中国发展人工智能产业的建议

温晓君

人工智能或将改变整个信息产业的“游戏”规则，是中国信息产业实现从跟跑到并跑甚至领跑转折的关键

对人工智能发展现状及趋势的判断

1.专用人工智能在特定约束条件下已具备超越人脑某个方面的能力，但通用意义上人工智能的实现依然是一个漫长而复杂的过程。人工智能融合了信息科学、控制理论、神经医学、心理学等多个领域，其最终目标是用机器去实现需要由人类智慧才能完成的任务。人工智能的发展需要多学科交叉融合形成体系化支撑，单点理论、单项技术的突破并不足以构成真正意义上的“智能”。历史上人工智能的发展历经多次起伏，一方面受限于特定历史阶段某项关键技术指标和能力的短板，如计算机处理性能、神经网络算法成熟度、数据样本丰富程度等，另一方面也由于人们对“智能”的理解不断深化和拓展，拥有了更高的期望目标。

近年来，随着计算机、智能终端、移动互联网、物联网、大数据等技术的飞速发展，制约人工智能发展的外部技术瓶颈得以突破，专用人工智能发展步入快车道，在语音语义图像识别、智能控制、专家系统等细分领域形成了一系列应用成果。谷歌AlphaGo采用更为优化的深度学习神经网络，在规则已知和逻辑可控的棋类竞技中实现了对人类的超越；IBM的沃森机器人能够在几秒之内筛选数十年癌症治疗史中的100多万份患者病例记录，为医生提供可供选择的循证治疗方案。但无论是AlphaGo还是沃森都需要由人类预先进行知识分类和设计干预，并且“智能”水平的高低很大程度上取决于先验样本学习的数量和准确性，远未达到能够替代人类智能的通用人工智能水平。有资料表明当前通用人工智能的综合能力仅与蠕虫的智能相当。

因此，当前以及未来相当长一段时期人工智能产业化发展的重点在于专用型人工智能，特别是在某些需要对人类大脑某项能力进行延伸和对人类判断决策进行辅助的场景，如智能交通、无人驾驶、航空、金融等细分行业领域。

2.人工智能产业链重心开始向底层硬件迁移。人工智能发展是计算机硬件、软件技术交替前行、牵引演进的产物，其技术要素主要包括四个方面。一是智能的感知、传感系统，包括各类用于信息数据采集和环境感知的传感器件和设备；二是智能的指挥中枢，主要指用于代替人脑的处理器芯片；三是智能的信息处理算法，包括一切用于辅助人脑或模拟人脑进行认知学习、思维分析的软件算法；四是海量的学习数据，为人工智能机器学习提供充足的先验样本。

互联网、移动互联网的蓬勃發展积累了海量的学习样本，深度学习算法的提出从软件层面模仿了人类大脑对底层信号的分级处理和特征提取，使得学习目标更精准、更有效，一批应用于语音和图像识别、机器翻译、机器搜索等领域的神经网络软件产品纷纷涌现。但是现有的神经网络分布式算法几乎全部建立在传统的集中式计算硬件架构基础上，在计算效率、能耗开销等方面存在严重的软硬件不匹配，无法从根本上发挥人工智能技术的优势，迫切需要从底层硬件层面加以解决。

以IBM、高通为代表的芯片巨头企业陆续推出了硬件层面模拟的“类人脑芯片”或人造“神经元”，IBM主导的SyNAPSE项目预计将推出采用其人脑芯片的计算机原型。除芯片之外，近年来面向物联网应用的生物、运动、医学、健康、环境类智能传感器，以及面向智能制造、工业互联网应用的微机电器件等发展迅速，人工智能发展重心呈现向硬件底层快速渗透的趋势。

3.“智能产业”的出现加速人工智能的行业应用。伴随信息技术的溢出效应，传统产业产品及服务近年来呈现出显著的智能化特征，催生出智能制造、智能交通、智能物流、智能家居、智能家庭服务机器人、智慧健康养老等一批新业态新模式。“智能产业”的出现，为人工智能的发展提供了广阔的行业应用空间，极大促进了人工智能产业化进程。

中国发展人工智能面临的机遇和挑战

近年来，美欧等国家通过巨额研究经费支持和骨干企业密集融资、收购等方式，在人工智能领域不断加大投入，开展专利布局，以技术和应用为纽带构筑产业生态。中国在人工智能基础研究领域并不落后，人工视觉、语音语义识别等细分行业应用甚至处于国际领先水平，涌现出一批具备国际竞争实力的企业和研究机构，已具备发展人工智能的良好基础。作为新兴领域，国内外人工智能产业化目前发展基本同步，国外企业加快发展的同时，国内企业也在积极布局跟进，这给国内企业提供了同步参与国际创新、同台竞争的机遇。但从全局来看，国内企业多定位在人工智能低端应用，产业仍面临产学研用脱节和人才队伍储备不足等诸多难题。

1.产业链上下游协同机制尚未健全。中国人工智能产业目前仍以单打独斗为主，各企业在相关领域进行了一定的研究，但缺乏技术间的协同，产品间的互联互通和上下游的互动缺乏有效协调。尤其是公共基础服务平台的匮乏限制了人工智能产业链上下游交流合作，无法形成发展合力。

2.公共基础服务能力亟待提升。为推动人工智能产业发展，欧美日等主要经济体均提出了实施“脑计划”工程，提升人工智能公共基础服务能力。中国人工智能产业仍处于初步发展阶段，基础公共服务能力不强：一是面向全行业的深度学习、类脑智能等人工智能平台仍不完善，各领域相关企业在重复建设小型人工智能平台，智能分析技术参差不齐，不利于技术的集中和资源的集聚；二是行业重要公共资源库仍处于空白，支撑深度学习的文献、语音、图像、视频、地图及行业应用数据等人工智能海量训练资源库和标准测试数据较为分散，难以集中应用；三是人工智能综合标准化体系仍需研究，支撑行业发展的基础性、技术性、安全性标准仍需进一步加强研究，以为行业健康发展和应用普及奠定基础。

3.重点领域关键技术仍需突破。在人工智能前端平台方面，支撑深度学习的大规模计算机集群技术仍需要进一步完善，提升计算机集群的软硬件协调效率和性能，为海量数据计算提供支撑。同时，在深度学习算法方面，要进一步完善算法框架模型和算法程序，提升智能化分析水平和决策水平，优化人工智能应用服务。在关键智能硬件设备方面，要进一步突破关键传感器、高性能中央处理器、轻量级操作系统、应用程序软件、快速组网等关键技术，促进智能硬件产品的创新发展。亟需协调行业内骨干企业加大联合技术攻关力度，解决行业共性问题和需求，突破产业链发展瓶颈，为行业发展提供强有力支撑。

4.知识产权共建共享机制匮乏。人工智能是专利密集型行业，据统计，人工智能技术领域的相关专利申请数量已超过2.4万件。从区域看，美国以9786件专利申请位居全球第一，且专利申请大多跟算法有关，其中主要人工智能专利持有企业为IBM（2399件）、谷歌（2171件）、微软（1544件）。中国在人工智能领域共提交专利申请约6900件，相关专利申请侧重于商业场景应用等，国内的主要研发企业为百度（446件）、阿里巴巴（383件）、騰讯（201件）等。同发达国家相比，中国相关企业的专利竞争力仍显不足，应大力加强专利领域合作，提升国内人工智能知识产权布局。

5.基础软硬件短板依然存在。目前，美国在人工智能研究方面具有领先优势，在类脑研究及算法研究等基础领域起步早、投入大，在集成电路和软件领域保持领先水平。目前，中国集成电路芯片的设计及制造水平均与国际领先技术存在一定的差距，软件技术也尚未达到国际领先水平。在人工智能技术竞争的时代，亟需解决这类基础技术的短板，为人工智能技术从实验室走向消费市场，从前沿技术研究走向不同领域的应用提供切实的基础技术支撑。

中国人工智能产业发展的措施建议

1.加强人工智能核心技术研发和产业化。制定人工智能产业技术发展路线图，在客观分析、科学研判的基础上，找准产业未来发展的薄弱点和赶超点。加大资金投入力度，重点突破自然语音语义识别、机器学习、智能搜索等关键技术，完善核心芯片、显示器件、智能传感器、开发工具与集成环境等产业链配套。有序推进类人脑计算机、深度学习等前沿理论研究和技术创新，强化人工智能产品原始定义能力，扭转技术路径跟随以及产业链关键环节受制于人的被动局面，形成自主可控的产业体系。

2.有效推进人工智能行业应用示范。加快人工智能技术在家居、汽车、无人系统、安防等领域的推广应用，提升生产生活的智能化服务水平。支持在制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展人工智能应用试点示范，提升人工智能的集群式创新创业能力。在未来3-5年内，逐步推广人工智能应用领域，进一步推动人工智能在生活、公共安全、工业设计、医学、规划、交通和文化教育行业等领域中的规模化应用。

3.加快制定关键技术标准规范。开展人工智能综合标准化体系研究，推动建立人工智能融合标准体系。建立并完善基础共性、互联互通、行业应用、安全服务、隐私保护等技术标准，研究建立人工智能系统的智能化水平评估标准。加强智能家居、智能汽车、智能机器人、智能可穿戴设备等热点细分领域的网络、软硬件、数据、系统等标准化工作，鼓励人工智能领域的国内标准化组织、行业组织、企业参与国际标准化工作，推进自主人工智能相关标准国际化。

4.打造高水平公共服务平台。建立集技术研发、示范应用、产品检测认证、知识产权等功能为一体的产业公共服务平台。打造人工智能创新孵化中心，促进产融对接，扶持创新创业企业。

（作者为中国电子信息产业发展研究院电子信息产业研究所副所长）