每項技術都會經歷一個發現期和一個實施期。在發現期，關鍵工作在研究實驗室里，科學家在那里取得突破，推動該領域向前發展。在實施期，這項技術達到了有實際用途的程度，開始從實驗室涌向世界。

在過去的十年里，我親眼目睹了人工智能領域從一個階段向另一個階段的過渡。20世紀80、90年代是人工智能的發現期，我通過在卡內基梅隆大學(Carnegie Mellon University)和蘋果公司(Apple)從事語音識別研究，參與了這個時期。再后來，我作為谷歌中國負責人以及中國移動互聯網的早期投資者，參與了這項技術的實施階段。

從發現到實施的轉變，標志著人工智能研發重心從美國轉向中國的重大轉型。發現期大量依賴從美國出來的創新，美國擅長有遠見的研究和探索性的項目。美國無拘無束的學術環境、無與倫比的研究型大學系統，以及傳統上對移民（我就是其中之一）的開放態度，使其在幾十年里一直是人工智能領域重大構想的孵化器。

然而，人工智能的實施取決于另一組優勢，其中許多正在中國顯現出來：豐富的數據、競爭極度激烈的商業環境，以及一個以人工智能理念來積極改造公共基礎設施的政府。中國還擅長將一個抽象的科研突破轉化為成千上萬有用的、商業上可行的產品。這個過程的困難程度，是大多數科研人員沒有認識到的，這個過程也讓許多中國技術公司得到比它們曾被指“抄襲”的美國同行高得多的估值。

有遠見的研究對人工智能始終是重要的，這意味著中國仍有很多東西要向美國學習。但是，隨著實施日益成為最為重要的方向，美國現在也有很多東西要向中國學習。

西方的分析人士經常承認中國在人工智能方面有優勢的領域，但他們對中國在每個優勢領域的實力本質往往有誤解。就中國豐富的數據而言，分析人士經常指出中國人口的龐大規模（中國人擁有11億部移動互聯網設備），并聲稱不嚴格的隱私法律讓用戶數據的使用不加管制。但中國的核心數據優勢不僅在于廣度（用戶數量）和獲取（用戶貢獻的數據量），還在于每個用戶的數據的深度，即使用對人工智能算法有意義的數字形式捕獲中國人的真實世界活動。

例如，中國消費者經常使用微信這樣的應用程序來做現實生活中的事情，范圍之廣令人難以置信：買日用品、預約醫生、交水電費、申請小額貸款等等。中國人對自行車共享和網約車應用軟件的需求占全球需求的68%。應用程序的這種廣泛使用在一定程度上反映了一種“跨越效應”：中國人從未真正養成使用信用卡的習慣，于是他們直接跨越到移動支付；中國的醫院從來沒有廣泛使用傳統的病人預約系統，于是它們直接跨越到智能手機應用程序；諸如此類。

從這些巨大的數據流中顯現出來的是每個中國用戶的一個多維圖像，這讓人工智能公司能夠更好地為他們定制服務。硅谷的公司也在開發類似的產品，但他們掌握的數據大多局限于在線活動：谷歌上的搜索、YouTube上視頻點擊數量、亞馬遜上的購物和Facebook上的點贊。

就人工智能的競爭性商業生態系統而言，中國的優勢經常被西方分析人士錯誤地進行描述，他們認為中國的科技主要建立在知識產權竊取上。這種誤解反映了對一種完全合法的復制形式——模仿成功的商業模式，然后加以調整——的文化態度差異。

在硅谷，模仿其他公司的商業模式或其他企業的特征是相當可恥的事。這樣做有悖于史蒂夫·喬布斯(Steve Jobs)等創新者提倡的“卓逸不群”的信念。其結果是，先驅者往往在很長一段時間內不受挑戰，即使他們不充分探索或利用他們的技術的所有可能性，人們也允許他們統治他們所在的行業。

相比之下，中國創業者對于模仿成功的企業沒有什么顧慮。一旦一個概念被證明具有吸引力，數十家甚至數百家其他公司就會涌入這個行業，展開一場激烈的生存戰。其結果類似于演化中的自然選擇：所有的公司都在同一個基礎上開始，但它們通過改變產品或商業模式來獲得優勢。那些拿出了運轉良好的改進產品的公司得以生存和發展，而那些適應得慢的企業則會滅亡。

從分享經濟在中國的發展就可以清楚地看到這一點。在優步(Uber)和滴滴等公司證明了網約車可行性之后，中國的初創企業嘗試了所有可能的分享方式：分享籃球、分享雨傘、分享自行車、分享手機充電器。這些努力大多很快就夭折了，但那些幸存下來的公司——包括少數幾家實力最強的共享單車初創企業——成了估值數十億美元的公司，并在短短幾年內徹底改變了城市交通。

最后，還有一個中國政府支持人工智能的問題。美國人經常講這么一個簡單粗暴的故事，說身在中央政府的中國官員們從這些公司中挑選出贏家，向它們提供巨額補貼，然后保護它們免受外國競爭。但這個故事從根本上誤解了中國政府是如何鼓勵人工智能的實施的。

中國政府明白，隨著人工智能從純數字世界轉向實體世界，公共基礎設施和制度將不得不隨之改變。如果我們要讓自動駕駛汽車減少事故，我們也許需要在道路上嵌入傳感器。如果我們想用人工智能輔助的診斷來盡早發現癌癥，我們可能需要醫院管理者們制定出既保護隱私、同時讓研究得以進行的數據共享協議。這些都是給公職人物帶來一定程度風險的決定，尤其是在一個斗爭殘酷的政治環境中，每一個失誤都會成為反對派攻擊的口實。

北京把人工智能宣布為國家首要任務，是向地方官員們發出一個信號，那就是，他們將會因促進人工智能基礎設施的發展而得到獎勵。中國的模式不是靠自上而下的命令、或無限的補貼；中國的模式靠的是鼓勵地方官員，在他們所在的地方做必要的改變，以便私營的人工智能公司能夠開發出可以實際使用的產品。

我這是在說中國現在擁有人工智能的成功秘訣嗎？根本不是。這個領域正在從發現轉向實施的事實，并不意味著發現不再重要。事實上人工智能存在眾多問題，以至于還不知道怎樣做是最佳的方式。

比如像全自動汽車這樣的人工智能驅動產品。中美兩國的科技公司都仍在拼命地追逐著一個夢想，要把一種自我駕駛能力遠遠超過人類的汽車大規模投入使用。誰將在這場競爭中勝出，很可能取決于最終的主要障礙是核心技術問題，還是僅僅是執行細節問題。如果主要障礙是技術的話，比如核心算法仍需重大改進，那么優勢就在美國。如果是實施的話，比如需要有智能基礎設施或進行政策調整，那么優勢則在中國。

此時此刻，我們還不知道是哪個，但我們知道一國可以通過學習另一國的長處來提高自己成功的概率。中國的研究人員、初創企業和人工智能公司應該讓自己的想象力更放開一點，敢于把賭注押在更長遠的東西上，讓自己有打開新局面的機會，而不是老在追趕。與此同時，美國公司應該樂于去做沒那么光鮮的事——不斷就一個經驗證的概念去發展變種。美國的政策制定者們也可以改變對人工智能放手不管的立場，而是積極地考慮如何調整國家的實體設施和公共機構，以便更好地與新技術相結合。

如果中美兩國能夠從這個角度來做出調整的話，那么一場看起來是中美兩國之間爭奪人工智能制高點的零和對抗，將會顯露截然不同的樣子：一個跨文化學習、齊心協力將一個全球項目——發展能改善人類生活的人工智能——向前推進的機會。