位置：AI门户网 > AI百科 > 基础概念 > 孙铮是谁？为什么新手小白必须了解他的人工智能观点？

孙铮是谁？为什么新手小白必须了解他的人工智能观点？

来源：AI门户网时间：2026/4/24 8:49:20 共 2312 浏览

你有没有过这种感觉？打开手机，铺天盖地都是AI的新闻——ChatGPT又升级了，哪个行业又被颠覆了，好像全世界都在谈论人工智能。但作为一个新手，一个纯纯的小白，你脑子里可能就只剩下三个问号：这玩意儿到底跟我有啥关系？我该怎么入门？从哪儿开始学起才不会走弯路？这感觉，有点像新手如何快速涨粉，满世界都是攻略，但第一步该往哪儿踩，反而最让人迷茫。

今天，我们不聊那些高深莫测的算法代码，也不讲复杂的神经网络原理。我们来聊一个人，以及他看待AI的独特视角。这个人就是孙铮。可能很多刚接触这个领域的朋友会问：孙铮是谁？他说的，对我们这些“门外汉”理解AI，真的有帮助吗？

别急，我们慢慢说。

孙铮：一个连接财经与科技的“翻译官”

首先，得搞清楚孙铮是谁。简单来说，他是一位财务领域的资深专家，上海财经大学原副校长、教授、博士生导师。等等，你可能要皱眉了：一个搞财务的教授，跟我们聊人工智能？是不是有点“跨界”太大了？

恰恰相反，这正是他的观点特别值得新手关注的原因。他不是一个纯粹的计算机科学家，而是一个站在“应用”最前线的人。他的工作，就是研究如何把像AI这样的新技术，实实在在地用起来，特别是在企业管理、财务这些看似传统、实则变革剧烈的领域。你可以把他看作一个“翻译官”，把艰涩的技术语言，翻译成商业价值和管理逻辑。

他关注的不是AI“是什么”，而是AI“能用来干什么”、“能创造什么价值”。这对我们小白来说，简直是福音。因为我们最怕的，不就是被一堆技术名词吓跑吗？

人工智能不是洪水猛兽，而是“价值创造器”

孙铮教授有一个核心观点，我觉得特别能缓解新手的焦虑。他认为，财务数字化的目的（其实也是很多领域应用AI的目的），是以数据为核心，以智能化为手段，最终是为了“价值创造”。

这是什么意思呢？让我打个比方。很多人害怕AI，是觉得它像个要来抢饭碗的“怪物”。但孙铮的看法是，AI更像一个强大的“价值创造器”或者“效率倍增器”。它不是来替代你的，至少在可预见的未来，它最擅长的是帮你把那些重复、繁琐、耗时的“体力活”给干了。

比如，在企业里：

*它可以自动处理发票、核对数据，把财务人员从海量的表格中解放出来。

*它能7x24小时回答内部员工关于报销制度的各种问题，像个永不疲倦的客服。

*它还能快速分析数据，预警风险，甚至生成初步的管理报告，给人做决策提供更扎实的依据。

你看，它的角色是“辅助”和“增强”，而不是“取代”。它的目标是把人从机械劳动中解脱出来，让人去做更有创意、更需要战略思考、更需要人情味沟通的事情。理解这一点，是我们建立对AI健康认知的第一步——它不是对手，而是伙伴和工具。

新手入门AI，该从哪里“破局”？

好了，道理懂了，心也放宽了。那具体该怎么做呢？作为一个想入门的小白，面对机器学习、深度学习、神经网络这些词，是不是又头大了？

别慌，我们继续从孙铮教授强调的“应用”和“价值”角度来拆解。你不一定非要立刻成为能编写AI模型的算法大神。对于绝大多数人来说，入门AI可以分几步走：

第一步，转变思维，拥抱“数字素养”。

这是孙铮特别强调的。未来无论你做什么工作，理解和运用数据、能与智能工具协作，会像现在会用电脑、会上网一样，成为一种基础能力。所以，先别怕，把AI看作一个需要学习使用的新“软件”或新“思维方式”。

第二步，从“用”开始，而不是从“造”开始。

现在有很多低代码甚至无代码的平台，让你可以像搭积木一样，组合出一些简单的AI应用。比如，你可以尝试用现有的AI工具：

*帮你自动整理会议纪要。

*帮你润色工作报告或邮件。

*根据你的要求，生成一些简单的文案或图片。

*让它充当你的学习助手，解释复杂概念。

先体验AI能做什么，感受它的能力和边界，这比一上来就啃公式要有趣和有效得多。

第三步，理解核心概念和流程。

当你有了使用体验，产生了兴趣，再回过头去了解一些核心概念，就会容易很多。这里必须划重点的几个基础关系：

人工智能、机器学习、深度学习到底是什么关系？

很多人一开始就晕在这里。你可以这样理解：

*人工智能是最大的目标，就是让机器显得智能。

*机器学习是实现人工智能的一种核心方法。它的核心思想是：不直接给机器编死规则，而是“喂”给它大量数据，让它自己从数据里找规律、学规则。

*深度学习是机器学习的一个分支，可以理解为更强大、更复杂的一种学习方法，特别擅长处理图像、声音、文字这类非结构化的数据。现在火出圈的ChatGPT、文心一言，底层都是深度学习模型。

机器学习的基本流程是怎样的？

不管多复杂的模型，大体都逃不出这个套路：

1.收集数据：找“原料”。

2.预处理数据：清洗“原料”，把脏的、乱的整理好。

3.选择模型：选个合适的“菜谱”（算法）。

4.训练与优化：按“菜谱”做菜，尝尝味道，不行就调整火候（参数）。

5.部署使用：菜做成功了，端上桌给大家吃。

你看，是不是没那么玄乎了？它就是一个不断试错、优化的过程。

自问自答：几个小白最关心的问题

写到这儿，我猜你心里可能又冒出一些具体的问题了。我们来模拟一个快问快答环节，用最直白的话说清楚。

问：学AI一定要数学很好吗？看到线性代数、概率论就头疼怎么办？

答：入门阶段，数学要求没那么吓人。是的，高级的AI研发需要扎实的数学功底。但如果你只是想理解原理、学会应用，更重要的是理解概念，而不是推导公式。比如，你知道“梯度下降”是AI模型通过不断“试错”找到最优解的一种方法，就像下山时找最陡的坡往下走，这比你会计算梯度更重要。很多知识可以在用到的时候再针对性补，千万别被数学一开始就劝退。

问：一定要学Python编程吗？

答：Python是目前AI领域最主流的工具语言，强烈建议学。它语法相对简单，资源库（比如NumPy, Pandas, PyTorch）极其丰富。但again，对于纯粹的应用者，你可以先从使用那些图形化界面的AI工具开始。编程是让你从“使用者”迈向“创造者”的关键一步，但不是唯一入口。

问：现在学AI，未来的职业会不会被它替代？

答：这正是孙铮教授观点能给我们启示的地方。未来最吃香的，可能不是会写AI代码的人，而是最懂如何把AI用在自己行业里、解决实际问题的人。财务人员如果会用AI分析数据预警风险，销售如果会用AI管理客户并生成个性化方案，他们的价值会倍增。所以，你的目标不应该是和AI竞争，而是成为那个“会驾驶AI赛车”的司机。