李开复：AI 超级力量——中国与硅谷
Kai-Fu Lee: AI Superpowers – China and Silicon Valley
李开复比较中国与硅谷的 AI 生态、数据与资本优势，并谈自动化对就业的冲击。
Snapchat 的 Evan Spiegel 有一件很骄傲的事：他不肯抄别人的功能。Facebook 抄了。李开复在 Lex Fridman 的播客里提到这段旧事，语气平静，结论很硬：把"不抄"当成原则，等于给公司戴上一副手铐，天花板就此封死。
一个在中国做了三十年研究与投资的人说这话，不算意外。他给出的理由更值得听，以及这套理由背后那整套关于中美两种技术文明的判断。2019 年 7 月，他的《AI Superpowers》刚成为畅销书，中美 AI 竞赛是当时最热的话题，而这期播客里，他谈的不只是算法和数据，还有背诵一万个汉字的教育、癌症病房里的清醒、以及一个政府如何像创业公司一样试错。
抄一个被验证过的起点，不丢人
十年前的中国创业者拿不到融资，除非能说清楚自己抄的是美国哪个产品。投资人见面第一句话是"谁验证过这个商业模式"，这是"你在抄谁"的礼貌版本。
李开复不觉得这有什么可耻。当时中国互联网渗透率低，本土没有足够经验去造原创产品；而精益创业这套方法论本身就是先做一个最小可行产品再迭代。既然要迭代，用一个被市场验证过的美国产品当起点，只要不侵犯知识产权，移动和 AI 领域他没听说过有侵权判例，这是一条更快的路。
他顺手点出了硅谷信条里的一个自相矛盾：一边相信每个想法都必须是自己原创的，一边相信精益创业要试很多方向然后收敛。这两件事没法同时成立。
手铐的代价是具体的。Evan Spiegel 很骄傲，坚持只做自己的功能；Facebook 不介意抄，于是竞争结果摆在那里。把"不抄"当成道德洁癖，会让一家公司永远够不到它本可以够到的高度。
中国的底子：从背一万个汉字开始
Lex 问了一个很文学的问题：中国灵魂是什么。
李开复的回答从贫困讲起。几代人的负担压在身上，过去四十年改革开放和市场经济发展，突然照进希望。两股力量同时作用在人身上，一股来自传统和艰难，一股来自"我要第一个成功"的渴望，合成了极强的饥饿感、极强的欲望和极强的职业伦理。
再往下挖是教育。中国的考试和学习传统从背一万个汉字开始，这本身就不是轻松活，之后还要背历史、哲学、文学、诗词。这可能是人类设计过最强大的死记硬背机制，目的是确保记忆力和对细节的掌握。
它的副作用也很清楚：压制突破式创新，同时提升执行速度和结果交付能力。李开复说得很坦诚，这种教育确实压制了美国那种从零到一的创新，但没有压制"以结果为导向的价值创造引擎"，而后者正是中国过去二十年最擅长的东西。
Lex 提到俄式教育里也有大量背诵，两人在这件事上很快达成共识：对完美的执念，和创造力之间并不是正相关。
中国工程师调数据，美国工程师改算法
那今天的中国 AI 工程师和美国 AI 工程师有什么不同？
相同的地方很多，AI 本身是掌握已知科学、使用已知技术、不断尝试的活。调网络结构、选参数，某种程度上也是穷举。清洗数据更是所有人的噩梦，数据通常是非结构化的、有错的、脏的，清洗的工作量巨大。
差别在取舍。美国工程师的强项是试新东西，做别人没做过的事，用技术解决几乎所有问题：数据不理想，那就让算法容错，想办法绕过去。中国工程师的路径是穷举，堆机器，花大量资源、钱和时间把数据洗干净，写清洗算法，和几千个标注工人协作。
如果目标是在公司里交付结果，用已知技术加数据增强是风险更低、更容易越做越好的路。这就是中国打法在过去几年赢下大量战役的原因。
但这条路有边界。自动驾驶、医疗诊断这类问题，现有算法大概解决不了，这时候突破式创新的权重就上来了，美国在这类问题上更有优势。
特斯拉在赌一件很难的事
Lex 把话题引到特斯拉：他们正全速用数据冲 L4、L5。
李开复说这很难，还给出一个有点刺人的类比：特斯拉的做法可以算是一种"中国式强项打法"，把能收的数据全收上来，指望数据量淹没问题。
麻烦的地方在于，自动驾驶的很多决策不是聚合数据加反馈闭环能解决的，它们更接近人类思考。把人类智能，或者用那个在机器学习圈里几乎成了禁忌词的说法"专家系统"，和深度学习结合起来的工作，至今没有成功演示过。
特斯拉还多一层约束：传感器不全。他们认定用 LIDAR 是愚蠢的，但这是主动放弃一个非常有价值、非常可靠的输入源，后果可能要自己承担。
李开复也承认特斯拉的长处，它能采到别人从没见过的数据。在计算机视觉和语音识别上，他确实见过中国公司靠西方拿不到的数据做出更好的结果。但这两个任务是深度学习的"合适问题"，不需要分析、规划这些人类智能的成分。
同样的逻辑往下推：纯机器学习很难做出跨任意领域的完整对话体验，那相当于语言领域的 L5。他不太愿意用"图灵测试"这个词，因为原始定义太宽松了，他要说的是那个精神。
三家公司，三种性格
硅谷的整体气质，李开复概括为：梦想大、有愿景、相信技术能征服一切，还带着一种自信和理所当然，认为自己造的东西全世界都该用、都必须用。
Steve Jobs 那句著名的话是这套气质的极致表达：他不做焦点小组，他看着镜子问镜子里的人想要什么。李开复认为这是对硅谷本质最激动人心的描述，做出用户看到才知道自己想要、但自己永远想不出来的东西。iPhone 是例子，在黑莓的年代没人会在问卷上写"我要一台多点触控的手机"；浏览器也是，在 FTP 的年代没人说自己要这个，但一见就想要。
代价同样存在。这些产品成了全球平台，几乎没有竞争对手，于是长出一种信念：只有这类事值得做，公司之间不该互相踩踏。Groupon、Yelp、OpenTable、Grubhub 各自守着一摊，谁也不去动别人的生意，因为那不够"创新者的骄傲"。
中国打法是另一套：为了赢，什么都做。这是赢家通吃的市场，市场领导者拿走系统里几乎所有价值，而这个"系统"的定义会越来越宽。务实、结果导向、极度野心、角斗场式的赢家通吃心态，就这么长出来了。
至于三家公司的性格。Apple 代表取悦用户，设计、品牌、细节和对用户需求的尊重形成品牌光环，让人心甘情愿付溢价。Microsoft 代表平台路线，底层架构扎实，把工作拆解给个人，小部件加总成一个巨大的产品，是最有效的高科技流水线，竞争对手难以复制。Google 是真正价值观驱动的公司，有心有灵魂，技术基因极强，想通过连接信息为世界做点好事。
他还补了一句很有意思的判断：Microsoft、Facebook、Amazon 这三家美国公司身上有中国特质，它们会死磕相邻市场，把价值提取的球体越滚越大，并且真正理解平台的价值。
"不作恶"是个危险的口号
Lex 追问 Google 的心和灵魂。李开复的回答先泼了盆冷水："不作恶"这个口号很危险，因为每个员工对"恶"的定义都不一样，这给 Google 带来了不少棘手的员工关系问题。
但他看 Alphabet 在医疗、在灭蚊这些完全不属于互联网公司业务的地方投入资源，能看出心和灵魂是真的。
难就难在这儿，一家公司像一个身体有两个部分。大脑要对股东负责，最大化利润；心要做可能违背大脑的事。这个平衡极难，Google 在这上面挣扎过，Facebook 更是成了公众情绪的靶子，也有人把 Google 的商业实践称为掠夺性的。
李开复自己的判断是：长期看，赚大钱最好的方式是保住心和灵魂。短期内把滑块往隐私那边偏一点，感觉像在牺牲利润，长期赚的是用户信任。
中国创业者的三级跳
十年前说中国创业者是 copycat，李开复认为不算错。那时拿不到融资，除非能说清抄的是谁。
变化分三级。第一级，基于美国点子做出更好的产品：微信比 WhatsApp 好，微博比 Twitter 好，知乎比 Quora 好。第二级，开始看中国市场自己长出来的机会：蚂蚁金服（含支付宝）、VIPKID、TikTok、拼多多、摩拜，这些都是中国原创，反过来被别国抄。第三级，有些产品建立在独特的中国人口结构上，在美国不好用，但在东南亚、非洲这些比中国晚几年的发展中世界非常好用；少数是普适的，TikTok 在美国也跑起来了。
这套生态靠 VC 的正循环撑着：市场大，创业者多，钱就多，回报高，募资更容易。创新工场第一支基金 1500 万美元，最新一支 5 亿美元，中国市场的体量是美国的三到四倍。
政府像创业公司一样试错
中国政府支持创业的方式，跟美国人想象的不一样。它把创业空间留给民营企业自我调节，自己在周围搭基础设施。
大众创业万众创新计划建了 8000 个孵化器，等于给 VC 修了一条很粗的管线。自动驾驶上，政府在修带传感器的智能公路，在建把行人和车分开的智能城市，让一家算法还不够好的公司也能先上路而不至于大幅增加伤亡。
最精巧的是引导基金。地方政府作为被动 LP 出钱，基金赚钱之后，一部分收益让给 GP 和其他 LP，牺牲政府自己的回报来提高所有人的回报。这等于把"选谁当创业者"这个判断，交给了比政府更擅长判断的 VC。
这套工具不是原创。引导基金的想法来自新加坡，新加坡来自以色列，中国做了个调整：让城市之间互相竞争。官员要升迁，就得让城市出成绩。中央给预算，可以投 AI，可以投生物，可以投能源，谁出结果，城市发光，市长升职。于是地方政府像创业公司一样各自试错，有人给聪明研究员直接发钱盼着他开公司，有人投实验室盼着 spin off，有人去海外招人回国创业，结果参差不齐，最后引导基金效果最好，所有城市都抄了。
基础设施是另一套思路：市场做不了的事政府做。3G、4G、高速公路都是这么来的。中国的无线信号比美国好，因为大范围覆盖全国，美国的覆盖有盲区。
Lex 追问：不砸基础设施，全自动驾驶能解决吗？李开复说这不是是或否的问题，是 15 年、30 年还是 45 年的问题。有基础设施加成，L5 一定会提前到来。美国不会为了自动驾驶造一个芝加哥大小的新城，但美国高速公路系统就是艾森豪威尔建的，资源怎么搞到的，值得历史学家研究。
AI 的历史走偏了
做了三十年 AI，李开复对这门学科的历史有一句很凝练的总结：AI 最初是要理解人类智能，名字本身就是这个意思，后来漂移到了一个极其成功的子领域，机器智能。
机器智能用模式识别，在有限领域、大量数据上做得极好，但做的规划任务相对简单，创造性很低。
我们没造出人类智能，造出的是一台在某些问题上远胜人类、在另一些问题上一塌糊涂的不同机器。今天公众还是误解，以为 AI 是在复制人脑，其实现在的产品，更接近"发明了互联网、电子表格、数据库"这件事的大规模普及。
最先消失的是白领的重复工作
被 AI 取代的顺序，跟大多数人的直觉相反。
最先出事的是重复性白领工作。替换一个白领只需要软件；替换一个蓝领需要机器人、机械精度、灵巧度，还得应对未知环境，难得多。
最危险的白领岗位是后台类：复制粘贴、处理简单程序和数据的、跟纸和 OCR 打交道的、不做战略决策只负责让流程走下去的。新员工入职、检索历史诉讼和财务文件、做背景调查，全在这个区间。电话销售、客服这类简单交互工作也在里面。
体力活里，同一地点、不需要高灵巧度的也危险：摘水果、洗碗、流水线质检。
未来五年数字温和，之后加速。15 到 20 年，机器人灵巧度上来，流水线是一大块。自动驾驶先动卡车司机，最后是所有司机。
Andrew Yang 说对了一半
Lex 提到 Andrew Yang，那位把自动化失业和全民基本收入当作竞选纲领的美国总统候选人。
李开复的判断是：方向对，时机早。失业率数字还不高，你跟选民说工作要没了，人家看看眼前的低失业率，凭什么信。他坦言自己和 Yang 面临同样的困境，想让人相信一件还没显形的事，很难。
他同意岗位流失的判断，但在 UBI 上有个具体分歧：单纯的发钱不够，核心是再培训。每月发一千或两千美元让人自己想办法，麻烦的是被取代的人根本不知道该学什么、该去哪个行业。钱要给，方向也得给。
他补了一层论证。过去的技术革命，常规岗位被取代，新的常规岗位又长出来，所以总有腾挪空间。AI 不一样，它替代的正是常规本身，它创造的新岗位不会是常规岗位，因为如果是常规的，为什么不让 AI 自己干？结果就是：丢掉工作的人丢的是常规岗，能拿到的是非常规岗，中间隔着一道培训的坎，短则半年，长则三年。
不过他特意说明，仔细读 Yang 的方案文本，里面其实照顾到了这一层，只是竞选场合简化成了"UBI"三个字，而简化的 UBI 不管用。
水管工比国际象棋冠军难
哪些工作 AI 干不了？李开复给的第一类是创造性和复杂性。
现在的 AI 只是在做优化。它不能推理，不能规划，不能战略思考，不能处理复杂问题，更不能自己发现一个问题再解决它。需要人先把问题找出来，表述成一个优化问题，AI 才能在框架里干活。让 AI 独立发现一种新药、开一种新画风、管理一家不只看利润还要看员工满意度、企业品牌的复杂公司，它做不到。
这类工作恰好也很难被替代到零，因为它们本身带来的成就感很高，而人对工作的期待不只是糊口，还包括"我做成了一件别人做不了或做不好"的事。
第二类数量大得多：需要同情、共情、人的温度、人的信任的工作。AI 冷冰冰、只会计算，就算能假装，也会出错，一出错就显得可笑。就算它假装得不错，人也未必愿意。服务、老师、医生、门房、按摩师、酒保，太多场景里人就是不想对着一个冷机器。
他举了个真实案例。有创业者做了陪护老人的机器人，结果发现老人只用它一个功能：点开客服，屏幕里出现一个真人，然后老人开始说，我女儿怎么不给我打电话，我给你看看我孙子的照片。人要的是人。
他引用 PwC 的估算，未来十年 AI 会给世界创造约 16 万亿美元的价值。这笔钱会让人有钱去买服务，吃一顿好饭、去旅行、请人打理生活，围绕这 16 万亿的每一块钱都会长出大量服务岗位。与此同时，社会本身严重缺人做照顾类的活。美国未来六年仅医疗服务就新增两百万个岗位，不含替补，包括护士、医院护工、养老照护，居家照护尤其缺。
这些岗位填不满，原因简单：钱少，社会地位低。重型机械操作员的工资是这类岗位的两倍左右，而重型机械岗位消失得更早。一个在流水线上重复同一个动作的人，很难从工作里得到满足；一个照顾病人、被病人和家属抱着道谢的人，满足感完全是另一个量级。要是能把服务岗的薪酬修好，从常规岗位出来的人有大量去处。
蓝领的退场节奏更慢。你没法让 AI 去打扫一间它没见过的房子，那难度接近 L5。你也没法让 AI 当个好水管工，因为修水管更像侦探，得先判断漏水从哪儿来。能被替代的是流水线和汽车维修这类。李开复说这里头有件很迷人的事：造一个国际象棋世界冠军，比造一个平庸的水管工容易得多。
条件是：现在就开始动手
Lex 问，重复性工作大量被自动化、人类去做有同情心和创造力的事，这个未来你乐观吗？
李开复的回答带条件：现在开始行动，他乐观；未来五年什么都不做，那些毁灭性的失业会很难收拾。
行动清单他给得很具体。从最容易的果子摘起，比如跟职业学校讲清楚，为什么该多培养水管工、少培养汽车修理工；比如给企业补贴，让它们多开培训岗位；比如讲清楚再培训为什么重要；比如重新想一遍 AI 时代的教育该长什么样。只要开始有增量进展，只要有更多人明白发生了什么，就没有理由认为这件事做不成，这场技术革命和电力、工业革命、互联网带来的东西，量级上是可比的。
政策的空间在哪？他说政府不必先相信失业率会上升，也不必先相信自动化会这么快，就能动手。改造职业学校是一件。养老服务是另一件：80 岁以上老人需要的照护是 80 岁以下的五倍，人口在老去，寿命在延长，那就该拿补贴去激励养老培训、去提高薪酬。一个具体的抓手是，把"80 岁以上老人有权获得若干小时居家照护"写进医保类的制度，让这笔支出可以报销，围绕这条政策会长出整个服务业。
一个可以拖动的隐私滑块
Lex 把问题转到隐私上：AI 需要数据才能做出个性化的好体验，怎么平衡？
李开复先纠正一个流行误解：很多人以为可以把数据从服务商那里全部拿回来，同时继续享受同样的服务。真拿回来，所有产品都会变得毫无用处，推荐会乱，排序会乱，体验会崩。
他给的是三层解法。
第一层是惩罚滥用。对情节恶劣的数据滥用施以重罚。这一点上，中国其实有很严的法律，禁止把数据卖给或交给其他公司，实施几年下来，非法数据分发基本被清掉了。
第二层是用技术解决技术问题。同态加密允许数据留在你手里，在加密状态下训练，这个难题还没解，但方向值得走。联邦学习让每家医院在自己有授权的病人数据上训练，然后交换模型而不是交换数据，拼出一个超级 AI，这条路看起来更有希望。别把隐私问题看成一个政策上的是或否，留给技术专家去找两全的方案。
第三层是选择权和透明度。但他对 GDPR 的落地方式有明确批评：满屏的弹窗问你要不要授权这部分数据，没有一个用户看得懂自己在同意什么，多数人只是因为看不懂而点了"是"。这满足了 GDPR 的字面，没满足它的精神。
更好的形态可能是一个滑块：一端是数据完全受保护，另一端是高度便利但承担一点隐私风险，每个用户自己选位置。滑块人看得懂，满屏的弹窗问题人看不懂。更进一步，让一个 AI 来帮你调这个滑块。
他还提到一种让人兴奋但周期太长的构想：一个大家都信任的联合平台，你把数据授权给它，它通过新的社交网络、搜索引擎、电商引擎给你闭环的个性化建议，数据不直接散给各家，而是经过这个可信中介。麻烦的是，建立信任、收集数据、反复调试，这套东西的时间跨度超出了当下 VC 的基金周期，谁来干是个大问题。
癌症病房里的清算
话题转到最私人的地方。四期淋巴癌。
李开复说自己当了一辈子工作狂，早上九点到晚上九点，一周六天。他不怎么关注家人、朋友和爱他的人，生活围绕"为工作优化"运转。工作本身不算例行公事，但那种优化方式让生活变成了机械流程。他从里面获得了很多快感，因为那些成就他曾认为极其重要、优先级最高。
然后他直面死亡，可能是几个月内的事。他突然发现那些东西对自己毫无意义，一分钟都不想再工作。如果只剩六个月，他会全部用来陪爱的人，感谢他们，把爱还回去，并为"我把人生过错了"道歉。
那个清算时刻让他重新想"人为什么活着"。社会塑造得太深，以至于我们以为成功和成就就是活着的理由。成就确实能带来周期性的满足，但只有面对死亡时，你才看得见什么对自己真正重要。
现在他在缓解期。生活方式改了，妻子跟他出差，孩子需要他时他在。过去的顺序是：工作优先，剩下一点时间分给家人。现在的顺序是：家人真的需要，他放下一切过去，剩下的时间再给工作。而家人其实很通情达理，不会一周要走他五十个小时，所以他现在一周大概少干十小时，还是很拼。
他还有一句自我剖析很锋利。他的工作不是例行公事，但确实是在追数字：能不能多赚点钱，能不能多投出好公司，能不能多募点资，能不能让基金的排名年年往上走。这种追求更大数字的竞争性，会变成一场没有尽头的机械运动，而更大的数字并没有让他更快乐。
关于痴迷，他不否认
Lex 在这里提了个不太好回答的反问。他自己一辈子在体育里竞争，他觉得人性最壮丽的部分之一，就是能够痴迷、能够极度投入，把自己完全交给一件事，哪怕因此暴露缺陷。这种纯粹的激情和苦干，本身就是"生而为人"的含义。那么从李开复的经历里，该拿走什么更深的东西？
李开复没有否认。他说会调整，但是按比例调。
年轻的时候，给家庭的百分比可以小一点，但优先级仍然要高。年纪大了，百分比调大，优先级还是高。临近退休，大部分给他们，优先级最高。
他并不主张一辈子少干二十小时，然后把时间漫无目的地耗在家里。他要的是那些具体时刻被完整地保住：妻子生孩子、女儿过生日、他们沮丧的时候、他们庆祝的时候、家庭聚会的时候，放下手机和电脑，百分之百地在场。
他还算了一笔账。把优先级给真正重要的事，并不会把自己的成就削掉一大截。家庭更和睦，吵架更少，吵架少了，处理吵架后遗症的时间也省了，净时间未必是负的。就算真是负的，他也愿意接受这个缩减，因为换来的是更大程度的幸福，以及"我做对了事"的确定感，而剩下的时间依然足够他去拿到想要的成就。
AI 人才的稀缺性已经消失
给今天想创业的人什么建议？
他的第一句话是：技术浪潮走得很快，两年前管用的东西今天不管用。
三四年前，你可以带着几个极聪明的博士，说不清要做什么，但能拿到很高的估值。那个时代结束了。AI 正在从火箭科学走向主流，还没到商品化，但已经主流化。
创业公司对 VC 的意义，本质是创造商业价值和金钱价值。当一样东西极度稀缺时，VC 愿意接受更大的不确定性。现在情况变了：平台在成熟，成为 AI 工程师的成本大幅下降，具备当年博士水平的人多了很多，稀缺性消失了。
好消息是工具民主化了。TensorFlow、PyTorch 这类开源工具好用得多，实验和迭代的速度比过去快。把这件事当成生意来做，别当成把实验室搬进公司。唯一的例外是你真有一项别人都没有的技术突破，那老办法仍然有效，只是这种机会越来越少。
两台超级机器的沉默
回到地缘政治。Lex 问：未来十年、二十年、五十年，围绕 AI 和网络空间，大国之间会不会出大冲突？
李开复的立场是加强接触。他点出很多对更强 AI 的恐惧，底层是军备竞赛这个隐喻。一旦外推到军事场景，自主武器需要被某种方式管住；自主决策会让国际危机缺少足够的处置时间。
他的担忧很直接：如果两个国家都靠 AI 做决策，彼此却不沟通，各自做情景推演，出事的概率会很高。黑箱对黑箱，比开箱对话更危险。
核竞赛的年代，美、苏、中国之间是有威慑协议的。AI 竞赛也需要某种互动协议，需要避免误判的机制。而现在他观察到的趋势是反的：接触在减少，不信任在上升，尤其是美国对其他大国的不信任在上升。
他还给了一个更大的视角。人类面前摆着为文明创造 16 万亿美元的机会，世界上还有大片地区处在贫困里，我们第一次有资源去解决贫困和饥饿，却把这些资源用来给超级大国之间的竞争添柴。他设想了一个理想情形：一个善意的世界政府拿着这 16 万亿，加上一些 AI 去算怎么用它对付疾病、对付仇恨，世界会好很多。他说这个问题该由比他更有能力的人去想。
另一个他更担心的面向是分配。这 16 万亿主要由美国、中国和少数发达国家创造，穷国会一无所获，因为它们没有技术，贫富差距会继续拉大。更糟的是，一个人口众多的穷国，过去还能走中国式的代工制造路线，或者印度式的流程外包、呼叫中心路线，这些工作在十到十五年内会全部消失。那时候，一个普通公民对穷国来说可能不再是脱贫的资产，而是财政上的净负担。这些没有技术的国家会进入下行螺旋，怎么办，他也没有答案。
Lex 在这里也问到了价值观。言论自由、表达自由，和创造力、创业成功之间，是不是正相关？李开复的回答很坦白：从经验上看，这个相关性并不成立，中国就是一个反例。他紧接着补了一句，这不是说那些基本价值不对或不好，只是完美相关性并不存在。
关于开放的趋势，他承认茶叶渣不好读，他过去在这上面的预测并不怎么准。但他相信长期看各国共享大量基本价值。中国正在起草个人信息保护方面的法规，条款跟美国、欧洲的看起来差别不大。人确实想保护隐私，也确实想有表达的机会，基本价值是在的，问题是执行和时间表。
他承认自己看不准的那些事
关于大公司垄断数据，他也不装专家。他承认数据多确实会固化优势、限制竞争，但 AI 远比互联网宽，金融、零售、制造、教育都还有大量机会，不构成完全窒息创新的垄断。真要找解法，最好的办法是让创业和 VC 的生态好好运转，不停制造下一个 Google、下一个 Facebook。Uber、Airbnb 就是在三巨头之下长出来的。
他还指出中国这个环境更有意思：50 亿到 3000 亿美元区间的公司，中国过去三四年比美国长得多，因为市场更大，创业者更无所畏惧。腾讯、阿里很强，字节跳动还是长到了 750 亿美元，蚂蚁金服系出阿里但独立，1500 亿美元。把这些数字摆在一起，所谓"五家公司永久统治世界"的判断，听起来就没那么确定了。
他也被问到政府和企业谁更能代表公众利益。他的回答是双刃剑：两边都能靠更多数据和更多 AI 提供更好的服务，但同时也获得更大的权力，可能导向垄断或腐败这类失控的问题。所以得盯着它们手里有多少数据，需要某种制衡。
留给未来的一个问题
访谈最后，Lex 问：假设有一天真的造出了通用人工智能，你只能问它一个问题，你问什么？
李开复说：是什么让你和我不同？
这个问题问得很妙。一个被造出来的系统，如果它能回答自己与造它的人之间到底差在哪，那它其实已经跨过了某条线。反过来说，如果它答不上来，那它对自己是什么也还没搞清楚。
而这期播客里，李开复反复在做同一件事：区分两种智能。一种是在有限领域、海量数据上做优化的机器智能，一种会发现问题、会规划、会同情、会在生命最后六个月里突然明白什么重要的智能。他自己花三十年研究前一种，又在病房里重新认识了后一种。
书名叫《AI Superpowers》，书里的主角是两个国家和一项技术。播客聊到最后，落点却在一个人身上：他曾经每天早上九点坐到晚上九点，一周六天，为一个可以无限增长的数字化指标工作，然后在一次体检报告之后，把整个优先级顺序倒过来重排了一遍。
技术浪潮的走向，他敢给出判断，也敢承认哪些判断他过去错了。人在浪潮里该怎么站，他给的是他自己的答案：保住心和灵魂，长期看这是最赚钱的方式；放下手机，在家人真正需要的时候百分之百在场；以及在被机器替代之前，先想清楚自己手里那件事，到底是常规的，还是非常规的。
- 如果你在做 AI 产品，先回答四个商业问题再谈技术：谁的痛点、痛点值多少钱、钱从哪个渠道来、能创造多少商业价值。AI 人才的稀缺溢价已经过去了。
- 评估团队时看清楚自己押的是哪条路：靠数据和清洗赢，就别指望它解决需要规划与推理的问题；靠新算法赢，就得接受更长的周期和更高的失败率。
- 做隐私设计时放弃弹窗，尝试滑块或由 AI 代调的偏好设置。用户看不懂的同意，不是同意。
- 关心失业问题的话，把注意力从蓝领转到后台白领：复制粘贴、文件检索、初级客服，这些岗位的替代成本最低，也最容易被忽视。
- 如果所在行业有大量重复性岗位，现在就去对接职业学校或培训机构，把"再培训"做成预算里的一行，而不是失业发生后的应急反应。
- 给自己的时间定优先级而不是定比例。家人的关键时刻，放下手机百分之百在场；其余时间，该拼命还是拼命。
- 如果你在盯大国竞争这类议题，记住李开复那句判断：黑箱对黑箱比开箱对话更危险。任何能增加沟通渠道的事，哪怕看起来低效，都比沉默更有价值。
- 最后一条给自己：每隔一段时间问一遍那个问题，是什么让你和机器不同。答得出来的那部分，才是接下来十年值得投入的地方。
本集资源与出处
- 视频在 YouTube 收看
- 音频官方 MP3 直链来自 lexfridman.com 官方播客 RSS
- 官网Lex Fridman 官网本集页面
