中国人工智能产业发展分析及对策研究人工智能的概念始于1956年的达特茅斯会议，并在2016年随着AlphaGo人机围棋大战引发的强烈关注而再次称为热词。

从本质上来说，人工智能是指用于模拟和扩展人类智能的技术应用系统，具备快速处理和自主知识管理能力，能够通过“试验—验证—学习”实现决策的迭代和优化。

[1]77其价值始终体现在代替或者辅助人类完成任务，从而解放劳动力，提高劳动效率。

当前，人工智能正处于专有型向通用型人工智能转变的发展阶段，应用模式也由执行式服务向交互式服务转变。

在一些数据可得性高的行业，例如安防、医疗、教育和商业服务等领域，人工智能已率先爆发出大量场景应用，用以解决行业痛点。

自20世纪60年代以来，人工智能的发展经历了三次技术革命浪潮。

进入到21世纪的两个十年，在大规模GPU服务器并行计算、大数据、深度学习算法和类脑芯片等技术的推动下，人类社会相继进入互联网时代、大数据时代和人工智能时代。

[2]关于互联网和大数据时代下的产业结构和社会状态已有相当多的研究分析，本文则侧重于讨论中国在人工智能时代的战略方向。

从人工智能领域相关文献看，国内学者主要将研究重点集中在基于人工智能算法的特定领域应用和技术伦理问题（哲学角度）两方面。

吴永和等依据教育人工智能（EAI）的内涵，尝试从应用形态和技术架构两方面构建“人工智能+教育”的生态系统以及相应的人才培养体系。

[3]梁志勇等则聚焦新闻生产领域，认为人工智能技术将给新闻行业的内容生产、议题设置和运作方式带来革命性影响。

[4]相对而言，人工智能与工程技术融合的研究更为广泛。

李漫江创新性地提出了一种基于神经网络的人工智能故障检测方法，进而实现农用发动机不解体且能快速诊断的效果。

[5]秦爱梅等基于人工智能视觉算法，调制出一套具有较高识别效率和精度的特定场景识别系统。

[6]尽管如此，蔡自兴仍认为国内存在以哲学研究替代人工智能技术研究的倾向。

[7]23孙振杰提出，人类亟需深思围绕人工智能意识与情感的发展将引发“五化”的问题，即人造物的退化、进化、蜕化、异化和黑化。

[8]余乃忠则揭示出人工智能类本质的实现与新时代人类的类本质间的矛盾，并运用马克思“对象成为对象性的人”理论，为人工智能时代的共生提供前瞻性提示。

[9]然而，国内文献较少考虑从产业发展与治理的角度剖析中国人工智能产业现状及对策研究，并且普遍存在研究层面低、研究深度浅的问题。

为弥补上述缺陷，本文将基于人工智能的内涵，系统分析美国和英国等主流发达国家的战略方向和国际人工智能产业发展趋势，并结合国内技术及应用现状，深入探讨应对人工智能发展障碍的产业组织与政府治理政策，以期待能够加速推进人工智能产业良性发展。

中国社会经济正面临老龄化来临、劳动红利缺失以及高端技术难以突破等挑战，人工智能产业提供了一个结构转型升级的突破口。

尽管发展新兴产业面临较多的挑战和潜在风险，但切勿因噎废食，我们应采取积极的姿态，这不仅有利于打造大众创业、万众创新和增加公共产品、公共服务双引擎，还对实现中国经济提质增效具有很强的现实意义。

一、国际人工智能战略方向和发展趋势（一）美国人工智能战略方向2016年10月，美国国家科学与技术委员会发布了两份人工智能战略报告，标志着主流发达国家开始了指导人工智能发展的国家努力。

《国家人工智能发展与研究战略计划》从技术角度出发，提出七大重点战略方向：对技术研究进行长期投资、构建人类与人工智能间的有效协作、妥善解决人工智能所带来的社会伦理道德及法律影响、增强人工智能系统安全可靠程度、开发人工智能训练资源库和公共数据集、制定评估系统智能化水平的技术标准、保障人工智能国家人才需求。

另一份报告《为人工智能的未来做好准备》则更多从政府治理角度进行探讨，主要聚焦于人工智能的公共物品效应、政府给予的应用鼓励和资金支持、人工智能管制以及全球视角下的安全等主题。

[10]综合两份报告中的观点，不难看出美国人工智能战略不但具有新技术时代的新特征，也凸显了美国延续自身优势的战略导向。

（二）英国人工智能战略方向作为人工智能知识与监管研究领域的领先者，英国在同年发布了《机器人技术和人工智能》报告，该报告侧重阐述了针对于人工智能发展所带来的伦理道德和法律挑战的应对方案。

报告呼吁通过建立多元化的领导体系，围绕人工智能安全与管控加强监管，重点关注了人工智能系统的决策透明和可归责性、公众隐私与知情权等问题。

除此之外，该报告还强调鼓励公众对话的重要性，加强公众参与能更好地理顺人工智能发展过程中的社会矛盾，建立公众对于政府的信任。

[11]整体上看，英国正走上一条审慎的监管道路，定位于一个监管上的跨部门合作以寻求道德标准领域的全球领导者地位。

（三）国际人工智能发展趋势1.算法、计算和数据驱动人工智能的发展算法是实现人工智能的核心。

现阶段，以深度卷积神经网络为标志的感知智能算法实现了突破，已在模式识别和自然语言处理等方面远超人类的分类能力，研究热点也正在转向基于感知智能模型的物体精准定位和分割能力。

据艾瑞咨询预测，感知智能技术应用还需要3—5年成熟。

[12]32然而，能够模拟人类更高级的思维能力的认知智能算法实现前景尚不明朗，特别是缺乏现代脑科学研究成果的支持。

计算和数据是人工智能的基础。

目前，使用云计算和大规模GPU并行计算、神经计算基本能满足人工智能计算需求，但仍不乏有大批科研机构为了获得更快的运算速度和更低的计算成本，而专注于量子计算以及更高性能芯片的研发。

相对而言，大数据更是构建人工智能战略性竞争优势的关键。

互联网催生了大数据，后者又进一步催生出人工智能。

海量、精准且高质量的数据集是训练人工智能的最佳材料。

[1]79当前，由互联网发展积累数据的共享度和完善度均较低，国际巨头纷纷呼吁政府开放更多领域的公共数据，同时积极建立覆盖行为、环境等全面数据的物联网系统，以期待充分挖掘其中巨大的商业价值。

2.国际间人工智能产业发展对比人工智能可能带来的产业颠覆性变革得到越来越多国家的重视，各国纷纷加快布局，培育新兴产业生态。

据赛迪公开数据预计，2018年全球人工智能市场规模将达到2700亿元，年复合增长率接近17%。

[13]8从全球人工智能新增企业数量来看，根据乌镇智库统计数据显示，在2000—2016年间，美国累计新增人工智能企业3033家，占全球累计总数的37.41%，全球第一。

中国和欧洲新增企业数则比重相当，均在18%附近（见图1）。

[13]10关于全球人工智能融资分布，由乌镇智库统计结果可以看出，美国与欧洲投资频次密集，其次为中国。

具体而言，在2000—2016年间，美国、英国和中国以分别获投3450笔、274笔和146笔位列前三甲。

[14]5然而，中国在人工智能总融资规模方面表现强势，超越英国位列第二（见图2）。

在人工智能专利申请方面，美国在2000—2016年间以累计人工智能专利申请26891项位列全球第一，第二为中国，共计15745项，其次为日本、韩国等东亚国家。

[14]6但自2012年以来，每年中国在人工智能领域的专利申请和授权数均超过美国，并且凭借近五年AI专利年平均增速43%领先全球。

[13]16综上所述，美国在人工智能领域领先优势明显，国家间发展差距较大，但中国在发展速度上领先全球。

3.国际企业产业结构布局从广义上看，人工智能产业结构自上而下可以分为基础层、技术层和应用层。

基础层价值最高，主要由硬件、数据和计算资源组成。

技术层则涵盖各类算法模型和可供应用的通用技术。

依托技术层输出的技术，面向用户直接提供解决方案的是应用层，其变现能力最强。

[15]68目前，国际互联网公司和科技公司巨头均重点布局于技术层和应用层。

在产业链技术层面，国际企业纷纷开源算法平台来吸引开发者，力求打造活跃的社区生态，进而制定行业标准，掌握行业主导权，例如谷歌和微软相继推出TensorFlow机器学习平台和Project Malmo人工智能平台供研究者廉价使用。

在产业链应用层，国际企业则基于互联网自筹数据，针对个人用户和企业用户开发和优化解决方案。

类似Apple的Siri智能助理和谷歌布局的无人驾驶系统均可在不断吸收用户数据过程中，完成“试验—验证—优化”的闭环。

二、国内人工智能发展现状尽管国内人工智能研究起步较晚，但在技术应用上追赶很快，目前在模式识别领域处于全球领水平。

不过，我国人工智能整体研发能力距离国际领先还有很大差距，远未达到通用智能阶段。

（一）国家战略驱动人工智能产业已得到政府的高度重视。

在2015年政府工作报告中谈到“人工智能技术势必成为国家经济结构转型升级的新支点。

”同年发布的还有中国实施制造强国战略的第一个十年行动纲领《中国制造2025》，它将智能制造列为首要战略任务，而智能制造的核心技术就是人工智能。

[7]15随后国务院出台《关于积极推进“互联网+”行动的指导意见》，其中明确表示要依托互联网平台提供人工智能公共创新服务，加快推进关键技术突破和应用示范。

[2]为贯彻落实该指导意见，国家发改委联合其他三个部门印发了《“互联网+”人工智能三年行动实施方案》指出，中国将在2018年前建立人工智能产业体系、创新服务体系和标准化体系，形成千亿级人工智能市场规模。

[1]87上述扶持政策的出台，标志着我国政府已经将人工智能技术提高到国家战略的高度，为其发展提供了优越的政策环境。

（二）行业竞争格局根据乌镇智库调查显示，自2000年以来，我国新增人工智能企业数达1477家，其中最近三年开始爆发式增长，人工智能生态化进程明显加快。

[13]13在此趋势下，国内人工智能企业逐渐形成五大类发展模式，整体市场呈现出多元化竞争格局。

以互联网公司巨头为主的生态构建者，以场景应用作为流量入口，长期在基础设施建设和技术研发着力布局，打造全产业链生态。

该领域代表型企业百度，就是基于海量数据资源和强大运算能力，通过建立算法平台、通用技术平台和应用平台全面进入产业。

以软件公司为主的技术算法驱动者，通常深耕算法和通用技术，待建立技术优势后，开发差异化细分领域应用。

典型企业科大讯飞，以语音识别类技术为核心，逐步建立语音技术开放平台和语音应用，切入人工智能市场。

以创业公司和传统行业公司为主的应用聚焦者，如出门问问和格力等公司，一般积累有成规模的细分场景数据，针对长期存在行业痛点的领域构建应用。

以滴滴出行为首的垂直领域先行者，在使用频率较高且优质数据资源易得的场景，率先推出杀手级应用用以积累用户数据，在商业模式成熟后，颠覆性向该垂直领域的算法和通用技术层面拓展，成为垂直行业主导者[1]85。

除此之外，部分以开发芯片、硬件为主的基础设施提供者，从硬件资源供应层面发力，积极整合相关产业链上游企业，力求实现人工智能平台化战略。

（三）金融资本助力随着经济的快速发展，中国金融资本市场已经为人工智能产业的发展开辟了良好的土壤。