人工智能是一种典型的技术驱动模型。原始研究的意义在于，如果技术进步一步，就会有一个时间窗口来赢得发展机会。

不久前，一位人工智能行业的专家告诉我一个令人担心的问题：深度学习是热门的，但这一领域最有创意的研究成果都不是来自我国，而且这一领域的研究人才也很少。优秀的研究人员相对稀少。在人工智能的新跑道上，如果你不填补原有能力的短板，恐怕你将不得不跟随别人。

仅从数据指标来看，中国人工智能的发展确实令人满意。根据最近发布的“2019”中国新一代人工智能发展报告，中国的人工智能论文在出版方面处于世界领先地位，企业数量和融资规模居世界第二位。应用场景不断丰富，一些行业也在稳步登陆。由于良好的工业市场环境，中国在人脸识别和语音识别等应用方面推出了“先行者”，并产生了一些引领行业的公司。

在看到优势的同时，我们也应该看到短板。我们有大量数据的优势，但要使其有价值，我们依靠算法突破；我们有潜在的市场，但应用程序是由芯片驱动的。算法、芯片、这些基础和平台技术正是我们所缺少的。更重要的是，人工智能技术正在崛起。一旦基础支持（如算法）被创新，以前的应用程序的优势就有可能恢复为零。

一些原始的研究似乎与应用没有直接关系，但它们是极其重要的。人工智能是一种典型的技术驱动模型。原创研究的意义在于，如果你能领先于技术一步，你将有时间之窗，并赢得发展的机会。做大而强的人工智能应用，从原始开始，可以走得更远。

基于这些理解，2017年发布的中国“新一代人工智能发展计划”将基础研究放在突出位置。一些前沿的创新型公司通过布置原创技术，尝到了市场的甜头。该行业领先的面部识别公司，在短短几年内，其产品涵盖了广泛的行业，包括安全，金融和汽车。该公司负责人披露了快速增长的秘诀：在底层算法上构建了一个开源平台。有了它，您可以高效地生产满足不同需求的模型。由于对原始技术的掌握，许多公司走到了合作的大门，而行业的应用又回到了技术的“演化”，从而形成了“领先技术 - 行业应用 - 技术升级”的良性循环。

加强对原始技术的研究和开发，探索理论前沿的“无人之地”，是时代的要求。人工智能越深入，越能突破，对创新的需求就越强烈。例如，如何使用较低的功耗和较少的数据来实现比现有理论、学术界和工业界期待的更智能的感知和决策。

古希腊科学家阿基米德说：“给我一个支点，我能起整个地球。"对于人工智能生态学，这个支点是原创的。面向未来，我们应该把重点放在原来的支点上，在未来的智能社会的画面上，画出明天更好的工业应用。