2011诺奖得主：AI是人力资本的补充而非取代

今天我们来聊聊AI供应链，特别是中国在这一领域的独特地位。这个话题里面，有几个关键判断值得先拿出来说说。

AI与人力资本：替代还是补充？

先从一个根本问题入手：AI到底取代了人力资本，还是对人力资本的补充？这对在座各位，尤其是年轻人，意义重大。我们把视野拉宽，看看AI的起源、供应链，特别是它的“人”的部分、“物”的部分，以及背后的伦理问题。然后，我们重点聚焦中国的AI供应链——你可以把它和其他国家的模式对比着看，会很有意思。

人工智能的定义与四大工具

先给“人工智能”定个调。所谓智能，说白了就是人类智能行为的总和，大致分三类：模式识别，也就是收集数据、归纳规律；泛化能力，就是拿历史模式去指导新情况下的决策；最后是行动，也就是做决策。AI呢？就是人类造出机器，替我们干这三件事。那造AI需要什么工具？主要有四类：

• 统计学工具：概率论，处理频率、拟合模型等。
• 生物学工具：关乎生命的产生、繁衍、死亡和进化。
• 经济学工具：生产、分配、定价和交换。
• 物理学工具：时间、空间、运动和力的关系。

认知悖论：用进化后的工具解决非天然擅长的问题

但这里藏着一个悖论，一个很美的悖论。认知科学家Steven Pinker点破了它：人类经过数万年进化，本是狩猎采集者，天生适合干那些活。但我们现在却要拿统计学、生物学、经济学、物理学的工具去开发AI。这其实是在用我们进化后的认知，去解决我们并不天然擅长的问题。所以他强调，教育的本质，就是用技术来克服人类在这些领域的认知障碍。

AI的内核：数学、统计学、经济学、生物学、物理学的融合

那么，把AI“拆开”看看，里面到底有什么？不管是AlphaGo还是AlphaFold，驱动它们的核心，其实都来自数学、统计学（动态规划、贝叶斯推理）、经济学（博弈论、价值定价）、生物学（神经网络、遗传算法）和物理学（蒙特卡罗模拟、对称性）。灵感，归根结底还是来自有创意的科学家。

AI的优势与短板：从托勒密到牛顿的差距

那AI到底擅长什么？它非常擅长检测、归纳模式，模拟复杂函数，处理海量数据。像DeepSeek这样的现代AI，能干人类觉得乏味、枯燥、容易出错的任务。但它的短板也同样明显。打个比方，早期天文学家托勒密、开普勒，是从行星轨迹中总结规律，用曲线拟合数据。这是“开普勒阶段”，AI在这儿干得非常好。但牛顿和爱因斯坦做的，是往深了挖，从数据本质出发，建立结构性模型——这是“牛顿阶段”，AI目前还没展现出同样的实力。

AI冲击下的教育选择：替代还是辅助

说到这儿，我想聊聊教育，尤其是作为大学教师的观察。AI的出现，逼着我们重新思考科学的基础、人类选择的根基。从经济学角度看，AI可以是替代，也可以是辅助。过去几年，我发现大部分学生选择了“替代”——把作业扔给AI，自己跳过基础知识的学习。为什么？因为学基础太枯燥、太痛苦了。我自己就有学习障碍，小学二年级数学不及格，到现在我还会为了一道题反复演算、抓耳挠腮。学习本身不好玩，但当你真正找到答案时，一切都值了。

也有学生选择了苦学，把算术、统计、物理这些知识变成自己的人力资本。对他们来说，AI就不是替代，而是辅助，是能量的倍增器。他们成了AI的主宰，能提出问题、纠正问题、引导AI解决。我有个20多岁的中国学生，他眼里的AI，就是一支为他服务的庞大研究助理团队。关键经验是：AI能提高学习基础知识的回报率——你学统计也好，学物理也好，AI都能让你的投入更有价值。

AI供应链的核心组成部分

现在，我们切入正题：什么是供应链？它是一个系统，包含互相关联的组件，每个部件都得正常运转，才能交付最终成果。任何一个薄弱环节、瓶颈或破坏，都会威胁整个系统。AI供应链也一样，它有几个核心组成部分。

• 物理组成部分：机器、电网、发电机、半导体、芯片、数据中心等实体设施。
• 人力资本组成部分：一个持续输送人才的管道。从家庭、父母、祖父母对孩子教育的投入，到小学、中学、大学的教育工作，再到私营企业、研究机构、政府机构，都在不断积累人力资本。
• 生态系统：文化圈、开源计算（一种“社会主义”式的代码共享）、大语言模型、公营或私营的数据中心，以及背后的监管和制度环境。

供应链是一个系统，各部分必须整合起来。它本质上是一项社会主义式的事业——系统的任何一个薄弱环节，都会危及整体。你会发现，不同国家的系统各有侧重，有的更偏向开源，有的则闭源。

中国AI供应链的外部观察：从教育到电力到芯片

作为一个来自美国的“局外人”，我多次来中国做客。从外部视角看，中国在供应链的各个环节都下了深思熟虑的功夫。举几个例子：过去四五年，我发现我最好的学生都跑到中国读中小学，因为这里能学到扎实的基础知识，还能自主使用各种工具。我的孙子孙女在美国读中小学，反而没掌握这些工具。这只是供应链的一部分。再说电力，这是AI的一个瓶颈。中国在电池等领域的布局，大家有目共睹。还有芯片，贸易壁垒及其后果，是一个绕不开的挑战。最后是人力资本瓶颈——中国在科学、技术学生培养上的基础设施投入，在国与国比较中处于非常了不起的地位，这绝非偶然。

开源生态与东西方差异

开源是供应链生态的另一部分。我个人是强烈支持开源计算的，它的意义非常深远。东西方在这方面做了不同选择，值得深入研究。

结论：中国AI供应链的乐观前景

总体来说，作为局外人，我认为中国的AI供应链确实有乐观的理由。谁走在AI领域的前面？这并不是看哪个大模型在某项测试中得分最高，那只是冰山一角。我作为客人来到中国，非常荣幸能在这里看到、听到、学习到一切——包括在深交所的这一切。这本身就是一件值得庆幸的事。