对话微软中国CTO韦青：元宇宙究竟是什么？
文/赵晋杰 编辑/彦飞
来源：字母榜
今年以来，元宇宙火遍全球。这一概念源自上世纪90年代科幻小说《雪崩》，被视为现实世界在互联网上的延展，吸引着国内外科技公司投身其中，以借助5G、AR/VR（增强现实/虚拟现实）、可穿戴设备等前沿技术，让当年的愿景照进现实。
激进者如Facebook创始人扎克伯格，直言自己是元宇宙的信徒，“不仅仅是游戏，我们相信它是移动互联网的继承者”。今年7月，扎克伯格在接受外媒The Verge采访时表示，接下来五年内，Facebook要变成一家元宇宙公司。
国内公司也没闲着。截至今年9月，腾讯申请注册的元宇宙系列商标达到近百个。字节跳动则在8月底以几十亿元并购VR设备厂商Pico，而VR被广泛视为元宇宙的基础构成要素之一。
但并非所有人对元宇宙“感冒”。苹果、微软等公司的高管在谈及元宇宙时，态度十分谨慎。
苹果公司CEO库克在9月份接受《时代》杂志专访，当被问及苹果正在押注的AR是不是元宇宙概念时，库克表示：“这是有明显不同的两个词。我不会乱用这些流行词。我们称之为增强现实。”
工程师出身的微软中国CTO韦青在近期接受字母榜专访时，则更愿意将Metaverse的本意还原为微软公司董事会主席兼CEO萨提亚·纳德拉在他的《刷新》一书中文版中翻译为的“虚拟空间”，认为它比元宇宙更能表达《雪崩》作者的原意，也更容易为普罗大众所理解。
韦青
在韦青看来，无论称之为元宇宙还是虚拟空间，所要解决的问题其实是一致的，即“人与机器的关系”问题和“技术使命”问题。
此外，在当前实践中，外界很容易将“拥有技术”自动地等同于“应用技术”。韦青认为，原则上只要有钱，就有可能买到和拥有某种技术；但只有经历长期的学习和尝试阶段之后，人类才可能真正把拥有的技术应用到位。
韦青表示，以机器学习为例，“拥有”和“利用”之间的鸿沟是这一先进技术应用到各行各业所面临的主要障碍之一。
“其实，仅以目前的机器学习技术水准来看，已经足够为人类社会的发展做出巨大的贡献。当然，实现这个目的的前提是脚踏实地，大家的眼光不能只专注在看起来很美的人脸识别或语音识别上面。”韦青说。
专访期间，除了元宇宙、机器学习等热门领域外，韦青还针对人工智能、信息技术等当下科技前沿领域的焦点话题，一一给出了自己的独到见解。
以下是字母榜（ID：wujicaijing）与韦青的部分对话内容：
“元宇宙”还是“虚拟空间”？
字母榜：近期，元宇宙、VR等概念和技术大火，怎么看待这个现象？
韦青：我自己对于元宇宙的理解来源于尼尔·斯蒂芬森写的《雪崩》这本出版于1992年的科幻小说。在萨提亚2017年出版的《刷新》这本书里，也专门讲到当他1992年加入微软时，有两本未来主义作品获得了全公司工程师的热烈追捧，第一本就是《雪崩》，另一本是戴维·格伦恩特尔的《镜像世界》。
只不过，当时中文翻译把Metaverse译为“虚拟空间”，而不是现在大为流行的“元宇宙”。其实，到现在我也没搞明白为什么一定要称之为“元宇宙”，我个人认为“虚拟空间”比“元宇宙”更能表达作者的原意，也更容易为普罗大众所理解。
字母榜：这是不是意味着，真正的元宇宙还太遥远？
韦青：我所受到的工程师文化的教育，特别重视技术的大众化和普及化，尤其需要在技术的术语上尽量采用通俗易懂的语言。
《雪崩》所描述的未来愿景，早在上世纪90年代就让人们非常激动。过去几十年像微软、谷歌、脸书这些公司大都受其影响，并且都在一步一步的努力实现当初的愿景。
但在具体的实现过程中，纯粹的虚拟空间只是其中一部分；与物理世界的有机结合，也就是通常人们说的CPS赛博物理系统，或者数字孪生，能够更加精确的表达技术走势和技术以人为本的初心。。
归根结底，物理空间的一切对象，包括对象的属性、行为和之间的关系，都需要经过数字化建模映射到赛博空间，使得物理空间成为赛博空间内可被计算的对象。但是更重要的是，赛博空间内的计算结果还需要映射回物理空间，从而起到加强人类现实世界能力的作用。
在这种技术逻辑的约束下，无论称之为元宇宙、虚拟空间、赛博物理系统、数字孪生，还是现在听起来已经没有那么炫耀的物联网、语义网，其实都有异曲同工的妙义。
尤其是当人们能够把这些貌似新鲜的概念都拉回到第一性原理之后，它们无非是同一个愿景之根上生长出来的不同枝干，要解决的还是困扰人类几百年甚至上千年的“可计算”问题以及“计算目的”问题，最终归结为“人与机器的关系”问题和“技术的使命”问题。
字母榜：想要解决上述终极命题，当下还需要哪些基础能力的配合？
韦青：比如建模的统一化、数据的标准化，又比如RDF（Resource Description Framework，资源描述框架）、OWL（Ontology Web Language，网络本体语言）。这些看似过于专业和有些年头的技术术语，反而可以引起更多的关注，而这种实质性对底层技术的关注，有可能更有助于帮助人类实现《雪崩》或者《镜像世界》所描述的技术愿景。
智能时代重新认识信息化
字母榜：我们该如何理解当下云计算、大数据、物联网等技术的发展？
韦青：过去一百多年，人类社会的电气化进程，最早是少数商家专注于发电谋利，其中最著名的就是早期的直流、交流电之争，形成了历史上著名的以爱迪生为代表的直流电技术流派，以及以特斯拉和西屋电子为代表的交流电技术流派，双方围绕技术与商业展开争夺。
当然，大家已经看到它的结果，就是近百年来电力已经变成了全社会的关键公共基础设施，全世界的主要商业都基于用电来提升自己的效率和能力，只有极少数的企业关注于如何发电。
有理由相信，在未来的智能时代，信息也是一种与物质和能量等同的人类基本力量，或许我们可以称其为“信息力”。现在大家所争论与正在实现的技术，比如云计算、大数据、物联网、下一代通讯技术和机器学习，都是我们能够在短期内感知到的赋能型信息技术。
字母榜：更长远的信息技术会如何赋能？
韦青：我们也需要有这样一种视野，就是当这些信息技术都成为像电力这种能源技术一样的、可供全社会使用的关键公共基础设施之后，这一类公共基础设施会孕育出什么样的产品与服务能力。
就像人类不能够直接用电，需要通过被电所赋能的产品与服务而享受到电力的好处一样，我们也需要有大量的商业、产业与学术机构，开始认真思考如何基于这种即将普及的新型信息公共基础设施，重构全社会所有产品与服务形态与能力。
在这种技术思维范式下，我们就要精确区分拥有技术的能力和使用技术的能力。而使用信息技术的能力，恰恰是目前社会大部分企业以至于个人的短板，这也就是前面我所说的拥有与使用技术的不同思考维度以及不同的发展路径。
我们现在不会无聊到问每间公司，或者每一个家庭，或者每个人是否在用电和在用什么种类的电；同样的道理，什么时候我们不再关注信息技术本身，因为它已经融入人类社会的每一个环节和每一个角落，也就是微软对未来技术愿景描述所称的“无处不在的计算”、“无处不在的智能”和“以人为本的技术”。那个时候，人们就会像过去百年电气化社会改造所经历的路程一样，专注于利用各种先进的信息技术改造全人类的生活、学习与工作。
字母榜：现在再提起信息化，是否会显得有点过时？
韦青：有人可能会质疑信息化是一个过时的字眼，我们已经快速地迈向智能化的时代。但我们仔细认真想一想，我们全社会的所有流程到底有多少真正通过数字化技术实现了信息化。全社会的信息化是一个系统工程，它不仅取决于最先进的那一部分，也受制于最落后的那一部分。
正如系统论短板效应所指出的，全社会的信息化能力取决于最短的那块板。如果不把那块短板补齐的话，全社会的整体信息化程度是不完整的。这也就是为什么在互联网发展了那么多年之后，大家认识到虚拟经济与实体经济是不可分割的一个整体，数字能力与物理能力同样也是一个不可分割的整体。
当我们利用数字化技术，把过去几十年未被信息化的全社会流程、产品和服务都做到信息化之后，虚拟和物理空间完全呼应之后，物理实体与数字孪生完全对应之后，如果把这个称之为元宇宙，那倒可能是人类开始踏入智能社会的象征。要想实现这个目标，我们现在所谈论的所有先进的或者不先进的数字化技术，就有了它们真正的用武之地。
当然，与此同时还会有科学家们继续突破人类现有的认知局限，坚持不懈地去探索和摘取最终的人工智能的明珠。这种工程实现与科学探索是交相呼应、协同发展的过程，都会对社会的发展做出巨大的贡献，只不过它们的关注点和实现方式有所不同。
人工智能：尚待摘取的皇冠明珠
字母榜：Facebook人工智能首席科学家杨立昆最近出版了新书《科学之路——人、机器与未来》，你为何为其撰写推荐语？
韦青：杨立昆教授在人工智能和机器学习领域以敢言而著称。他亲身经历了人工智能在过去几十年的发展过程，坚持倡导以深度学习为代表的机器学习方法，屡经挫折和考验。这种经历和感受，对于有志于在人工智能与机器学习领域有所发展的后来者，有很大的借鉴意义。
“以史为鉴，可以知兴衰”；“以人为鉴，可以知得失”。了解任何一门得到广泛应用的技术，都需要经历漫长的探索与研究过程。而作为一个科学家为了能够有所成，就要甘于寂寞，勇于创新，同时又要有所坚持。这种科学精神和具体实践，对于即将到来的智能时代的技术发展，具有重大的指导意义。
字母榜：读完这本书给您带来了哪些新的认知？
韦青：我为这本书写序的过程，也是一场伴随机器学习成长的学习之旅。可能由于我的工程师背景，我对杨立昆教授在实现机器学习过程中的工程方法论感同身受，对于技术的“拥有”和“利用”，也就是大家口头上经常说的技术是否“有”和”用“之间的矛盾与统一非常认可。
在我们的实践中，人们很容易将“拥有技术”自动地等同于“应用技术”，而原则上只要有钱就有可能买到和拥有某种技术。但是之后往往需要经历长期的学习和尝试阶段，才可以把花费了很多资金而拥有的技术真正应用到位，让它确实发挥作用。这恰恰是目前机器学习开始应用到各行各业所面临的主要障碍之一。
作者：[法]杨立昆（YannLeCun） 出版社：中信出版集团 译者：李皓 马跃 译 出版年：2021.08
字母榜：有哪些办法能让机器学习能力再次突破吗？
韦青：机器学习发展到目前这个阶段，要想做出突破已经不是一件容易的事情，大概率上需要有科学范式的突破。这种突破需要集全球众多科学家、数学家和工程师的共同努力，应该不是一般企业能够独自承担的重任。对于绝大多数企业而言，我们真正的任务和社会使命是利用现有机器的能力来造福人类，重点应该是聚焦于工程实现领域。
其实仅以目前的机器学习技术水准来看，已经足够为人类社会的发展做出巨大的贡献，当然实现这个目的的前提是脚踏实地，大家的眼光不能只专注在看起来很美的人脸识别或语音识别上面。
从人类社会的运作机制而言，我们有大量的任务流程，可以被目前的机器学习能力所优化、完善和自动化。我们现在已经可以利用机器学习，将上一世纪末已经做过“业务流程再造”，继续循环迭代地重复进行下去，只不过现在我们有了机器学习这一强大助力，因而能够更高效地为人类社会带来利益和福祉。
字母榜：有人认为，目前多数人工智能公司依然属于劳动密集型，人工占比很重。
韦青：另一位人工智能领域的科学家吴恩达博士，最近给正在利用机器学习为各行各业赋能的实践者提出了建议。
吴恩达博士提醒大家，业内大量的实践者已经体会到，在机器学习落地的具体工作中，80%精力要消耗在数据的收集和整理方面；而那些看起来很美、很炫、很厉害的算法工作，其实只占到了大约20%的精力。
那么我们为什么不把主要的精力放在优质数据的获取和清理呢？这其实反映的就是我们常说的科学、技术与工程的不同特征。很多在我们日常生活中应用到的关键技术，都不是当时最先进的技术，但必须是当时最可靠、易于维护和经济效益最佳的技术，这是工程实践的基本理念。
举一个例子，大家可能以为，能够登上火星的设备所使用的技术，应该是最先进的技术。实际上，控制“毅力号”火星车的中央处理器，是一片与1998年Power PC芯片技术相同的芯片。它的重点不在于计算的速度和用多少纳米来实现，而在于在外太空的严酷环境下，还能够正常运行，以实现它被赋予的任务。
无论是杨立昆还是吴恩达，以及包括微软在内的众多行业实践者，所推崇的都是一种平衡的发展观。这是对技术创新与工程实现的综合考虑，也是对拥有技术与利用技术的理性把握。
字母榜：当前的人工智能处在什么阶段？
韦青：我曾有机会与杨立昆书中提到的若干业界前辈交往。这些在这个领域钻研数十年的学者，对于人工智能和机器学习能力的不同阶段，有非常清醒的认知。
他们大都将人工智能定义为人类希望摘取的科学皇冠上的一颗明珠。但具体什么时候能够摘取到这颗明珠，没有人能够给出确切的答案。也许几十年，也许几百年、几千年，也许不可能实现，因为人类现在连什么叫“智能”都没有给出统一的解释。
正因为如此，他们也大都将目前机器的能力精确定义为是机器学习阶段。萨提亚在他的《刷新》一书中说，人工智能分为三个层次，即底层的简单模式识别能力，中间层的感知能力，以及最高级的认知能力。现在的发展大致处于底层和中间层的阶段。
字母榜：明确这个阶段机器所能达到的能力，对业界有什么作用？
韦青：当人们把关注点放在机器的现有能力，而不是科幻小说中所描写的未来能力的时候，人们就可以把精力放在如何充分发挥机器的特长，来帮助人类减轻工作负担和生活压力。
在我看来，这种能力由场景驱动，或者也可以称为实际行业痛点驱动，然后基于数据，通过计算，由算法实现的流程自动化能力。这是一种工程实现的能力，也是一种“学以致用”、“有以致用”的能力。
据我所知，这也是包括微软在内的大多数科技公司正在做的事情：通过技术赋能人类社会的各行各业，通过机器的帮助成就他们原来不可想象的非凡能力。
明确这一点非常重要。就像过去几百年来的一些思想家们不断提醒人们的，机器的能力既可以帮助人类获得更高的幸福感，也可以损害人类的利益。其发展方向绝对不是唯技术论的，必须是以人为本。
（声明：本文仅代表作者观点，不代表新浪网立场。）