中美人工智能創新比較研究

［摘"要］人工智能是國際科技競爭尤其是中美競爭焦點之一。根據國家創新能力理論，文章全方位分析比較了中美人工智能創新，認為全球人工智能創新已形成中國和美國組成的“一大一強”格局。中美人工智能創新政策既有共性，也存在顯著差異。創新人才方面，美國人工智能人才規模更大、更有經驗，高質量人才占有絕對優勢，但中國人才規模和質量迅速提高，人才潛力巨大。創新資源方面，中美差距較小，且中國可能很快在算力和數據資源規模領域超過美國，但受限于美國打壓，短期內中美在超算和風險投資領域的差距有可能被進一步拉大。知識創新方面，中國正在快速進步，美國仍擁有絕對優勢地位。技術創新方面，中國在部分領域已具備比較優勢，但在基礎平臺和關鍵硬件創新等領域仍“受制于美”，面臨“卡脖子”風險。未來需要利用優勢加快推動實現人工智能高水平自立自強。

［關鍵詞］人工智能；國家創新能力；比較研究

［中圖分類號］"F8201［文獻標識碼］"A［文章編號］"1673-0461（2024）05-0001-12

《新一代人工智能發展規劃》明確指出，人工智能“正在引發鏈式突破”，是重大戰略機遇和重大歷史機遇，是建設創新型國家和世界科技強國、實現中華民族偉大復興的強大支撐。“十四五”規劃綱要和黨的二十大報告都以不同形式提出，要整合優化資源實施重大科技項目，加快實現人工智能的戰略性重大科技創新，培育打造新增長引擎，實施智能制造工程，推動企業和產業智能化轉型。美國早在2013年便開始研究國家人工智能發展戰略，歷任美國政府均極其重視人工智能發展，近年更立法提出美國要維護人工智能領導力和世界領先地位，將人工智能納入科技創新關鍵領域進行支持［1］。近年國際科技經濟競爭中，人工智能始終是美國圍堵打壓中國的重點領域之一。2022年末，OpenAI發布的大語言模型ChatGPT"35引起了全球對生成式人工智能的廣泛關注，也再次激起各國對人工智能發展的高度重視。在世界“進入激烈動蕩期”“外部打壓、遏制不斷上升”背景下，全面分析比較中美人工智能創新，理論上和實踐上都極為重要。

一、研究對象內涵和文獻綜述

（一）人工智能概念及其內涵

在不同時代和不同語境下，人們對人工智能的理解并不相同。例如，提出人工智能思想的計算機科學家圖靈（Turing）認為人工智能是指能與人對話且可能被誤認為是人的機器。人工智能之父馬文·明斯基（Marvin"Minsky）和帕特里克·溫斯頓（Patrick"Winston）都相信人類思維可以通過機器模擬，人工智能就是實現機器去做只有人才能做的智能工作的科學［2］，后者直接將人工智能定義為一種將“思維、感知和行動聯系在一起的循環的模型”。研究邏輯、計算理論和計算機語言的約翰·麥卡錫（John"McCarthy）認為人工智能就是讓機器人類人化，而艾倫·紐威爾（Allen"Newell）認為人工智能是一種如同人腦、心靈的物理符號操作系統［3］。

20世紀末，隨著計算機計算能力的提升和互聯網的發展，建立在邏輯學、概率論等基礎上的數學建模和深度學習等行為主義人工智能開始占據主流。在腦科學、移動互聯網、大數據、芯片等新理論新技術快速發展驅動下，人工智能迎來了第三次高潮。在此背景下，美國國家標準和技術研究所將人工智能定義為一種復合軟件和/或硬件，其“能學習解決復雜問題、進行預測或執行需要視覺、言語和觸覺等人類感官完成的任務，如感知、認知、計劃、學習、交流和身體運動等”［4］。OECD將人工智能定義為一種能通過為給定的一組目標產生預測、建議或決策等輸出來影響環境、基于機器的系統，其使用基于機器和/或人的數據和輸入，具備感知真實和/或虛擬環境的能力，能以自動化方式如機器學習，或手動分析將感知抽象為模型，并具備基于模型推理生成結果選項的能力［5］。

由此可見，雖然人工智能在科學層面通常被認為是計算機科學的分支，但新一代人工智能發展實際上是計算機科學與數學、物理學、心理學甚至哲學等緊密結合的綜合性應用學科。人工智能技術既離不開物理的芯片、存儲和計算、網絡、通信等設備，也離不開數據、算法和數據庫等軟件系統支撐，人工智能本質是新一代信息通信技術與自然科學和社會科學等多學科結合的綜合集成創新。因此，人工智能可以認為是對一類新興數字技術集群的統稱。

（二）文獻綜述

綜合來看，涉及不同國家人工智能創新比較的文獻主要有三種類型：第一類是研究人工智能指數"［6］。典型代表是斯坦福大學的年度人工智能發展指數，中國科技部信息技術研究所編制的全球人工智能創新指數和英國Tortoise公司發布的全球AI指數①等都屬于此種類型。由于人工智能指數涉及多個維度，從中可管窺或間接觀察包括中美在內主要經濟體人工智能創新水平的差異。第二類是研究國家或地區間人工智能競爭。例如，WANG和CHEN（2018）［7］比較早地研究了中美人工智能競爭，認為中美之間人工智能差距體現在技術、產業和人才等多方面，美國尤其是在人工智能理論和芯片領域遠超中國。美國信息技術與創新基金會（ITIF）下屬數據創新中心（Center"for"Data"Innovation）"［8］根據人工智能研究人員、論文、投資、企業AI應用、寬帶等基礎設施、數據和硬件等6個方面的指標分析比較了中國、美國和歐盟的人工智能創新競爭。近年國內類似相關研究［9］亦逐漸增多。第三類是中美人工智能專利［10-12］和關鍵技術"［13］等比較研究，或者是構建綜合性指標體系并以中美為對象開展研究［14-15］。

測度或者比較國家之間的產業技術創新能力對制定產業發展戰略和完善創新政策具有重要參考價值［16］。上述從不同角度開展的研究為我們呈現了中美人工智能創新能力的差異性，為完善我國人工智能創新政策提供了重要啟示，但也存在明顯不足。首先，創新指標在人工智能指數測度和人工智能領域的競爭研究中僅是一個側面，由于多數研究中涉及領域過于寬泛，如指標涉及婦女和種族等人工智能多樣性和人工智能治理，導致部分研究結論自相矛盾。其次，人工智能創新是復雜的綜合性創新，僅選擇專利、論文或芯片等少數指標或關鍵技術，仍很難全面反映兩個國家人工智能創新能力差異。最后，人工智能技術創新速度快，尤其是近年中美都將人工智能上升到國家戰略高度，中美人工智能技術水平都在快速提升，需要及時跟蹤變化。

雖然綜合性的指標體系法用于測度和比較國家間產業技術創新能力存在諸多優越性，且有越來越多研究［17］利用指標體系法測度人工智能創新能力，但要構建綜合指標體系測度和比較國家間人工智能創新能力仍存在較大困難。由于人工智能創新及創新環境的動態變化，創新過程存在異質性，傳統的研發投入指標和專利、創新數量等產出指標越來越難以反映不同國家的真實創新能力［18］。根據FURMAN和HAYNES［19］的國家創新能力理論，創新能力可以認為是從政策到投資、從大學到私營部門的一系列與商業化有關的創新的潛能。創新是一個從知識創新到技術創新再到產業化的過程。國家人工智能創新能力實際上反映的是國家創新體系在人工智能創新領域的效能體現，與創新政策、創新人才、創新資源、創新研究開發和創新績效等密切相關。因此，本文從創新政策、創新人才、創新資源、知識創新和技術創新等五個方面分析比較中美人工智能創新，并據此提出相應政策建議。

二、中美人工智能創新政策比較

（一）中國人工智能政策演進及其特點

研究［20］統計，2010年至2021年，我國在中央層面先后出臺人工智能相關政策138條。早期主要體現在支持新一代通信、“互聯網+”和中國制造等方面，包括相關部門先后開展智慧城市和智能工廠等試點，發布《機器人產業發展規劃（2016—2020年）》和《“互聯網+”人工智能三年行動實施方案》等一系列規劃，人工智能政策發布數量隨時間緩慢上升。2017年國務院發布《新一代人工智能發展規劃》，成為強化人工智能發展頂層設計的標志性事件。2018年10月中央政治局首次圍繞人工智能進行集體學習，2019年3月中央全面深化改革委員會

審議通過《關于促進人工智能和實體經濟深度融合的指導意見》，則進一步釋放了中央高度重視人工智能發展的信號。與此同時，國家《數字鄉村發展戰略綱要》和《“十四五”數字經濟發展規劃》等進一步強調了人工智能發展，相關部門先后出臺政策支持人工智能場景應用和智能網聯汽車等重點工作，人工智能教育、標準體系、創新治理和立法工作先后啟動。科技部先后成立新一代人工智能發展研究中心、人工智能規劃推進辦公室，啟動了國家新一代人工智能重大科技項目、開放創新平臺建設和試驗區建設等工作（見圖1）。

圖1"我國人工智能重要政策的演進（201601—202208）

注：資料為作者整理。時間軸下方為各部門出臺的相關規劃與政策文件。

從上述概括的政策演進歷程可以看出，首先，支持發展人工智能已上升為新國家戰略。以國務院名義單獨發布人工智能發展規劃體現了國家戰略意圖，在此之后的政策發布數量顯著增加，涉及范圍更加寬廣，都體現了頂層設計的作用，表明相關部門和各地在逐步落地、扎實推進人工智能發展。其次，我國主要是從產業政策角度，著眼于以人工智能促進產業轉型升級和培育發展新動能，因此強調人工智能與實體經濟深度融合，強調人工智能在制造業、農業、城市管理等中的場景發展和應用帶動。地方支持人工智能發展的規劃和政策，更清晰地體現了這一重要特征。再次，在百年未有之大變局背景下，政策正在轉向重視建設人工智能創新生態。早期多是由國家發改委和工信部等部門推動人工智能發展，近年科技和教育等部門則更加積極，政策措施不僅逐步拓展到基礎設施，更拓展到教育、人才培養、場景創新、示范應用和標準規范建設。以教育為例，2022年教育部批準了新增北京大學等95個高校設置人工智能專業，北京化工大學等40個高校設置數據科學和大數據技術專業，武漢大學等42個高校設置大數據管理與應用專業。教育部還在北京大學開展了人工智能助推教師隊伍建設試點。最后，人工智能發展日益重視統籌兼顧創新和治理。從2019年科技部提出“發展負責任的人工智能”開始，包括加強算法推薦管理，強化標準體系建設和智能網聯汽車準入管理等，都體現了我國日益重視人工智能治理問題。

（二）美國人工智能創新政策特點及中美人工智能創新政策簡要比較

通常認為，人工智能成為美國國家戰略的標志是2016年發布的《國家人工智能研發戰略計劃》和《迎接人工智能的未來》兩份政策文件。特朗普政府時期，在2017年《美國國家安全戰略》和2018年《國防戰略報告》中強調要發展人工智能保障美國國家安全，并于2019年發布總統行政令《維持美國在人工智能領域的領先地位》，啟動“國家人工智能倡議”，首次系統提出國家層面的人工智能發展計劃，明確了美國人工智能發展的重點領域，標志著美國人工智能戰略正式成型。拜登政府也延續了類似思路。因此，中美人工智能政策最大的共同點都是將發展人工智能上升為應對新科技革命挑戰的國家戰略，但在具體戰略實施上，中美存在明顯差異［21］。

第一，在戰略推動方式上，與我國強調高層戰略重視和規劃推動不同，美國更加強調體制的直接組織作用。例如，2021年，美國立法通過《推進美國人工智能創新方案》后，《2022—2026財年國家科學基金會撥款方案》和《無盡前沿法案》都明確將人工智能納入科技創新關鍵領域進行支持。不僅如此，美國甚至一反政府“不干預市場”的所謂傳統，反而極為重視利用“政府這只看得見的手”。例如，2018年5月，美國白宮首次組織召開人工智能研討會，宣布成立包括跨主要科技創新管理部門的人工智能專門委員會，向總統和聯邦政府提供建議。此后，美國又先后成立隸屬國防部的聯合人工智能中心（JAIC）和人工智能國家安全委員會。2021年初，美國白宮成立國家人工智能行動辦公室，作為統籌、協調、監督和實施美國人工智能戰略的國家中樞機構，并先后成立跨19個部門的人工智能機構間委員會、國家人工智能資源工作組和國家人工智能咨詢委員會，推動跨部門政策協調，統籌為人工智能研究提供開放計算機資源和政府數據，擬定關鍵資源和教育工具路線圖，定期向總統和國會提供關于人工智能研發、資金、競爭力提升、國際合作和相關法律問題的政策建議。相應地，與人工智能發展有密切關系的國防部、商務部、能源部等部門，也都設置了統籌協調資源推動人工智能發展的專門機構。

第二，在政策方向選擇上，與我國早期側重產業政策不同，美國始終都強調以創新政策推動人工智能發展。美國科學基金會牽頭建設人工智能研究院網絡，與相關部門和谷歌、英特爾等科技企業合作成立20余家國家人工智能研究中心和人工智能研究院，支持由華盛頓大學領導，牽頭成立包括麻省理工學院等10余家機構參與的人工智能算法研究所。未來美國人工智能研究院網絡將擴大到超40家大學和企業，將以整合研究力量、強化協同和聯合攻關等形式，打造發揮各自優勢的人工智能創新體系。另外，人工智能發展離不開數據，美國相關政府部門設置首席數據官，聯邦管理和預算辦公室成立首席數據官委員會，統籌推動數據安全、共享管理和監督，推動數據資源開放共享和利用數據資源的算力資源集中建設。同時，美國開放能源部與國家航空航天局的超級計算機Frontera和Pleiades供人工智能開發使用，投用新一代人工智能超級計算機Perlmutter，在阿貢國家實驗室建設人工智能測試平臺為社會提供服務。

第三，在創新政策工具選擇上，與我國相比，美國自特朗普政府開始，明確由國家出資支持人工智能創新。2019年，美國宣布為高校和非盈利機構的人工智能研究提供最長為期2年的規劃支持，包括人力招聘和提高機構的創新研究能力；與美國人工智能國家安全委員會簽約的研究機構，可獲得為期4至5年總額1"600萬至2"000萬美元的支持。2021年，美國提出未來5年為美國科學基金會撥款1"000億美元，支持人工智能等十大關鍵科技創新。2022年，美國《芯片和科學法案》提出至少要投資2"000億美元支持人工智能等技術創新。2022年度美國科學基金會預算撥款從85億美元增加到183億美元，人工智能被列入優先考慮范圍。除此之外，美國科學基金會等相關部門直接投資11個國家人工智能研究中心，推動開展人工智能關鍵技術研發。

第四，在人工智能與國家安全的關系上，與我國相比，強調安全已成為美國推動人工智能發展的最重要特色。例如，2018年美國國防部成立聯合人工智能中心，各軍兵種相應成立了人工智能小組。特朗普政府時期和拜登政府時期，美國國防部分別啟動了“人工智能下一步（AI"Next）”項目和“人工智能與數據（Artificial"Intelligence"and"Data）”計劃，目的是推動人工智能技術的基礎研究和國防領域的人工智能技術應用。2019年，美國人工智能國家安全委員會提出，保障美國在人工智能技術方面的全球領導地位是關系國家安全的優先事項。《國家人工智能倡議》提出，人工智能發展要體現美國價值觀和保障美國人的安全，必須“維護美國人工智能領導力”。2021年該倡議納入《2020國防授權方案》，再次明確人工智能對國家安全的戰略作用。同時，美國人工智能國家安全委員明確提出，未來人工智能增強能力將成為應對沖突的首選工具。近年來，美國聯合盟友瘋狂打壓圍堵我國人工智能及相關領域的領先企業和機構，很重要的一個原因是美國認為我國在人工智能領域投資規模大、技術進步快，有可能影響美國的技術優勢和全球人工智能領導力。將人工智能發展可能引發的問題“泛安全化”，“國家安全”已成為美國推動人工智能發展的重要借口。

三、中美人工智能創新人才比較

（一）人工智能人才規模比較

創新人才被認為是主導人工智能變革的核心因素［22］，甚至有研究［8］認為，如果控制影響人工智能創新人才的勞動力供給規模，不僅美國將獲得更大領先優勢，歐盟也將超越中國。

職業社交網站LinkedIn根據在線調查估計，2017年一季度，全球、美國和中國的人工智能相關人才分別為190萬人、85萬人和5萬人，美國和中國人工智能創新人才規模分別居全球第1位和第7位。此外，美國人工智能從業人員中有10年以上工作經驗的占比715%，中國有10年以上工作經驗的僅占387%，但中國高學歷人才占比比美國高約5個百分點。總體上，盡管近年來中國人工智能人才快速增長，但近期中外智庫相關研究［8，23］均認為，現階段美國人工智能人才更豐富且更有經驗，中國人工智能人才規模相對較小，經驗相對欠缺。

（二）人工智能高質量人才比較

根據對人工智能頂級會議研究論文作者的分析［24］發現，2020年人工智能頂尖人才主要分布在美國、中國、歐盟、加拿大和英國，其中美國和中國分別占59%和11%，如圖2所示。據研究［25］篩選出來的過去10年全球人工智能研究領域最有影響力的2"000位學者（AI"2000）統計分析發現，2022年去重后的1"898位學者中，美國和中國入選數分別為1"146人次和232人次，分居前2位，全球占比分別為573%和116%。第3位的英國入選115人次，其他國家入選學者數量均不超過100人次。與2021年相比，2022年入選AI"2000的美國學者人數減少了18人次，而中國增加了10人次。從近3年統計來看，中國入選學者增速均超過美國，顯示盡管中國頂級人工智能學者人數與美國尚存在較大差距，但中美之間的差距在不斷縮小。

從具體領域來看，中國在多媒體和物聯網兩個子領域入選AI"2000的學者人數分別為36人和29人，居第1位，美國在其他18個子領域學者人數均居第1位。在經典AI、語音識別、數據挖掘和芯片技術等11個子領域中，中國入選學者數均居第2位。但中國在計算機理論、人機交互、知識工程等11個子領域的權威學者數量非常少。這表明中國至少在部分人工智能細分領域的高質量人才已具有規模比較優勢。

另外值得注意的是，在前述根據頂級人工智能會議論文的作者分析發現，美國頂尖人工智能人才中，按本科畢業院校計算，只有20%來自美國本土，來自中國、歐盟、印度、加拿大和英國的分別占29%、18%、8%、5%和5%。對全球人工智能人才的流動研究發現，美國人工智能頂尖人才中，按本科畢業院校計算，來自本土的人才只占31%，超過2/3來自其他國家，其中來自中國的占27%，遠超其他任何國家和地區。本科畢業于中國的頂級人工智能人才，留在中國和前往美國的分別是34%和近56%，而在美國修讀研究生畢業的中國人才，留在美國的占88%，回到中國的只占10%。美國人工智能公司甚至國防部重要人工智能研究項目中，來自中國的人才均占有較高比例。中國已成為全球最大人工智能人才輸出國，吸引中國人才甚至被認為是美國人工智能發展的“秘密武器”［26］。這也從側面表明，中國高等學校本科教育質量高，人工智能人才資源潛力巨大。此外，在教育部支持下，高校增加了理工科尤其是STEM碩士和博士招生。據研究［27］統計，從2007年開始，中國STEM博士畢業生超過美國，預計2025年中國STEM博士畢業生將是美國的2倍。中國擁有大量相對低成本的大學畢業生，將是中美人工智能人才競爭的一個巨大優勢［28］。

四、中美人工智能創新資源比較

（一）算力資源比較

算力是人工智能創新必不可少的資源。據研究［29］估算，2021年美國和中國算力規模分別為160EFLOPS和140EFLOPS，兩國全球算力份額分別為31%和27%，分居世界前2位，但與美國相比，我國算力增速更快。

截至2023年10月，我國已先后在天津等10個城市批準建設國家級超算中心

，統籌東西部算力均衡發展和全國一體化大數據中心與協同創新體系建設，國家規劃了八大國家算力中心樞紐節點，國家新型算力網絡加速構建，預計中國算力規模將有可能很快超過美國。

我國對人工智能創新有較大影響的智能算力和超算算力占比相對較低。2021年，中國人工智能算力占總算力的207%，比全球平均水平低1個百分點。在超級計算機發展方面，以TOP500超級計算機［30］為例，在“神威·太湖之光”和“天河二號”帶動下，中國從2015年開始超級計算機數量和算力快速提升，其中超算數量在2016年中期

開始超過美國（見表1）。但隨著中美超算算力差距快速拉近，近年美國明顯加強了超級計算機領域的創新，率先研發出性能遠超其他超級計算機的全球首臺E級（EFLOPS，百億億級）超級計算機Frontier。同時，美國在2019年6月和2022年4月先后兩次將中國超算相關領域的12家公司列入“實體名單”，中國超級計算機和超算中心發展受到一定影響。2022年11月的TOP500中，中國和美國超級計算機分別有162臺和126臺。中美超算算力差距可能再次呈現拉大之勢。

（二）數據資源比較

數據是人工智能創新必不可少的“生產資料”。據楊晶和李哲（2022）［31］的研究

估算，2015年至今，我國數據年均增長超30%，數據總規模僅次于美國居全球第2位。2021年我國數據產量約66"ZB，占全球的99%［32］。近年來我國數字產業集群的國際競爭力不斷提升，數字經濟與實體經濟融合水平不斷提升，超大規模市場優勢為數字經濟發展提供了豐富應用場景。隨著數據要素化基礎制度的不斷健全，將會進一步強化中國超大規模市場和海量數據及其應用優勢。預計2025年我國數據規模將達到486"ZB，占全球數據量的278%，到2030年數據總量將超過美國。數據規模大、數據標簽成本低，“數據的力量”被認為是我國在中美人工智能競爭中的重要優勢［28］。

但不容忽視的是，由于數據要素化和市場化基礎制度建設剛起步，我國數據開放程度和共享程度低，嚴重制約了人工智能創新的數據使用。雖然各省區市建設了數據開放平臺，但平臺上線開放數據規模和層次不一。2020年底，約50%數據開放平臺上線數據集不超過100個，能按季度持續新增或更新數據集的數據開放平臺不足10%。此外，數據采集、加工和發布缺乏標準化，不同地方平臺之間相互封閉，數據調用難、調用數據容量小的問題較為突出。互聯網行業數據存在被少數企業壟斷現象［33］，再加上跨境數據流通不暢，“數據碎片化”和“數據孤島”現象已成為制約中國人工智能創新的重要因素。

（三）風險投資比較

人工智能是典型的資本密集型創新，風險投資對人工智能創新具有重要推動作用。據OECD研究［34］統計，從2012年到2020年，針對人工智能公司的風險投資從30億美元增長到近750億美元，占全球風險投資額的比重從3%增長到21%。在全球范圍內，中國和美國是人工智能風險投資浪潮的主要推動者。2020年中美兩國企業的人工智能風險投資占全球的近80%，高于兩國全部風險投資全球占比約8個百分點。中美兩國人工智能風險投資交易筆數約占全球一半（見表2）。美國人工智能投資始終保持較為穩定的增長。受疫情和外部環境變化等多重因素影響，近年中國人工智能風險投資增速呈下降趨勢，中美人工智能風險投資差距有所拉大。

從投資領域和投資對象來看，在全球范圍內，無人駕駛和相關移動技術領域吸引投資最多，2020年約190億美元，中美兩國和歐盟27國

吸引了全球98%的該領域風險投資。其次是醫療保健、藥品和生物技術領域，最后是提供業務流程和支持服務領域，2020年分別占人工智能領域投資的16%和11%（見表3）。具體到中美兩國，美國不僅風險投資規模大，而且涉及的風險投資公司多，有很多都是早期天使或種子融資，對創新的促進作用相對更大。中國人工智能風險投資涉及的公司相對少很多，有一些針對移動通信和自動駕駛汽車等行業的大額交易，超過1億美元的交易比例較高，風險投資的交易屬性更強，對創新的促進作用相對較弱。

五、中美人工智能知識創新比較

（一）基于科學出版物數量的比較

1人工智能出版物總量比較

科學出版物包括期刊論文、會議論文和電子預印本等，不僅是促進前沿科技領域知識交流的重要載體，也是知識創新的重要體現。據研究［35］統計，2010—2021年，全球人工智能出版物總量約增長了一倍，中國、美國和歐盟是主要力量。按照部門劃分，雖然中國、美國和歐盟都是教育部門占絕對主導地位，但美國和歐盟教育部門的份額一直在下降，而中國教育部門人工智能出版物的份額一直在上升。2021年，中國和美國教育部門的出版物份額分別為6024%和5763%，企業部門的份額分別為393%和976%。中國教育部門的份額最高，而美國企業部門的份額在全球主要經濟體中最高，顯示美國企業更加重視基礎研究（見圖3）。典型例證是，近期引起全球關注的ChatGPT35和Bert等都是源于谷歌公司2017年提出的機器翻譯模型Transformer。

2人工智能期刊論文出版比較

中國和美國都是主要的人工智能期刊論文出版大國。不同的是，2010—2017年，中國論文全球占比從45%左右大幅下降至27%左右，隨后緩慢提升至2021年的約31%，美國論文全球占比則相對較為穩定，基本維持在14%左右。從引用情況來看，中國人工智能期刊論文被引用量的全球占比在2015年超過美國，在2016年超過歐盟和英國位居世界第一。近年中國人工智能期刊論文被引用量的全球占比雖略有下降，但總體上保持上升態勢，2021年達2784%。美國人工智能期刊論文被引用量的全球占比則總體上呈持續下降態勢，2021年為1745%，顯示中國人工智能知識創新能力在快速提升。

3會議和電子預印文獻發表比較

會議文獻和電子預印文獻發表越來越成為新興科技創新知識傳播的流行方式，也是反映不同國家創新活躍度和創新水平的重要指標。從會議文獻來看，可能是得益于中國人工智能會議數量快速增加，會議出版物大幅增長，從2017年開始居全球第1位，2021年中美人工智能會議出版物數量全球占比分別約為276%和169%，被引用量占比分別為153%和295%。人工智能電子預印文獻方面，美國仍居世界領先地位，2021年文獻數量和被引用量全球占比分別約為325%和385%。中國發表的電子預印文獻全球占比從2010年的不足3%增加到2021年的166%，被引用量全球占比也增加到164%。這些都反映出中國人工智能領域的知識創新更為活躍，雖然中美之間知識創新水平仍存在較大差距，但中美之間的差距正在快速縮小。

（二）基于科學出版質量的比較

如果用頂級期刊和頂級會議發表的人工智能論文表示出版質量，中美人工智能高質量論文數量總體均保持增長態勢。2020年，中國人工智能高質量論文

約為4"135篇，全球占比約為2981%，美國人工智能高質量論文高達8"400篇，全球占比高達6056%，數量和占比均是中國的2倍多（見圖4）。盡管中國高質量人工智能論文快速增長，中美之間差距在緩慢縮小，但美國在人工智能領域的知識創新仍然在全球占有絕對優勢地位，其領先和主導地位并未有削弱或減緩跡象。

六、中美人工智能技術創新比較

（一）專利申請和授權比較

專利是經過各國專利機構登記和審核，且更易于轉化為現實技術和產業化的創新，因此通用國際發明專利（PCT）也是測度技術創新的最常用指標。人工智能是專利活動最活躍的領域之一。據統計，2015—2021年，全球人工智能專利申請量復合年增長率高達769%。

中美是人工智能領域技術創新的主要力量，美國始終是優勢主導力量，中國作為后來者正在奮力追趕，中美差距不斷縮小。例如，從人工智能技術生命周期來看，在人工智能技術發展的初始階段（1963—1992年），按照專利權人前50名所屬國家計算，起主導作用的主要是日本和美國，中國專利份額低于法國和德國。在萌芽階段（1993—2011年），雖然起主導作用的仍然是美國和日本，但中國已躍居第3位。進入快速發展階段（2012年至今）后，以國家電網、百度、騰訊等為代表的企業在人工智能專利申請中異軍突起，中國專利快速增加，專利份額超過美國躍居第1位［36］。

斯坦福人工智能研究所的統計［35］發現，自2017年開始，中國人工智能專利申請量超過全球的一半。2021年，中美人工智能專利申請量分別約為873萬件和196萬件，但同年美國授權專利近9"500件，中國授權專利只有1"407件，顯示中國人工智能技術創新存在一定程度上的虛假繁榮。從授權專利累積量來看，盡管不同研究定義的人工智能專利范圍略有不同，總體上都認為美國專利占比超過40%，中國專利占比不超過10%，中美之間仍然存在較大差距［10］。盡管如此，從授權專利份額來看，美國雖然仍占據較大優勢，但中國人工智能技術創新能力在快速提升，美國的相對優勢和中美差距呈持續縮小態勢（見圖5）。

（二）專利創新重點和差異比較

總體來看，美國在人工智能基礎層、技術層和應用層等三個層面的專利申請相對均衡，中國人工智能專利申請主要集中在應用層，呈現出嚴重的發展失衡和不協調現象［12］。具體而言，按專利申請量體現的專利國際地位和專利質量分［37］，中國在處理器/芯片和智能運載領域具有相對優勢，在智能設備、深度學習、知識圖譜產品等5個領域具有較大發展潛力，在計算機視覺、自然語言處理和機器學習等6個領域相對落后。美國在基礎研究領域有較深厚積累和研究傳統，在處理器/芯片、自然語言處理、機器學習等領域均具有相對優勢，在知識圖譜產品、智能運載、智能設備和智能機器人等領域相對落后，間接反映出中國作為后來者更加注重人工智能相對成熟的應用，同時正在發力于制約人工智能的半導體芯片等領域。

（三）基礎研究和關鍵核心技術創新比較

由于人工智能涉及軟硬件等多個學科和領域，很難用一個簡單指標來比較國家間人工智能基礎研究和關鍵核心技術創新的差異。這里從基礎研究與平臺、核心算法和系統軟件、關鍵硬件創新等3個方面簡單比較中美創新差異。

1基礎研究與平臺創新

從前述專利和企業分布可以看出，中國創新布局主要集中在機器學習、無人機、智能機器人、語音識別、自動輔助駕駛等人工智能應用領域，美國則在處理器和智能芯片、大模型算法和大型平臺等領域有更好的技術積累。例如，Transformer模型是近期生成式人工智能發展的基礎創新，最初是由美國谷歌公司提出。綜合來看，在通用人工智能基礎平臺方面，中美在圖像平臺和語音平臺等領域均有大量相對成熟且有一定知名度和規模用戶的平臺，中美之間勢均力敵；在云平臺領域，無論是市場規模還是創新能力和技術水平，中國距離美國仍存在一定差距；在深度學習平臺方面，美國主要大型科技公司均有具有較大影響力的開源平臺，如谷歌的TensorFlow和臉書的PyTorch等，中國僅有百度的Paddle有一定影響力，美國的開發者數量、平臺數量更多，且平臺影響力相對更大。

從開源AI項目來看，以向GitHub存儲庫提交的公共AI項目為例，2011—2022年，雖然中國開源AI項目占全球的比例只有略微增長，且仍遠低于美國，但美國開源AI項目占全球的比例出現了大幅下降。尤其值得關注的是，在影響力最大的開源AI項目中，中國占全球的比例迅速從273%上升到1592%，美國則從3384%下降到1486%，顯示中美人工智能在軟件層面的差距在迅速縮小（見圖6）。

2核心算法和系統軟件創新

算法和系統軟件是人工智能發展的“靈魂”，直接影響人工智能系統的計算和程序效率。美國在核心關鍵算法和系統基礎軟件等領域起步早，擁有較大優勢，中國學者對當前國際上廣泛遵守或引用的人工智能基礎算法模型貢獻不多，在框架層和芯片層布局人工智能算法與框架等原始創新及基礎創新的企業少之又少，多數企業主要是基于國外開源人工智能算法開發，抑或是直接接入國外人工智能算法或模型系統實現技術加成。例如，谷歌的TensorFlow和臉書的PyTorch人工智能框架在我國市場份額占比超過85%。核心關鍵算法和系統基礎軟件仍是制約我國人工智能創新的一大短板。

3關鍵硬件創新

圖形處理器（GPU）、現場可編程邏輯門陣列（FPGA）和人工智能（AI）專用芯片是影響新一代人工智能創新的關鍵硬件。據2021年底IDC統計，GPU主要是由美國企業壟斷，其中英偉達市場份額超過95%。中國GPU和FPGA企業多為2010年后成立，發展歷史短，技術積累相對較少，與美國存在較大差距。GPU設計和生產方面，只有景嘉微、芯動科技、壁仞科技等少數企業能設計GPU，其中部分企業引進國外技術，具有自主知識架構的主打產品與英偉達等存在較大代際差。FPGA部分，Intel和Xliinx占有超過99%的市場份額。中國目前僅有安路科技和紫光同創等少數幾家公司能生產FPGA，產品技術性能與美國存在極大技術差距，受制于人的情況較為嚴重。AI芯片部分，華為昇騰AI處理器、寒武紀思元、百度昆侖芯等近年來進步很快，與美國技術差距在快速縮小，但美國仍占據全球AI芯片80%以上市場份額。此外，關鍵硬件創新還面臨先進制程生產制造約束和美國仲裁的威脅。

七、結語和建議

中美都已將人工智能發展視為應對新科技革命和產業變革的重要國家戰略。比較研究表明，中國和美國已分別成長為全球領先的人工智能創新超級大國和超級強國，組成了全球人工智能創新的“一大一強”發展格局。從國家創新能力理論的不同維度來看，中美人工智能政策存在顯著差異，但都日益趨同于創新導向。與美國相比，中國人工智能創新有差距、有短板，但也有相對優勢，有突破超越機會。具體來看，在創新人才方面，

中國人工智能人才總體規模和高質量人才規模與美國相比均存在較大差距，但也在迅速提升，且得益于高等教育發展，中國人工智能人才發展潛力巨大。在創新資源方面，中美存在微小差距，且得益于國家重視和超大規模市場應用優勢，中國有望在算力資源和數據資源方面超過美國。在知識創新方面，學術文獻出版表明中國正在沖擊美國的絕對優勢地位。在技術創新方面，專利分析表明中國人工智能技術創新能力近年實現了飛速提升，整體上已具備沖擊美國領先地位的能力，且在部分領域具備了比較優勢，但美國人工智能研究歷史久，創新體系較為完備，技術創新生態健全，中國人工智能基礎平臺創新薄弱，半導體芯片等關鍵硬件創新等部分領域仍“受制于美”，“卡脖子”風險較大。

面臨外部打壓圍堵和遏制的不公平競爭，以及人工智能治理的時代挑戰，必須充分利用中國特色社會主義體制、新一代網絡基礎設施全球領先、超大規模市場、海量數據和人工智能人才潛力巨大等優勢，加快推動實現人工智能高水平自立自強。

第一，統籌發展與安全，完善人工智能國家發展戰略。強化頂層設計和系統推動是各國強化人工智能創新和競爭的通行做法［34］，因此有必要進一步從統籌發展與安全角度完善人工智能國家戰略的頂層設計，將人工智能高水平自立自強納入國家安全戰略范疇，健全推動人工智能發展體制機制，統籌協調各部門政策資源和數據資源，形成政策合力，強化自上而下的系統推動和橫向協調協作。借鑒美國經驗，設立跨部門的人工智能國家安全委員會，以強化人工智能在國家安全中的創新驅動作用。完善和參與人工智能國際治理合作，更好參與國際競爭。

第二，發揮新型舉國體制優勢，多渠道攻關“卡脖子”技術。國家相關部門要加強統籌，協調科研院所和地方現有高性能芯片共享使用；在“東數西算”框架下科學布局人工智能算力中心和國家超算中心，避免智算中心“無序”發展造成高性能芯片和超級計算機資源無法形成合力，加快建設智能算力網統一調度結算公共服務平臺，以云端智能計算彌補高性能芯片不足制約。同時，要科學分析“卡脖子”技術問題，協調科研院所、高等院校和企業成立若干國家人工智能工程研究中心，建立類似于美國的人工智能研究院網絡，打造人工智能發展的國家戰略科技力量。要統籌運用好財政、稅收、金融和人才等政策工具，支持企業、科研院所和高校聯合開展“卡脖子”技術攻關與產業化，著眼國家安全加強人工智能關鍵產業鏈的國產替代支持，加大對芯片、算法、算力平臺等人工智能基礎研究支持。

第三，發揮數據和人才優勢，培育人工智能創新生態體系。利用數據規模大和人才潛力大優勢，不僅可以適度彌補短期內“卡脖子”技術制約，也有利于加快形成中國人工智能技術優勢。要以建立國家數據局為契機，加強數據要素市場建設頂層設計，加快建立健全數據要素化價值化基礎制度和標準規范，培育數據要素市場。推動公共數據開放共享，加強數據集建設與管理，提升數據開放平臺可用性和跨區域平臺間數據互調能力，讓數據“用起來”。同時，要加快推動事業單位人才改革，促進高校、科研院所與企業人才自由有序流動，健全人才流動機制，加大高層次人才激勵，多渠道探索引進和加強與海外高層次人工智能人才合作的有效途徑。

第四，發揮應用牽引作用，促進人工智能+實體經濟融合創新。人工智能是重要的生產力工具，產業應用場景創新還是人工智能技術迭代、功能升級的必經之路。因此，應研究擴大無人駕駛等人工智能重大創新應用試點，加快人工智能在智慧城市、國土和生態環境監測預警等中的重大應用，加快推動無人智能作戰

等人工智能在國防和國家安全等領域的應用。要以制造業、農業、物流業、采掘業、金融、商務和生活服務及衛生健康等為重點，加大智能工廠和人工智能應用場景創新試點，推動傳統產業數智化轉型，探索形成技術賦能產業升級、應用帶動技術創新的相互促進發展格局。

［參考文獻］

［1］SCHERER"M"U."Regulating"artificial"intelligence"systems："risks，"challenges，"competencies，"and"strategies［J］."Harvard"journal"of"law"amp;"technology，"2016，29（2）：48-54.

［2］張陽.人工智能之父馬文·明斯基逝世"科學界巨星隕落［N］.環球時報，2016-01-27.

［3］梁迎麗.人工智能的理論演進、范式轉換及其教育意涵［J］.高教探索，2020（9）：44-49.

［4］United"States"Patent"and"Trademark"Office."Inventing"AI："tracing"the"diffusion"of"artificial"intelligence"with"USpatents［EB/OL］.［2023-09-06］.https：//wwwusptogov/sites/default/files/documents/OCEDHAIpdf，2020.

［5］OECD"（forthcoming）.OECD"framework"for"the"classification"of"AI"systemspreliminary"findings，"OECD"Publishing［EB/OL］.［2023-09-06］.https：//oneoecdorg/document/DSTI/CDEP（2020）13/REV1/en/pdf.

［6］李莉，崔磊磊，吳新年，等.基于多源數據的人工智能產業全鏈條態勢研究［J］.科技管理研究，2021，41（21）：100-111.

［7］WANG"YOU，CHEN"DINGDING."Rising"SinoUS."competition"in"artificial"intelligence［J］.China"quarterly"of"international"strategic"studies，"2018，"4（2）：241-258.

［8］DIANEL"CASTRO，"MCHAEL"MCLAUGHLIN，"ELINE"CHIVOT."Who"is"winning"the"AI"race："China，"the"EU"or"the"United"States？［EB/OL］.（2019-08-19）［2023-09-06］.Center"for"Data"Innovation，"https：//www2datainnovationorg/2019chinaeuusaipdf.

［9］賈夏利，劉小平.中美人工智能競爭現狀對比分析及啟示［J］.世界科技研究與發展，"2022，44（4）：531-542.

［10］陳軍，張韻君，王健.基于專利分析的中美人工智能產業發展比較研究［J］.情報雜志，2019，38（1）：41-47.

［11］王杰，馬澤敏，王維霞，等.基于PCT專利分析的全球人工智能產業技術發展比較研究［J］.中國發明與專利，"2020，17（8）：39-46.

［12］聶洪光，范海榮.基于專利數據的中美人工智能創新能力比較研究［J］.中國科技論壇，2020（5）：154-162.

［13］徐國亮，陳淑珍.中美人工智能專用芯片龍頭企業發展路線對比研究［J］.生產力研究，"2020（5）：73-76.

［14］陶于祥，吳超楠，李晶瑩，等.基于技術生命周期的中美人工智能原始創新能力研究［J］.中國電子科學研究院學報，2021，16（12）：1215-1223.

［15］王山，陳昌兵.中美人工智能技術創新的動態比較——基于人工智能技術創新大數據的多S曲線模型分析［J］.北京工業大學學報（社會科學版），2023，23（3）：54-67.

［16］薛瀾，陳玲，王剛波，等.中美產業創新能力比較："基于對"IC"產業的專家調查［J］.科研管理，2016，37（4）：1-8.

［17］袁野，汪書悅，陶于祥.人工智能關鍵核心技術創新能力測度體系構建：基于創新生態系統視角［J］.科技進步與對策，2021，38（18）：84-93.

［18］李旭輝，楊夢成，嚴晗，等.中國人工智能產業科技創新能力測度及趨勢演進［J］.科研管理，2023，44（1）：1-7.

［19］FURMAN"J"L，HAYNES"R."Catching"up"or"standing"still？"National"innovative"productivity"among"“follower”"countries，1978—1999"［J］."Research"policy，2004，33"（9）"："1329-1354.

［20］張濤，馬海群.中國人工智能政策主題熱點及演進分析［J］.現代情報，2021，41（11）：150-161.

［21］劉玉書.中美人工智能戰略及政策的比較研究［J］.云南行政學院學報，2022（1）：101-124.

［22］LinkedIn.全球AI領域人才報告［EB/OL］.（2017-07-27）［2023-09-06］.https：//businesslinkedincom/zhcn/talentsolutions/c/17/07/AIReport.

［23］中國科學技術信息研究所.2020全球人工智能創新指數報告［M］.北京：科學技術文獻出版社，2022.

［24］MACROPOLO."The"global"AI"talent"tracker［EB/OL］.（2020-06-09）［2023-09-06］.https：//macropoloorg/digitalprojects/theglobalaitalenttracker/.

［25］智譜·AI，清華大學人工智能研究院.2022年全球最具影響力人工智能學者（AI"2000）分析報告［R/OL］.（2022-01-25）［2023-09-06］.https：//staticaminercn/misc/pdf/AI200022pdf.

［26］MOZUR"P，METZ"C."A"US."secret"weapon"in"AI.："Chinese"talent［N］."New"York"Times，2020-06-09.

［27］WM"C"HANNAS，HUEYMEEI"CHANG，DANIEL"H"CHOU，"et"al."China’s"advanced"AI"research［EB/OL］.［2023-09-06］.https：//csetgeorgetownedu/publication/chinasadvancedairesearch/.

［28］LEE"KAI"FU."AI"super"powers："China，"Silicon"Valley，"and"the"new"world"order［M］."Boston，"MA："Houghton"Mifflin"Harcourt，2018.

［29］中國信息通信研究院.中國算力白皮書（2022年）［R/OL］.［2023-09-06］.https：//wwwxdyanbaocom/doc/xatk20pa4v？bd_vid=7920894695079040305.

［30］TOP"500"The"List."Top500"List"［EB/OL］.（2023-03-20）［2023-09-06］."https：//wwwtop500org/statistics/overtime/.

［31］楊晶，李哲.大國博弈背景下加強我國數據資源布局的思考［J］.全球科技經濟瞭望，2022，37（9）：43-47.

［32］國家網信辦.數字中國發展報告（2021年）［EB/OL］.（2022-08-02）［2023-09-06］.http：//wwwcacgovcn/2022-08/02/c_1661066515613920htm.

［33］鄧美薇.日本人工智能的戰略演進和發展愿景及其啟示［J］.日本問題研究，2022，36（2）：11-21.

［34］OECD."OECD"Framework"for"the"classification"of"AI"systemspreliminary"findings［EB/OL］.（2022-02-22）［2023-09-06］.https：//wwwoecdorg/publications/oecdframeworkfortheclassificationofaisystemscb6d9ecaenhtm.

［35］Stanford"University"HumanCentered"Artificial"Intelligence."Artificial"intelligence"index"report"2022［EB/OL］.［2023-09-06］.https：//aiindexstanfordedu/aiindexreport-2022/.

［36］虞舒文，周立軍，楊靜，等.全球人工智能專利合作格局演化研究［J］.科學與管理，2022，42（6）：19-26.

［37］張誠，朱東華，汪雪峰"."集成電路封裝技術中國專利數據分析研究［J］.現代情報，2006"（9）"：160-166.

Comparative"Study"on"Artificial"Intelligence"Innovation"

between"China"and"the"United"States

Peng"Xushu

（Institute"of"Quantitative"amp;"Technological"Economics，"Chinese"Academy"of"Social"Sciences"，"Beijing"100732，China）

Abstract："""Artificial"intelligence"is"one"of"the"focuses"in"international"technological"competition，"especially"between"China"and"the"United"States."Based"on"the"theory"of"national"innovation"capability，"the"article"comprehensively"analyzes"and"compares"artificial"intelligence"innovation"in"China"and"the"United"States."The"author"concludes"that"global"artificial"intelligence"innovation"has"formed"a"pattern"of"“one"super"country"and"one"strong"country”"referring"respectively"to"the"United"States"and"China."They"have"both"similarities"and"significant"differences"in"artificial"intelligence"innovation."First，"the"United"States"has"a"larger"population"of"artificial"intelligence"talents"who"are"more"experienced"and"highquality."So"in"terms"of"innovative"talents，"the"United"States"has"an"absolute"advantage."However，"the"number"of"talents"in"China"is"being"rapidly"increased，"and"their"potential"is"enormous."Secondly，"bothnbsp;China"and"the"United"States"have"adequate"innovation"resources."But"China"may"soon"surpass"the"United"States"in"terms"of"computing"power"and"data"resource"scale."However，"due"to"the"pressure"from"the"United"States，"the"gap"between"China"and"the"United"States"in"the"fields"of"supercomputing"and"venture"capital"may"be"further"widened"in"the"short"period"of"time."Thirdly，"China"is"making"rapid"progress"in"knowledge"innovation，"but"the"United"States"still"holds"an"absolute"advantage."Fourthly，"in"terms"of"technological"innovation，"China"already"has"advantages"in"some"fields，"but"in"areas"such"as"basic"platforms"and"key"hardware"innovation，"it"is"still"constrained"by"the"United"States"and"faces"the"risk"of"being"stuck"in"the"neck."At"the"end"of"the"article，"the"author"suggests"that"in"the"future，"China"needs"to"make"good"use"of"its"own"advantages"to"accelerate"the""selfreliant"highlevel"artificial"intelligence.

Key"words：artificial"intelligence;"national"innovative"capacity;"comparative"study

（責任編輯：張積慧）