中国人工智能产业发展的竞争力及发展策略——基于钻石模型的分析

芦婷婷

一、引言

人工智能技术引领第四次工业革命的浪潮，想要占领科技的制高点，大力推动人工智能产业发展势在必行。国家出台了一系列政策支持人工智能产业的发展，2017 年、2018 年、2019 年连续三年把人工智能写入政府报告。2020 年突如其来的新冠疫情，给人们的生命健康造成巨大威胁，人工智能技术在疫情期间发挥了不可忽视的作用。人工智能测温仪可以无接触、快速、高效地进行温度测量；大数据便于追踪患者的行动轨迹；人工智能电话机器人助力疫情排查工作等。

中国作为全球第二大经济体，人工智能的应用场景广阔，2018 年我国新一代人工智能产业规模超过555.7 亿美元①。随着劳动年龄人口的减少、用工成本的上升和劳动力短缺的问题日益突出，人工智能的应用有助于缓解劳动力短缺的问题，使经济发展由人口红利驱动向科技红利转变。从国家层面上讲，发展人工智能产业有助于在国际竞争中取得优势；从经济发展角度讲，人工智能产业与传统产业的融合将会爆发出巨大的增长潜力。本文通过整理散落的数据资料，使用“钻石模型”整体上分析了我国人工智能产业发展的竞争力，发现制约我国人工智能产业发展的因素，并且建设性地提出促进人工智能产业发展的具体策略。

二、人工智能产业概述

（一）人工智能

约翰·麦卡锡（John McCarthy）在1956 年达特茅斯会议上正式提出了“人工智能”（Artificial Intelligence，简称AI）的概念，即能够模拟人的思维、行动的机器。此后，学者对人工智能的概念从不同角度进行定义。杨伟国等（2018）认为，人工智能是为了达到特定目的，依赖于实物载体和环境，模拟人的思维与行动的技术[1]；王春超等（2019）把人工智能视为可以模拟人类的智能行为，进行决策和行动的机器[2]；张刚等（2020）则把人工智能分为广义人工智能和狭义人工智能，广义的人工智能是指机器人及其相关技术，狭义的人工智能则强调能够模拟、延伸、替代人的行为的相关技术[3]；MIT 电气工程领域对人工智能的描述比较全面：人工智能是一个整体，通过建立模型模拟人的思维和行动的系统，利用算法（程序）实现对系统的约束（Fillayson 等，2010）[4]。虽然学界对于人工智能的概念尚未统一，但是不同定义之间存在共通之处，即人工智能是通过一系列技术手段（算法、程序），赋予机器类人的思维和行动方式，从而完成特定任务，强调人工智能的应用层面。

2016 年3 月9 日，AlphaGo 战胜围棋世界冠军引起了新一轮的人工智能热潮。在人工智能发展的初期，主要是依靠逻辑学的基本规律进行运算、归纳或演绎，专家系统是利用人类知识和逻辑学解决问题的典型例证。20 世纪90 年代，人工智能以概率统计理论进行建模运算。现阶段，人工智能则以机器学习为主要特征，通过对数据的“训练”，学习得到解决问题的方法。人工智能催生了新业态、新模式，“AI+医疗”“AI+教育”“AI+司法”等，人工智能的发展被提升到国家战略的高度，可以预见，人工智能将成为未来新的经济增长点。人工智能产业的发展则是支撑人工智能应用的强有力保障。

（二）人工智能产业

李莉等（2020）把人工智能产业分为狭义人工智能产业和广义人工智能产业，狭义的人工智能产业指提供给社会大众有关的智能化产品和技术服务，广义的人工智能产业还包括人工智能赋能的相关产业[5]，例如智能制造、智能交通、智慧医疗等。中国电子学会《新一代人工智能发展白皮书（2017）》提出，人工智能核心产业包括基础层、技术层和应用层。基础层包括智能传感器、智能芯片和算法模型；技术层包括语音识别、图像视频识别和文本识别等；应用层包括智能机器人、无人机、智能驾驶、智能搜索、智能教育、智能金融、智能安防、智能医疗等。根据国家统计局2018 年发布的《战略性新兴产业分类（2018）》，人工智能产业分为三类，分别是人工智能软件开发、智能消费相关设备制造以及人工智能系统服务。以上对人工智能产业的定义分别是从整体层面、产业链以及产业细分等方面进行论述，各定义之间相互补充，有助于我们全面认识人工智能产业。

区别于传统产业，人工智能产业具有其自身的独特性。人工智能产业具有全方位渗透的特征。人工智能产业不仅可以赋能传统产业，还可以催生新业态、新模式，将会深刻改变经济生活的生产、分配、交换、消费环节。从产业角度讲，人工智能产业与金融、交通运输、教育、医疗等行业的融合发展，有利于产业结构调整和转型升级。从社会发展角度讲，人工智能产业与社会治理相结合，可以产生出更高效的管理、更合理的资源分配。人工智能引领新一轮的技术革命，加快人工智能产业的发展已经提上日程。

三、我国人工智能产业发展的竞争力分析

迈克尔·波特提出“钻石模型”，该模型主要是从生产要素、市场需求、企业的规模和组织形式、相关产业发展、政府、机会等六个方面分析产业的竞争力。借鉴波特的“钻石模型”理论，分析我国人工智能产业的竞争力，从中发现制约我国人工智能产业发展的因素。

（一）生产要素

1.资本。人工智能产业属于新兴战略产业，具有高风险、高收益的特征。在人工智能技术的研发阶段，尤其是基础研究，研发失败概率高；在人工智能的应用阶段，科技成果的有效转化面临极大挑战。新技术一旦研发成功并投入使用，将会带来巨大的收益。本文从投融资规模及融资笔数、融资领域、融资的热点区域分析人工智能产业发展的资金支撑。

我国人工智能产业的投融资规模庞大且呈逐步上升态势，近年来趋于平稳，在全球占据重要位置。根据投中研究院发布的《2019 年中国人工智能产业投融资白皮书》可以发现，2014—2018年投融资额度和投融资事件的复合增长率分别高达70.17%、31.20%，2018 年的投融资额度和投融资事件均处于顶峰，分别为1189.8亿人民币、649起，但是2019 年前三季度回落到577.17 亿人民币，254 起②。人工智能产业的投融资规模在历经快速增长后，投资热度有所降低，投资行为更趋理性。从全球范围来看，自2016 年以来，中国人工智能领域获得超过1 亿美元的融资次数累计达114 次，在全球居于首位③；2017 年全球人工智能投融资规模达395 亿美元，融资事件1208 笔，中国人工智能融资占全球融资总额的70%，融资笔数达31%④。无论是投融资金额，还是投融资事件，我国在全球都占有举足轻重的地位。大规模的投融资为人工智能产业的发展提供了强大的资金支撑。此外，科创板的出台拓宽了人工智能企业的资金获取渠道和退出途径。

从产业链角度看，人工智能产业投融资所涉行业广泛，偏重于技术层和应用层。《沙利文2019年中美人工智能产业及厂商评估》显示，2019 年中国投资超过70 个人工智能相关的细分行业，美国仅有50 多个。我国人工智能投资领域更宽泛、思路广阔，这从侧面说明我国人工智能产业具有全方位、多领域的发展特征。根据前瞻产业研究院的数据，从2014年到2019年第三季度，应用及平台和硬件是中国人工智能投融资事件最多的两大领域，二者的占比分别为36.84%和36.56%；德勤《中国人工智能产业白皮书》指出，人工智能的基础原件项目在2012 年无投资，但2015 年到2017 年的平均投资次数为14 次。投融资集中分布于技术层和应用层，基础层往往被忽视。基础层需要深厚的知识积累，与技术层和应用层相比，利润低且开发难度大，资本的逐利性促使资金流向技术层和应用层。近年来，得益于政策红利，资本逐渐向战略性方向倾斜，2019 年开始我国开始更加关注人工智能领域战略投资与并购⑤。

人工智能投融资事件具有地区异质性，经济发展程度较高的一线城市投融资活跃。前瞻产业研究院数据显示，2014 年至2019 年第三季度，投融资事件按照北京、广东、浙江、上海的顺序依次减少，北京和广东两地集聚了全国一半以上的投融资事件，上海与浙江分别有384 起、271 起。容易发现，这些城市均具有经济发展水平高、开放水平高、人力资本集聚程度高的特点，“三高”为人工智能产业的发展提供了沃土。以典型城市为点，北京可以带动京津冀、广东可以带动珠三角、浙江和上海则可以带动长三角地区人工智能产业的发展。

2.人力资本要素。我国人工智能人才的主要特点是总量大，基础层人才和高端人才缺乏，地区分布不均衡。人力资本要素对于知识密集型为主要特征的人工智能产业来说尤其重要。人工智能对就业的影响存在替代效应和创造效应（孙早、侯玉琳，2019）[6]，对于两种效应的大小，学者们存在分歧。人工智能发展创造的研发岗位，对劳动力技能水平提出了更高的要求。劳动力的技能水平与人工智能技术的发展程度相匹配，人工智能产业才能得到长期稳定发展。《中国人工智能发展报告2018》的数据显示，截至2017 年，中国的人工智能人才拥有量达到18232人，占世界总量的8.9%，仅次于美国（13.9%），但以H 因子衡量的杰出人才只有977人，不及美国的五分之一；分区域来看，我国的人工智能人才主要集中在东部和中部。在人工智能人才结构方面，美国的基础层人才数量是中国的13.8 倍，以算法人才为例，中国算法人才仅占全球人工智能基础层技术研究人才的13.1%，而美国算法人才的占比为26.2%⑥。我国的人工智能人才总量大，但相对于迅猛发展的人工智能产业，基础层和高端人才的供给明显不足。

3.创新水平。专利申请总量大，质量不高，创新主体集中在高校。人工智能专利科技创新是人工智能产业发展的引擎。专利申请数量和论文发表的数量与引用量是衡量创新水平的两个重要方面。世界知识产权组织发现，有超过95%的科技创新成果通过专利文献的形式固化。从专利总量看，据《中国人工智能发展报告2018》数据显示，中国已经成为全球人工智能专利布局最多的国家，数量略领先于美国和日本。2000 年至2017年，中国国内人工智能专利申请量为33909件，年均申请量为1884 件；同期美国国内人工智能专利申请数量为18230 件，平均年申请量为1013 件，但是中国的有权专利与无权专利的比值为0.91，远低于美国的2.16。我国在专利申请总量上占据绝对优势，质量方面仍需进一步提升。在专利权人方面，中国的创新主体主要为高校，而美国则为企业。有数据表明，截至2017 年，在中国大陆人工智能专利申请量前15 名的创新主体大部分是大学，只有3家企业（陈军等，2019）[7]。

论文发表总量快速增加，且质量逐步提升，高校是发文的主要阵地。中国信息通信研究院《全球人工智能产业数据报告》显示，从2009年到2018年，中国人工智能领域的论文为9万余篇，占全球的22.7%；2018 年中国的发文数量占全球的27.4%，是人工智能领域发文量最多的国家。中国的高被引论文呈逐年增加的趋势，2018 年中国人工智能领域的高被引论文占全球总量的45%，仅次于美国。中国科学院系统在全球发文机构中居于首位，并且其高被引论文的数量也排名第一，清华大学、上海交通大学、哈尔滨工业大学和北京航空航天大学均属于排名前15 的机构。除了高校外，中国国家电网在全球企业论文产出中排名靠前，其高水平论文的42.64%是通过国际合作发表的，充分说明了我国创新生态系统的高度开放性。

（二）市场需求

我国市场需求潜力巨大，市场规模持续快速增长，主要集中于技术层和应用层。我国是人口大国，是全球第二大消费市场，2019 年年末我国的总人口约为14 亿，庞大的人口蕴藏着超大规模市场潜力；我国居民人均可支配收入稳步增长，国家统计局的数据显示，从2013 年的18310.76 元增加到2019 年的30732.85 元，收入的提高是超大市场规模潜力得以发挥的基础。根据中国信息通信研究院的数据，2015 年至2019 年我国的人工智能产业市场规模持续快速增长，从2015年的112.4亿元人民币，增加到2019 年的554 亿元人民币，年复合增长率约为49%，预计到2020 年达到710亿元人民币。从不同领域市场规模的占比来看，2017 年我国计算机视觉、语音、自然语言处理的市场规模分别占34.9%、24.8%、21%，而硬件和算法的市场规模不足20%⑦。由于我国人工智能产业起步较晚，外国企业在基础层具有先发优势，阻碍了我国在该领域的市场拓展。人口老龄化是人工智能发展的诱因（陈秋霖等，2018）[8]，人口规模的优势丰富了我国人工智能产业的应用场景，为应用层提供强大的支撑。

（三）相关产业和辅助产业

互联网、大数据、5G 通信技术等相关产业的发展为我国人工智能产业发展提供了强大支撑。算法、算力、数据和知识是人工智能发展的关键因素。我国拥有庞大的互联网活跃用户，互联网企业早期积累了大量的用户数据，为人工智能的发展提供了数据便利，正所谓“无数据不AI”。我国在5G领域处于领先地位，5G通信技术具有高速低延时的特性，提高了数据在云端的传输和处理，其作用犹如信息高速公路，使信息之间互联互通。然而，5G 通信技术存在成本高、耗电量大的缺点，阻碍了其大规模的推广应用。

（四）企业的组织管理现状

人工智能企业数量居世界前列，所属领域多为应用层和技术层，区域分布较为集中。截至2019 年3 月底，全球活跃的人工智能企业达到5386 家，中国大陆的人工智能企业数量为1189家，仅次于美国（2169家），北京的人工智能企业数量位居全球之首（468 家）⑧。虽然企业数量位居世界第二位，但与美国的差距仍旧存在。从中国人工智能企业所属领域来看，据《中国新一代人工智能科技产业发展报告（2019）》的数据显示，应用层、技术层、基础层企业的占比分别为75.2%、22%、2.8%，分布极不合理，应用层和技术层企业数量约为基础层的35 倍。从企业的地理位置分布来看，主要集中于京津冀、长三角和珠三角地区，三大地区的占比分别为44.8%、28.7%和16.9%（截至2019 年2 月28 日）⑨，具有显著的集聚特征。

学术型创业在人工智能领域兴起。据东方财富网数据，截至2017 年年底，A 股人工智能上市公司总共有84 家，其中学术型创业企业有32 家（杜传忠、刘志鹏，2019）[9]，占比高达38.10%。科大讯飞的语音识别技术位于世界前列，其创始人刘庆峰在其攻读博士期间凭借自己的多项专利，创办了科大讯飞；云从科技是国内人脸识别领域的头部企业，其创始人周曦博士就读于美国伊利诺伊大学，师从有“计算机视觉之父”之称的黄煦涛（Thomas Huang）教授，并且创立公司前在中国科学院重庆研究院工作；智能交通企业川大智胜由四川大学相关领域教授创立等等。学术型创业企业相比于商业型创业企业，更加关注科研成果转化。学术型创业企业的经营理念往往会从科技的研发角度考虑公司的长远发展；运营模式是从供给侧出发，再落实到需求；组织架构方面，管理团队有高校和科研人员的参与，保证了对科技研发的持续投入，也加强了风险投资对企业技术研发的信心。

（五）政府

政府对人工智能产业发展的关注度高，政策涉及范围广泛，具有先促发展、后重顶层设计的特点。人工智能将深刻变革社会各领域，为抢占人工智能技术制高点，实现科技强国的战略目标，我国政府制定了诸多推动人工智能产业发展的政策。通过各类政府网站，搜集整理了有关人工智能产业发展的主要政策文件，如表1所示。自2015 年以来，政府密集出台了一系列政策文件，包括产业总体发展规划、细分行业的实施方案以及相关支撑政策，多部门（财政部、工信部、科技部、教育部等）联动，为人工智能产业的发展保驾护航。通过分析发现，政策的演变路径依次为人工智能技术的发展、与实体经济的融合、顶层设计。得益于“政策红利”，从2015年开始，我国人工智能产业规模逐步扩大，2019 年我国人工智能产业规模达到1291.4 亿元，产业初具规模，且同比增速为30.8%⑩。此外，行业组织也参与到人工智能伦理的建设中，人工智能产业联盟于2019 年发布了《人工智能行业自律公约（征求意见稿）》，旨在推动人工智能行业的自律。

（六）机会

随着保护主义的抬头，国外加强了对我国的技术封锁，高科技企业被打压。虽然经济全球化是不可逆的大趋势，但是目前我国经济发展面临的国际环境日趋严峻。2018 年以来，美国挑起贸易战，断供华为公司芯片，把科大讯飞、海康威视、云从科技等多家人工智能企业列入“实体清单”，其阻碍中国高科技发展的意图明显。我国是世界上工业门类最齐全的国家，但在许多关键领域仍被美国“卡脖子”，存在供应链“断链”的风险。面临国外的科技封锁、全球新冠疫情的爆发以及国际市场的萎缩，“构建国内国际双循环相互促进的新发展格局”成为最佳选择。国外的封锁倒逼我国关键技术的研发，美国的芯片断供为国产芯片腾出了广阔的市场，于变局中开新局，危机中孕育着新的发展机会。凭借我国超大规模市场优势，以国内大循环为主体，联通国内国际市场，为人工智能产业的发展创造适宜的土壤。

表1 人工智能相关政策文件

四、促进我国人工智能产业发展的策略

基于对我国人工智能产业竞争力的分析，可以发现我国人工智能产业取得了飞速发展，已经进入世界第一梯队。在取得发展的同时，也要清醒地认识到我国人工智能领域人才缺口较大、高端人才匮乏，产业基础层的原始创新能力、资金支持力度不足，人工智能的伦理道德建设落后于发展规划等问题，因此，本文主要从以下几个方面有针对性地提出促进人工智能产业发展的策略。

（一）夯实人才根基

我国的人工智能领域人才虽呈逐年增长的趋势，但是与美国在数量与质量上差距仍然较大，人才缺口较大。人才作为第一资源，是发展人工智能产业的关键因素。因此，加快人工智能人才的培养、建立健全人才评价机制以及流动机制至关重要。加强本土人工智能人才的培养，使其与人工智能产业的发展相匹配。建立健全人工智能人才评价机制和流动机制，使人才得到合理配置，做到“人尽其才”，最终助推人工智能产业的发展。

1.加快本土人工智能人才的培养步伐。人工智能人才的培养需要学校、企业和政府多方合作。一是各层次教育同步推进。教师必须加强对人工智能的了解、及时更新有关知识，才能更好地“传道授业解惑”。在基础教育阶段，开展人工智能通识教育，增加人工智能基础课程等；在高等教育阶段，设立人工智能相关院校和专业，适当增加招生比例，颁发双学位证书，加强多学科交叉的复合型人才培养；职业教育面向广大劳动者，加强人工智能领域相关技能的培训。二是企业加大对员工的技能培训，对员工进行“技能重塑”，使劳动者技能与产业结构匹配适应，缓解人工智能造成的就业压力。三是由政府搭建桥梁，促进高校科研院所和企业在人才培养方面的合作，加强人才供需信息的互联互通。高校通过了解企业人才需求，有方向性地进行人才培养，借助企业平台提高学生的实践能力；企业既可以降低招聘成本，又能获得发展急需的人才。

2.实行合理的人才评价、激励机制。人才评价机制是否合理关系到人才效用的发挥，合理的人才评价机制能够激励创新，也是留住优秀人才的重要因素之一。人工智能人才的评价不能搞“一刀切”，要多方位进行考察。把解决人工智能领域重点难点问题的贡献，作为绩效考核、职称评定以及岗位晋升的重要依据。应用型专业技术人才往往会在短期内获得回报，但是基础型专业技术人才往往不受重视，主要原因在于基础研究难度大、周期长，缺乏必要的激励。关键领域的基础研究关乎到产业安全，因此基础研究不可偏废。我国人工智能领域人才也存在基础型专业人才缺乏的窘境，故在建立健全人才评价机制时，要给予基础型人才应有的激励，创造良好的基础研究氛围。保持评价的客观公正，避免急功近利思想的影响，使人工智能人才的聪明才智竞相迸发，促进我国人工智能产业的发展。

3.建立健全合理的人才流动机制。建立学校、企业、社会融合的人才流动“旋转门”机制，促进人才在部门间、地区间、国际间的“柔性流动”。高校汇聚了大量优秀人才，允许教师到企业兼职，突破知识经验流动的障碍。实行人才在企业和高校之间的顺畅流动，可以充分发挥产教结合的优势，造就既懂技术又擅长运营公司的复合型人才，更有利于科研成果的产业化、价值化。此外，允许地区之间人才自由流动，互联互通，破除人工智能人才流动的限制。解决人工智能的人才的后顾之忧，在医疗保障、子女教学等方面提供支持，激发人工智能人才的流动意愿。随着经济全球化的加深，各国的人才流动日益频繁，我国需要放眼全球，“聚天下英才而用之”。

（二）发挥新型举国体制，打通创新链与供应链，提升原始创新能力

从论文数量、专利数量来看，我国整体的创新水平快速提高，但在基础研发方面的原始创新能力仍有很大提升空间。基础层研发水平的落后，将会制约技术层和应用层的发展，使得我国成为人工智能大国，而非强国。为了提升原始创新水平，一方面要实行新型举国体制，发挥我国集中力量办大事的制度优势，全国统一部署，统一指挥，中央地方联动，集聚人力物力财力，发挥“北斗精神”的引领作用，攻克原始创新技术领域的堡垒；另一方面要打通创新链和应用链，以市场需求为导向，进行技术创新，避免重复低效率的创新。从加强知识产权保护方面来讲，政府要建立健全知识产权相关法律，并且要督促企业加强知识产权保护，在全球布局专利技术，激励基础研发的开展。保证原始创新所需的资金支持、政策支持以及法律法规支持，打造“产学研用”一体的创新氛围，促进科研成果的快速产业化、市场化。尤其要重视加强核心技术体系化防范机制建设，引导制定技术风险防范院，建立人工智能国家技术安全管理清单制度，消除核心技术外流与被控制的风险。

（三）加大资金支持力度，拓宽融资渠道，优化投资结构

人工智能企业需要大量的资金投入，尤其对初创企业来讲技术研发所需的投入极高。政府创新激励政策主要包括财政补贴和税收优惠，对于不同类型的初创企业采取不同的政策。学术型创业企业前期投入大、盈利能力较弱，但是具有厚积薄发的特点，给予学术型初创企业研发投入的财政补贴政策较为合理，而商业型创业企业则应采取税收优惠政策激励其进行创新研发。除了政府补贴，还应该加强银行贷款对初创企业的支持，通过政策引导社会资本流向人工智能产业，形成多元化多渠道的人工智能产业资金支持格局。从投资领域角度来讲，鼓励资金流向我国基础薄弱的原创性基础研究领域，提高基础研究经费的占比，保持长期持续的资金的投入。

（四）积极参与人工智能标准体系的建立

标准领域的竞争关乎国家能否在产业竞争中获得主导权。标准的制定会使得人工智能产业的发展收敛到这一标准，意味着标准制定国家拥有人工智能产业发展的主导权。标准体系通常包含多项专利技术，标准制定国家可以从专利授权中获取高额利润，企业占有专利技术则会拥有绝对的发展优势。“局外者”在采用新技术时则会受到成本的约束和吸收能力的限制，在产业发展中面临巨大劣势（邓洲，2014）[10]。国外的一些机构均开展了人工智能标准的建立，我国在标准制定方面也取得一定成绩，比如我国电子技术标准化研究院编写了《人工智能标准化白皮书（2019版）》《人工智能开源与标准化研究报告》《人工智能安全标准化白皮书》等，但是标准化程度仍然不足。人工智能产业属于新兴产业，标准体系尚未建立，我国仍有机会创建人工智能标准，积极参与到人工智能标准体系的建立中，占据人工智能技术的制高点。

（五）做好顶层设计，完善法律法规体系

在推动人工智能产业发展的同时，要关注人工智能的潜在风险，其中包括算法、数据、应用等方面的伦理风险。数据是人工智能产业发展的关键，个人隐私数据的泄露会对个人的财产安全产生威胁，并且会加剧公众对公司的不信任。算法中包含个人信息，算法的泄露不仅损害开发者的知识产权，而且会危害个人信息安全。深度学习通过数据训练做出的决策，但其决策过程不透明，决策结果无法解释，决策的无法解释性会产生歧视、人工智能的不可控等一系列问题。此外，算法歧视、算法滥用的问题，在电子商务领域则会出现所谓的“大数据杀熟”等争议性问题，在安防中表现为根据尚未出现的事实强行对“嫌疑人”进行定罪等，严重损害用户的福利。

国家要加快人工智能立法工作，应对人工智能带来的各种伦理挑战，这是人工智能加快落地应用的前提条件；多层级立法共同推进，中央政府和地方政府协同推进立法，确立相关法律法规，明确责任和义务；确立人工智能伦理风险的系统性、可操作型评估标准。对人工智能可能带来的潜在风险要具有前瞻性，保证人工智能为人类服务的根本原则，相关政策的制定需要社会各界的参与。尤其要注意，在推动人工智能伦理法规建设的过程中，要避免违反产业发展的规律。

注释

①数据来源：中国电子学会，《2019年新一代人工智能产业白皮书》。

②数据来源：CVSource，投中研究院整理。

③数据来源：中国信息通信研究院，《全球人工智能产业数据报告》，2019年。

④数据来源：清华大学，《中国人工智能报告2018》。

⑤数据来源：《沙利文2019 年中美人工智能产业及厂商评估》，2019年。

⑥数据来源：腾讯研究院，《中美两国人工智能产业发展的全面解读》，2017年。

⑦数据来源：清华大学，《中国人工智能报告2018》。

⑧数据来源：中国信息通信研究院，《全球人工智能产业数据报告》，2019年4月。

⑨数据来源：新一代人工智能发展战略研究院，《中国新一代人工智能科技产业发展报告（2019）》。

⑩数据来源：赛迪顾问，《AI 新基建架构设计与经济价值研究》，2020年6月。