当前，以万物互联和智能化为主要特征的新一代信息技术革命蓬勃兴起，经济社会各领域的数字化、网络化、智能化进程明显提速。我国较早地把握住了这一轮变革机遇，在人工智能产业发展方面已具备较好的基础和条件，但关键技术短板和制度供给不足突出，应强化产业规划部署落实，着力完善制度环境，增强创新能力，夯实产业根基。

人工智能正迈入技术突破和产业发展前沿

在新一代信息技术接力式创新的驱动下，万物互联和智能化趋势越发明显，预计到2030年全球联网设备数量将突破1250亿件，由此带动数据资源的指数增长，再加上机器学习算法的突破、高性能计算能力的大幅提升，共同推动着人工智能步入发展“快车道”。

1.算法突破、数据积累和算力提升催生人工智能。自1956年首次提出以来，人工智能主要依靠逻辑推理、专家系统来解决问题，智能程度低，但近年来在算法、数据和算力三方面的突破下，新一代人工智能开始成为新的竞争焦点。在算法突破方面，2006年加拿大多伦多大学提出的深度学习算法（DNN），较好地模拟了人脑神经元多层深度传递的过程，该算法及衍生算法已在图像识别、语音识别、机器翻译等领域取得惊人效果。在数据资源方面，随着数字化进程日益深化，到2020年全球数据总量将超过40泽字节（ZB），是2011年的22倍。在高性能计算方面，传统中央处理器（CPU）在性能和功耗上难以支撑海量数据运算，而图形处理器（GPU）、现场可编程门陈列（FPGA）、张量处理器（TPU）芯片具有并行计算、高吞吐量等特性，计算能力可达每秒10万亿次浮点运算，正替代CPU成为人工智能的计算单元。

2.机器识别图像、语音和自然语言等开始广泛应用。人工智能在看、听、理解等关键指标上已经媲美甚至赶超人类。在看的方面，以国际ImageNet大赛（ILSVR竞赛）为例，自2012年引入深度学习算法后，机器识别海量图片中物体种类的错误率逐年下降，2015年已降至3.57%，优于人眼5.1%的识别错误率。目前广泛应用于安防监控、人脸识别、影像诊断、质量检测、无人驾驶等场景。在听的方面，近场语音识别技术已可进入日常生活，如微软语音识别系统的错词率在2016年已经降到5.9%，等同于专业速录员。目前广泛应用于智能手机（苹果手机Siri）、智能音箱、智能家电、探伤检测等场景。在理解方面，机器翻译、文本分析等也逼近专业水平，如谷歌推出的神经网络机器翻译GNMT相对于传统机器翻译，在从英语到中文的翻译方面错误率下降了58%。目前，类似技术已广泛嵌入呼叫中心、客服系统、智能助手、聊天机器人等产品中。

我国处于较好位置且部分应用已进入全球前列

依托用户规模、应用场景、风险资金和科技论文等优势，我国在视觉识别、语音识别等应用方面进入全球前列，涌现出一批骨干企业，拥有进一步发展的有利条件。

1.我国拥有人口基数庞大、应用场景丰富、风投资金充裕、论文专利众多等综合优势。一是用户数和数据优势。数据资源是发展人工智能的关键要素，主要来自用户和联网设备。从用户数看，到2017年底，我国有3.49亿固定宽带用户，是美国的3.5倍，占全球38%；有11.3亿移动宽带用户,是美国的2.7倍，其中4G用户占全球40%；还有2.9亿机器联网（M2M）用户，是美国的3.5倍。从数据量来看，我国已占全球13%，据高盛报告预测，随着用户数和在线时长增长，这一指标到2020年预计提升至20%—25%。我国有用户规模的先天优势。

二是应用场景丰富。我国是全球唯一拥有联合国产业分类目录中所有工业门类的国家，数字化、网络化、智能化应用潜力巨大。目前智能产品应用正由媒体、搜索、家居等消费领域向交通、汽车、机械、石化等工业领域并重拓展。而且，我国有近4亿的80后、90后用户，他们对新科技、新产品的接受度比较高。广泛的行业分布、多样的用户需求为拓展人工智能应用提供了广阔市场。

三是风投资金充裕。据知名市场研究机构CB Insights监测数据，在全球人工智能领域融资方面，2017年我国企业的融资额占到48%，首次超越美国（38%）。从跨境双向投资看，我国背景的资金投资美国初创企业笔数从2014年的6笔，快速增长到2017年的31笔，超过美国资金对我国初创企业投资的20笔。从资金投资领域看，集中在人脸识别、影像诊断、人工智能芯片等热点方向。

四是科研论文和专利优势。据美国国家科学技术委员会数据，2014年我国在“深度学习”“深度神经网络”等领域的科学论文数量已超过美国。美国《科学引文索引》（SCImago）数据也显示，我国“人工智能”论文达10.3万篇，超过美国的8.4万篇，论文影响力则位居第二。从专利看，按照美国专利与商标办公室数据，以深度学习、机器学习、人工智能等为关键词检索专利，我国在2016、2017年均超越美国。

2.我国在计算机视觉、语音识别、无人驾驶等应用领域已进入全球前列。随着科研论文的公开、开源算法框架的推出及计算芯片性能的提升，我国企业在部分应用上已进入全球前沿。

一是计算机视觉应用全球领先。在2011-2012年这一轮人工智能刚兴起时，国内一批公司深耕计算机视觉技术，目前从算法水准和应用情况看，人脸识别、安防监控等领域已获得全球认可。如商汤科技在人脸识别和物体识别精度方面超过脸谱和谷歌；旷视科技的face++人脸识别平台，2017年被《麻省理工科技评论》评为十大前沿科技。腾讯觅影、推想科技、零氪科技等对食管癌、肺结节、乳腺癌等影像识别的准确率堪比专业医生，广泛应用于百家以上医院。

二是中文语音识别具有独特优势。语音识别是万物互联和人工智能应用的关键入口。长期以来被国外企业垄断市场，原因在于有很高的技术壁垒、语音资源壁垒和行业应用壁垒，但随着互联网语音资料的丰富以及深度学习算法的引入，国内已形成科大讯飞、百度两家主导，思必驰、云之声、出门问问等企业跟随的发展格局，在中文语音合成、语音识别、自然语言处理等领域拥有大量专利，产品广泛应用于语音输入、智能家居、实时字幕、语音搜索、智能客服等场景。

三是无人驾驶、无人机、智能交通等紧追领军企业。无人驾驶方面，百度2018年推出的阿波罗自动驾驶平台3.0，具备变道、等红灯、避让、泊车等能力，全球合作伙伴过百家，技术上与国外大体同步；无人机领域，大疆成为全球最大无人机企业，广泛用于农业、应急、消防、测绘与城市管理等领域；智能交通领域，阿里巴巴、滴滴等赋予交通信号灯以智能，助力城市交通整体优化。总体上，智能应用开始进入快速扩展期，我国有望在更多领域形成自身优势。

在关键技术、生态塑造与制度供给方面还存在明显短板

在行业快速发展的同时，我国在高端芯片、算法框架、人才储备、法规制度等方面存在短板，亟需统筹解决。

1.高端芯片等关键技术领域受制于人。高性能计算芯片是人工智能发展的前提。目前在四条技术路线上美国占主导地位：一在图形处理芯片（GPU）方面，英伟达、超威和英特尔三强主导GPU市场。二在现场可编程逻辑阵列（FPGA）芯片方面，赛灵思和英特尔两强主导市场。三在模仿人脑神经元芯片方面，以IBM TrueNorth芯片为代表，已应用在Watson医疗产品上。四在专用集成电路（ASIC）芯片方面，谷歌的张量处理芯片（TPU）性能优势明显，各类创业公司主要集中在这一赛道上。而我国目前仍以进口芯片为主，虽然近年也涌现出一些初创企业如寒武纪、地平线等，但实力仍然非常弱。

2.算法框架依附于国外巨头开源生态体系。人工智能的智能程度关键在于算法。国外巨头通过开放算法框架（内嵌视频处理、文本分析、语言理解等算法模块），降低人工智能产品或应用开发成本，进而吸引世界各地开发者入驻生态。这一策略集聚了全球智力，壮大了生态。从高盛报告看，谷歌Tensorflow算法框架聚集了6.8万名明星开发者；而百度PaddlePaddle平台仅有5330位，不到前者的十分之一。我们在调研中了解到，国内初创企业大都基于谷歌Tensorflow进行开发。

3.人才总量和领军人才短板突出。创新的根本在于人才，从不同机构数据来看，我国人才总量和结构双短缺。全球最大招聘网站领英2017年《全球AI领域人才报告》显示，全球人工智能人才数量190万，其中美国85万，我国5万，位列印度、英国、加拿大、澳大利亚、法国之后，排第7位。从工作经验看，美国人才中具有10年以上经验的占71.5%，我国仅为38.7%；国内企业领军人才主要来自海外引进。

4.监管制度滞后于人工智能创新需要。数据开放、隐私管理、算法歧视、网络攻击等诸多新问题亟待加强监管。以无人驾驶为例，现有的车辆标准、准入制度、车辆安全、驾驶责任、保险制度等都需要重新审视。

进一步推进人工智能发展的建议

人工智能是引领未来的战略性技术，美英法印日等国均已出台国家战略，支持技术研发，完善制度环境，提升产业竞争力。从目前我国的实际看，建议以创新制度供给、优化发展环境为主线，支持新产品新业务推广使用，带动关键技术、算法框架突破，促进上下游协同发展，夯实产业发展根基。

1.加大关键核心技术和共性标准支持。我国芯片产业根基薄弱，人工智能技术为我们追赶提供了契机，但要做好打持久战准备。建议一方面依托我国市场需求优势，支持与国外领先企业开放合作，缩短跟跑学习周期；要避免资金、人才等资源摊薄，推进强强联合，鼓励走差异化技术路线。另一方面，强化产业链上下游相互支持，发挥国内应用场景优势，给予国内芯片企业商业化应用和迭代完善的机会。此外，要及时响应企业诉求，在设备规范、认证认可、安全要求等方面推出共性标准，规范产品开发要求。

2.统筹产业链打造算法框架平台。在算法方面，我国发表了足够数量的论文，在机器视觉算法方面也走在全球前列，但缺乏生态优势，必须从战略上重视算法框架和平台的重要性。要借鉴PC互联网时代windows操作系统主导生态、移动互联网时代安卓主导生态的经验做法，支持组建产业联盟，构筑生态搭建算法框架。

3.优化环境培育和吸引高端人才。随着全球对人工智能人才的争夺趋于激烈，我国人才薪酬已与国外不相上下，下一步关键还是要优化人才环境。要完善人才引进配套政策，防止人才得而复失，同时在海外设立研发中心，就地招揽高端人才。要加快人工智能学科建设和人才培养；面向制造、金融、医疗等重点行业开展应用型人才培育。

4.适应智能化变革趋势，同步加强监管制度建设。人工智能与各行业结合必然会孕育出新业态，比如无人驾驶、智能投资顾问、医疗影像识别等。对此，既不能简单按照传统业务监管，也不能任其发展，而应把握技术和产业趋势，在准入方面给技术业务创新留下一个观察期。同时要参考国际经验，结合业界合理诉求，围绕监管关键要素如监管根基、监管职责、监管机制、监管手段、监管成本等，重新梳理相关制度，以便为创新提供保障。

5.加快相关法律、伦理和责任制度研究。在法律法规方面，重点是研究个人隐私保护和数据权属制度、政府数据开放、合法开发利用等法律问题，明确各方的权利、义务和责任等。在网络安全方面，既要加强硬件系统防护能力和等级评测，又要提前从制度上明确网络安全责任和义务。在伦理方面，对于可能涉及人类生命的伦理选择，如无人驾驶事故应急选择、机器人伤害人类等极端事件，给出基本规范，消除公众疑虑，助力创新产品商用化。

（作者单位：国务院发展研究中心企业研究所）