專訪／美國首位華人AI院士！楊強：AI需資源取捨研發要頂天立地

【文／賀先蕙】

DeepSeek橫空出世，掀起中國AI新浪潮。其中，微眾銀行首席人工智慧官楊強，是備受矚目的領軍人物。做為首位華人AAAI院士及聯邦學習先驅，他提出AI時代管理者的省思。

要說農曆年至今，全球科技業最引發熱議的話題，就是中國量化基金幻方量化旗下AI模型DeepSeek的橫空出世，不但讓輝達（NVIDIA）股價大跌，而後其針對模型開源，更是造成產業巨大的改變。

在2月12日，遠見．領導影響力學院所舉辦的「向張忠謀學策略」講座中，知名半導體分析師陳慧明就分析當前中國AI產業的進展。他強調在2023年生成式AI出現前，中國在AI的應用上本來就已經走得很前面，而放眼未來，在DeepSeek橫空出世、模型開源下，預計未來會有更多的應用如雨後春筍出現，並快速建構新的生態圈。

而在這股AI浪潮下，中國一位值得矚目的AI專家，是微眾銀行的首席人工智慧官楊強。他在過去兩個月，兩次接受《遠見雜誌》專訪，暢談他對人工智慧市場現況的觀察，與研究管理經驗。

首創諾亞方舟實驗室

透過視訊出現在眼前的楊強，語氣和煦，談吐親切，絲毫沒有大師的距離感。然而，這位看似平易近人的學者，實則是國際公認的AI領袖。

楊強2013年獲選為美國人工智慧協會（AAAI）首位華人院士，也是加拿大工程院及加拿大皇家科學院兩院的院士。近幾年來，楊強也推動AI人工智慧下的聯邦學習開源平台FATE（Federated AI Technology Enabler）的普及，成為中國AI的領軍人物。

楊強成長過程，就是「學霸」兩字的最佳寫照。1981年，還在北大念書的他，考取由物理學家李政道所促成的中美聯合物理招生計畫（CUSPEA），於是赴美。當時的他，研究的領域是太陽物理，所有的研究都要仰賴大型望遠鏡和衛星數據，往往一來一回，等數據蒐集完成，都是一年之後了。但是有了電腦後，他可以在程式中模擬研究環境，加快實驗的進展。

「我發現計算機（電腦），為我打開了一個新的世界，可以在裡面做各種實驗，做各種假設，」楊強強調。也因為這樣，楊強在取得天文物理碩士學位後，就轉攻讀電腦科學，正式走上人工智慧研究的道路。

1989年取得博士學位後，他陸續在加拿大和香港等地任教。2012年，當時華為邀請楊強協助成立諾亞方舟實驗室，向全世界網羅AI人才，同時也讓當時已做了30年人工智慧研究的楊強，有機會跨出學術圈，進入商業領域，讓研究落地。

楊強花了大約三年的時間，建立起諾亞方舟實驗室，「在這個過程當中，也讓我看到很多在學校看不見的東西，了解到工業對研究問題、對應用問題的角度，和學術界是不一樣的，能讓我的視野變得更寬。」

管理者須掌握方向與資源

記者問楊強，當時管理諾亞方舟實驗室，面對的是全世界最優秀的AI人才，他在管理上最大的學習是什麼？

楊強的回答，簡而言之，就是「資源取捨」這四個字。「我們在整個生涯當中，也看到很多AI的方向其實都是死胡同，最後都走不下去。所以，這個定位和選方向至關重要。」

與楊強結識多年的前新奧集團數據技術研究院常務副院長李增祥強調，楊強在人工智慧領域，「他絕對是一個領頭羊的角色。」楊強主要的強項，是在人工智慧的遷移學習（Transfer Learning）和聯邦學習（Federated Learning）上。而他所著的《聯邦學習》和《遷移學習》兩本書，更被業界視為教科書級的經典。

遷移學習與聯邦學習聽來艱澀，但其實概念不難。試想：對一家銀行來說，除了公開領域的數據，和自家擁有的客戶資料、交易數據外，要如何在不違反法規和隱私權的情況下，更全面取得數據來訓練模型？

這個時候，聯邦學習就可以發揮重大效用。楊強曾在《金融電子化》期刊中說明：聯邦學習要解決的，是企業與機構間，彼此數據因為隱私權、法規等問題，無法交流的問題，「聯邦學習正是要解決這個問題——做到各企業的自有資料不出本地，而聯邦系統可以通過加密機制下的參數交換方式，即在不違反資料隱私法規的情況下，建立一個虛擬的共有模型。」

微眾銀行是聯邦學習應用的領頭羊，這家2014年成立的中國首家純網銀。根據《2024全球獨角獸榜》，是中國排名前十大的獨角獸企業之一，僅次於抖音母公司字節跳動、螞蟻集團和Shein。

從數據上來觀察，截至去年6月為止，微眾銀行客戶數達4.09億人；也就是說，中國14億人口中，幾乎每四個人，就有一個人是微眾銀行的客戶；而微眾銀行的員工人數卻只有大約4000人。折算起來，平均每位微眾銀行員工服務客戶人數高達十萬人以上。這要如何達成？

答案是高度利用人工智慧與數據的協助。奠基於視覺、語音、自然語言、聲紋等技術，並且運用聯邦學習技術，微眾銀行不論是在用戶端或中後台，都建立許多AI代理（AI Agent），包括智慧語音、法遵、相似問題生成、企業金融語意、人像查核、專利等各種AI代理。

「一共有100多種機器人來服務。我們就不斷地更新和建立人工智慧的能力，」楊強強調。透過AI Agent技術，微眾銀行將客服對話的總結準確率提升至98％，每日可減少100人天的處理量。

除了運用AI讓客服、問題處理更有效率之外，建構在聯邦學習下的AI模型，也讓微眾銀行有更精準且立體的方式，來衡量客戶的信用狀況。李增祥分析，在楊強帶領下，聯邦學習技術可打通不同數據，比如說來自銀行、網路上、醫院，甚至是教育機構的數據，「描述一個人是透過不同的維度，有些是監控資料、有些是交易的，有些是互聯網上的，然後我們再打通這些數據。」

一旦串起這些數據並用以訓練模型，可以對整個商業模式產生巨大影響，包括評估客戶信用的方式。以微眾銀行的明星產品「微粒貸」為例，用手機App綁定銀行卡、完成申請後，在AI化的審批流程下，大部分的用戶貸款都可以在幾分鐘內得到撥款、而且24小時運作。

楊強於2018年出任微眾銀行首席人工智慧官，至今已七年多，他管理微眾銀行的人工智慧團隊。他如何面對人工智慧領域快速迭代變革？又如何看待相關研發與產出？針對這個問題，楊強特別指出一個他在管理上的選擇，「我們用80％的人力去做業務的落地，去把人工智慧落實在具體的日常業務上；用20％的人力，來做比較先進的研究。」

管理者要拉高、拉長視野

楊強由過往帶領AI團隊的經驗總結出來，認為「研究的人要精兵強將，而且研究的方向不能太多！」另一方面，與業務端的合作也對研發團隊至關重要，「由業務方的回饋，可以回饋到我們研究上來，能夠增強我們研究的持續性和方向感。」用楊強自己的話來描述，就是AI的研發團隊必須「頂天立地」，高端研發要能頂天、業務接軌必須落地。

除了管理與建構AI研發團隊外，對許多台灣企業主而言，更迫切的需要是如何在AI快速變遷下找準自己的方向？

楊強建議，與其因變化而焦慮，不如先盤點企業內部的數位化程度。「任何管理者都可以做的事情是，盤點一下自己公司不同業務領域的數位化能力，然後排序，」他說明。例如，若領域A的數位成熟度高於B，B又高於C，那麼A領域最有機會率先實現AI應用並發揮成效。

楊強強調，對企業而言，「AI應用不僅僅是一個技術問題，應該同時是一個經濟問題。」管理者需評估各領域的數位化投入成本及預期產出，進而判斷該領域是否值得持續投資AI。

展望未來，楊強坦言：「大概2028年幾乎所有人類產生的資料就會被用完，而我們用AI產生的資料，卻很難用來繼續訓練AI。

「全世界的科學家開始逐步關注到這個問題（指數據告罄），所以未來不一定AI是直線上升的，它可能是曲折的，可能上升一段又有危機。」正因如此，楊強提醒，AI時代的管理者往往在短期內對技術過於樂觀，長期則過於悲觀。他以自身40年在AI領域的經驗勉勵管理者：面對快速變局，與其陷入焦慮，不如拉長、拉高視野，穩健前行。

楊強

出生：1961年

學歷：馬里蘭大學博士

經歷：西蒙菲莎大學、香港科技大學教授

榮譽：首位美國人工智慧協會華人院士、加拿大工程院及加拿大皇家科學院兩院院士

DeepSeek讓門檻降低，AI將進入「尋常百姓家」

中國AI模型DeepSeek的崛起，引發全球對中國AI實力的重新評估。《遠見》專訪微眾銀行首席人工智慧官楊強剖析DeepSeek，以下為專訪紀要：

《遠見》問（以下簡稱問）：你如何看待DeepSeek崛起？

楊強答（以下簡稱答）：DeepSeek轟動全球有幾個原因。首先，以前大家都認為AI發展需要龐大算力和資金，像Oracle的CEO甚至計畫建立小型核電站來支持算力需求，因此，擁有大量算力的AI公司和雲計算公司將這些資源視為護城河。

然而，DeepSeek僅用了600萬美元就打造出水準媲美ChatGPT的模型，讓人跌破眼鏡。第二，這場革命性突破，竟然不是來自國家實驗室或大型AI實驗室，而是出自一個不知名的小團隊，讓美國媒體和機構不得不重新評估中國的AI實力，同時也讓中國政府、創投和AI領導者都感到驚訝。

問：什麼因素促成了中國在人工智慧領域的成長？

答：內地AI的進展，關鍵並不在政策，而在於電腦教育的厚實基礎。高考分數最高的學生幾乎都選擇了電腦和軟體專業。像清華、北大、上海交大、浙大這些學校，累積了大量優秀的電腦人才。如今AI熱潮興起，這些學生轉向AI領域就變得順理成章。