基于多源數據的人工智能產業全鏈條態勢研究

李 莉，崔磊磊，吳新年，劉安蓉，曹曉陽，彭現科

(1.中國社會科學院大學(研究生院)，北京 102488；2.中國工程物理研究院研究生院，北京 100193；3.中國工程物理研究院戰略技術裝備發展中心，北京 100094；4.中國科學院西北生態環境資源研究院，甘肅蘭州 730000）

人工智能（Artificial Intelligence）是研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門科學［1-2］。越來越多的事實證明，人工智能技術可能是繼蒸汽機、電力、互聯網科技之后推動新一輪科技革命和產業革命浪潮的革命性技術［2］。在大量的數據、更好的算法和更強的算力共同推動下，人工智能的應用已經在很多行業落地，逐漸滲透并開始形成人工智能產業［3］。人工智能產業是指依托人工智能技術向社會提供智能化產品與技術服務的產業，它通過賦能工業、農業、服務業，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，已成為促進經濟社會高質量發展的新引擎。人工智能產業鏈主要包含3 個核心環節——基礎支撐技術、人工智能技術和人工智能應用（如圖1 所示）。

圖1 人工智能產業鏈

在認識人工智能產業內涵的基礎上［4］，可以看到與前三次工業革命不同，人工智能是人的“智能”的外化，幾乎能夠支持其他所有產業發生顛覆性、變革性變化，對人類社會影響深度和廣度將超過前三次工業革命，將推動人類由工業時代步入智能時代，促進人類社會產生劃時代的飛躍。世界主要國家普遍認識到其重要性，已將部署發展人工智能技術作為大國博弈的戰略領域、提升國家科技創新能力的重要戰略抓手［5］。

許多學者也紛紛嘗試總結和分析該領域的發展狀況［6-8］。對人工智能領域的定量分析，能系統全面展現該領域科技、產業發展態勢，包括演化歷史、當前狀況和未來趨勢，有效支撐技術預見、科學決策等活動，為國家戰略規劃和政策制定提供參考。但是當前定量研究數據源主要來源于專利或文獻［9］，數據來源單一，且一般情況下未涉及產業和發展環境，無法實現科學—技術—產業的全價值鏈條分析。而產業發展本身是一個構成要素多元、相互關聯動態并且與外部環境之間存在著物質、能量、信息交流的復雜過程。因此通過對不同來源、不同類型的信息融合分析，能充分考慮科學技術創新、國家戰略布局、產業結構優化、投融資等內容，為全面揭示新興產業的發展現狀及趨勢提供有力的情報支撐［10］。因此，本文突破僅僅基于文獻或專利的定量研究范式，增加使用領域頂級會議、產業規模、投融資情況、項目信息等多來源數據，從基礎研究、前沿熱點、技術創新競爭情況、全球科技布局和產業態勢等方面全鏈條挖掘分析全球人工智能產業的科技創新及產業發展態勢，把握全球競爭形勢，并提出相關政策建議，為推動人工智能產業發展和提升政府治理水平提供決策參考。

1 方法和數據

1.1 研究思路和方法

為實現對人工智能產業創新鏈、產業鏈的全鏈條分析，本文主要采用高質量論文、頂級會議論文、專利、項目庫、行業報告等數據源信息，通過計量分析、專利分析、內容分析以及文本挖掘等方法，分別表征和分析高質量基礎研究、前沿熱點、技術創新競爭情況、全球科技布局和產業發展態勢，并在此情報分析基礎上，結合內外部形勢分析，提出相關政策建議，分析流程及思路如圖2 所示。其中，不同的數據反映的側重點不同，期刊論文尤其是高質量論文能及時反映國內外高質量基礎研究的成果和動向；頂級會議論文具有較強的專業性和針對性，能及時反應領域內最前沿、熱點的信息，是反映前沿研究實力的重要依據；專利是技術創新信息的重要結晶和載體，尤其核心專利是“核心技術”的重要表征；世界各國科研項目信息則能夠反應全球主要國家科研布局重點；行業報告包含對當前行業、市場的研究分析和預測，具有較強的時效性，能反應產業規模、投融資、發展態勢和競爭態勢等內容。

圖2 分析流程及思路

1.2 數據來源

本文所用的數據來源如下：

（1）基礎研究態勢分析主要依據高質量論文。高質量論文來源于SCI—E 數據庫該領域的高被引論文（Highly Cited Papers）和熱引論文（Hot Papers）。本文以人工智能為主題，以WOS 核心數據庫（Web of Science Core Collection）為數據來源，共檢索到100多萬條數據，包含高質量論文4 510 篇（包括高被引論文和熱引論文），其中高被引論文4 505 篇（2009 年以來），包含熱引論文174 篇（近兩年）。

（2）前沿熱點的分析主要依據頂級會議論文。本文通過對2009—2019 年人工智能機器學習、自然語言處理、計算機視覺和語音處理4 個方向的24 個頂級會議論文進行分析，從產出規模、研究機構等角度對比分析主要國家、機構子領域的前沿研究實力。其中頂級會議通過調研和文獻計量兩種手段結合確定，以WOS 數據中的CPCI 會議數據庫來源檢索會議文獻獲得。

（3）全球技術研發態勢分析主要依據核心專利。專利按照重要性權重的大小通?？煞譃楹诵膶＠⒅匾獙＠鸵话銓＠渲泻诵膶＠谝粋€專利群中處于節點和紐帶的地位，對后續科技的發展具有重要影響。專利文獻數據來源于WOS 平臺的德溫特創新索引數據庫（Derwent Innovations Index）。本研究采用INNOGRAPHY 專利強度和引證指數法兩種方法結合來選擇核心專利（在應用引證指數選擇核心專利時，需要選擇一個合適的分界線來確定核心專利和非核心專利，通過對DII 數據庫中檢索出的專利被引用次數做倒序排列遞減圖，基本構成了一個相對光滑的指數曲線，而且在這條指數曲線上存在比較明顯的兩個拐點，其中一個拐點可以看作是核心專利與重要專利的分界點，另外一個拐點可以看作是重要專利與一般專利的分界點，通過這種方法來收集核心專利技術。本報告依次依據專利引證指數進行年限加權（每年做指數曲線分別收集），以便能更好地將近年來的核心技術篩選出來）。通過以上方法，在收集人工智能核心專利數據的基礎上，同時針對深度學習、圖像識別、語音識別、自然語言處理等技術層分別進行核心專利識別與收集，共識別和收集人工智能核心專利數據21 458 條（數據時間范圍：1963—2019 年）。同時識別和收集近10年（2009 年以來）人工智能核心專利供給3 907 條進行分析。

（4）全球科研布局分析主要依據各國科研項目數據?！叭蚩蒲许椖繑祿臁眳R聚了全球主要國家重要基金組織2000 年以來的科研項目數據400多萬條，涵蓋中、美、英、德、加、法、日、澳、歐盟等20 多個重點國家和國際組織，收錄59 個重要基金組織如NSFC、NSSFC、NSF、NIH、NASA、EPA、DOE、DFG、RCUK、InnovateUK、Wellcome Trust、ANR、JSPS 等資助的項目數據。本文通過“全球科研項目數據庫（ProjectGate）”收集了人工智能相關項目，并通過項目分類和主題詞分類界定基礎層、技術層、應用層各主要研究方向，獲得G7 國家項目布局總體態勢。

（5）產業態勢分析主要依據行業報告，行業報告主要來源于國內外知名咨詢、投資銀行等機構。

2 分析與討論

2.1 基于期刊論文的全球高質量基礎研究態勢分析

對樣本文獻做國家分布統計，得到人工智能高質量論文國家分布占比圖如圖3 所示，可以看到，中國和美國第一作者全球高質量論文占總數的58%（中國1 618 篇，占36%；美國1 003 篇，占22%），與其它各國相比占據壓倒性優勢，在人工智能高水平基礎研究上中美兩國位于第一梯隊。對樣本文獻做年度分布統計，從圖4 可知，全球人工智能領域高質量論文近年來呈逐年遞增態勢，2009年到2018 年復合年均增長率達到16.23%，這說明全球人工智能高水平基礎研究正快速增長。中國人工智能研究高質量論文在2014 年（第一作者論文）超過美國，成為全球人工智能研究高質量論文的主要產出國，這說明中國雖然起步晚但由于國家人工智能發展戰略和政策等原因助力，中國人工智能基礎研究正快速發展，逐步具有領跑優勢。

圖3 人工智能高質量論文國家分布

圖4 2009—2019 年高質量論文國家年際分布

通過主要研究機構分析（如表1 所示）可知，全球人工智能基礎研究的創新主體主要來自于中國、美國的科研院所和大學，包括中國科學院、東南大學、電子科技大學、哈佛大學、斯坦福大學、MIT、上海交通大學、華中科技大學等。基礎研究是重大技術創新的源頭，具有公共品性質，需以政府資助為主，研究主體以大學和科研機構為主。

表1 高質量論文機構分布(全部著者)

中美兩國高水平論文國際合作產出結果如表2、機構合作產出結果如表3 所示，中國（第一作者）高水平論文國際合作產出占48%，美國占33%。其中在機構合作方面，中國高水平論文機構合作產出占79%，美國占66%，由此可以看出，全球人工智能研究高水平國際合作論文中，中國占比較大，中國的高水平基礎研究國際合作更為活躍。

表2 中美兩國高水平論文國際合作產出

表3 中美兩國高水平論文機構合作產出

在核心科研人員方面，通過對全球高質量論文新舊人員的對比分析，如圖5 和圖6，2018 年中國新增高質量論文作者占比大約50%，美國近年來有遠高于全球平均水平的新加入人員進入這個領域進行研究，其新增高質量論文作者占比達到90%，說明美國的持續創新能力高于中國。

圖5 2009—2019 年中國高質量論文新舊人員對比

圖6 2009—2019 年美國高質量論文新舊人員對比

對全球高質量論文主要基金來源分析得到結果如表4，中國國家自然科學基金支持的高水平研究論文占中國產出總數的89%，美國國家科學基金支持的高水平研究論文占產出總數的29%，美國其他資助基金還包括NASA、NIH 等。從這個角度講，中國高水平論文資助主要是國家自然科學基金，美國資助來源更加廣泛，這與兩國科技創新的投入方式差異具有一定關系，中國基礎研究更加依賴于國家項目部署。

表4 中美兩國高質量論文獲資助的主要基金來源

對比中國和美國人工智能高質量論文主題分布，美國人工智能高質量論文研究主題以機器學習（包括深度學習）為主，其他研究與應用基本圍繞機器學習（包括深度學習）展開；中國人工智能高質量論文研究主題包括機器學習、非線性自適應模糊控制、非線性時滯系統、同步系統等，更偏向于解決方案與技術應用，尤其是機器學習（包括深度學習）與其他研究的關系相對偏弱，在這個方向上明顯與美國基礎研究的重心不同。如圖7、圖8 所示。

圖7 美國人工智能高質量論文研究主題知識圖譜

圖8 中國人工智能高質量論文研究主題知識圖譜

從人工智能的國家產出規模來看，美國（發文量為3 661 篇）在機器學習、計算機視覺和語音處理研究領域的發文量遠遠領先于其他國家，其次是中國（發文量為2 474 篇）、英國（發文量為894 篇）、日本（發文量為573 篇）、德國（發文量為568 篇）和法國（發文量為443 篇）等國家，如圖10。這說明美國對前沿熱點的研究領先于其它國家。

圖10 人工智能技術領域主要國家的重點研發技術方向實力對比

分別對機器學習、自然語言處理、計算機視覺和語音處理4 個技術方向的研究機構和產出論文數量分析來看，在機器學習和計算機視覺領域，中國科學院、清華大學、中國科學技術大學、北京大學、美國Microsoft、Carnegie Mellon Univ 占據優勢，而在語音處理領域以Microsoft、IBM、Google 為主的企業占主導地位，中國科學技術大學以45 篇論文位于第13 位。在自然語言處理領域，各研究機構的差距并不明顯。這說明對前沿熱點的跟蹤和研究在中國主要是大學和科研機構，而美國則在主要是龍頭企業，且該特征在語音處理領域尤其明顯。

對機器學習、自然語言處理、計算機視覺和語音處理4 個技術方向的機構合作情況分析，如圖11，Microsoft 在4 個領域均表現出極強的對外合作關系。GOOGLE 在機器學習、計算機視覺領域的合作對象以美國的高校為主。中國科學院在機器學習和計算機視覺領域表現出較活躍的合作，在機器學習領域合作對象以國內院校為主，在計算機視覺領域合作單位涉及到美國、德國、澳大利亞和新加坡的高校。

圖11 各技術領域會議論文產出量前30 位的機構對外合作情況

2.2 基于頂級會議論文的全球前沿熱點分析

如圖9，從人工智能頂級會議論文技術領域（機器學習、自然語言處理、圖像識別、語音處理）分布上看，自然語言處理和語音識別技術增長比較平緩，每年產出論文在500 篇以下，圖像識別技術頂級會議論文維持在500 篇左右，增長不明顯，而機器學習技術的論文在2013 年后呈現指數級增長趨勢。這表明2013 年以后人工智能前沿熱點主要集中在機器學習，遠遠高于其他技術方向，在這一階段機器學習算法發展迅速，其次是圖像識別。

圖9 2009—2019 年人工智能技術的會議論文發文量年度變化情況

2.3 基于核心專利的技術創新競爭情況分析

對核心專利樣本做國別分布統計，得到全球人工智能核心專利優先權國如表5。可以看到，美國的人工智能核心專利數量居于絕對的領導地位，占到了全球人工智能核心專利的67%，其次是日本占17%，在之后依次是中國、韓國、英國、德國、澳大利亞、法國等。同樣，在具體技術上，全球機器學習/深度學習、圖像識別、語音識別等領域的核心專利也都主要集中在美國和日本，美日兩國遙遙領先，其中這兩個國家在機器學習/深度學習領域的核心專利占到全球核心專利總數的82%，圖像識別領域這個比例則是83%，語音識別領域為85%，自然語言處理的比例為87%，核心技術被美日兩國牢牢把握。

對2009—2019 年近10 年全球人工智能核心專利主要優先權國家分析（如圖12）可以看出，近10年（2009 年以來），中國超越日韓排在美國之后，這說明在人工智能核心技術上，雖然總體上仍然是美日引領，中國與之有差距，但處于快速跟進的狀態。

圖12 2009—2019 年全球人工智能核心專利主要優先國分布

進一步對2009—2019 年期間人工智能核心專利技術主要研發主體分析（如表6 所示）可以看出，排名靠前的企業依次是三星、GOOGLE、微軟、高通、INTEL、索尼、蘋果、西門子、歐姆龍、LG、IBM、霍尼韋爾、亞馬遜、百度等，主要分布在美國、日本、德國、韓國、中國等國家，該數據顯示人工智能核心技術的研發主體是企業，美國、日本、韓國等國企業占主導地位，中國只有百度一家企業進入排名。

表6 2009—2019 年全球人工智能核心專利主要專利權人

表6（續）

2.4 基于科研項目的全球科技布局分析

通過對全球科研項目按照應用層、技術層和基礎層分類進行分析，獲得中國與G7 國家人工智能各技術領域科研項目數量、項目數量排名前三的國家、以及資助機構的分析，如圖13。

圖13 人工智能領域主要國家科研項目布局數量及技術方向

可見，美國的人工智能總體項目數量位居G7 國家首位，中國緊隨其后且增速明顯，尤其是近5 年的項目數量已超過美國。此外，英國、法國、澳大利亞、德國和加拿大等國也有不少的科研投入；從全球人工智能項目布局來看，基礎層項目側重傳感器和芯片，技術層項目側重機器學習和自然語言處理，應用層項目側重自動駕駛、智慧城市、智慧安防；整體上各國在基礎層項目布局都比較多，中美則遙遙領先，且差距很小；這也與中美兩國在高質量基礎研究產出豐碩相吻合，同時也說明各國在國家層面非常重視對人工智能創新源頭的支持。

2.5 基于行業報告的產業態勢分析

北美、亞洲、歐洲將是未來人工智能主導地區，中國產業規模增長速度不容小覷。在企業數量上，根據2019 年4 月中國信息通信研究院發布了《全球人工智能產業數據報告》顯示，截至2019 年3 月底，全球活躍的人工智能企業達到5 386 家。其中，美國有2 169 家，中國大陸有1 189 家，英國有404家，加拿大303 家，印度則是169 家。故整體來看，人工智能在北美洲、亞洲、歐洲發展更為迅猛，未來該地區也將是人工智能的主導地區。根據德勤發布的《全球人工智能發展白皮書》預測，未來在2025 年世界人工智能市場預期將超過6 萬億美元，2017—2025 年復合年均增長率將會達到30%。由于政策和資本助力，中國人工智能產業規模增長速度高于全球增速。

美國聚集了從人工智能芯片到下游應用產品的全產業鏈企業，中國人工智能產業在語音識別、圖像識別等局部產業鏈有所突破。計算機視覺是中國AI市場的最大組成部分，主要應用在安防、金融領域、自動駕駛等領域。盡管中國在計算機視覺、智能機器人和語音識別等領域取得的成就可以與美國媲美，但相較于美國的AI 產業布局，中國的人工智能產業囿于互聯網應用領域，缺乏戰略性系統布局［11］。

中美投融資占全球占主導地位，投融資總體上回歸理性。在人工智能融資規模上，從2015 年起中國人工智能行業投融資額已經超過美國，但美國人工智能產業起步較早，在累計融資額上中國仍處于追趕狀態。2018 年Q2 以來全球人工智能領域投資熱度逐漸下降。2019 年Q1 全球融資規模為126 億美元，環比下降3.08%；其中中國領域融資金額為30 億美元，同比下降55.8%，在全球融資總額中占比23.5%；比2018 年同期下降了29 個百分點。值得說明的是，在融資輪次中，種子天使輪融資占比進一步縮減，2019 年Q1 僅為11.3%；B—E 輪融資占比由2018 年的23.2%則提升到了2019 年第一季度的32.3%。這說明人工智能市場的逐漸趨于成熟，依靠資本熱錢野蠻進入賽道的競爭玩家會越來越少，而對于已經拿到賽道入場券的選手來說，如何合理配置手中的資源成為生死存亡的關鍵，同時細分市場上的領頭羊可能在這樣焦灼的市場競爭中成長為獨角獸。

美國人工智能投資偏重于基礎層，中國則在應用層。騰訊研究院發布了《中美兩國人工智能產業發展全面解讀》顯示，從人工智能企業獲投資事件數來看，2013 年至2017 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人注目。截至2017 年上半年，美國在人工智能九大領域中累計投資額排名前三的為：芯片/處理器領域融資308億元，占比31%；機器學習應用領域融資207 億元，占比21%；自然語言處理領域融資134 億元，占比13%。而中國累計投資額排名前三的分別是計算機視覺與圖像領域融資143 億元，占比23%；自然語言處理領域融資122 億元，占比19%；自動駕駛/輔助駕駛領域融資107 億元，占比18%（數據來源：騰訊研究院）。美國高度重視在人工智能基礎領域的投資和布局，將很可能繼續延續其領先優勢。

綜觀近年來全球人工智能領域產業發展，可以看出一些非常值得關注的趨勢，具體包括：

（1）商業投資回歸理性，群雄逐鹿加劇細分市場競爭。例如，2018 年中國私募市場中人工智能領域的投資事件頻數已經有所回落，同比2017 年下跌20.7%。2019 年1—5 月的投資事件數量也明顯減少，僅為2018 年全年的23.7%。同時，資本市場對人工智能公司的估值似乎也有所縮水。從理性的角度看，這種情況反而對產業發展是有利的，因為這意味著行業進入成長期，那種依靠資本熱錢野蠻進入賽道的競爭玩家會越來越少，而對于已經拿到賽道入場券的選手來說，如何合理配置手中的資源則成為生死存亡的關鍵，同時細分市場上的領頭羊可能在這樣焦灼的市場競爭中成長為獨角獸。

（2）從普遍試水到培育標桿，促進人工智能與實體經濟加速融合。國家政策更加注重培育關鍵技術研發和標志性產品及服務，從而推動人工智能與實體經濟加速深度融合。例如，為配合《促進新一代人工智能產業發展三年行動計劃2018—2020 年》的實施，中國工信部在2018 年9 月還公布了人工智能與實體經濟深度融合創新項目名單，持續跟蹤支持培育典型案例，并在經驗總結的基礎上加以推廣；在11 月印發《新一代人工智能產業創新重點任務揭榜工作方案》征集并遴選了一批企業進行重點任務攻關，旨在樹立產業創新標桿，注重在標志性技術、產品和服務方面取得突破。在2019 年的政府工作報告中，明確提出將深化人工智能研發應用打造工業互聯網平臺。此外，隨著人工智能底層技術的開源化，傳統行業將有望加快掌握人工智能基礎技術并依托其積累的行業數據資源實現人工智能與實體經濟的融合創新。

（3）從消費服務到生產制造，加速布局推進傳統產業智能化改造。盡管人工智能已經連續多年成為社會關注的寵兒，但是其實際市場爆發還未真正到來，發展潛力依然巨大。隨著現有人工智能產業關注從消費服務逐步轉向生產加工制造，AI 主要賽道發展機遇及窗口期將再次到來，“產業+AI”發展紅利還將進一步延續。尤其是對制造業的改造，原來是“原材料采購—制造生產—銷售”，可能會變為“用戶需求—設計—材料定制—制造生產—個性化配送”，生產邏輯發生變化，產品價值形成過程中真正生產制造環節的貢獻會越來越低，而產前與產后的服務的貢獻率會越來越高。

（4）從單一應用轉向多元整合，集成解決方案走向成熟。目前人工智能的應用領域還多處于專用階段，如人臉識別、視頻監控、語音識別等都主要用于完成具體任務，覆蓋范圍有限，產業化程度有待提高。隨著智能家居、智慧物流、智慧辦公等產品的推出，市場主體由單一技術輸出向直接可用的解決方案提供商轉變，融合語音識別、語義理解、情感分析、用戶畫像、語音合成等多類型人工智能技術，具備識別、理解及反饋能力的開放式人工智能應用終將進入面向復雜場景、處理復雜問題、提高社會生產效率和生活質量的新階段。

3 主要結論及政策建議

3.1 主要結論

本文綜合多源數據，通過計量分析、專利分析、內容分析以及文本挖掘等方法，基于期刊論文的全球高質量基礎研究分析、基于頂級會議論文的全球前沿熱點分析、基于核心專利的技術創新競爭情況分析、基于科研項目的全球科技布局分析、基于市場規模和投融資的產業態勢分析，得到人工智能產業在高質量基礎研究、前沿熱點、技術創新競爭情況、全球科技布局和產業競爭方面的現狀和態勢，主要結論如下：

（1）從整體態勢來看，我國人工智能研究雖起步晚，但是由于國家高度重視，積極采取相應戰略措施，處于快速跟進且在部分環節領先的狀態。在人工智能高質量基礎研究方面，中美處于引領地位，且中國人工智能高質量論文在2014 年（第一作者論文）已超過美國；美國對前沿熱點的研究處于引領地位,中國高水平國際會議論文產出和影響力與之仍有較大差距；在核心技術創新競爭力方面，美日最強，中國與之差距較大，但近10 年來中國快速跟進，核心技術創新能力與美日差距日益縮小；從產業競爭力來看，全球人工智能產業競爭主要集中在四大區域：美國、歐洲、日本和中國，中美兩國引領全球人工智能產業競爭，中國產業規模增速呈現快速發展態勢。

（2）從科研投入來看，中國高水平論文資助主要是國家自然科學基金，美國資助來源更加廣泛；美國的人工智能總體項目數量位居首位，中國緊隨其后且增速明顯，尤其是近5 年的項目數量已超過美國。中國在國家層面非常重視人工智能產業發展，政府已布局一系列項目，未來需要促進基礎研究投資來源的多元化。

（3）從研發地域和研發主體來看，全球人工智能基礎研究創新主體是科研院所和高校，中美兩國引領人工智能高水平基礎研究；頂級會議產出主要來自研究機構（主要是美國），企業較少；核心專利研發主體是企業，且美國、日本的企業占主導地位，中國與之差距加大但處于快速追趕狀態。這與我國的發展階段有關，但也顯示出在人工智能領域我國自主創新能力正逐步增強，未來需要進一步激發企業創新主體活力，以產品帶動技術能力的積累，增強原始創新能力。

（4）從技術方向和產業布局來看，美國高水平研究更注重算法等底層技術，中國則偏向解決方案與技術應用；美國在AI 芯片、機器學習、自然語言處理等關鍵技術領域領先且產業鏈布局全面［12］，中國在語音識別、圖像識別等局部產業鏈環節已經有所突破。

（5）從產業投融資來看，中美兩國依然占據全球人工智能領域投融資主要份額，中國人工智能投資主要集中在應用層，而相比中國，美國則在人工智能基礎層的投入更多，我國人工智能產業投融資結構失衡、產業持續驅動力不足問題突出。

（6）從國際合作來看，中國的高水平基礎研究國際合作非常活躍，甚至超過美國；在前沿熱點的研究和合作上，美國頂尖企業、中國科學院表現出突出的對外合作關系，中國科學院在機器學習領域合作對象以國內院校為主，在計算機視覺領域合作單位涉及到多國高校；在核心專利方面，機構間處于競爭關系，主要機構間合作很少。

綜上所述，人工智能作為我國塑造未來科技領先優勢的重點領域，在科技創新和產業發展方面已取得突出成績，但仍存在科技投入來源單一、核心技術掌握不足、產業投融資結構失衡、產業持續驅動力不足等諸多問題。這既反映出我國人工智能領域存在的問題，也反映出我國科技創新整體體制機制方面的問題；既與人工智能產業的特殊性有關，也與我國發展階段有關。

3.2 政策建議

當前，世界主要國家都在積極開展人工智能領域戰略布局，以遞進式、持續性的專項戰略或規劃引領人工智能的發展，成立專門的人工智能推進組織或機構，啟動重大項目、工程和計劃，加強政企合作和科技金融協同，營造良好的產業創新生態，推動人工智能產業快速發展。例如，美國、日本、德國、英國、法國、加拿大均將人工智能提升為國家戰略，在最近3 年里先后發布了一系列人工智能專項戰略計劃或規劃。在國家戰略引領和推動下，各國人工智能產業創新發展已從自發、分散性的自由探索為主，轉為國家戰略推動和牽引下的產業化應用為主。而在國家戰略上，美國志在繼續保持全面領先，英國繼續強化其科技領先優勢，德國聚焦“工業4.0”計劃推動傳統產業轉型升級，日本結合其在機械制造與機器人技術方面的強大優勢推動“超智能社會5.0”建設，俄羅斯則借人工智能繼續強化其軍事領域的領先優勢。

中國也已將發展人工智能提升至國家戰略層面，相繼出臺人工智能相關政策規劃，推動我國人工智能產業迅猛發展［13］。因此，如何抓住人工智能新技術帶來的千載難逢的歷史機遇，充分利用好我國廣闊的應用市場、完備的產業體系、海量的數據資源、人才規模優勢及體制動員優勢，克服內部問題和外部政治打壓、經濟制裁、合作中斷、人員管制等一系列阻礙，加快人工智能產業發展，搶占全球科技制高點，對我國由大變強實現民族復興具有重大意義。為加快我國人工智能全鏈條高質量發展，提出以下主要建議。

（1）創新方式，進一步加強對關鍵核心技術的攻關和產業技術生態的突破。面對當前的國際形勢，我們既要保持戰略定力和自主創新自信，又要超前布局，加強規劃和研究攻關的政策引導，創新方式破解核心技術受制于人、產業技術生態不能自主可控的困境；要積極鼓勵多學科聯合攻關，鼓勵龍頭企業牽頭構建協同創新體系及技術創新生態體系，爭取盡快在AI 芯片、核心基礎軟件和算法方面形成突破；重點建設面向人工智能的公共數據庫、測試標準、服務平臺等，促進各類通用軟件和技術平臺的開源開放，形成良性發展的產業生態。

（2）在發揮國家力量的同時，進一步提升企業技術創新能力，強化企業創新主體地位。加強企業在人工智能技術創新決策、研發投入、科研組織和成果轉化應用方面的主體作用；鼓勵企業加大研發投入，增強核心競爭力，逐步擺脫因技術壁壘高而依賴外國技術的困境；督促相關行業加強相關標準、規范、評價體系建設，逐步消除行業準入壁壘，保證相關產業高質量可持續發展；發揮企業家精神，培養優秀企業家，發揮企業家在人工智能產業發展中的重要作用。

（3）推動人工智能和實體經濟深度融合，加快形成產業鏈協同創新格局。將人工智能布局滲透到各個行業尤其是關乎國家科技競爭力和經濟安全的重點領域，同時推進人工智能與其他領域的交叉學科研究，包括智能制造、智慧農業、智慧金融、智慧教育、智慧醫療、行政管理、城市管理、環境保護、海洋空間等的智慧化改造；推進人工智能技術與主導產業的融合，例如，加快推進智能技術在智能制造的工業設計、生產制造、運維、管理與服務等環節中的應用，發展具有自組織、自適應和自維護等特征的智能生產制造系統，推動優勢支柱產業與人工智能融合發展，擴大創新鏈與產業鏈融合發展效應；要大力推動具備識別、理解及反饋能力的開放式人工智能的應用，提高社會生產效率和人民生活質量。

（4）鼓勵加強開放合作，建立更廣泛的國際合作網絡和聯盟。面臨的外部形勢越嚴峻，我們越需要具有全球視野，應主動參與和推動各層次的國際交流與合作。要積極鼓勵中國學者在人工智能研究各領域廣泛開展國際合作，尤其是要推進建立全球人工智能技術開放創新生態體系，提高產業創新效率和效益；要加快推進人才的國際化培養，大力實施“走出去”和“引進來”的人才隊伍建設戰略，建立和完善吸引全球優秀人才的各項優惠政策，不拘一格做好人才培養和隊伍建設。