刊登日期 : 10/07/2026
我今天想讲一讲人工智慧（AI）供应链与中国，我认为中国的AI供应链非常特别。首先我会讲一下AI的起源，谈谈道德和经济的问题，AI到底是取代了人力资本，还是对人力资本的补充？这对在座的很多年轻人都很有意义。
开发AI的4类工具：统计学 生物学 经济学 物理学
在谈AI供应链之前，先泛泛谈一谈AI。人工智慧（AI）到底是什么？人类智慧又是什么？
我认为所谓智慧，本质上是智慧的人类所开展的各项活动，包括3种类型：第一是模式识别（Pattern Recognition），也就是收集资料，然后把它归纳成一种模式；第二个是一种泛化性的能力（Generalization），比如说我从历史资料当中观察到一种模式，并将其运用到新场景中辅助决策（Decision Making），这便是模式运用与泛化能力，最后人类的活动就包括了决策，也就是形成了我们的行为。
在AI领域有一个悖论，可以说是一个美妙的悖论。AI，其实就是人类设计的机器，用这个机器来运行我们刚才讲的人类3种活动。那么到底有哪些工具、数学方法和科学的工具来用于这个AI的开发呢？这里有4类工具：
一是统计学工具，概率论，包括处理相对频率、拟合模型等等的工具。
二是生物学，这里讲到的是生命的产生、繁衍、死亡与进化。
三是经济学工具，它就是生产、分配，还有定价、价值交换。
四是物理学，时间、空间、运动，以及各种力之间的相互关系。
但是，我说的悖论在哪里呢？
其实这些是科学家用来构建开发AI的工具，但认知科学家Steven Pinker说过，人类经过几十年、甚至数万年的进化之后，本来就是狩猎者和采集者，天生不具备统计学、生物学、经济学、物理学等相关认知；人类天生不适合这种现代生活，但这些学科已经进入了我们的一些常识，成为我们进化之后在现代生活中做的一些事情，却不适合解决我们原始生活当中的问题。
Steven Pinker说，我们为什么要去教育？学生的教育，目的是用一种技术来克服人类本身在上述4个领域的认知障碍，他说我们要关注这4个领域，但往往我们在开发AI的时候，同样是有认知障碍的。
所以如果真的把机械人拆开看看它内部的一些结构——我们之前也看到一个漂亮的机械人，是我们一个公司开发的——如果把它拆开看里面有什么，或者把AlphaGo这个模型拆开，去看看它的这些模型、机器，以及背后的演算法与电脑程式，不管是AlphaGo还是AlphaFold也好，其实都是一些有创意的人和科学家发明出来的，而他们的灵感来自数学、统计学，包括优化动态规划、概率学、贝氏推论，背后都运用了线性代数、几何学等知识。
经济学层面，则融合了定价、价值交换、博弈论、拍卖机制，以及探索与利用的平衡逻辑，这些数学方法都应用于AlphaGo、AlphaFold。在生物学方面，我们运用了神经网路、遗传演算法，以及用演化论来优化功能。
最后是物理学领域则用到对称性、不变性、蒙特卡罗模拟、统计力学等理论。其实我岳父也是用了蒙特卡罗模型来解决一些核心问题，这是在他的论文导师的研究当中。
AI的3大强项：识别、梳理、归纳各类模式
所以AI到底擅长做什么呢？AI有一些很有实力的部分，但在其他地方尚未展现出其强大能力。AI的优势体现在哪里呢？它擅长识别、梳理并归纳各类模式，能够类比并逼近复杂的函数。
实际上，大语言模型都是用最小二乘法来估计一个非线性的函数。它也很擅长处理海量的资料搜集，像DeepSeek这样的现代AI，可以做一些人类觉得非常乏味、繁琐或者容易出错的任务，这些是它非常擅长的。
AI不足的是什么呢？可以这么说，AI能够识别模式。像托勒密和开普勒这样的早期科学家，能够从行星运行轨迹当中去总结运行规律，而且他们应用了统计学方法，根据大量的观察资料算出一个数学模型，把它进行简化。
托勒密用的是一种圆形的模式，哥白尼用的是少数几个圆和函数空间进行建模，开普勒用的是椭圆，其实他们都是用曲线拟合。那么牛顿和爱因斯坦做的是什么？他们都利用了同样的资料，但更深入地挖掘，从资料的本质继续深入研究，得出一个结构化的模型。
像冯·诺依曼和库普曼斯（Koopmans）这样的一些现代科技的开创者说，科学研究分为两个阶段，一个是开普勒阶段，一个是牛顿阶段。简而言之，AI现在在开普勒阶段表现得很好，但是它在牛顿阶段的实力还没有展现出来。
延伸阅读：AI写文年赚200万 公众号遭微信封禁 黄楚新谈AI批量创作的3大危机
别屈服于AI诱惑 学习基楚知识 驾驭AI解难
所以我今天想讲，作为大学教师，我在大学可以看到AI是一个特别美妙的事情，它能够让我们思考科学的基础，让我们思考人类选择的根基。我在课堂当中经常会这么说，我觉得对学生来说，包括教师，也是一个道德上的选择。
从经济学家的角度来说，AI可以做替代，AI也可以做辅助。
过去几年我看到有一些选择，不是少数，可能是大部分学生，都用AI作为一种替代工具，他们把工作扔给AI，他们自己不读，让AI给他做作业、解决问题，让AI写论文、写作文，甚至让AI来给他做推理，自己就不用去学基础知识了，他们把基础知识跳过去了。为什么？因为他们觉得学基础知识太枯燥乏味，太痛苦了。
我自己有一些学习障碍，我可以告诉你，我二年级的数学是不及格的，到今天我还会拿一张黄色的小字条上面涂涂画画，然后把它撕掉，因为这个算得不对。我反覆试验、苦苦思索，学习真的不好玩，但如果我真的努力找到答案，我觉得都值了。
现在是不是有一种诱惑，学生就想逃脱这种苦学的阶段呢？我发现大部分学生都屈服于这种诱惑。但如果有人真的学了基础知识，不管是算术、生物、统计、物理，你如果有这个知识，你就不需要别人的说明，这个知识是存在你的脑子里的，成为你的人力资本。
如果这样的话，AI就不是替代，而是辅助，是一种补充，是能量倍增器，你将成为AI的主宰，你给AI提出问题、纠正问题、引导它解决。
我有一个20多岁的中国学生，对他来说，AI就等于他手下有一大批的研究员为他服务，他在这个年龄段就能掌握一支研究助理的大军，其中最关键经验是，AI能够提高我们学习基础知识的回报率，不管你学统计还是学物理，AI都能让你更有回报。（二之一）
（转载自观察者网，作者为2011年诺贝尔经济学奖得主汤玛斯·萨金特（Thomas.J.Sargent），标题和内容经编辑整理）