中美歐人工智能產(chǎn)業(yè)風險研究及中國對策

孫慧敏，謝慶紅，吳 斌

（南京工業(yè)大學經(jīng)濟與管理學院，江蘇南京 211816）

隨著人工智能的快速發(fā)展，各國政府高度關注人工智能的產(chǎn)業(yè)發(fā)展，將人工智能戰(zhàn)略規(guī)劃上升至國家層面，以搶占新一輪科技革命和產(chǎn)業(yè)變革的制高點。美國政府發(fā)布了《AI &Machine learning committee》《Artificial Intelligence Automaton,and the Economy》《American AI Initiative》等多個有關人工智能戰(zhàn)略部署的文件。我國政府出臺了《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018－2020）》《國務院關于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》《新一代人工智能產(chǎn)業(yè)創(chuàng)新重點任務揭榜工作方案》等人工智能戰(zhàn)略措施相關文件，高度重視人工智能的產(chǎn)業(yè)發(fā)展和技術(shù)進步。人工智能的發(fā)展對國民經(jīng)濟有著至關重要的影響，往往決定了一個國家在全球的經(jīng)濟地位，這也導致各國在人工智能行業(yè)進行激烈的較量，主要表現(xiàn)在科技強國對于人工智能產(chǎn)業(yè)核心技術(shù)的技術(shù)管制與貿(mào)易制裁。2018 年，美國政府禁止所有政府機構(gòu)購買華為的設備和服務，隨后，美國政府禁止向華為公司銷售產(chǎn)品及技術(shù)，并將涉及集成電路生產(chǎn)、計算機研發(fā)的幾家大型中國企業(yè)列入國家安全出口管制清單。以美國為主體的科技強國正在通過技術(shù)制裁的方式打壓我國的人工智能產(chǎn)業(yè)，阻礙我國的經(jīng)濟發(fā)展。我國人工智能產(chǎn)業(yè)正面臨著嚴峻的考驗，雖然我國高度重視人工智能產(chǎn)業(yè)發(fā)展，但人們對人工智能產(chǎn)業(yè)風險的重視程度還不夠高，本文認為有必要對人工智能產(chǎn)業(yè)風險進行系統(tǒng)的研究。

1 文獻綜述

目前對人工智能的研究已經(jīng)引起了廣泛的重視，研究的角度與側(cè)重點各有不同，主要集中在以下兩個方面。一類是研究人工智能技術(shù)帶來的社會風險問題，另一類是關于影響人工智能產(chǎn)業(yè)發(fā)展的研究。關于人工智能技術(shù)引發(fā)的社會風險問題，目前主要聚焦在就業(yè)失業(yè)問題和信息泄露兩大風險問題上。一些學者研究認為，人工智能技術(shù)可能會帶來大量工作與就業(yè)風險。他們認為隨著人工智能技術(shù)的快速發(fā)展與過程自動化的普遍使用，低技能的工作崗位的失業(yè)風險將會大大增加，甚至就業(yè)者的工資規(guī)模也將減小［1-2］。世界經(jīng)濟論壇以及PWC 等關鍵機構(gòu)也在報告中表示，人工智能和機器人的凈效應可能會造成大規(guī)模技術(shù)人員失業(yè)［3］。郭凱明［4］聚焦于人工智能的發(fā)展對勞動收入份額的影響，認為這種影響方向具有不確定性。隨著Facebook 和劍橋泄露用戶信息這一丑聞發(fā)生，大數(shù)據(jù)技術(shù)引發(fā)的信息泄露風險受到了公眾的重視，一些學者研究了人工智能技術(shù)與個人隱私和數(shù)據(jù)泄露問題，認為雖然互聯(lián)網(wǎng)能解決從地理定位、通過可穿戴設備的健康監(jiān)測、銀行服務及在線購物等各種領域的問題，但也給用戶的隱私帶來潛在危害［5-6］。在很多情況下，人工智能算法已經(jīng)可以代替人類進行決策和行動［7-8］。Akhter［9］認為人們對于大數(shù)據(jù)平臺如何處理個人信息的負面看法可能會影響網(wǎng)上交易的頻率。這些都引發(fā)了公眾對個人信息和網(wǎng)上隱私可能被濫用而日益增長的擔憂［10-11］。

一些學者聚焦于人工智能產(chǎn)業(yè)發(fā)展研究，目前我國人工智能在自然語言處理、語音識別、智能監(jiān)控、計算機視覺、機器人等技術(shù)領域已享有自主知識產(chǎn)權(quán)，且已得到廣泛應用。目前，我國在某些關鍵領域已與發(fā)達國家水平相當，但整體上我國人工智能產(chǎn)業(yè)發(fā)展水平與發(fā)達國家仍存在一定差距［12］。陳軍等［13］分析中美兩國IPC 分布，發(fā)現(xiàn)美國在語音分析或合成、語音識別等領域申請量較多，而中國在數(shù)據(jù)識別、數(shù)據(jù)處理等領域更勝一籌；在技術(shù)領域關注重點方面，美國偏向于新興應用領域研究，而中國偏向于研究傳統(tǒng)應用領域。目前我國人工智能產(chǎn)業(yè)仍處于發(fā)展初期，面臨技術(shù)創(chuàng)新能力薄弱、高端人才緊缺等各方面挑戰(zhàn)，在頂級人才、半導體領域、技術(shù)標準方面，美國占據(jù)了絕對優(yōu)勢，這使中國人工智能產(chǎn)業(yè)在未來很長一段時間都將扮演追趕者角色［14-16］。張振剛等［17］統(tǒng)計人工智能專利權(quán)人，發(fā)現(xiàn)全球排名前12 位的企業(yè)均為外企，中國企業(yè)在人工智能的算法基礎和綜合研發(fā)實力方面仍處于落后狀態(tài),在人工智能領域，地方性投融資活躍度低與投融資困難等問題也較為突出［18］。從產(chǎn)業(yè)發(fā)展的促進效應來看，產(chǎn)業(yè)的自主創(chuàng)新能夠促進產(chǎn)業(yè)高質(zhì)量發(fā)展，對產(chǎn)業(yè)安全產(chǎn)生顯著影響［19-20］,政府及企業(yè)的研發(fā)投入從長遠看會促進高技術(shù)產(chǎn)業(yè)的企業(yè)基礎研究［21］。

我國高度重視人工智能產(chǎn)業(yè)發(fā)展，但目前對于我國人工智能產(chǎn)業(yè)的發(fā)展水平及國際競爭態(tài)勢尚不明確，研究學者對人工智能產(chǎn)業(yè)風險現(xiàn)有的研究規(guī)模和深入程度目前正處于起步階段，沒有形成系統(tǒng)的理論。本文期望能夠建立一套科學合理的人工智能產(chǎn)業(yè)風險評價指標體系和評價模型，運用層次分析法和熵權(quán)法組合賦權(quán)，集成灰色綜合評價理論，以保證其評價結(jié)果的準確和客觀，并對風險主要來源分析，給出在貿(mào)易摩擦時期中國人工智能的政策建議，進行風險防控。

2 人工智能產(chǎn)業(yè)風險評價指標體系的構(gòu)建

構(gòu)建完善、合理的人工智能產(chǎn)業(yè)風險按評價指標體系是保證評價效果真實可靠的關鍵，應遵循以下基本原則：（1）權(quán)威機構(gòu)的典型指標體系，根據(jù)權(quán)威機構(gòu)產(chǎn)業(yè)發(fā)展評價報告中出現(xiàn)過的高頻率指標進行篩選；（2）全面性原則，以代表性較強、較全面的指標最大的反映出引發(fā)人工智能產(chǎn)業(yè)風險的信息，不僅可減少評價工作量，而且能確保評價結(jié)果的評估精度；（3）易獲取性原則，在實際操作中應依據(jù)指標數(shù)據(jù)獲取的可獲性進行篩選，應確保合理的公開渠道，力求指標含義清晰、明確、真實、有效；（4）可量化原則，構(gòu)建人工智能產(chǎn)業(yè)風險評價體系時要充分考慮指標能否被量化處理，盡量選取可量化指標。

本文從產(chǎn)業(yè)競爭力和產(chǎn)業(yè)安全的角度出發(fā)，識別導致人工智能產(chǎn)業(yè)風險的因素主要包括產(chǎn)業(yè)創(chuàng)新能力、產(chǎn)業(yè)規(guī)模、產(chǎn)業(yè)融資環(huán)境、產(chǎn)業(yè)經(jīng)濟效益、產(chǎn)業(yè)能源消耗等五個方面，相關風險因素導致人工智能產(chǎn)業(yè)風險的因素不僅取決于相對落后的產(chǎn)業(yè)技術(shù)創(chuàng)新的能力、較難的產(chǎn)業(yè)投融資環(huán)境、規(guī)模小的產(chǎn)業(yè)狀態(tài)，甚至是產(chǎn)業(yè)耗能巨大以及能源效率低，還取決于產(chǎn)業(yè)的經(jīng)濟效益水平。

2.1 產(chǎn)業(yè)創(chuàng)新能力

人工智能產(chǎn)業(yè)對科技創(chuàng)新能力要求較高，屬于技術(shù)密集型產(chǎn)業(yè)，Glasser［22］認為產(chǎn)業(yè)創(chuàng)新能力是影響技術(shù)密集型產(chǎn)業(yè)發(fā)展的一個重要風險因素，為此可以從五個方面來衡量：技術(shù)進口額、PCT 專利申請數(shù)量、校企合作論文比例、論文FWCI 水平、頂端研究者數(shù)量。一是技術(shù)進口額，技術(shù)進口額是指在人工智能領域從國外向國內(nèi)通過貿(mào)易、投資或者經(jīng)濟技術(shù)合作的方式轉(zhuǎn)移技術(shù)所花費的金額，其中，我國技術(shù)進口額主要來源為進口集成電路相關技術(shù)和產(chǎn)品。技術(shù)進口額越大，表示從國外轉(zhuǎn)移的技術(shù)就越多，產(chǎn)業(yè)的技術(shù)水平就越低，則產(chǎn)業(yè)的技術(shù)風險就越大，從而導致產(chǎn)業(yè)風險越大。二是PCT 專利申請數(shù)量。PCT 是專利領域中一項國際合作條約，專利申請人可通過PCT 請求多國同時保護其發(fā)明專利。專利的數(shù)量及變化趨勢可以反映一個國家的科技發(fā)展水平與最新動態(tài)。PCT 專利申請越多，則國家的科技發(fā)展水平越高，產(chǎn)業(yè)風險也隨之降低。三是校企合作論文比例。由于企業(yè)以追求經(jīng)濟利益為主，與高校的目標和定位不同，校企合作論文能夠使高校的研究方向貼合市場需求，提高創(chuàng)新價值，從而推動人工智能產(chǎn)業(yè)發(fā)展。四是論文FWCI 水平。FWCI 值通常用來表示一個國家的總體科研質(zhì)量，F(xiàn)WCI=1 代表國家總體論文質(zhì)量等同于世界平均水平，F(xiàn)WCI 值越低則代表國家的總體論文質(zhì)量越差，越不利于人工智能的產(chǎn)業(yè)發(fā)展。五是頂端研究者數(shù)量。五是頂級 AI 研究者數(shù)量。頂級 AI 研究者是指在國際上具有領先研究創(chuàng)新能力的AI 人才，頂級AI 研究者數(shù)量通常被用來衡量研究者質(zhì)量，是評價AI 產(chǎn)業(yè)風險必不可少的重要因素之一，當人工智能頂端研究者數(shù)量較高時，將有助于將先進知識和技術(shù)進行創(chuàng)新轉(zhuǎn)化，提高產(chǎn)業(yè)的創(chuàng)新效率，推動人工智能產(chǎn)業(yè)快速發(fā)展。

2.2 產(chǎn)業(yè)規(guī)模

產(chǎn)業(yè)規(guī)模越大越有利于產(chǎn)業(yè)可持續(xù)發(fā)展，產(chǎn)業(yè)風險則會越低。本文從國家人工智能企業(yè)數(shù)量、開設AI 專業(yè)高校數(shù)量、基礎層與技術(shù)層人才數(shù)量、AI初創(chuàng)企業(yè)數(shù)量四個方面來衡量人工智能產(chǎn)業(yè)規(guī)模的大小。一是人工智能企業(yè)數(shù)量。企業(yè)數(shù)量越多，越大，越有利于使整個產(chǎn)業(yè)的產(chǎn)量增加。企業(yè)數(shù)量少時，則不利于產(chǎn)業(yè)鏈的持續(xù)發(fā)展。二是開設有人工智能課程的高校數(shù)量。該指標可以反映國家培養(yǎng)人才的能力，開設AI 專業(yè)課程的高校越多，AI 人才越有利于得到大規(guī)模培養(yǎng)，“業(yè)由才廣”，隨著高校AI 課程的普及與深入，人工智能產(chǎn)業(yè)將會在很大程度上取得快速高質(zhì)量發(fā)展。三是基礎、技術(shù)層人才數(shù)量。基礎、技術(shù)層人才指在基礎、技術(shù)層研究領域內(nèi)具有創(chuàng)新的研究能力且有創(chuàng)新成果的研究者，基礎研究人才不足是AI 產(chǎn)業(yè)風險的重要來源。在算法、芯片等產(chǎn)業(yè)核心基礎領域的研究人才數(shù)量越多，對核心技術(shù)掌握的越多，有利于提高企業(yè)競爭優(yōu)勢。AI 人才集中在應用層，產(chǎn)業(yè)基礎核心技術(shù)被他國掌握，將導致在產(chǎn)業(yè)競爭中受到制約且處于劣勢。四是初創(chuàng)企業(yè)數(shù)量。初創(chuàng)企業(yè)是指行業(yè)內(nèi)新成立不久，缺少資金和資源支持的一類企業(yè)，一般將開發(fā)的創(chuàng)新技術(shù)及創(chuàng)新產(chǎn)品作為其主要競爭優(yōu)勢，初創(chuàng)企業(yè)是產(chǎn)業(yè)創(chuàng)新、開發(fā)新技術(shù)的重要來源，初創(chuàng)企業(yè)數(shù)量越多，科技創(chuàng)新力量越大，越能激發(fā)企業(yè)的創(chuàng)新積極性，推動AI 產(chǎn)業(yè)快速變革發(fā)展。

2.3 產(chǎn)業(yè)融資環(huán)境

產(chǎn)業(yè)融資環(huán)境是指產(chǎn)業(yè)在研發(fā)階段獲得投融資的難易情況，從國家研發(fā)投資額、AI 初創(chuàng)企業(yè)融資額、私募投資總額、私募股權(quán)投資事件數(shù)4 個方面來衡量人工智能產(chǎn)業(yè)的投融資風險。一是國家研發(fā)投資額。該指標以國家、政府為主體對人工智能的科研投入，國家對人工智能產(chǎn)業(yè)的研發(fā)投資額越多，說明國家對人工智能產(chǎn)業(yè)的科研支持力度大，重視度越高，反之，說明國家對于人工智能產(chǎn)業(yè)科研支持力度低，不利于人工智能產(chǎn)業(yè)快速發(fā)展。二是AI初創(chuàng)企業(yè)融資額，該指標是指人工智能初創(chuàng)企業(yè)所能融資到的投資額，可以反映初創(chuàng)企業(yè)的生存狀況，初創(chuàng)企業(yè)融資額越高，則說明政府及金融機構(gòu)對人工智能產(chǎn)業(yè)的投資興致高。人工智能的企業(yè)生存環(huán)境良好，將有利于產(chǎn)業(yè)發(fā)展；反之，AI 初創(chuàng)企業(yè)融資額低，則人工智能早期項目獲得資本的難度大，不利于初創(chuàng)企業(yè)的規(guī)模化發(fā)展。三是私募股權(quán)投資總額。私募股權(quán)投資對象一般為未上市的初創(chuàng)企業(yè)，該指標指通過私募的形式獲得投資資金，跟蹤私募股權(quán)投資可以衡量國家發(fā)展AI 公司的能力。私募股權(quán)投資總額低，說明資本市場對AI 領域的投資活躍度不高，國家發(fā)展AI 公司的能力低，阻礙產(chǎn)業(yè)創(chuàng)新與產(chǎn)業(yè)發(fā)展。四是私募股權(quán)投資事件數(shù)。私募股權(quán)投資事件數(shù)反映了行業(yè)的受關注程度，私募股權(quán)投資事件數(shù)越多，說明行業(yè)越受投資領域關注，吸金能力越強，活躍的投資市場將會促進AI 行業(yè)的快速發(fā)展。

2.4 產(chǎn)業(yè)經(jīng)濟效益

經(jīng)濟效益是指資金成本的消耗轉(zhuǎn)化出的有用勞動成果。產(chǎn)業(yè)創(chuàng)造的經(jīng)濟效益越高，產(chǎn)業(yè)的勞動投入向經(jīng)濟成果轉(zhuǎn)化率越高，從而提高市場競爭優(yōu)勢，形成良性循環(huán)，推動產(chǎn)業(yè)更好發(fā)展。本文從AI 產(chǎn)業(yè)總產(chǎn)值、總產(chǎn)值在地區(qū)GDP 的占比、產(chǎn)業(yè)發(fā)展增速3 個指標衡量產(chǎn)業(yè)經(jīng)濟效益。一是AI 產(chǎn)業(yè)總產(chǎn)值，總產(chǎn)值指標能在一定程度上體現(xiàn)出人工智能產(chǎn)業(yè)的經(jīng)營狀況的好壞以及經(jīng)濟效益的大小。當總產(chǎn)值持續(xù)低迷時，將會導致企業(yè)信心的喪失以及產(chǎn)業(yè)鏈系統(tǒng)的風險增加。二是總產(chǎn)值在地區(qū)GDP 的占比。該指標用來反映產(chǎn)業(yè)運用全部資產(chǎn)的收益能力。總產(chǎn)值在地區(qū)GDP 的占比越高，說明人工智能產(chǎn)業(yè)對整體的經(jīng)濟貢獻越大，經(jīng)濟效益越好，市場競爭越大。三是產(chǎn)業(yè)發(fā)展增速。表示AI 產(chǎn)業(yè)在某段時期內(nèi)增長的速度，產(chǎn)業(yè)發(fā)展增速越大，則產(chǎn)業(yè)產(chǎn)值增長速度越快，經(jīng)濟效益越好，市場競爭力越大，從而使產(chǎn)業(yè)更加成熟穩(wěn)定地發(fā)展。

2.5 產(chǎn)業(yè)能源消耗風險

能源消耗是指由于人工智能設備在訓練和運行時需要處理大量的數(shù)據(jù)、占用內(nèi)存和處理器，消耗大量電力。人工智能規(guī)模化發(fā)展，使能源消耗速度加快，將會占用大量的社會用電從而導致發(fā)電量不足以支持使用，因此，認為能源消耗是非常重要的風險因素。因此本文從數(shù)據(jù)中心年耗電量、數(shù)據(jù)中心電力使用效率PUE 兩個指標來衡量能源消耗的情況。一是數(shù)據(jù)中心年耗電量。據(jù)相關部門統(tǒng)計，全球的數(shù)據(jù)中心耗電量預計到2025 年會達到世界電量的15%，由此可見數(shù)據(jù)中心耗電量是個值得重視的指標。二是數(shù)據(jù)中心能源效率PUE。數(shù)據(jù)中心能源效率為數(shù)據(jù)中心總輸入功率與IT 負載功率的比值，指在供電、制冷和保護IT 負載方面額外消耗的電力量多少，國際通用的PUE 衡量指標。能源高效使用是產(chǎn)業(yè)可持續(xù)發(fā)展的重要因素，能源使用效率高，說明綠色化程度高，能源使用效率低，會產(chǎn)生大量能源浪費，不利于產(chǎn)業(yè)可持續(xù)發(fā)展，從而增加產(chǎn)業(yè)風險。

基于指標選取的原則,本文建立了包含產(chǎn)業(yè)創(chuàng)新能力、產(chǎn)業(yè)規(guī)模、產(chǎn)業(yè)融資環(huán)境、產(chǎn)業(yè)經(jīng)濟效益、產(chǎn)業(yè)能源消耗5 個一級指標及18 個二級指標的人工智能產(chǎn)業(yè)風險評價指標體系,見表1。

表1 人工智能產(chǎn)業(yè)風險評價指標體系

3 人工智能產(chǎn)業(yè)風險綜合評價

層次分析法將專家思維科學層次化，根據(jù)專家經(jīng)驗將評判因子轉(zhuǎn)換成評判矩陣，獲得合理權(quán)重，但存在評價專家主觀上的不確定性。熵權(quán)法為客觀賦權(quán)法，通過量化指標提供的信息熵大小計算權(quán)重，能夠避免因?qū)＜抑饔^不確定性而導致分析結(jié)果不準確，但當某個指標值的變動范圍較小時，熵權(quán)法就會受到局限。由于層次分析法與熵權(quán)法各有利弊，無法同時反映主客觀信息，為了更好的利用有限的信息，本文將主觀賦權(quán)與客觀賦權(quán)法相結(jié)合，使權(quán)重更加科學合理。

由于人工智能產(chǎn)業(yè)風險相關的評價指標十分的多且繁雜，在評價風險時,有時不可能也沒有必要列出全部指標再進行評價，鑒于此，將人工智能視為一個灰色系統(tǒng)，適當?shù)剡x取了部分指標，通過對少量已知信息的篩選、加工、延伸和擴展建立評價方法。本文結(jié)合灰色綜合評價及組合賦權(quán)法，完成對人工智能產(chǎn)業(yè)發(fā)展風險評估的目標。

3.1 指標權(quán)重的確定

樣本數(shù)據(jù)無量綱處理。對收集到的m個底層指標數(shù)據(jù)進行無量綱處理:

層次分析法計算權(quán)重。本文以中、美、歐盟三大經(jīng)濟體人工智能產(chǎn)業(yè)風險為研究對象，風險指標主觀賦權(quán)選取層次分析法，運算得出人工智能產(chǎn)業(yè)風險各層指標權(quán)重。考慮到此模型的應用較為成熟，其公式及原理便不再贅述。

層次分析法與組合賦權(quán)法。本文選用層次分析法進行主觀權(quán)重計算，并由層次分析法與熵權(quán)法組合計算指標權(quán)重，設層次分析法計算出的權(quán)重為，則組合權(quán)重為:

3.2 灰色綜合評價

制定評價指標的評分等級標準。風險是對將來事件發(fā)生的未知性的描繪，本文將風險等級分為“高風險”“較高風險”“中等風險”“較低風險”“低風險”，評分值分別為5，4，3，2，1，風險等級介于兩相鄰等級之間時，評分值為4.5，3.5，2.5，1.5，分值越小風險越小，具體等級標準由各專家根據(jù)經(jīng)驗確定。

確定評價灰類。確定評價灰類就是要確定評價灰類的等級數(shù)、灰數(shù)及白化權(quán)函數(shù)。根據(jù)上述風險等級標準，將評價灰類劃分為5 類，灰類序號為e=1,2,3,4,5，白化權(quán)函數(shù)如下:

4 人工智能產(chǎn)業(yè)風險實證研究

4.1 數(shù)據(jù)來源和收集

考慮到美國、歐盟、中國三大經(jīng)濟體的AI 發(fā)展水平在全球領先其他經(jīng)濟體，本文以美國、歐盟、中國三大經(jīng)濟體為樣本選取對象，數(shù)據(jù)來源于IDC 數(shù)據(jù)中心、中國電子協(xié)會、國家工業(yè)信息安全發(fā)展研究中心、中國信息通信研究院、華泰證券研究所、清華大學中國科技政策研究中心、Elsevier、Scopus、騰訊研究院、CAPIQ，Cruchbase、賽迪智庫、艾瑞咨詢研究院、中國科學院、德勒研究所等機構(gòu)發(fā)布的數(shù)據(jù)報告，得到的基礎數(shù)據(jù)如表2 所示。

表2 人工智能產(chǎn)業(yè)風險指標數(shù)據(jù)

指標說明：技術(shù)進口額采用集成電路進口額進行統(tǒng)計測算，基礎、技術(shù)層人才數(shù)量采用人工智能各分支研究領域進行統(tǒng)計測算，包括機器學習、機器人、計算機視覺、可視化、知識工程、信息檢索、自然語言處理、多媒體、語音識別、數(shù)據(jù)庫、數(shù)據(jù)挖掘、自然人機交互、計算機圖形學等各分支；頂端研究者以在全球AI 學術(shù)頂會上發(fā)表論文的研究者為采集對象。

根據(jù)公式（1）-（6）計算得到各指標的相對權(quán)重和組合權(quán)重，如表3 所示。

表3 各指標的相對權(quán)重和組合權(quán)重

4.2 灰色綜合評價

由5 名專家按指標評級標準進行評分，得到美國、歐盟、中國三大經(jīng)濟體的人工智能產(chǎn)業(yè)風險的評價樣本矩陣，。

根據(jù)公式（7）—公式（17），對美國、歐盟、中國各人工智能產(chǎn)業(yè)的作綜合評價，并對各一級指標進行單值化處理，得美國、歐盟、中國的一級指標的綜合評價值分別為：

5 評價結(jié)果分析

（1）從美國、歐盟、中國總體評價值及對比分析結(jié)果（圖1）來看，美國綜合評價值為2.703，整體評價值最低，根據(jù)最大隸屬度原則，美國人工智能產(chǎn)業(yè)處于“中等風險”狀態(tài)；歐盟綜合評價值為3.616，屬于“較高風險”狀態(tài)；中國的綜合評價值為3.789，整體上高于美國與歐盟，為“較高風險”狀態(tài)，三大經(jīng)濟體的綜合評價結(jié)果符合實際情況。對比看來，目前我國人工智能產(chǎn)業(yè)風險等級最高，產(chǎn)業(yè)總體形勢嚴峻，主要受到產(chǎn)業(yè)創(chuàng)新能力不足、產(chǎn)業(yè)能源消耗大且效率低、產(chǎn)業(yè)未形成規(guī)模、產(chǎn)業(yè)經(jīng)濟效益低、產(chǎn)業(yè)投融資環(huán)境較差等五方面的影響，其中，產(chǎn)業(yè)創(chuàng)新能力不足及產(chǎn)業(yè)能耗高、產(chǎn)業(yè)未形成規(guī)模化是導致我國人工智能產(chǎn)業(yè)處于較高風險狀態(tài)的主要原因。

圖1 美、歐盟、中國人工智能產(chǎn)業(yè)風險一級指標綜合評價結(jié)果

（2）根據(jù)美國、歐盟、中國一級指標綜合評價值及對比分析結(jié)果（圖1，下同），美國產(chǎn)業(yè)創(chuàng)新能力風險值最低，為2.805，歐盟為3.073，美國與歐盟產(chǎn)業(yè)創(chuàng)新能力風險等級均為“中等風險”，中國產(chǎn)業(yè)創(chuàng)新能力風險值遠高于美國，得分為4.177，屬于“較高風險”狀態(tài)，說明我國產(chǎn)業(yè)創(chuàng)新能力薄弱是引起人工智能產(chǎn)業(yè)風險較高的一個重要原因。由對應二級指標數(shù)據(jù)可知，技術(shù)進口規(guī)模大是我國人工智能產(chǎn)業(yè)創(chuàng)新能力薄弱的重要表現(xiàn)，目前諸如芯片、光刻機等的關鍵核心技術(shù)仍需要大規(guī)模進口，高度依賴外國，導致易受他國的經(jīng)濟與技術(shù)牽制，這在中美貿(mào)易摩擦中表現(xiàn)的尤為明顯；我國擁有對先進知識和技術(shù)進行創(chuàng)新轉(zhuǎn)化、引領產(chǎn)業(yè)進步的頂端研究者數(shù)量遠遠少于美國，AI 頂端研究者的缺乏是我國AI 產(chǎn)業(yè)緩慢發(fā)展的重要原因；PCT 專利申請數(shù)量少是我國產(chǎn)業(yè)創(chuàng)新能力低的重要原因，我國PCT 專利申請數(shù)量也遠遠低于美國，研發(fā)者活躍度和科技發(fā)展水平與美歐強國存在差距；我國論文FWCI 值為0.8，研究水平在領域內(nèi)仍未達到世界平均水平，這也是產(chǎn)業(yè)創(chuàng)新能力不足的重要風險來源。另外，校企之間合作的論文數(shù)量與比重過低也是我國創(chuàng)新力不足的一個重要原因，高校培育出的人才與企業(yè)的崗位需求存在一定的差距，不能很好的滿足企業(yè)的人才需求也是導致產(chǎn)業(yè)風險較高的不容忽視的原因。從產(chǎn)業(yè)規(guī)模一級指標綜合評價值及對比分析結(jié)果來看，美國產(chǎn)業(yè)規(guī)模風險得分為2.419，風險值最低，隸屬于“較低風險”，中國、歐盟產(chǎn)業(yè)規(guī)模風險得分均高于美國，風險評價值分別為4.175、3.917，其中，中國風險等級最高，屬于“較高風險”狀態(tài)。由二級指標數(shù)據(jù)可知，我國AI 產(chǎn)業(yè)研究者分布在基礎、技術(shù)層的數(shù)量與美歐兩大經(jīng)濟體相比，存在明顯差距，研發(fā)團隊規(guī)模較小，對人才培養(yǎng)也屬于落后狀態(tài)，推動基礎研發(fā)進步的力量薄弱，導致AI 產(chǎn)業(yè)在基礎研究領域短板嚴重；我國開設AI專業(yè)的高校數(shù)量不足美國的1/8，國家和高校對于AI 人才培養(yǎng)的重視度低，AI 學科建設晚，無法進行人才規(guī)模化產(chǎn)出以滿足市場需求；初創(chuàng)企業(yè)數(shù)量僅為美國的1/10，作為產(chǎn)業(yè)創(chuàng)新的重要力量來源，人工智能創(chuàng)新群體及產(chǎn)業(yè)整體未形成規(guī)模，是產(chǎn)業(yè)規(guī)模處于“較高風險”狀態(tài)的重要原因。

（3）從產(chǎn)業(yè)融資環(huán)境一級指標綜合評價值及對比分析結(jié)果來看，美國產(chǎn)業(yè)融資環(huán)境風險值最低，為2.425，為“較低風險”，歐盟風險得分最高，為4.189，處于“較高風險”狀態(tài)，中國風險得分為3.082，得分介于歐盟有美國之間，并且遠高于美國，屬于“較高風險”等級。由二級指標數(shù)據(jù)可知，目前國家研發(fā)投資額與美國相當，而AI 企業(yè)獲得的私募股權(quán)投資額少于美國，且發(fā)生的私募股權(quán)投資事件總數(shù)明顯低于美國，說明我國投資市場對于AI 產(chǎn)業(yè)的投資活躍度較低，AI 初創(chuàng)企業(yè)的融資額與美國相比也存在一定差距，作為技術(shù)與資本密集型產(chǎn)業(yè)，對資本的需求極大，從而導致企業(yè)發(fā)展在很大程度上受到制約，這是目前AI 產(chǎn)業(yè)投資環(huán)境風險較高的主要來源。

（4）從產(chǎn)業(yè)經(jīng)濟效益一級指標綜合評價值及對比分析結(jié)果來看，美國經(jīng)濟效益風險得分為2.821，風險值最低，歐盟與中國經(jīng)濟效益風險評價值分別為3.579、3.574，評價結(jié)果均遠高于美國，其中，歐盟人工智能產(chǎn)業(yè)經(jīng)濟效益風險等級最高，根據(jù)最大隸屬度原則，屬于“較高風險”狀態(tài)，我國次之，同屬“較高風險”狀態(tài)，美國風險等級最低，為“中等風險”。從對應二級指標數(shù)據(jù)來看，目前我國產(chǎn)業(yè)發(fā)展增速高于美國與歐盟，而我國人工智能的總產(chǎn)值僅為美國的1/5，產(chǎn)業(yè)經(jīng)營狀況較差，我國AI總產(chǎn)值在地區(qū)GDP 的占比比美國低1.2 個百分點，產(chǎn)業(yè)運用全部資產(chǎn)的收益能力低于美國，這是AI 產(chǎn)業(yè)經(jīng)濟效益風險較高的重要原因。

（5）從產(chǎn)業(yè)能源消耗一級指標綜合評價值及對比分析結(jié)果來看，美國、歐盟能源消耗風險評價值分別為3.264、3.204，風險值較低，中國能源消耗風險得分最高，為4.096，即是我國人工智能產(chǎn)業(yè)能源消耗風險等級最高，處于“較高風險”狀態(tài)，美國、歐盟屬于“中等風險”狀態(tài)。從對應二級指標數(shù)據(jù)來看，我國人工智能產(chǎn)業(yè)能源消耗量為1 608.9kwh，在全社會用電中占據(jù)高達2.35%的比重，數(shù)據(jù)中心消耗電量龐大，是美國和歐盟的2 倍，且我國數(shù)據(jù)中心的能源效率PUE 明顯高于美國與歐盟，能源利用率低，產(chǎn)生的無用消耗過多，也是產(chǎn)業(yè)能源消耗多，風險高的重要原因，隨著AI 產(chǎn)業(yè)的飛速發(fā)展，這也將成為不容忽視且刻不容緩亟待解決的重要問題。

6 降低我國人工智能產(chǎn)業(yè)風險對策建議

（1）加快人才隊伍建設，加強基礎研究，提升技術(shù)創(chuàng)新能力和產(chǎn)業(yè)競爭力。推動技術(shù)創(chuàng)新是提升產(chǎn)業(yè)競爭力、降低產(chǎn)業(yè)風險的核心所在，人才是人工智能產(chǎn)業(yè)發(fā)展的源頭，加快人才隊伍建設是人工智能產(chǎn)業(yè)發(fā)展的關鍵，應加大人才引進專項項目，完善人才優(yōu)惠補貼政策，吸引更多高端人才及創(chuàng)新型人才，防止高端人才流出；鼓勵高校建設人工智能相關學科，注重學科交叉培養(yǎng)，打造復合型人才；鼓勵高校等研究機構(gòu)與企業(yè)合作，推動產(chǎn)學研用深度融合，根據(jù)社會需要培養(yǎng)專業(yè)型人才，依據(jù)產(chǎn)業(yè)發(fā)展進行前沿實用型技術(shù)創(chuàng)新；做好前沿基礎理論研究布局，加大新一代人工智能研發(fā)投入，掌握核心技術(shù)與前沿科技，提升技術(shù)創(chuàng)新能力和產(chǎn)業(yè)競爭力。

（2）做好新一代人工智能產(chǎn)業(yè)發(fā)展戰(zhàn)略布局，實現(xiàn)人工智能高端化發(fā)展。積極響應國家“新基建”戰(zhàn)略部署，加快人工智能及場景應用的基礎建設與深入融合，推動產(chǎn)業(yè)轉(zhuǎn)型升級，實現(xiàn)產(chǎn)業(yè)高端化發(fā)展；算法是人工智能的核心，應積極構(gòu)建新一代人工智能理論體系，布局量子智能計算、類腦智能計算、光電計算及光電智能芯片等領域理論研究，鼓勵企業(yè)優(yōu)化人工智能運算模式，建立更高效的人工智能新算法模型與量子人工智能系統(tǒng)架構(gòu)，推動算力優(yōu)化進步，實現(xiàn)能源高效利用，并實現(xiàn)由弱人工智能到強人工智能的升級轉(zhuǎn)化。

（3）完善政策，加強政策評估。我國已出臺《新一代人工智能發(fā)展規(guī)劃的通知》等人工智能相關發(fā)展政策文件，在此基礎上還應出臺更具針對性的發(fā)展政策及支撐計劃，引導金融機構(gòu)增加對初創(chuàng)企業(yè)的金融支持；完善人才優(yōu)惠補貼政策，加大人才引進力度；完善經(jīng)費支出政策，在智能芯片、未來交通、智能健康、量子科學、腦科學等前沿領域加大科研經(jīng)費投入，突破前沿核心科技；加強國家及地方發(fā)布的產(chǎn)業(yè)政策考核評估，對政策方案的合理性、有效性及完整性、政策執(zhí)行情況、政策預期目標及目標完成度等進行評估，有助于提高政策質(zhì)量，促進政策資源配置更合理、有效，通過對政府工作進行評估監(jiān)督，激勵其制定更科學的產(chǎn)業(yè)政策。

（4）加強政府宏觀調(diào)控，實行投資績效考評管理，建立投資預警機制。加強國家對地方政府產(chǎn)業(yè)投資項目建設的宏觀調(diào)控，統(tǒng)籌規(guī)劃各地方產(chǎn)業(yè)投資建設，避免重復投資建設，保證各地方產(chǎn)業(yè)協(xié)調(diào)發(fā)展，從而提高國家整體產(chǎn)業(yè)競爭力；實行投資績效考評管理，對各省市人工智能相關投資項目實行績效考評，評估投資項目獲利情況及風險，引導地方及企業(yè)投資，提高行業(yè)投資績效；建立投資預警機制，跟蹤行業(yè)實際情況及變化趨勢，監(jiān)控預警系統(tǒng)指標數(shù)據(jù)并做出快速反應，引導企業(yè)投資和生產(chǎn)經(jīng)營活動，避免集中投資和盲目投資，促進行業(yè)協(xié)調(diào)可持續(xù)發(fā)展。