“我國已進入信息時代，但在與一些省市級領導交流中，發(fā)現(xiàn)不少人還在用工業(yè)時代的指導思想和方法發(fā)展信息經(jīng)濟。”中國工程院院士李國杰在2016中國計算機大會（CNCC）上表示，推動“互聯(lián)網(wǎng)＋”中出現(xiàn)的許多問題，其根源是對時代的認識不到位。

CNCC創(chuàng)建于2003年，每年由一個城市主辦，已經(jīng)連續(xù)舉辦12屆。今年的大會是規(guī)模最大的：10多位院士講者，30多場前沿技術論壇，50多場技術專業(yè)交流活動，300多位國內(nèi)外計算機領域的專業(yè)學者企業(yè)人士。人工智能(AI)、虛擬現(xiàn)實(VR)、大數(shù)據(jù)等“風口”議題吸引了眾多聽眾。

李國杰認為，中國進入經(jīng)濟“新常態(tài)”，標志著中國進入以信息化驅(qū)動工業(yè)化、城鎮(zhèn)化和農(nóng)村現(xiàn)代化的新階段，是經(jīng)濟和社會管理的躍遷。新中國成立初期在工業(yè)化幾乎是空白的條件下，第一代領導人敢于提出“以工業(yè)為主導，以農(nóng)業(yè)為基礎”的方針，那么現(xiàn)在應實行“以信息化為主導，以工業(yè)化為基礎”的發(fā)展戰(zhàn)略。

他舉了一個例子。19世紀，汽車在英國開始流行。1865年英國議會通過了一部《機動車法案》，后被人嘲笑為《紅旗法案》。其中規(guī)定：每一輛在道路上行駛的機動車，必須由3個人駕駛，其中一個必須在車前面50米以外做引導，還要用紅旗不斷搖動為機動車開道，并且速度不能超過每小時4英里（每小時6.4公里）。

李國杰舉這個例子，是為了提醒政策制定不要逆時代發(fā)展。因為我們在信息化發(fā)展中，也頒布過一些不利于互聯(lián)網(wǎng)普及的法規(guī)。

另外，他認為雖然現(xiàn)在信息領域不斷出現(xiàn)云計算、物聯(lián)網(wǎng)、智慧城市、大數(shù)據(jù)等各種新詞，但是并沒有出現(xiàn)支撐經(jīng)濟繁榮的基本創(chuàng)新。目前，我國還處于信息消費的初級階段，年人均信息通信技術消費只有300美元，不到美國的十分之一，巴西的三分之一。因此，要把提高人均信息消費水平作為一個目標。

“信息社會與工業(yè)社會有非常大的差異，有不同的系統(tǒng)結構、不同的基本理念、不同的發(fā)展目標。”中國人民大學信息學院教授陳禹簡略分析了各個社會形態(tài)的不同：農(nóng)業(yè)社會是孤立的熟人社會基礎上的自然經(jīng)濟；工業(yè)社會是平面式簡單交換市場結構；而信息社會則是立體化、層次化、網(wǎng)絡化的復雜結構，因此分工和合作也要從過去被動的分工合作轉變?yōu)楣糙A、共享、自覺的分工合作。

電子科技大學教授周濤是大數(shù)據(jù)挖掘與分析領域年輕卓越的創(chuàng)新者。他認為信息社會經(jīng)濟和勞動力構成會發(fā)生很大變化。大量原有勞動崗位，重復性勞動甚至具有一定創(chuàng)造性的勞動崗位都將被智能技術和設備替代，甚至包括醫(yī)生，都有可能被替代，由機器來診斷并開具處方。商業(yè)和政府組織形態(tài)發(fā)生變化，商業(yè)組織輕型化、個人經(jīng)濟開始崛起，同時過去以信息封鎖和壟斷的控制方式失效。

這些變化都將改變原有的社會管理、運行方式，社會管理者、政策決策者都應認清這些轉變。

實際上，在發(fā)展信息經(jīng)濟時，應該認清的不只是滯后，也要防止冒進。中國科學院副院長、中國科學院院士譚鐵牛在大會上表示，“要警惕人工智能進入下一個寒冬。”他介紹說人工智能產(chǎn)業(yè)化應用蓬勃發(fā)展，2015年全球人工智能市場規(guī)模為1270億美元，今年預計達1650億美元，到2018年預計超過2000億。但在人工智能領域的投入和產(chǎn)業(yè)化發(fā)展進入了爆發(fā)期時，更應冷靜對待。

今年3月，人工智能AIphaGO在圍棋人機大戰(zhàn)中贏了人類高手，這次對決提高了人們對人工智能技術的期望值。“人工智能”“大腦”“類腦”“機器人”遂成為熱詞，引起了投資界的狂熱。

然而，譚鐵牛提供的一組數(shù)據(jù)顯示，智能機器人、認知專家顧問、機器學習、自動駕駛汽車等人工智能熱門技術正處于“期望膨脹期”，不過，接下來可能進入“幻滅期”。所以必須清楚看到目前人工智能在現(xiàn)實中的應用還有諸多技術瓶頸和局限，吸取教訓避免重蹈“盛極而衰”的覆轍。

關于人工智能創(chuàng)業(yè)，譚鐵牛認為跟風口不如找關口，要重視前沿基礎理論研究。他舉例說，當下的熱點是深度學習，但是深度學習不等于AI，深度學習只是人工智能領域機器學習方向的一種方法，也存在明顯的局限性，所以需要進行思考如何克服這個瓶頸，人工智能發(fā)展下一個關口在什么地方。（本文由中國首家互聯(lián)網(wǎng)法律+O2O第一門戶——獵律網(wǎng)整理）