關於 學學實驗教育機構評價 ，我們在網路上蒐集到這些相關的討論、資訊與評價

「這裡是吳軍的《硅谷來信》第3季。這一季硅谷來信，我談到了不少美國基礎教育的內容。有同學提了一個很好的問題，他問，美國公立教育與私立教育差距較大，是不是因為經費問題呢？他提到了一個例子，美劇《絕命毒師》的主角就是一名公立學校的化學老師，薪水微薄，只能勉強養家糊口，於是當他發現自己身患絕症，就鋌而走險走上了犯罪的道路。這位同學問，是不是因為美國公立中小學給老師的待遇不好，無法留住人才，才導致了公立學校的基礎教育水平低呢？

這個問題其實可以延伸開來，讓我們思考一個更具有普遍性的問題，就是很多事情辦不好，是不是因為沒有錢？這封信我們就從美國公立中小學的教育，談一談我對這個問題的思考。

美國公立基礎教育真的缺錢嗎？
就美國公立中小學而言，對這個問題我們基本上可以給出一個否定的答案。美國公立學校教育水平參差不齊的原因有很多，如果能列舉出十個原因，缺錢這件事也許只能排在第十位。下面我們一步步具體分析。
首先，美國公立基礎教育真的缺錢嗎？
很多人都以為美國政府財政支出中軍費佔了大頭，其實這是一種誤解。其實美國在教育上的開支並不比軍費少。我們可以來看一下詳細的情況。
美國是世界第一稅收大國，2018年美國的GDP是20.58萬億美元，而當年美國聯邦政府和州政府的稅收分別是3.33萬億美元和1.06萬億美元，合計4.39萬億美元，而當年排在全球GDP第三的日本，整個國家的GDP也不過才4.97萬億美元。
美國聯邦政府的稅收收入，有七成都花在了經常性的必須開支上，也就是社會福利、醫療保險和國債利息，其中國債利息大概佔聯邦稅總額的4%多一點，不算多，真正巨大的支出是各種福利和保險。剩下的三成稅收收入算是國家的自由支出，裡面一大半都算在了軍費頭上，大約是6490億美元。但我要提醒一點，這部分支出包括了軍方控制的科研經費，而這些科研經費最後還是到了大學的手裡。比如約翰·霍普金斯大學每年可以從軍方獲得大約10億美元的研究經費。
而美國2018年花在中小學教育上的支出是6400億美元，攤到每個學生頭上大約是一年12600美元，這是我在美國政府網站上看到的數據。如果按英國《衛報》的報道，數據還要更高，每年平均花在每個K12學生身上的錢高達16300美元。這些花銷中，州政府撥款和地方房地產稅貢獻了將近90%，聯邦政府的撥款不到8%，剩下的是捐贈。這就是公立中小學的情況。而2020年全美國所有私立中小學，學生的平均學費是11000美元，即便算上學校的捐贈收入，攤到每個學生身上，最後得出的數字和公立中小學的人均支出數字可能也差不了太多。
從這些數據我們就可以看出，美國公立中小學其實並不缺錢。實際上，如果你到硅谷地區看看幾所最有名的公立高中，比如帕羅阿圖高中和薩拉托加高中，就會發現它們的校園比硅谷地區最好的私立高中哈克學校一點不差。而且州政府給公立學校撥款是按學生人數計算的，而公立學校師生比例較低，一個老師教一大群學生，因此如果算到每個老師頭上，教育支出比大部分私立學校應該還更高。
美國公立中小學的老師待遇其實也不差。在加州，一個公立中小學老師基本上只要工作10年左右，就能拿退休金了。然後他們就可以一邊拿著退休金，一邊到私營教育機構工作掙錢了；反倒是很多私立學校老師生活壓力很大。以我女兒的老師們為例，他們不僅買不起房子，有的甚至在硅谷租不起房子，只能住學校提供的廉租房。這些老師之所以願意在私立學校教課，很大程度上是因為這樣他們的子女就免費可以上這些私立學校。
這裡順便說一句，美國幾乎所有大學教授的孩子上父母所在的學校都是免費的，這就是很多教授雖然工資不高還要在大學呆著的重要原因。至於《絕命毒師》里那位主人公的遭遇，與其說是公立學校老師待遇不好，不如說他遭遇了中產階級的典型困境，就是因為一場大病而導致貧困，這一點在全世界所有國家都是類似的。
美國公立中小學辦不好到底有哪些因素？
那接下來的問題就是，如果不是因為缺錢，那很多美國公立中小學辦不好，原因究竟是什麼呢？根據我的觀察，至少有以下四個因素。其中一個和老師有關，剩下的三個和老師或者說師資力量都沒有太大關係。
先說和老師有關的原因，就是美國公立中小學搞大鍋飯，老師們沒有動力和意願去深化教學，發掘和培養每個孩子的特長。我的大女兒曾經在加州最好的公立小學之一讀過一年，這所學校的排名在加州幾千所小學中僅次於兩所只能靠抽籤入學的實驗小學，而且學校位於硅谷最富裕的一個區，絕大部分學生的家境都很好。你可能會覺得，這樣的學校應該很好了吧，可惜事實並非如此。
一般來說，美國小學一個班會有一個老師來講所有的課程，我女兒所在的班有兩個老師，兩個老師教學經歷都超過10年，聽上去好像很不錯。但實際情況是，這兩個老師熬完了10年的年頭，都在等退休，都指望另一個人出力，自己落得輕鬆。他們佈置下來的一星期的作業，學生最多半小時就做完了。後來我就把女兒轉學轉走了，換到一個要求嚴格一點的學校。
這家新的學校也是加州最好的公立小學之一，班上的老師也是新來的，教課果然認真很多，一天留的作業比過去一周的都多。但是這所新學校的老師從來不講任何課程大綱以外的內容，因為這不是他們的義務，我們這些家長只好自己到學校去講課。之前我女兒上的第一所公立小學，不久之後家長們也不乾了，在家長的要求下，那所學校被一拆為二，其中之一變成了一所半公立半私立的特許權學校。
經過種種波折，最後我得出一個結論，孩子要是再呆在公立學校就給耽誤了，於是我們就把女兒轉走了。
我們再來看看另外三個原因。第二個原因就是公立學校的政治正確風氣太重，甚至影響到了教學。
我有一位谷歌的同事，他的女兒在硅谷一所最好的公立高中讀書。有一學期他女兒很鬱悶，因為講歷史課的老師是一位非洲裔，課上的論文，只要你不寫當年黑奴多麼悲慘、美國這個國家有多壞、白人多麼可惡，最多也只能得B。後來家長們忍無可忍，告到學校，學校開除了這位老師。但這位老師又把學校告上了法庭，並且勝訴了，從此學校沒人敢管她了。但這樣教歷史課，教學質量是什麼樣，也就可想而知了。
對於公立學校政治正確過重的風氣，家長們即使有意見，也沒有辦法。相比之下，私立學校因為學費是學生家長直接出的，所以家長（特別是大的捐贈者）對學校就多少還能有點影響力。
第三個原因，就是美國基礎教育普遍輕視理科；加上公立學校的老師認為「教課程大綱以外的內容不是自己的義務」，家長即使想給孩子補上理科內容，老師也不會配合。結果就是我之前講過的，許多美國中學生到高中畢業還不會解一元二次方程。有的老師還告訴我，這還是美國「高三」學生的表現，要是等高中畢業一年之後，恐怕一半的學生一元一次方程都不會解了。
學生水平這麼差，怎麼畢業呢？有些學校的做法就是放水。比如學生交了白卷，按中國的標準應該是0分，但有的美國學校說，白卷可以給50分。這樣，學生只要做對20分的題目就能及格，算是通過了。
考核標準這麼低，幾乎所有學生都能畢業，那怎麼評價衡量學校的教育成果呢？你可能知道美國有個著名的政策叫 「不讓一個孩子掉隊」，這就可以形成一個考核指標。怎麼樣算「不掉隊」呢？只要孩子來上學，不逃學，就算學校教育成功了。這種教育政策和理念之下，很難想象教學質量能上得去。
第四個原因是公立學校的經費利用效率低。前面我們算過了，公立學校人均經費其實並不比私立學校少，但從我的觀察來看，很多公立學校的經費利用率非常差，學校經常會有一些莫名其妙的支出項目。
比如，有的學校講要環保，在校園花錢裝太陽能板，用太陽能發電。但這筆成本什麼時候能收回來呢？學校並沒有算過這筆賬。實際上目前在美國，天然氣發電比太陽能發電的成本要低得多。

有的家長覺得，公立學校反正花的不是我的錢，效率低一些就低一些吧。但有點常識就該知道，公立學校的經費大部分來自稅收，仍然是羊毛出在羊身上。不止學校是這樣，公立機構資源利用率低其實也是社會的一個通病了。

小結
世界上很多事情一旦辦不好，很多人就喜歡歸結於「沒有錢」。但回到現實你就會發現，「沒有錢」很多時候只是藉口和托詞。比如韓國和新加坡在中小學生身上的人均支出都不如美國，大約只有美國的2/3；然而根據調查，新加坡和韓國的中小學生的受教育水平分別領先美國3.2年和1.9年。
在之前的來信里，我介紹過一些幾乎以一己之力改變了世界的人，如果你去看他們的生平經歷，就會發現他們並沒有多少資源，更沒有什麼錢，依然創造了那些偉業。即使不說改變世界，只談我們身邊的見聞，一個人能做成事情，通常也是因為他認真去做事了，而不是因為他有錢。微軟、谷歌、eBay和特斯拉等公司，創業時的融資總金額和同行業的公司相比都不算高，但並不影響它們做成大事。

很多人喜歡說「錢不是萬能的，但沒有錢是萬萬不能的」，這句話拿來鼓勵自己掙錢還好；但如果在失敗的時候拿出來講，把「沒有錢」當成失敗的理由，在我看來，這不過是在為自己做不成事情找藉口。

這封信的內容，核心其實就是一句話：永遠不要把辦不成事簡單歸結於「沒有錢」。」

深度：中科院AI勢力崛起

2020-01-21

智東西
文 | 韋世瑋

我們將時針倒回至七十年前。

己丑年甲戌月，東四馬大人衚衕10號的冬天全然未見絲絲涼意。這看似並不起眼的北京城中一隅，正醞釀着一場影響中國科技發展的深刻變革。

小衚衕裏，時年57歲的郭沫若被正式任命爲中國科學院院長。歷史以此爲起點向前奔涌，往後領導班子不斷更替的七十年間，我國自近代以來百廢待興的科技產業發生了翻天覆地的變化。

中國科學院（簡稱中科院）是我國在自然科學和高新技術綜合研究領域的最高學術機構。自成立以來，逐漸建成了完善的自然科學學科體系，覆蓋物理、化學、環境與生態學等學科，爲我國國家安全和科技硬實力的發展上，成爲了不可或缺的國家戰略科技力量。

從首次人工合成牛胰島素，到第一臺原子力顯微鏡（AFM）的誕生；從第一臺大型向量計算機系統，到首款通用處理器芯片「龍芯1號」的自主研發……中科院一路高舉科學振興的旗幟，帶領我國無數高端學科和科技產業萌芽、興起與爆發。

在學術研究領域，中科院旗下擁有12所分院，超100家科研院所，中國科學院大學、中國科學技術大學、上海科技大學（與上海市共辦）均爲中科院所屬的全國重點大學。建院以來，中科院已培養了近千名科技領軍人物和科技尖子人才，涌現出一批又一批的高科技創業者。

隨着人工智能的大火再度把世界科技熱潮點燃，中科院仍保持着強勁實力屹立於世界AI領域的發展潮頭。

放眼世界，2019年全球頂尖計算機科學機構排行榜CSRankings中，中科院以5.3分排名AI全球榜第四，僅次於清華、北大和卡耐基梅隆大學。

回望中國，中科院一手甩出寒武紀、雲從科技等估值10億美元的AI獨角獸，一手穩握中科曙光、科大訊飛和中科創達等多支A股王牌，在羣雄割據混戰的AI戰場中肆意廝殺。

國內外AI科技競賽一波未平一波又起，不知不覺間，中科院AI勢力的星星之火在2019年AI落地生死戰中，歷經了數萬家企業落幕背後的暗潮撲殺，正以爆發之態燎原至漫山遍野。

溯源中科院這場AI勢力崛起的背後，不僅是瞭解我國最高科研學術機構的技術根基和人文底蘊，我們對中科院系的冰山一角進行層層剖析的同時，也嘗試從中窺見這派AI勢力在當下產業落地生死戰的底牌與新活法。

一、中科院的根：研發與人才四十餘年灌溉

中科院系AI企業的野蠻爆發與生長，源於中科院深埋於我國科技土壤的根，離不開研發與人才長年累月的滋養和灌溉。

中科院的研發實力有多強？2019年《Nature》雜誌公佈的2019自然指數（Nature Index）年度榜單中，中科院以1678.64分一馬當先，超越845.54分的哈佛大學，猛衝全球領先研究機構第一的寶座。

細數我國改革開放四十餘年，在國民經濟、國家重大需求乃至世界科技前沿領域，亦活躍着中科院的身影。

2018年，中科院系統梳理了它在四十年間所研發的40項具有代表性、標誌性的重大科技成果。

其中在國家重大需求領域，中科院微電子所組織全國性產學研用聯盟，七年間不斷攻克集成電路（IC）產業研發瓶頸，實現22nm高K介質/金屬柵工程、14nm FinFET器件、新型閃存器件和可製造性設計等關鍵技術突破。

與此同時，在關鍵工藝模塊上，中科院微電子所還形成了較爲系統的知識產權佈局，擁有專利2406項，其中國際專利483項。

中科院持續在各個領域加強核心技術攻堅，實際上爲其在AI產業的爆發打造了一支又一隻精兵強將。

根據中國新一代人工智能發展戰略研究院在2019年5月發佈的《中國新一代人工智能科技產業發展報告》，截至2019年2月28日，我國共有75家AI領域的非大學科研機構，中科院下屬科研院所爲38家，以51.4%的佔比盤踞我國非大學科研機構陣營的半壁江山。

不僅如此，中科院下屬科研院所還強勢霸榜了我國AI領域專利數Top 10非大學科研機構。數據顯示，從第一名的中科院計算所，到第十名的中科院上海微系統所，中科院共爲我國AI產業貢獻了15457項AI技術專利。

人才之於研發，亦如園丁之於園林。

從成立至今，在郭沫若、方毅、盧嘉錫、周光召、路甬祥、白春禮一代代院長的帶領下，中科院如海納百川般吸引了無數身居科研金字塔頂尖的學術巨擘，遍佈數學物理、生命科學、信息技術和化學等多個領域。

現階段，中科院學部共有830名院士，107名外籍院士，平均年齡高達73歲。

81歲的並行算法、高性能計算專家陳國良院士正是其中的一員。他曾開發了國產曙光並行機「用戶開發環境」商用軟件，並帶領團隊成功研製出萬億次高性能計算機「KD-90」，爲我國高性能計算領域的自研核心技術添上了濃墨重彩的一筆。

外籍院士中，時年72歲的微電子學家、FinFET之父胡正明提出的鰭式場效晶體管（FinFET）芯片工藝技術，不僅成功讓芯片晶體管構造從原先的2D邁入3D大門，還打破了曾限制半導體產業發展許久的「摩爾定律」，爲全球半導體產業快速進軍先進工藝領域作出了巨大貢獻。

在近千名院士的披荊斬棘之下，雲從科技創始人及CEO周曦、寒武紀創始人陳天石與陳雲霽、雲知聲創始人樑家恩等一衆出身於中科院的後起之秀，亦在AI領域嶄露頭角，力圖創造一個又一個創業佳話。

縱觀中科院的科研實力與人才優勢，自成立七十餘年——尤其是改革開放後的四十一年間，日復一日地滴匯成海、聚沙成塔，不僅推動了我國科學技術硬實力的復興，亦爲如今中科院系AI公司在產業的爆發埋下伏筆。

二、中科院系AI企業的三大主戰場

如果說AI用了六十年的時間，才讓世界重新關注到它。那麼，中科院自改革開放後花了四十餘年，才讓中科院系企業在當下迎來爆發，這並不意外。

往前，我國的AI產業有中科曙光、科大訊飛和新鬆機器人等公司，在高性能計算、語音、機器人等領域開創基業的篳路藍縷。

往後，國內AI領域則有寒武紀、雲從科技和雲知聲等AI獨角獸與初生牛犢將優勢傳承，在AI芯片、AIoT、計算機視覺等市場不斷釋放潛力。

2019年年初，全球創投研究機構CBInsights發佈32家全球AI獨角獸公司名單。其中，出身中國的10家企業中，寒武紀、雲從科技和雲知聲爲中科院系創企，自動駕駛創企Momenta也有多名高管出身中科大。

中科院系在國內的競爭力同樣強勁。2019年8月，賽迪研究院發佈《2019賽迪人工智能企業百強榜研究報告》，在綜合實力TOP100榜單中，科大訊飛、中科曙光、寒武紀和漢王科技等9家中科院系企業榜上有名。

四十多年來，不斷在AI市場展露野心的中科院系企業已在多個領域開枝散葉。

從當前全局來看，中科院系企業的戰場主要集中在計算機視覺、AI語音和AI芯片三大方向。

它們從成立之初就開始逐漸影響着這些行業，在利用創新技術瓜分市場的同時，也重新定義着傳統市場的變革之路。

1、計算機視覺（CV）

計算機視覺是如今AI領域中十分熱門一個分支，同時也是極具商業化價值的賽道。

其中，以人臉識別爲核心技術的AI企業已廣泛遍佈國內市場，與安防、金融、自動駕駛和消費電子等應用場景緊密結合。

在這一市場中，中科院系老牌企業則有中科創達首當其衝。

中科創達成立於2008年，它針對成像技術開發了一系列圖像處理和智能視覺算法，既有面向衆多領域檢測人臉的年齡、性別和情緒的Face ID方案，也有面向工業、安防和交通等領域的視覺缺陷檢測。

尤其在智能網聯汽車方面，中科創達融合底層操作系統技術、Righware Kanzi 3D開發技術和智能視覺AI技術，進一步提升用戶的駕駛體驗。

據悉，中科創達在全球已擁有超過100家智能物聯網汽車客戶，其業務增速在2019年上半年約爲74%。

深度：中科院AI勢力崛起

另一廂，現在市場中老生常談的「CV四小龍」中，雲從科技則是中科院系麾下創企，成立4年就已拿下10億美元估值。

雲從科技在計算機視覺領域擁有三大核心技術，分別爲3D結構光人臉識別技術、跨鏡追蹤（ReID）技術和人體3D重建技術，在安防、金融、交通和零售等行業都有落地應用。

例如，其人臉識別技術能夠對圖像中的人臉進行屬性分析，以判斷年齡、性別、膚色、是否佩戴眼鏡和麪部遮擋物等信息，實現毫秒級響應。

2018年，國際調研機構Gen Market Insights曾發佈《全球人臉識別設備市場研究報告2018》，數據顯示，中國是全球人臉識別設備的最大消費市場，雲從科技的市場份額排名第一。

2、AI語音

要說中科院系企業在AI語音領域的最大王牌，科大訊飛當仁不讓。

自1999年成立至今，科大訊飛在語音識別、語音合成、聲紋識別和自然語言處理（NLP）等技術領域，已逐漸成爲中國AI語音行業的領頭羊。

科大訊飛的AI語音業務覆蓋智慧教育、智慧醫療、智慧城市和智慧汽車等領域。其中，在智慧教育方面開發了訊飛學習機，能夠幫助孩子定位弱項學科，制定個性化的學習方案。

科大訊飛董祕江濤曾表示，科大訊飛語音識別的市場佔有率已居全國第一。

而在新秀陣營，雲知聲和聲智科技等創企的潛力亦不可小覷。

例如，當前處在國內語音交互領域第一梯隊的雲知聲，2012年時就已將深度學習技術應用到語音識別領域，隨後還提出了面向物聯網的「雲端芯」產品體系構想。

雲知聲自主研發的雲知聲開放平臺3.0，利用語音識別、語義理解、語音合成和音頻轉寫等技術，爲移動物聯網、智能家電、可穿戴設備和醫療等領域提供AI語音解決方案。

據瞭解，目前雲知聲的覆蓋用戶已達2億，其中開放語音雲覆蓋的城市爲470餘個，覆蓋設備超9000萬臺。

3、AI芯片

在我國的半導體產業發展史上，脫胎於中科院計算所的龍芯中科自2001年以來，陸續研發龍芯1號和龍芯2號系列芯片，打破了我國缺乏自主研發CPU芯片的歷史。

而往後看，尤其是過去五年間AI專用芯片需求的爆發，中科院也孕育出了寒武紀和雲知聲兩家AI芯片獨角獸公司，以及中科睿芯、欣博電子和啓英泰倫等重要玩家。

其中，創立於2016年的寒武紀在2018年6月完成數億美元的B輪融資後，市場估值已達25億美元（約167億人民幣）。

寒武紀打造的兩代智能處理器IP，曾被搭載於華爲麒麟970和麒麟980兩款SoC中，幫助華爲一炮打響「真正的AI手機」口號。

2019年11月，寒武紀面向邊緣AI計算領域，最新推出了思元220芯片，擁有高安全、低延時和高帶寬三大優勢。

隨着思元220芯片的推出，寒武紀的AI芯片正式形成雲、邊、端三個方向的完整佈局，進一步滿足現今碎片化AI市場的多個應用場景需求。

三、回溯三大技術源頭，AI勢力的厚積薄發

追根溯源，如今中科院系AI勢力的逐漸崛起，與中科院AI歷史的變遷與演進離不開關係。

與我國曆史發展脈絡同步，中科院在結束了徘徊中前進的兩年後，國內AI的發展也逐漸醞釀着解禁。

1978年，我國著名數學家、中科院院士吳文俊提出的「幾何定理機器證明」獲得了全國科學大會重大科技成果獎，爲我國之後的AI體系構建奠定了重要基礎。

直到上世紀80年代，中國航天之父、中科院院士、兩彈一星元勳之一錢學森等先輩開始主張開展AI研究，讓我國的AI領域研究逐漸開始活躍。

隨着我國AI技術和思想的層層「破冰」，加之1994年中科院啓動支持高水平科技領軍人才引進的「百人計劃」，中科院乃至我國的AI從人才到技術、從學術到產業、從機構到企業，才一步步地蓬勃發展起來。

歷史滾輪之下，我國的AI發展脈絡與中科院息息相關。

當我們將回溯的目光放至中科院系AI企業的「身世」上，不難發現，這些企業的出身可大致分爲兩派。

一派以研究員爲出發點，其公司創始人、CEO和主要高管均爲中科院及下屬研究所出身，由研究員獨立或聯合創業而成；

而另一派則以科研項目爲出發點，公司在成立前曾爲中科院及其下屬研究所的科研項目，通過技術成果轉換後，才正式成立爲公司繼續發展。

但不論是研究員的出身，還是科研項目的孵化，這些公司的技術起點幾乎主要源於中科院的三家關鍵機構——中科院自動化研究所、中科院計算技術研究所、中科院聲學研究所。

1、中科院自動化研究所

設立於1956年的自動化所，不僅是我國最早成立的國立自動化研究機構，也是我國最早開展類腦智能研究的國立研究機構。

自動化所主要涉及生物特徵識別、機器學習、視覺計算、自然語言處理、智能機器人和智能芯片等領域的研究，漢王科技、中科唯實、銀河水滴、中科慧遠和中科視語等公司均從中孵化落地。

截止2018年底，自動化所共擁有696名科技人員，包括中科院院士2人、發展中國家科學院院士1人、IEEE Fellow 9人。

在AI領域，自動化所亦扮演着重要的開拓者角色。

上世紀90年代，自動化所以控制科學爲基礎，率先佈局AI研究。緊接着從2010年起，其AI研究方向進一步細化，開始在類腦智能研究領域出招。

據悉，自動化所通過架構設計創新，曾自主研發了量化神經處理器（QNPU），在資源受限的芯片上實現大規模深度神經網絡的獨立計算。

而在生物特徵識別技術方面，自動化所還實現了從中距離到遠距離的可識別生物特徵信息全覆蓋，包括虹膜識別、人臉識別和步態識別，已在國家衆多重要安全領域應用落地。

2、中科院計算技術研究所

計算所同樣創立於1956年，是我國第一個專門從事計算機科學技術綜合性研究的學術機構。

計算所主要研究信息處理、網絡安全、大數據處理、智能技術和虛擬現實技術等領域，曾研發出我國衆多的「第一」歷史性時刻，爲我國的高端計算機技術、數字化技術和通用CPU技術等方面作出了巨大貢獻。

例如，我國的第一臺通用數字電子計算機、第一臺109乙大型通用晶體管計算機、第一顆通用CPU芯片「龍芯1號」，以及全球PC市場份額第一的聯想集團前身皆誕生於此。

同樣，計算所亦是中科曙光、寒武紀、中科智芯、中科視拓和中科物棲等一衆AI企業的搖籃。

截至2015年，計算所的研究隊伍已超500人，其中中科院、工程院院士共5名，正高級專業技術人員70名。

而在未來，計算所也將計劃實現三個100億的產業目標，包括中科曙光市值達到100億美元、嵌入到華爲等企業的IT產品銷售100億人民幣、創業公司市值達到100億人民幣，真正成爲我國計算機產業的源頭。

3、中科院聲學研究所

與自動化所和計算所相比，聲學所則較爲「年輕」些，它成立於1964年。

聲學所主要負責聲學和信息處理技術學科的應用基礎，以及高技術發展研究，面向我國的海洋、安全、能源和生命健康等領域。

其中，聲學所的水聲物理與水聲探測、通信聲學和語言語音信息處理、聲學與數字系統集成等技術，不僅孵化了聲智科技等AI語音企業，同時也培育了一批如海天瑞聲創始人賀琳、小聲科技創始人陳孝良等產業人才。

截至2018年底，聲學所共有專業技術人員794人，包括正高級專業技術人員133人，副高級專業技術人員255人。

在國家重大科研項目領域，聲學所亦參與研製了我國「蛟龍」號載人潛水器的研發與應用，爲我國載人深潛技術的發展作出了突出貢獻。

中科院AI技術的「黑土地」不止於此，中科院軟件研究所、微電子研究所、半導體研究所等科研機構，同樣催生了衆多極具潛力的中科院系AI企業。

四、中科院的時代發展機遇

中科院系AI勢力的燎原，不僅僅是七十多年來科研技術和人才培養的厚積薄發，抓住了AI產業「甦醒」的時代機遇，亦是我國政策和中科院科技成果轉換的催化。

自我國的科技發展進程翻篇到新世紀，國家層面對AI技術和產業的嗅覺愈發靈敏。

國家高層領導人在2014年中國科學院第十七次院士大會、中國工程院第十二次院士大會開幕式上發表的一次重要講話，首次高度評價了AI和相關智能技術，無形中大力推動了我國AI技術的發展。

一年後，國務院正式頒佈了《中國製造2025》，加快推動新一代信息技術與製造技術融合發展，將推進智能製造作爲我國製造強國戰略的主攻方向。

至此，AI逐漸被提到了每一項重要產業中不可或缺的核心技術位置。

在國家政策的積極帶動下，中科院及下屬各個研究所亦開展了一場自上而下的政策規劃。

但立足於產業，如何更好地實現科技成果轉移轉化也成爲了中科院各項政策規劃的重要方向。

實際上，技術成果轉化的難點在於如何尋找技術產業化的方向。這常常缺乏專業的服務機構和人才，同時還面對部分科技成果轉化的政策不完善、科技成果與市場需求脫節等問題。

在政策方面，以下屬研究所爲例，中科院計算所在2016年制定了自身的「十三五」規劃，一是計算所發展模式要從自主創新轉變到引領創新，對標斯坦福大學；二是通過建設中科院網絡計算創新研究院，引領中國「信息高速鐵路」技術的發展；三則是支撐企業實現三個100億的產業目標。

以地方爲例，2018年，中科院科技促進發展局、中科院北京分院、中關村科技園區管理委員會共同推出了《促進中科院科技成果在京轉移轉化的若干措施》，通過支持科技成果轉化平臺建設、實驗室共享等十項舉措，推動更多科技成果在北京轉化落地。

此外，中科院還全資設立了國科創新公司，不斷探索產業技術研究院、技術企業孵化器和聯動創新產業園三種平臺的科技成果轉換模式。

截至目前，國科創新已實現了120多項科技成果轉換服務，覆蓋AI、智能製造、智能物流和智能電網等領域，孵化企業的融資規模已達到2.8億人民幣。

結語：七十載征程，中科院仍笑傲AI江湖

時光如流水，七十年的風吹雨打，中科院已然成長爲我國AI技術和產業力爭站立於世界潮頭的國之重器。

順延着它的歷史軌跡，我們可以看到，它AI勢力的強勢崛起，既有歷史的累積、人才培育的影響，也有一代代產業經驗累積後的良性循環。回顧中科院系AI企業的漫漫長路，它爲我國AI產業如何利用好產學研之間的合作優勢，提供了一個新的角度與思考方向。

但同時，我們也需意識到，在當下殘酷的AI落地戰和全球科技競賽激烈的環境中，我國整體的AI技術實力與國外仍存在一定的差距。

我國AI玩家們將要面臨的，不僅是全球科技競賽給市場格局帶來洗牌的陣痛，還需面對顛覆性技術爲各領域市場，乃至人們的生活帶來的巨大挑戰。生，便能乘着市場和資本的東風一躍而起，闖進商業落地的頭部陣營；死，便只能被大浪拍在岸邊的礁石上，隨着時間流逝被市場和資本遺忘。

未來，中科院系AI企業又將如何書寫這一頁歷史征程？時間將會告訴我們答案。

附圖：▲中科院研究單位統計表
▲我國自然科學工作者代表會議籌備會合影
▲自然指數全球百強機構前十名榜單
▲中科院改革開放四十年40項重大科技成果
▲我國AI領域專利數Top 10非大學科研機構（圖源中國新一代人工智能發展戰略研究院）
▲中科院學部院士年齡統計（圖源中科院官網）
▲陳國良院士
▲胡正明院士
▲賽迪網發佈2019年中國AI企業綜合實力百強名單
▲計算所成立公司情況（圖源計算所官網）

資料來源：https://bangqu.com/YDah49.html

「人生有許多悖謬，其中一個是我們天生就會，而且習慣性地做貝葉斯推算，但幾乎沒人能算得準確。好比小朋友學數學，就算會了公式，還是永遠粗心總做錯。不是一個人，幾乎所有人都這樣，我們無時不刻都在用正確的方法做錯誤的運算。

什麼是貝葉斯推算？一句話，就是我們根據新的信息、證據、數據來更新看法、判斷、信念。試問誰不是如此？我們天生是貝葉斯動物。

貝葉斯本人是18世紀初蘇格蘭的一位神父。貝葉斯推理本質上是條件概率的變形： 已知如果A則B，那麼反過來求解如果B則A的概率 。說到這裡正常人已經暈掉了。誰也沒有在大腦里隨時攜帶計算器。

講道題就明白了。這道題對每個人都很重要，極為有用。

如果有種疾病，總體發病率是千分之一。針對這種病的檢查，準確率很高，如果得了這病，那麼測出來是陽性的概率是99.5%；如果沒得這病，相應地被測出來為陰性的概率也是99.5%。現在，檢查測出是陽性，請問當事人得這病的概率是多少？

大多數人會答99.5%，要不就是各種亂猜。有人在哈佛大學醫學院這個世界上最精英的醫生教育訓練機構做實驗，發現大多數哈佛學生也不會算。

這道題適用於任何罕見病，只是上面情境里用的數據來自艾滋病。 艾滋病感染者在中國男性青壯年中所佔比例是千分之一，HIV試紙檢測的準確率是99.5%。如果有人測出陽性，是不是死定了？

許多人真這麼想，以為自己末日來臨，做了許多瘋狂的事。其實沒必要。

先揭曉答案：如果你是個普通人，即使檢查出陽性，感染艾滋病的概率也只有不到六分之一。

如果用條件概率去算，得有個計算器，一聽腦袋就大，哈佛醫學院學生就折在這裡。我這裡給個簡單辦法：
上面例子中，千分之一的發病率意味著一千個人當中有一個感染艾滋病，而這個人測出陽性的概率是99.5%，約等於1個。同時，剩下999個沒有感染艾滋病的人中，因為檢查結果有千分之五的假陽性，會檢測出4.995個陽性，約等於5個。加起來，1000人檢查會有接近6個人檢出陽性，但其中只有1個是真的感染者。

也就是說，如果檢出陽性，感染艾滋病毒的概率接近六分之一。必須嚴肅對待，但不用覺得末日已到。

貝葉斯推理，就是我們根據新的信息來更新我們已有的認識。在這裡面，我們已有的認識是艾滋病在中國男性青壯年當中的它的發病率是千分之一，同時，檢測出假陽性的概率是個新的信息。

這兩者合起來，我們得到的新的認知是：檢出陽性的這個人他得艾滋病的概率，從你以為的99.5%變成了六分之一。

從概率到頻次
我上面這樣做，沒有用概率，而是換算成頻次，貝葉斯推算難度驟然下降，變得非常簡單。學者格爾德·吉仁澤（Gerd Gigerenzer）在新書《風險與好的決策》（ Risk Savvy: How to Make Good Decisions ）中說：
貝葉斯推算本來就很簡單，不要說哈佛醫學學生了，就是小學生也能算對，關鍵就在於要改變算法。

吉仁澤是德國普朗克人類發展研究所適應性行為和認知項目的主管。他與諾獎得主卡尼曼互相尊重又長期爭論。卡尼曼是位心理學家，獲得的卻是諾貝爾經濟學獎，因為他將諸多人類心理上的認知偏差引入經濟學，激發了整個經濟學行為轉向的大潮。

卡尼曼認為人有許多認知偏差（bias），驅動人們不思而應，貿然而對。吉仁澤則認為，這些不能叫認知偏差，彷彿它們必然是錯誤的。他建議把這些思維特點稱為「大拇指定律」，因為大體靠譜，偶爾犯錯。它們節省了寶貴的大腦運算資源，在演化上是有優勢的，所以人類到今天還是這樣。

他舉了個例子，經濟學家的完美代表薩繆爾遜，寫跟投資理論有關的論文，都是資本市場線、資產定價模型，一堆數學模型，但他自己實際投資就很簡單，股票、債券、現金等等，就是在幾種資產類型中，把資金平均分配就好了，簡單、有效。

其實類似策略在猶太古代經典《塔木德》中就有記載：把錢平均分作三份，一份買地，一份經商，一份儲備。錯不到哪裡去，算太細了額外收益有限。

在貝葉斯推理這個問題上，卡尼曼認為人類很不擅長，從不細算。吉仁澤則認為關鍵在調整算法。人們一遇到概率就暈，但很擅長計算頻次。

在貝葉斯推斷問世之後不久，那個時代最偉大的一位科學家、法國人拉普拉斯就獨立發明瞭計算方法的實用版，要點就是計算頻次。

生活中的貝葉斯
我來介紹一個在這基礎上我自己改造後使用的貝葉斯推理模板。

無論面對什麼問題，關於未來會怎麼樣，你設定三種可能情形：上、中、下，分別對應著變好，不變，變壞。如果你已有個初步判斷，就相應配給上中下相應的基數；如果你是一張白紙一無所知，還沒有任何判斷可言，就給他們相同的基數。

接下來事情本身的走向會帶來新信息，有可能傾向於或者上或者中或者下這三種情形，是什麼情形你就在對應的基數加分，加多少看新信息的力度大小而定。

我的模板是這樣的：上中下各配基數33.33（用100除以3，平均分配），每次加分的取值範圍是從1到5，最強5分，最弱1分（如果認為信息強，就賦值5，信息弱，就賦值1）。

這樣，無論什麼事，打上一段時間的分，你就對它是很有些數了，絕對比每次臨時拍腦袋現想要靠譜。你就有了隨身攜帶的貝葉斯大腦。

貝葉斯推理有兩大要求：第一是要釐清你已有的判斷，第二是誠實對待新的證據，兩者缺一不可。前者是判斷的出發點，後者是更新判斷的依據。

說到這裡你應該想到了，市場就是個貝葉斯下注系統，用交易來解決看法分歧。當前價格對應於當下看法，而價格變動代表著看法修正。它是個活的、龐大的、永遠在變形的貝葉斯系統。之所以說任何一個人很難穩定地戰勝市場，因為市場本身是極為有效地反映了現實中人的看法。

同理可推，如果能集納一群看法相對靠譜的人，就任何判斷持續下注，那這個群可以用來給出對任何事情的預測。

再進一步，人與人的靠譜程度不同，判斷的靠譜程度亦不同，根據各自表現，動態調整其權重，靠譜的人權重逐漸增加，不靠譜的人權重逐漸下降，加權平均形成新的判斷，準確度會更高。最終你將獲得兩樣東西：一個是相當有效的判斷系統，一個是相當有效的對判斷者的評價系統。兩者互相反饋，繼續提升精度。

其實，我們在生活中也是這麼做的，接近靠譜的人，遠離不靠譜的人，重視權威，輕視妄人。區別在於，生活中做貝葉斯人，我們做得既不系統也不精確，經常算錯，現在，借助手邊的工具，我們能做得好很多。

當然，永遠不要忘了，無論是貝葉斯大腦，還是借助工具打造的貝葉斯外腦，都只是一幅地圖，幫我們在未知地形上摸索。不論多少人用多麼靠譜的方法共同繪制它，如果地殼崩塌，行星撞地球，地形一夜間就天翻地覆，貝葉斯並不能比其他地圖更好地幫助我們。

它無法對抗黑天鵝。這是沒辦法的事情，因為誰也對抗不了。

第二個不要忘記的事情，就是在在先的判斷與新證據之間並不總是彼此獨立的。如果你已經絕對相信上帝存在，那麼無論出現什麼新信息新證據，你總能找到讓你舒服的解釋。

真正的貝葉斯人不這樣。他們會尊重先入之見，因為它是一切新知的出發點，但又隨時準備清空存量，以避免掉入這一陷阱。

可惜這種人不夠多。」