中美人工智能发展比较分析及对策研究

人工智能受到全球主要经济体的广泛重视，美国等国家将人工智能作为重要战略利器，不断强化顶层设计、出台发展规划、制定政策措施和部署重点任务。近年来，人工智能大国博弈日趋复杂，行业头部企业的产业生态之争进一步加剧，以人才为核心的资源争夺愈演愈烈。

在此形势下，我国如何面对中美在人工智能领域的博弈挑战，以更好地推动人工智能前沿领域的快速、有序发展，这一问题涉及计算机学、政策学、管理学等多学科交叉领域，具有智库问题的典型特征，需要通过科学的智库理论方法展开研究。为此，本文利用智库双螺旋法对这一问题进行深入分析，以促进对该问题的规律性认识。

01 人工智能前沿领域，美国重“协作”，中国强“理论”

（一）机理分析：聚焦问题，把握规律。

技术创新领域，美国技术水平不断提升，开发多种新的模型和算法。

机器学习、计算机视觉技术智能水平不断提升，2020年谷歌公司的“谷歌大脑”模型对于图像识别的准确度达90%以上，比2013年模型训练的速度提高8倍；DeepMind通过Alpha Zero实现完全基于“自我游戏”的学习，没有涉及实际数据。

持续开发人工智能的新算法和新模型，Open AI发布全球规模最大的预训练语言模型GPT-3以及人工智能聊天机器人ChatGPT；DeepMind开发的AlphaFold2算法破解蛋白质结构预测难题；Google、Facebook提出全新无监督表征学习算法。

智能芯片制造技术持续提升，IBM公司研发基于7纳米晶体管技术的四核加速器芯片；斯坦福大学开发出“存算一体”的神经网络推理系统；美韩联合研究团队开发出将大脑神经元的连接图复制到3D神经形态芯片上的类脑芯片；宾夕法尼亚大学研发出可直接读取和处理光信号并实时识别图像的人工智能光芯片。

我国训练模型、训练芯片等取得重要进展。

超大规模预训练模型、轻量化深度学习技术不断成熟，促进计算效率显著提升，华为、北京智源人工智能研究院、中国科学院、阿里巴巴等相继推出盘古、悟道、M6等超大规模预训练模型；百度推出的轻量化PaddleOCR模型规模减小至2.8Mb，具有更加紧凑和高效的神经网络结构。

知识计算逐渐成熟，从以往的感知智能逐渐转向认知智能，浙江大学、百度、竹间智能、国双等相继推出知识计算引擎、知识中台、知识工程平台、知识智能平台等。

训练芯片加速发展，智能物联网芯片实现初步探索，寒武纪的思元370、燧原科技的邃思2.0以及百度的昆仑2芯片等相对上一代产品均有3-4倍以上的算力提升；北京大学类脑智能芯片中心推出超低功耗智能物联网芯片。

产业发展领域，美国人工智能具有完善的产业链，自动驾驶领域、厂商实力领先。

建立完整产业链，硅谷周边的企业形成完善的产业链条，经过多年的发展在操作系统、开源框架平台、芯片等软件和硬件方面处于世界前列。

自动驾驶领域表现突出，据2020全球自动驾驶数据显示，Waymo（谷歌旗下）、Cruise（美国通用旗下）位列第一、二名。

人工智能厂商实力领先，美国将算法和芯片赋能产业领域以提高产业的竞争力，如谷歌通过“AI+硬件+软件”形成大量的商业化成果，实力位列世界人工智能厂商之首。

我国人工智能应用规模稳步推进。芯片形成规模化应用，神经网络芯片（如思必驰、地平线等）在驾驶、语音、安全等方面进行大量应用。

开放平台初显效果，人工智能开放平台（如华为、阿里、百度、腾讯等）已经可以为产业快速发展提供有力支撑。

人工智能应用逐步成熟，我国人工智能技术在教育、安保等行业的应用较为成熟，行业渗透率、产业规模均有所提高。

研究前沿领域，美国重点研发人类与人工智能协作方法、先进人工智能技术。关注需要长期投资的人工智能基础研究，包括提高系统感知能力、推进基于数据的发现知识方法等。开发人类与人工智能协同工作的方法，包括提高人类机能的技术、寻求人类感知的算法等。研发有利于保障国家安全的人工智能技术，包括感官知觉和识别、安全的人工智能、下一代人工智能等。

我国强化人工智能基础理论研究与关键技术的研发。加强有潜力引领技术升级的基础研究，包括群体智能、人机混合智能、跨媒体感知计算等。关注引领范式变革的基础研究，包括量子和脑智能计算、高级机器学习等。关注新一代的共性技术，包括智能计算芯片与系统、虚拟现实智能建模技术等。

（二）影响分析：对标国际，立足国内。

我国人工智能技术创新在算法、硬件、算力、专利上具有以下特点。

在算法方面，我国在语音、图像等算法的研发方面较为成熟，语言处理、语音识别、视觉上拥有较多公司，如科大讯飞、商汤科技等。

在硬件基础方面，世界500强超级计算机名单中，我国有超级计算机186台，美国为123台。

在算力方面，近年来我国超级计算机的性能逐步提升，与美国超级计算机的性能相比，差距日趋减小。

在专利方面，2020年，我国人工智能专利的年申请数量大幅增加，专利申请总量约为美国的2.58倍；但美国高价值的专利数量具有较高比例，价值超过30万的专利占比25.4%，远超我国的3.45%。

相比于美国，我国在人工智能技术创新上仍有如下挑战。

人工智能技术面临“卡脖子”难题，目前大多数人工智能算法由美国的Facebook、谷歌、微软等开创，我国核心算法原始创新成果较少。

人工智能学习框架存在差距，目前机器学习和深度学习框架大多由微软、谷歌、Meta、亚马逊等美国企业研发，我国在人工智能学习框架上缺乏领导力。

人工智能芯片仍处于弱势，英特尔、英伟达等美国公司为先进人工智能芯片的主要制造商，而我国芯片发展时间较短，长期依赖于进口。

人工智能研究机构全球领先的较少，2022年全球拥有最多人工智能TOP2000学者的前20家机构中，美国机构占16家，我国仅占2家，前5名依次为谷歌、Meta、DeepMind、多伦多大学、OpenAI，我国清华大学、阿里巴巴分别排全球第13名和第20名。

我国人工智能产业发展在数据规模、应用服务上具有以下特点。

在数据规模方面，我国世界上拥有最多人口的国家，市场基础具有优势，拥有的数据量也位于世界前列，在人工智能产业发展所需的数据量上占据优势。

在应用服务方面，人工智能领域新的应用场景持续开发，科大讯飞、商汤、旷视等逐渐由最初关注的视觉语音等技术转向物流、消费等更多领域的应用服务，商汤Sense parrots、旷视天元等服务平台不断涌现。

相比于美国，我国在人工智能产业发展上仍有如下挑战。

与美国的人工智能公司存在一定的差距，2020年，美国获取金额超过100万美元的活跃人工智能公司约为我国的5.4倍；2022年全球领先人工智能企业前10名依次为谷歌、微软、Meta、亚马逊、IBM、华为、阿里巴巴、英伟达、腾讯、三星，其中美国有六家企业上榜，且前三名均为美国的企业，我国有三家企业上榜。

我国在人工智能软件产业方面的体量优势较小，美国人工智能软件产业体量大、创新等级高，我国在硬件产业具备优势，但软件产业的体量较小。

市场规模和创业公司数量较少，从2020年全球人工智能市场的规模分布来看，美国占据57%的市场，而我国仅占12%。2020年4-6月，全球人工智能创业公司的交易额总计约72.3亿美元，美国、我国分别占比39.5%、15.5%。

（三）政策分析：着眼当下，关注未来。

我国加强顶层规划设计，将提升新一代人工智能科技创新能力作为重要目标。我国《新一代人工智能发展规划》将人工智能首次提升到国家战略地位，并将其发展规划具体化：在理论技术、产业应用、人才培养、政策体系方面的要求，如要建立和形成新一代人工智能理论与技术体系，形成国际领先的人工智能产业，核心产业规模超过1万亿元，推动人工智能领域的人才培养，建立并逐步形成完备的人工智能法律法规、伦理规范和政策体系。“十四五”规划提出新一代人工智能为科技前沿攻关的首要目标领域。《国家新一代人工智能标准体系建设指南》《国家新一代人工智能开放创新平台建设工作指引》《关于促进人工智能和实体经济深度融合的指导意见》《新一代人工智能伦理规范》等政策进一步明确人工智能的发展细节，如探索人工智能创新成果应用转化路径和方法，鼓励人工智能细分领域，建立开放、开源平台，建立人工智能标准体系，将伦理道德融入人工智能全生命周期。

美国将人工智能作为应对挑战和保护国家安全的重点。加强人工智能研发投资和建立研究基础设施，加强国防领域中人工智能技术的应用，加强国土安全部对于下一代人工智能技术的利用。美国“两党创新法案”及相关战略将人工智能从原来的技术竞争提高至世界领导权的竞争，并且尽可能保持其在人工智能领域国际上的领先优势。重点关注有助于安全、可信人工智能算法系统的技术标准制定，先进计算机芯片和硬件的研发，应用人工智能预测供应链效率等。

美西方国家相关战略的实施将进一步限制我国在人工智能领域的国际科技交流合作。将科技企业当作国家资产来保护，充分保护其人工智能芯片知识产权，加大我国了解国际新技术及先进算法的难度，制约我国人工智能领域发展和相关产业升级。

（四）形成方案：深化认知，系统研判。

通过对人工智能技术的发展趋势、优势差距、战略布局进行融合分析，将研究结果最终还原到所研究的智库问题上，提出以下关于我国人工智能发展的对策建议：一是加强基础理论研究，推动人工智能领域的前沿原创研究。二是注重科学前沿谋划，促进人工智能关键核心技术的研发。三是完善产业推进政策，实现人工智能应用产业化发展。四是推进人工智能治理体系建设，努力营造有利的国际发展环境。

02 如何更为科学地为我国人工智能领域的发展提供对策？

（一）解析问题。

根据智库双螺旋法，首先按照外循环进行问题“解析”，构建认知框架。从“我国如何推动人工智能前沿领域的快速有序发展”这一智库问题出发，按照“发展趋势是什么—优势差距怎么样—战略布局如何”的逻辑，将其分解为三个层层递进、相互作用的子问题。

回答“发展趋势是什么”这一问题，需要明确人工智能的前沿发展趋势，对中美人工智能技术创新情况、产业发展情况、研究前沿情况进行深入分析。

回答“优势差距怎么样”这一问题，需要对中美两国在人工智能领域的优势进行比较，在此基础上分析我国人工智能领域面临的差距。

回答“战略布局如何”这一问题，需要分析美国在人工智能领域的战略意图，梳理我国在人工智能领域的顶层规划与细节，进而为我国人工智能领域的未来发展提供对策建议。

（二）融合研究。

在解析问题后，按照内循环DIIS和MIPS进行“融合”研究，这一过程需要收集多学科、多领域的知识信息，并且综合应用各种定量、定性和混合的方法工具，围绕智库问题开展交叉融合研究。

（三）还原问题。

在DIIS与MIPS“融合”研究基础上，将子问题的研究结果经过多轮循环论证后上升为智库问题的解决方案，形成我国人工智能前沿领域发展的对策建议，最终实现“还原”研究。具体而言，基于推动我国人工智能前沿领域快速有序发展这一目标，识别出人工智能基础理论研究、人工智能关键核心技术研发、人工智能应用产业化发展、人工智能治理体系建设这四个重要方面，针对这四个方面分别提出相应的对策建议。

智库双螺旋法为科学决策提供了保障。

（一）通过循环迭代、创新升华，提高智库研究方法知行合一的科学性、有效性。

（二）通过历史域、现实域、未来域的时空交织，形成与时俱进的智库问题解决方案。

智库双螺旋法提供了贯通历史、现实、未来的时空域概念，通过对历史规律、现实情况、未来趋势的分析，拓宽智库问题的研究视域。具体在研究过程中，首先是基于历史的思考，通过对人工智能技术以往相关文献资料、政策文本的分析，寻找人工智能技术发展的历史规律，总结发展经验，为形成有历史支撑的解决方案提供坚实基础。其次是基于现实的研究，通过对人工智能技术发展现状、差距比较分析、政策干预效果的分析，为形成有现实依据的解决方案提供现状判断。最后是基于未来的分析，通过对人工智能技术未来的战略布局、研究前沿的研判，为形成前瞻未来的解决方案提供有力支撑。

（三）通过问题导向、证据导向、科学导向，始终坚持智库问题研究的正确方向路径。

通过问题导向，在研究之初即明确围绕“我国如何推动人工智能前沿领域的快速有序发展”进行研究，进而结合这一问题的特征、涉及的学科领域，抽丝剥茧、层层分解，找出关键问题开展研究。通过证据导向，在研究过程中重视通过人工智能领域的相关历史数据资料、现状分析信息、前瞻研判观点来为解决方案提供客观证据。通过科学导向，在研究过程中选择合适的方法工具、遴选相应的专家，对人工智能领域的技术前沿、优势差距、战略布局进行综合、系统、科学的研究。

来源：中国战略新兴产业 

END

热门文章: