人工智能产业战略性问题与政策研究

李莉 吴新年 刘安蓉 白光祖 曹晓阳

摘   要：在新一轮科技革命和产业变革中，人工智能受到前所未所的重视，成为重要的国家发展战略，世界科技强国密集发布政策文件抢占人工智能产业制高点。我国人工智能产业发展进入国际领先梯队，但面临核心技术、数据资产、应用场景、产业安全、人才结构、投资体制等关键因素的制约，战略性问题突出。加强科研布局的政策引导、立法先行推动数据开放共享、构建产业化机制加快应用落地、完善安全风险防控体系、优化高端人才引进培养与管理政策，完善科技金融政策体系，加速发展我国人工智能产业。

关键词：人工智能产业;战略问题;政策研究

一、人工智能产业概述

（一）概念及历史演进

1956年，人工智能被正式提出，其基本概念是“让机器能像人那样认知、思考和学习，即用计算机模拟人的智能”。经过60年的发展，人工智能取得了不少成绩，期间也经历了三次比较大的波折[1]。20世纪70年代专家系统的出现使人工智能研究出现新高潮，DENDRAL化学质朴分析系统，MYCIN疾病诊断和治疗系统等专家系统的研究和开发，将人工智能引向了实用化。90年代Hopfield网络&BP算法推动第二次黄金期，但是由于技术发展不足等原因，人工智能始终没有真正广泛应用。当前，数据资源、运算能力、核心算法在客观上构成人工智能的三大基本要素皆重新站上一个新台阶，共同推动当下人工智能从计算智能向更高层的感知、认知智能发展，同时与其它领域交融渗透、持续扩张，很多专用的人工智能技术开始广泛应用于不同产业，并对传统行业各参与方产生不同程度的巨大影响。

人工智能产业有狭义和广义之分。狭义人工智能产业是指基于人工智能技术本身，向社会提供智能化产品与技术服务的产业，包含对外提供的产品、以平台的方式对外提供的服务、人工智能解决方案和集成服务三种类型。广义人工智能产业还包括人工智能，或人工智能与其他技术结合（涵盖物联网、大数据、物联网）的智能应用赋能工业、农业、服务业等产业，支持发展智能制造业、智能交通、智慧农业、智慧服务业、智慧城市、智慧金融、智慧醫疗等。

（二）独特的变革性特征

一般认为，人工智能是通用目的技术，不仅能与其他技术结合，而且能够与其他产业结合，这种“智能”的外化能够支持其他所有产业带来颠覆性、变革性变化，促进全社会方方面面的变革和技术的升级换代。以人工智能为核心的人工智能革命与前三次工业革命相比有很大的不同，将推动人类由工业时代步入智能时代，在资源配置、生产方式、行业生态、科研模式、政府管理模式、人类生活方式、思想观念等方面带来不同于工业时代的全方位改变，促进人类社会产生时代的飞跃。总体来看，人工智能产业相比以往通用技术产业，具有独特的变革性特征。

一是赋能的无边界性。人工智能产业的发展所引发的不仅是单个产业或产业链单一环节的变化，往往会引发产业群或产业生态圈格局的变化，在商业模式、思想等各个方面给制造业（智能制造）、交通运输业（智能交通）、汽车工业（智能汽车）、医疗健康（可穿戴设备、智慧医疗）等所有产业带来的革命性变化。据预测，未来五年内人工智能技术将应用到多个行业并极大提高其行业运转效率，如教育行业将提升效率82%，零售业将提升71%，制造业将提升64%，金融业将提升58%。

二是网络状的产业链。人工智能产业链呈上中下游交叉融合网状协同关系。行业巨头不仅注重人工智能通用技术研发以及细分应用场景开发甚至行业解决方案提供，而且为保证其核心技术可控与用户服务体验优化，同时还向芯片制造、计算平台等底层基础设施甚至基础理论领域拓展延伸。如百度集多年技术积累与业务实践构建百度大脑，为百度所有业务提供AI能力与底层支撑。

三是个性化的生产方式。传统生产方式追求规模化、标准化大生产，而人工智能产业则强调品种的多样性和个性化。例如人工智能与制造业融合发展，加强人工智能技术在智能制造等领域深度应用，推动制造过程实时感知、精准控制和智能决策，可以提高个性定制供给等能力，满足社会发展需求。

四是边际成本的递减性。对比工业时代，智能时代信息的边际成本基本为零，人工智能产业将在边际成本不递增的情况下将个性化服务普及到更多的消费者与企业，从细分行业的特定场景应用到更加普世化的情景。

总之，作为新兴产业，人工智能产业的快速成长不断催生新技术、新产品、新业态和新模式，引发企业变革、行业变革、生产力变革和社会变革，成为世界各国培育新动能、获取未来竞争新优势的关键。中国是全球范围内少数几个对人工智能全领域覆盖，从国家层面进行顶层设计和布局的国家，人工智能为我国新旧产业转换带来巨大影响和机遇的同时，由于与传统产业的极大不同，也面临发展的困难和风险。

二、我国人工智能产业发展面临的战略性问题

我国人工智能起步较晚，随着近年来投入的增加，尤其是在国家政策的强力推动下，人工智能发展取得重要进展。通过多源情报数据分析和北上广深杭实地调研表明：在科学技术方面，我国国际科技论文发表量和发明专利授权量已居世界第二[2]，部分领域核心关键技术实现重要突破。在创新创业方面，人工智能创新创业日益活跃，一批龙头骨干企业加速成长，在国际上获得广泛关注和认可。在生态环境方面，加速积累的技术能力与海量的数据资源、巨大的应用需求、开放的市场环境有机结合，形成了我国人工智能发展的独特优势。总体来看，我国人工智能发展已步入国际领先梯队，具备应用优势，随着产业生态体系建设的快速推进和不断完善，未来有望在许多领域引领变革性产业的发展。但对比世界科技强国，我国人工智能产业发展仍然存在较大差距，面临核心技术、数据资产、应用场景、产业安全、人才结构、投资体制等关键因素的制约，战略性问题尤为突出。

（一）人工智能产业技术生态不能自主可控

中国人工智能产业整体技术水平与发达国家相比仍存在差距，缺少重大原创成果。例如人工智能芯片和底层开发框架等受制于人，不利于国内企业参与国际竞争，也使国民经济和国家安全存在隐患。

一是中国AI芯片产业基础薄弱，主流芯片被美国制造商垄断，存在“断供”风险。目前，AI芯片三种主流解决方案即通用处理器（GPU）、现场可编程门阵列（FGPA）和专用芯片（ASIC）均被美国制造商垄断。例如GPU市场格局主要以英伟达为主（英伟达占71%，AMD占29%），FPGA全球市场主要被美国厂商赛灵思和英特尔所垄断，以TPU为代表的ASIC市场，谷歌一家独大且已形成生态闭环。而我国芯片产业发展基础薄弱，少量企业涉足AI专用芯片，行业发展目前尚处于起步阶段，进口替代能力不强，自主可控程度不高，受美国出口管制条例（EAR）等出口管制法律约束，我国人工智能产业存在“断供”风险。

二是国产AI编程语言与开发框架缺乏，存在被技术“封锁”风险。AI底层编程环境与开发框架是人工智能核心生态圈建立的基础和关键。一方面，美国企业已借此建立了人工智能产业事实标准，如英伟达GPU的开源编程模型CUDA，是目前AI训练领域使用最广泛的并行计算平台，谷歌在此之上贡献了工业界广泛使用的开源开发框架Tensorflow。另一方面，我国编程环境与开发框架可能存在“被封锁”风险。一直以来，我国人工智能企业借助国内海量数据、人口规模以及国外开源算法框架，初步获得商业上的巨大成功。但在这所谓的开源资源中，我国可能受到美国出口法令的管制，存在被技术“封锁”的风险。而国内企业从2016年下半年才开始逐步发布开源平台战略，如百度异构分布式深度学习系统PaddlePaddle、腾讯面向机器学习的分布式计算框架Angel、阿里云人工智能平台DTPAI等，但由于投入规模、技术积累等多方面限制，目前国内平台还难以与美国互联网巨头主导的主流开源平台及其生态体系相抗衡。

（二）数据孤岛和数据安全高质量供给问题突出

一是当前人工智能产业进入落地阶段，产生了大量新兴垂直领域与细分应用场景的数据需求，但高精度、细粒度、专业化的数据资源服务供给不足。如就智慧城市场景而言，针对汉族的人脸识别和视频结构化已较为成熟，在实际应用场景中还需針对少数民族和其他人种进行优化以提升整体算法准确率，此外，跨镜追踪成为场景研发热点，多民族、多人种数据、跨摄像头数据、3D数据的采集与标注服务将成为视图基础数据服务市场的新兴需求。

二是公共数据缺乏开放共享标准，数据孤岛现象普遍存在。当前，各个行业的数据信息量呈现爆发增长的趋势，尤其是教育、医疗、流通等领域的数据信息规模更为庞大，如在医疗数据领域，我国医院所拥有数据庞大，但由于疾病的复杂性以及数据维度、特性各不相同、质量参差不齐，导致很多细分的病种实际可用数据量少。此外，这些数据信息仍处于“谁采集谁拥有”的状态，一些可分享的公共数据共享程度还很低，数据孤岛成为制约技术发展急需突破的关键点。例如我国当前医院与医院、同一家医院内科系互不相连，没有统一标准的临床结构化病历报告，不同地域甚至不同医院之间的数据库无法通用。

三是数据违规跨境冲击国家安全，存在“外泄”隐患。数据作为国家基础性战略资源的地位更加突出。为快速积累数据，科技企业通过向消费者提供特定领域免费应用、使用政府公开数据以及进行产业上下游数据协同等方式获取尽可能多数据。以脸书、谷歌为代表的美国科技巨头，依托其庞大用户规模和强大数据抓取工具，在全球范围内进行数据收集，强化数据资源优势，推进自身人工智能发展，加剧数据违规跨境流动风险。与此同时，2018年3月，美国发布《澄清境外数据的合法使用法案》（CLOUD法案），为美国执法机构访问在美国境内运营的企业存储在海外的用户数据提供明确授权，促使数据管辖权和跨境流动争议进一步加大，威胁我国网络主权和国家安全。

四是数据投毒带来重大安全隐患。随着人工智能与实体经济深度融合，医疗、交通、金融等行业训练数据集建设需求迫切，这就为恶意、伪造数据的注入提供了机会，使得从训练样本环节发动网络攻击成为最直接有效的方法，潜在危害巨大。数据投毒通过在训练数据里加入伪装数据、恶意样本等破坏数据的完整性，进而导致训练的算法模型决策出现偏差。在自动驾驶领域，数据投毒可导致车辆违反交通规则甚至造成交通事故;在军事领域，通过信息伪装的方式可诱导自主性武器启动或攻击，从而带来毁灭性风险。

（三）商业应用场景细碎繁杂，产业“落地”困难重重

一是进入深度应用阶段，应用场景的个性化与复杂化使得部署成本以及算力、通讯网络等运营成本都相对较高，不利于快速形成产业规模。人工智能与实体经济融合刚刚起步，机器视觉、语音识别以及无人驾驶等AI技术面临的具体应用场景细碎繁杂，难以形成一定的市场规模，很难实现规模化和垄断效应，对上游软硬件供应商很难拥有议价权，落地所需要的芯片、感知设备等部署成本以及算力、通讯网络等运营成本都相对较高，加之当前AI公司所提供的人工智能产品同质化严重，尚不能有效满足消费端特别是工业端的需求，AI人工智能产业商业价值变现难度较大。

二是深度神经网络的“黑箱”特性制约其在多个领域的深度应用。当前以深度神经网络为基础的人工智能系统普遍面临结果的不可解释和过程的不可审查两大安全隐患，其根源就在于不可解释性。在高度监管、高风险/高价值的行业中，信任计算机的决策而不理解计算机给出决策的依据可能存在的潜在风险根源，这一“黑箱”特性制约其在医疗、安保、军事等多个领域的应用。

三是人工智能产业自身在数据接口标准、技术评价指标、安全评估管控等方面存在缺失，也阻碍其广泛应用。人工智能产业的新产品、新业态将面临资质、数据、标准、安全评估等行业准入壁垒，同时对依照传统产业体系建立的现行规制架构和管理架构提出挑战。例如，自动驾驶汽车监管涉及交通、汽车、测绘、信息、科技、质检等20余个主管部门，涉及关键法律法规条款近30 项。而且政府部门往往对促进行业发展态度比较积极，但是对如何规制和治理缺乏有效措施。另一方面，人工智能产业自身在数据接口标准、技术评价指标、安全评估管控等方面存在缺失，也阻碍其广泛应用。

（四）产业发展缺乏有效监管，存在安全隐患

世界主要国家在关键产业领域均建立了体系化的防范机制，我国在核心领域尚缺乏体系化防范机制，可能引发潜在的产业安全和国家安全风险。

一是基于人工智能的“换脸”“变音”等深度伪造技术，造成人际信任危机，增大网络遭受恶意攻击风险，危害社会公共安全。基于人工智能的“换脸”“变音”等深度伪造技术，可模仿人的行为举止、声音和习惯动作，难以区分真假，降低生物特征识别技术可信度，增大网络遭受恶意攻击风险。如果纵容换脸变声技术的非法应用，各种恶意伪造的图片和音视频信息将大量涌现，严重侵犯公民肖像权等个人权益，甚至用于敲诈勒索、伪造罪证等不法活动，从而造成社会信任危机，对伦理道德和社会稳定构成严重威胁。

二是智能推荐算法可通过信息倾向性转播，影响社会舆论及公共政治意识形态。基于人工智能的推荐算法可通过信息倾向性传播，引发“信息茧房 ”效应。鼓励受众更多接收满足自己偏好的信息和内容，限于对世界的片面认知，导致社会不同群体的认知鸿沟拉大，个人意志的自由选择受到影响，甚至威胁到社会稳定和国家安全，影响社会舆论倾向甚至公共政治意识形态。

三是国际资本收购中核心技术体系化防范机制尚未建立，存在核心技术外流与被控制的风险。世界主要国家在关键产业技术领域均建立了体系化的防范机制，相比之下，我国在人工智能核心领域尚缺乏体系化防范机制，存在核心技术外流与被控制的风险。

四是深度神经网络的实现机理与逻辑难以理解导致系统决策背后的逻辑不明，存在决策过程监管审查“困境”。基于深度神经网络人工智能决策系统实现机理与决策逻辑难以理解所导致的系统决策背后逻辑不明这一“不透明”特性，使人们不能够发现其如何以及为何做出某一特定决定，对于人工智能决策系统批准和认证机构，加大了过程监管审查与事后责任确定难度。

（五）人才队伍相对不足，难以支撑产业持续发展

在推动人工智能产业从兴起到快速发展的历程中，AI人才是其中最为关键的因素，各国政府以及科技公司，均将AI人才争夺视为提升核心竞争力的根本战略。我国存在AI人才储备相对不足，结构分布不尽合理，后续人才培养跟不上产业发展需要等问题和风险，具体表现如下。

一是AI人才总量特别是高端人才数量与美国差距较大。根据清华大学发布的《中国人工智能发展报告2018》显示，截至2017年，美国人工智能人才数量排名位列全球第一，高达28536人，占世界总量的13.9%;中国人工智能人才数量为18232人，位居全球第二，占世界总量的8.9%。在杰出人才上，美国依旧遥遥领先，累计数量高达5158人，占杰出人才的25.2%，是排名第二位英国的4.4倍;中国杰出人才为977人，不及美国的1/5，仅排名全球第六。

二是AI人才主要分布在科研院所与高校。中国的优秀人工智能人才在高校和科研机构分布较密集，产业界人才却大大不足，表明人才分布不均衡。与欧美很多优秀人工智能人才发源于企业不同，目前中国人工智能“头部企业”在人才培养中的主体作用尚未充分发挥。

三是缺乏吸引国际高端人才的政策环境与机制，吸引AI人才回国难度较大。国外企业ElementAI发布的《2019年度全球AI人才报告》显示，在毕业于美国院校的中国高级研究员中，78%留在美国研究机构工作，仅有21%回到中国研究机构工作。该报告还显示，全球吸引人工智能人才的国家中，排名前五的是美国、中国、英国、德国、加拿大，共占据了72%的人工智能人才。中国虽然位居前列，但数量上仅有美国的1/4，与美国存在较大差距。

四是AI人才培养课程体系欠合理，缺乏扎实的“硬核科技”训练。截至2019年，教育部正式批准36所高校设立智能科学与技术本科专业，但我国高校在人工智能专业人才培养方面尚处于起步阶段，同时受制于师资、教材匮乏，大部分高校在设置人工智能课程体系时，采用的纯算法、纯应用的教学思路，仍然偏向于上层应用开发，对底层硬件芯片以及智能计算系统缺乏融会贯通的理解，人工智能学科设置与培养方式急需加强。

（六）产业投融资结构严重失衡，產业持续驱动力量不足

一是国内投资偏向应用，缺乏对基础层的有效关注与支持。由于资本流向安防、金融、交通、制造和医疗等应用领域可快速获利，且相比于应用层，基础层投资大、汇报周期长的特点导致我国人工智能领域的投融资结构头重脚轻。例如2013 年至2018年中国人工智能投资呈现爆发式增长，其中以技术层和应用层最为引入注目，相比之下，中国对人工智能基础层的投资则非常保守，2018 年只有87笔基础层投资。此外，目前处理器芯片领域接受的融资额仅占我国人工智能投融资总额的2%，远低于计算机视觉与图像识别等相对成熟的应用领域。这些现象如不及时改观，国内人工智能产业发展可能因基础薄弱而后继乏力。

二是风险投资追求短期套利，缺乏长远投入定力。近年来，以国家集成电路产业投资基金、中国互联网投资基金、中国国有资本风险投资基金等为代表的国投资本，助推了海思、中芯微电子、紫光国芯、中科寒武纪、云知声等AI初创企业的研发创新，但社会资本仍存在早期介入能力不强、过分追求短期套利等问题，易导致无法及时为技术研发投入大、市场拓展成本高的人工智能基础领域提供支持。

剖析上述战略性问题的深层次原因，一是在于所处发展阶段，我国工业化中后期发展阶段的产业创新本身面临“路径依赖”低端锁定困境，缺乏原创性成果和创新人才，以及体制机制等诸多问题，造成人工智能核心技术受制于人，产业高端化发展受限，凸显创新主体、创新环境的内生动力与活力不足;二是在于人工智能产业具有变革性，不同于普通产业，创新过程具有更强的不确定性和高风险性，不仅面临技术变革，还将对现有价值网络、组织模式、生产方式、商业模式、发展战略带来颠覆性影响，极大地挑战现有宏观政策与治理体系。

因此，人工智能产业发展需要微观上激发主体活力，而增强人工智能政策供给能力，提高政策供给质量，从宏观上疏导发展阶段之困，减轻变革风险之危，则更为迫切。他山之石可以攻玉，面对人工智能科学—技术—产业日益激烈的竞争态势，有必要借鉴世界科技强国政策经验，持续完善我国人工智能政策，突破战略性问题，支撑人工智能加速发展。

三、世界科技强国人工智能产业政策及启示

随着新一代人工智能技术的群体性突破，世界科技强国纷纷开始把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策[3][4][5]，力图在新一轮全球科技竞争中掌握主导权。目前全球人工智能发展主要集中在四大区域：美国、欧洲、日本和中国。通过对美国、欧洲、日本等国在人工智能产业的战略布局、重大举措、相关政策的分析研究，获得以下认识和启示。

（一）多国升至国家战略，战略布局各有侧重

全球主要国家纷纷将人工智能作为经济发展和科技创新的重要战略资源，均已提出中长期战略规划或愿景，自2013年以来，全球已有美国、中国、欧盟、英国等二十多个国家和地区发布了人工智能相关战略、规划或重大计划。美国为确保其领先地位，于2016年发布国家人工智能研发战略计划;日本等紧跟其后，于2017年将人工智能上升至国家战略;欧盟、法国、英国、德国等于2018年相继发布了人工智能战略。

一是战略目标各有特点。受资源禀赋、创新能力、发展目标等制约，世界科技强国的人工智能国家战略在目标任务、研发重点和应用领域布局等内涵上有不同的战略选择。美国政府全面布局支持人工智能发展，其战略目标为维持全球人工智能领导者地位，确保全球领先优势。英国则积极推动产业创新发展，发布了一系列相关的战略和行动计划，注重与应用结合，同时塑造其在AI伦理道德、监管治理领域的全球领导者地位，让英国成为世界AI创新中心。德国依托“工业 4.0”及智能制造领域的优势，在其数字化社会和高科技战略中明确人工智能布局，打造“人工智能德国造”品牌，推动人工智能研发和应用达到全球领先水平。日本则积极发布国家层面的人工智能战略、产业化路线图，旨在结合机械制造及机器人技术方面的强大优势，确立人工智能、物联网、大数据三大领域联动，机器人、汽车、医疗等三大智能化产品引导，突出硬件带软件，以创新社会需求带动人工智能产业发展。

二是研发领域布局各有侧重。整体而言，各主要国家均注重人工智能基础研究和前沿领域布局，但美国更强调全领域的领先优势，欧盟强调医疗、交通等领域的 AI 应用开发，日本高度重视医疗、农业、制造等领域的 AI 应用开发。美国人工智能重点领域的研究布局面向前沿并兼顾全面，基于完善的IT基础、强劲的研发实力，超前布局通用人工智能理论、技术等，推动弱人工智能走向强人工智能。英国在布局上重点关注机器学习、机器人、自动驾驶，尤其是智能能源技术领域。日本除了结合其强大优势领域如机器人、自动驾驶以外，在脑信息通信技术方面较为领先，也关注语音识别、自然语音处理和知识图谱技术的研究布局。除突出研发重点领域外，对于基础软件和设施、公共数据及环境等基础性领域，各国均有布局。

三是对应用方向的关注大同小异。从整体看，制造业、医疗、交通、农业、国防是各主要国家比较关注的应用方向，其中，制造业是重中之重。美国在通过人工智能在各行各业的应用促进经济发展的同时，更高度重视利用人工智能增强军事技术的领先优势。与美国相比，英、日人工智能应用相对更加聚焦和深入。《欧盟人工智能》报告明确提出投资 15 亿欧元支持医疗、交通等领域的 AI 应用开发，并针对医疗、交通、农产品、制造等领域新建数字创新中枢及相关设施。日本致力于应用人工智能技术解决各种社会问题，除制造业、医疗和护理行业和交通运输领域外，还比较重视信息安全领域的应用。

（二）重大举措层出不穷，加快构建AI生态系统

近年来，为推动人工智能发展，美欧日相继推出重大举措，强化AI生态系统建设，主要有以下几类。

一是成立专门推进机构，加快人工智能落地。为加强多部门协同合作，整合资源力量，统筹推进各项人工智能战略规划及相关政策落地，各国纷纷成立专门的人工智能推进组织机构。例如美国2016年成立机器学习与人工智能分委会（MLAI），2018年成立人工智能专门委员会（SCAI）、联合人工智能心（JAIC）、人工智能国家安全委员会，分别负责跨部门人工智能研究与发展，人工智能领域投资和开发，国防机构领域以及在安全、伦理道德、国际法影响、数据共享等方面工作的推进;英国成立人工智能专门委员会、政府人工智能办公室、人工智能理事會、数据伦理和创新中心等制定和督促人工智能战略的制定和实施。

二是加强顶层规划，加大人工智能研发资助力度。各国通过重大项目、工程和计划等，加大支持人工智能研发，例如英国政府在《人工智能领域行动》等多个人工智能方面的政策文件中，提出政府提高研发经费投入，优先支持关键领域的创新等等措施。美国国家科技政策办公室2019年发布的《美国人工智能倡议》旨在从国家战略层面重新分配资金，创造新资源用于人工智能研发。从过去一年的趋势可以看出，美国政府希望人工智能技术发展的主力军从多年来以谷歌等科技企业为主转向政府在这一领域更多地直接发挥作用。

三是资金来源各具特点，支持目标各有侧重。一方面，国家财政资金是人工智能经费的重要来源之一，就资助渠道而言，美国人工智能科研资助体系较为多元化，英国设立专门机构为人工智能基础研究和技术转移提供服务，日本则成立国家综合管理机构统筹协调资金投入。另一方面，各国支持目标和领域各有侧重。

四是营造良好的产业生态，共同推进人工智能发展。一方面成立具有影响力的行业组织，建立人工智能研究中心和重点实验室推动人工智能技术和产业发展。如英国 2018 年成立 AI 理事会，欧盟 2018年 6 月成立了人工智能联盟，德国在其 2018 年发布的人工智能战略中指出，计划成立国家级研究联盟。美国虽未成立由政府指导的行业组织，但产业界各企业成立的合作组织（如 Partnership On AI）已在全球人工智能领域具有较大影响力。此外，依托谷歌、微软、亚马逊、脸书等科技巨头建立研究中心、创新平台等，有力促进人工智能技术和产业的发展。另一方面，积极开展研发资助并扶持初创企业，同时推动制定技术标准。例如英国已有并正在涌现许多创新型人工智能公司，英国政府也积极推出针对初创企业的激励政策，美国《人工智能倡议》指出推动制定适当的技术标准，减少使用人工智能技术的障碍，以促进其创新应用。

五是强化“数据开放”，夯实人工智能生态基础。例如美国在算法和芯片方面保持优势基础上，针对可供训练的数据方面占优不明显的短板，逐步开放美国政府手里的数据和计算资源，帮助人工智能专家和私营企业部门更容易获得包括国防部、商务部、卫生部、能源部在内掌握的数据和计算资源，以增加此类 AI 研发资源的价值，同时保持符合适用法律和政策的安全、隐私和机密性保护。

六是加强国际交流，防范技术外流风险。在国际合作方面，世界主要国家在关键产业技术领域均建立了体系化的防范机制。如美国自 2018年以来加大干预涉及人工智能和机器人技术的实体投资与交易，并拟出台《对中国公平贸易执行法案》限制对华敏感技术出口，《美国人工智能倡议》提出尤其需要保护美国在人工智能方面的技术优势，保护美国的关键人工智能技术免受战略竞争对手和敌对国家的收购。英国自2018年7月以来酝酿对本国收购法进行近二十年来最大修改，拟赋予政府阻挠经济各行业并购交易的新权力，防止敏感行业公司落入外国人手中。德国根据《对外贸易法》于2018年8月禁止中国资本收购机床制造企业莱费尔德，该国经济部早前向欧委会提交的《关于欧盟层面投资审查建议的要点》建议欧盟对来自中国和美国的资本予以特别关注，以保护欧洲的关键核心技术。

（三）重视技术伦理道德，相关规范逐步出台

整体而言，伦理道德框架设计滞后于人工智能发展，但世界各国对人工智能带来的伦理等治理挑战持积极态度，就人工智能伦理和法律问题提出相关倡议并完善标准和规范。如美国将理解并解决人工智能的伦理、法律和社会影响作为《国家人工智能研发战略规划》八大战略之一，拟建立符合伦理的人工智能，制定可接受的道德参考框架。同时积极加快人工智能方面的立法，内容涉及人工智能对国家安全的影响、开放政府数据等，确保美国人从人工智能快速创新中充分受益。英国政府多个文件和报告呼吁建立国家层面的人工智能准则与伦理框架，2018 年1月发布的《数据宪章》就指出，应确保数据以安全和符合伦理的方式使用。

世界科技强国推进立法加强人工智能对就业与行业发展的风险应对。在就业风险方面，美国相继发布《人工智能创新团队法案》《人工智能就业法案》，提出美国应营造终身学习和技能培训环境，以应对人工智能对就业带来的挑战。英国政府重视人才与劳动力培训，在《英国发展AI 的计划、意愿和能力》《产业战略：建设适应未来的英国》 中都提出了加强公民终身再培训、政府应加大技能和培训方面的投资等具体举措。在行业发展风险方面，自动驾驶、机器人行业相关法律和准则率先受到各国青睐。美国通过《自动驾驶法案》《准备迎接未来交通：自动驾驶汽车 3.0》《数据共享宣言》等一系列文件，规范和管理自动驾驶汽车设计、生产、测试等环节，确保用户隐私与安全。德国则较早在全球发布自动驾驶相关法律与准则，如早在 2015 年 9 月德国政府就推出了《自动化和互联驾驶战略》。英国2016 年发布《机器人技术和人工智能》报告，指出英国应规范机器人技术与人工智能系统的发展。

（四）案例启示

对主要科技强国的研究表明，美国人工智能起步较早、产业成熟度较高，是对人工智能全领域都有覆盖的国家，而且近年来出台的人工智能相关的政策和规划大多都是趋向于向军事领域发展;德国是传统工业强国，期望通过人工智能进一步加强其在工业方面的优势，并带动其他产业发展;英、法等欧盟國家更趋向于医疗与人工智能的结合发展;日本希望通过大力发展人工智能，保持并扩大其在汽车、机器人等领域的技术优势，并逐步解决人口老龄化、劳动力短缺、医疗以及养老等社会问题。从全球范围来看，世界科技强国纷纷将人工智能作为经济发展和科技创新的重要战略资源，以递进式、持续性的专项战略或规划，加强人工智能发展的顶层设计与计划实施，相继推出重大举措，在研发资助、产业生态、数据开放、国际交流等方面强化AI生态系统建设，此外非常重视技术伦理道德，出台相关规范，逐步构建伦理制高点，发展与规制并重。总体来看，各国牢牢把握人工智能的重大发展机遇，结合国家优势和战略需求，从自发、分散性自由探索为主的模式，转为战略导向下的研究与创新模式，逐步形成了“战略先行、立法保障、计划跟进、生态协同”的政策体系，力图掌握新一轮竞争主动。

我国中央和地方政府也高度重视人工智能发展的重大战略机遇，把人工智能作为产业升级和经济转型的主要驱动力，相继出台了人工智能一系列政策规划。2016年“人工智能”首次出现在“十三五”规划草案中，国家发改委正式印发《互联网+人工智能三年行动实施方案》，明确了人工智能的总体思路、目标与主要任务。2017年国务院印发《新一代人工智能发展规划》，将新一代人工智能发展提高到国家战略层面，成立专门的推进组织机构、启动相关项目、建立发展试验区，加快推进和落实新一代人工智能发展规划。围绕人工智能应用落地与产业赋能，2019年国家发改委出台《关于促进人工智能和实体经济深度融合的指导意见》，科技部、工信部、民政部等国家部委联手百度、腾讯、联想等民营企业，提出“人工智能+产业”“人工智能+医疗”的发展思路。而针对我国人工智能领域专业人才供求失衡严重、高层次人才尤其稀缺的短板，2018年教育部发布《高等学校人工智能创新行动计划》，2020年教育部、国家发改委和财政部发布的《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》，在人才培养等方面进行了一系列部署。

总体来看，我国人工智能政策供给从重视技术培育为主，转向以技术产业融合为重点，技术应用与人才培养系统推进和落实，但对比主要科技强国，仍然存在问题与差距，主要体现在：一是制度法治化程度较低，我国人工智能政策主要停留在行政法规的形式，尚未达到法律层面，针对人工智能技术和产业发展的法律法规研究刚刚启动，保障人工智能产业健康发展的信息安全、伦理道德、风险审查与防控等法律框架尚未展开试点，政策保障程度不高。二是战略布局缺乏前瞻性和主动性，顶层设计体系性尚不完备，政策间的系统性协调性不足，产业政策制定与实施、伦理道德框架设计明显滞后于产业发展、可操作性不强、政策执行效率偏低。因此，综合考虑我国人工智能产业发展的战略性问题与政策体系的明显差距，主要科技强国人工智能战略和产业政策的经验启示，对于完善和提高我国人工智能政策供给提供了重要的参考。

四、新形势下加速发展人工智能产业的政策建议

根据当前科技发展和国际形势，我国自主发展人工智能产业面临的机遇与挑战更为严峻和复杂。一方面是挑战巨大。人工智能自机器学习算法突破以来掀起了新一轮的全球扩散转移，是我国由跟跑到领跑未来主导产业的重要抓手，后发赶超机遇意义非常重大，面临新兴大国崛起和守成大国遏制的重大风险，当前愈演愈烈的中美博弈，加剧我国面临科技脱钩、政治打压、经济制裁、人员管制、合作中断等一系列阻碍，发展进程受阻。另一方面是遭遇极端事件。受2020年全球新冠肺炎疫情影响，无接触经济创造出智慧医疗、云端教学等极端应用场景，催生大量新业态新模式，为我国人工智能带来意想不到的发展空间，加快了5G、大数据、云计算等新场景下的应用落地。综观当前全球人工智能产业竞争，非市场因素干扰加剧，破坏正常竞争与合作;非共识性冲突增多，为产业发展造成诸多人为障碍。为此，正视中美战略对抗，立足我国人工智能产业自主安全，需要以更大视野、更长视距预判、预警和预置，加快智能经济发展，创造更大赋能价值，提出以下政策建议。

（一）加强科研布局的政策引导，着力解决我国人工智能产业技术生态困境

一是强化多学科联合攻关，力争在AI芯片、核心基础软件与算法方面形成突破，打破国际垄断格局。重点支持应用驱动的AI芯片研发，抢占国际AI专用芯片市场份额。鼓励研发新型工艺架构，着力突破AI芯片能效与访存瓶颈。着重打造基于自主芯片的编程框架及其技术生态体系。二是鼓励加强开放合作，建立更广泛的国际合作网络和联盟，推进建立全球人工智能技术开放创新生态体系。

（二）加快推动数据开放共享立法，推进建立良好的数据开放共享生态体系

一是推动加强新兴垂直应用领域数据基础服务，引导构建集数据采集、清洗、标注、交易、应用为一体的基础数据服务体系，助力AI商业应用落地。二是推进完善数据开放服务机制，引导建设面向数据需求方、提供方、加工方、使用方于一体的人工智能基础数据集成开放平台，完善数据共享标准规范体系，推动公共领域数据开放共享。三是督促加强人工智能数据安全治理能力建设，实现人工智能数据安全风险的提前感知和预防，规避重要训练数据被污染投毒、核心数据违规出境以及数据智能窃取等数据安全风险，维护良好数据生态环境。

（三）完善产业推进政策，推动构建有利于AI落地应用的产业化机制

一是重视发挥企业的创新主体作用，引导建立政策链、创新链、产业链、资金链融通创新的体制机制，推动建立和完善由企业牵头的政产学研金协同创新体系，优化资源配置，确保所有创新要素共同围绕实际应用问题开展协同攻关，提高创新效率，提升产业可持续发展的技术保障能力。二是重视人工智能应用场景化、专业化、平台化，引导构建从源头技术创新到产业技术创新的完整价值链，加快形成规模效应。三是重视推进可信人工智能发展，引导拓展多场景深度应用;四是督促加强人工智能相关标准、规范、评价体系建设，逐步消除人工智能应用行业准入壁垒。

（四）完善产业监管和安全风险防控政策体系，确保产业健康发展

一是重视加强各领域人工智能产品、应用和服务监测，推动人工智能行业认可的产品和服务可信認证。二是完善行业监管体制，提升监管技术手段，建立公开透明的智能技术监管体系，引导加强对算法设计、数据采集与流转、产品开发和应用等全流程监管。三是明确政企责任边界，引导企业加强自律自治，保障数据采集、存储和流转的合法性与安全性。四是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预案，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。五是鼓励企业重视国际专利申请，督促企业加强知识产权保护。六是重视加强人工智能在信息网络安全方面的应用，全方位提升网络与信息安全防护能力。

（五）完善AI高端人才引进与管理政策，加快AI人才培养源头建设，优化人才结构

一是加大高端人才引进力度。制定吸引全球优秀人才的人才流动政策、移民政策、签证政策、留学政策。对于引进的高端人才，政府从户籍、住房、医疗、子女教育、税收等配套资源方面给予最大限度优惠或减免。对于引进高端人才的企业，给予最大限度的融资支持和税收优惠。二是加快出台本土人才的激励政策，对于符合特殊人才政策的本土人才，同样给予特殊支持和照顾，充分调动各类各层次人才创新创业的热情与积极性，最大限度挖掘和发挥人才价值。三是从源头上增强我国人才培养，引导完善我国高校人工智能人才培养教育课程体系设计，加强人工智能师资队伍建设，鼓励搭建校企联合培养平台（如共建实验室或创新实践基地），提升人才培养国际化水平，增加高校人工智能人才培养体制机制的科学性和有效性。四是重视发展人工智能职业教育，完善有利于培养大批高素质人工智能产业技术工人的机制体制。

（六）完善科技金融政策体系，引导金融资源助力产业发展

一是引导金融资源向人工智能初创企业积聚，推动建设以“多层次资本市场+债券市场+创业风险投资体系”为主要内容的市场主导型科技金融体系。二是引导金融资源面向基础研究与底层技术、共性技术开发提供长期支持。

参考文献：

[1]李世鹏. 人工智能的发展现状和趋势[J]. 视听界， 2019，（5）.

[2]朱巍， 陈慧慧， 田思媛， 王红武. 人工智能：从科学梦到新蓝海——人工智能产业发展分析及对策[J]. 科技进步与对策， 2016， 33（21）：66-70.

[3]肖翔， 赵辉， 韩涛. 主要国家人工智能战略研究与启示[J]. 高技术通讯， 2017，（8）.

[4]汤志伟， 雷鸿竹， 周维. 中美人工智能产业政策的比较研究——基于目标、工具与执行的内容分析[J]. 情报杂志， 2019，（10）.

[5]谢毅梅.人工智能产业发展态势及政策研究[J].发展研究，2018，（9）：91-96.