人工智能產業戰略性問題與政策研究

李莉 吳新年 劉安蓉 白光祖 曹曉陽

摘? ?要：在新一輪科技革命和產業變革中，人工智能受到前所未所的重視，成為重要的國家發展戰略，世界科技強國密集發布政策文件搶占人工智能產業制高點。我國人工智能產業發展進入國際領先梯隊，但面臨核心技術、數據資產、應用場景、產業安全、人才結構、投資體制等關鍵因素的制約，戰略性問題突出。加強科研布局的政策引導、立法先行推動數據開放共享、構建產業化機制加快應用落地、完善安全風險防控體系、優化高端人才引進培養與管理政策，完善科技金融政策體系，加速發展我國人工智能產業。

關鍵詞：人工智能產業;戰略問題;政策研究

一、人工智能產業概述

（一）概念及歷史演進

1956年，人工智能被正式提出，其基本概念是“讓機器能像人那樣認知、思考和學習，即用計算機模擬人的智能”。經過60年的發展，人工智能取得了不少成績，期間也經歷了三次比較大的波折[1]。20世紀70年代專家系統的出現使人工智能研究出現新高潮，DENDRAL化學質樸分析系統，MYCIN疾病診斷和治療系統等專家系統的研究和開發，將人工智能引向了實用化。90年代Hopfield網絡&BP算法推動第二次黃金期，但是由于技術發展不足等原因，人工智能始終沒有真正廣泛應用。當前，數據資源、運算能力、核心算法在客觀上構成人工智能的三大基本要素皆重新站上一個新臺階，共同推動當下人工智能從計算智能向更高層的感知、認知智能發展，同時與其它領域交融滲透、持續擴張，很多專用的人工智能技術開始廣泛應用于不同產業，并對傳統行業各參與方產生不同程度的巨大影響。

人工智能產業有狹義和廣義之分。狹義人工智能產業是指基于人工智能技術本身，向社會提供智能化產品與技術服務的產業，包含對外提供的產品、以平臺的方式對外提供的服務、人工智能解決方案和集成服務三種類型。廣義人工智能產業還包括人工智能，或人工智能與其他技術結合（涵蓋物聯網、大數據、物聯網）的智能應用賦能工業、農業、服務業等產業，支持發展智能制造業、智能交通、智慧農業、智慧服務業、智慧城市、智慧金融、智慧醫療等。

（二）獨特的變革性特征

一般認為，人工智能是通用目的技術，不僅能與其他技術結合，而且能夠與其他產業結合，這種“智能”的外化能夠支持其他所有產業帶來顛覆性、變革性變化，促進全社會方方面面的變革和技術的升級換代。以人工智能為核心的人工智能革命與前三次工業革命相比有很大的不同，將推動人類由工業時代步入智能時代，在資源配置、生產方式、行業生態、科研模式、政府管理模式、人類生活方式、思想觀念等方面帶來不同于工業時代的全方位改變，促進人類社會產生時代的飛躍。總體來看，人工智能產業相比以往通用技術產業，具有獨特的變革性特征。

一是賦能的無邊界性。人工智能產業的發展所引發的不僅是單個產業或產業鏈單一環節的變化，往往會引發產業群或產業生態圈格局的變化，在商業模式、思想等各個方面給制造業（智能制造）、交通運輸業（智能交通）、汽車工業（智能汽車）、醫療健康（可穿戴設備、智慧醫療）等所有產業帶來的革命性變化。據預測，未來五年內人工智能技術將應用到多個行業并極大提高其行業運轉效率，如教育行業將提升效率82%，零售業將提升71%，制造業將提升64%，金融業將提升58%。

二是網絡狀的產業鏈。人工智能產業鏈呈上中下游交叉融合網狀協同關系。行業巨頭不僅注重人工智能通用技術研發以及細分應用場景開發甚至行業解決方案提供，而且為保證其核心技術可控與用戶服務體驗優化，同時還向芯片制造、計算平臺等底層基礎設施甚至基礎理論領域拓展延伸。如百度集多年技術積累與業務實踐構建百度大腦，為百度所有業務提供AI能力與底層支撐。

三是個性化的生產方式。傳統生產方式追求規模化、標準化大生產，而人工智能產業則強調品種的多樣性和個性化。例如人工智能與制造業融合發展，加強人工智能技術在智能制造等領域深度應用，推動制造過程實時感知、精準控制和智能決策，可以提高個性定制供給等能力，滿足社會發展需求。

四是邊際成本的遞減性。對比工業時代，智能時代信息的邊際成本基本為零，人工智能產業將在邊際成本不遞增的情況下將個性化服務普及到更多的消費者與企業，從細分行業的特定場景應用到更加普世化的情景。

總之，作為新興產業，人工智能產業的快速成長不斷催生新技術、新產品、新業態和新模式，引發企業變革、行業變革、生產力變革和社會變革，成為世界各國培育新動能、獲取未來競爭新優勢的關鍵。中國是全球范圍內少數幾個對人工智能全領域覆蓋，從國家層面進行頂層設計和布局的國家，人工智能為我國新舊產業轉換帶來巨大影響和機遇的同時，由于與傳統產業的極大不同，也面臨發展的困難和風險。

二、我國人工智能產業發展面臨的戰略性問題

我國人工智能起步較晚，隨著近年來投入的增加，尤其是在國家政策的強力推動下，人工智能發展取得重要進展。通過多源情報數據分析和北上廣深杭實地調研表明：在科學技術方面，我國國際科技論文發表量和發明專利授權量已居世界第二[2]，部分領域核心關鍵技術實現重要突破。在創新創業方面，人工智能創新創業日益活躍，一批龍頭骨干企業加速成長，在國際上獲得廣泛關注和認可。在生態環境方面，加速積累的技術能力與海量的數據資源、巨大的應用需求、開放的市場環境有機結合，形成了我國人工智能發展的獨特優勢。總體來看，我國人工智能發展已步入國際領先梯隊，具備應用優勢，隨著產業生態體系建設的快速推進和不斷完善，未來有望在許多領域引領變革性產業的發展。但對比世界科技強國，我國人工智能產業發展仍然存在較大差距，面臨核心技術、數據資產、應用場景、產業安全、人才結構、投資體制等關鍵因素的制約，戰略性問題尤為突出。

（一）人工智能產業技術生態不能自主可控

中國人工智能產業整體技術水平與發達國家相比仍存在差距，缺少重大原創成果。例如人工智能芯片和底層開發框架等受制于人，不利于國內企業參與國際競爭，也使國民經濟和國家安全存在隱患。

一是中國AI芯片產業基礎薄弱，主流芯片被美國制造商壟斷，存在“斷供”風險。目前，AI芯片三種主流解決方案即通用處理器（GPU）、現場可編程門陣列（FGPA）和專用芯片（ASIC）均被美國制造商壟斷。例如GPU市場格局主要以英偉達為主（英偉達占71%，AMD占29%），FPGA全球市場主要被美國廠商賽靈思和英特爾所壟斷，以TPU為代表的ASIC市場，谷歌一家獨大且已形成生態閉環。而我國芯片產業發展基礎薄弱，少量企業涉足AI專用芯片，行業發展目前尚處于起步階段，進口替代能力不強，自主可控程度不高，受美國出口管制條例（EAR）等出口管制法律約束，我國人工智能產業存在“斷供”風險。

二是國產AI編程語言與開發框架缺乏，存在被技術“封鎖”風險。AI底層編程環境與開發框架是人工智能核心生態圈建立的基礎和關鍵。一方面，美國企業已借此建立了人工智能產業事實標準，如英偉達GPU的開源編程模型CUDA，是目前AI訓練領域使用最廣泛的并行計算平臺，谷歌在此之上貢獻了工業界廣泛使用的開源開發框架Tensorflow。另一方面，我國編程環境與開發框架可能存在“被封鎖”風險。一直以來，我國人工智能企業借助國內海量數據、人口規模以及國外開源算法框架，初步獲得商業上的巨大成功。但在這所謂的開源資源中，我國可能受到美國出口法令的管制，存在被技術“封鎖”的風險。而國內企業從2016年下半年才開始逐步發布開源平臺戰略，如百度異構分布式深度學習系統PaddlePaddle、騰訊面向機器學習的分布式計算框架Angel、阿里云人工智能平臺DTPAI等，但由于投入規模、技術積累等多方面限制，目前國內平臺還難以與美國互聯網巨頭主導的主流開源平臺及其生態體系相抗衡。

（二）數據孤島和數據安全高質量供給問題突出

一是當前人工智能產業進入落地階段，產生了大量新興垂直領域與細分應用場景的數據需求，但高精度、細粒度、專業化的數據資源服務供給不足。如就智慧城市場景而言，針對漢族的人臉識別和視頻結構化已較為成熟，在實際應用場景中還需針對少數民族和其他人種進行優化以提升整體算法準確率，此外，跨鏡追蹤成為場景研發熱點，多民族、多人種數據、跨攝像頭數據、3D數據的采集與標注服務將成為視圖基礎數據服務市場的新興需求。

二是公共數據缺乏開放共享標準，數據孤島現象普遍存在。當前，各個行業的數據信息量呈現爆發增長的趨勢，尤其是教育、醫療、流通等領域的數據信息規模更為龐大，如在醫療數據領域，我國醫院所擁有數據龐大，但由于疾病的復雜性以及數據維度、特性各不相同、質量參差不齊，導致很多細分的病種實際可用數據量少。此外，這些數據信息仍處于“誰采集誰擁有”的狀態，一些可分享的公共數據共享程度還很低，數據孤島成為制約技術發展急需突破的關鍵點。例如我國當前醫院與醫院、同一家醫院內科系互不相連，沒有統一標準的臨床結構化病歷報告，不同地域甚至不同醫院之間的數據庫無法通用。

三是數據違規跨境沖擊國家安全，存在“外泄”隱患。數據作為國家基礎性戰略資源的地位更加突出。為快速積累數據，科技企業通過向消費者提供特定領域免費應用、使用政府公開數據以及進行產業上下游數據協同等方式獲取盡可能多數據。以臉書、谷歌為代表的美國科技巨頭，依托其龐大用戶規模和強大數據抓取工具，在全球范圍內進行數據收集，強化數據資源優勢，推進自身人工智能發展，加劇數據違規跨境流動風險。與此同時，2018年3月，美國發布《澄清境外數據的合法使用法案》（CLOUD法案），為美國執法機構訪問在美國境內運營的企業存儲在海外的用戶數據提供明確授權，促使數據管轄權和跨境流動爭議進一步加大，威脅我國網絡主權和國家安全。

四是數據投毒帶來重大安全隱患。隨著人工智能與實體經濟深度融合，醫療、交通、金融等行業訓練數據集建設需求迫切，這就為惡意、偽造數據的注入提供了機會，使得從訓練樣本環節發動網絡攻擊成為最直接有效的方法，潛在危害巨大。數據投毒通過在訓練數據里加入偽裝數據、惡意樣本等破壞數據的完整性，進而導致訓練的算法模型決策出現偏差。在自動駕駛領域，數據投毒可導致車輛違反交通規則甚至造成交通事故;在軍事領域，通過信息偽裝的方式可誘導自主性武器啟動或攻擊，從而帶來毀滅性風險。

（三）商業應用場景細碎繁雜，產業“落地”困難重重

一是進入深度應用階段，應用場景的個性化與復雜化使得部署成本以及算力、通訊網絡等運營成本都相對較高，不利于快速形成產業規模。人工智能與實體經濟融合剛剛起步，機器視覺、語音識別以及無人駕駛等AI技術面臨的具體應用場景細碎繁雜，難以形成一定的市場規模，很難實現規模化和壟斷效應，對上游軟硬件供應商很難擁有議價權，落地所需要的芯片、感知設備等部署成本以及算力、通訊網絡等運營成本都相對較高，加之當前AI公司所提供的人工智能產品同質化嚴重，尚不能有效滿足消費端特別是工業端的需求，AI人工智能產業商業價值變現難度較大。

二是深度神經網絡的“黑箱”特性制約其在多個領域的深度應用。當前以深度神經網絡為基礎的人工智能系統普遍面臨結果的不可解釋和過程的不可審查兩大安全隱患，其根源就在于不可解釋性。在高度監管、高風險/高價值的行業中，信任計算機的決策而不理解計算機給出決策的依據可能存在的潛在風險根源，這一“黑箱”特性制約其在醫療、安保、軍事等多個領域的應用。

三是人工智能產業自身在數據接口標準、技術評價指標、安全評估管控等方面存在缺失，也阻礙其廣泛應用。人工智能產業的新產品、新業態將面臨資質、數據、標準、安全評估等行業準入壁壘，同時對依照傳統產業體系建立的現行規制架構和管理架構提出挑戰。例如，自動駕駛汽車監管涉及交通、汽車、測繪、信息、科技、質檢等20余個主管部門，涉及關鍵法律法規條款近30 項。而且政府部門往往對促進行業發展態度比較積極，但是對如何規制和治理缺乏有效措施。另一方面，人工智能產業自身在數據接口標準、技術評價指標、安全評估管控等方面存在缺失，也阻礙其廣泛應用。

（四）產業發展缺乏有效監管，存在安全隱患

世界主要國家在關鍵產業領域均建立了體系化的防范機制，我國在核心領域尚缺乏體系化防范機制，可能引發潛在的產業安全和國家安全風險。

一是基于人工智能的“換臉”“變音”等深度偽造技術，造成人際信任危機，增大網絡遭受惡意攻擊風險，危害社會公共安全。基于人工智能的“換臉”“變音”等深度偽造技術，可模仿人的行為舉止、聲音和習慣動作，難以區分真假，降低生物特征識別技術可信度，增大網絡遭受惡意攻擊風險。如果縱容換臉變聲技術的非法應用，各種惡意偽造的圖片和音視頻信息將大量涌現，嚴重侵犯公民肖像權等個人權益，甚至用于敲詐勒索、偽造罪證等不法活動，從而造成社會信任危機，對倫理道德和社會穩定構成嚴重威脅。

二是智能推薦算法可通過信息傾向性轉播，影響社會輿論及公共政治意識形態。基于人工智能的推薦算法可通過信息傾向性傳播，引發“信息繭房 ”效應。鼓勵受眾更多接收滿足自己偏好的信息和內容，限于對世界的片面認知，導致社會不同群體的認知鴻溝拉大，個人意志的自由選擇受到影響，甚至威脅到社會穩定和國家安全，影響社會輿論傾向甚至公共政治意識形態。

三是國際資本收購中核心技術體系化防范機制尚未建立，存在核心技術外流與被控制的風險。世界主要國家在關鍵產業技術領域均建立了體系化的防范機制，相比之下，我國在人工智能核心領域尚缺乏體系化防范機制，存在核心技術外流與被控制的風險。

四是深度神經網絡的實現機理與邏輯難以理解導致系統決策背后的邏輯不明，存在決策過程監管審查“困境”。基于深度神經網絡人工智能決策系統實現機理與決策邏輯難以理解所導致的系統決策背后邏輯不明這一“不透明”特性，使人們不能夠發現其如何以及為何做出某一特定決定，對于人工智能決策系統批準和認證機構，加大了過程監管審查與事后責任確定難度。

（五）人才隊伍相對不足，難以支撐產業持續發展

在推動人工智能產業從興起到快速發展的歷程中，AI人才是其中最為關鍵的因素，各國政府以及科技公司，均將AI人才爭奪視為提升核心競爭力的根本戰略。我國存在AI人才儲備相對不足，結構分布不盡合理，后續人才培養跟不上產業發展需要等問題和風險，具體表現如下。

一是AI人才總量特別是高端人才數量與美國差距較大。根據清華大學發布的《中國人工智能發展報告2018》顯示，截至2017年，美國人工智能人才數量排名位列全球第一，高達28536人，占世界總量的13.9%;中國人工智能人才數量為18232人，位居全球第二，占世界總量的8.9%。在杰出人才上，美國依舊遙遙領先，累計數量高達5158人，占杰出人才的25.2%，是排名第二位英國的4.4倍;中國杰出人才為977人，不及美國的1/5，僅排名全球第六。

二是AI人才主要分布在科研院所與高校。中國的優秀人工智能人才在高校和科研機構分布較密集，產業界人才卻大大不足，表明人才分布不均衡。與歐美很多優秀人工智能人才發源于企業不同，目前中國人工智能“頭部企業”在人才培養中的主體作用尚未充分發揮。

三是缺乏吸引國際高端人才的政策環境與機制，吸引AI人才回國難度較大。國外企業ElementAI發布的《2019年度全球AI人才報告》顯示，在畢業于美國院校的中國高級研究員中，78%留在美國研究機構工作，僅有21%回到中國研究機構工作。該報告還顯示，全球吸引人工智能人才的國家中，排名前五的是美國、中國、英國、德國、加拿大，共占據了72%的人工智能人才。中國雖然位居前列，但數量上僅有美國的1/4，與美國存在較大差距。

四是AI人才培養課程體系欠合理，缺乏扎實的“硬核科技”訓練。截至2019年，教育部正式批準36所高校設立智能科學與技術本科專業，但我國高校在人工智能專業人才培養方面尚處于起步階段，同時受制于師資、教材匱乏，大部分高校在設置人工智能課程體系時，采用的純算法、純應用的教學思路，仍然偏向于上層應用開發，對底層硬件芯片以及智能計算系統缺乏融會貫通的理解，人工智能學科設置與培養方式急需加強。

（六）產業投融資結構嚴重失衡，產業持續驅動力量不足

一是國內投資偏向應用，缺乏對基礎層的有效關注與支持。由于資本流向安防、金融、交通、制造和醫療等應用領域可快速獲利，且相比于應用層，基礎層投資大、匯報周期長的特點導致我國人工智能領域的投融資結構頭重腳輕。例如2013 年至2018年中國人工智能投資呈現爆發式增長，其中以技術層和應用層最為引入注目，相比之下，中國對人工智能基礎層的投資則非常保守，2018 年只有87筆基礎層投資。此外，目前處理器芯片領域接受的融資額僅占我國人工智能投融資總額的2%，遠低于計算機視覺與圖像識別等相對成熟的應用領域。這些現象如不及時改觀，國內人工智能產業發展可能因基礎薄弱而后繼乏力。

二是風險投資追求短期套利，缺乏長遠投入定力。近年來，以國家集成電路產業投資基金、中國互聯網投資基金、中國國有資本風險投資基金等為代表的國投資本，助推了海思、中芯微電子、紫光國芯、中科寒武紀、云知聲等AI初創企業的研發創新，但社會資本仍存在早期介入能力不強、過分追求短期套利等問題，易導致無法及時為技術研發投入大、市場拓展成本高的人工智能基礎領域提供支持。

剖析上述戰略性問題的深層次原因，一是在于所處發展階段，我國工業化中后期發展階段的產業創新本身面臨“路徑依賴”低端鎖定困境，缺乏原創性成果和創新人才，以及體制機制等諸多問題，造成人工智能核心技術受制于人，產業高端化發展受限，凸顯創新主體、創新環境的內生動力與活力不足;二是在于人工智能產業具有變革性，不同于普通產業，創新過程具有更強的不確定性和高風險性，不僅面臨技術變革，還將對現有價值網絡、組織模式、生產方式、商業模式、發展戰略帶來顛覆性影響，極大地挑戰現有宏觀政策與治理體系。

因此，人工智能產業發展需要微觀上激發主體活力，而增強人工智能政策供給能力，提高政策供給質量，從宏觀上疏導發展階段之困，減輕變革風險之危，則更為迫切。他山之石可以攻玉，面對人工智能科學—技術—產業日益激烈的競爭態勢，有必要借鑒世界科技強國政策經驗，持續完善我國人工智能政策，突破戰略性問題，支撐人工智能加速發展。

三、世界科技強國人工智能產業政策及啟示

隨著新一代人工智能技術的群體性突破，世界科技強國紛紛開始把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略，加緊出臺規劃和政策[3][4][5]，力圖在新一輪全球科技競爭中掌握主導權。目前全球人工智能發展主要集中在四大區域：美國、歐洲、日本和中國。通過對美國、歐洲、日本等國在人工智能產業的戰略布局、重大舉措、相關政策的分析研究，獲得以下認識和啟示。

（一）多國升至國家戰略，戰略布局各有側重

全球主要國家紛紛將人工智能作為經濟發展和科技創新的重要戰略資源，均已提出中長期戰略規劃或愿景，自2013年以來，全球已有美國、中國、歐盟、英國等二十多個國家和地區發布了人工智能相關戰略、規劃或重大計劃。美國為確保其領先地位，于2016年發布國家人工智能研發戰略計劃;日本等緊跟其后，于2017年將人工智能上升至國家戰略;歐盟、法國、英國、德國等于2018年相繼發布了人工智能戰略。

一是戰略目標各有特點。受資源稟賦、創新能力、發展目標等制約，世界科技強國的人工智能國家戰略在目標任務、研發重點和應用領域布局等內涵上有不同的戰略選擇。美國政府全面布局支持人工智能發展，其戰略目標為維持全球人工智能領導者地位，確保全球領先優勢。英國則積極推動產業創新發展，發布了一系列相關的戰略和行動計劃，注重與應用結合，同時塑造其在AI倫理道德、監管治理領域的全球領導者地位，讓英國成為世界AI創新中心。德國依托“工業 4.0”及智能制造領域的優勢，在其數字化社會和高科技戰略中明確人工智能布局，打造“人工智能德國造”品牌，推動人工智能研發和應用達到全球領先水平。日本則積極發布國家層面的人工智能戰略、產業化路線圖，旨在結合機械制造及機器人技術方面的強大優勢，確立人工智能、物聯網、大數據三大領域聯動，機器人、汽車、醫療等三大智能化產品引導，突出硬件帶軟件，以創新社會需求帶動人工智能產業發展。

二是研發領域布局各有側重。整體而言，各主要國家均注重人工智能基礎研究和前沿領域布局，但美國更強調全領域的領先優勢，歐盟強調醫療、交通等領域的 AI 應用開發，日本高度重視醫療、農業、制造等領域的 AI 應用開發。美國人工智能重點領域的研究布局面向前沿并兼顧全面，基于完善的IT基礎、強勁的研發實力，超前布局通用人工智能理論、技術等，推動弱人工智能走向強人工智能。英國在布局上重點關注機器學習、機器人、自動駕駛，尤其是智能能源技術領域。日本除了結合其強大優勢領域如機器人、自動駕駛以外，在腦信息通信技術方面較為領先，也關注語音識別、自然語音處理和知識圖譜技術的研究布局。除突出研發重點領域外，對于基礎軟件和設施、公共數據及環境等基礎性領域，各國均有布局。

三是對應用方向的關注大同小異。從整體看，制造業、醫療、交通、農業、國防是各主要國家比較關注的應用方向，其中，制造業是重中之重。美國在通過人工智能在各行各業的應用促進經濟發展的同時，更高度重視利用人工智能增強軍事技術的領先優勢。與美國相比，英、日人工智能應用相對更加聚焦和深入。《歐盟人工智能》報告明確提出投資 15 億歐元支持醫療、交通等領域的 AI 應用開發，并針對醫療、交通、農產品、制造等領域新建數字創新中樞及相關設施。日本致力于應用人工智能技術解決各種社會問題，除制造業、醫療和護理行業和交通運輸領域外，還比較重視信息安全領域的應用。

（二）重大舉措層出不窮，加快構建AI生態系統

近年來，為推動人工智能發展，美歐日相繼推出重大舉措，強化AI生態系統建設，主要有以下幾類。

一是成立專門推進機構，加快人工智能落地。為加強多部門協同合作，整合資源力量，統籌推進各項人工智能戰略規劃及相關政策落地，各國紛紛成立專門的人工智能推進組織機構。例如美國2016年成立機器學習與人工智能分委會（MLAI），2018年成立人工智能專門委員會（SCAI）、聯合人工智能心（JAIC）、人工智能國家安全委員會，分別負責跨部門人工智能研究與發展，人工智能領域投資和開發，國防機構領域以及在安全、倫理道德、國際法影響、數據共享等方面工作的推進;英國成立人工智能專門委員會、政府人工智能辦公室、人工智能理事會、數據倫理和創新中心等制定和督促人工智能戰略的制定和實施。

二是加強頂層規劃，加大人工智能研發資助力度。各國通過重大項目、工程和計劃等，加大支持人工智能研發，例如英國政府在《人工智能領域行動》等多個人工智能方面的政策文件中，提出政府提高研發經費投入，優先支持關鍵領域的創新等等措施。美國國家科技政策辦公室2019年發布的《美國人工智能倡議》旨在從國家戰略層面重新分配資金，創造新資源用于人工智能研發。從過去一年的趨勢可以看出，美國政府希望人工智能技術發展的主力軍從多年來以谷歌等科技企業為主轉向政府在這一領域更多地直接發揮作用。

三是資金來源各具特點，支持目標各有側重。一方面，國家財政資金是人工智能經費的重要來源之一，就資助渠道而言，美國人工智能科研資助體系較為多元化，英國設立專門機構為人工智能基礎研究和技術轉移提供服務，日本則成立國家綜合管理機構統籌協調資金投入。另一方面，各國支持目標和領域各有側重。

四是營造良好的產業生態，共同推進人工智能發展。一方面成立具有影響力的行業組織，建立人工智能研究中心和重點實驗室推動人工智能技術和產業發展。如英國 2018 年成立 AI 理事會，歐盟 2018年 6 月成立了人工智能聯盟，德國在其 2018 年發布的人工智能戰略中指出，計劃成立國家級研究聯盟。美國雖未成立由政府指導的行業組織，但產業界各企業成立的合作組織（如 Partnership On AI）已在全球人工智能領域具有較大影響力。此外，依托谷歌、微軟、亞馬遜、臉書等科技巨頭建立研究中心、創新平臺等，有力促進人工智能技術和產業的發展。另一方面，積極開展研發資助并扶持初創企業，同時推動制定技術標準。例如英國已有并正在涌現許多創新型人工智能公司，英國政府也積極推出針對初創企業的激勵政策，美國《人工智能倡議》指出推動制定適當的技術標準，減少使用人工智能技術的障礙，以促進其創新應用。

五是強化“數據開放”，夯實人工智能生態基礎。例如美國在算法和芯片方面保持優勢基礎上，針對可供訓練的數據方面占優不明顯的短板，逐步開放美國政府手里的數據和計算資源，幫助人工智能專家和私營企業部門更容易獲得包括國防部、商務部、衛生部、能源部在內掌握的數據和計算資源，以增加此類 AI 研發資源的價值，同時保持符合適用法律和政策的安全、隱私和機密性保護。

六是加強國際交流，防范技術外流風險。在國際合作方面，世界主要國家在關鍵產業技術領域均建立了體系化的防范機制。如美國自 2018年以來加大干預涉及人工智能和機器人技術的實體投資與交易，并擬出臺《對中國公平貿易執行法案》限制對華敏感技術出口，《美國人工智能倡議》提出尤其需要保護美國在人工智能方面的技術優勢，保護美國的關鍵人工智能技術免受戰略競爭對手和敵對國家的收購。英國自2018年7月以來醞釀對本國收購法進行近二十年來最大修改，擬賦予政府阻撓經濟各行業并購交易的新權力，防止敏感行業公司落入外國人手中。德國根據《對外貿易法》于2018年8月禁止中國資本收購機床制造企業萊費爾德，該國經濟部早前向歐委會提交的《關于歐盟層面投資審查建議的要點》建議歐盟對來自中國和美國的資本予以特別關注，以保護歐洲的關鍵核心技術。

（三）重視技術倫理道德，相關規范逐步出臺

整體而言，倫理道德框架設計滯后于人工智能發展，但世界各國對人工智能帶來的倫理等治理挑戰持積極態度，就人工智能倫理和法律問題提出相關倡議并完善標準和規范。如美國將理解并解決人工智能的倫理、法律和社會影響作為《國家人工智能研發戰略規劃》八大戰略之一，擬建立符合倫理的人工智能，制定可接受的道德參考框架。同時積極加快人工智能方面的立法，內容涉及人工智能對國家安全的影響、開放政府數據等，確保美國人從人工智能快速創新中充分受益。英國政府多個文件和報告呼吁建立國家層面的人工智能準則與倫理框架，2018 年1月發布的《數據憲章》就指出，應確保數據以安全和符合倫理的方式使用。

世界科技強國推進立法加強人工智能對就業與行業發展的風險應對。在就業風險方面，美國相繼發布《人工智能創新團隊法案》《人工智能就業法案》，提出美國應營造終身學習和技能培訓環境，以應對人工智能對就業帶來的挑戰。英國政府重視人才與勞動力培訓，在《英國發展AI 的計劃、意愿和能力》《產業戰略：建設適應未來的英國》 中都提出了加強公民終身再培訓、政府應加大技能和培訓方面的投資等具體舉措。在行業發展風險方面，自動駕駛、機器人行業相關法律和準則率先受到各國青睞。美國通過《自動駕駛法案》《準備迎接未來交通：自動駕駛汽車 3.0》《數據共享宣言》等一系列文件，規范和管理自動駕駛汽車設計、生產、測試等環節，確保用戶隱私與安全。德國則較早在全球發布自動駕駛相關法律與準則，如早在 2015 年 9 月德國政府就推出了《自動化和互聯駕駛戰略》。英國2016 年發布《機器人技術和人工智能》報告，指出英國應規范機器人技術與人工智能系統的發展。

（四）案例啟示

對主要科技強國的研究表明，美國人工智能起步較早、產業成熟度較高，是對人工智能全領域都有覆蓋的國家，而且近年來出臺的人工智能相關的政策和規劃大多都是趨向于向軍事領域發展;德國是傳統工業強國，期望通過人工智能進一步加強其在工業方面的優勢，并帶動其他產業發展;英、法等歐盟國家更趨向于醫療與人工智能的結合發展;日本希望通過大力發展人工智能，保持并擴大其在汽車、機器人等領域的技術優勢，并逐步解決人口老齡化、勞動力短缺、醫療以及養老等社會問題。從全球范圍來看，世界科技強國紛紛將人工智能作為經濟發展和科技創新的重要戰略資源，以遞進式、持續性的專項戰略或規劃，加強人工智能發展的頂層設計與計劃實施，相繼推出重大舉措，在研發資助、產業生態、數據開放、國際交流等方面強化AI生態系統建設，此外非常重視技術倫理道德，出臺相關規范，逐步構建倫理制高點，發展與規制并重。總體來看，各國牢牢把握人工智能的重大發展機遇，結合國家優勢和戰略需求，從自發、分散性自由探索為主的模式，轉為戰略導向下的研究與創新模式，逐步形成了“戰略先行、立法保障、計劃跟進、生態協同”的政策體系，力圖掌握新一輪競爭主動。

我國中央和地方政府也高度重視人工智能發展的重大戰略機遇，把人工智能作為產業升級和經濟轉型的主要驅動力，相繼出臺了人工智能一系列政策規劃。2016年“人工智能”首次出現在“十三五”規劃草案中，國家發改委正式印發《互聯網+人工智能三年行動實施方案》，明確了人工智能的總體思路、目標與主要任務。2017年國務院印發《新一代人工智能發展規劃》，將新一代人工智能發展提高到國家戰略層面，成立專門的推進組織機構、啟動相關項目、建立發展試驗區，加快推進和落實新一代人工智能發展規劃。圍繞人工智能應用落地與產業賦能，2019年國家發改委出臺《關于促進人工智能和實體經濟深度融合的指導意見》，科技部、工信部、民政部等國家部委聯手百度、騰訊、聯想等民營企業，提出“人工智能+產業”“人工智能+醫療”的發展思路。而針對我國人工智能領域專業人才供求失衡嚴重、高層次人才尤其稀缺的短板，2018年教育部發布《高等學校人工智能創新行動計劃》，2020年教育部、國家發改委和財政部發布的《關于“雙一流”建設高校促進學科融合加快人工智能領域研究生培養的若干意見》，在人才培養等方面進行了一系列部署。

總體來看，我國人工智能政策供給從重視技術培育為主，轉向以技術產業融合為重點，技術應用與人才培養系統推進和落實，但對比主要科技強國，仍然存在問題與差距，主要體現在：一是制度法治化程度較低，我國人工智能政策主要停留在行政法規的形式，尚未達到法律層面，針對人工智能技術和產業發展的法律法規研究剛剛啟動，保障人工智能產業健康發展的信息安全、倫理道德、風險審查與防控等法律框架尚未展開試點，政策保障程度不高。二是戰略布局缺乏前瞻性和主動性，頂層設計體系性尚不完備，政策間的系統性協調性不足，產業政策制定與實施、倫理道德框架設計明顯滯后于產業發展、可操作性不強、政策執行效率偏低。因此，綜合考慮我國人工智能產業發展的戰略性問題與政策體系的明顯差距，主要科技強國人工智能戰略和產業政策的經驗啟示，對于完善和提高我國人工智能政策供給提供了重要的參考。

四、新形勢下加速發展人工智能產業的政策建議

根據當前科技發展和國際形勢，我國自主發展人工智能產業面臨的機遇與挑戰更為嚴峻和復雜。一方面是挑戰巨大。人工智能自機器學習算法突破以來掀起了新一輪的全球擴散轉移，是我國由跟跑到領跑未來主導產業的重要抓手，后發趕超機遇意義非常重大，面臨新興大國崛起和守成大國遏制的重大風險，當前愈演愈烈的中美博弈，加劇我國面臨科技脫鉤、政治打壓、經濟制裁、人員管制、合作中斷等一系列阻礙，發展進程受阻。另一方面是遭遇極端事件。受2020年全球新冠肺炎疫情影響，無接觸經濟創造出智慧醫療、云端教學等極端應用場景，催生大量新業態新模式，為我國人工智能帶來意想不到的發展空間，加快了5G、大數據、云計算等新場景下的應用落地。綜觀當前全球人工智能產業競爭，非市場因素干擾加劇，破壞正常競爭與合作;非共識性沖突增多，為產業發展造成諸多人為障礙。為此，正視中美戰略對抗，立足我國人工智能產業自主安全，需要以更大視野、更長視距預判、預警和預置，加快智能經濟發展，創造更大賦能價值，提出以下政策建議。

（一）加強科研布局的政策引導，著力解決我國人工智能產業技術生態困境

一是強化多學科聯合攻關，力爭在AI芯片、核心基礎軟件與算法方面形成突破，打破國際壟斷格局。重點支持應用驅動的AI芯片研發，搶占國際AI專用芯片市場份額。鼓勵研發新型工藝架構，著力突破AI芯片能效與訪存瓶頸。著重打造基于自主芯片的編程框架及其技術生態體系。二是鼓勵加強開放合作，建立更廣泛的國際合作網絡和聯盟，推進建立全球人工智能技術開放創新生態體系。

（二）加快推動數據開放共享立法，推進建立良好的數據開放共享生態體系

一是推動加強新興垂直應用領域數據基礎服務，引導構建集數據采集、清洗、標注、交易、應用為一體的基礎數據服務體系，助力AI商業應用落地。二是推進完善數據開放服務機制，引導建設面向數據需求方、提供方、加工方、使用方于一體的人工智能基礎數據集成開放平臺，完善數據共享標準規范體系，推動公共領域數據開放共享。三是督促加強人工智能數據安全治理能力建設，實現人工智能數據安全風險的提前感知和預防，規避重要訓練數據被污染投毒、核心數據違規出境以及數據智能竊取等數據安全風險，維護良好數據生態環境。

（三）完善產業推進政策，推動構建有利于AI落地應用的產業化機制

一是重視發揮企業的創新主體作用，引導建立政策鏈、創新鏈、產業鏈、資金鏈融通創新的體制機制，推動建立和完善由企業牽頭的政產學研金協同創新體系，優化資源配置，確保所有創新要素共同圍繞實際應用問題開展協同攻關，提高創新效率，提升產業可持續發展的技術保障能力。二是重視人工智能應用場景化、專業化、平臺化，引導構建從源頭技術創新到產業技術創新的完整價值鏈，加快形成規模效應。三是重視推進可信人工智能發展，引導拓展多場景深度應用;四是督促加強人工智能相關標準、規范、評價體系建設，逐步消除人工智能應用行業準入壁壘。

（四）完善產業監管和安全風險防控政策體系，確保產業健康發展

一是重視加強各領域人工智能產品、應用和服務監測，推動人工智能行業認可的產品和服務可信認證。二是完善行業監管體制，提升監管技術手段，建立公開透明的智能技術監管體系，引導加強對算法設計、數據采集與流轉、產品開發和應用等全流程監管。三是明確政企責任邊界，引導企業加強自律自治，保障數據采集、存儲和流轉的合法性與安全性。四是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預案，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。五是鼓勵企業重視國際專利申請，督促企業加強知識產權保護。六是重視加強人工智能在信息網絡安全方面的應用，全方位提升網絡與信息安全防護能力。

（五）完善AI高端人才引進與管理政策，加快AI人才培養源頭建設，優化人才結構

一是加大高端人才引進力度。制定吸引全球優秀人才的人才流動政策、移民政策、簽證政策、留學政策。對于引進的高端人才，政府從戶籍、住房、醫療、子女教育、稅收等配套資源方面給予最大限度優惠或減免。對于引進高端人才的企業，給予最大限度的融資支持和稅收優惠。二是加快出臺本土人才的激勵政策，對于符合特殊人才政策的本土人才，同樣給予特殊支持和照顧，充分調動各類各層次人才創新創業的熱情與積極性，最大限度挖掘和發揮人才價值。三是從源頭上增強我國人才培養，引導完善我國高校人工智能人才培養教育課程體系設計，加強人工智能師資隊伍建設，鼓勵搭建校企聯合培養平臺（如共建實驗室或創新實踐基地），提升人才培養國際化水平，增加高校人工智能人才培養體制機制的科學性和有效性。四是重視發展人工智能職業教育，完善有利于培養大批高素質人工智能產業技術工人的機制體制。

（六）完善科技金融政策體系，引導金融資源助力產業發展

一是引導金融資源向人工智能初創企業積聚，推動建設以“多層次資本市場+債券市場+創業風險投資體系”為主要內容的市場主導型科技金融體系。二是引導金融資源面向基礎研究與底層技術、共性技術開發提供長期支持。

參考文獻：

[1]李世鵬. 人工智能的發展現狀和趨勢[J]. 視聽界， 2019，（5）.

[2]朱巍， 陳慧慧， 田思媛， 王紅武. 人工智能：從科學夢到新藍海——人工智能產業發展分析及對策[J]. 科技進步與對策， 2016， 33（21）：66-70.

[3]肖翔， 趙輝， 韓濤. 主要國家人工智能戰略研究與啟示[J]. 高技術通訊， 2017，（8）.

[4]湯志偉， 雷鴻竹， 周維. 中美人工智能產業政策的比較研究——基于目標、工具與執行的內容分析[J]. 情報雜志， 2019，（10）.

[5]謝毅梅.人工智能產業發展態勢及政策研究[J].發展研究，2018，（9）：91-96.