中國人工智能產業發展的競爭力及發展策略
——基于鉆石模型的分析

蘆婷婷

一、引言

人工智能技術引領第四次工業革命的浪潮，想要占領科技的制高點，大力推動人工智能產業發展勢在必行。國家出臺了一系列政策支持人工智能產業的發展，2017 年、2018 年、2019 年連續三年把人工智能寫入政府報告。2020 年突如其來的新冠疫情，給人們的生命健康造成巨大威脅，人工智能技術在疫情期間發揮了不可忽視的作用。人工智能測溫儀可以無接觸、快速、高效地進行溫度測量；大數據便于追蹤患者的行動軌跡；人工智能電話機器人助力疫情排查工作等。

中國作為全球第二大經濟體，人工智能的應用場景廣闊，2018 年我國新一代人工智能產業規模超過555.7 億美元①。隨著勞動年齡人口的減少、用工成本的上升和勞動力短缺的問題日益突出，人工智能的應用有助于緩解勞動力短缺的問題，使經濟發展由人口紅利驅動向科技紅利轉變。從國家層面上講，發展人工智能產業有助于在國際競爭中取得優勢；從經濟發展角度講，人工智能產業與傳統產業的融合將會爆發出巨大的增長潛力。本文通過整理散落的數據資料，使用“鉆石模型”整體上分析了我國人工智能產業發展的競爭力，發現制約我國人工智能產業發展的因素，并且建設性地提出促進人工智能產業發展的具體策略。

二、人工智能產業概述

（一）人工智能

約翰·麥卡錫（John McCarthy）在1956 年達特茅斯會議上正式提出了“人工智能”（Artificial Intelligence，簡稱AI）的概念，即能夠模擬人的思維、行動的機器。此后，學者對人工智能的概念從不同角度進行定義。楊偉國等（2018）認為，人工智能是為了達到特定目的，依賴于實物載體和環境，模擬人的思維與行動的技術[1]；王春超等（2019）把人工智能視為可以模擬人類的智能行為，進行決策和行動的機器[2]；張剛等（2020）則把人工智能分為廣義人工智能和狹義人工智能，廣義的人工智能是指機器人及其相關技術，狹義的人工智能則強調能夠模擬、延伸、替代人的行為的相關技術[3]；MIT 電氣工程領域對人工智能的描述比較全面：人工智能是一個整體，通過建立模型模擬人的思維和行動的系統，利用算法（程序）實現對系統的約束（Fillayson 等，2010）[4]。雖然學界對于人工智能的概念尚未統一，但是不同定義之間存在共通之處，即人工智能是通過一系列技術手段（算法、程序），賦予機器類人的思維和行動方式，從而完成特定任務，強調人工智能的應用層面。

2016 年3 月9 日，AlphaGo 戰勝圍棋世界冠軍引起了新一輪的人工智能熱潮。在人工智能發展的初期，主要是依靠邏輯學的基本規律進行運算、歸納或演繹，專家系統是利用人類知識和邏輯學解決問題的典型例證。20 世紀90 年代，人工智能以概率統計理論進行建模運算。現階段，人工智能則以機器學習為主要特征，通過對數據的“訓練”，學習得到解決問題的方法。人工智能催生了新業態、新模式，“AI+醫療”“AI+教育”“AI+司法”等，人工智能的發展被提升到國家戰略的高度，可以預見，人工智能將成為未來新的經濟增長點。人工智能產業的發展則是支撐人工智能應用的強有力保障。

（二）人工智能產業

李莉等（2020）把人工智能產業分為狹義人工智能產業和廣義人工智能產業，狹義的人工智能產業指提供給社會大眾有關的智能化產品和技術服務，廣義的人工智能產業還包括人工智能賦能的相關產業[5]，例如智能制造、智能交通、智慧醫療等。中國電子學會《新一代人工智能發展白皮書（2017）》提出，人工智能核心產業包括基礎層、技術層和應用層。基礎層包括智能傳感器、智能芯片和算法模型；技術層包括語音識別、圖像視頻識別和文本識別等；應用層包括智能機器人、無人機、智能駕駛、智能搜索、智能教育、智能金融、智能安防、智能醫療等。根據國家統計局2018 年發布的《戰略性新興產業分類（2018）》，人工智能產業分為三類，分別是人工智能軟件開發、智能消費相關設備制造以及人工智能系統服務。以上對人工智能產業的定義分別是從整體層面、產業鏈以及產業細分等方面進行論述，各定義之間相互補充，有助于我們全面認識人工智能產業。

區別于傳統產業，人工智能產業具有其自身的獨特性。人工智能產業具有全方位滲透的特征。人工智能產業不僅可以賦能傳統產業，還可以催生新業態、新模式，將會深刻改變經濟生活的生產、分配、交換、消費環節。從產業角度講，人工智能產業與金融、交通運輸、教育、醫療等行業的融合發展，有利于產業結構調整和轉型升級。從社會發展角度講，人工智能產業與社會治理相結合，可以產生出更高效的管理、更合理的資源分配。人工智能引領新一輪的技術革命，加快人工智能產業的發展已經提上日程。

三、我國人工智能產業發展的競爭力分析

邁克爾·波特提出“鉆石模型”，該模型主要是從生產要素、市場需求、企業的規模和組織形式、相關產業發展、政府、機會等六個方面分析產業的競爭力。借鑒波特的“鉆石模型”理論，分析我國人工智能產業的競爭力，從中發現制約我國人工智能產業發展的因素。

（一）生產要素

1.資本。人工智能產業屬于新興戰略產業，具有高風險、高收益的特征。在人工智能技術的研發階段，尤其是基礎研究，研發失敗概率高；在人工智能的應用階段，科技成果的有效轉化面臨極大挑戰。新技術一旦研發成功并投入使用，將會帶來巨大的收益。本文從投融資規模及融資筆數、融資領域、融資的熱點區域分析人工智能產業發展的資金支撐。

我國人工智能產業的投融資規模龐大且呈逐步上升態勢，近年來趨于平穩，在全球占據重要位置。根據投中研究院發布的《2019 年中國人工智能產業投融資白皮書》可以發現，2014—2018年投融資額度和投融資事件的復合增長率分別高達70.17%、31.20%，2018 年的投融資額度和投融資事件均處于頂峰，分別為1189.8億人民幣、649起，但是2019 年前三季度回落到577.17 億人民幣，254 起②。人工智能產業的投融資規模在歷經快速增長后，投資熱度有所降低，投資行為更趨理性。從全球范圍來看，自2016 年以來，中國人工智能領域獲得超過1 億美元的融資次數累計達114 次，在全球居于首位③；2017 年全球人工智能投融資規模達395 億美元，融資事件1208 筆，中國人工智能融資占全球融資總額的70%，融資筆數達31%④。無論是投融資金額，還是投融資事件，我國在全球都占有舉足輕重的地位。大規模的投融資為人工智能產業的發展提供了強大的資金支撐。此外，科創板的出臺拓寬了人工智能企業的資金獲取渠道和退出途徑。

從產業鏈角度看，人工智能產業投融資所涉行業廣泛，偏重于技術層和應用層。《沙利文2019年中美人工智能產業及廠商評估》顯示，2019 年中國投資超過70 個人工智能相關的細分行業，美國僅有50 多個。我國人工智能投資領域更寬泛、思路廣闊，這從側面說明我國人工智能產業具有全方位、多領域的發展特征。根據前瞻產業研究院的數據，從2014年到2019年第三季度，應用及平臺和硬件是中國人工智能投融資事件最多的兩大領域，二者的占比分別為36.84%和36.56%；德勤《中國人工智能產業白皮書》指出，人工智能的基礎原件項目在2012 年無投資，但2015 年到2017 年的平均投資次數為14 次。投融資集中分布于技術層和應用層，基礎層往往被忽視。基礎層需要深厚的知識積累，與技術層和應用層相比，利潤低且開發難度大，資本的逐利性促使資金流向技術層和應用層。近年來，得益于政策紅利，資本逐漸向戰略性方向傾斜，2019 年開始我國開始更加關注人工智能領域戰略投資與并購⑤。

人工智能投融資事件具有地區異質性，經濟發展程度較高的一線城市投融資活躍。前瞻產業研究院數據顯示，2014 年至2019 年第三季度，投融資事件按照北京、廣東、浙江、上海的順序依次減少，北京和廣東兩地集聚了全國一半以上的投融資事件，上海與浙江分別有384 起、271 起。容易發現，這些城市均具有經濟發展水平高、開放水平高、人力資本集聚程度高的特點，“三高”為人工智能產業的發展提供了沃土。以典型城市為點，北京可以帶動京津冀、廣東可以帶動珠三角、浙江和上海則可以帶動長三角地區人工智能產業的發展。

2.人力資本要素。我國人工智能人才的主要特點是總量大，基礎層人才和高端人才缺乏，地區分布不均衡。人力資本要素對于知識密集型為主要特征的人工智能產業來說尤其重要。人工智能對就業的影響存在替代效應和創造效應（孫早、侯玉琳，2019）[6]，對于兩種效應的大小，學者們存在分歧。人工智能發展創造的研發崗位，對勞動力技能水平提出了更高的要求。勞動力的技能水平與人工智能技術的發展程度相匹配，人工智能產業才能得到長期穩定發展。《中國人工智能發展報告2018》的數據顯示，截至2017 年，中國的人工智能人才擁有量達到18232人，占世界總量的8.9%，僅次于美國（13.9%），但以H 因子衡量的杰出人才只有977人，不及美國的五分之一；分區域來看，我國的人工智能人才主要集中在東部和中部。在人工智能人才結構方面，美國的基礎層人才數量是中國的13.8 倍，以算法人才為例，中國算法人才僅占全球人工智能基礎層技術研究人才的13.1%，而美國算法人才的占比為26.2%⑥。我國的人工智能人才總量大，但相對于迅猛發展的人工智能產業，基礎層和高端人才的供給明顯不足。

3.創新水平。專利申請總量大，質量不高，創新主體集中在高校。人工智能專利科技創新是人工智能產業發展的引擎。專利申請數量和論文發表的數量與引用量是衡量創新水平的兩個重要方面。世界知識產權組織發現，有超過95%的科技創新成果通過專利文獻的形式固化。從專利總量看，據《中國人工智能發展報告2018》數據顯示，中國已經成為全球人工智能專利布局最多的國家，數量略領先于美國和日本。2000 年至2017年，中國國內人工智能專利申請量為33909件，年均申請量為1884 件；同期美國國內人工智能專利申請數量為18230 件，平均年申請量為1013 件，但是中國的有權專利與無權專利的比值為0.91，遠低于美國的2.16。我國在專利申請總量上占據絕對優勢，質量方面仍需進一步提升。在專利權人方面，中國的創新主體主要為高校，而美國則為企業。有數據表明，截至2017 年，在中國大陸人工智能專利申請量前15 名的創新主體大部分是大學，只有3家企業（陳軍等，2019）[7]。

論文發表總量快速增加，且質量逐步提升，高校是發文的主要陣地。中國信息通信研究院《全球人工智能產業數據報告》顯示，從2009年到2018年，中國人工智能領域的論文為9萬余篇，占全球的22.7%；2018 年中國的發文數量占全球的27.4%，是人工智能領域發文量最多的國家。中國的高被引論文呈逐年增加的趨勢，2018 年中國人工智能領域的高被引論文占全球總量的45%，僅次于美國。中國科學院系統在全球發文機構中居于首位，并且其高被引論文的數量也排名第一，清華大學、上海交通大學、哈爾濱工業大學和北京航空航天大學均屬于排名前15 的機構。除了高校外，中國國家電網在全球企業論文產出中排名靠前，其高水平論文的42.64%是通過國際合作發表的，充分說明了我國創新生態系統的高度開放性。

（二）市場需求

我國市場需求潛力巨大，市場規模持續快速增長，主要集中于技術層和應用層。我國是人口大國，是全球第二大消費市場，2019 年年末我國的總人口約為14 億，龐大的人口蘊藏著超大規模市場潛力；我國居民人均可支配收入穩步增長，國家統計局的數據顯示，從2013 年的18310.76 元增加到2019 年的30732.85 元，收入的提高是超大市場規模潛力得以發揮的基礎。根據中國信息通信研究院的數據，2015 年至2019 年我國的人工智能產業市場規模持續快速增長，從2015年的112.4億元人民幣，增加到2019 年的554 億元人民幣，年復合增長率約為49%，預計到2020 年達到710億元人民幣。從不同領域市場規模的占比來看，2017 年我國計算機視覺、語音、自然語言處理的市場規模分別占34.9%、24.8%、21%，而硬件和算法的市場規模不足20%⑦。由于我國人工智能產業起步較晚，外國企業在基礎層具有先發優勢，阻礙了我國在該領域的市場拓展。人口老齡化是人工智能發展的誘因（陳秋霖等，2018）[8]，人口規模的優勢豐富了我國人工智能產業的應用場景，為應用層提供強大的支撐。

（三）相關產業和輔助產業

互聯網、大數據、5G 通信技術等相關產業的發展為我國人工智能產業發展提供了強大支撐。算法、算力、數據和知識是人工智能發展的關鍵因素。我國擁有龐大的互聯網活躍用戶，互聯網企業早期積累了大量的用戶數據，為人工智能的發展提供了數據便利，正所謂“無數據不AI”。我國在5G領域處于領先地位，5G通信技術具有高速低延時的特性，提高了數據在云端的傳輸和處理，其作用猶如信息高速公路，使信息之間互聯互通。然而，5G 通信技術存在成本高、耗電量大的缺點，阻礙了其大規模的推廣應用。

（四）企業的組織管理現狀

人工智能企業數量居世界前列，所屬領域多為應用層和技術層，區域分布較為集中。截至2019 年3 月底，全球活躍的人工智能企業達到5386 家，中國大陸的人工智能企業數量為1189家，僅次于美國（2169家），北京的人工智能企業數量位居全球之首（468 家）⑧。雖然企業數量位居世界第二位，但與美國的差距仍舊存在。從中國人工智能企業所屬領域來看，據《中國新一代人工智能科技產業發展報告（2019）》的數據顯示，應用層、技術層、基礎層企業的占比分別為75.2%、22%、2.8%，分布極不合理，應用層和技術層企業數量約為基礎層的35 倍。從企業的地理位置分布來看，主要集中于京津冀、長三角和珠三角地區，三大地區的占比分別為44.8%、28.7%和16.9%（截至2019 年2 月28 日）⑨，具有顯著的集聚特征。

學術型創業在人工智能領域興起。據東方財富網數據，截至2017 年年底，A 股人工智能上市公司總共有84 家，其中學術型創業企業有32 家（杜傳忠、劉志鵬，2019）[9]，占比高達38.10%。科大訊飛的語音識別技術位于世界前列，其創始人劉慶峰在其攻讀博士期間憑借自己的多項專利，創辦了科大訊飛；云從科技是國內人臉識別領域的頭部企業，其創始人周曦博士就讀于美國伊利諾伊大學，師從有“計算機視覺之父”之稱的黃煦濤（Thomas Huang）教授，并且創立公司前在中國科學院重慶研究院工作；智能交通企業川大智勝由四川大學相關領域教授創立等等。學術型創業企業相比于商業型創業企業，更加關注科研成果轉化。學術型創業企業的經營理念往往會從科技的研發角度考慮公司的長遠發展；運營模式是從供給側出發，再落實到需求；組織架構方面，管理團隊有高校和科研人員的參與，保證了對科技研發的持續投入，也加強了風險投資對企業技術研發的信心。

（五）政府

政府對人工智能產業發展的關注度高，政策涉及范圍廣泛，具有先促發展、后重頂層設計的特點。人工智能將深刻變革社會各領域，為搶占人工智能技術制高點，實現科技強國的戰略目標，我國政府制定了諸多推動人工智能產業發展的政策。通過各類政府網站，搜集整理了有關人工智能產業發展的主要政策文件，如表1所示。自2015 年以來，政府密集出臺了一系列政策文件，包括產業總體發展規劃、細分行業的實施方案以及相關支撐政策，多部門（財政部、工信部、科技部、教育部等）聯動，為人工智能產業的發展保駕護航。通過分析發現，政策的演變路徑依次為人工智能技術的發展、與實體經濟的融合、頂層設計。得益于“政策紅利”，從2015年開始，我國人工智能產業規模逐步擴大，2019 年我國人工智能產業規模達到1291.4 億元，產業初具規模，且同比增速為30.8%⑩。此外，行業組織也參與到人工智能倫理的建設中，人工智能產業聯盟于2019 年發布了《人工智能行業自律公約（征求意見稿）》，旨在推動人工智能行業的自律。

（六）機會

隨著保護主義的抬頭，國外加強了對我國的技術封鎖，高科技企業被打壓。雖然經濟全球化是不可逆的大趨勢，但是目前我國經濟發展面臨的國際環境日趨嚴峻。2018 年以來，美國挑起貿易戰，斷供華為公司芯片，把科大訊飛、海康威視、云從科技等多家人工智能企業列入“實體清單”，其阻礙中國高科技發展的意圖明顯。我國是世界上工業門類最齊全的國家，但在許多關鍵領域仍被美國“卡脖子”，存在供應鏈“斷鏈”的風險。面臨國外的科技封鎖、全球新冠疫情的爆發以及國際市場的萎縮，“構建國內國際雙循環相互促進的新發展格局”成為最佳選擇。國外的封鎖倒逼我國關鍵技術的研發，美國的芯片斷供為國產芯片騰出了廣闊的市場，于變局中開新局，危機中孕育著新的發展機會。憑借我國超大規模市場優勢，以國內大循環為主體，聯通國內國際市場，為人工智能產業的發展創造適宜的土壤。

表1 人工智能相關政策文件

四、促進我國人工智能產業發展的策略

基于對我國人工智能產業競爭力的分析，可以發現我國人工智能產業取得了飛速發展，已經進入世界第一梯隊。在取得發展的同時，也要清醒地認識到我國人工智能領域人才缺口較大、高端人才匱乏，產業基礎層的原始創新能力、資金支持力度不足，人工智能的倫理道德建設落后于發展規劃等問題，因此，本文主要從以下幾個方面有針對性地提出促進人工智能產業發展的策略。

（一）夯實人才根基

我國的人工智能領域人才雖呈逐年增長的趨勢，但是與美國在數量與質量上差距仍然較大，人才缺口較大。人才作為第一資源，是發展人工智能產業的關鍵因素。因此，加快人工智能人才的培養、建立健全人才評價機制以及流動機制至關重要。加強本土人工智能人才的培養，使其與人工智能產業的發展相匹配。建立健全人工智能人才評價機制和流動機制，使人才得到合理配置，做到“人盡其才”，最終助推人工智能產業的發展。

1.加快本土人工智能人才的培養步伐。人工智能人才的培養需要學校、企業和政府多方合作。一是各層次教育同步推進。教師必須加強對人工智能的了解、及時更新有關知識，才能更好地“傳道授業解惑”。在基礎教育階段，開展人工智能通識教育，增加人工智能基礎課程等；在高等教育階段，設立人工智能相關院校和專業，適當增加招生比例，頒發雙學位證書，加強多學科交叉的復合型人才培養；職業教育面向廣大勞動者，加強人工智能領域相關技能的培訓。二是企業加大對員工的技能培訓，對員工進行“技能重塑”，使勞動者技能與產業結構匹配適應，緩解人工智能造成的就業壓力。三是由政府搭建橋梁，促進高校科研院所和企業在人才培養方面的合作，加強人才供需信息的互聯互通。高校通過了解企業人才需求，有方向性地進行人才培養，借助企業平臺提高學生的實踐能力；企業既可以降低招聘成本，又能獲得發展急需的人才。

2.實行合理的人才評價、激勵機制。人才評價機制是否合理關系到人才效用的發揮，合理的人才評價機制能夠激勵創新，也是留住優秀人才的重要因素之一。人工智能人才的評價不能搞“一刀切”，要多方位進行考察。把解決人工智能領域重點難點問題的貢獻，作為績效考核、職稱評定以及崗位晉升的重要依據。應用型專業技術人才往往會在短期內獲得回報，但是基礎型專業技術人才往往不受重視，主要原因在于基礎研究難度大、周期長，缺乏必要的激勵。關鍵領域的基礎研究關乎到產業安全，因此基礎研究不可偏廢。我國人工智能領域人才也存在基礎型專業人才缺乏的窘境，故在建立健全人才評價機制時，要給予基礎型人才應有的激勵，創造良好的基礎研究氛圍。保持評價的客觀公正，避免急功近利思想的影響，使人工智能人才的聰明才智競相迸發，促進我國人工智能產業的發展。

3.建立健全合理的人才流動機制。建立學校、企業、社會融合的人才流動“旋轉門”機制，促進人才在部門間、地區間、國際間的“柔性流動”。高校匯聚了大量優秀人才，允許教師到企業兼職，突破知識經驗流動的障礙。實行人才在企業和高校之間的順暢流動，可以充分發揮產教結合的優勢，造就既懂技術又擅長運營公司的復合型人才，更有利于科研成果的產業化、價值化。此外，允許地區之間人才自由流動，互聯互通，破除人工智能人才流動的限制。解決人工智能的人才的后顧之憂，在醫療保障、子女教學等方面提供支持，激發人工智能人才的流動意愿。隨著經濟全球化的加深，各國的人才流動日益頻繁，我國需要放眼全球，“聚天下英才而用之”。

（二）發揮新型舉國體制，打通創新鏈與供應鏈，提升原始創新能力

從論文數量、專利數量來看，我國整體的創新水平快速提高，但在基礎研發方面的原始創新能力仍有很大提升空間。基礎層研發水平的落后，將會制約技術層和應用層的發展，使得我國成為人工智能大國，而非強國。為了提升原始創新水平，一方面要實行新型舉國體制，發揮我國集中力量辦大事的制度優勢，全國統一部署，統一指揮，中央地方聯動，集聚人力物力財力，發揮“北斗精神”的引領作用，攻克原始創新技術領域的堡壘；另一方面要打通創新鏈和應用鏈，以市場需求為導向，進行技術創新，避免重復低效率的創新。從加強知識產權保護方面來講，政府要建立健全知識產權相關法律，并且要督促企業加強知識產權保護，在全球布局專利技術，激勵基礎研發的開展。保證原始創新所需的資金支持、政策支持以及法律法規支持，打造“產學研用”一體的創新氛圍，促進科研成果的快速產業化、市場化。尤其要重視加強核心技術體系化防范機制建設，引導制定技術風險防范院，建立人工智能國家技術安全管理清單制度，消除核心技術外流與被控制的風險。

（三）加大資金支持力度，拓寬融資渠道，優化投資結構

人工智能企業需要大量的資金投入，尤其對初創企業來講技術研發所需的投入極高。政府創新激勵政策主要包括財政補貼和稅收優惠，對于不同類型的初創企業采取不同的政策。學術型創業企業前期投入大、盈利能力較弱，但是具有厚積薄發的特點，給予學術型初創企業研發投入的財政補貼政策較為合理，而商業型創業企業則應采取稅收優惠政策激勵其進行創新研發。除了政府補貼，還應該加強銀行貸款對初創企業的支持，通過政策引導社會資本流向人工智能產業，形成多元化多渠道的人工智能產業資金支持格局。從投資領域角度來講，鼓勵資金流向我國基礎薄弱的原創性基礎研究領域，提高基礎研究經費的占比，保持長期持續的資金的投入。

（四）積極參與人工智能標準體系的建立

標準領域的競爭關乎國家能否在產業競爭中獲得主導權。標準的制定會使得人工智能產業的發展收斂到這一標準，意味著標準制定國家擁有人工智能產業發展的主導權。標準體系通常包含多項專利技術，標準制定國家可以從專利授權中獲取高額利潤，企業占有專利技術則會擁有絕對的發展優勢。“局外者”在采用新技術時則會受到成本的約束和吸收能力的限制，在產業發展中面臨巨大劣勢（鄧洲，2014）[10]。國外的一些機構均開展了人工智能標準的建立，我國在標準制定方面也取得一定成績，比如我國電子技術標準化研究院編寫了《人工智能標準化白皮書（2019版）》《人工智能開源與標準化研究報告》《人工智能安全標準化白皮書》等，但是標準化程度仍然不足。人工智能產業屬于新興產業，標準體系尚未建立，我國仍有機會創建人工智能標準，積極參與到人工智能標準體系的建立中，占據人工智能技術的制高點。

（五）做好頂層設計，完善法律法規體系

在推動人工智能產業發展的同時，要關注人工智能的潛在風險，其中包括算法、數據、應用等方面的倫理風險。數據是人工智能產業發展的關鍵，個人隱私數據的泄露會對個人的財產安全產生威脅，并且會加劇公眾對公司的不信任。算法中包含個人信息，算法的泄露不僅損害開發者的知識產權，而且會危害個人信息安全。深度學習通過數據訓練做出的決策，但其決策過程不透明，決策結果無法解釋，決策的無法解釋性會產生歧視、人工智能的不可控等一系列問題。此外，算法歧視、算法濫用的問題，在電子商務領域則會出現所謂的“大數據殺熟”等爭議性問題，在安防中表現為根據尚未出現的事實強行對“嫌疑人”進行定罪等，嚴重損害用戶的福利。

國家要加快人工智能立法工作，應對人工智能帶來的各種倫理挑戰，這是人工智能加快落地應用的前提條件；多層級立法共同推進，中央政府和地方政府協同推進立法，確立相關法律法規，明確責任和義務；確立人工智能倫理風險的系統性、可操作型評估標準。對人工智能可能帶來的潛在風險要具有前瞻性，保證人工智能為人類服務的根本原則，相關政策的制定需要社會各界的參與。尤其要注意，在推動人工智能倫理法規建設的過程中，要避免違反產業發展的規律。

注釋

①數據來源：中國電子學會，《2019年新一代人工智能產業白皮書》。

②數據來源：CVSource，投中研究院整理。

③數據來源：中國信息通信研究院，《全球人工智能產業數據報告》，2019年。

④數據來源：清華大學，《中國人工智能報告2018》。

⑤數據來源：《沙利文2019 年中美人工智能產業及廠商評估》，2019年。

⑥數據來源：騰訊研究院，《中美兩國人工智能產業發展的全面解讀》，2017年。

⑦數據來源：清華大學，《中國人工智能報告2018》。

⑧數據來源：中國信息通信研究院，《全球人工智能產業數據報告》，2019年4月。

⑨數據來源：新一代人工智能發展戰略研究院，《中國新一代人工智能科技產業發展報告（2019）》。

⑩數據來源：賽迪顧問，《AI 新基建架構設計與經濟價值研究》，2020年6月。