中国智能经济的涌现机制

2019-05-29刘刚

重庆邮电大学学报（社会科学版） 2019年5期

刘刚

(南开大学经济学院，天津 300071)

自1956年在美国达特茅斯会议上正式提出人工智能概念以来，人工智能科技经历了一个曲折发展的历程。2006年，由于深度学习的提出，人工智能技术开始在图像和语音识别领域率先获得突破性进展。2016年3月15日，谷歌机器人AlphaGO以四比一的战绩战胜围棋世界冠军李世石，掀起了人工智能研究和产业化的热潮，人工智能步入AI 2.0发展阶段。

与早期的人工智能(AI 1.0)概念不同，新一代人工智能(AI 2.0)不再是用计算机简单地模拟人的智能，而是基于网络空间发展的数据智能。在新一代人工智能科技产业的发展上，中国走在了世界前列。乌镇智库发布的《全球人工智能发展报告(2018)》的数据显示，2009至2018年间，中国累计新增人工智能企业3 362家，占亚洲累计新增AI企业总数的75.20%，占全球新增总数的23.78%。2018年，中国人工智能企业融资规模达157.54亿美元，占亚洲人工智能企业融资额的93.09%，全球人工智能企业融资数额的46.94%。

在人工智能领域，中国不仅企业家数和融资额全球领先，而且论文发表和专利申请也排名全球第一。清华大学发布的《中国人工智能发展报告2018》显示，中国在论文总量和高被引论文数量上都排名世界第一，是人工智能领域专利布局最多的国家。

尽管国内外的权威机构对中国人工智能科技产业取得的成绩高度认可，但是如何科学评价中国在人工智能领域的技术创新和产业化水平，成为政府、产业界和学术界共同关注的话题。牛津大学人类未来研究所(Future of Humanity Insti-tute)发布的《解密中国人工智能梦想》(Deciphering China’s AI Dream)的研究报告中，通过硬件、数据、算法水平和商业化进展四个方面的比较和评估，认为在人工智能发展领域，除了数据，中国在硬件、人才、算法和商业化方面均落后于美国。同时，报告的主撰稿人Jeffery Ding指出，中国的政策制定者、研究机构和科技公司在人工智能领域的思想深度和思考的广度，大大超出了人们的预期，AI是中国第一个真正有机会制定游戏规则的技术领域。

与发达国家相比，在人工智能基础研究方面，中国不仅起步较晚，而且经历了诸多曲折和坎坷。直到1978年改革开放之后，中国的人工智能基础研究才开始步入发展的轨道。吴文俊教授所提出的利用机器证明与发现几何定理的新方法——几何定理机器证明获得1978年的全国科学大会重大科技成果奖，是中国人工智能研究早期阶段的标志性事件[1]。从20世纪80年代至90年代末，尽管中国在基础研究领域取得了一系列进展，但是在产业化方面却长期滞后于以美国为代表的发达国家。

与AI 1.0阶段不同，在AI 2.0阶段中国的人工智能科技产业获得了飞速发展。其中的关键因素是互联网，尤其是移动互联网的发展。随着互联网在电子商务、数字内容和新媒体、众包和交通出行领域的广泛应用，海量数据的产生催生了智能科技产业的发展。云计算和芯片处理能力的进步，使得中国企业在以深度学习为代表的人工智能核心技术取得了重大突破，加速了在图像识别、语音识别和自然语言处理领域的技术进步和应用发展。2012年开始，中国的人工智能科技产业开始步入快速发展阶段。包括阿里巴巴、腾讯和百度在内的互联网平台企业纷纷加大了对人工智能领域的技术投入和战略布局，构建了一系列人工智能的开放平台，为人工智能技术创新和产业化打下了坚实的基础。

百度在2012年将深度学习技术成功应用于自然图像识别和人脸识别；腾讯2015年成立智能计算与搜索研究室，成功推出撰稿机器人(dream writer)；阿里巴巴则致力于底层平台的搭建，推出人工智能平台DTPAI，同时联合富士康对机器人公司SBRH进行战略投资；华为在2012年成立诺亚方舟实验室，开展包括数据挖掘在内的人工智能技术研究。

在语言识别技术方面，包括百度、Google、Sound Hound在内的国际企业的语言识别准确率在2015年均超过了90%。2016年第四届CHiME Challenge结果表明，绝大部分参赛团队在六麦克风条件下的识别错误率在7%以内，其中科大讯飞为2.24%，排名第一，经过近年的努力，科大讯飞语音识别的准确率正在通过人类99%识别准确率的阈值。

在计算机视觉领域，在2016年的ImageNet图像竞赛上，中国学术界和产业界团队包揽了多项冠军。例如，商汤科技和香港中文大学获得目标检测第一，公安部三所获得目标定位第一，海康威视获得场景分类第一。

核心技术的进步推动了人工智能在包括科技金融、智能交通、共享经济、智能家居和智慧城市在内的应用领域的长足发展。无论是从技术创新还是从产业化方面看，我国人工智能科技创新往往率先发生在产业界。围绕着智能科技的产业化和产业的智能化，2010年至2016年期间涌现出一批人工智能企业。与改革开放以来的工业化过程根本不同，中国人工智能科技产业发展的主导者是本土创新型企业。

人工智能科技产业的发展与我国的经济转型升级相伴随。2006年，创新型国家战略正式提出，2012年国家进一步提出创新驱动发展战略。中国经济在从制造经济向创新经济的转型过程中创造出强烈的数字化和智能化需求，催生了人工智能科技产业的发展。尤其是随着人工智能与实体经济的深度融合，人工智能科技产业成为新经济发展的前沿。

为什么在刚刚经历了加速工业化之后，中国的智能经济能够快速涌现？其中的关键动力机制是什么？随着人工智能发展上升为国家战略，从理论上回答中国智能经济涌现的内在规律有助于总结成功经验，对中国智能经济发展的趋势做出科学的分析和判断。

一、文献综述

早在20世纪20年代，熊彼特就指出，创新是经济长期发展的根本驱动力。作为熊彼特创新思想的继承者，新熊彼特学派提出了技术经济范式概念以解释新兴技术产业化与经济增长之间的关系。

1982年，多西(Dosi G)将科学哲学的“范式”概念引入到技术创新研究领域，提出了“技术范式”概念并将其定义为解决所选择的技术经济问题的一种“模式”[2]。弗里曼和佩雷斯在继承多西“技术范式”的基础上，使用“技术经济范式”概念刻画技术进步与经济增长的关系[3]。

技术经济范式在解决科技创新如何影响经济增长的过程和机制时，提出了“关键生产要素”概念。弗里曼和佩雷认为，“关键生产要素”是技术经济范式中的“一个特定投入或一组投入”，它可能表现为某种重要的自然资源或工业制成品。“关键生产要素”具备如下三个方面的特征：(1)生产成本具有下降性；(2)供应能力具有无限性；(3)运用前景具有广泛性[4]。

当科学和技术领域产生重大创新时，围绕着“关键生产要素”的生产和供应出现主导技术群落。新兴产业群的出现以“关键生产要素”为导向的技术群落形成和发展为标志，其构成新经济发展的核心产业部门。随着“关键生产要素”成本的降低和供给能力的扩张，新兴产业与现有产业相互融合创造了融合产业部门，为主导技术群落提供了更广阔的应用空间。在弗里曼和佩雷斯看来，迄今为止，人类社会已经经历了三次科技产业革命[5]。第一次是蒸汽革命，第二次是电气革命，第三次是电子革命。棉花、生铁、煤炭和蒸汽动力的海陆运输是第一次科技产业革命的“关键生产要素”；第二次科技产业革命的“关键生产要素”是钢铁、电力运输、电报和电话；而第三次科技产业革命的“关键生产要素”则是以石油为主的廉价能源和电子设备。围绕着“关键生产要素”所形成的新兴产业及其向传统产业的扩张带来的融合产业部门的发展，共同推动了经济的长期增长。

随着互联网、物联网、大数据、云计算和新一代人工智能技术的发展，第四次工业革命已经开始崭露头角。早在20世纪80年代初，约翰·奈斯彼特就指出，人类正在进入一个信息爆炸的社会，“人类正在被信息所淹没，却缺乏知识”[6]。同样，阿尔文·托夫勒把大数据看作是“第三次浪潮中的华彩乐章”[7]。

与前三次工业革命显著不同，作为新经济技术范式“关键生产要素”的数据和计算不再来自自然界，而是与人类生产和生活过程相伴随。更为重要的是，数据和计算能力在财富创造过程中不是越用越少，而是越用越多，呈现出明显的报酬递增状态。以数据和计算为“关键生产要素”，包括新兴科技文化、互联网、物联网、大数据、云计算和人工智能在内的产业不仅创造出了新兴产业群，而且通过不断和现有产业融合，使第四次工业革命远超其他工业革命，成为人类经济和社会进步和发展的新引擎。

基于对网络空间发展与人工智能技术变革的认识，潘云鹤指出人工智能正在走向2.0。因为人工智能所面临的环境发生了包括信息环境、社会需求和人工智能基础在内的诸多根本变化[8]。随着信息环境和计算能力的进步，在人工智能2.0时代出现了大数据智能、群体智能、混合智能和跨媒体智能。随着以深度学习为代表的人工智能技术的发展，包括计算机视觉、机器学习、自然语言处理和语音识别在内的人工智能核心技术日益成熟，正在逐步与实体经济相互融合。例如，自然语言处理在智能投资顾问领域的应用，在2012年刚刚出现，到2014年就已经达到140亿美元的运用规模[9]。核心产业部门的发展和人工智能与实体经济融合过程中融合产业部门的兴起，是智能经济发展的重要表现。

在现有的文献中，虽然学术界认识到人工智能技术属于通用技术，智能经济的“关键生产要素”是数据和计算，但是尚缺乏关于智能经济究竟如何兴起和发展机制的理论分析。尤其是对中国智能经济的发展而言，在基础研究水平落后的条件下，如何通过对平台主导的开放创新生态的构建，快速成长为人工智能技术创新强国，是一个需要在理论上做出解释的问题。

二、研究方法和设计

为了揭示中国智能经济涌现的动力机制，笔者把智能经济看作是一个复杂的适应系统的演化过程。作为复杂适应系统，智能经济的兴起和发展是多元创新主体相互联系和作用的结果。构成智能经济的微观创新主体不仅包括智能企业，而且包括大学、科研院所、政府和中介组织。多元创新主体在智能科技产业化过程中通过相互联系和作用共同推动智能经济的发展。同时，智能科技产业的发展表现为一个新的价值网络的形成和演化过程。因为新的价值网络以智能科技的产业化为导向，属于典型的创新网络。智能经济形成和发展的动力机制形成于以智能科技产业化为导向的价值网络形态和结构下多元创新主体如何联系和作用的方式。

与创新网络相对应的概念是创新生态系统。创新生态系统同样强调多元创新主体之间的联系和互动。在本文中，我们把创新网络和创新生态系统看作是一枚硬币的两个面。

在系统调查和文献分析的基础上，笔者选择了408家中国智能企业作为样本。其中，人工智能上市公司124家，人工智能独角兽146家，其他人工智能企业138家(1)408家人工智能样本企业筛选的维度包括：一是是否进行人工智能核心技术和产品的研发和生产；二是是否存在着投融资事件；三是是否与其他企业之间存在业务联系。。据中国互联网网络信息中心2018年1月发布的《中国互联网络发展状况统计报告》中的数据显示，截至2017年6月，全球人工智能企业总数为2 542家，其中中国为592家。根据这一数据估算，408家人工智能样本企业大约占我国现有人工智能企业总数的69%(2)中国互联网络信息中心在2018年1月发布的《中国互联网络发展状况统计报告》显示，截至2017年6月，全球人工智能企业总数达到2 542家，其中美国拥有1 078家，占据42.4%；中国其次，拥有592家，占据23.3%。其余872家企业分布在瑞典、新加坡、日本、英国、澳大利亚、以色列、印度等国家。。

本文的分析数据包括属性数据和关系数据。在价值网络分析中，作者更强调关系数据的作用。属性数据是指诸如经济行为主体的成立时间、地点、销售收入、专利数和员工数方面的数据。而关系数据则是指经济行为主体之间如何相互联系和作用的数据，包括关系的类型、关系的内容和互动规则方面的信息。通过关系数据的统计分析可以更加清楚地看到多元创新主体之间如何相互联系和作用的方式，探索智能经济兴起和发展的特殊动力和机制。

在关系数据的采集中，笔者把样本企业看作是样本节点，从样本节点出发，收集与样本节点发生关系的关系节点。在确立样本节点和关系节点存在关系时，基于三个维度采集样本节点和关系节点之间的关系数据。关系数据采集的三个维度包括：(1)人力资本关系。人力资本关系主要指样本企业核心人力资本的前期学习和工作经验。前期学习经验主要指样本企业核心人力资本毕业于哪些大学和科研院所。前期工作经验则是指样本企业核心人力资本曾经工作过的企业、大学和科研机构。(2)技术关系。技术关系是指样本节点与关系节点之间的技术输入和赋能关系。其中，技术输入是指样本节点从关系节点获取技术，而技术赋能则是指关系节点获取样本节点的技术。通过技术关系分析，我们可以看出中国智能经济发展中谁是技术的创新源和贡献者。(3)投资关系。投资关系是指与样本节点与关系节点之间的投资和获投关系。其中，投资关系是指样本企业对其他节点的投资，而获投关系则是指样本企业从其他关系节点获得投资。通过投资关系分析，我们要分析智能经济的关键投资者是谁，以什么样的融资方式进行融资。

为了对关系数据进行统计分析，当样本节点与关系节点之间存在着三个维度中的任何一个维度的关系时，赋值为“1”，否则为“0”。通过对样本节点和关系节点之间是否存在关系以及联系和互动方式和规则的分析，我们将深入考察中国智能经济的内在结构和发生发展的动力和机制。

三、中国智能经济发展的价值网络分析

把408家样本企业的三个维度的关系数据输入Gephi 9.1社会网络分析软件，得到中国智能经济价值网络拓扑结构图，如图1所示。

表1的统计分析表明，基于408家企业所构建的价值网络的节点总数为10 305个(3)价值网络的样本节点数与总节点数之比为25.3倍。在价值网络分析中，尽管我们的样本为408家，但是我们可以获得10 305个节点的关系数据。因而，基于属性数据和关系数据分析，价值网络分析方法能够系统地考察中国智能经济发展的动力和机制。关系数为15 390个，基本能够概括中国智能经济发展的大致轮廓和形态(4)与属性数据分析不同，关系数据从样本企业节点出发，涉及的关系节点不仅包括企业，而且包括大学、科研机构、政府、客户和投资者在内的智能经济多元创新主体。通过价值网络分析，我们不仅能够看到单个企业，而且能够看到智能经济发展的整体图景。。价值网络的2.987的平均度、0.074的平均聚类系数和4.901的平均路径长度统计值表明，中国智能经济是高度聚集的。

表1 中国智能经济价值网络统计值

图1 基于408家人工智能样本企业的中国智能经济价值网络图(5)为了更好地显示谁是中国智能经济的主导者，在图1中我们只是列举了度数中心度排名前50的人工智能企业标签。

图2为中国智能经济价值网络的度数中心度的分布(6)价值网络的度数中心度是指与某个节点联系的节点数，从经济的角度看，度数中心度越高的节点的影响力和辐射带动作用越强。。

图2 中国智能经济价值网络度数中心度分布

从图2中可以清晰地看出，中国智能经济的价值网络是“极核”状结构，即度数中心度高的极少数节点构成了网络的核心。

从中国智能经济的创新生态系统的视角，408家样本企业的关系数据包括人力资本关系(7)从数据的可获得性出发，主要搜集包括企业创始人、联合创始人、CTO、核心技术研发人员在内的人力资本关系数据。人力资本的关系数据包括前期学习经验(即曾经在哪所大学和科研机构学习过)和前期工作经验(即曾经在哪个企业和机构工作过)。、技术关系(8)技术关系包括两个方面：技术输入和技术赋能。技术输入是指其他企业和机构为样本企业提供的技术支持，而技术赋能则是指样本和关系节点企业为企业和机构提供的技术支持。和投融资关系及其互动关系内容和规则方面数据。表2列出了基于408家样本企业构成的中国智能经济价值网络关系数据分类统计情况。

表2 中国智能经济价值网络关系数据分类统计

从人力资本关系看，408家人工智能企业核心人力资本前期学习经验的72.1%毕业于国内大学和科研机构，27.9%毕业于国外大学和科研机构。74.5%的核心人力资本的前期工作经验来自国内企业和机构，25.7%来自国外企业和机构。从技术关系看，技术输入方属于国内企业和机构的关系数占比为77.4%，属于国外企业和机构的占比为22.6%。同时，技术赋能方属于国内企业和机构的关系数占比为91.2%，国外企业关系数占比为8.8%。从投融资关系看，408家人工智能企业融资关系数占比为38.3%，投资关系数占比为61.7%。无论从核心人力资本的前期学习和工作经验还是从技术输入关系看，中国智能经济的创新生态系统是高度开放的。而从技术赋能和投资关系看，中国的人工智能企业具有很强的辐射和带动作用。人工智能与实体经济的融合，是中国经济转型和升级的关键驱动力量。

中国智能经济价值网络度数中心度排名前20的节点如图3所示。

图3 中国智能经济价值网络度数中心度排名前20的节点

在中国智能经济价值网络中，度数中心度排名前20的节点分别是腾讯、百度、阿里巴巴、华为、智齿科技、中国电信、中科汇联、恒生电子、科大讯飞、腾讯云、英特尔(中国)、九次方大数据、商汤科技、中国联通、滴滴、小米、中国移动、京东、永洪科技和远光软件。它们都属于样本节点，其中腾讯、阿里巴巴、百度、科大讯飞和商汤科技是科技部重点支持的人工智能五大开放创新平台(9)2017年11月15日，中华人民共和国科技部召开新一代人工智能发展规划暨重大科技项目启动会，宣布了首批国家新一代人工智能开放创新平台名单：依托百度公司建设自动驾驶国家新一代人工智能开放创新平台，依托阿里云公司建设城市大脑国家新一代人工智能开放创新平台，依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台，依托科大讯飞公司建设智能语音国家新一代人工智能开放创新平台。2018年9月，科技部正式宣布，依托商汤集团建设智能视觉国家新一代人工智能开放创新平台。因为本文的数据采集完成于2018年5月，故在分析中没有专门针对商汤科技的内容。。除了五大开放创新平台之外，从行业细分领域划分，其他企业包括四类：第一类是以京东为代表的电子商务平台公司；第二类是以华为为代表的智能硬件和芯片公司；第三类是以中国电信和中国联通为代表的网络服务供应商公司；第四类是以九次方大数据为代表的数据公司。

中国智能经济价值网络的连入度排名前15的节点如图4所示。

图4 中国智能经济价值网络的连入度排名前15的节点

价值网络连入度是衡量作为关系节点的链接度指标。连入度排名前15的节点可以划分为三种类型：一是包括作为关系节点出现的百度、阿里巴巴、腾讯在内的互联网平台企业；二是以清华大、北京大学、中国科学院、上海交通大学、浙江大学和中国科学技术大学在内的大学和科研机构；三是以红杉资本为代表的投资机构；四是以微软和英特尔为代表的ICT企业。其中，大学和科研机构主要是中国智能经济人力资本提供方。

从度数中心度和连入度排名前列的样本节点和关系节点看，影响和决定中国智能经济发展的关键角色包括四类：第一类是大学和科研院所，主要为智能经济提供人力资本；第二类是网络基础设施服务商、软件和硬件企业，例如，中国电信和中国联通；第三类是包括BATJ在内的互联网平台公司；第四类是技术平台和芯片公司，例如，科大讯飞、商汤科技和华为海思。对四类创新主体相互联系和作用的方式和规则的考察是揭示中国智能经济涌现基本动力机制的关键。

中国智能经济价值网络技术输入和技术赋能关系排名前20的企业和机构如图5所示。

图5 中国智能经济价值网络技术输入和技术赋能关系排名前20的企业和机构

本文选择技术赋能和输入关系数排名前20的企业和机构，通过技术赋能和输入关系数的分布，可以清楚地看到中国智能经济发展的关键机制。图5的左图列出了技术赋能关系数排名前20的企业和机构。除了互联网平台和独角兽公司之外，它们都属于基础和技术层企业，是人工智能核心技术和产品的研发和生产者。图5的右图列出了技术输入排名前20的企业和机构。技术输入关系数高的企业主要属于应用层企业，通过把人工智能核心技术应用到产业领域，创造新产品、新技术、新商业模式和新业态。例如，ofo共享单车、摩拜单车、货车帮和奇点汽车。同时，中国电信、中国联通和中国移动这类网络服务商则通过吸引人工智能技术提高企业的智能化水平。

在图5中，以科大讯飞为代表，部分人工智能企业同时拥有较高的技术输入和赋能关系数。从实际调查数据资料看，这类企业一般属于人工智能核心技术企业。一方面通过技术输入积累核心技术，另一方面通过集成应用领域的相关技术，打通核心技术与现有产业的融合渠道。

表3列出了人工智能企业核心人力资本前期学习和工作过的大学、科研机构和企业。无论是国内还是国外高校，核心人力资本主要毕业的高校都属于AI大学(10)AI大学是指设置人工智能领域二级学院和研究院所的大学。。从核心人工智能的前期工作经验看，无论是国内还是国外企业和机构都属于阿里巴巴、百度等互联网平台以及ICT产业的著名企业和科研院所。

表3 中国智能经济核心人力资本排名前10的节点

表4列出了中国人工智能领域活跃度排名前10的投资机构。活跃度最高的前10名金融业投资机构为红杉资本、IDG资本、经纬创投、真格基金、云锋基金、启明创投、北极光创投、顺为资本、SIG海纳亚洲、高瓴资本。活跃度最高的前10名非金融投资机构分别为腾讯、阿里巴巴、百度、联想集团、中信集团、京东、小米、复星国际、蚂蚁金服和英特尔。

表4 中国人工智能领域最活跃的投资机构前10名

在中国智能经济的非金融投资机构中，阿里巴巴、腾讯、百度和科大讯飞四大平台的投资最为活跃。四大平台共投资样本企业87家，其中腾讯投资35家、阿里巴巴投资27家、百度投资21家、科大讯飞投资4家。如果考虑非样本企业，尤其是众多的初创企业，那么四大平台投资的企业数量更多。

同时，平台主导的创新生态系统对外是高度开放的，许多国外知名大学、科研机构和企业为我国智能经济提供核心人力资本和技术输入，中国人工智能企业同时向国外企业赋能。目前，中国智能经济尚处于集聚阶段，随着核心技术的成熟和融合部门的发展，对外开放性将表现出更多地对国际企业的赋能。

从价值网络分析可以清晰地观察到，需求的强力牵引、产学研协同创新、创新生态系统的高度开放性和核心产业部门与融合产业部门的融合发展，是中国智能经济涌现的关键机制。在本文的第四部分，笔者将试图通过一个简单的理论模型提炼和概括中国智能经济发展的动力机制，揭示智能科技产业化和产业智能化的内在逻辑和规律。

四、理论模型和推论

为了揭示中国智能经济涌现的关键动力机制，笔者首先做出二个基本假设。

第一，目前在我国快速发展的人工智能不再是用计算机简单模拟人的智能(AI 1.0)，而是基于网络空间发展的数据智能，即新一代人工智能(AI 2.0)。互联网，尤其是移动互联网的发展是新一代人工智能发展的前提和基础。

第二，人工智能内生于中国经济转型升级创新的智能化需求(11)改革开放40年，前30年通过加速工业化，中国快速成长为“世界工厂”和全球第二大经济体。从2005年开始，市场需求条件的变化、要素成本的上涨和环境约束条件的加强推动着中国经济的转型升级。在转型升级的过程中，不仅创造了制造业的机器换人和智能制造，而且创造了服务业领域的智能化需求，它们成为中国智能经济涌现的需求牵引力量。。在强劲的需求牵引下，我国的人工智能首先出现在互联网领域，形成了人工智能核心产业部门。随着人工智能与实体经济的融合发展，人工智能开始向以工业互联网和物联网为主导的实体经济扩散。融合产业的发展及其与核心产业部门的良性互动，是智能经济的基本推动力。

在两个前提假设条件下，本文构建了一个中国智能经济快速发展的解释性模型，如图6 所示。中国智能经济的涌现源于互联网，尤其是移动互联网的发展。互联网发展创造的数据生态优势是人工智能科技产业发展的前提和基础。

图6 中国智能经济涌现的动力机制逻辑图

推论1：与AI 1.0不同，新一代人工智能(AI 2.0)属于数据智能。在互联网，尤其是移动互联网发展中创造的数据生态优势，是AI 2.0在中国快速发展的前提和基础。

呈鲜味氨基酸测定结果表明，在鸡胸肉、腿肉和肝脏部位A2组和B2组分别为0.026 7%和0.085%、0.101%和0.102%、1.22%和1.83%，表明无抗养殖在鸡胸肉和肝脏中呈鲜味的氨基酸总量明显低于有抗养殖。

数据生态优势只是为人工智能的技术创新和发展创造了条件(12)据2018年8月20日中国互联网络信息中心(CNNIC)发布的第42次《中国互联网络发展状况统计报告》显示，截至2018年6月30日，我国的网民规模达到8.02亿，互联网普及率为57.7%。其中，移动网民规模达到7.88亿，网民通过手机接入互联网的比例高达98.3%。，人工智能科技产业的发展首先要依赖核心产业部门的发展。核心产业部门主要包括基础和技术层企业。其中基础层企业包括大数据、云计算、AI芯片和操作系统(OS)企业。充分利用互联网发展创造的数据生态优势，大数据和云计算推动互联网平台企业向人工智能基础层企业转型和发展。包括百度、阿里巴巴、腾讯和网易在内的互联网企业依托数据生态优势率先进入人工智能核心技术领域，成为推动人工智能科技产业发展的主导者。

推论2：依托数据生态优势，互联网平台公司不仅成为率先发展的人工智能企业，而且成为智能经济发展的主导者。

作为早期的人工智能企业，平台不仅积极从事人工智能科技创新和积累核心技术，而且通过向其他人工智能企业提供人力资本、技术赋能和投资活动构建自身主导的创新生态系统。同时，平台公司的赋能对象不仅包括人工智能企业，而且包括传统产业企业。通过向传统产业企业赋能，平台公司推动人工智能技术与实体经济融合和发展。

与平台公司不同，从事算法、AI芯片和操作系统研发和生产的企业往往属于独角兽企业。在人工智能算法中，只有部分算法与互联网所创造的数据生态优势相关，大部分算法的完善更多地依赖工业互联网和物联网数据。因为不完全依赖互联网数据，人工智能算法领域成为创业公司发展的蓝海。与之相类似，AI芯片设计公司同样不完全依赖互联网数据。AI芯片的设计和制造不仅包括软硬件技术创新，而且包括算法优化。在人工智能操作系统领域，新创企业面临同样的机遇。

推论3：因为不完全依赖互联网数据，在基础层和应用层算法、AI芯片设计和操作系统领域为新创企业提供了广阔的空间，成为独角兽企业产生的土壤。

基础层和技术层企业在研发人工智能核心技术的过程中，通过相互作用和协同创新，共同构建人工智能核心产业创新生态系统。中国的人工智能科技产业的创新生态系统是高度开放的。首先是人力资本的开放性。在中国人工智能的兴起和发展过程中，不仅要从人工智能先发国家和地区的大学、科研机构和企业引进人才，而且要从国内大学和科研机构引进人才。其次，从技术输入看，在我国人工智能科技产业的发展过程中，通过对国外企业的技术引进和与他们合作，加快了人工智能技术的创新和积累。最后，从技术赋能和投资关系看，人工智能核心企业通过技术赋能和涉外投资，布局人工智能发展的新领域和新空间。

在人工智能核心产业部门创新生态系统基本成熟后，人工智能与实体经济融合的速度、深度和广度成为了智能经济发展的关键。作为通用技术，人工智能在向传统产业扩张的过程中，依赖的是产业创新生态系统向实体经济的持续渗透和扩张。其中，核心产业部门的人力资本输出、技术赋能和投资是推动人工智能与实体经济融合发展的基本途径。

推论4：核心产业部门创新生态系统的形成和完善是人工智能与实体经济融合的前提和基础。作为通用技术，人工智能在与实体经济融合的过程中，创造出的融合产业部门是推动智能经济发展的关键。

从前三次工业革命发生和发展的历史进程看，通用性新兴技术与传统产业的融合发展过程中创造的融合产业部门是中国经济转型升级的主要推动者。融合产业部门的发展要求核心产业部门技术创新的加速。两个产业部门的相互融合和良性互动能共同推动人工智能科技产业的发展。与融合产业部门发展相适应的基础设施不再是消费互联网，而是工业互联网和物联网。以工业互联网和物联网为导向的新基础设施建设，是政府发挥积极作用的重要环节。

五、总结和政策建议

(一)总结

如果从1969年阿帕网投入使用算起，人类整整用了60年时间搭建了一个前所未有的网络空间。在某种意义上，第四次工业革命将要塑造的将是基于网络、物理和社会三维空间的互动构建一个新的智能经济时代。

在三维空间下，人工智能不再是简单地让计算机具有人的智能，而是基于网络空间发展及其与物理和社会空间互动的数据智能系统。因而，互联网，尤其是移动互联网发展创造的数据生态优势是智能科技产业发展的前提和基础。依托数据生态优势，互联网平台企业成为智能经济发展的主导者。基于互联网和物联网发展创造的数据生态优势，包括算法、算力、AI芯片和操作系统在内的人工智能技术体系的创新和发展构成了人工智能核心产业部门。随着人工智能与实体经济的融合发展，融合产业部门逐步成为人工智能科技产业发展的新增长点。