1.1 學術研究

越來越多的國家開始重視AI研究，AI已成為學術範圍的熱點。

學術論文方面，據微軟學術圖表（Microsoft Academic Graph，MAG）分析，2000至2020年間，通過各種途徑發表的AI論文數量從不到4.8萬篇增加至23萬篇，提升了約4倍（見圖1），占所有論文的比重從不到2%提高至3%。《2021年人工智能指數報告》（“Artificial Intelligence Index Report 2021”）顯示，東亞、歐洲、北美是論文产出的主要區域。在每個主要國家和地區，产生論文的第一大戶都是大學。但列第二位的則有所不同：在美國排第二的為産業，約占全部論文的19.2%，而在中國和歐盟排第二的都是公共研究機構，占比分別達到15.6%和17.2%。

科研期刊依然是論文發表最主要的載體，2020年期刊發表AI論文數量接近8萬篇，是2000年的5.4倍，尤其是近年來增速明顯，2019年比2018年增加19.6%，2020年比2019年又進一步增加34.5%。東亞、歐洲、北美是期刊出版最多的前三大區域。自從2017年以來，中國一直是AI範圍期刊出版物最多的國家，並且在2020年首次超越美國成為世界人工智能期刊上被引用論文頻次最高的國家，占比達到20.7%，而美國為19.8%。

學術會議是論文發表的另一重要途徑，2000年至2019年間，通過AI學術會議發表的文章增加了4倍，但2010—2020年增長緩慢，一直維持在4萬篇左右，2019年的會議論文僅是2010年的1.09倍，受疫情影響，2020年更是比2019年減少20%以上。

1.2 技藝創新

一是高強度的AI研制产生了大量科研成果。除了2020年受疫情影響略有下降外，AI範圍專利數量自2000年以來經歷了快速增加（見圖2）。根據斯坦福大學針對全球40多個國家的不完全分析，2019年全球AI註冊專利數量已經達到101876件，是2000年21806件的4.7倍，占所有專利的比例也從2000年的2.0%提高到了2.9%。從地區看，AI專利的主要产區是北美，約55%的專利源自北美地區，此外，歐洲和東亞各占20%左右。

二是AI技藝進一步完善。AI系統現在可以合成文本、音頻和圖像，而且水平足夠高，人類難以辨別真偽。比如圖像合成技藝能“深度偽造”，將人臉叠加到照片或電影中其他人的臉上。這也促使研究者探索深度偽造檢測技藝，讓計算機能很好地區分不同的圖像輸出。得益於機器學習和自然語言處理技藝的進步，機器能在視覺問答中供應更加準確的自然語言答案，自2015年首次發布以來，該算法準確率增長了近40%，最高達到76.4%，已接近人類80.8%的準確率基線。

三是逐步走向产業化。一方面，技藝的成熟讓相關的AI模型的訓練時間和訓練成本明顯降低，如訓練一個現代圖像識別系統，根據斯坦福DAWNBench團隊進行的測試，2017年需要耗資1100美元的項目，現在只用花7.43美元，成本僅為原來的1/150。另一方面，AI在越來越多的範圍得到應用，交通、金融、農業、軍事等範圍都逐漸變得更“智能”，特別是疫情期間，隨着機器學習的采用，醫療保健和生物醫學工業的格局發生了實質性的變化，AI大大簡化了原有的化合物結構策劃技藝。AI初創公司PostEra的機器學習技藝能夠在48小時內完成此前需要3~4周時間進行的化學合成路線策劃，加速了新冠病毒相關藥物的發現；原谷歌人工智能部門DeepMind的深度學習模型AlphaFold破解了長達數十年的蛋白質折叠生物學難題。

四是投資明顯增加。2020年全球AI範圍社會總投資（包括私人投資、公開募股、並購和少數股權等）較2019年增長了40%，達到679億美元。從國家來看，美國仍然是資本最集中的地區，2020年社會資本投資AI超過236億美元，其次是中國（99億美元）和英國（19億美元）。從範圍看，2020年生物醫藥範圍獲得的投資最多，超過138億美元，是2019年的4.5倍；其次是智慧交通範圍，達到45億美元；再次是教育範圍的41億美元。然而，獲得投資的AI初創産業數量卻連續3年明顯減少，2017年超過4000家AI初創産業達成融資，到2020年僅有不到1000家。

1.3 人才和教育

2020年，全球AI範圍人才征聘數量繼續增長。近5年來，巴西、印度、加拿大、新加坡、南非是新增崗位中AI崗位占比增長最快的前5個國家，如巴西5年內AI職位占比增加了3倍多，中國增速相對較慢，僅為1.3倍；美國甚至出現了多年來的首次下滑，發布的AI工作崗位從2019年的32.5萬個減少到2020年的30.1萬個。

教育方面，世界頂級大學紛紛部署加大AI教育投入，2017—2020年間，本科生的AI相關課程數量增加了102.9%，研究生階段則增加了41.7%。同時越來越多AI範圍博士生選擇走出學校，進入产業。2010—2019年，進入産業從事AI相關工作的應屆博士畢業生比例從2010年的44.4%增至2019年的65.7%，繼續從事學術研究的比例則從42.1%下降到23.7%。

以美國為例，在獲得計算機科學博士學位的人中，人工智能相關博士在2010年占比為14.2%，2019年上升至約23%。與此同時，其他計算機科學範圍的熱門程度有所下降，如網絡、軟件工程和編程語言等。2019年，新入學AI博士研究生中國際學生的比例繼續上升，達到64.3%，比2018年上升4.3%。在外籍畢業生中，多達81.8%的人選擇繼續留在美國。

AI技藝的快速擴展得益於其廣泛的應用場景。AI早已不再是簡單的軟件或硬件，已經成為包括算法、數據、硬件、應用、人才等一系列要素的集合。隨着計算機系統解決問題和執行任務的能力迅速提高，機器智慧正在越來越多的範圍替代人類智慧，AI成為當前人類能夠獲得的最強大工具，可以擴展知識、促進社會繁榮並豐富人類經驗。以下是未來AI應用中的幾個關鍵方面：

一是預測，憑借模型、算法的進步，AI能夠更加精準地預測，從以往數據中總結學習，並預測未來的事件，這在幾乎所有範圍都能得到應用，如天氣預報，自動駕駛中對於其他車輛行駛軌跡的預判，精準農業中對於種植、灌溉、施肥的決策等等。

二是策劃和優化，在完成一系列復雜任務時進行優化和統籌，以根據需求達到節省時間和金錢、提高安全性等目的，如智慧城市的規劃策劃、交通線路規劃等。

三是建模和模擬，在生物、物理、經濟和社會研究中通過構建虛擬模型，進行仿真操作，可以節省很多實際中需要的測試和實驗，在提高實驗效率的同時能夠給出另外的解決方案。在COVID-19大流行中，研究人員在藥物分子策劃、蛋白質構象等研究中廣泛使用了AI技藝。

四是自然語言處理，人類自然語言與計算機的及時準確互動，不僅可以讓智能電子設備的操作更加簡單，也可以廣泛應用在文本類別、機器翻譯、輿情監測等範圍。

五是視覺圖像處理，通過用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，幫助做出正確的“決定”，讓AI可以應用在另外需要從圖像或多維數據中感知的範圍，如生产線产品檢測、自動駕駛、醫學成像分析等。

正是由於其廣闊的應用前景，AI有望成為塑造全球競爭格局的重要因素，或將為早期采用的國家帶來顯著的經濟、戰略優勢。許多國家都在布局加強AI研制和應用，AI競賽逐漸由研究機構、産業之間的競爭轉變為國家之間的角力。

4.1 各國積極參與AI競爭

自從2017年以來，全球已有30多個國家和地區發布了優先擴展AI的國家戰略，投身AI全球競爭（見表1）。其中既有美國、歐盟、法國、德國、英國、新加坡等發達國家和地區，也有印度、墨西哥、印度尼西亞、巴西、馬來西亞、烏克蘭等擴展中國家。各國均試圖通過AI戰略幫助本國AI产業擴展，在國際競爭中占據有利位勢。

加拿大、德國、印度、英國等多國都在戰略中明確要對擴展AI進行直接資金幫助，並列出了預算額度。日本、英國、沙特阿拉伯等國家還成立了專門的AI管理機構。在政策的大力幫助下，這些國家的AI技藝、人才、产業都在快速擴展。新加坡已經成為AI職位占比最高的國家，2020年的數據顯示，AI相關崗位占全部工作崗位的比例達到了2.4%。據分析，印度前50類技能崗位中AI技藝相關崗位數量最多，甚至超過了美國、中國、德國等AI強國。

4.2 中美兩國領先

在眾多國家中，美國仍是公認的AI第一強國，持有強大的産業和研究機構，政府每年也投入大量財力幫助研制，2020財年非國防和情報部門的AI撥款就達到9.735億美元，2021財年這一數字進一步提高至15億美元，同比增加近55%。然而，美國的領先地位正在逐漸被中國趕上，個別範圍甚至已經被超越。如中國在2017年之後一直保持全球AI論文發表數量第一，並逐步擴大領先優勢，2020年更是首次超過美國成為世界AI期刊上被引用頻次最高的國家。

2019年，美國信息技藝與創新基金會（ITIF）的數據創新中心曾發布研究報告《誰將在人工智能角逐中勝出：中國、歐盟或美國？》，對中、美、歐AI擴展現狀進行比較測算——美國以44.2分領先，中國以32.3分位居第二，歐盟則以23.5分位居第三。美國的領先地位彰顯無疑，而中國則以追趕之勢跟進。谷歌前董事長埃裏克·施密特認為，中國在面部識別、健康數據、電子商務等很多方面具有領先地位，美國在擴展AI方面“僅比中國領先一到兩年”。

中國的快速崛起引起美國各界的擔憂。大量美國媒體、智庫鼓吹中國即將在AI範圍超越美國。2021年3月4日，美國國家人工智能安全委員會（NSCAI）投票通過，並向美國國會提交了長達756頁的2021年度最終建議報告，詳細闡述了AI對於社會擴展和國家安全的重要作用，並對如何維持AI技藝優勢、保障國家安全提出了措施建議，尤其是將中國明確為未來美國在AI範圍的最大競爭對手，針對性地呼籲美國聯邦政府采取措施。報告成為美國民主共和兩黨共識，得到了包括聯邦政府在內各界的重視，拜登政府也表示幫助報告在知識产權、人才、加速創新、微電子、電源模塊國際合作等方面提到的許多詳細政策建議。可以預見，未來中美AI範圍的戰略博弈將會進一步演化，在吸引人才、突破關鍵技藝等方面的競爭會更加激烈。

4.3 國際合作積極

隨着越來越多的國家加入全球AI競爭，迫切需要製定全球範圍內行之有效的國際規則、標準，同時國家間也需要通過互利合作達到取長補短、共同進步的目的。為滿足一些國家共同擴展的目的，各種AI倡議應運而生，很多非常重要的國際倡議、論壇、組織也紛紛納入AI議題，涉及AI的原則標準、數據共享、研制合作等方面內容（見表2）。日本、韓國、英國、美國和歐盟成員國等國家積極參與了政府間AI方面的合作。也有一些國家通過積極締結雙邊協議來推進AI國際合作。

值得註意的是，不同於特朗普的一意孤行，拜登政府更加註重通過聯合盟友維持其世界霸主的地位。專家預測美國或將在科技範圍牽頭發起成立“科技民主聯盟”，借西方民主價值觀拉攏盟友共同促進AI和新興技藝的擴展和使用，並進一步對中國實施科技封鎖與遏製，中美科技競爭或將升級邁入新階段。

雖然我國AI技藝研制在全球的影響力顯著提高，又持有全球最豐富的應用落地場景，但AI倫理、人才培養等問題仍需重視。習近平總書記在黨的十九大報告中明確提出，要“推動互聯網、大數據、人工智能和實體經濟深度融合”，將人工智能視為供給側結構性改革和推動實體經濟擴展的重要一環。相關部門貫徹落實十九大精神，出臺了一系列戰略舉措，有力地推動我國在AI技藝和产業化方面的進步。結合近年來全球AI擴展動態，為貫徹落實新擴展理念，進一步加快我國AI技藝創新，提出以下建議：

（1）理順促進AI擴展的體製機製。為更好地發揮政府在AI創新方面的重要作用，一些國家成立了指導AI擴展的專門機構，一方面解決部門間各自為戰，碎片、重復幫助AI研制的情況，另一方面也可更高效地加強對民間AI創新的引導。建議進一步理順我國促進AI擴展的體製機製，成立專門機構或小組負責統籌部門間的幫助政策，避免重復幫助、無效幫助，達成政府資源效益最大化和跨部門政策的良好銜接，並進一步促進AI成果轉化，使我國從AI論文強國變成AI專利強國。

（2）強化AI數據資源共享。近一兩年來，鼓勵相關數據和模型的資源共享已經成為美國、英國、日本、韓國等國家在AI管理上的重要共識，也是國際合作的一項重要議題。這是由AI技藝的特征決定的，為了朝更智能的方向前進，最基礎、最關鍵的大數據支撐是必不可少的。美國谷歌、Meta（原臉書）、亞馬遜等科技産業憑借其商業模式和壟斷地位掌握了大量用戶數據，對其進一步研究機器學習、深度學習至關重要。我國在加強數據保護的基礎上，要充分利用數據資源，鼓勵開放共享，推進工業整體擴展前進。

（3）加強人才培養。人才是第一資源，在未來AI戰略競爭中，誰能夠在世界範圍內吸引、培養和留住人才，誰就會取得優勢。據分析，我國AI人才目前缺口超過500萬，國內的供求比例為1∶10，供需比例嚴重失衡，同時80%以上的外籍美國AI博士應屆畢業生選擇留在美國。繼續加強人才培養、補齊人才短板，是我國的當務之急。特別要探索产學合作、國內國際合作、跨界跨範圍合作的育才機製，營造有利於AI人才成長與培養的沃土，推動構建和完善既有利於擴展人才獨創能力，又能有效調動潛力的平臺條件，為未來做好準備。

（4）營造有利的國際環境。AI未來擴展之路還有很長，以美國為首的發達國家一方面以舉國之力擴展本國AI技藝，另一方面也在充分發揮其影響力積極參與AI國際規則的製定，甚至意圖聯合盟友對我國進行戰略打壓。憑借現有产業基礎和技藝能力，我國有能力且應當在未來AI範圍競爭中發揮比較優勢，補齊擴展短板，下好先手棋，努力成為工業規則的重要製定者，引領技藝朝有利於我國的方向擴展，逐步在新的國際體系中占據重要位置，達成社會主義現代化強國的建設目標。

（5）重視AI擴展的社會倫理和法規建設。AI在多個範圍的加速應用，導致相應的倫理問題逐漸凸顯，尤其是隱私、就業、社會公平等範圍，也是許多國際組織、協會、聯盟等積極討論的議題，甚至可能成為美歐等國打壓我國AI产業的關鍵。同時，對AI的監管必須與時俱進，在交通、金融、醫藥等應用較好的範圍要及時完善相關工業法律法規，明確擴展AI中的倫理規則，積極引導，讓新業態有規可循、有法可依，促進應用落地。

（6）密切跟蹤全球擴展趨勢。當前AI創新進入高速擴展階段，相關技藝加速進步，产品日新月異，产業爆發式增長。美國、德國、韓國、以色列等科技強國都結合自身特點選擇重點範圍布局突破。要持續跟蹤把握範圍前沿擴展趨勢，掌握發達國家在研制方向、幫助舉措、監管規則等方面的嶄新動態，結合我國國情學習借鑒。