我國人工智能政策特征與PMC指數模型量化評價研究

高秀娟，彭春燕

（1.中華女子學院管理學院， 北京 100101；2.中國科學技術發展戰略研究院，北京 100038）

1 研究背景

人工智能是第四次工業革命中爆發的領先技術，是科技創新的前沿陣地，也是推動國家數字經濟發展的重要基石。作為引領性新技術，人工智能相關領域的發展為推動國家社會經濟的發展提供了重要支撐與強大動力。人工智能（artificial intelligence，AI）術語最早出現于1956年的達特茅斯會議，發起4 人組John McCarthy、Marvin L.Minsky、Nathaniel Rochester、Claude Elwood Shannon 被稱為“一小群科學家發起的會議催生了人工智能革命”，會議上將具有像人類思考能力的機器稱為人工智能，各國就此對人工智能強大技術的益處與風險展開激烈的辯論，也對人工智能技術廣泛深刻的影響以及帶來的不確定性從人工智能治理、政策和倫理角度予以規范，形成大量的立法、標準與政策[1]。其中，在個人信息保護、算法規制、機器人相關法律方面，歐盟走在前列，關注人工智能倫理的《通用數據保護條例》（2018）影響最廣，條例規定任何收集、傳輸、保留或處理涉及歐盟所有成員國內個人信息的機構組織均受條例約束，還設計了問責機制并允許“長臂管轄”。歐盟最新推出的《人工智能（AI）法規》致力于將歐洲打造為全球值得信賴的人工智能中心。美國則是在2016年發布國家級人工智能戰略，近幾年加大了在人工智能領域的投入，將戰略目標定位為全球人工智能領導者地位，力圖確保全球領先優勢，2019年2月時任美國總統特朗普簽署了《維持美國在人工智能領域的領導地位》第13859 號行政命令，推動弱人工智能走向強人工智能。可以說，人工智能治理競賽已經成為各國在新興技術領域的一個新角斗場，如何進一步發揮人工智能領域的創新驅動值得深入探究。

全球人工智能競爭優勢爭奪戰的日趨激烈，使我國面臨的競爭壓力也日益凸顯，“十四五”期間，作為國家優先發展領域，人工智能需要走向綜合治理的發展格局。我國自2015年發布高端制造發展戰略以來，中央與地方政府印發一系列文件對人工智能技術與行業進行規范與指導，提出以信息技術與制造技術深度融合的數字化、網絡化、智能化制造為主線的8 項戰略任務，之后人工智能相關政策呈現密集出臺的態勢，人工智能技術規則的確立、算法與數據的規范與倫理保障、數字平臺建設等成為發展重點。反思當前我國人工智能政策治理的設計與實施，在規則設計、標準制定、技術細則、激勵與監管、扶持與保障方面政策目標的落實情況如何？政策總體特征與趨向如何，政策效力是否存在供需偏差？如何優化與完善現行政策以發揮制度創新的效果？上述問題的回應是政策決策者的關切，也是處于市場主體地位的企業與科研機構迫切期待能有所推動的焦點。本研究立足于我國人工智能政策體系的解構與評估，從政策特征挖掘發現現行政策的聚焦點、從政策評估視角發現實施有效性，并針對性地提出促進我國人工智能政策發揮實效的建議，以期為我國人工智能領域在全球競爭態勢中獲取更大優勢、形成具有競爭力的政策治理體系提供參考。

2 文獻回顧

目前，國內外學者對人工智能政策的研究主要涉及3 個層面，一是政策分類研究，通過從政策內容本身與政策工具類別劃分來歸類政策，從而探究每類政策的發展狀況與存在的問題。從政策內容來看，政策分類主要涉及政策供給、需求和政策原則等。如周慶山等[2]認為人工智能政策的倫理原則嵌入在人工智能產品、技術和服務研發、應用和治理等方面。宋琪等[2]從供給、需求和環境三層面將人工智能政策劃分為公共服務、教育培訓、科技資金投入等類別。二是政策評價研究。按照評價階段來劃分，政策評價分為政策事前評估、政策事中評估、政策事后評估以及政策全過程評估，通過統計數據或政策計量來評估政策從制定到實施全過程的實際效果。例如，藏維等[4]綜合運用政策工具與政策評價模型，探尋我國人工智能政策的未來設計方向。費艷穎等[5]運用文本挖掘法進行解構分析，發現人工智能產業政策中形成了“價值+技術+制度”三輪驅動的負責人創新發展導向體系。蔡翠紅等[6]對美國人工智能的戰略目標、手段與評估效果展開分析，發現美國人工智能戰略依然存在資金問題、與私營企業的適配度問題、人才培養與移民政策問題、倫理道德制約以及與中國的戰略競爭問題。三是政策比較研究。主要是圍繞各國的人工智能政策情況，梳理各國相關做法、政策特征和效果，進行政策的對比分析。如關皓元等[7]對新時期中歐人工智能戰略與政策環境進行了比較研究，將2013—2018 劃分為人工智能優先發展階段，2019年至今為注重人工智能倫理與社會治理階段。陳婧嫣等[8]基于“目標—理念—路徑”的靜態視角與“學習—擴散”的動態視角，構建人工智能的跨國比較框架，發現各國具有顯著化差異且相互學習與融合。吳瑜等[9]運用CiteSpace 數據分析工具對中國和美國人工智能背景下科技政策進行比較研究，發現中國的研究更微觀且聚焦當下，美國的研究更宏觀且關注未來差異。

學者還力圖建立人工智能政策分析的整合性框架，如蘇竣等[10]基于場景生態提出一個人工智能社會影響整合分析框架；景慧昀等[11]設計了一個人工智能安全框架，作為安全治理體系的一部分，涵蓋了人工智能安全目標、安全分類能力、安全技術和管理體系。也有對人工智能倫理與治理體系的問題的探索，在倫理準則與治理體系方面提出具體措施[12]。綜合以上分析可以發現，目前人工智能政策研究的深度和廣度都有所拓展，從研究方法來看，既包括政策文本分析和內容分析等定性評價方法，也包括政策計量分析、政策指數分析等定量評價方法，對于全面梳理各級政策設計與實施情況、開展政策的效力評價具有很強的指導意義。在新一代人工智能引領各行業快速發展并深刻變革的今天，對人工智能的研究現狀進行分析、對國家政策脈絡與政策系統展開研究十分必要，有助于回答政策關切、政策科學性與合理性的問題。

本研究旨在呈現現行政策的聚焦點、發現政策特征并評估政策效力，找出政策供給與市場需求的差距，為進一步優化政策設計提供參考。研究結構如下：首先，基于政策文獻計量和內容分析法梳理政策特征和深層語義關聯，發現政策關切點及政策規律；其次，借助內容分析法構建政策工具分析框架，系統剖析我國人工智能政策的供需與環境型特征，解讀政府注意力配置特征；再次，構建PMC 指數模型獲得政策效力的實際感知，總結政策各維度設計的缺漏；最后，總結我國人工智能領域的研究熱點與前沿問題的基礎上，提煉學者對人工智能研究的時間線特征，并基于上述分析、結合我國人工智能發展的國家戰略目標，提出優化政策設計與布局的主要建議。

3 研究設計與研究方法

3.1 分析框架

Kuhn[13]提出政策范式（policy paradigm）理論，之后被引入政策研究領域，被視為政策制定者習慣在一個由各種理念和標準組成的框架中工作，這個框架指明了政策目標、目標實現的工具類別及需要解決的問題的性質[14]。政策范式能夠將政策分析細化為政策問題、政策目標、政策工具等要件，然后根據研究需要來匹配和組合各要件。本研究將政策范式置于我國人工智能政策情境中，構建“政策語義—政策工具—政策評估”框架，由此形成的分析框架如圖1 所示。

圖1 我國人工智能政策分析框架

3.2 文本挖掘分析

政策文本量化是一種常用的政策研究工具，以政策主體、政策工具、政策關聯網絡等為研究對象，借鑒和引入統計計量等學科的知識和方法，通過對政策文獻內容與外部屬性特征的實證分析，揭示政策工具的選擇和使用、政策嬗變的內在邏輯[15]。政策文本量化主要包括政策內容分析法、文本挖掘與政策評價。其中，文本挖掘分析法是一種研究方法，能夠從文本中得到有效推論[16],是通過一定的規則，將傳播媒體的內容系統分配到各個類目中，并使用統計工具對包含在這些類目中的關系進行分析[17]。文本挖掘常用政策工具作為政策框架的組成部分并予以分析，如Kirschenti[18]提出了64 種政策工具類型后，學者們開始將政策工具劃分不同類別，例如，Stigler[19]將政策工具劃分為授權型和誘導型2 類。Rothwell 等[20]劃分的供給型、需求型、環境型三大類政策工具，在政策量化分析中使用最為廣泛。

3.3 PMC 指數模型與曲面

PMC（policy modeling consistency）指數模型源于Mobilis 假說，認為變量都是相互關聯的，Arturo[21]建立了PMC 指數評價模型，從政策量化角度盡能考慮相關變量的聯系，在政策內部一致性基礎上，對政策文本展開量化分析。該方法在國際上較為先進權威，學者用之對社科領域的各類政策展開評估，評價結果為政策制定、政策修改提供了科學依據。PMC 指數模型假定變量服務二進制分布，通過平衡變量避免人為評價的主觀性，并通過指數與曲面圖直觀呈現政策特征，指數測算公式如式（1）～式（3）。

其中，Xt(X取值為X1，X2， ，X9)為一級變量，T取值為1，2, ,9,j為二級指標，n為每個一級變量包含的二級變量的數目。

PMC 指數模型通常構建涉及9 個主變量和若干個子變量的矩陣，研究各子變量對整體變化的累積效應，且通過多指標構建來評價政策制定的一致性問題。PMC 曲面的模型見公式（4），曲面由3×3矩陣構成，數值為9 個一級變量的指標值，形成的曲面模型圖以三維可視化空間構造的方法來展現政策優劣勢。PMC 指數模型的整體分析流程包括4 個步驟：（1）選取變量及參數識別；（2）多投入產出表構建；（3）PMC 指數計算；（4）PMC 曲面繪制。

4 實證分析

4.1 數據來源

本研究以2016—2021年為政策文本選取區間，所選取的人工智能政策主要包括中央和各部委（財政部、發改委、教育部、工信部、人社部、國家標準化管理委員會、全國信息安全標準化技術委員會等）、地方省市人民政府與有關下屬政府機構公開發布的政策、規劃、通知、意見，政策文本來源為各部委官方網站及北大法律信息網。經過篩選以及文本內容的初步分析，確定了31 項政策（以下簡稱“樣本”）。其中，中央級政策為15 項，占比48%，地方政策16 項，占比52%。

4.2 政策文本挖掘

政策文本挖掘中的政策語義分析用于反映政府人工智能領域部署的注意力分配，本研究運用共詞分析法分析政策內部結構關系，通過對研究主題的多個關鍵詞出現在同一篇文獻中的現象進行分析，展現政策文本的內容與結構[22]。將31 件政策文本進行分詞處理，選擇詞頻分析功能統計高頻詞匯。分詞結果顯示出人工智能政策的注意力關切主要集中于5 個方面（見圖2，表1）。

圖2 2016—2021年中國人工智能政策高頻詞語義網絡

表1 中國人工智能政策高頻詞和詞頻聚類

由圖2 和表1 可見，一是對于創新、研發與研究的關注度較高，說明人工智能的發展過程是由創新與研發推動的，凸顯了自主研發的戰略途徑，并且較為關注基礎性的研發推動，說明政策關切人工智能技術底座，對領域內國家基礎性創新與技術發展的重視度很高，成為政策設計的基線；二是人工智能的發展、應用、服務功能凸顯，表明我國的人工智能發展方向更多是為了行業應用，為行業提供服務，注重技術的應用性和科研成果轉化，希望人工智能技術創新能帶來更多的行業與企業發展、服務于智能化產品的開發與應用；三是對平臺、系統、數據、安全、標準、計算等提及較多，表明國家在搭建人工智能系統平臺的同時，對平臺的算法、算力和倫理安全較為重視，關注數據安全和行業企業標準，為人工智能行業的良性發展提供了政策依據，另一方面，表明國家對數字平臺的人工智能研究與發展頗為重視，映射到諸如阿里巴巴、美團、騰訊等頭部數字平臺上，近年來廣受關注的算法與數據使用等問題，國家在政策法規層面提出了規范性響應；四是人才問題得到關注，從教育與人才發展的角度予以扶持，重視專業人才的能力培育，為人工智能的產業發展提供了人力資源基礎；五是一些重點產業上榜，例如大數據、機器人、芯片，都是我國在先進技術領域試圖突破的重點領域，暗示了人工智能在上述行業的應用與要素組合，共同推動國家數字技術進步與數字經濟的發展。上述關鍵詞形成一整套系統化和集成化的政策體系關切點，實現了由點到面的政策覆蓋面，政策重點突出并構成完整的“創新→應用→標準與安全→人才培育”政策鏈，為我國人工智能領域的健康有序發展提供了良好的政策氛圍與政策支持。

語義網絡可視化分析是將政策文本中的關鍵主題詞之間的關聯關系與關聯度以圖示的方式予以呈現，直觀地表現出政策文本的語義特征，呈現政策結構的內部關系與主題分布情況。運用CiteSpace 軟件分析節點度數與主題詞聚類分析，形成人工智能政策的語義網絡圖，如圖3 所示（其中#數字表示人工智能政策主題詞聚類，如#1 技術創新表示我國人工智能政策可以提取聚類主題詞1：技術創新）。從分析中可以識別出我國人工智能政策的基本特征：我國人工智能政策的發布與發展與技術創新密不可分，長期以來以企業作為主要的政策受體，國家充分鼓勵企業加快技術更新與技術應用；政策的關注點包括數據挖掘、大數據、機器學習、人力資本等十余個聚類項，形成人工智能政策設計的主線；包括腦機接口、語音助手、認知無線網絡等在內的基礎研發為人工智能平臺搭建與技術發展提供保證，即通過研發活動以及研發的轉化過程，幫助搭建人工智能平臺，并且推動企業和行業的技術進步；人工智能發展中的透明度與風險問題也獲得較高的關注度，其中較重視信息披露與信用風控；人工智能技術在經濟領域的規范體現在，一方面政策中多次提到產業問題，一方面則通過貨幣政策、人力資本的積累、資本權力等經濟手段予以調控。

圖3 中國人工智能政策的語義可視化網絡

4.3 政策工具分析

借鑒Rothwell 等[20]將政策工具劃分為供給型、需求型、環境型三大類的方法，將人工智能政策工具分為3 種類型，并借鑒中國通信院的二級政策工具劃分方法，將政策工具細分為一級和二級政策工具，根據政策工具分類表對31 份人工智能政策進行內容編碼，編碼的原則為：首先逐條閱讀政策文本，將政策文本排序作為一級編碼號，政策文本的相關條款作為基本政策單元，按照順序進行二級編號。對編碼結果進行“1”（是）和“0”（否）數值處理，測算編碼一致性系數達到87.2%，通過編碼信度檢驗（〉80%）,形成政策工具頻數分布見圖4 所示。

圖4 中國人工智能政策工具頻數分布

我國人工智能政策總體來看依靠環境型和供給型政策，即營造人工智能行業和技術發展的外部條件與環境氛圍，同時從推動人工智能行業發展的角度給予各種支持，而從直接拉動行業發展角度的需求型政策工具相對使用較少。供給型政策工具中，科技研發與教育培訓占比最多，符合行業和技術特點，在政策文本中，多數發文機構都提出突破關鍵技術，例如《‘互聯網＋’人工智能三年行動實施方案》主要任務即推動計算機視覺、智能語音處理、生物特征識別等關鍵技術的研發，并以專業人才引進與培養來保證人力的推動作用，鼓勵相關研究機構和高等院校、專家開展人工智能基礎知識和應用培訓，例如湖北省制定了“楚才引領計劃”，向人工智能領域高端緊缺人才發放“楚才卡”，并提供“一卡通”專員服務，以留住及激勵人工智能高端人才。環境型政策工具中，除了目標規劃之外，公私合作二級政策工具使用較多，表現為以軍民融合、國家與私營企業共建等多種方式，實現合作共同推動技術與行業發展的態勢，既可以分擔成本和風險，又可以群策群力發揮政府和民間的力量一起辦大事。同時，以資金、稅費等保證行業資金來源，但是環境型政策工具中，知識產權和法規監管方面的規范性不足，未來行業逐漸成熟過程中，有必要提高知識產權保護力度、促進法規監管強度，在保護產權利益的同時對行業加強監督與管控。在需求型政策工具中，市場應用占比較多，體現為政策文本多數提到智能家居、智能醫療、智能文旅等人工智能在各行業的市場應用，并將之作為各部門的任務加以層層落實，此外，海外機構也有一定的占比，表現為與海外合作、在海外投資設點、引進海外技術與人才等方面，如結合“一帶一路”建設，整合國內外創新資源，支持產業聯盟等形式搭建的服務平臺以提供國際合作和海外創新業務。但需求型政策工具內部結構不平衡，對政府采購、對外貿易管制、反他國管制、購置補貼4 項需求型政策工具重視度不夠。

4.4 PMC 指數評價

4.4.1 變量的確定

通過上述文本分析和內容分析方法，根據所提取政策關鍵詞，并借鑒已有學者的研究成果，以確定研究變量。本研究設置了9 個一級變量和41 個二級變量，一級變量包括政策性質、政策時效、政策級別、政策功能、政策工具、政策重點等（見表2）。其中，二級指標Xi,j表示第i個一級指標的第j個二級指標。

表2 中國人工智能政策評價指標體系

表2（續）

4.4.2 PMC 指數測算與曲面

（1）PMC 指數測算。根據Mobilis 理論假設的要求[21]，對二級指標的估計遵從二進制[0,1]設置，對41 個二級指賦值，如果政策文本涉及到相關內容，則賦值為“1”，否則賦值為“0”,據此得出對41 個二級指標的政策評價值。然后根據所設計的一級和二級體系構造多投入產出表，多投入產出表作為一種數據分析框架，可以顯示指標模型所反映出的政策策略演變。隨后構建PMC 指數計算模型，測算政策賦分值并劃分政策等級（見表3），根據政策評估分數確定政策優良性與政策特征。根據PMC指數測算公式，對31 份人工智能政策中的每一項政策進行一級和二級指標的評價，形成政策等級認定（見表4）。31 項政策中4 項政策等級為“優秀”（占比12.9%）、24 項政策等級為“良好”（占比77.4%）、3 項政策等級為“一般”（占比9.7%），據此可以將31 項政策劃分為3 個不同的等級：

表3 人工智能政策質量級別

表4 中國人工智能政策PMC 指數測算結果

1）Ⅰ級政策：政策得分在7 ～9 分之間，政策等級為優秀，如P4，政策得分為7.14 分，排名第一位，政策等級為優秀。在具體的變量評分中，該政策分別在X1政策性質、X4政策功能、X5作用層面、X6政策工具、X7政策操作性、X9激勵約束分別達到最高值，該政策涉及到行業目前的發展態勢、指導思想與原則、戰略愿景、主要任務和保障措施，基本涵蓋了PMC 指數測算模型中的各指標測量項。政策中的“主要任務”與“保障措施”兩項條款設計較好，前者從構建協同開放的智能汽車技術創新體系到各種創新產業發展形態，都有所涉及，后者則從組織保障、政策保障、人才保障、國際合作和發展環境五方面給予保障和支持。政策設計的覆蓋性和科學性使得其評分明顯高于平均水平，因此該項政策評級為優秀。

2）Ⅱ級政策：政策得分在5.00 ～6.99 分之間，政策等級為良好，如P1、P3、P8，以P21為例，政策得分為6.92 分，排名第3 位，是由湖北省頒布的關于新一代人工智能發展規劃，涉及近期和遠期關鍵技術突破的多點目標、拓展人工智能融合應用場景、推動人工智能核心產業發展等多層面的管理制度，且該政策在政策性質、作用層面、政策操作性、政策評價、激勵約束高于全部政策的均值，但是該政策在政策工具層面評分不及優秀等級的政策。

3）Ⅲ級政策：政策得分在3.00 ～4.99 分之間，政策等級為一般，如P10，政策得分為4.83 分，排名第21 名，是教育部頒布的關于開展人工智能助推教師隊伍建設行動試點工作的通知，涉及探索人工智能主推教育的目標、試點工作的內容、組織引導和經費保障等細則，該政策在政策功能、作用層面、政策工具、激勵約束這幾項變量上的評分較低，主要是因為該項政策主要針對教師群體開展試點，政策內容具有較強的專指性，僅涉及試點工作的布置與保障方面的內容，政策覆蓋面比較狹窄，因此在多個變量上評分較低。此外，該項政策作用對象僅為事業單位，不涉及其他客體，所以在作用層面上得分也較低。綜合各維度的評分，所以政策評級為一般。

表4（續）

（2）PMC 曲面。根據PMC 指數構建曲面，該三維曲面以直觀圖譜呈現政策評價效果，曲面凹凸及顏色差異表明政策得分的不同，凸起部分對應政策評價得分較高，凹陷部分對應政策評價得分較低（見圖5 ～圖7）。為了對比“優秀”等級與“一般”等級的政策差異，本文選取國家發改委《關于印發〈智能汽車創新發展戰略〉的通知》（P4）（“優秀”等級）和教育部《關于開展人工智能助推教師隊伍建設行動試點工作的通知》（P10）（“一般”等級）兩項政策。結合曲面圖與PMC 指數測算情況，發現《關于印發〈智能汽車創新發展戰略〉的通知》政策在各維度得分都較高，尤其是政策性質、作用層面、政策操作性、政策評價與激勵約束五個維度上評價較高。《關于開展人工智能助推教師隊伍建設行動試點工作的通知》在政策功能、作用層面與激勵約束維度得分較低。

圖5 PMC 評價“優秀”與“一般”的政策均值對比

圖6 國家發改委《關于印發〈智能汽車創新發展戰略〉的通知》政策曲面

圖7 教育部《關于開展人工智能助推教師隊伍建設行動試點工作的通知》政策曲面

在監管方面，《關于印發〈智能汽車創新發展戰略〉的通知》（P4）較之其他政策更為嚴厲地明確了加強數據安全監督管理，提出建立覆蓋智能汽車數據全生命周期的安全管理機制；政策功能方面，制定了規范引導、制度約束、技術創新的政策規范；政策作用層面則從國家、區域、產業和企業4 個層面的人工智能發展都提出了政策要求，還提出了培育智能汽車創新發展平臺等新型市場主體，從基礎設施體系、商業模式、人才培養，以及增強產業競爭力各方面提供政策依據；政策工具方面呈現出多種工具綜合使用的特點，尤其從國際合作角度提出支持國內企業加快國際市場布局，從知識產權角度提出加強知識產權保護，健全技術創新專利保護與標準化互動支撐機制；激勵約束方面更多涉及了對行業的監督考核，設計了相應的機制與考核辦法,并對相關主體提出了技能培訓方面的要求與舉措，一方面加快培養復合型專家和科技帶頭人，另一方面協同培養創新型中青年科技人才；明確提出健全領域的法律法規，如開展智能汽車“機器駕駛人”認定、責任確認、網絡安全，以及數據倫理規范方面的法律權利、義務和責任。

我國人工智能政策文本分析中的結果表明，政策整體科學性較好，從單項指標來看則仍存在不足之處，政策性質主要體現在監管、診斷層面，約束性不足，說明政策對行業發展過程的監督管理規定有所缺失，同時對行業發展問題的總結與診斷不足，側面反映出人工智能行業還處于快速粗放發展期，未能總結過往的問題，也沒有加強監管部門的職能。政策功能主要體現在政府采購、制度約束功能不足，尤其各項政策均鮮見政府采購功能的應用，說明行業以市場競爭獲取產品需求為主。政策工具主要體現在知識產權工具未能充分使用，說明對創新結果的產權保護力度不夠。激勵約束主要體現在技能培訓層面，監督考核、法律保障不足，說明政策發文后，對于落實到具體操作層面的監督制度未得到政策的充分重視。

5 人工智能的研究前沿拓展

對人工智能研究前沿的探究，有助于進一步為人工智能政策的設計與實施提供理論基礎，探尋未來政策制定和修改的方向。本文選取2010—2021年中國知網期刊數據庫,對“人工智能”全文字搜索并手工篩選，去除會議文章等，得到中文文獻449 篇。運用CiteSpace 軟件對人工智能研究的相關關鍵詞進行時空分布可視化分析，結果如圖8 所示。其中年份由左到右排列，節點表示關鍵詞，圖形表示關鍵詞的時間聚合，連線表示某一關鍵詞被關注的時間跨度。

圖8 人工智能研究時間線

前沿研究表明，自2010—2021年，我國學術界對人工智能的研究一直保持持續性。2010年左右關注的焦點在于創新、全要素生產率、技術進步等方面；到2015年左右，人工智能的研究呈現爆發式增長，大數據、戰略規劃、人工智能時代等關鍵詞紛紛被提出；到2021年，學者開始研究人工智能科技產業和顛覆性技術，產業升級以及在醫療器械等方面的應用也逐漸進入學者的視野。將人工智能的研究分為3 個階段：2010—2013年，屬于人工智能研究的初始階段，主要研究人工智能新國際化趨勢與創新等問題； 2013—2016年，屬于人工智能研究的發展期，提出大數據、未來人工智能方向等問題；2016—至今，屬于人工智能研究的爆發期，研究議題的廣度與密度都增多，特別是一些新提法的提出，豐富了研究領域，同時，新一代人工智能、人工智能的科技產業、人工智能產業升級是2021年以來的研究熱點，近年來人工智能作用于勞動收入份額、專利互引、沖擊就業結構等熱點研究領域都得到了廣泛關注。

由圖8 可見，以近3年的文獻熱點來看，當前我國人工智能的研究領域聚焦于4 個方面：人工智能的倫理建設，體現在人類命運共同體、新一代人工智能建設、融合發展等方面，表明我國人工智能研究關注到宏觀環境與倫理建設；人工智能的教育與培訓，體現在以學生為中心的人才培養模式、規范化培訓、教學改革與實踐教學、專業人才培養等方面，表明我國人工智能教育與培訓受到重視；人工智能的技術層面建設，體現在產業領域，如人工智能醫療器械、區塊鏈、動態規劃算法等方面；監管領域，如產品質量管理體系、公司估值等方面。此外，諸如顛覆式創新、對就業結構的沖擊、“互聯網＋”政務服務，以及“十四五”展望與人工智能行業及研發的發展，都是學者關注的關鍵詞，相關研究為政策設計提供了前沿觀察和前瞻思路。

6 結論與建議

本研究依據政策范式理論構建了“政策語義—政策工具—政策評估”框架，從政策特征分析與政策效果評價框架下對我國人工智能政策進行了各維度的評估與挖掘，研究結果顯示，我國人工智能政策主要圍繞各行業的智能化和技術突破展開，國家對創新、研發與研究頗為重視，在政策文本中多次出現相關提法，凸顯了通過自主研發與創新，走自主發展人工智能行業之路的決心。在政策文本挖掘中，還發現大部分政策文本都傾向于技術應用，關注人工智能在交通、文旅、家居等方面的市場前景，從中央到地方各級政府都著力打造自己的人工智能全行業應用圖景。政策工具的分析呈現出使用不均衡的特征，供給型和環境型工具多、需求型工具少，而且對政府采購、對外貿易管制、反他國管制、購置補貼四項需求型政策工具重視度不夠，對監管政策的重視程度也不足。PMC指數模型評價的結果表明，我國各級政府發布的人工智能政策總體情況良好，而且政策在一定程度上還顯現出地方政府發布政策優于中央部委發布的政策，主要原因是地方政府更重視對中央一級政策的落實、更關注市場化推廣、使用的政策工具較為豐富、任務分解到位且責權明確，上述原因使得地方政府發布的文件更具可操作性、更落地，但政策之間具有效力差異性，相關政策條款亟待加強和完善，據此提出以下政策建議：

（1）加大需求端政策工具的組合性和靈活性應用、優化環境政策工具包。需求型政策工具起到直接拉動政策主體的作用，作用效果直接、效力較大。在人工智能快速發展過程中，通過政府采購的方式來拉動行業發展，直接為行業注入利潤是必要的，尤其在世界各國爭相發展人工智能行業的今天，通過政府采購的方式，可以酌情為市場中還相對實力弱、但成長性較好的企業提供一定的市場份額作為扶持性政策。加強對貿易管制和反他國管制方面政策的應用，并通過直接補貼的方式，讓人工智能企業更好周轉資金、以更高利潤率更高來抗擊市場風險。增加對知識產權保護環節的政策關切，人工智能作為高科技領域，發展進程中必然會產生很多專利和創新，在我國人工智能技術逐漸成熟的過程中，需要及時將專利和知識產權握在手中，以實現對研發外溢的保護。

（2）充分重視行業監管與行業標準的制定，確保行業安全發展。政策制定者要遵循行業發展規律，在各發展階段設計和實施有效的行業監管規定，一方面注重對國內行業發展現況的認識和摸底，適時出臺相應的監管措施，需要注意的是人工智能領域的高度自主性、自適應性和自生長性決定了行業監管有別于傳統模式，需要探索在潛在安全風險、技術預判等方面的前瞻，并據此立法予以規范；另一方面要關注國外的行業監管政策和模式，尤其是近來美歐對人工智能監管政策方面呈現的趨同和對標態勢要有清醒的認識，積極應對以影響和適應國際人工智能治理格局。尤其需要注意的是，美歐等技術高地都致力于通過或靈活或強硬的監管規則，以高標準立法來確保在該領域的科技和經濟領導地位，并借此重塑全球數字發展模式，我國應當及時與各國政策對標和協同，在積極變化與協調中形成體系化的特色政策，保證我國參與全球人工智能供應鏈的平穩運行，并且通過人工智能安全規范、倫理規范、行業標準等環節的調試，提升科技競爭力和規則話語權。

（3）開展對人工智能政策的整體系統性評估。隨著國內外人工智能技術的快速發展與科技環境的不確定性波動，政策注意力與需求也在不斷變化，需要建立一套對政策整體性、系統性評估的機制，找出對人工智能技術與經濟領域發展有促進效果的因素，以保證政策的科學性、及時性和體系性。當前，需要進一步加強政策覆蓋面以增強政策的功能，增加對政策診斷（問題的總結）、政府采購、知識產權和海外機構合作等政策工具的運用，一方面通過政策問診及時發現政策設計、執行和反饋中出現的問題，另一方面通過各類供求與環境政策的應用，保護創新型自主研發成果、促進與國外更多展開交流合作，以激勵行業快速健康地發展。人工智能政策系統與科技管理體制、創新成果市場轉化、行業人才的培育與發展等環節密不可分，對相關政策的落實和優化情況展開追蹤和評估，可以發現運行政策與創新主體需求不一致的地方，從而為政策調試與完善提供有益的參考，提升政策協同性和體系性。此外，我國將在數字經濟與人工智能領域的發展中實現向國際高端價值鏈轉移的戰略目標，人工智能作為多個行業的技術底座，實現其強大效能可以促進各行業整體的高端轉化，因此對現行政策系統的欠缺之處進行調整，有利于發揮政策能動性和效力，有利于國家數字化戰略的落地，通過制定政策細則、構建服務于細分行業的政策管理模式、“一企一策”的具體實施方式等，提高政策供需匹配性，以更好實現政策效果。