教授观点 | 刘其章：与AI共舞 – AI时代的机遇与挑战

Original 中文EMBA 新加坡国立大学EMBA

课程导读

科技的发展正以前所未有的速度，改变着现代商业社会，而AI的发展正在全方位的颠覆或者即将颠覆各个商业领域，不论是企业还是个人，如果不能及时提升和变革，将很快被这种浪潮所淘汰。

本节大师讲堂的内容，可以帮助领导者认识人工智能技术对商业领域的各种冲击，并阐述企业如何在AI时代把握机遇和迎接挑战。

主讲嘉宾介绍

刘其章教授

新加坡国立大学商学院

分析与运营系

商学院教学评估委员会主席

刘其章博士，新加坡国立大学商学院分析与运营系副教授，商学院教学评估委员会主席。1994年毕业于中国科技大学数学系计算数学专业，1997年获新加坡国立大学数学博士学位。在加入新国大商学院之前，刘教授先后任职于研究所，软件公司和新加坡理工学院，为包括新航，SMRT，新加坡国防部、新加坡图书馆、深圳航空和海南航空等设计和开发智能管理系统，具有丰富的AI理论和实践经验。其中，他为新加坡地铁公司设计和开发的大数据平台成为地铁计划与运作管理的核心系统。

刘教授先后为多家中国的银行、保险公司和医疗机构等提供大数据和人工智能方面的培训，课题包括“大数据和竞争力”、“AI和大数据驱动的制造、营销和竞争力迁移”、“互联网和第四次工业革命对商业模式和产业的影响”、“人工智能时代的智慧风控”、“数字化技术创新及应用”、“大数据时代的金融创新”、“大数据动了谁的奶酪”，等等。

刘其章教授

大家好！很高兴今天有这个机会跟大家分享一下。在AI时代如何与AI共舞，如何把握AI时代的机遇与挑战。五年前我在商学院的课程里面开始谈AI的时候，那个时候还是个非常新鲜的课题。到五年后的今天，我们再讲AI的话，这个话题已经是一个非常普遍的话题了。

什么是AI

什么是AI？

按照维基百科的定义，人工智能也叫做机器智能，指由人制造出來的机器所表现出來的智慧。其实，人类自古以来就存在着一种梦想。希望能够创造出智能，让机器能够像人一样思考，像人一样做事情。

从我们上个世纪计算机发明以来，计算机学界的梦想就是希望通过计算机来实现人工智能。当时我们计算机学界的鼻祖之一图灵大师（Alan Mathison Turing艾伦·麦席森·图灵），在很早以前就提出一种叫做图灵测试的模式，来测试什么时候机器的智能可以达到跟人类一样水平的智能。这就是所谓的图灵测试，他的测试原理很简单，如果在一堵墙后面同时有一个人跟一台机器，通过电脑跟墙外面的一个人来沟通，来交流。那当这个场外的人他做沟通的时候，他已经区分不出来，现在跟他沟通的具体是人还是机器。假如这个人他已经分不出来，跟他对话的是人还是机器的时候，这就表示，这个机器所具备的能力，已经达到我们人的水平，这就是著名的图灵测试。

AI的定义

人工智能的概念很宽泛，现在根据人工智能的实力将它分成三大类：

弱AI指在某个领域，AI可以做的跟人一样好，甚至比人做的更好。它可以在某一个专业领域里面做的非常好，但可能他在其他领域就没办法做的那么好。

当然有弱AI，就有相对应的强AI。强AI就是指那些具有人类全方位智能的AI。

既可以下棋、画画，又可以做计算，这样的AI就是强AI。强AI是能够具备人类全方位的智能，那是否我们能够达到这一点呢？之前像IBM的深蓝，谷歌的Alpha Go其实从某一个程度上来说已经做到了弱AI。在某一个领域上面已经超过了人类的世界冠军。而强AI，我们现在还不能说已经达到这个水平，但是在某一些领域上面的突破，已经让我们看到强AI的曙光。

比如说谷歌在开发完Alpha Go之后，开发出更恐怖的一种算法，叫Alpha Zero。当时谷歌开发Alpha Go的时候，请了一位当时欧洲的围棋冠军来参与这个项目。通过各种手段来培训这个机器，使得这个Alpha Go能够具有人类的智能，能够把围棋下的那么好。

而Alpha Zero可以达到的层次，甚至不需要人类的参与和培训，只要定义一个棋类的规则，它就可以通过完全的自我学习，达到某一个领域的顶尖水平。比如说，通过自我学习四个小时，就可以击败国际象棋的最强程序Stock fish。经过八个小时培训，就可击败曾经打败过李世石的Alpha Go。这是一个突破，它已经具备相当程度的全方位智能水平，不再局限于某一个领域。当然，最终我们的目标是希望能够建立一个超级的AI，这是AI的定义。

AI如何工作

那么AI是如何工作的呢？我最早开始进行AI研究其实是做所谓的基因算法的研究。基因算法是AI的其中一种算法。简单来说，大家知道达尔文的这个生物进化论，我们都知道每一个物种，各种属性是由它的DNA决定的，那基因算法很简单，只要通过一种数学定义，把要解决的问题定义成一系列的基因串。在初始阶段，我随机生成100条基因，让基因跟基因之间进行匹配。每两个基因匹配完以后，就延伸出后代。

这后代可能涉及到两个父母之间基因的交换，具备基因繁衍的程序，接着，就让电脑自己进行进化，在新的一代产生以后，我就会对每一个基因进行评估，通过计算实现优胜劣汰，把一些比较差的基因扔掉，保留强的基因下来，通过不断的反复。在现实社会中，需要几百万年才能完成的进化过程，在计算机上可能几分钟，几小时，就可以演变完了，最终得到非常好的解决方案，这就是基因算法。当然现在流行的个人工智能已经不是当时的这种基因算法了。

AI如何改变我们的生活

当然，AI的发展正在全方位的颠覆或者即将颠覆各个商业领域。大家在日常的工作中或者在看到的新闻里面已经了解AI如何在各个行业上改变着我们，改变着这个社会。我从一些比较偏门的角度给大家讲几个例，来说明AI将如何影响我们的生活。

可能在未来几十年，AI对人类社会最深刻的影响将会是在生命科学这个领域所能实现的突破。在Alpha Zero这个算法的基础上，谷歌开发出的一套人工智能叫Alpha Fold已经能够相当准确的预测人类蛋白质中接近58%的氨基酸结构。而在这之前，人类所有科学家可以研究出来的最多只能够达到17%。大家可以想象，假如谷歌最终能够完全破解人类蛋白的氨基酸结构的话，就可以准确的破解我们的基因，完全可以制造出各类药物，对人类的遗传疾病进行很有效的治疗。

为了应对现在正在影响世界的Covid-19（新冠病毒），各国主要生产出了两种类型的疫苗，一类疫苗，就是传统的灭活疫苗，像国药、科兴等就是灭活的疫苗。但像辉瑞和 Modena（莫德纳）用的是一种最新的mRNA疫苗。mRNA我们把它称为信使RNA，大家都知道，我们的身体的所有一切都是由DNA所决定的。

DNA是需要通过mRNA把信息传输到细胞里面。mRNA的疫苗实施原理就在通过编程重新编译了代码。这个代码不再只是简单接受DNA传过来的信息，而是会自己产生一种额外的信息，来指导人类的身体细胞产生新冠病毒表面上所特有的刺突蛋白这种细胞出来，它不是完整的复制新冠病毒，而是复制出新冠表面的刺突蛋白。一旦身体出现异状，人类的抗体做出反应，就会产生相应的抗体去来消灭这个刺突蛋白，这就是mRNA的作用。

那这个跟AI有什么关系呢？刚才我提到谷歌在破解人类蛋白质的氨基酸这方面的一些突破，如果将两者结合，大家可以想象，这两种技术的结合将会使得未来的生命科学界可以通过编译、编码的手段，改变人体内细胞的组织，从而使得我们人类更强，一些疾病自然而然就会消失。

那么这些讲的是一些AI可能在短期给我们带来的变化。我们再回头想一下，如果按照这样的思路下去的话，AI在很多领域上面可以说比人类做的更好。那我们人类跟AI相比还有什么优势呢？是不是到后期我们人类会彻底被AI所取代呢？

人类和AI相比有什么优势？

大家思考一下，我们人类跟AI相比还有什么优势？关于这个问题，很多人的回答不外乎两种：

一种是我们人类比AI更有情感，AI毕竟是机器，它可能感觉不到我们人类的情感。

第二是我们人类比AI更具有创造力，AI只能在人类所定义的框架下面做事情。

那这两种结论是正确的吗？未必。

现在已经有一种研究方向在研究如何用AI来察言观色。例如，研究一个人讲话里面的语句，通过语句、语调的变化来判断这个说话的人，他的心情如何，是愤怒还是伤心，又或是高兴呢？只要AI能够察言观色，能够具备了解情感的能力的话，他就可以做出相应的应对。如果AI能够察言观色，能够做出相应的回应的话，你还能说AI没有情感吗？

那么人类是不是比AI更有创造力呢？也未必。其实从AI算法的整个架构来看，AI并不是简单的复制人类智能。只是说，在人类编码范畴里面相当程度上实现人类想要实现的东西。很奇妙的是，很多时候，AI产生的结果可能会出乎我们的意料之外的。

AI在短时间内可以实现颠覆性的行业

目前来说，作为AI研究，已经认为可以在短时间内有颠覆性改变的行业是什么？大家知道现在国内有很多网络作家，这些作家很有创意，而且写出来的都是几百万，上千万字的小说。但是如果大家上网去查询一个叫做GPT-3或者搜索Open AI这个关键词的话，就会发现运用GPT-3这项技术已经可以实现某种程度（目前仅适用于英文），写文章只需要把每个段落起个头，它就可以用人工智能把整个文章补充出来，基本上分辨不出是机器所写的文章。

大家可以想象，未来如果都运用这个技术的话，网络作家根本不再需要花费一年两年，甚至三年才能完成一篇著作。可能只要短短一个月，把故事的情节构思清楚后输入电脑，就能自动把小说写出来，这更可以满足文学爱好者的一些需求。那这些都是可见的，未来可能会发生的变化。

AI引导的企业变革趋势

接着，我要讲AI引导的企业变革的趋势，尤其是过去几十年，世界上发生的四波IT驱动竞争：

在过去的几十年，世界上发生了四波IT驱动的竞争。第一波IT驱动的竞争发生在上个世纪七八十年代，当时的计算机系统更多的是解决整个价值链上单元或者功能性的自动化要求。比如说财务自动化，或者订单处理的自动化这方面的需求，所以它是着重于解决某一个功能板块的这方面的竞争能力。

随后到了1990年代后，随着互联网的推广，开始了第二波的IT驱动的竞争，这时候互联网的发展使得价值链上的各个环节之间，各个功能单位之间，不仅要完成自身的自动化，自身效率提升，还要完成跟上下游的合作伙伴之间的沟通、合作跟交流。

第三波IT驱动的竞争， IT本身就成为产品不可分割的一部分。产品所产生的数据，又可以反馈回到公司，使得公司能够进一步提升产品以及服务的质量。这个产品所带的软件跟它的智能就成为核心的竞争力。

在未来的几年，大家就可见证第四波的IT驱动竞争，这将完全是由AI所驱动的，使得我们的产品具有智能性，算法会成为每一家企业核心的竞争力，这就是未来第四波IT的四种的竞争。

企业如何利用AI实现竞争力

企业如何利用AI来实现竞争力，总的来说，有五种策略。

第一种策略，向上发展，要争取成为行业的领头羊。由我来制定规则，为我服务，AI来顺从我的规则，那就不存在AI竞争了，因为AI服务于我，我来制定规则，这是应该来说最有实力的企业都会力争达到这一程度。

第二种方式是并行发展。也就是说，AI发展AI占优势的一些领域，比如说自动化驾驶、无人驾驶、机器人生产线等，而人类发展人类还占优势的领域。

第三种策略，就是让人跟AI深入交互，深入配合，实现人机互动，充分发挥各自的优势，一起合作来实现发展。

第四个策略，就是狭缝求存，要避免跟主流的行业或者主流的发展趋势去竞争，着重发展主流的行业，或者主流的公司所忽略的领域，立足于这个领域后去发展。在一些大公司还没有顾及到这个领域的地方把自己发展壮大，发展出自己的AI，发展出自己的智能。才能够在未来避免被时代所淘汰。

最后一个策略是创新，通过创新，发展一些连主流行业、大公司、大企业都想象不到的新产品、新服务，这才是我觉得企业可以思考发展的方向。

企业如何利用大数据实现人工智能的发展

我们应该致力于如何实现人类跟AI的一种配合，企业如果要发展AI策略，核心所在还是需要一个完整的大数据策略，我们要去思考如何获取有价值的大数据来实现人工智能的发展。

当然，大数据策略只是一个技术的基础，一个公司、企业要能做到大数据和AI策略的发展，仅仅有大数据是不够的，还需要多方面的配合。

比如说，首先，我们要从企业管理流程的角度上来说，实现整个数字化的转型，使得整个企业运营的产品，开发的市场，企业的营销等等，都以数字为驱动。只有企业本身能够实现数字化的转型，那AI才真正有用武之地。但要实现数字化转型，不仅仅只是一个技术的提升或者系统的实施，更大层面上，它是涉及到企业文化的变革。

从组织结构、人力资源管理、员工培训等，都需要从上到下彻底的变革，变革的核心是能够实现开放、创新，创新不能仅仅局限于企业或部门内部，希望是公开的，整合各渠道资源的开放式的创新，最后实现产品或者服务平台的API化。这是从企业的发展策略上来说，大数据策略基础上的重要环节。

优秀的企业必须是能够持续学习的企业，能够不断吸收最新科技、最新技术、最新管理理念的企业，这样才能持续发展，实现跳跃性发展的企业。

再加上AI发展前景是非常广阔的，套用我们的老话，“只有你想不到，没有AI做不到”。也许今天做不到，不等于明天做不到。我们应该充分认识到现在科技发展的跳跃性，哪怕现在技术做不到，但我们的思路要做到，我们要预先想到，然后有所布局。

现在的开源软件，AI算法已经在很大程度上能够实现基本的图像识别，声音识别等基本的智能性，在此基础上，我们可以做很多的事情。所以潜力是无穷大的，只有你们想不到，没有做不到的，所以在创新方面，希望充分发挥我们的想象力。

实现人工智能对大部分企业来说都是一个新鲜的，前所未有的事情。那么一旦我们走上这条路，首先要认识到AI不是简单的系统，不是一装上去马上就可以给你实现利益的东西。AI人工智能本身是不断的积累，它跟人一样，需要一个学习过程。

当应用出来以后，也有可能在开始的一段时间里面，因为数据量不够，或者因为数据收集的面不够广，可能在开始的时候准确度会比较低，就跟一个人开始学习的时候，经常犯错误。但是，随着数据的积累，随着经验的累积，AI会越变越好。

那么，我们要实现AI技术，首先要有一段忍受期，不管从管理者的角度，还是从管理客户期望值方面的角度上来说，都希望有一个合理的期望值，在一段时间里面允许AI产品犯错误，但是我们抱有很好的理想，最终会变得更好。

最后一点我想给大家共分享的，是一个实用的原则：好的算法不如好的数据。特别是对我们在座的，如果有中小型企业的老板而言，这一点是相当值得大家重视的。我们如果想一夜之间就能够建立一个非常优秀的像谷歌的Alpha Go或Alpha zero的算法，是不现实也不可行的。因为要做一个这么出色的算法，使得这个算法能够充分考虑各个层面的不同因素，做出理想角色的话，那么对这个算法的要求是非常高的，对能够实现这个算法的人才的需求也是非常高的。

现在全世界都在做AI竞争的情况下，能够具有这种顶尖能力和开发算法的人才供不应求。但对大部分企业来说，没有必要追求这个层面的算法。那么，我们应该在企业现有数据的基础上，专门去针对性的开发一个算法。与其去追求好的算法，不如去追求好的数据。

这是我对大家最后一个原则上的忠告，今天很高兴能有机会在短短的时间里面，跟大家从各个角度过了AI的内容，希望对大家有所收获。也希望能够在新加坡的课堂上见到各位，谢谢。

问答环节

最近看到很多黑客事件，企业应该如何防范？数字化转型中怎样进行数据安全管理呢？

答：首先，非常高兴，我们的管理者能够意识到这一点。作为一个企业，想实现数字化转型，进行AI的突破或使用的话，数据安全绝对是应该提到日程上，而且需要是日程上的优先项目。最重要的一点，如果你没办法保证你的数据安全的话，那么你未来所做的一切很有可能就是一场空。

但是我本身不是一个数据网络安全方面的专家，我只能用自己的现有知识给大家两点建议：

第一，从软硬件的角度上来说，我们希望每一个公司都能够把自己的服务器或是网络架构的安全配置进行升级，以确保基础设施层面的数据安全。

第二，很多时候，其实一个企业之所以能够被黑客攻破，或者说数据被盗取等等问题，不是因为这个企业的软硬件层面的安全措施不到位，或者过时了，有的时候往往是因为内部管理的问题，比如说你的员工不小心带着一个带有病毒或者木马程序的应用的设备，去访问内网，不自觉的就把数据拱手让出了。所以对员工的数字安全教育是非常重要的，从上到下都要有很强的安全意识。这是我认为数字化转型中，一直需要强调的一个重度之重的问题。

刘老师，这么看来，人工智能会争夺人类就业岗位，影响未来就业吗？您有什么建议呢？

答：应该来说，这是一种趋势，而且是无法避免的趋势。刚才在我的视频里其实有提到，从企业的角度上来说，有几种可能的方式来适应未来的竞争。其中，我认为，创新是一个非常重要的因素。除此之外，我还有几点建议：

第一

当然是学习，不管是领导者还是员工，真的要不断地学习新的东西，哪怕像我们这样的教授，如果我们不能及时更新自己的知识，我们也是很快会落伍的。那么，企业也是一样，如果我们的领导者和从业人员不跟上发展，你会比别人更早地被淘汰。

第二

从悲观一点的角度上来说，我觉得我们人类学习的进度，真的是跟不上未来AI发展的速度。不过，我相信，在未来10年到20年这样一段时间，我们还有一个能够在某些领域比AI走在前面的这么一个窗口期。如何把握这个窗口期，让我们自己的企业能够在某一个特定的领域，还保有我们的竞争力，或者，我们通过创新，进军一个崭新的领域，开拓一片新的天地，这些都是我们需要去考量的。

这里有一个我个人认为非常矛盾的说法，一方面，我在我的视频里面提到了，现在随着AI技术的发展，包括Open AI这种开放的AI平台，让我们普通的中小企业也能够开始用上很尖端的技术，我认为这是一种目前对我们来说很好的机遇。因为AI技术的应用，从商业角度上来说，现在还是一片蓝海，还有很多我们可以做的东西，那我们中小企业如何利用这种成熟且开放的平台，来让AI我们服务。这就是我所说的，未来还有10年到20年的一个窗口，我们还可以做很多事情。

然而，我之所以说矛盾，是因为我们现在不管做什么东西，假如我们是利用别人的AI平台，或者别人的AI技术来做这个事情的话，很有可能10年、20年以后，或者更短的时间，我们会发现我们做的东西，其实是在给别人做嫁衣。那些AI的开放平台，当他们能够把握我们的各种应用场景，让他们的AI机器做的更智能的话，那很有可能，他们反过来会把我们的商业模式，把我们企业的产品等等，全部给颠覆或吞并了，这是一个很无奈的趋势。

所以中国从大的方面来说，在AI的某些领域是领先于美国，但这种领先，大多是一种应用层面的领先。真正最尖端的技术方面，我们还是远远落后于美国，包括一些核心的算法，包括我们的芯片，这是我们的硬伤。那么，如果我们没办法在这一方面做到突破的话，很可能是我刚才所说的，到头来我们是给美国做嫁衣，因为我们的核心技术，我们最核心的东西却把握在别人手上。所以，企业在使用别人的AI平台进行AI创新的同时，需要有长远的计划，开发自己的核心技术。

同时我个人有一个建议，如果大家有闲钱的话，可以尽量投资一些头部AI企业的股票。可能我们10年、20年以后就不用工作了，让AI为我们工作，因为最后的趋势很可能大部分的工作会被他们所垄断。

刘教授好，去年吴恩达对李开复的“大数据AI论”进行了反驳，吴恩达认为：AI的下一步趋势应该是围绕更小的数据集构建算法，高质量的小数据样本比数据规模更为重要。

1. 如果这个理论在计算机视觉方向是可能成立的，那在金融风控方向是否成立呢？

2. 如果小型金融机构没有丰富的数据维度和数据集，是否有可能做好智慧风控，有哪些建议呢？

答：这就是我刚才最后所说的：大数据不如好数据，不如高质量的数据。

其实包括智慧风控在内的很多智能服务，或者智能的产品，其实完全没有必要一定依赖于大数据。就以智慧风控来说，其实很多时候我们要做风险控制就有点像是警察抓小偷这种概念，那我们去比较好的警察和差的警察，并不是说一个好的警察就一定比差的警察经验更丰富，数据更多，资源更多。好的警察在于他是否有更强的分析能力，是否有更严谨的逻辑推理能力，思维更开阔，这方面的能力其实比他的资源，比他的数据和经验还更重要。同样的，在我们的AI领域，我们都知道数据的质量很多程度上是来源于你不断的做一些实验，做一些比对，那我们可以从中找出很多意想不到的结果。

那智慧风控本身的算法或者他的应用，不应该仅仅只局限于如何获取数据，以及用这些数据建模进行分控。在我看来，其实智慧风控以及很多相关的领域，更重要的是架构，如何能够以一种出色的架构来使得我的数据更具有比对性，具有实验性。然后，从不断的数据比对的实验之中，来获得一些别人看不到的，或者别人没有的洞察力。

请问刘教授，您认为AI技术在未来是会超越人类的智慧，还是最终与人类智慧融合？

答：这个问题问的非常好，这问题我也每天都在问自己，每天在跟我们的同事沟通，都在思考这个问题。应该来说没有答案，为什么说没有答案呢，因为现在从全球的角度上来说，还没有出现一种公认的准则，或者公认的一种规范及政策，来控制AI的发展。中国跟美国的侧重点完全不一样，应该说在中国用的最好，用的最多的地方是我们政府主导的AI，而在美国呢，是大公司主导的AI的发展。但哪怕在中国，可能在AI这个层面上来说，还没有一个非常有前瞻性和严谨的去控制AI发展的政策或者措施。

在目前阶段，我们还是在任其发展的一种趋势。那么这就存在一个很大的风险，我们很多的科学家其实都在强调，我们要把AI关在一个“笼子里”，控制在一定的发展范围内。如果任其发展的话，会不会AI在某一天，甚至现在已经开始，逐渐实现自己可以独立思考的智慧，那种超越人类的智慧？除非现在全球范围内，政府都意识到这方面的风险的，如果全球都实施如同控制核武器的方式来控制AI的发展，制定一个规范，那么能够让AI最终真正跟我们人类的智慧融合，那最终将是我们人类的一大幸事。

我觉得最好的比喻就是用AI跟核武器作为一个比较，我们可以用核燃料、核动力来给我们提供能源，但是如果没有控制的话，那很有可能会给我们人类带来灾难。我希望最终AI技术能与我们人类的智慧融合。如果大家是有信仰的话会知道，其实我们人类是上帝的宠儿，那我们应该有这种信念，我们人类最终还是会在地球上生存的最优秀的物种。

中国在AI投入比较多，目前相对欧美不算落后，AI能否在中国落后的生产行业取得快速发展，例如半导体行业的芯片生产？

答：从国家层面上来说，过去几年我们充分认识到了芯片技术落后给我们带来的困境，从我们可以看到，过去几年政府在芯片产业的资金投入是巨量的。但是，很遗憾的是，我们目前芯片的生产还是落后于国际先进水平非常多。因为芯片这个行业与其他传统的制造业是完全不一样的，它是跨越各种科学领域的，非常复杂的一种工艺。这不是我们简单的在某一个领域投入大笔的资金就一定有产出的，它需要强大的基础科学方面的积累。

而我们中国的高校在应用层面做得很好，但是在核心的基础学科方面的研究其实是完全不够的。现在国内的高校里面很多优秀的人才，优秀的科学家，其实都热衷于做一些应用层面上的研究和突破。那么如果要摆脱对外国芯片行业的依赖的话，教育行业首先要做一个大的变革，教育方面的投入其实是要有倾斜性的，能够从高校这个层面上，把这个短板给补上去，那你才能指望我们未来的半导体行业可能会出现新的工艺，属于我们自己的生产工艺。

还有一点，哪怕是美国，他的芯片也不能做到独立生产。芯片业是全球范围的，很多国家参与的具有合作性质的一种生产行业。我们国家如果想要全方位的，完全独立的做完整的芯片生产，我觉得这个目标定的太大。我们能够做的，应该是融入到国际的芯片产业链里面。一方面，具有我们自己独特并领先的技术，另一方面，也享受跟其他高尖端科技企业的合作，那才是我认为近期可行的一种方式。

END