派智库

　　中国人工智能发力追赶美国

　　1. 中国政府致力于营造良好的政策环境，大力扶持人工智能研发。一方面，中央政府加强引导和规划，将人工智能、机器人等作为重要发展方向，出台了《“互联网+”行动指导意见》、《“互联网+”人工智能三年行动实施方案》等政策文件。另一方面，各级政府纷纷出台资金扶持等配套政策，支持建设人工智能产业园和示范基地，吸引科技创新公司和高端人才入驻，鼓励企业把资金投入到人工智能关键技术领域，例如杭州、苏州等城市都在加快建设人工智能产业园和产业孵化器。 内容来自dedecms

　　2. 中国科技巨头迅速行动，纷纷布局人工智能。美国科技企业将发展重心向人工智能转移，Facebook制定以人工智能为核心的“十年路线图”，谷歌明确将人工智能研发与其所有核心业务联合起来，苹果发布人工智能报告，亚马逊推出公有云AWS上的人工智能产品线。中国以BAT为代表的互联网企业不甘落后，积极展开人工智能布局。百度2016年进行战略架构调整，把人工智能视作公司发展的重中之重;阿里将人工智能与大数据、云计算等结合，对电商物流和物联网进行支撑;腾讯通过搜狗发力人工智能，在语义理解、识别和人机交互方面展开了诸多探索。 本文来自织梦

　　3. 中国在人工智能理论研究领域快速崛起，科研实力不容小觑。美国在人工智能理论研究领域一直处于世界前列，论文数量自2008年开始就遥遥领先。中国在该领域快速崛起，正在成为不可忽视的重要力量。2012年，中国人工智能论文数量快速增长，超越德国、日本等国家，位居世界第二;2013年，中国论文数量以“井喷”方式增长;2014年至2015年，无论是论文数量还是数据有效引用，中国都超过了美国，居于领跑位置;2016年10月，美国一份递交白宫的人工智能报告中多次提到，中国学者发表的研究论文数量已经超过了美国。

织梦好，好织梦

　　发展存在诸多制约因素 本文来自织梦

　　1. 中国缺乏对人工智能发展的长远规划和布局。美国已将人工智能作为国家战略，先后颁布了《为人工智能的未来做好准备》、《国家人工智能研究与发展战略规划》、《人工智能、自动化与经济报告》等文件，明确了人工智能发展规划。中国政府也在积极营造良好的政策环境。虽然中国在制造业、互联网+、科技创新等战略规划中都提及了人工智能，但还没有专门针对人工智能的国家战略规划，人工智能的发展路径、时间表、路线图等还不清晰。目前在人工智能发展中，中国仍主要依靠科研机构和企业的自身力量，国家层面对人工智能长期投入、基础技术攻关及相关标准规范研究等还没有明确的规划和布局，不利于人工智能的全面推进。 内容来自dedecms

　　2. 中国人工智能技术和人才储备与美国存在巨大差距。美国企业在人工智能方面的研究和布局远早于中国，如微软1991年成立研究院开展人工智能研究，对重要领域的研究已超过25年;谷歌已成功推出开源机器学习平台，无人驾驶汽车测试里程已超过200万公里。反观国内，百度的人工智能研究始于2013年成立的深度学习研究院，阿里的人工智能布局尚局限在对大数据和云计算业务的支撑，腾讯也主要服务于内部互联网业务。美国科技巨头在前瞻性、源头性技术方面的布局和积累，极大地吸引了全世界专注前沿科技的精英。领英平台的数据显示，美国人工智能人才中拥有10年以上经验的比例接近50%，而中国不到25%。 织梦好，好织梦

　　3. 中国人工智能市场集中在应用层面，深度学习能力不足。由于中国人工智能起步较晚、人才储备不足，研究和应用方向多集中在应用层面，对机器学习等基础技术重视不够。据统计，中国人工智能主要集中在语音和视觉识别技术方面，分别占比60%和12.5%;专注开发应用的公司较多，兼顾机器学习算法的公司只占29%;研究算法的公司业务也集中在计算机视觉和自然语言处理，致力于机器学习算法的只占9%，专注深度学习的公司更是凤毛麟角。这种市场和业务的集中，尤其是忽略基础技术或依靠少数企业发展基础技术，会引发后劲不足及依赖国外技术、平台、开发工具等问题，不利于人工智能的全面发展。 织梦内容管理系统

　　加速中国人工智能发展的建议

　　1. 制定国家战略和路线图，加强顶层规划设计。将发展人工智能作为国家重大战略，把握机遇，明确人工智能科技投入的国家目标，协调各相关机构根据其职责、能力等确定发展重点，规划发展路线。促进不同研究领域企业的协调合作，在传统企业发展中引入人工智能技术，同时鼓励传统企业以多种形式对人工智能的研究提供资金支持，促进人工智能在各个行业的广泛应用。有效挖掘人工智能技术潜力，支撑行业长期稳健的发展，推动人工智能发展国家经济的同时服务社会发展。 织梦好，好织梦

　　2. 提倡数据和研究成果共享，加速科技成果孵化。提倡高校与企业、高科技公司与传统企业、跨行业企业和机构之间的数据共享，使中国大数据的天然优势能够为人工智能行业所利用。加强人工智能科研与产业的结合，克服“企业数据和院校算法脱节”的产业发展瓶颈，引导科研人员兼顾应用场景和研究成果可行性，并采取措施保证科研成果孵化成产品的通道畅通，开通绿色通道，加快孵化速度，弥补中美之间从科研到产品的发展差距。 copyright dedecms

　　3. 重视基础技术和创新研究，加快核心人才培养。重视和加强前瞻性基础研究，鼓励多学科交叉创新研究，对感知技术、深度学习等基础技术研发给予政策和资金引导，大力扶持致力于机器学习算法和深度学习应用的企业，开发自主平台和工具。规范人工智能的学科设置和职业培训，针对人工智能基础技术和应用的需求，加大对从事基础技术和创新研发核心人才的培养力度，确保人才储备充足。鼓励采用产学研联动模式，从高校和科研机构向企业输送优秀人才和基础技术成果。

　　(作者许亚倩工业和信息化部赛迪研究院网络空间研究所) 织梦内容管理系统