《模式识别——原理、应用及实现》：经典与前沿兼顾的一本新教材

一门课的传承

这次修订不是小修小补。

前言里说得很清楚：完善传统内容，跟踪学科发展，充实工程应用。

从MATLAB到Python

这本书最明显的一个变化，是全书实验例程全部在Python环境下改写调试完成。

三个工程案例

第10章是这本书区别于很多同类教材的地方。

这不是那种只讲理论、不碰实际的书。

编者在前言里说，针对各章的重点方法和模型，均以例题的形式给出程序代码，并精选了作者在工程实践中的研究成果，形成可复制、可推广的工程教学案例。

读者在系统学习之后，可以直接从事工程实践应用。

作者简介

这本书的修订分工是：第1章、第3章、第5章和第7章由郭志强修订编写，第2章、第4章、第6章和第10章由阮军修订，第8章和第9章由王昱修订，吴尚佳、倪应芳、韩鑫武等参加了部分插图的制作和程序的调试工作。

全书由郭志强统稿。

特别值得一提的是，杨杰教授在百忙之中审阅了全书并给出了宝贵意见。

教学资源

配套资源包括微课视频、习题答案、教学课件、教学大纲、工程实例和实验代码。

编者针对教材的知识难点和学习中的痛点，在不同章节里精心制作了36个微课视频。

这本书适合作为高等院校电子信息类、计算机类、自动化类等相关专业本科生的教材，以及信息与通信工程、控制科学与工程、计算机科学与技术等专业的研究生教材，也可作为从事人工智能相关研究与开发的工程技术人员的参考书。

从MATLAB到Python，从传统方法到深度学习，从理论到三个完整的工程案例，这本书的改版，本身就是一个学科演进的缩影。

教

学

资

源

样

章

试

读

购

书

链

接

麦肯锡79页报告的另一面：美国最强的指标，可能正是最危险的信号？

图片 | 来自网络 整理 | TOP创新区研究院，FTA Group 转载引用请注明出处。

内容仅供交流学习，不做任何商业用途，不代表任何投资建议。

如有侵权请联系后台删除。

2026年3月，麦肯锡全球研究院（MGI）发布了一份长达79页的报告，把250年底美国的历史画成了四个很漂亮的“篇章”： 第一章是农业时代（1776年建国）； 第二章是工业时代（1865年南北战争结束）； 第三章是科学时代（1941年二战爆发）； 第四章是数字时代（1991年冷战结束）。

麦肯锡的逻辑是： 美国的强大从来不是因为某一种固定模式，而是因为它总能在地缘政治的紧要关头，完成一次自我重塑。

现在，随着人工智能的到来， 美国马上就要开启“第五章”了。

报告的结论是： 只要美国愿意做出正确的选择， 它就能像过去四次那样， 再赢一次。

但如果咱们把这份报告里的溢美之词剥掉，再把那些被塞在角落里的数据拿出来对对账，就会发现另外一种可能： 美国也许根本没有站在什么“第五章”的开端， 它很可能只是处于“第四章” 的尾声。

那些现在看起来让美国显得无比强大的指标——比如在全球大企业里占了一半以上的市值、手里攥着全球大半的前沿AI模型、还有那高得惊人的顶层阶层收入——可能并不是新一轮繁荣的先兆。

相反，这恰恰是一个老牌帝国把过去的“生产领先”兑换成“金融租金”的典型症状。

而那些真正决定下一个时代生产力基础的指标—— 比如中高端工程师的规模、具身智能的落地速度、经济体内部的流动性，以及公共研发资金的投入—— 几乎都在朝相反的方向走。

但麦肯锡的报告不能这么写，因为他们的客户就是那些待在“第四章”里赚大钱的人。

但作为旁观者，我们可以把这本账算得更明白一点。

麦肯锡到底说了什么？ 这份报告给美国的优势和劣势算了几笔账： 首先，它给国家竞争力画了三个支柱： 全球领先的企业、创新技术，以及“经济机会”——也就是增长能不能让普通家庭分到钱。

这三者中间的黏合剂，是生产率。

把“普通人能不能分到钱”当成竞争力的支柱，是麦肯锡聪明的地方，因为如果一个国家的增长跟普通人没关系，那这种竞争力在政治上早晚要翻车。

接着，报告列了一张“以小博大”的数据表： 美国用全球4%的人口，创造了全球26%的GDP。

在全球前100强的企业里，美国占了59家； 全球前沿的AI模型，有一半是美国人搞出来的；他们拿下了全球27%的研发支出。

自2019年以来，美国的生产率增速大约是前十年的两倍，在G7国家里排第一。

为什么美国这么厉害？报告总结了两个动不了的地基： 1. 自然禀赋实在太好了：人均可耕地是其他大国的两倍，能源能做到两百年自给自足，两边都是大洋，有天然的防卫屏障和优良深水港。

2. “敢想敢干”的文化和制度：250年里全球最重要的发明，有四分之三美国都参与了；《财富》500强企业里，接近一半是移民或者移民第二代创办的。

当然，报告也列了美国的“负债表”： 财政赤字太高、基础设施老化、基础教育（K-12）下滑、制造业的Know-how（实际动手能力和工艺积累）流失得厉害。

现在中国占了全球制造业产出的快三分之一， 而美国只剩11%了。

最后，麦肯锡照例给了一份“近期行动清单”： 培养会用AI的员工、每年把赤字缩减一点、多建点电网和基础设施、搞好国家经济安全。

这套逻辑听起来非常顺耳。

但只要你稍微多想一步， 就会发现里面有几个被故意绕开的深坑。

四个被放进脚注里的问题 1. “我们人民”这四个字， 把分配问题洗成了动员问题 报告里经常出现温情的修辞，比如“我们人民将共同书写下一章”。

不管是田里的农民，还是写代码的程序员， 大家都在一条船上。

但如果你翻到报告里不起眼的“图表七”，就会发现现实很残酷： 美国的收入优势，其实只存在于社会的最顶层。

如果你是美国收入前10%的精英，你的收入确实比欧洲或者加拿大的同行高出10%到50%；但如果你是美国占人口一半的底层50%，不好意思，你的实际收入其实是落后于欧洲主要国家的。

在过去五十年里，美国绝大多数普通人的工资没怎么涨，他们能维持生活，很大程度上是靠政府的福利和转移支付，而不是靠自己干活拿到的工资。

这就很尴尬了。

上一章（也就是数字时代）赚到的钱，基本都被极少数人拿走了。

这时候你又跑出来动员大家说：“来，咱们一起流着汗，把第五章也写了吧！” 普通人凭什么跟你走？ 当底层社会失去了阶层流动的希望，选民就会开始投票反对“活力”本身——他们会用选票去支持贸易保护、去排斥新技术。

麦肯锡在报告结尾隐晦地提到了社会分裂，然后迅速用“技能培训”把这个话题带过去了。

但这不是个培训问题， 这是分配制度的问题。

2. “竞争力”这个词， 其实被悄悄换了概念 1994年，经济学家克鲁格曼写过一篇很有名的文章，叫《竞争力：一个危险的迷思》。

他的观点很简单： 国家不是公司，国家之间做买卖不是你死我活的零和博弈。

如果你把国家当成企业去竞争，最后一定会搞出很糟糕的保护主义政策。

保罗·克鲁格曼（Paul Robin Krugman） 麦肯锡在定义竞争力的时候，名义上采用了克鲁格曼的观点，把竞争力等同于“生产率”。

但一转眼，它又开始大谈特谈“我们在全球百强企业里占了多少家”、“我们的AI模型占了多少成”。

这其实就是把“生产率”和“地缘争霸”混在了一起。

当一份报告一会儿劝你“提升国内的劳动效率”，一会儿又暗示你“必须在公司数量上压过对手”时，它其实暴露了自己真正的读者是谁： 不是那些关心普通人福利的决策者， 而是那些在乎自己在全球市场份额的华尔街董事会。

3. 咨询公司的 “能动性偏误” 咨询公司有一个职业习惯：不管问题多严重，最后必须给出一个能执行的“建议清单”，并告诉你“这取决于你的选择”。

但有些问题是结构性的，根本不听政策指挥： 比如生育率的下降、劳动力的老龄化，还有财政——美国现在的国债利息支出，已经比军费预算还要高了。

面对这个财政死结，要么大幅削减福利（选民不同意），要么大幅加税（资本不同意），唯一的办法就是指望经济出现超常规的大增长，把债务比例稀释掉。

于是，所有的希望又寄托在了“AI能带来生产率奇迹”上。

这不叫理性分析，这叫许愿。

4. 历史叙事里的 “幸存者偏差” “美国总能重塑自己”——这个故事之所以动听，是因为它是一个已经成功了的人自己讲出来的。

我们可以对比一下阿根廷。

1900年的时候，阿根廷的人均GDP跟美国差不多，同样有肥沃的土地、源源不断的移民，还有非常活跃的边疆创业文化。

但是阿根廷没有迎来自己的“第五章”。

1900年前后的布宜诺斯艾利斯港 麦肯锡把“重塑”当成了美国天然的性格，而不是历史在特定时期的偶然赐予。

这种幸存者偏差，会让人们产生一种错觉，觉得“第五次重塑”也一定会像前四次一样自然发生。

美国的真实身体状况 拿下了诺贝尔奖的阿西莫格鲁（Daron Acemoglu，最近经济学人在蛐蛐此人）认为， 一个国家能不能长期繁荣，不看资源，也不看文化，而是看它的制度是“包容性的”还是“汲取性的”。

包容性的制度允许大家公平竞争， 而汲取性的制度则保护既得利益者去“吃租金”。

而现在，美国正在往“汲取性”的方向滑落： - 美国企业的岗位再配置率自90年代中期以来下降了大约三分之一。

- 新创企业的进入和退出率都在下滑。

- 劳动力跨区域流动的比例自2006年以来缩水了四分之一。

这些数据说白了就是一句话：这个经济体正在变僵硬。

那些在第四章里赚到大钱的既得利益者，正在通过游说、并购、行业垄断和监管合规，在自己周围筑起高墙。

高墙里面的巨头越来越大，但外面的新公司越来越难出头。

那中国呢？ 在这份报告里，只要提到中国，数据和语气就会变得非常微妙。

虽然麦肯锡在摘要里刻意压低了这一部分的音量，但里面的对比信息量极大。

比如，关于AI的底层哲学，美国和中国在AI的发展上，就走出了两条完全不同的路子： 美国走的是“离身认知”路线： AI是屏幕上的Token，是跑分很高的大模型，是云端的SaaS软件。

它的终极目标是代替白领写报告、做PPT、画图。

中国走的是“具身行动”路线： AI必须装进物理实体里，变成机器人、无人机，变成工厂里的机械臂，变成马路上跑的自动驾驶汽车。

如果未来AI真正能颠覆生产率的场景，不是在屏幕里，而是在物理世界的自动化——比如工厂、物流、建筑、矿山和养老——那么“全球一半的知名模型在美国”可能只是个好看的虚荣指标。

而“中国拥有的工业机器人数量超过世界其余国家的总和”， 才是真正管用的记分牌。

此外，中国还有丰富的工程师红利 中美每年培养的STEM毕业生比例大概是 130万 对 13万。

在具身智能和制造最依赖的机械与自动化领域，这个对比大约是 35万 对 4.5万。

这是一道8到10倍的巨大鸿沟。

软件可以用AI来帮着写，但自动化产线、精密的物理结构，是不可能光靠在屏幕前打打字就自己从PPT里长出来的。

你必须有足够多的、愿意在车间和实验室里反复调试硬件的工程师。

在这个领域，美国面临的是系统性的人才断档。

2000年代初的“第一次中国冲击”，抢走的是美国制造业的低端就业岗位。

而报告中说到的“第二次中国冲击”，完全是另外一回事： 中国正在新能源、动力电池、生物制药、无人机，以及越来越多的应用型AI领域，在技术的最前沿跟美国竞争。

以前是“美国设计，中国组装”； 现在是“中国设计，中国制造，甚至中国制定标准”。

这种冲击一旦完成，动摇的将是麦肯锡报告里所说的美国立国之本——技术领导力本身。

如果只留下一句话 今天的美国， 在第四章（数字与金融时代）里建立起来的利益格局太完美了： 华尔街可以通过金融工具把全球的流动性吸过来； 硅谷可以通过垄断性的软件平台躺着收“科技税”； 跨国企业可以通过把制造外包，维持极高的利润率和漂亮的财务报表。

这种模式如此赚钱，以至于整个经济体失去了去做“脏活、累活、重活”的动力。

要开启第五章，要搞具身智能，要重建基础设施，要重新培养一代愿意进工厂的工程师，这意味着你要把大笔的钱投进那些高风险、低回报、见效极慢的实体产业里—— 这势必会拉低企业当前的利润率，会让华尔街的报表变得很难看，会触动现在那些垄断巨头的奶酪。

这才是为什么“重塑”变得如此困难的真正原因。

不是美国不知道问题在哪里，而是知道问题在哪里，但在位者的利益太大，大家动弹不得。

回到250年前的费城，那些在《独立宣言》上签字的人，并不是在一份稳赚不赔的商业合同上签字。

他们是在冒着破产和被绞死的风险，去打破一个当时看起来最稳固、最强大的帝国体系。

现在，这个胆量， 他们有吗？ 我们有吗？ 创新区研究，就在TOP研究院。

TOP Lab（TOP创新区研究院）是 FTA 的创新研究引擎，围绕 Talent（人才）、Organization（组织）、Place（区域）三大维度，探索全球创新区的发展规律，为城市、企业和园区提供前瞻洞察与战略建议。

FTA Group 专注产业创新区综合解决方案，整合设计、运营与产业服务。

作为国内产业地产设计经验最丰富的机构之一，已完成逾 1200 个项目，助力张江、临港、漕河泾、G60、杨浦科创等重点片区，以及 BioBAY、张江药谷等顶级园区。

老照片：李鸿章是清朝大臣环球访问第一人，访问了几个国家？

1896年3月至10月，73岁的李鸿章以大清国特使身份，先后访问了俄国、德国、荷兰、比利时、法国、英国、美国和加拿大这8个国家，历时约190天，行程9万多里。

这是晚清重臣首次环球访问，主要目的是参加沙皇尼古拉二世加冕典礼，并“联络西洋，牵制东洋”。