2017年3月，“人工智能”首次被寫進《政府工作報告》；7月，國務院發布《新一代人工智能發展規劃》，人工智能發展上升至國家戰略；2018年10月31日，中共中央政治局專門就“人工智能發展現狀和趨勢”舉行第九次集體學習，這是中央最高領導層首次專門以人工智能為學習主題。在這樣的歷史條件下，如何以產業實踐推動人工智能快速發展，成為擺在我們面前的重要課題。

人工智能及其發展

從廣義上講，人工智能是人類賦予機器以自主行動能力的行為，它不是一個固有或先驗的學科分支，其跨學科屬性決定了它并不能被單一學術體系或科學技術所完全囊括。清華大學人工智能研究院院長張鈸院士認為，“智能”包含三個成分：perceive（感知）、rationalthinking（理性思考）和takingaction（采取行動），人工智能技術就是一個智能體通過感知周圍的環境，進行思考并采取行動來最大化實現某些目的的方法。

1.我國人工智能的發展歷程

我國人工智能起步較晚，1978年改革開放后，著名數學家、中科院院士吳文俊提出利用機器證明與發現“幾何定理機器證明”；1981年我國人工智能學會（CAAI）成立；進入21世紀后，國家以部委課題等形式進行了更多的人工智能研究。近幾年，我國陸續發布了《中國制造2025》《機器人產業發展規劃（2016-2020年）》《“互聯網+”人工智能三年行動實施方案》和《新一代人工智能發展規劃》等文件，并先后承辦了世界人工智能大會、世界機器人大會等國際會議。

清華大學等國內知名高校紛紛成立人工智能研究機構，制訂相關課程和研究方向。2017年，我國人工智能市場規模達237.4億元，同比2016年增長了67%；截至2017年底，我國約超過20萬名科技人員從事人工智能相關領域研究與應用。《新一代人工智能發展規劃》中預計，到2020年我國人工智能總體技術和應用與世界先進水平同步，2020年、2025年和2030年人工智能核心產業規模預計分別超過1500億元、4000億元和1萬億元，帶動相關產業規模分別超過1萬億元、5萬億元和10萬億元。

2.國際比較

全球視野下，人工智能技術仍在加速發展。目前，美中兩國是人工智能發展的領跑者，綜合實力美國穩居第一，日本、英國和加拿大等國也處在人工智能高速發展階段。與美國相比，我國更加關注專用領域，創新活力相對明顯，美國更加注重基礎研究，產業培植較為深厚。人才方面，我國杰出人才數量僅為美國28536人的29.83%；論文和專利方面，截至2017年底，我國人工智能論文總數達到36.96萬篇，論文和專利數均超過美國，位列世界第一，但學科分布全面性、被引用次數和科技含量尚不及美國。企業數量方面，截至2018年6月，全球監測到人工智能企業共4925家，美國擁有2028家，我國（不含港澳臺）擁有1011家，中美兩國的人工智能企業總數超過全世界人工智能企業總數的60%，其中，北京是全世界人工智能企業最多的城市，共有395家。人工智能領域投融資方面，2017年全球總規模達395億美元，融資事件1208筆，我國投融資規模達277億美元，融資事件為369筆，分別占總數的70%和31%，明顯高于美國和其他國家，表現出我國資本市場對人工智能的高度關注。

主要問題

1.問題表現

（1）用力過于集中。從架構上看，人工智能技術可以分為基礎層、技術層和應用層。其中基礎層是人工智能的核心業態支撐，技術層是人工智能的關聯業態，應用層是人工智能的實踐外延業態，這三個層次主要包括芯片、算法、智能工業機器人、無人機、語音語義識別、計算機視覺、深度學習和智能硬件等。2017年人工智能領域投融資規模顯示，語音語義、計算機視覺市場規模較大，分別為108.7億元和82.8億元，占比分別達到45.8%和34.9%，總和占比超過80%，自2015年以來，我國人工智能在漢字識別、語音識別和計算機視覺技術方面世界領先，但在其他細分領域，與國外相比差距明顯，特別是芯片、工業機器人、GPU和深度學習算法等關鍵技術發展較為滯后。

（2）應用偏離場景。有些人工智能企業選擇的研發方向無法獲得充足的產業實踐機會，實際上，我國人工智能科研機構研究與企業實踐存在一定程度的脫離，企業往往陷入實踐型人才難求的境地。由于研發人員難以與應用端的實踐相結合，或者苦于應用場景下數據匱乏、無法數字化等因素制約。如航空智能制造領域，一些老機型甚至沒有數模資料，僅有圖紙，人工智能技術“巧婦難為無米之炊”，再或者一些軍工等涉密領域，準入門檻較高，不能深入場景提供智能化解決方案。目前，我國人工智能的應用領域多處于專用階段，如人臉識別、視頻監控和語音識別等都主要用于完成具體任務，覆蓋范圍有限，產業化程度有待提高。

（3）技術缺少硬度。部分人工智能企業對于研究和落地方向不確定，沒有深入調研市場需求和可介入的應用場景，劍走偏鋒、求奇求特，單純追求研發的“高精尖”，盲目確定研發方向。按照科技部火炬中心《2016中國獨角獸企業發展報告》確定的我國人工智能獨角獸企業標準（一般估值10億美元以上），截至2016年底，美國和我國是“獨角獸”企業分布最多的兩個國家，分別為137家和63家，從兩國獨角獸企業的數量上可以看出，我國人工智能技術的硬度相比美國有明顯差距。

（4）區域發展失衡。截至2017年底，全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比39.66%；其次是上海，占比21.55%；位列第三的是廣東，占比15.52%。部分地區的人工智能發展方向趨同，產業實踐同質，形式化問題嚴重，缺少地域間錯峰產業實踐的統籌規劃和差異化的產業布局，老少邊窮地區基礎更加薄弱，無法有效提供產業實踐機會，加之缺乏吸引人才的手段和資金支持，沒能在區域統籌中充分發揮人工智能輻射行業多、撬動能力強的優勢。

2.成因分析

（1）基礎因素。我國開展人工智能研究起步晚、起點低，在實現跨越式發展的同時，必須面對科研基礎和產業基礎雙薄弱的現實，人工智能是多學科的綜合應用，其發展水平受限于各基礎學科發展水平，人工智能產業基礎參差不齊。部分產業從手工階段直接進入智能階段，跨越了自動化和數字化歷程，甚至有些產業剛剛興起，從無到有、從零開始，數據匯集和產業基礎不完整［5］。

（2）資本因素。近年來，創新投資的興起有效推動了人工智能的發展。由于資本追求投資收益，有退出機制和變現壓力，使得在深度產業實踐和融合上耐心不夠，為搶占市場先機，引導或迫使人工智能企業在產業實踐基礎不牢的情況下以“攤大餅”的方式盲目擴張。對有需求、變現快的行業更為推崇，對產業基礎差、實踐周期長的領域反應冷淡。一些人工智能企業和個別地方政府缺乏遠大眼光，追求短期的經濟效益，期望1-2年內獲得明顯的經濟回報，致使很大一部分人工智能創業企業急功近利、底氣不足，遇到資金和產業瓶頸時難以維系。

（3）政策因素。產業實踐政策的導向不夠明確、缺乏目標規劃，政策層面更關注如何提供軟環境，缺少應用關注和產業對接，行業指導缺失，鼓勵創新創業深入發展的有效舉措不多，如技術加場景的合作模式中有許多是高校和企業對接，開展專項課題研究，由于高校教師更關注理論研究成果以及課題經費有限、企業方數據信息不開放等原因，導致課題研究浮于表面，結合實際少、深入一線少，大多只進行了入門級技術探索，蜻蜓點水、淺嘗輒止，科技成果轉化率低。

（4）監管因素。如果說當前人工智能發展引導政策注重正面保障和推動產業實踐，那么監督管理則應更多體現在反面的糾偏和督促機制上。假冒“高新技術”企業是人工智能領域的典型問題，為此，科技部、財政部與國家稅務局于2016年聯合發布了《高新技術企業認定管理辦法》，使得沒有產業實踐就想“冒名頂替”的情況得到遏制。除此之外，對投資資金使用、課題成果驗證等方面也要提高監管強度，細化監管措施。

3.重要性和影響

（1）不能錯失發展重要窗口期。世界人工智能發展并非一帆風順，而是經歷了提出原理-理解-懷疑-深化-瓶頸-認知的多重階段，與很多影響人類發展進程的重要技術革命一樣，處在螺旋式上升的過程中。當前，正是對人工智能全面深入認知的關鍵時間節點，而這一節點的顯著特征就是產業實踐。2015年以來，隨著云計算、大數據和物聯網等關鍵軟硬件技術的快速發展，極大地推動了各類場景的數字化和信息化，為人工智能進行深入產業實踐創造了有利環境，形成發展的重要窗口期，錯失這個窗口期，極有可能延誤歷史機遇，甚至喪失可持續發展的主動權。

（2）影響產業轉型升級。我國產業轉型升級的重要方向就是在新發展理念統領下，以科技創新為引導，強調調整產業結構和發展方式。人工智能是引領轉型的關鍵抓手和搭建新型供給側結構的重要一環，如中央提出的軍民融合戰略，為破解軍工產業落后產能與剛需激增的矛盾，迫切需要人工智能企業與軍工產業場景深度融合，以智能工業機器人代替人工，實現跨界融合發展。

（3）喪失創新創業活力。全國知名科研院所和高校中，有相當一批科研人員和師生受到大眾創業、萬眾創新的政策鼓舞投身到雙創事業中，如果沒有產業實踐賦予其新動能，將極大地挫傷雙創人員的積極性。同時，以人工智能為代表的創新產業，匯集了大量的國有和民間資本，特別是在2018年春季之前的2年左右，數額巨大的創投基金沖入人工智能及其衍生領域，如果一波又一波的人工智能創新企業因無法通過產業實踐實現產業應用，而出現違約潮、回購潮，不但激增各類資金的系統風險，也將直接導致一大批創業企業無法盈利而難以生存，社會總成本也將大大增加。

對策與建議

要扭轉不利局面，徹底打通人工智能“產業+實踐”的“任督二脈”，就要以產業鏈倒排的方法和決心，將產業實踐提升到關乎人工智能革命成敗的高度，堅決打造從研發到應用的閉環。

1.政策引領

我國雖已出臺了《新一代人工智能發展規劃》等一系列與人工智能相關的發展規劃，但是專門推動人工智能產業實踐的具體引導性政策還少之又少。除了國家層面制定的人工智能宏觀政策戰略部署要得當之外，各地區、各部門戰術層面的路徑也有待深化設計。

如協調制訂不同地區人工智能產業布局，不但要有全局藍圖，更要有結合地區、行業及研發生態等的局部規劃，避免出現重復建設的情況。要建立宏觀、中觀、微觀上下貫通的產業實踐體系，抓實施細則、講落地實效，特別要著力保護人工智能創業企業，拉長風險預警周期，減少風險邊界條件。

特別是在頂層技術研發政策方面，可借鑒美國科研頂層統籌的經驗，成立人工智能技術國家級實驗室，并設立行業分支二級實驗室。同時，還要多研究具體應用場景下產業實踐的準入政策，降低企業研發成果轉化成本，推進人工智能與實體經濟深度融合。

2.產業優先

（1）有效構建行業上下游技術語境和數據結構，打牢產業升級的基礎。鼓勵傳統行業企業，特別是國有企業，成立人工智能事業部，對應用實踐核心部門，在合理范圍內積極開放工作場景及數據源代碼，打通行業企業內部人工智能技術輸入和輸出路徑，推動戰略性新興產業實現人工智能技術整體突破。鼓勵成立細分行業產業基金，以行業發展收益反哺人工智能企業。

（2）積極探索行業企業與人工智能企業間技術共同持有、收益共同分享的合作機制。增加人工智能技術的容錯空間，保障人工智能企業作為行業后入主體的合法權益，避免出現人工智能企業間惡性競爭。

3.聚焦重點

（1）基礎類重點關注芯片技術。作為人工智能應用實現的物理基礎和關鍵支撐，芯片是數據計算能力的核心體現。從技術特點、基本測試和發展路線等方面看，我國高精尖芯片研發水平仍相當薄弱，建議下一步的研發方向從云側、邊緣和終端設備等不同實踐場景中提出需求，按照應用工況條件，提升動態計算精度、內存耗能和響應速度，重點關注體積、成本和算法架構。

（2）技術類重點關注視覺識別。視覺識別是目前人工智能關注度較高的領域，視覺技術對基礎層和應用層上下游具有通用性，它既是基礎類海量場景數據的最好提供者和產業實踐較為充分的技術開發方向，又是算法用于工程化以便提供硬件產品的最好選擇，可在智能制造等方向加強應用。重點行業應用視覺技術效果突出，特別是城市安防的“剛需”特征，使得商業價值和科研價值兼備，人工智能企業優劣之分應體現在是否有更加卓越的實戰能力。

（3）應用類重點關注智能工業機器人。智能工業機器人是應用類人工智能的尖端產品，是各類人工智能技術的集大成者。機器人技術既需要芯片和算法的底層支持，還需要視覺識別和傳感器等綜合技術應用，最為關鍵的是機器人專注于工業實踐場景，取代人類繁重重復的體力勞動是不可逆轉的發展趨勢。應用機器學習技術分析處理現場數據，提升人工智能條件下人機協作水平，增強人工智能企業和用戶企業間協作研發的設計與生產能力，提高對用戶需求特征的深度學習和分析能力。智能裝備、智能工廠和智能服務是人工智能機器人的系統組成。

目前，國內真正依靠人工智能技術切入工業應用場景的創新企業并不多，如在飛機裝配領域，大多數人工智能企業由于無法獲取核心數據資料，甚至不能近距離了解需求，導致很難研發出解決工人真實工作中技術問題的智能裝備，并盡快摘取工業機器人這顆人工智能皇冠上的寶石。