最近，麦肯锡一篇长达20页PDF的报告对中国AI当下的发展状态进行了全面而细致的介绍。文章从学术研究、算法、数据、计算能力四个角度分析中国的AI实力。文章指出，AI 对中国发展事关重大，但是目前的关键是人才。

文章最后为中国AI的发展提出了5个战略建议：1、建立健全的数据生态系统；2、促进传统行业对AI的采用；3、加强专业AI人才管理；4、针对挑战设立教育和培训制度；5、并在中国公民和全球社会之间建立道德上和法律上的共识。

以下为报告主要内容：

2016年 3月，AlphaGo 计算机程序轻取围棋九段棋手李世石，立刻引发全世 界的讨论。这一里程碑事件向世界证明，机器可以像人类一样思考，甚至比人类做得更好。乐观人士相信人工智能技术的突破将极大推动生产力的提高。但同时也激发了对人工智能或将取代人类工作的焦虑情绪，甚至有人担心人类最终会创造出连自己都无法控制的智能机器。在纷繁的观点背后，有一点毋庸置疑：人工智能有着改变全球社会的巨大潜力。

随着人口红利的快速消失，中国急需寻找新的增长引擎。基于人工智能的自动化可以提升生产力，帮助中国实现其经济发展目标。

人工智能：拐点来临

人工智能意为机器对人脑思维认知功能的模拟。这一概念长期以来只存在于人类幻想和科幻小说中，直至20世纪五六十年代，有关人工智能的理论初步形成后，才开始引发普遍乐观情绪和第一波热潮。但由于技术未能实现突破性进展，人工智能无法达成预期效果，因此陷入了一段沉寂期。往后数十年间虽然不乏成功案例，但因为人工智能在现实世界的成功案例太过孤立，所以不足以支撑大规模商业化。

让我们快进至 21世纪。

数据收集及整理、算法、机器学习，以及高性能计算等技术的突飞猛进促成了革命性进步。例如，在以往被认为无法取胜的围棋比赛中，AlphaGo成功击败人类世界冠军，从而赋予了这场获胜历史性的意义。

而变革不仅发生在理论前沿。

金融、医疗、制造等行业应用发展迅速，人工智能领域的全球风投也从2012年的 5.89亿美元猛增至2016年的50多亿美元。麦肯锡预计，至2025年人工智能应用市场总值将达到1270亿美元。

理解 AI 以及它能做什么

传统上，我们已经使用计算机的处理能力来更有效地产生输出（例如，比人类可以执行更快更复杂的计算）。传统的软件程序一直以特定的指令编写需要执行的任务。AI系统采取非常不一样的方法。它们可以通过巨大的“大数据”集，挖掘出模式，联系和见解，而且它们也采用广义的学习策略，这使得它们能够适应新的数据输入而不需要明确地重新编程。利用机器学习的系统具有归纳和决策能力，深度学习的出现更是将这种能力的边界扩展得更远。现在的机器学习系统能够自己学习、发现和适应规则。

虽然深度学习最近的突破已经产生了可以在某些关键功能中匹配或超越人类智力的人工智能系统，但是我们离“通用AI” – 或者说可以像人类一样执行全面的认知任务的机器还有一段距离。许多机器学习系统已经被用于特定的商业用途，并且应用程序是非常多样的。他们可以为客户提供服务，管理物流，监控设备，优化能源消耗，分析医疗记录。最近麦肯锡全球研究所（MGI）的研究表明，机器学习技术在几乎每个行业都有广泛的应用。

要认识AI 的能力，从下面四个维度是一个不错的方法：

• 感知
• 预测
• 指导方法（prescription）
• 综合解决方案（与机器人、自动驾驶等技术的结合）

目前的商业化程度因各种AI功能而异。虽然具有感知和预测能力的系统已经投入市场，但更多的规范性工具和集成解决方案仍在开发中（图1）。

图1：AI 技术当下的商业化，麦肯锡认为，IBM 和讯飞的商业应用属于感知技术。而百度和亚马逊则是结合硬件的解决方案。

AI 的未来：艰难的挑战与可能性

过去的技术进步主要是增强执行清晰划定生产任务的能力。但是现在，AI使机器能够做出反应和调整，以优化结果。结合物联网（IoT）和机器人技术，它可以创建一个综合的信息物理世界。

目前的发展趋势表明，AI技术最终将在更广泛的环境和行业范围内被全球接受，而最重要的成果之一就是处理长期以来一直由人类来完成的各种任务。 麦肯锡的报告分析了全球经济800多个职业的2000多个工作活动。在技术上看来，现在50％的工作活动都可以使用当前演示的技术进行自动化。

但技术可行性只是影响自动化步伐和程度的一个因素。其他还包括开发和部署具体应用，劳动力市场动态，经济利益以及监管和社会接受的成本。考虑到这些因素，麦肯锡对自动化的研究表明，直到2055年，现在的一半工作活动才能实现自动化，但在这个时机上存在相当程度的不确定性。在积极采用的情况下，这种自动化程度可能早于20年，而在较晚的采用情况下，可能会在20年后发生。

沿着这一思路，AI 可以成为一个强大的工具，适用于一些社会的核心挑战。在医疗方面，AI将大大增强我们分析人类基因组的能力，并为每个患者开发个性化和更有效的治疗方法。它可以大大加快治愈癌症，阿尔茨海默病和其他疾病的过程。人工智能系统可以大范围分析天气模式，提高能源效率，提高我们监测和应对气候变化的能力。其可能性甚至是我们想象不到的，比如，AI系统可以有一天开拓对火星和外太空层的探索。

AI 对中国的意义：算法、数据、计算能力与其他国家的横向对比

随着中国的大科技企业纷纷推动在 AI 方面的研发，中国成了全球领先的 AI 研发中心。中国庞大的人口基数和多样化的行业组合具有产生大量数据和形成巨大市场的潜力。广泛采用人工智能技术对中国未来的经济增长至关重要，因为全国人口老龄化加快了对生产率增长的需求，包括更开放的数据环境和受到良好训练的数据科学人才。但 AI 同时也提出了更复杂的社会和经济问题，需要审慎的思考。

中国在 AI 发展中的位置

中国和美国目前是全球 AI 发展的领导者。仅在2015年，两国在学术期刊上发表的 AI 相关的论文接近10,000篇，而英国，印度，德国和日本加起来才约相当于中美的半数。（数据来源：SCImago Journal & Country Rank, 2015）

中国 AI 发展大部分是由私营的高科技企业推动的。在海量的搜索数据及多样化的产品线的帮助下，中国的一些互联网巨头公司在图像和语音识别等技术领域处于领先的地位。而且这些技术已经被融入它们的新产品中，包括智能助理，自动驾驶汽车，等等。

中国有理由对其在 AI 定义的未来的作用感到乐观。中国庞大的人口能够产生海量的数据，这是“训练”AI系统的先决条件。中国也具有“范围经济”（economies of scope）的优势：广泛的行业为产品在市场部署提供了沃土。

但是，为了在这个迅速发展的领域保持前沿地位，中国仍需不遗余力地努力，并最大限度地发挥这些技术的经济潜力。中国需要专注于增强创新能力。例如，虽然中国学者比美国研究人员发表的 AI 相关的论文更多，但他们的论文产生的影响力并不及美英的研究者（见表2）。

表2：左图按AI相关的论文数量排名，右图按 H-index 排名。虽然中国发表了大量被广泛引用的 AI 相关的论文，但论影响力仍是美英更大。中国在绝对引用方面排名第一，但去除自引（self-citation）后，美国更有优势。

此外，中国还没有形成如美国那样的有生机的 AI 生态，体现在美国拥有比中国多得多的 AI 创业公司（见表3）。美国的生态系统是大型、创新而且多元化的（包括研究机构、大学以及私营企业），它的形成得益于硅谷的科技行业，具有难以复制的优势。

表3：美国的 AI 创业生态系统比中国更强大。上图显示中国和美国在50家最大（按总融资额排名）AI 创业公司中的占比，数据来自 CB Insight 发表的 AI 100 榜单。via： CB Insights; McKinsey analysis

数据

正如人类通过食物得到能量，AI 也不能在没有稳定的数据来源的情况下运行。这些系统必须要有大量的数据，以供它们“训练”，不断改进和完善产出的结果。在数据方面，存在几个问题可能阻碍中国的 AI 发展。

首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好（data-friendly）的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对少（见表4）。最后，限制跨国的数据流动（data flows）也使中国处于全球合作中的不利地位。

表4：政府数据的开放度，中国在全球排名第93位。

说明：每个数据类别的评估要考虑对公共可得性（public accessibility）的10个因素，包括数据是否在线发布，是否免费，是否最新，以及是否机器可读，等等。来源：Open Knowledge International, 2015; McKinsey Global Institute analysis

算法

在应用层面，中国在算法开发方面与其他国家相当。实际上，中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。

然而，中国在基础研究方面落后于美国和英国。一个主要原因是人才短缺，招纳人才对中国的 AI 发展至关重要。美国超过一半的数据科学家有10多年的工作经验，而在中国，经验不足五年的研究人员高达40％。

中国目前拥有不到30个专注于人工智能的大学研究实验室，仅靠这些实验室无法输出足够的人才满足中国AI行业的招聘需求。此外，中国的AI科学家在计算机视觉和语音识别等领域着力更多，相比其他专门领域不成比例。大学的 AI 项目也能得益于更高的数学和统计学要求，为在该领域保持全球领先付诸努力。此外也可以考虑改变提供科研经费的模式，以促进更多的创新。

计算力

计算力不是中国人工智能商业发展的直接的瓶颈。随着微处理（microprocessors）在全球市场得到广泛使用，计算能力已经成为可以轻松获得的东西。

但中国仍然不能忽视发展自己的先进的半导体、微处理器和高性能计算技术的重要性。计算能力是 AI 的基础之一，具有战略上的重要性。

中国历来严重依赖国外的微芯片供应商。对某些类型的高价值半导体，中国几乎完全依赖进口。但是，在2015年，美国政府禁止全球三大芯片供应商 Intel，Nvidia 和 AMD 向中国政府销售高端超级计算机芯片。对核心技术供应实现更强的控制有助于提高中国在未来更广泛地部署人工智能系统的能力。

为了解决这个问题，中国政府在2014年发布了《国家集成电路产业发展推进纲要》和《中国制造2025》两份政策性文件，而且政府设立了一个超过 200 亿美元的基金做这件事。这些举措已经开始取得一些成果。

专用处理器，例如可以进行大量复杂计算的图形处理单元，对 AI 来说尤其重要。随着中国IC业的发展，也应该对这类处理器的开发给予足够的重视。

中国在人工智能方面的战略，重要的是要注意技术行业的日益全球化。AI 价值链的各个方面，从基础研究，到应用开发，到硬件的制造，都涉及全球的协作。除了建立自己的数据生态系统，数据科学研究人才管道和半导体行业外，中国需要确保其 AI 行业建立在与全球市场融合的开放系统之上。

AI 发展对经济的影响：在中国可以带来0.8到1.4个百分点的GDP增长

AI 是中国加速生产力发展的一个重要机遇，也是解决人口老龄化的一个关键。但是，政策制定者也需要考虑AI 可能带来的对劳动力市场的潜在破坏，并为此做好准备。

近几十年来，随着劳动力扩张推动经济增长，中国的发展得益于“人口红利”。但随着人口老龄化，中国将会失去这种优势。研究表明，该国的劳动适龄人口已经达到顶峰，并将在未来几十年内继续缩小。这个人口趋势意味着中国在目前的生产力水平上将会很难维持经济增长所需的劳动力。维持势头的唯一选择是大幅度提高生产力增长。

AI可以部分缩小这一差距。 AI 系统可以通过帮助或替换人类来更有效地完成现有的工作活动来提高生产力。例如，英特尔在其芯片制造过程的同时收集大量数据以进行改进，而在过去，如果发生错误，该公司则主要依靠人力来对数据进行根本原因分析。但现在机器学习可以比人类快得多完成这个任务，算法可以筛选关于每个芯片的成千上万个数据点，以找出具有缺陷的那些中的常见模式。此外，AI 可以使工业机械，供应链，物流路线等过程更加有效。 AI应用程序可以通过预测故障，识别项目瓶颈以及将流程和决策自动化来创造卓越的效率。

中国经济的很大一部分包括住酒店和饮食服务、制造业，农业和其他部门。根据MGI的报告，AI领导的自动化可以使中国经济生产力提高，根据采用速度，每年可以增加0.8到1.4个百分点的GDP。

除了提升生产力以外，AI 的崛起还非常有可能会创造出新的产品和服务，进而催生出新的职业和生意。仅仅几十年前，没人可以想象，现在竟然有大量的工作与互联网经济有关，AI 也有类似的变革效应。

AI 有可能大幅度提高生产力增长，但这可能会带来更大的收入差距。在客户服务等角色中需要的人会越来越少。总体而言，人工智能将会增加所谓“技能偏向型的技术变革”的趋势，那就是数字技能将会有一个新的溢价，但与此同时，中低技能工人的需求就会减少。这可能会减少总劳动力需求。虽然平均收入可能会上升，但是两极化会加大。 “数字鸿沟”可以表现为社会鸿沟。

总的来说，中国的劳动力可以被自动化的程度比世界上任何其他国家都要高。 MGI估计，中国51％的工作可以自动化，相当于3.94亿全职员工。然而，即使在早期采用的情况下，约90％的工作活动将自动化，到2055年，中国要实现4-5％国内生产总值增长目标，仍可能面临所需劳动力不足的情况。这将使中国会寻求更多的方法来提高生产率。

常规工作和可预测的、可编程任务将特别容易受到AI的替换。由于成本效益，中等技能工人可能首当其冲，而支付低的职位可能会持续更长时间。然而，这并不是说今天的高技能工作将完全免受破坏。有专业知识和经验的专业人士（如医生）执行的许多任务可能会自动化，这些工作可能会改变，更多地侧重于个人互动。许多工作不会消失，但是他们的活动组合会发生变化，教育和培训系统将需要做出相应改变。

最近美国政府的一份报告提出了未来可能会普及化的AI相关工作，分为四类：需要与AI系统一起工作以完成复杂任务的参与工作（如使用AI应用程序进行常规的护士病人检查）; 开发工作，创建AI技术和应用程序（如数据库科学家和软件开发人员）; 监控，许可或维修AI系统的监督工作（如维护AI机器人的技术人员）; 以及响应AI驱动的范式转变的工作（例如律师围绕AI创建法律框架，或创建可容纳自主车辆的环境的城市规划者）。

AI 对社会的影响：应该采取谨慎的监管

AI 技术可以改善医疗、环境、安全和教育水平，具有增强人类福祉的激动人心的潜力。同时，由于它模糊了物理、数字和个人领域之间的界限，也引起了复杂的伦理、法律和安全问题。在将 AI 引入社会的过程中，应该采取谨慎的监管。

许多案例已经说明了 AI 在解决社会问题方面的潜能。人工智能系统可以帮助科学家预测环境变化；例如，康奈尔大学正在使用这种能力预测栖息地的变化，以保护某些鸟类。AI 在医疗方面也具有广泛的适用性。荷兰政府正在使用它来确定某些患者人群的最有效的治疗方法，并通过对数字化健康记录的分析减少医疗失误。在美国，拉斯维加斯正在使用这种技术进行公共卫生监测，利用社交媒体追踪来确定疾病爆发的起源。

人工智能系统还可以提高公共交通和交通系统的安全性和效率。有证据表明，无人驾驶车辆可以减少交通事故。阿里巴巴与杭州市政府合作，通过整合了 AI 技术的交通信号灯使城市交通更加智能化，减少了拥堵，在特定区域提升了 11% 的交通流量。AI 也被用来预测能源需求并管理能源消耗。早期的案例包括谷歌降低大量数据中心的能源消耗以及英国政府管理其电网系统激增的需求，显示了 AI 技术能为公司和消费者节省数十亿美元的可能性。

这些前所未有的能力提出了许多需要认真考虑的伦理和法律问题。 阿西莫夫著名的机器人三定律是第一次尝试制定机器人与人类互动的基本准则。但是，AI 的出现引发的伦理问题更加微妙，潜在的影响也更大。

首先，在传感器和各种 AI 系统无处不在的世界里，企业会不断收集个人数据——不仅使用数字设备，而且通过公共和个人的空间收集。在某些情况下，例如医院，这类个人信息是非常敏感的。这引起了对谁应该拥有这些个人数据，可以怎样分享，以及如何保护数据免受网络安全漏洞风险的质疑。

其次，AI 在进行决策时可能无意识地出现歧视。由于“现实世界”充满了各种种族主义、性别歧视和偏见，所以馈送到算法中的现实世界数据也具有这些特征——当机器学习算法那从有偏见的训练数据中学习是，它们会内化这些偏见。

除了这些伦理方面的思虑，被社会采用的 AI 也将带来很多法律方面的影响。例如，假如由于 AI 的决策发生了意外甚至犯下罪行，该归咎于谁？谁拥有 AI 系统创造的知识产权？针对 AI 的强大能力，应该制定什么规则？AI 的开发者有什么合法权利和义务。这些以及其他许多问题都需要进行全面的辩论，以创建一个合理的法律和道德框架。

AI对地理政治影响：一些国家可能面临新的社会动荡

AI 领域的发展是真正全球性的。更进一步的发展将需要国际合作，以促进更广泛地获取数据，算法，资本和人才。但随着全球经济数字化的增长，全球性治理（global governance）的许多方面仍然是真空。具有超过人类智力的自动化系统所带来的许多伦理和安全问题不仅需要在国家层面，而且需要通过国际合作来解决。

此外，正如 AI 驱动的自动化可能在个别经济体内创造一个双层的（two-tiered）劳动力市场一样，它可能会扩大全球的“数字鸿沟”（digital divide），而技术进步较慢的国家将更加落后。由于人口大量失业，一些人口快速增长，而且依赖劳动密集型的经济发展模式的国家甚至可能面临新的社会动荡。

最后，计算机模拟工具已经在一些战争游戏中得到广泛应用，AI 将进一步提高这种模拟的准确性和能力。AI 的武器化是一个备受关注的方面。美国海军的一份报告认为，随着军事机器人变得越来越复杂，应该更重视其自主决策能力的影响。史蒂芬·霍金、伊隆·马斯克等1000多名人工智能和机器人研究者已经签署公开信，呼吁禁止 AI 战争，警告“自主性武器”（“autonomous weaponry）将带来可怕破坏的可能性。AI 系统，如核能和核武器一般，可能需要有强力的国际协定，以确保其和平使用，维护全球安全。

中国的 AI 战略：5大战略建议

把今天的技术创新变成中国长期的可持续增长引擎，需要采取精心思考的战略。政府应该奠定坚实的基础，为 AI 发展提供有启发性的目标，刺激私企的创新和新技术应用。战略由强大的工业和经济框架，教育框架，以及社会和国际政策框架组成。

工业和经济框架

虽然AI的发展还处于早期阶段，但技术似乎不太可能遵循线性增长轨迹。快速上马的可能性迫切需要确保健全的产业政策。否则，中国将面临偏袒激励、过度投资和供过于求的风险，所有这些都会破坏价值。虽然市场将推动 AI 技术及其应用的发展，但正确的政策框架可以为增长创造健康的环境。

战略重点1：建立健全的数据生态系统

丰富的数据是训练 AI 系统、吸引人才和加速创新的关键因素。为了建立更强大的数据生态系统，中国可以设定和实施数据标准，开放公共数据，用于个体研发，并鼓励国际数据流交换。

标准化是系统广泛的数据共享和互动操作性的重要前身，将提高物联网和人工智能技术的价值。鉴于全国各地有可用潜力的数据量巨大，中国具有独特的地位，需要带头确保中文数据标准得以推行。

对于特定行业的数据，政府可以呼吁现有的监管机构制定必要的规则。例如在美国，证券交易委员会在 2009 年授权所有上市公司必须以 XBRL（可扩展业务报告语言）格式披露其财务报表，从而确保公共数据具有机器可读性。

为了提高可用数据的多样性来支持人工智能开发，政府可以开辟更多的公共数据集，并带头建立一些行业特定的数据集。除了推动 AI 行业的发展之外，这些举措在提高公共服务质量和解读新的政策方面也会产生益处。例如，纽约市市政府启动了自己的开放数据门户，让公民获得有关经济发展、健康、娱乐、公共服务等方面的数据。纽约还于 2012 年颁布了一项开放数据法，要求政府处理机读数据并建立 API（应用程序编程接口），使软件开发人员能够直接连接到政府系统并收集数据。

最后但并非最不重要的是，中国政府将需要考虑国际数据的价值。 MGI 研究发现，跨境数据在 2014 年为全球经济贡献了 2.8 万亿美元，对增长的影响比商品贸易的影响更大。 此外，数据的流入和流出都很重要，因为它们反映了全球经济体的思想、研究、技术、人才和最佳实践。数据是未来的货币。例如，在医学研究中，如果不从世界各地大量临床资料中获取数据，就不可能实现 AI 的全部潜力。过多的壁垒可能会妨碍中国 AI 企业，妨碍其在国际市场上开发具有竞争力的产品。

战略重点2：扩大传统产业内 AI 的采用比例

在中国，实现 AI 在经济中的全部潜力，取决于 AI 系统在传统企业中的实际应用，而不仅仅是技术巨头的应用情况。通过提高广大生产单位的生产力，可以解锁大量的价值。 但中国需要解决几个关键的障碍。

需要克服的第一个障碍涉及到改变观念，并创造一种需要改变业务运作方式的紧迫感。 根据麦肯锡调查显示，AI 在中国传统行业 40％以上的公司中尚不是战略重点。因此，这些公司中有许多尚未掌握支持未来采用 AI 所需的数据。例如，农业类企业很少考虑记录种植时间表或天气对产出影响的详细信息，但这正是 AI 系统可以用来发现宝贵见解和效用的信息。相比之下，英国、美国和日本已建设了全国信息系统，以捕获这些数据，并将高级分析应用于现代农业管理。

第二个主要障碍是不懂技术。如上所述，中国将需要重点培养更多的数据科学家精英，特别是在 AI 技术短缺情况变得日益明显的地区。但是，能够将 AI 知识转化为具有实际价值的真实应用的人才也不足。更多的企业领导和中层管理人员需要掌握技术技能，以及理解和应用数据的能力。一家类似英特尔这样的中国芯片制造商认识到，制造和测试过程中产生的数据可以显著改善操作并减少残次品。但由于缺乏半导体和AI 知识方面的专家，该企业无法实施相应的战略。

最后但并非最不重要的是，AI 的采用受成本的影响。 购买人工智能系统并雇用需要发挥出最大价值的稀缺和专业人才，并不总是符合中国企业的成本效益。劳动力成本低的时候，使用技术来简化人工流程就显得不那么紧迫了。

AI 能给中国带来的最大经济潜能是对传统产业的革新。如果政府能够帮助传统行业降低采纳 AI 技术的障碍，就能够推动市场的增长。

为了促进 AI 技术的采用，决策者应着重帮助市场克服本文前面讨论的三个主要障碍：缺乏战略意识，AI 采用成本高于劳动力成本以及不懂 AI 技术。

其中一些问题可以通过传统的税收抵免和补贴手段加以解决。政府也可以考虑在政府机构内采用人工智能系统。 这具有强大的后续效应，能够助推市场启动，对政府供应商产生支持效应，并通过积累技术经验和人才，最终降低采用成本。

此外，鼓励传统产业采用物联网（IoT）将为从 AI 采用中获得更多价值奠定基础，因为物联网可以将传感器和设备的网络连接在一起，为 AI 系统提供大量现实世界的实时数据。政府可以重点在关键的经济部门创造一些成功的物联网故事，作为其“互联网+”政策的补充，从而建立其他传统行业可追随的模式。

教育框架：人才对于开发和采用人工智能至关重要。强大的人才金字塔应该有顶尖的科学家推动 AI 基础技术的边界，有许多开发人员能够为现实世界环境创造人工智能应用程序，还有大量能够与在各种工作环境中与 AI 系统配合工作的工作人员。

战略重点3：加强专业 AI 人才的输送

为了解决中国 AI 人才的鸿沟问题，政府需要投资于 AI 相关的教育和研究项目，重新定位教育体系，更加注重创新和数字技能，制定移民政策，吸引全球最好的人才。

为了培养更多的计算机科学家精英，需要推进这项技术，政府可以投资创建人工智能项目，并为顶尖大学的人工智能研究实验室提供资金。这可能包括在中国顶尖大学建立人工智能中心，或赞助创新研究中心，促进大学、研究机构和私人公司之间的合作。韩国政府最近通过投资1万亿韩元（8.63亿美元）与韩国领先的大企业联合组建国家级公私合营 AI 研究中心，朝这个方向迈出了一大步。加拿大政府也做出了类似举措，给蒙特利尔三所大学的 AI 研究计划超过 2 亿美元的投资。

我们采访的很多专家认为，中国要重点建设更广阔的创新文化，才能实现 AI 突破。解决这个问题的一个方法是引入大学课程，将 AI 与其他学科结合起来。顶尖的美国大学，如斯坦福大学和麻省理工学院，创建了将计算机科学与人文学科相结合的联合专业，旨在开发新的世界观，激发创造力。这一类型的计划可以激发全球经济领域的新型 AI 应用，涉及保健、法律、媒体等等领域。

投资大学项目会有长期的收益，因为人才是吸引国际企业的重要磁铁。大型 AI 开发商越来越多地期望从学术界吸取人才。谷歌 DeepMind 的研究人员中有三分之二来自学术机构，例如伦敦大学学院、牛津大学和蒙特利尔大学。顶尖公司将自然会倾向于选择拥有大量 AI 人才的城市。例如，蒙特利尔在 AI 领域声名日隆，谷歌和微软就都做出了回应，对该城市的大学 AI 实验室进行了投资，并扩充了自己在当地的办公室。

除了培养更多的本土人才外，中国还需要与来自世界各地的顶尖数据科学家合作，并参与到全球合作中区。 这包括积极招聘来中国工作的国际专家，鼓励中国 AI 开发者走出去 ，吸收全球最新的研究成果。这可能要求政府放松一些居住和移民规定，并提供奖励和支持。

战略重点4：确保教育和培训制度做好发展技术技能的准备，并重新培训大量劳动力

虽然 AI 在整个经济社会中被广泛采用可能需要几十年的时间，但中国需要为行业层面的快速颠覆做好准备。一些关键技术得到突破后的几年内，某些工作可能会消失。大部分打字员、电话运营商和暗房胶片冲洗员已经消失，因为技术使这些岗位过时了。

帮助受影响较大的行业劳动力适应和获得更多相关的新技能将成为维护公共福利和社会稳定的至关重要的持续挑战。政府将需要主动确定最有可能自动化的工作，并确保向生活来源受到威胁的劳动力提供再培训计划。这些努力可能涉及与职业培训学校密切合作，并向工人提供教育机会。

中国也将重点发展从长远来看和 AI 相关的劳动力技能。这不仅包括构建未来数据科学家和工程师的输送渠道，还要确保更多的员工能够在各种业务和专业环境中与 AI 技术一起工作。必须在学校强调科学、技术、工程和数学; 即使是基础教育和职业课程也需要培养数据素养。

由于许多常规工作的 AI 自动化有可能扩大数字鸿沟，因此政府更需要监管 AI 自动化对不平等现象的作用。其中一个方面是保证教育机会的平等获得。这包括确保女学生和来自农村和内陆地区的学生能够充分接收到 STEM 和 AI 的相关课程。

社会和国际框架：AI 的出现有可能深刻地改变社会。在国内和国际上都需要取得道德和法律上一些最紧迫问题的共识。

战略重点5：建立中国公民和全球社会在道德和法律上的共识

在国内，达成共识需要透明、广泛的磋商进程。这在一些法律领域，比如无人驾驶的车辆隐私保护和责任等，对于人工智能的开发和采用是特别重要的。 中国立法机关需要提供一个框架来消除法律上的不确定性。

一旦制定了法律框架，政府就需要建立一个监督和监管人工智能活动的监管机构。由于 AI 技术将被广泛应用于各行业，这将需要多个行业的专业意见。例如，在卫生保健方面，不合理采纳人工智能技术的后果可能很严重; 国家卫生和计划生育委员会在指导发展方面需要有强烈的声音。

在国际上，中国可以带头组建一个理事会，促进 AI 技术的和平、包容和可持续发展。 这个国际机构的目标应该是监管人工智能，建立标准和制定道德准则。

除了监管之外，中国也可以从经济发展的角度出发。为了确保全球数字鸿沟不成为繁荣的永久性障碍，中国可以与弱势国家分享其人工智能技术和专业知识，从而形成一条 AI 的一带一路。

AI 有可能从根本上塑造未来几十年我们社会的样貌。它是中国一个独特的强大工具，能够提高其生产力并保持增长势头。此外，中国有能力和机会在 AI 的发展和监管上引领国际合作，确保这一突破性技术为全人类的普遍福利做出积极贡献。