中美欧人工智能产业风险研究及中国对策

孙慧敏，谢庆红，吴 斌

（南京工业大学经济与管理学院，江苏南京 211816）

随着人工智能的快速发展，各国政府高度关注人工智能的产业发展，将人工智能战略规划上升至国家层面，以抢占新一轮科技革命和产业变革的制高点。美国政府发布了《AI &Machine learning committee》《Artificial Intelligence Automaton,and the Economy》《American AI Initiative》等多个有关人工智能战略部署的文件。我国政府出台了《促进新一代人工智能产业发展三年行动计划（2018－2020）》《国务院关于印发新一代人工智能发展规划的通知》《新一代人工智能产业创新重点任务揭榜工作方案》等人工智能战略措施相关文件，高度重视人工智能的产业发展和技术进步。人工智能的发展对国民经济有着至关重要的影响，往往决定了一个国家在全球的经济地位，这也导致各国在人工智能行业进行激烈的较量，主要表现在科技强国对于人工智能产业核心技术的技术管制与贸易制裁。2018 年，美国政府禁止所有政府机构购买华为的设备和服务，随后，美国政府禁止向华为公司销售产品及技术，并将涉及集成电路生产、计算机研发的几家大型中国企业列入国家安全出口管制清单。以美国为主体的科技强国正在通过技术制裁的方式打压我国的人工智能产业，阻碍我国的经济发展。我国人工智能产业正面临着严峻的考验，虽然我国高度重视人工智能产业发展，但人们对人工智能产业风险的重视程度还不够高，本文认为有必要对人工智能产业风险进行系统的研究。

1 文献综述

目前对人工智能的研究已经引起了广泛的重视，研究的角度与侧重点各有不同，主要集中在以下两个方面。一类是研究人工智能技术带来的社会风险问题，另一类是关于影响人工智能产业发展的研究。关于人工智能技术引发的社会风险问题，目前主要聚焦在就业失业问题和信息泄露两大风险问题上。一些学者研究认为，人工智能技术可能会带来大量工作与就业风险。他们认为随着人工智能技术的快速发展与过程自动化的普遍使用，低技能的工作岗位的失业风险将会大大增加，甚至就业者的工资规模也将减小［1-2］。世界经济论坛以及PWC 等关键机构也在报告中表示，人工智能和机器人的净效应可能会造成大规模技术人员失业［3］。郭凯明［4］聚焦于人工智能的发展对劳动收入份额的影响，认为这种影响方向具有不确定性。随着Facebook 和剑桥泄露用户信息这一丑闻发生，大数据技术引发的信息泄露风险受到了公众的重视，一些学者研究了人工智能技术与个人隐私和数据泄露问题，认为虽然互联网能解决从地理定位、通过可穿戴设备的健康监测、银行服务及在线购物等各种领域的问题，但也给用户的隐私带来潜在危害［5-6］。在很多情况下，人工智能算法已经可以代替人类进行决策和行动［7-8］。Akhter［9］认为人们对于大数据平台如何处理个人信息的负面看法可能会影响网上交易的频率。这些都引发了公众对个人信息和网上隐私可能被滥用而日益增长的担忧［10-11］。

一些学者聚焦于人工智能产业发展研究，目前我国人工智能在自然语言处理、语音识别、智能监控、计算机视觉、机器人等技术领域已享有自主知识产权，且已得到广泛应用。目前，我国在某些关键领域已与发达国家水平相当，但整体上我国人工智能产业发展水平与发达国家仍存在一定差距［12］。陈军等［13］分析中美两国IPC 分布，发现美国在语音分析或合成、语音识别等领域申请量较多，而中国在数据识别、数据处理等领域更胜一筹；在技术领域关注重点方面，美国偏向于新兴应用领域研究，而中国偏向于研究传统应用领域。目前我国人工智能产业仍处于发展初期，面临技术创新能力薄弱、高端人才紧缺等各方面挑战，在顶级人才、半导体领域、技术标准方面，美国占据了绝对优势，这使中国人工智能产业在未来很长一段时间都将扮演追赶者角色［14-16］。张振刚等［17］统计人工智能专利权人，发现全球排名前12 位的企业均为外企，中国企业在人工智能的算法基础和综合研发实力方面仍处于落后状态,在人工智能领域，地方性投融资活跃度低与投融资困难等问题也较为突出［18］。从产业发展的促进效应来看，产业的自主创新能够促进产业高质量发展，对产业安全产生显著影响［19-20］,政府及企业的研发投入从长远看会促进高技术产业的企业基础研究［21］。

我国高度重视人工智能产业发展，但目前对于我国人工智能产业的发展水平及国际竞争态势尚不明确，研究学者对人工智能产业风险现有的研究规模和深入程度目前正处于起步阶段，没有形成系统的理论。本文期望能够建立一套科学合理的人工智能产业风险评价指标体系和评价模型，运用层次分析法和熵权法组合赋权，集成灰色综合评价理论，以保证其评价结果的准确和客观，并对风险主要来源分析，给出在贸易摩擦时期中国人工智能的政策建议，进行风险防控。

2 人工智能产业风险评价指标体系的构建

构建完善、合理的人工智能产业风险按评价指标体系是保证评价效果真实可靠的关键，应遵循以下基本原则：（1）权威机构的典型指标体系，根据权威机构产业发展评价报告中出现过的高频率指标进行筛选；（2）全面性原则，以代表性较强、较全面的指标最大的反映出引发人工智能产业风险的信息，不仅可减少评价工作量，而且能确保评价结果的评估精度；（3）易获取性原则，在实际操作中应依据指标数据获取的可获性进行筛选，应确保合理的公开渠道，力求指标含义清晰、明确、真实、有效；（4）可量化原则，构建人工智能产业风险评价体系时要充分考虑指标能否被量化处理，尽量选取可量化指标。

本文从产业竞争力和产业安全的角度出发，识别导致人工智能产业风险的因素主要包括产业创新能力、产业规模、产业融资环境、产业经济效益、产业能源消耗等五个方面，相关风险因素导致人工智能产业风险的因素不仅取决于相对落后的产业技术创新的能力、较难的产业投融资环境、规模小的产业状态，甚至是产业耗能巨大以及能源效率低，还取决于产业的经济效益水平。

2.1 产业创新能力

人工智能产业对科技创新能力要求较高，属于技术密集型产业，Glasser［22］认为产业创新能力是影响技术密集型产业发展的一个重要风险因素，为此可以从五个方面来衡量：技术进口额、PCT 专利申请数量、校企合作论文比例、论文FWCI 水平、顶端研究者数量。一是技术进口额，技术进口额是指在人工智能领域从国外向国内通过贸易、投资或者经济技术合作的方式转移技术所花费的金额，其中，我国技术进口额主要来源为进口集成电路相关技术和产品。技术进口额越大，表示从国外转移的技术就越多，产业的技术水平就越低，则产业的技术风险就越大，从而导致产业风险越大。二是PCT 专利申请数量。PCT 是专利领域中一项国际合作条约，专利申请人可通过PCT 请求多国同时保护其发明专利。专利的数量及变化趋势可以反映一个国家的科技发展水平与最新动态。PCT 专利申请越多，则国家的科技发展水平越高，产业风险也随之降低。三是校企合作论文比例。由于企业以追求经济利益为主，与高校的目标和定位不同，校企合作论文能够使高校的研究方向贴合市场需求，提高创新价值，从而推动人工智能产业发展。四是论文FWCI 水平。FWCI 值通常用来表示一个国家的总体科研质量，FWCI=1 代表国家总体论文质量等同于世界平均水平，FWCI 值越低则代表国家的总体论文质量越差，越不利于人工智能的产业发展。五是顶端研究者数量。五是顶级 AI 研究者数量。顶级 AI 研究者是指在国际上具有领先研究创新能力的AI 人才，顶级AI 研究者数量通常被用来衡量研究者质量，是评价AI 产业风险必不可少的重要因素之一，当人工智能顶端研究者数量较高时，将有助于将先进知识和技术进行创新转化，提高产业的创新效率，推动人工智能产业快速发展。

2.2 产业规模

产业规模越大越有利于产业可持续发展，产业风险则会越低。本文从国家人工智能企业数量、开设AI 专业高校数量、基础层与技术层人才数量、AI初创企业数量四个方面来衡量人工智能产业规模的大小。一是人工智能企业数量。企业数量越多，越大，越有利于使整个产业的产量增加。企业数量少时，则不利于产业链的持续发展。二是开设有人工智能课程的高校数量。该指标可以反映国家培养人才的能力，开设AI 专业课程的高校越多，AI 人才越有利于得到大规模培养，“业由才广”，随着高校AI 课程的普及与深入，人工智能产业将会在很大程度上取得快速高质量发展。三是基础、技术层人才数量。基础、技术层人才指在基础、技术层研究领域内具有创新的研究能力且有创新成果的研究者，基础研究人才不足是AI 产业风险的重要来源。在算法、芯片等产业核心基础领域的研究人才数量越多，对核心技术掌握的越多，有利于提高企业竞争优势。AI 人才集中在应用层，产业基础核心技术被他国掌握，将导致在产业竞争中受到制约且处于劣势。四是初创企业数量。初创企业是指行业内新成立不久，缺少资金和资源支持的一类企业，一般将开发的创新技术及创新产品作为其主要竞争优势，初创企业是产业创新、开发新技术的重要来源，初创企业数量越多，科技创新力量越大，越能激发企业的创新积极性，推动AI 产业快速变革发展。

2.3 产业融资环境

产业融资环境是指产业在研发阶段获得投融资的难易情况，从国家研发投资额、AI 初创企业融资额、私募投资总额、私募股权投资事件数4 个方面来衡量人工智能产业的投融资风险。一是国家研发投资额。该指标以国家、政府为主体对人工智能的科研投入，国家对人工智能产业的研发投资额越多，说明国家对人工智能产业的科研支持力度大，重视度越高，反之，说明国家对于人工智能产业科研支持力度低，不利于人工智能产业快速发展。二是AI初创企业融资额，该指标是指人工智能初创企业所能融资到的投资额，可以反映初创企业的生存状况，初创企业融资额越高，则说明政府及金融机构对人工智能产业的投资兴致高。人工智能的企业生存环境良好，将有利于产业发展；反之，AI 初创企业融资额低，则人工智能早期项目获得资本的难度大，不利于初创企业的规模化发展。三是私募股权投资总额。私募股权投资对象一般为未上市的初创企业，该指标指通过私募的形式获得投资资金，跟踪私募股权投资可以衡量国家发展AI 公司的能力。私募股权投资总额低，说明资本市场对AI 领域的投资活跃度不高，国家发展AI 公司的能力低，阻碍产业创新与产业发展。四是私募股权投资事件数。私募股权投资事件数反映了行业的受关注程度，私募股权投资事件数越多，说明行业越受投资领域关注，吸金能力越强，活跃的投资市场将会促进AI 行业的快速发展。

2.4 产业经济效益

经济效益是指资金成本的消耗转化出的有用劳动成果。产业创造的经济效益越高，产业的劳动投入向经济成果转化率越高，从而提高市场竞争优势，形成良性循环，推动产业更好发展。本文从AI 产业总产值、总产值在地区GDP 的占比、产业发展增速3 个指标衡量产业经济效益。一是AI 产业总产值，总产值指标能在一定程度上体现出人工智能产业的经营状况的好坏以及经济效益的大小。当总产值持续低迷时，将会导致企业信心的丧失以及产业链系统的风险增加。二是总产值在地区GDP 的占比。该指标用来反映产业运用全部资产的收益能力。总产值在地区GDP 的占比越高，说明人工智能产业对整体的经济贡献越大，经济效益越好，市场竞争越大。三是产业发展增速。表示AI 产业在某段时期内增长的速度，产业发展增速越大，则产业产值增长速度越快，经济效益越好，市场竞争力越大，从而使产业更加成熟稳定地发展。

2.5 产业能源消耗风险

能源消耗是指由于人工智能设备在训练和运行时需要处理大量的数据、占用内存和处理器，消耗大量电力。人工智能规模化发展，使能源消耗速度加快，将会占用大量的社会用电从而导致发电量不足以支持使用，因此，认为能源消耗是非常重要的风险因素。因此本文从数据中心年耗电量、数据中心电力使用效率PUE 两个指标来衡量能源消耗的情况。一是数据中心年耗电量。据相关部门统计，全球的数据中心耗电量预计到2025 年会达到世界电量的15%，由此可见数据中心耗电量是个值得重视的指标。二是数据中心能源效率PUE。数据中心能源效率为数据中心总输入功率与IT 负载功率的比值，指在供电、制冷和保护IT 负载方面额外消耗的电力量多少，国际通用的PUE 衡量指标。能源高效使用是产业可持续发展的重要因素，能源使用效率高，说明绿色化程度高，能源使用效率低，会产生大量能源浪费，不利于产业可持续发展，从而增加产业风险。

基于指标选取的原则,本文建立了包含产业创新能力、产业规模、产业融资环境、产业经济效益、产业能源消耗5 个一级指标及18 个二级指标的人工智能产业风险评价指标体系,见表1。

表1 人工智能产业风险评价指标体系

3 人工智能产业风险综合评价

层次分析法将专家思维科学层次化，根据专家经验将评判因子转换成评判矩阵，获得合理权重，但存在评价专家主观上的不确定性。熵权法为客观赋权法，通过量化指标提供的信息熵大小计算权重，能够避免因专家主观不确定性而导致分析结果不准确，但当某个指标值的变动范围较小时，熵权法就会受到局限。由于层次分析法与熵权法各有利弊，无法同时反映主客观信息，为了更好的利用有限的信息，本文将主观赋权与客观赋权法相结合，使权重更加科学合理。

由于人工智能产业风险相关的评价指标十分的多且繁杂，在评价风险时,有时不可能也没有必要列出全部指标再进行评价，鉴于此，将人工智能视为一个灰色系统，适当地选取了部分指标，通过对少量已知信息的筛选、加工、延伸和扩展建立评价方法。本文结合灰色综合评价及组合赋权法，完成对人工智能产业发展风险评估的目标。

3.1 指标权重的确定

样本数据无量纲处理。对收集到的m个底层指标数据进行无量纲处理:

层次分析法计算权重。本文以中、美、欧盟三大经济体人工智能产业风险为研究对象，风险指标主观赋权选取层次分析法，运算得出人工智能产业风险各层指标权重。考虑到此模型的应用较为成熟，其公式及原理便不再赘述。

层次分析法与组合赋权法。本文选用层次分析法进行主观权重计算，并由层次分析法与熵权法组合计算指标权重，设层次分析法计算出的权重为，则组合权重为:

3.2 灰色综合评价

制定评价指标的评分等级标准。风险是对将来事件发生的未知性的描绘，本文将风险等级分为“高风险”“较高风险”“中等风险”“较低风险”“低风险”，评分值分别为5，4，3，2，1，风险等级介于两相邻等级之间时，评分值为4.5，3.5，2.5，1.5，分值越小风险越小，具体等级标准由各专家根据经验确定。

确定评价灰类。确定评价灰类就是要确定评价灰类的等级数、灰数及白化权函数。根据上述风险等级标准，将评价灰类划分为5 类，灰类序号为e=1,2,3,4,5，白化权函数如下:

4 人工智能产业风险实证研究

4.1 数据来源和收集

考虑到美国、欧盟、中国三大经济体的AI 发展水平在全球领先其他经济体，本文以美国、欧盟、中国三大经济体为样本选取对象，数据来源于IDC 数据中心、中国电子协会、国家工业信息安全发展研究中心、中国信息通信研究院、华泰证券研究所、清华大学中国科技政策研究中心、Elsevier、Scopus、腾讯研究院、CAPIQ，Cruchbase、赛迪智库、艾瑞咨询研究院、中国科学院、德勒研究所等机构发布的数据报告，得到的基础数据如表2 所示。

表2 人工智能产业风险指标数据

指标说明：技术进口额采用集成电路进口额进行统计测算，基础、技术层人才数量采用人工智能各分支研究领域进行统计测算，包括机器学习、机器人、计算机视觉、可视化、知识工程、信息检索、自然语言处理、多媒体、语音识别、数据库、数据挖掘、自然人机交互、计算机图形学等各分支；顶端研究者以在全球AI 学术顶会上发表论文的研究者为采集对象。

根据公式（1）-（6）计算得到各指标的相对权重和组合权重，如表3 所示。

表3 各指标的相对权重和组合权重

4.2 灰色综合评价

由5 名专家按指标评级标准进行评分，得到美国、欧盟、中国三大经济体的人工智能产业风险的评价样本矩阵，。

根据公式（7）—公式（17），对美国、欧盟、中国各人工智能产业的作综合评价，并对各一级指标进行单值化处理，得美国、欧盟、中国的一级指标的综合评价值分别为：

5 评价结果分析

（1）从美国、欧盟、中国总体评价值及对比分析结果（图1）来看，美国综合评价值为2.703，整体评价值最低，根据最大隶属度原则，美国人工智能产业处于“中等风险”状态；欧盟综合评价值为3.616，属于“较高风险”状态；中国的综合评价值为3.789，整体上高于美国与欧盟，为“较高风险”状态，三大经济体的综合评价结果符合实际情况。对比看来，目前我国人工智能产业风险等级最高，产业总体形势严峻，主要受到产业创新能力不足、产业能源消耗大且效率低、产业未形成规模、产业经济效益低、产业投融资环境较差等五方面的影响，其中，产业创新能力不足及产业能耗高、产业未形成规模化是导致我国人工智能产业处于较高风险状态的主要原因。

图1 美、欧盟、中国人工智能产业风险一级指标综合评价结果

（2）根据美国、欧盟、中国一级指标综合评价值及对比分析结果（图1，下同），美国产业创新能力风险值最低，为2.805，欧盟为3.073，美国与欧盟产业创新能力风险等级均为“中等风险”，中国产业创新能力风险值远高于美国，得分为4.177，属于“较高风险”状态，说明我国产业创新能力薄弱是引起人工智能产业风险较高的一个重要原因。由对应二级指标数据可知，技术进口规模大是我国人工智能产业创新能力薄弱的重要表现，目前诸如芯片、光刻机等的关键核心技术仍需要大规模进口，高度依赖外国，导致易受他国的经济与技术牵制，这在中美贸易摩擦中表现的尤为明显；我国拥有对先进知识和技术进行创新转化、引领产业进步的顶端研究者数量远远少于美国，AI 顶端研究者的缺乏是我国AI 产业缓慢发展的重要原因；PCT 专利申请数量少是我国产业创新能力低的重要原因，我国PCT 专利申请数量也远远低于美国，研发者活跃度和科技发展水平与美欧强国存在差距；我国论文FWCI 值为0.8，研究水平在领域内仍未达到世界平均水平，这也是产业创新能力不足的重要风险来源。另外，校企之间合作的论文数量与比重过低也是我国创新力不足的一个重要原因，高校培育出的人才与企业的岗位需求存在一定的差距，不能很好的满足企业的人才需求也是导致产业风险较高的不容忽视的原因。从产业规模一级指标综合评价值及对比分析结果来看，美国产业规模风险得分为2.419，风险值最低，隶属于“较低风险”，中国、欧盟产业规模风险得分均高于美国，风险评价值分别为4.175、3.917，其中，中国风险等级最高，属于“较高风险”状态。由二级指标数据可知，我国AI 产业研究者分布在基础、技术层的数量与美欧两大经济体相比，存在明显差距，研发团队规模较小，对人才培养也属于落后状态，推动基础研发进步的力量薄弱，导致AI 产业在基础研究领域短板严重；我国开设AI专业的高校数量不足美国的1/8，国家和高校对于AI 人才培养的重视度低，AI 学科建设晚，无法进行人才规模化产出以满足市场需求；初创企业数量仅为美国的1/10，作为产业创新的重要力量来源，人工智能创新群体及产业整体未形成规模，是产业规模处于“较高风险”状态的重要原因。

（3）从产业融资环境一级指标综合评价值及对比分析结果来看，美国产业融资环境风险值最低，为2.425，为“较低风险”，欧盟风险得分最高，为4.189，处于“较高风险”状态，中国风险得分为3.082，得分介于欧盟有美国之间，并且远高于美国，属于“较高风险”等级。由二级指标数据可知，目前国家研发投资额与美国相当，而AI 企业获得的私募股权投资额少于美国，且发生的私募股权投资事件总数明显低于美国，说明我国投资市场对于AI 产业的投资活跃度较低，AI 初创企业的融资额与美国相比也存在一定差距，作为技术与资本密集型产业，对资本的需求极大，从而导致企业发展在很大程度上受到制约，这是目前AI 产业投资环境风险较高的主要来源。

（4）从产业经济效益一级指标综合评价值及对比分析结果来看，美国经济效益风险得分为2.821，风险值最低，欧盟与中国经济效益风险评价值分别为3.579、3.574，评价结果均远高于美国，其中，欧盟人工智能产业经济效益风险等级最高，根据最大隶属度原则，属于“较高风险”状态，我国次之，同属“较高风险”状态，美国风险等级最低，为“中等风险”。从对应二级指标数据来看，目前我国产业发展增速高于美国与欧盟，而我国人工智能的总产值仅为美国的1/5，产业经营状况较差，我国AI总产值在地区GDP 的占比比美国低1.2 个百分点，产业运用全部资产的收益能力低于美国，这是AI 产业经济效益风险较高的重要原因。

（5）从产业能源消耗一级指标综合评价值及对比分析结果来看，美国、欧盟能源消耗风险评价值分别为3.264、3.204，风险值较低，中国能源消耗风险得分最高，为4.096，即是我国人工智能产业能源消耗风险等级最高，处于“较高风险”状态，美国、欧盟属于“中等风险”状态。从对应二级指标数据来看，我国人工智能产业能源消耗量为1 608.9kwh，在全社会用电中占据高达2.35%的比重，数据中心消耗电量庞大，是美国和欧盟的2 倍，且我国数据中心的能源效率PUE 明显高于美国与欧盟，能源利用率低，产生的无用消耗过多，也是产业能源消耗多，风险高的重要原因，随着AI 产业的飞速发展，这也将成为不容忽视且刻不容缓亟待解决的重要问题。

6 降低我国人工智能产业风险对策建议

（1）加快人才队伍建设，加强基础研究，提升技术创新能力和产业竞争力。推动技术创新是提升产业竞争力、降低产业风险的核心所在，人才是人工智能产业发展的源头，加快人才队伍建设是人工智能产业发展的关键，应加大人才引进专项项目，完善人才优惠补贴政策，吸引更多高端人才及创新型人才，防止高端人才流出；鼓励高校建设人工智能相关学科，注重学科交叉培养，打造复合型人才；鼓励高校等研究机构与企业合作，推动产学研用深度融合，根据社会需要培养专业型人才，依据产业发展进行前沿实用型技术创新；做好前沿基础理论研究布局，加大新一代人工智能研发投入，掌握核心技术与前沿科技，提升技术创新能力和产业竞争力。

（2）做好新一代人工智能产业发展战略布局，实现人工智能高端化发展。积极响应国家“新基建”战略部署，加快人工智能及场景应用的基础建设与深入融合，推动产业转型升级，实现产业高端化发展；算法是人工智能的核心，应积极构建新一代人工智能理论体系，布局量子智能计算、类脑智能计算、光电计算及光电智能芯片等领域理论研究，鼓励企业优化人工智能运算模式，建立更高效的人工智能新算法模型与量子人工智能系统架构，推动算力优化进步，实现能源高效利用，并实现由弱人工智能到强人工智能的升级转化。

（3）完善政策，加强政策评估。我国已出台《新一代人工智能发展规划的通知》等人工智能相关发展政策文件，在此基础上还应出台更具针对性的发展政策及支撑计划，引导金融机构增加对初创企业的金融支持；完善人才优惠补贴政策，加大人才引进力度；完善经费支出政策，在智能芯片、未来交通、智能健康、量子科学、脑科学等前沿领域加大科研经费投入，突破前沿核心科技；加强国家及地方发布的产业政策考核评估，对政策方案的合理性、有效性及完整性、政策执行情况、政策预期目标及目标完成度等进行评估，有助于提高政策质量，促进政策资源配置更合理、有效，通过对政府工作进行评估监督，激励其制定更科学的产业政策。

（4）加强政府宏观调控，实行投资绩效考评管理，建立投资预警机制。加强国家对地方政府产业投资项目建设的宏观调控，统筹规划各地方产业投资建设，避免重复投资建设，保证各地方产业协调发展，从而提高国家整体产业竞争力；实行投资绩效考评管理，对各省市人工智能相关投资项目实行绩效考评，评估投资项目获利情况及风险，引导地方及企业投资，提高行业投资绩效；建立投资预警机制，跟踪行业实际情况及变化趋势，监控预警系统指标数据并做出快速反应，引导企业投资和生产经营活动，避免集中投资和盲目投资，促进行业协调可持续发展。