當前，以萬物互聯和智能化為主要特征的新一代信息技術革命蓬勃興起，經濟社會各領域的數字化、網絡化、智能化進程明顯提速。我國較早地把握住了這一輪變革機遇，在人工智能産業發展方面已具備較好的基礎和條件，但關鍵技術短闆和制度供給不足突出，應強化産業規劃部署落實，着力完善制度環境，增強創新能力，夯實産業根基。
人工智能正邁入技術突破和産業發展前沿
在新一代信息技術接力式創新的驅動下，萬物互聯和智能化趨勢越發明顯，預計到2030年全球聯網設備數量将突破1250億件，由此帶動數據資源的指數增長，再加上機器學習算法的突破、高性能計算能力的大幅提升，共同推動着人工智能步入發展“快車道”。
1.算法突破、數據積累和算力提升催生人工智能。自1956年首次提出以來，人工智能主要依靠邏輯推理、專家系統來解決問題，智能程度低，但近年來在算法、數據和算力三方面的突破下，新一代人工智能開始成為新的競争焦點。在算法突破方面，2006年加拿大多倫多大學提出的深度學習算法（DNN），較好地模拟了人腦神經元多層深度傳遞的過程，該算法及衍生算法已在圖像識别、語音識别、機器翻譯等領域取得驚人效果。在數據資源方面，随着數字化進程日益深化，到2020年全球數據總量将超過40澤字節（ZB），是2011年的22倍。在高性能計算方面，傳統中央處理器（CPU）在性能和功耗上難以支撐海量數據運算，而圖形處理器（GPU）、現場可編程門陳列（FPGA）、張量處理器（TPU）芯片具有并行計算、高吞吐量等特性，計算能力可達每秒10萬億次浮點運算，正替代CPU成為人工智能的計算單元。
2.機器識别圖像、語音和自然語言等開始廣泛應用。人工智能在看、聽、理解等關鍵指标上已經媲美甚至趕超人類。在看的方面，以國際ImageNet大賽（ILSVR競賽）為例，自2012年引入深度學習算法後，機器識别海量圖片中物體種類的錯誤率逐年下降，2015年已降至3.57%，優于人眼5.1%的識别錯誤率。目前廣泛應用于安防監控、人臉識别、影像診斷、質量檢測、無人駕駛等場景。在聽的方面，近場語音識别技術已可進入日常生活，如微軟語音識别系統的錯詞率在2016年已經降到5.9%，等同于專業速錄員。目前廣泛應用于智能手機（蘋果手機Siri）、智能音箱、智能家電、探傷檢測等場景。在理解方面，機器翻譯、文本分析等也逼近專業水平，如谷歌推出的神經網絡機器翻譯GNMT相對于傳統機器翻譯，在從英語到中文的翻譯方面錯誤率下降了58%。目前，類似技術已廣泛嵌入呼叫中心、客服系統、智能助手、聊天機器人等産品中。
我國處于較好位置且部分應用已進入全球前列
依托用戶規模、應用場景、風險資金和科技論文等優勢，我國在視覺識别、語音識别等應用方面進入全球前列，湧現出一批骨幹企業，擁有進一步發展的有利條件。
1.我國擁有人口基數龐大、應用場景豐富、風投資金充裕、論文專利衆多等綜合優勢。一是用戶數和數據優勢。數據資源是發展人工智能的關鍵要素，主要來自用戶和聯網設備。從用戶數看，到2017年底，我國有3.49億固定寬帶用戶，是美國的3.5倍，占全球38%；有11.3億移動寬帶用戶,是美國的2.7倍，其中4G用戶占全球40%；還有2.9億機器聯網（M2M）用戶，是美國的3.5倍。從數據量來看，我國已占全球13%，據高盛報告預測，随着用戶數和在線時長增長，這一指标到2020年預計提升至20%—25%。我國有用戶規模的先天優勢。
二是應用場景豐富。我國是全球唯一擁有聯合國産業分類目錄中所有工業門類的國家，數字化、網絡化、智能化應用潛力巨大。目前智能産品應用正由媒體、搜索、家居等消費領域向交通、汽車、機械、石化等工業領域并重拓展。而且，我國有近4億的80後、90後用戶，他們對新科技、新産品的接受度比較高。廣泛的行業分布、多樣的用戶需求為拓展人工智能應用提供了廣闊市場。
三是風投資金充裕。據知名市場研究機構CB Insights監測數據，在全球人工智能領域融資方面，2017年我國企業的融資額占到48%，首次超越美國（38%）。從跨境雙向投資看，我國背景的資金投資美國初創企業筆數從2014年的6筆，快速增長到2017年的31筆，超過美國資金對我國初創企業投資的20筆。從資金投資領域看，集中在人臉識别、影像診斷、人工智能芯片等熱點方向。
四是科研論文和專利優勢。據美國國家科學技術委員會數據，2014年我國在“深度學習”“深度神經網絡”等領域的科學論文數量已超過美國。美國《科學引文索引》（SCImago）數據也顯示，我國“人工智能”論文達10.3萬篇，超過美國的8.4萬篇，論文影響力則位居第二。從專利看，按照美國專利與商标辦公室數據，以深度學習、機器學習、人工智能等為關鍵詞檢索專利，我國在2016、2017年均超越美國。
2.我國在計算機視覺、語音識别、無人駕駛等應用領域已進入全球前列。随着科研論文的公開、開源算法框架的推出及計算芯片性能的提升，我國企業在部分應用上已進入全球前沿。
一是計算機視覺應用全球領先。在2011-2012年這一輪人工智能剛興起時，國内一批公司深耕計算機視覺技術，目前從算法水準和應用情況看，人臉識别、安防監控等領域已獲得全球認可。如商湯科技在人臉識别和物體識别精度方面超過臉譜和谷歌；曠視科技的face++人臉識别平台，2017年被《麻省理工科技評論》評為十大前沿科技。騰訊覓影、推想科技、零氪科技等對食管癌、肺結節、乳腺癌等影像識别的準确率堪比專業醫生，廣泛應用于百家以上醫院。
二是中文語音識别具有獨特優勢。語音識别是萬物互聯和人工智能應用的關鍵入口。長期以來被國外企業壟斷市場，原因在于有很高的技術壁壘、語音資源壁壘和行業應用壁壘，但随着互聯網語音資料的豐富以及深度學習算法的引入，國内已形成科大訊飛、百度兩家主導，思必馳、雲之聲、出門問問等企業跟随的發展格局，在中文語音合成、語音識别、自然語言處理等領域擁有大量專利，産品廣泛應用于語音輸入、智能家居、實時字幕、語音搜索、智能客服等場景。
三是無人駕駛、無人機、智能交通等緊追領軍企業。無人駕駛方面，百度2018年推出的阿波羅自動駕駛平台3.0，具備變道、等紅燈、避讓、泊車等能力，全球合作夥伴過百家，技術上與國外大體同步；無人機領域，大疆成為全球最大無人機企業，廣泛用于農業、應急、消防、測繪與城市管理等領域；智能交通領域，阿裡巴巴、滴滴等賦予交通信号燈以智能，助力城市交通整體優化。總體上，智能應用開始進入快速擴展期，我國有望在更多領域形成自身優勢。
在關鍵技術、生态塑造與制度供給方面還存在明顯短闆
在行業快速發展的同時，我國在高端芯片、算法框架、人才儲備、法規制度等方面存在短闆，亟需統籌解決。
1.高端芯片等關鍵技術領域受制于人。高性能計算芯片是人工智能發展的前提。目前在四條技術路線上美國占主導地位：一在圖形處理芯片（GPU）方面，英偉達、超威和英特爾三強主導GPU市場。二在現場可編程邏輯陣列（FPGA）芯片方面，賽靈思和英特爾兩強主導市場。三在模仿人腦神經元芯片方面，以IBM TrueNorth芯片為代表，已應用在Watson醫療産品上。四在專用集成電路（ASIC）芯片方面，谷歌的張量處理芯片（TPU）性能優勢明顯，各類創業公司主要集中在這一賽道上。而我國目前仍以進口芯片為主，雖然近年也湧現出一些初創企業如寒武紀、地平線等，但實力仍然非常弱。
2.算法框架依附于國外巨頭開源生态體系。人工智能的智能程度關鍵在于算法。國外巨頭通過開放算法框架（内嵌視頻處理、文本分析、語言理解等算法模塊），降低人工智能産品或應用開發成本，進而吸引世界各地開發者入駐生态。這一策略集聚了全球智力，壯大了生态。從高盛報告看，谷歌Tensorflow算法框架聚集了6.8萬名明星開發者；而百度PaddlePaddle平台僅有5330位，不到前者的十分之一。我們在調研中了解到，國内初創企業大都基于谷歌Tensorflow進行開發。
3.人才總量和領軍人才短闆突出。創新的根本在于人才，從不同機構數據來看，我國人才總量和結構雙短缺。全球最大招聘網站領英2017年《全球AI領域人才報告》顯示，全球人工智能人才數量190萬，其中美國85萬，我國5萬，位列印度、英國、加拿大、澳大利亞、法國之後，排第7位。從工作經驗看，美國人才中具有10年以上經驗的占71.5%，我國僅為38.7%；國内企業領軍人才主要來自海外引進。
4.監管制度滞後于人工智能創新需要。數據開放、隐私管理、算法歧視、網絡攻擊等諸多新問題亟待加強監管。以無人駕駛為例，現有的車輛标準、準入制度、車輛安全、駕駛責任、保險制度等都需要重新審視。
進一步推進人工智能發展的建議
人工智能是引領未來的戰略性技術，美英法印日等國均已出台國家戰略，支持技術研發，完善制度環境，提升産業競争力。從目前我國的實際看，建議以創新制度供給、優化發展環境為主線，支持新産品新業務推廣使用，帶動關鍵技術、算法框架突破，促進上下遊協同發展，夯實産業發展根基。
1.加大關鍵核心技術和共性标準支持。我國芯片産業根基薄弱，人工智能技術為我們追趕提供了契機，但要做好打持久戰準備。建議一方面依托我國市場需求優勢，支持與國外領先企業開放合作，縮短跟跑學習周期；要避免資金、人才等資源攤薄，推進強強聯合，鼓勵走差異化技術路線。另一方面，強化産業鍊上下遊相互支持，發揮國内應用場景優勢，給予國内芯片企業商業化應用和疊代完善的機會。此外，要及時響應企業訴求，在設備規範、認證認可、安全要求等方面推出共性标準，規範産品開發要求。
2.統籌産業鍊打造算法框架平台。在算法方面，我國發表了足夠數量的論文，在機器視覺算法方面也走在全球前列，但缺乏生态優勢，必須從戰略上重視算法框架和平台的重要性。要借鑒PC互聯網時代windows操作系統主導生态、移動互聯網時代安卓主導生态的經驗做法，支持組建産業聯盟，構築生态搭建算法框架。
3.優化環境培育和吸引高端人才。随着全球對人工智能人才的争奪趨于激烈，我國人才薪酬已與國外不相上下，下一步關鍵還是要優化人才環境。要完善人才引進配套政策，防止人才得而複失，同時在海外設立研發中心，就地招攬高端人才。要加快人工智能學科建設和人才培養；面向制造、金融、醫療等重點行業開展應用型人才培育。
4.适應智能化變革趨勢，同步加強監管制度建設。人工智能與各行業結合必然會孕育出新業态，比如無人駕駛、智能投資顧問、醫療影像識别等。對此，既不能簡單按照傳統業務監管，也不能任其發展，而應把握技術和産業趨勢，在準入方面給技術業務創新留下一個觀察期。同時要參考國際經驗，結合業界合理訴求，圍繞監管關鍵要素如監管根基、監管職責、監管機制、監管手段、監管成本等，重新梳理相關制度，以便為創新提供保障。
5.加快相關法律、倫理和責任制度研究。在法律法規方面，重點是研究個人隐私保護和數據權屬制度、政府數據開放、合法開發利用等法律問題，明确各方的權利、義務和責任等。在網絡安全方面，既要加強硬件系統防護能力和等級評測，又要提前從制度上明确網絡安全責任和義務。在倫理方面，對于可能涉及人類生命的倫理選擇，如無人駕駛事故應急選擇、機器人傷害人類等極端事件，給出基本規範，消除公衆疑慮，助力創新産品商用化。
（作者單位：國務院發展研究中心企業研究所）