才能适应更加复杂、多变的现实环境。

2. 不具有抽象能力

相较于人类，AI缺乏抽象思维能力。人类能够从感知和经验中提炼出抽象的概念，这是AI难以做到的。因此，人工智能在某些涉及抽象性较强的领域，比如艺术创作和社会科学研究中，应用受到了限制。

3. 自我意识缺乏

当前的AI技术缺乏自我意识和自我学习的能力。AI是被程序预设了规则和算法，无法自我反思。缺乏自我意识也使得AI难以感知诸如道德、情感等复杂的概念，它们的表现也往往无法符合人类的期望。

4. 审美和情感欠缺

人工智能虽然能够通过大量的数据和算法实现图像、声音和文字的识别和生成，但是，AI并没有情感和审美的能力。它们凭借着统计和规则的方式进行判断，而无法感性评价文艺作品、美食等领域的东西。

5. 应用场景单一

目前的AI技术在某些场景下已经能够表现出色，如机器人在工业中的自动化生产、医疗检查辅助等领域都有着广泛的应用。但是，AI技术的应用场景仍然存在很大的局限性，而且不同领域之间还缺乏有效的交互。

6. 底层技术研发不足

AI的底层技术涉及许多方面，包括机器学习、深度学习、语音识别、人脸识别等。而这些技术的研发需要相当的时间和精力，当前的人工智能技术还存在很大程度的底层技术不足，很难适应需要高性能的应用场景。

7. 产品技术水平落后

相较于国外发达国家，我国在人工智能领域仍然存在较大的差距。国内大多数的人工智能产业公司还处于起步阶段，产品技术水平相对较落后，市场占有率和影响力都有待加强。

8. 基础研究与应用研究存在不平衡问题

人工智能技术的发展需要依赖于基础研究和应用研究，但是这两者之间不平衡的情况较为常见。基础研究的成果对于人工智能技术的发展具有长期性的影响，而应用研究则更加关注快速的落地和成果输出。

机遇与风险并存：人工智能行业的全球格局、我国面临的发展困境与对策

（本文作者丁浩员，上海财经大学商学院副院长、教授；方悦，上海财经大学商学院博士研究生）

本月，美国科技股"七巨头"等人工智能巨头股价遭遇显著波动。这不仅反映了美国经济数据的疲软和公司业绩的不振，更引发了市场对人工智能领域投入与产出失衡，甚至"AI泡沫"的担忧。这一事件再次将我们的目光聚焦于AI行业。在AI行业的发展中，我们应如何理解其全球格局？面对我国AI行业所遭遇的困境，我们又该如何应对？

人工智能的全球格局：创新、风险与未来的赛跑

人工智能：跨领域革新的催化剂

自2022年底ChatGPT引发生成式人工智能的热潮，到2024年初Sora模型以文生视频技术令世界瞩目，人工智能正成为推动多领域革新的催化剂。AI技术不仅在软件代码、文本、语音、高保真图像和交互式视频的创作上取得突破，更在金融、制造业等关键领域显著提升了生产效率和决策质量。此外，AI在材料学和生物学等前沿学科中也展现了其变革潜力。

2023年11月，谷歌DeepMind的GNoME工具在晶体结构预测方面取得重大进展，成功预测出220万种晶体结构，其中38万种结构稳定，为材料科学领域发展带来新的机遇。2024年5月，DeepMind与Isomorphic Labs合作，在《Nature》发表的论文中展示了AlphaFold 3模型，通过预测蛋白质的三维结构，为药物发现开辟了新路径。

麦肯锡的全球人工智能调查显示，组织对人工智能的使用率从过去六年的55%左右跃升至2024年的72%，其中65%的受访者表示其组织经常使用生成式AI，这一比例几乎是2023年的两倍[1]。研究预测，生成式AI将为全球经济贡献高达4.4万亿美元，提升AI对经济的总体影响15%至40%[2]。到2030年，AI有望为全球经济贡献约13万亿美元[3]​，进一步彰显其作为跨领域革新催化剂的地位。

AI 的双刃剑：机遇与风险并存

尽管人工智能的发展为各行各业带来了前所未有的机遇，但它也伴随着不容忽视的风险。数据隐私泄露、算法偏见、知识产权侵权，以及AI输出的不准确性等问题，正逐渐成为行业发展的隐忧。随着海量数据的收集与应用，隐私和知识产权的风险与日俱增。同时，AI算法中潜在的偏见可能导致不公正的决策结果。此外，生成式AI作为一种基于概率模型的技术，其本质决定了它可能存在误差或放大训练数据中的偏差，这不仅影响输出的准确性，还可能引发难以预料的安全问题。

最新的麦肯锡全球人工智能调查显示，63%和52%的受访者分别将不准确性和知识产权侵权视为使用生成式AI的主要风险，这两项风险在受访者中的关注度位列前二。更令人关注的是，44%的受访者承认其组织至少遭遇了一种由生成式AI引起的负面后果，其中近四分之一的受访者直接受到了不准确性问题的影响[4]。

AI 大模型之争：同质化与产能过剩的隐忧

自从ChatGPT引领生成式AI的潮流，科技巨头如谷歌、微软、华为、百度等纷纷推出自家的AI大模型，全球范围内掀起了一场“百模大战”。斯坦福大学以人为本人工智能研究所（Stanford HAI）的《2024年人工智能指数报告》指出，2023年生成式AI在所有AI相关投资中占比超过四分之一，初创企业的投资额飙升至252亿美元，是2022年投资额的近9倍，更是2019年投资额的约30倍[5]。

然而，这些大模型在功能和性能上趋于同质化，主要集中在自然语言处理、图像识别、语音助手等领域。在市场竞争的激烈角逐中，各大模型厂商不得不采取降价策略以争夺市场份额。这一系列现象揭示了一个现实：随着大量资本涌入大模型的开发，市场正逐步走向饱和。特别是在技术进步未能及时转化为市场需求的情况下，某些细分市场可能面临产能过剩的严峻挑战。

我国AI行业发展面临的主要困境

中国人工智能发展水平在全球排名中稳居次席，近年来在人才培养、科研产出、产业发展等方面取得显著进展[6]。然而，这一成就之下，行业发展仍面临核心技术研发、产学研结合、监管体系构建等关键挑战，亟需深化突破以形成持久竞争力。

核心技术突破的瓶颈：算力与模型创新的差距

我国人工智能领域虽取得长足进步，但在核心基础技术的突破上仍显不足，尤其在模型创新与算力资源方面与顶尖水平存在差距。Stanford HAI的《2024年人工智能指数报告》显示，2023年，美国以61个著名AI模型和109个基础模型的产出，表明了其在AI模型领域的领导地位，而中国，尽管以15个著名模型和20个基础模型的数量分别位居第三、第二，但与美国的差距不容忽视[7]。

在AI芯片这一核心技术上，我国面临对外依赖性强和自主创新能力不足的挑战。美国英伟达公司生产的GPU主导着大模型训练市场，而国产GPU与之性能差距显著。加之美国对中国实施的严格出口管制，我国AI算力的发展遭遇制约，这不仅影响了现有技术的提升，也可能在未来拉大与美国的技术差距。

产学研用结合的短板：技术转化效率的困境

在我国人工智能的蓬勃发展中，产学研用结合的不足作为一个明显的短板，制约了技术转化的效率。企业凭借丰富的算力、数据和资源，在AI前沿研究中占据主导，却往往忽视了与高校的合作，未能充分利用学术界的创新潜力，导致技术从实验室到市场的转化过程中出现断层，成果落地遭遇重重障碍。

一方面，中国在AI研究产出方面成绩斐然，专利和论文数量全球领先。2022年的已授权专利占比高达61.1%[8]，过去十年间生成式AI的专利申请数量约为美国的六倍[9]，2017—2022年间发表的AI论文占全球的25%[10]。然而，另一方面，与美国的AI产业发展相比，中国在产学研用结合及技术应用方面存在明显差距。在中国科学技术信息研究所联合北京大学共同研制的《2023全球人工智能创新指数报告》中，美国的总分74.71远超中国的52.69分[11]，这一比较不仅凸显了技术转化的迫切需求，也指明了提升产学研用结合效率的重要性。

法律体系的构建：AI监管的系统化与前瞻性挑战

目前，我国已有《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法（试行）》等一系列部门规章的出台，它们为人工智能的特定领域提供了初步的规范框架。

然而，这些法规尚未形成一个全面、系统性的法律体系，无法全面覆盖人工智能快速发展带来的数据隐私侵犯、算法歧视、知识产权争议等复杂法律问题。当前的法律空白和监管不足，凸显了对AI领域系统化、前瞻性法律规范的迫切需求。

突破困境：中国AI行业的发展战略

面对人工智能行业的挑战，中国需采取多维对策，以实现跨越式发展。

深耕基础，激发创新活力

我国应聚焦核心基础技术，强化企业创新主体地位。通过设立国家专项基金，实施财政税收优惠政策，激励企业在高端芯片等关键领域增加研发投入。同时，构建企业主导的产学研用创新联合体，整合各方资源，培育技术与应用并重的复合型人才。在国家AI创新应用先导区，营造创新氛围，吸引全球人才，促进技术与产业链的深度融合。

发挥优势，拓展应用场景

利用我国的丰富的数据资源、庞大的工业体系以及广阔的市场需求等优势，加速AI技术在关键基础设施领域的应用落地。选择产业链完整的企业，联合软件企业和用户，打造标杆场景。鼓励企业深度融合AI与业务流程，定制大模型，推动生产力变革。政府和国企应开放更多应用场景，推动AI的垂直化和产业化落地。

完善法律，确保风险管控

随着AI技术的快速发展，必须关注数据隐私泄露、算法偏见、知识产权侵权，以及AI输出的不准确性等潜在风险。我国应加快人工智能法律体系建设，明确监管范围，确保技术安全可控。积极参与全球AI治理，构建多方参与的安全治理格局。同时，鼓励企业与网络安全专家合作，进行产品安全测试，确保AI产品的安全性和可靠性。

（本文仅代表作者个人观点）

[1] 麦肯锡，《The state of AI in early 2024: Gen AI adoption spikes and starts to generate value》，https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [2024/05/30]

[2] 麦肯锡，《The economic potential of generative AI: The next productivity frontier》，https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier [2023/06/14]

[3] 麦肯锡，《Notes from the AI frontier: Modeling the impact of AI on the world economy》，https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy [2018/09/04]

[4] 麦肯锡，《The state of AI in early 2024: Gen AI adoption spikes and starts to generate value》，https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [2024/05/30]

[5] 斯坦福大学以人为本人工智能研究所，《2024年人工智能指数报告》，https://aiindex.stanford.edu/report/ [2024/04]

[6] 中国科学技术信息研究所，北京大学，《2023全球人工智能创新指数报告》，https://baijiahao.baidu.com/s?id=1803697379636661037&wfr=baike，[2024/07/04]

[7] 斯坦福大学以人为本人工智能研究所，《2024年人工智能指数报告》，https://aiindex.stanford.edu/report/ [2024/04]

[8] 斯坦福大学以人为本人工智能研究所，《2024年人工智能指数报告》，https://aiindex.stanford.edu/report/ [2024/04]

[9] 世界知识产权组织，《Patent Landscape Report - Generative Artificial Intelligence (GenAI)》，https://www.wipo.int/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/index.html [2024/07/03]

[10] 乔治城大学ETO数据分析平台，《The state of global AI research》，https://eto.tech/blog/state-of-global-ai-research/ [2024/05/02]

[11] 中国科学技术信息研究所，北京大学，《2023全球人工智能创新指数报告》，https://baijiahao.baidu.com/s?id=1803697379636661037&wfr=baike，[2024/07/04]

相关问答

喜大普奔!中国教育终于走出瓶颈,开拓出一条新路!人工智能代替教师,可以满足中国教育发展不平衡,教师编制不足等问题,为国家节约大量教育资金。只要技术成...喜...

人工智能某些已經成熟的產品目前國內落地的難度很大程度上是因为市場和利潤率。以工业机器人为例,其实工业机器人领域国内已经在去年2017年取得了很大的突破,...

工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的结果。概括来说,它包括智能机器、高级分析、工作人员三个要素。而将这些元素融合起来...

记得以前有人说过,象棋不能被人工智能替代,后来“深蓝”出来打脸。记得以前还有人说,围棋不能被人工智能替代,结果AlphaGo(阿尔法狗)出来打脸.。现在我...记...

人工智能具有广泛的意义,很多理工科的大学都有,特别是研究生专业;人工智能的基础课程是电子技术、自动控制。人工智能是一个综合学科,而其本身又分为多个方...

谢谢邀请!作为一名高等教育工作者,我来回答一下这个问题。首先,统计学虽然与人工智能有较为紧密的联系,但是统计学属于数学类,具体点说是属于应用数学的一...

要是我就选人工智能,这两个行业相比,人工智能就是软件,机器人就是硬件,机器人是依靠程序反复的执行和工作,程序最终指向一个目的,机器人不惜粉身碎骨也要...

作为BAT的Java开发工程师来回答这个问题。人工智能它是一门科学,是近些年发展起来的,通过整合了计算机知识,心理学,数学,哲学等多个学科后,研究用于模拟...因...

事实上,人工智能并不只有机器人一种形态,从领域上来看,包括机器人、语言识别、图像识别、自然语言处理和专家系统等。今天我们就来看下,人工智能的产品还有哪...

1视觉感知视觉系统由于获取的信息量更多更丰富,采样周期短,受磁场和传感器相互干扰影响小,质量轻,能耗小,使用方便经济等原因,在很多移动机器人系统中受...