人工智能新图景：这里比想象更“无限”
光明图片通过视觉SLAM算法实现自主定位的小型无人机。资料图片
仿生机器鱼智能监测系统。资料图片
光明图片
光明图片
分布式智能感知系统、跨模态智能情报服务、多智能体博弈训练、自主无人系统、“电科芯云”微系统协同设计平台……近日，中国电子科技集团公司信息科学研究院（以下简称“智能院”）公布了一批国际一流的创新成果，其中，以深度伪造视频识别技术、仿生机器鱼智能探测系统、虚拟智能机器人等为代表的研究应用成果，可广泛用于政府决策服务、市民衣食住行、城市综合治理等诸多领域，呈现出人工智能的新图景。“我们正在全面转向人工智能研究，重点突破人工智能关键核心技术，构建智能网信体系。”智能院院长万谦告诉记者，围绕中国电科“军工电子主力军”“网信事业国家队”“国家战略科技力量”的三大定位，成立不到10年的智能院全面转向人工智能研究，将促进人工智能技术与国家治理、社会民生等领域的深度融合、广泛应用，在促进经济高质量发展的同时惠及百姓生活、服务社会公众，支撑引领我国人工智能技术的跨越式发展。视觉SLAM技术：机器人有了自己的眼睛有人曾打比方，若是手机离开了WiFi和数据网络，就像机器人离开了SLAM一样。机器人自主执行任务的前提是知道自身的位置，而定位信息是由卫星导航定位系统提供的。如果将机器人投放在城市楼宇间、立交桥下、室内、深山密林这样的环境中，由于遮挡导致卫星信号微弱或者消失，容易导致机器人不能及时准确获取自身位置信息，无法执行精确任务。“机器人主动感知技术能够让机器人具有自主定位和感知周围环境的能力。”智能院认知与智能实验室副主任张峰告诉记者，利用视觉SLAM（SimultaneousLocalizationandMapping，意为“即时定位与地图构建”）算法不但可以实现机器人的自主定位，还可以实时构建包括环境几何结构、颜色、纹理等特征信息的三维地图。有了“眼睛”的机器人，能够看到周围环境，摆脱对卫星导航定位系统的依赖，为自主完成既定任务提供了关键保障。危险复杂环境机器人如何探索救援？“机器人的‘眼睛’是能够在黑暗中能看清环境的。”张峰介绍，通过集成红外传感器，机器人可以在地下、洞穴这样的黑暗环境中执行探测任务，结合自身定位和目标检测识别信息，对视野范围内的指定目标进行探测、识别、跟踪以及目标定位，感知周围有什么物体以及它们的位置，可用于危险复杂环境下的探索救援等任务。除了用于探索救援，视觉SLAM技术还可以应用在服务机器人领域。比较简单的，像命令机器人去拿取某个物品，“机器人知道物体的位置和环境地图后，通过SLAM技术构建家庭环境地图，然后规划出没有障碍的行进路径，这样就可以顺利拿到指定物品了。”张峰说。当今科技发展速度飞快，想让用户在AR/VR、无人机、无人驾驶领域体验加强，离不开视觉SLAM技术的支持。“AR技术就是将虚拟的信息呈现到真实世界，通过SLAM技术的实时定位，将虚拟的物体实时地叠加在真实的环境进行显示，随着显示介质移动，虚拟的物体也保持跟随真实环境。”张峰告诉记者，使用AR技术进行室内导览，可以将虚拟的物体叠加在真实的房间中进行显示。当观察者携带显示介质移动时，虚拟的物体看起来保持在真实房间的固定位置。实际上，通过SLAM技术的实时定位，虚拟的物体是随着观察者的视角变化实时地更新位置进行显示的，这样就使观察者看到的就像是真实房间里的物体一样，可以从不同角度去观看。“海雀”芯片：AI能力快速赋能无人设备随着人工智能技术的不断发展，数据、算法和算力作为人工智能的三个基本要素，其发展趋势也在不断变化。对于整个AI行业而言，海量数据获取和处理难度在下降，算法也在深度学习模型的基础上不断优化，而负责将数据和深度算法统一协调的芯片能否获得大的飞跃，成为业内关注的焦点。“我们面向边缘智能计算多元化、高效化的需求，以打造能用、好用、易用的‘编译—处理’一体化智能计算生态为目标，开展自主可控边缘认知处理器与编译器研究。”张峰告诉记者，在处理器中，智能院构建了研发周期短、资源需求度低、模型适用性强的加速器IP核及硬件工具链，性能相较于通用CPU提高20倍以上，功耗降低5倍以上；在编译器中，智能院实现了神经网络模型统一表示、压缩优化及代码自动生成算法，能够快速地将神经网络模型植入硬件，实现AI能力快速赋能无人设备。具体到智能应用，图像和语音是两大重要领域。“我们研制基于AI指令集的可重构、可配置卷积神经网络加速器，支持大多数常用目标检测网络及其变种，可以应用于无人机、无人车等无人设备对实时图像的低功耗、高精度目标检测。”张峰表示，相关技术已用于无人机编队海上搜救、无人车洞穴探索等任务，提升了无人装备的目标发现能力。智能语音技术是无人装备的耳朵。“在语音智能应用领域，我们基于国产自主可控平台，研制高噪声语音环境的车辆操控设备，连续语音识别准确率超过93%，具备声纹识别和语音降噪能力。”该院负责硬件和算法研发的王子玮博士告诉记者，自主可控边缘认知处理器与编译器相关技术的应用，提升了图像、语音领域智能算法到计算资源及功耗受限多元异构硬件平台的快速部署能力，提升了高复杂度、高实时性场景下无人系统精确、高效的边缘感知能力。多雷达协同探测的智能感知系统：实现“1+1>2”雷达是探测空中目标的主要传感器，可以穿云透雾、不受天气影响、全天24小时稳定工作。但目前雷达探测感知以“单打独斗”探测为主，面对无人机等低慢小目标时，存在“看不远、跟不上、识不准”等问题。智能院智能协同装备中心主任张德介绍，通过联合集团内14所、38所等骨干研究所以及清华大学、北京理工大学、西北工业大学等高校，智能院打造了一支敢闯敢拼的创新攻关团队，联合开展技术攻关，先后攻克了检测、跟踪、定位、资源管控等一系列关键技术，成功构建了国内第一套多雷达协同探测的智能感知系统。“系统采用多个低成本雷达+4G/5G或有线宽带通信网络+大数据云平台的智能感知系统架构，基于不同的探测任务，动态控制前端雷达，并自适应智能重构后端处理算法，按需生成满足任务需求的产品。”张德介绍，通过使用新技术，能够有效挖掘原有设备潜力，实现系统整体能力的提升。系统可以从多个角度同时协同观测目标，极大的提升系统能力，实现“看得远、跟得上、识得准”的群体智能感知能力，促进由单装探测向体系协同探测的跨代发展，“采用大数据、人工智能等技术后，系统的能力可以像人一样不断进化。”张德告诉记者，经过针对性学习，该技术也可应用于新一代气象雷达中，实现全空域无盲区覆盖、精确预测气象的运动状态等新的能力。技术成果的推广应用，还可催生一种传感器陆海空天广域泛在分布、自由互联、深度协同、透彻认知的智能感知系统新形态，打造全球感知“一张网”，大幅度提升对全球环境和目标的感知与认知能力，满足各类应用需求。“这项工作应用前景广阔，但技术上还存在许多需求攻克的难关，还要加倍努力。”张德说。分布式智能“大脑”：无人系统也能不断学习进化随着无人技术的发展，无人车、无人机、机器人等无人系统被应用于搜索、跟踪、救援。但如何实现无人系统的自主协同作业，有效规避风险，提高工作效率还是业内公认的难题。“我们研制的无人系统分布式智能‘大脑’，可有效解决集中式集群控制的安全性、健壮性问题。”张德介绍，智能“大脑”分为综合信息处理区、认知决策规划区、行为协同控制区和学习训练进化区四个核心区域，“综合信息处理区”将无人系统“眼睛”“耳朵”等传感器收集的信息进行综合处理；“认知决策规划区”则基于综合信息处理结果进行判断，形成决策规划方案；“行为协同控制区”基于决策规划结果对无人系统行为动作进行协同控制；“学习训练进化区”利用数字孪生技术将虚拟模型与物理实体紧密相连，通过线上线下协同学习与训练，不断提升无人系统协同认知决策与控制能力，以及对复杂、未知作业环境的适应能力。目前，智能“大脑”已成功应用于空中无人集群区域索搜、空地协同要地防护、水下资源协同探测等场景。张德告诉记者，智能大脑能够适配不同形态的无人装备，天上飞的、地上跑的、水里游的都可以作为无人系统的一部分。“分布式智能大脑是由智能院研究团队由2016年开始研制的。从最初在仿真环境下试验，到半实物测试，一直到如今应用到实际系统，花了近5年的时间。”张德告诉记者，在实际运用中攻克了两大难点，一是人工智能算法如何向硬件设备的迁移，因为人工智能算法的运算逻辑与传统算法是完全不同的；二是智能“大脑”在实际装备应用时，由于无人平台体积能耗的限制，需要基于微系统等技术使智能“大脑”质量变轻、体积变小、能耗变低。“这些核心关键技术全部由我们自主研发。下一步将继续研发鲁棒性更强、智能性更高的无人集群智能‘大脑’产品，使其能够应对更多任务、适配更多场景、服务更多行业。”张德说。（记者崔兴毅）新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
专访陈小平：公义创新——人工智能时代的创新模式
采访+编辑/常莹丽
在国际社会近年来对人工智能伦理等问题的探讨中，人工智能治理逐渐成为一个热点。人工智能何以增进人类福祉，为解决重大社会问题发挥关键性作用？在2020年举行的“第二届全球视野下的人工智能伦理论坛”上，中国科学技术大学计算机学院的陈小平教授引入了“公义创新”这一概念。与强调创新是“生产要素的重新组合”、追求经济增长的熊彼特创新模式不同，公义创新旨在通过平稳渐进地升级创新要素组合机制、社会参与模式、风险预研与应对体系等，实现经济效益和社会效益的协同提升。这种协同提升不是两种效益的“加法运算”而是“升维操作”，将开辟前所未有的创新可能性。
陈小平教授长期从事人工智能理论基础和智能服务机器人关键技术研究，并密切关注人工智能的伦理问题，致力于推动人工智能治理体系建设。2021年初，《信睿周报》以书面形式对陈小平教授进行了专访，邀请他就当下全球人工智能伦理建设的最新进展、公义创新的现实应用等问题分享新近的观察与思考。
陈小平，中国科学技术大学教授，机器人技术标准创新基地主任，中国人工智能学会人工智能伦理道德专委会主任，全球人工智能委员会执行委员。（图片由受访者提供）
随着人工智能技术应用逐渐渗透到人们生产生活的方方面面，其在为我们带来各种便利的同时，所触及的伦理和法律问题也开始凸显。近年来，世界上很多国家、机构、团体等都在尝试针对人工智能伦理制定标准或限制，并已有相关成果出炉，请您介绍一下这方面的最新进展。
陈小平：据不完全统计，目前国内外已提出六十多套人工智能伦理规范和治理建议。2020年国内外形成的一项普遍共识是：只有伦理规范远远不够，治理的实现重在规范的落地[1]。所以从2020年开始，人工智能治理成为一项主要议题。
讨论人工智能治理，首先需要明确治理的中心任务是什么——治理什么，要达到什么效果？一种流行观点认为：随着人工智能发展而出现的问题，如用户隐私、数据安全、“算法独裁”、“数字鸿沟”等，都是人工智能技术催生的，所以治理的对象应是人工智能技术本身，治理的效果则是消除人工智能的负面效应。
然而，现实情况却是：一方面，现行科技创新模式以熊彼特创新模式[2]（以下简称“熊彼特模式”）为主导，科技成果主要通过该模式得到实际应用，应用产生的正面和负面社会效应也由该模式的具体实施决定，所以，将人工智能技术本身作为治理对象，不仅“张冠李戴”，而且在客观上掩盖了症结所在；另一方面，人类正面临人口老龄化、产业少人化、社会分化、不公平性问题、环境问题、人的发展等重大社会问题的挑战，并在部分地区或领域产生了严重的社会后果，而新技术却对这些挑战表现得束手无策。既然人工智能伦理的根本宗旨是增进人类福祉，如果人工智能不能为解决重大社会问题发挥关键性作用，那么人工智能治理的现实意义还剩几何？
熊彼特模式大约于100年前被提出，并在过去的半个多世纪中成为科技驱动经济发展的主要路径，为科技推动社会进步发挥了历史性作用。与发达国家相比，目前我国对熊彼特模式的理解、把握和运用仍有提升空间。然而值得注意的是，熊彼特模式的局限性和负面效应已日益显露出来。例如，目前流行的智能化产品往往不适合老年人使用，导致老年人在很大程度上无法享受科技进步带来的成果，甚至出现了一种潜在趋势：时代越进步，老年群体与社会的脱节越严重，形成了不同年龄群体之间的社会不公。除了诸如此类的“数字鸿沟”问题，其他重大社会问题的产生也都与熊彼特模式有关，而且无法通过该模式得到解决。
以上分析表明，人工智能治理的中心任务应该是：根据人工智能时代的社会需求，改良升级创新模式，使人工智能推动社会健康发展的实际效能得到显著提升，并为化解重大社会问题发挥关键性作用。
您在2020年举行的“第二届全球视野下的人工智能伦理论坛”上提到，可以通过人工智能的公义创新，来推动一些重大社会问题解决。您提出这一倡议的背景是什么？何为人工智能时代的公义创新？
陈小平：目前，公义创新理论仍处于早期学术探讨阶段，原始想法是我在2019年的一篇文章中提出的[3]，当时使用的术语是“伦理性创新”。在“第二届全球视野下的人工智能伦理论坛”上，我首次使用了“公义创新”这一术语，该发言后来被整理、扩展成《人工智能伦理建设的目标、任务与路径：六个议题及其依据》一文，发表于《哲学研究》2020年第9期上。
概括地说，公义创新模式的构建是以体现经济效益的现行商业机制和体现社会效益的现有社会机制为主要原型素材，经过科学提炼和系统性整合，实现以下六项改良升级：
第一，评价体系升级。以经济效益与社会效益的协调统一为根本宗旨，基于对商业原则和公益原则中有效成分的科学提炼，整合升级为公义原则，并基于该原则构建全社会的公义评价体系。
第二，创新要素组合机制升级。熊彼特模式的创新要素只包含市场要素，公义创新模式的创新要素同时包含市场要素和非市场要素（合称“社会要素”）。熊彼特模式的基础机制是创造新的生产要素的市场化组合，主要实施机制是商业策划；公义创新的基础机制是创造新的社会要素的公义性组合（即基于公义原则的组合），主要实施机制是公义策划。
第三，社会参与模式升级。目前主要有三种社会参与模式——工作、公益和娱乐休闲，在熊彼特模式下它们是互斥的，是工作就不是公益或娱乐休闲。在公义创新模式下，不同社会参与模式之间的绝对界限被打破，同一项活动可以既是工作，又是公益和娱乐休闲，从而可以极大地开拓、激发个人潜能，促进人的全面发展，并支撑创新要素组合机制的升级。
第四，风险预研与应对体系升级。熊彼特模式以“市场选择”为创新成败的终极检验，不适应人工智能时代的社会总体需求和发展方向。公义创新将建立一整套风险预研和应对体系，对风险的普遍性课题和重点课题展开提前研究，在此基础上决定有效的应对策略，并进行风险应对机制的全面升级。
第五，职业道德升级。熊彼特模式基于经济效益原则，导致广义职业道德与狭义职业道德之间存在制度性背离（其中，广义职业道德被归为个人道德修养）。公义创新基于公义原则，对狭义职业道德体系进行全面更新，破除广义职业道德与狭义职业道德之间的鸿沟，将促使社会道德水平提升。
第六，管理体系升级。管理体系包括相关的法治、产业和社会政策，以及薪酬机制、市场监督、质量监督、技术标准、知识产权、风险投资等环节。与上述五项升级相适应，公义创新的管理体系将全面升级，从所有管理环节支撑经济效益与社会效益的协调统一。
公义创新模式的思想基础是公义原则和公义评价体系，通过五种机制（升级的创新要素组合是公义创新的内生动力机制，升级的社会参与模式是人力资源运转机制，升级的风险预研与应对体系是风险应对机制，升级的职业道德是道德伦理机制，升级的管理体系是运行保障机制）的协同作用，在实践中落地实现。
公义创新模式在经济和社会现实中存在大量原型素材和要素雏形。体现经济效益的现行主要商业机制是熊彼特模式；体现社会效益的现有社会机制包括中长期规划、扩大就业的产业政策、缩小地区差距的社会政策、增强行业秩序的技术标准制度等；另外，公益事业中局部尝试的非货币薪酬、基于互联网的内容创业等，也都是公义创新要素的雏形或萌芽。
您提到，公义创新追求经济效益和社会效益的协同提升，经济效益大家都比较熟悉，请您具体谈谈公义创新模式下的社会效益评价体系该如何建构，经济效益与社会效益的协同提升如何实现？
陈小平：事实上，世界各国都有自己的社会效益评价体系，只不过侧重点、作用方式、实施效果不尽相同。面对人工智能时代，我们需要对社会效益的评价原则、方法、体系，展开更加广泛、深入的梳理、深化和扩展，尤其应纳入反映重大社会问题的相关指标。
更大的挑战来自经济效益评价与社会效益评价的普遍分离，其潜在后果的严峻性尚未引起广泛关注。例如，为了应对产业少人化，国际上流行的解决方案是采取税收调节、社会福利等公益性措施。这些措施是有必要的，但往往“治标不治本”，而且在很多情况下“治标反误本”。比如，一些国家提出向所有公民无条件发放“基本收入”，这一方案如果被采纳实施，将极大地助推和加速产业少人化进程，引发“无用阶层”[4]的大量出现。人们不禁要问：这种结果符合人类的根本利益吗？人类社会将无可避免地走向这种结局吗？人类该如何走向更好的未来？
在这些“灵魂拷问”下，公义创新作为一条通向人类更好未来的可能路径而被提出。其基本构思是：通过将两种评价体系整合升级为一个自洽的整体——公义评价体系，实质性地拓展人类应对当代经济社会问题的思维和行动空间，实施科技创新模式的换代升级，激发全社会更广泛、更深刻、更活跃的创造性和建设性，实现效率与公平的协同提升（而不是简单平衡），为重大社会问题的解决和人类更加健康的发展走出一条新路。
例如，面对养老等熊彼特模式无法解决的难题，公义创新模式将探索经济力量与社会力量的新型整合，以调动更多社会资源的投入。其中一项具体措施是：为应对养老服务业的第一难题——人力不足，尝试不再将助老公益行为作为单纯的无偿付出，也不将其转化为传统的付费劳务，而是让服务提供者享有未来获得等量服务回报的机会（简称“工时回报”，这是公义薪酬的具体形式之一）。由于养老是每一个人的刚需，而且多数人不可能依靠纯市场化养老，这一措施可在相关制度保障下吸引大量人力资源投入。为支撑这一措施，现行货币主导型薪酬体系须升级为公义薪酬体系，彻底变革熊彼特模式下只有货币薪酬为“刚性回报”，公益贡献仅仅是无偿付出、主要依靠个人道德修养的格局，从而为社会生产力大解放开辟一条全新路径。当然，公义薪酬机制的建立是一个循序渐进的过程，其有效范围也有待摸索，纯志愿型公益事业将与其长期共存，其他现行经济和社会机制也将在较长时期内继续共存。
值得注意的是，在公义养老模式下，随着越来越多的人力资源投入，必将支撑、带动越来越多的商业化养老业务和新业态开展，推动养老市场和商业价值不断增大，促进社会的养老机能逐步变强，从而催生一种全新的经济-社会增长方式——经济效益与社会效益的相互促进、协同提升，而不仅仅是简单的平衡。这种协同提升能力和新型增长方式并非只为公义养老模式所独有，而是各项事业、各个行业的公义创新模式所共有的。
不仅如此，随着各个行业内部协同提升能力的形成和增强，将产生跨行业的协同提升效应。例如，公义养老模式激发的人力资源投入可吸纳落后产能的员工转移，从而与产业少人化问题的解决形成协同提升；公义养老模式引发的商业效益增长将促进从业人员的货币收入增加，进而为制造业提供更大的市场空间，促进制造业的发展。
经济发展理论[美]约瑟夫·熊彼特 / 著商务印书馆 1990
总之，如果说熊彼特模式与公益事业的叠加是“加法运算”，那么公义创新模式下社会效益与经济效益的整合就是“升维操作”——从两个相互独立的一维空间整合升级为一个自洽的二维空间，该空间不仅可保留传统的熊彼特模式和公益事业，而且包含大量前所未有的创新可能性。例如，传统意义下的“新业态”只是一种商业创新，而在公义创新模式下将出现商业与公益协同创新的“新业型”。
在伦理学内部，有一种意见认为，“基于科学证据的伦理反思是有价值的，但一旦基于超出科学证据所能提供的说明来给出伦理建议，反倒是给科学拖了后腿”，作为人工智能科学家，您如何看待这种观点？进一步考虑“伦理”与“科学”之间的关系，有哪些问题是人工智能治理和公义创新需要解决的？
陈小平：超出科学证据支持范围的伦理建议确实会产生误导作用，而且目前已经出现了这种情况。例如，网络上流行着一些说法，认为人工智能将必然超越人类的控制，甚至很快就会发生，以至于一些人忧心忡忡。
人工智能可能带来的风险有三种：技术失控（人类失去对技术的控制，即“奇点”）、技术误用/滥用（如用户隐私等问题）、应用失误（如技术应用导致劳动岗位的大量减少、“数字鸿沟”等）。对于人工智能技术失控风险的判断，必须以人工智能技术真实状况的客观判断为基础，脱离这种判断的预测是缺乏科学依据的。根据我的分析，现有人工智能技术的成功应用依赖于场景封闭化[5]，而封闭化只能由人来实现，所以，现阶段人工智能技术不存在技术失控的可能性，但存在其他两种风险。
不过，未来可能出现的某些类型的人工智能新技术，却不能排除可能导致技术失控的风险[6]。考虑到这种可能性，公义创新模式的风险管控将基于一条升级的基本原则：科学无止境，有底线。对无底线保障的科研课题，包括基础研究课题，将实行新的管理办法。相应地，作为科研人员狭义职业道德的科研伦理需要升级，树立安全底线意识，抛弃“任何科研和科技成果应用都是无条件正当的”传统观念。
公义创新模式下职业道德升级在研发层面的体现是：产品设计不仅要考虑产品的市场化指标，如功能、体验、价格、利润等，也要将用户隐私、数据安全等伦理因素纳入设计指标体系，从而弥补传统设计思维的伦理缺陷，为用户提供更好的产品/服务，同时给企业带来新的发展空间。在公义创新模式下，只关注商业利益的企业将被逐步淘汰，奉行公义原则的企业将大批崛起。
针对现实存在的技术误用/滥用风险，比如大众反映较为强烈的用户隐私和数据安全等问题，公义创新将如何解决？科研人员通常只对项目成果负责，并不对人类的长远利益负责，而且技术的发展和应用可能会背离研发者的初衷，公义评价体系如何处理这种情况？
陈小平：典型情况下，从基础研究到技术成果商业化应用的完整链条，是由三个环节组成的：第一个环节是基础和应用基础研究，也就是狭义的“科研”，通常在大学和科研机构中进行，其任务是探索基本原理或发明新技术，这些原理和技术通常并不能直接应用；第二个环节是产品开发，也就是狭义的“研发”，通常在企业的产品开发部门中进行，其任务是依据产品的商业策划，对相关的一组科研成果进行二次开发和系统集成，从而研制出终端用户（即普通用户）所使用的产品/服务；第三个环节是产品的“商业策划”，包含从产品的功能设计、市场定位到商业推广的一系列决策，在熊彼特模式下，产品的商业策划决定了产品的正面和负面社会效应。
例如，深度学习算法的研究属于科研，其产出是学习算法，这些算法通常不能直接为终端用户所使用，也不构成终端产品。但先进的算法代表着先进的技术水平，是有社会效益的。在产品研发中，如果发现某个学习算法符合产品商业策划的要求，就会对其进行二次开发，并采集应用场景的相关数据，经过训练得到可以实际应用的人工神经网络，用来向终端用户提供服务。至于为用户提供什么样的服务、采集用户的哪些隐私和非隐私数据、如何使用这些数据、企业会获得哪些商业利益等，则主要是由产品的商业策划决定。
上述分析表明，企业的商业策划对其产品是否会出现技术误用/滥用的影响最大，科研和研发的影响相对较小。因此，将科研、研发或技术本身视为技术误用/滥用的主要责任方，是一个重大误判，将严重干扰技术误用/滥用问题的有效治理。
技术误用/滥用的发生具有更深层的原因，特别是要面对以下三个难题：第一，无论商业策划决策者的主观意愿如何，一个产品的正面效应和负面效应总是同时存在的，试图避免所有负面效应通常是不可能的；第二，在熊彼特模式下，商业策划的终极标准是产品能否通过“市场选择”，这种选择主要依据经济效益，不遵守这一商业规律的企业在熊彼特模式下将难以生存；第三，企业决策者是维持企业生存的第一责任人，维持企业生存是其狭义职业道德的基本要求，在激烈竞争下很难出于广义职业道德（社会伦理责任）而放弃狭义职业道德。由此可见，导致技术误用/滥用的深层原因仍然在于熊彼特模式，我们只能在熊彼特模式之外寻找解决方案。
例如，用户隐私数据通常有多种不同的获取和使用方式，其中某些方式的商业利益很大，对用户的损害也很大；另一些方式的商业利益相对较小，造成的损害是用户可接受的。在熊彼特模式下只会采用前一种方式，而在公义创新模式下，将基于公义原则进行充分的专业分析与综合效益权衡，制定相关政策，禁止不可接受的隐私信息采集和使用方式，并以技术标准和行业规范的形式发布执行，从而健全行业秩序。这就使上述三个难题得到较好的解决，因而具有可行性。
事实上，上述解决方案在现行产业管理制度中已经实行多年，实践证明其是有效的。因此，针对技术误用/滥用问题，公义创新将在现行产业管理制度的基础上进行扩展升级，以适应新的社会需要。
有人担心，“机器换人”的趋势发展下去，会造成劳动岗位的大量流失，最终导致“无用阶层”的大量出现。在公义创新模式下有什么办法化解这个风险？
陈小平：“机器换人”主要有两方面原因：一方面，机器的生产效率越来越普遍地高于人工，在熊彼特模式下必然越来越普遍地用机器替代人工；另一方面，在经济、社会诸多因素的影响下，2004年起我国出现“用工荒”[7]，且发生的范围和幅度持续扩大，导致“机器换人”成为一种迫切和长期的需求。目前，产业少人化正在成为一个重大社会问题，而且在熊彼特模式下无解。
公义创新基于公义原则综合考虑经济效益和社会效益，为化解产业少人化挑战开辟了新的可能途径。例如，在某行业的产业升级中有两个方案：第一个方案的经济效率提升是最优的，但削减了大量人工岗位；第二个方案的总体经济效率也有提升，但不是最优的，同时对人工岗位和工作参与方式进行了新的设计和拓展，从而避免了人工岗位的大量减少。显然，熊彼特模式将采用第一个方案，而且不会策划出第二个方案。公义创新可以同时策划出两个方案；如果基于公义原则的综合效益分析支持第二个方案，则采用第二个方案。在公义创新模式下，“机器换人”不是“抢饭碗”（机器剥夺人愿意做的工作），而是“捡饭碗”（机器承担人类不愿做的工作）。
公义创新还为产业少人化、人的发展、社会流动等问题提供了其他解决路径。众所周知，人的需求是多层次的，在达到一定物质生活水平的条件下，非物质需求往往会变成主要追求。随着中国经济的发展，总人口中“达到一定物质生活水平”者的比例将越来越高，对非物质的需求也将越来越普遍，进而形成一种越来越强大的积极性社会潜能。然而在熊彼特模式下，这种社会潜能不仅得不到正确引导和开发利用，甚至可能转化成负面力量。从人类福祉的长远考虑出发，只有尽力让全体成员以适合各自愿望和特点的参与方式融入社会建设的进程之中，人才能真正成为“有用的人”。
社会现状和人类长远利益都反映出社会参与模式升级的巨大需求，而现有社会实践正孕育着众多新型社会参与模式的萌芽和雏形。例如，近年来兴起的自媒体内容创业[8]，虽然目前属于商业行为，并且存在诸多问题，但在参与内容、参与方式、结果产出、薪酬机制、组织方式等众多方面具有极大的升级和扩展空间，完全有可能转化为公义创新的多种新型社会参与模式，帮助形成产业少人化、人的发展、社会流动等问题的新型解决方案。
人工智能可以在解决诸如贫困与不平等问题方面提供方案，但人们也发现，技术的更新迭代会为一些人建立起新的社会壁垒。您如何看人工智能红利造成的“算法独裁”等问题？
陈小平：新技术应用带来新的社会壁垒是一种长期现象，过去主要以教育和培训作为应对手段，这是完全有必要的，应该长期坚持。不过，以往的经验也表明，只靠教育和培训是远远不够的。公义创新模式不仅提供了更多解决途径，如此前提到的社会参与模式升级，而且蕴含着发展方式的变革——这种变革为“人的解放”创造了新的可能性。
“算法独裁”一般可以理解为：人工智能接管了人类的部分事务，人类丧失了对这些事务的掌控，进而丧失了自己的基本权利。其实，“算法独裁”只有在熊彼特模式下才会产生，因为在这种模式下经济效率决定一切，某种人工智能技术的效率超过人时就可以替代人。所以，公义创新可以成为“算法独裁”等问题的解决方案。
当然，由于公义创新需要较长时间才会占据主导地位，有必要考虑在此之前会不会发生“算法独裁”。我刚刚已经谈到，现有人工智能技术的成功应用需要满足封闭性准则，而封闭性准则意味着：人工智能系统的运行必须完全符合研发者制定的设计规范，这种规范完整、详细地规定了人工智能系统的功能、性能指标和使用条件[9]。也就是说，符合封闭性准则的人工智能系统是遵照人类制定的设计规范运行的，人类对人工智能技术应用的掌控是通过设计规范实现的。事实上，自第一次工业革命以来，人类始终是通过技术型产品的设计规范来掌控技术应用的，这是工业设计传统的一项内在要求，绝大多数人工智能工作者也是坚守这个传统的。因此，所谓的“算法独裁”并不存在，存在的反而是人对算法的“独裁”——人工智能应用出现的问题都是人出的问题。
根据我们对大量案例的分析[10]，目前人工智能应用出问题的主要原因有：人工智能应用人员未能充分履行其本职职责、商业策划导致了严重的负面效应、使用了不成熟的人工智能技术或没有正确使用人工智能技术、设计规范不合格或不充分。这些都是人的问题，不是人工智能技术自身的问题。
一种流行观点认为，以阿尔法狗（AlphaGo）为代表的人工智能技术就是深度学习，而深度学习是不可解释的“黑箱”，由此阿尔法狗必然会导致“算法独裁”。然而，这是不符合事实的。以阿尔法狗为例，其核心技术包括强力法和训练法（深度学习是训练法的一种）两大类，而强力法技术是可解释的，阿尔法狗是宏观可解释的（即其主要工作原理是可解释的），所以阿尔法狗并不是“黑箱”[11]。当然，确实有一部分人工智能技术是“黑箱”，但这些技术目前仍处于科研阶段，在很多领域尚不具备可应用性。
为了防止不成熟的技术被误用，需要设立专业性的鉴别标准，从而科学地判别人工智能技术的可应用性和应用条件，不具有可应用性或应用条件的技术不可投入应用。封闭性准则正是一个这样的判别标准，可解释性却不能作为这样的标准，因为仅仅具有可解释性的人工智能技术未必是可应用的，而阿尔法狗是符合封闭性准则的[12]。
人工智能治理必须基于对人工智能技术基本规律的客观观察、准确判断和全面把握，不正确的、不准确的、不全面的判断必然严重误导和干扰人工智能治理。
现代人的焦虑在很大程度上是由对不确定性的担忧引发的，今天人们对人工智能未来的忧虑，也有部分源自技术的不可预见性。在您看来，人工智能伦理准则的制定，或者对人工智能公义创新的倡导，能在多大程度上降低技术的不可预见性？
陈小平：伦理准则是抽象的，与社会现实之间必然存在巨大鸿沟，在应对技术不可预见性中的作用极为有限。为了更有效地应对技术的不可预见性，公义创新将开展风险预研，针对人工智能可能带来的三种风险进行科学实验、假说检验、证据采集和结果评估等。
由于传统的风险预测技术已不够用，在公义创新的风险预研与应对体系建设中，将大力发展基于人工智能、大数据、计算机仿真、人机协作式风险分析等新技术的风险预测新机制、新方法和新平台[13]，极大提升人类的风险预研、预测、应对能力，彻底改变以往“技术带来的问题只能用非技术手段解决”的状况。
人类自古以来与不确定性共存共生，今后还将与不确定性继续共存共生下去。人类永远不可能预测或规避一切风险，好的风险应对机制既可促进发展，又能保证不出大问题。公义创新将采取三管齐下的方式应对不确定性和不可预测性：第一是预判新技术的风险等级，对不同风险等级的科研和开发实行分类管理，确保安全底线；第二是通过公义策划，主动引导经济和社会向着风险可控的方向发展，而不是被动等待问题严重之后再治理；第三是提升全社会的组织效能，当意外风险发生时，动员、组织一切人力物力一致应对。我认为，这是现阶段人类应对不确定性的最佳方式，可使各种人工智能风险保持在人类可控的范围之内。
最后，想请您谈谈公义创新面对的困境，特别是公义创新似乎与当下的科研制度存在一些冲突——最能吸引资本的，未必是人类最需要的。您如何看待这些冲突，认为其在多大程度上会阻碍公义创新的实践？公义创新将如何发展起来？
陈小平：在熊彼特模式中，“创新”（innovation）的基本含义是新价值的商业化实现，其中社会效益主要体现为产品须满足用户需求。因此，不能带来足够商业利益的人类需求，无论多么重大、多么紧迫，都无法通过熊彼特创新而得到满足。在这种情况下，就出现了资本利益与人类的最大需要和长远利益不一致。所以，熊彼特创新是一种商业创新。而当科技应用通过商业创新已达成原定的主要目标（如消除商品短缺），其他社会必需品的供给上升为主要需求之时，科技应用目标与路径的重大调整就成为历史的必然。
公义创新是商业创新的升级，二者既有不同的一面，也有相通之处。熊彼特模式与其外部社会条件在发展过程中不断碰撞磨合，逐步达成了相互协调；公义创新模式也将经历一个渐进的发展过程，逐步实现与其外部社会条件的协调。未来15年，人工智能治理和公义创新将面临以下四类重点课题。
第一类：紧急课题，即对人工智能治理具有紧迫性的课题。当前最紧迫的课题是，在不引起严重风险的前提下，推动人工智能技术的大规模产业应用。符合封闭性准则的应用是满足上述前提条件的，而且是可以大规模产业化落地的，应作为当前人工智能应用落地的主要路径。其次，风险预研机制的建立也具有很强的紧迫性，因为该机制的建立和功能的有效发挥需要经过较长期的努力。另外，人工智能治理人才队伍建设也是当务之急，需尽快培养一批既懂人工智能技术又懂社会治理，既有理论研究能力又有实践动手能力的跨学科专业人才。
第二类：先期课题，即在现有的社会条件下可以率先启动的探索性、实验性课题。例如，在多种网络社交场景和其他场景下，进行新型社会参与模式的多种升级方式与路径的实验、试点和示范应用；在敬老、助残等公益事业和家庭、社会服务等行业中，探索多种公义薪酬机制的实验、试点和示范应用；在智慧农业、乡村振兴等熊彼特模式更为薄弱的现实场景中，大胆探索面向“三农”问题的公义创新实施机制。
第三类：关键课题，即对整个公义创新模式的成功具有决定性作用的课题。例如，熊彼特模式具有由内生动力产生的高效能、“自体造血”、“自我驱动”等品质和能力，公义创新模式理论上具有类似的品质和能力，而且潜力更大，但相关实施机制的具体构建充满了挑战性。其中一个关键性实施机制是公义薪酬体系，涉及货币薪酬机制与非货币薪酬机制的系统性整合升级。
第四类：攻坚课题。在以上课题成果的基础上，探索重大社会问题的切实可行的解决路径，在化解产业少人化、人口老龄化、社会分化等突出问题上取得突破，验证公义创新模式的现实可行性和治理有效性，为公义创新模式的全面展开和目标实现奠定坚实基础。
创新是推动社会发展的强大动力。在百年未有之大变局中，随着商业创新模式的局限性日渐显露，与时代需求之间的差距日趋扩大，探索新的创新模式成为历史的必然。对公义创新模式的探索，是对创新模式的创新。探索从“生产要素的市场化组合”到“社会要素的公义性组合”的升级，将以平稳渐进的方式推动人类社会从人工智能治理到思想解放，再到生产力解放，直到“人的解放”的广泛深刻变革，是一条通向崭新文明阶段的挑战之旅和希望之路。
注 释
[1]陈小平.人工智能伦理体系:基础架构与关键问题[J].智能系统学报,2019(4).
[2]黄阳华.熊彼特的"创新"理论[N].光明日报, 2016-09-20.
[3]同[1]。
[4]巩永丹.人工智能催生"无用阶级"吗?——赫拉利"无用阶级"断想引发的哲学审度[J].国外理论动态,2019(6).
[5]陈小平.封闭性场景:人工智能的产业化路径[J]. 文化纵横,2020(2);陈小平.人工智能中的封闭性和强封闭性——现有成果的能力边界、应用条件和伦理风险[J].智能系统学报, 2020(1).
[6]赵汀阳.人工智能会是一个要命的问题吗？[J].开放时代,2018(6).
[7]赵灵敏.用工荒，一个时代的终结[J].南风窗, 2010(8).
[8]亚文辉.自媒体内容创业的时代来了？[N].中国文化报,2015-11-27.
[9]陈小平.人工智能伦理导引[M].合肥:中国科学技术大学出版社,2021:1-60.
[10]同上，61-231.
[11]陈小平.封闭性场景:人工智能的产业化路径[J].文化纵横,2020(1).
[12]陈小平.人工智能中的封闭性和强封闭性——现有成果的能力边界、应用条件和伦理风险[J].智能系统学报,2020(1).
[13]陈小平.人工智能伦理体系:基础架构与关键问题[J].智能系统学报,2019(4).
（选自《信睿周报》第46期，原题为“公义创新：人工智能时代的创新模式——专访中国科学技术大学陈小平教授）
2023年人工智能专利综合指数报告
前言人工智能（ArtificialIntelligence，简称AI），是研究人类智能活动规律，构造具有一定智能的人工系统，国际数据公司IDC将真正具备学习能力的系统称之为人工智能系统。自二十世纪五十年代提出“人工智能”概念，经过七十多年的发展，人工智能现已广泛应用于医药、金融、零售、制造等行业。中国的人工智能产业在2015年国务院印发《关于积极推进“互联网+”行动的指导意见》后迎来新拐点，《意见》明确提出将人工智能作为主要的11项重点行动之一。产业在政策、资本、市场需求的共同推动和引领下高速发展，2016年-2020年中国人工智能市场规模持续增长，市场规模从2016年的154亿元增长至2020年的1280亿元，年复合增长率达到69.79%，预计在2025年将超过4000亿元。中国人工智能技术主要应用在政府城市治理和运营（城市运营，政务平台，司法公安，环保与监所）。其次是互联网与金融行业对于人工智能技术的使用位列前茅，目前这些行业主要使用的还是数据分析可视化，风险控制等。预计在未来五年，这一行业格局会发生变化，由于不同行业人工智能技术发展的差异性，不同行业对于人工智能的把控会发生变化。以至于不同的行业开始接受与接入智能。为了研究人工智能领域的企业创新能力，智慧芽创新研究中心将专利作为评价创新能力的重要指标，建立专利综合模型，发布了《2021年人工智能专利综合指数报告》。其中，平安集团以70.41分位居榜首，三星电子以65.23分位居第二，其余8家公司均低于65分。全球人工智能专利申请情况当前产业智能化转型已成为不可逆转的趋势，产业界已应用的AI技术能力主要有图像技术、人体与人脸识别、视频技术、语音技术、自然语言处理、知识图谱、机器学习和深度学习。随着人工智能技术在医药、金融、零售、制造等行业的落地应用，近年来相关专利申请数量也大幅增加。过去4年（2018～2021年10月），全球共申请了65万件人工智能相关专利，其中企业申请占比最高，申请量为44.8万件，院校/研究所为16.5万件，个人为3.3万件。可以发现，专利申请主要集中于企业，占比达到68.9%，院校/研究所的专利申请量排名第二，占比25.3%，个人申请占比排名第三占比为5.1%。我们发现，在人工智能领域专利申请中，个人申请占比较低，低于科技领域个人申请的平均水平，说明人工智能领域的技术仍然赖于团队完成；院校/研究所占比第二，说明人工智能的原始创新还处于非常活跃的阶段，预计在未来的3-5年里还将有更多的人工智能基础技术产生。图1：2018～2021年10月人工智能专利的申请人类型在过去4年里，全球超过100个国家和地区有人工智能的专利申请，其中申请数量最多的3个国家分别为中国、美国和日本，专利申请量分别是44.5万件、7.3万件和3.9万件。值得一提的是，这4年内，中国专利的申请量一直以超出第二名1～2倍的速度高速增长着。图2：2018～2021年10月人工智能目标市场国/地区排名在过去4年中，受理人工智能专利最多的6个国家和地区分别为中国、美国、世界知识产权组织、韩国、日本、欧洲专利局。图3：2018～2021年10月人工智能专利授权量排名前6的国家技术来源国指的是，技术第一次提出申请的国家，代表了技术来源哪些国家，代表了一个地区对人工智能的创新能力和活跃程度。图4：2018～2021年10月人工智能技术来源国占比情况从2018年起，中国已经是人工智能专利申请的大国，远远超出第二名的美国。我国人工智能相关专利不仅只集中于个别企业手中，企业间的专利申请数量差距相当，说明人工智能是科技发展的一大趋势。其中，平安集团的人工智能研发团队是全球人工智能专利申请人中申请专利数量最多的，单个团队近4年共申请了785件专利，其申请的专利主要集中于智慧金融、智慧医疗和智慧城市三大重点领域。图5：2018～2021年10月人工智能专利集中的IPC领域2021年人工智能专利综合指数
根据专利数据统计，在过去4年人工智能领域全球专利申请数量最多的10家公司分别是平安集团（中国）、三星电子株式会社（韩国）、腾讯科技(深圳)有限公司（中国）、国际商业机器公司（美国）、北京百度网讯科技有限公司（中国）、谷歌有限责任公司（美国）、LG电子株式会社（韩国）、OPPO广东移动通信有限公司（中国）、微软技术许可有限责任公司（美国）、佳能株式会社（日本）。其中，有6家公司来自国外，4家来自中国。表6:人工智能相关专利申请量Top10企业排名情况从专利申请量来看，平安已经超过所有的竞争对手，为了更进一步分析当前人工智能企业的科技创新综合能力，智慧芽创新研究中心针对人工智能领域专利申请量排名前10的企业在近4年的专利数据进行分析。本次指数共分成5个一级指标和32个二级指标，其中一级指标分别为专利基础、技术宽度与质量、专利质量与布局、当前及未来影响力和自研能力，5个一级指标总分100分，其中专利基础占30分、技术宽度和质量占15分、专利质量与布局占20分、当前及未来影响力占20分、自研能力占15分。本次发布的指数是专利的综合指数，分别从5大维度考量一家企业的专利综合能力，本指数从专利基础和专利质量与布局出发，并通过专利来判断企业技术宽度和质量、当前及未来影响力、自研能力等三方面的得分，综合获得企业的专利综合指数，对专利的综合能力的评价更加的客观和公正。根据专利综合指数得出结果，可将这10家公司分为3个梯队。第一梯队：平安集团（中国），以70.41分排名第一。第二梯队：三星电子株式会社、腾讯科技（深圳）有限公司、国际商业机器公司、谷歌有限责任公司（美国）和微软技术许可有限责任公司（美国），分数在55-66分之间。第三梯队：LG电子株式会社（韩国）、北京百度网讯科技有限公司、OPPO广东移动通信有限公司（中国）和佳能株式会社（日本），分数为45-51分。表1:2021年人工智能TOP10企业专利综合指数专利基础、技术宽度与质量、专利质量与布局、当前及未来影响力和自研能力五大方面，平安集团之所以领先三星、腾讯、谷歌等国内外企业，其核心竞争力主要体现在专利基础、当前及未来影响力和自研能力。表2:2021人工智能TOP10企业专利基础指标排名专利基础
作为每家企业的基本申请情况，分别包含专利申请数量、非外观专利申请数量等6个指标，在一定程度上代表了一家企业的专利基本情况。近4年内，平安集团的科研投入重点在人工智能领域，因此相关专利申请的数量也明显增加，专利申请量排名第一，三星电子排名第二。平安在人工智能领域投入是全面的，专利申请稳定性也位居全球第一，PCT申请总量也位居全球第一，平安在人工智能的人才上的投入，目前已经实实在在的转化为技术的积累。表3:2021人工智能TOP10企业技术宽度和质量指标排名技术宽度和质量
技术宽度和质量是通过专利技术集中度、专利技术广度等8个指标综合计算所得，可了解公司主要技术专利的全球占比和企业技术质量。在过去4年，谷歌以11.141的得分排名第一，IBM和LG排名分别位列第二、第三。从客观条件来看，国外企业经过常年的积累，在技术宽度和质量方面的评分高于中国企业，但是经过4年的积累，中国企业在部分技术上已经取得了突破，平安和腾讯在专利集中度上分别排名第一和第三，专利集中度是指在主要研究方向上，专利的累计数量，集中度越高累计量越大，相信在未来的3-5年后，中国企业可以在技术宽度和质量的指标上全面超越国外企业。表4:2021人工智能TOP10企业专利技术集中度排名表5:2021人工智能TOP10企业专利质量与布局指标排名
专利质量与布局
专利质量与布局是通过有效发明专利总量、有效发明专利占比、平均专利家族规模、专利家族授权比例、平均引证率、专利地理分布等6个指标综合计算所得。专利规模以及平均引证率，不仅可以说明该公司对技术的保护情况，也体现出该企业技术领先情况。以一级指标评判，谷歌的专利质量与布局指数最高，总计15.45分，其次为三星和腾讯。平安集团专利申请时间较晚，不少专利正处于18个月专利审核期内并未完全公开，所以检索到的授权专利数量较少，在该维度没有明显优势，排名第九。非常值得注意的是，在过去4年，平安集团在平均引证率和专利家族授权比例两方面迎头赶上，分别排于第三和第四，这表明平安集团的专利属于行业内较为领先的技术。表6:2021人工智能TOP10企业当前及未来影响力指标排名当前及未来影响力
当前及未来影响力是通过审中专利情况、专利预期寿命、平均剩余年限、当前影响力、平均被引次数、核心专利被引用次数、核心专利被引用占比、被引最多前10项专利的质量等8个指标综合计算所得。专利能够被其他公司甚至是海外企业引用，不仅可以说明该专利具有很强的社会影响力，同时也是外界对该企业认可的一种体现。平安集团在过去4年申请的人工智能专利中，有3个子指标排名均为第一，分别为审中专利数量、专利预期寿命和核心专利引用占比，核心专利被引用占比越高说明核心技术代表的专利可能成为未来主流技术的可能性越大。单模块以13.278的分数居于榜首。百度与腾讯分别位列第二、第三。表7:2021人工智能TOP10企业自研能力指标排名自研能力
自研能力是通过活跃发明人规模、专利自引率、专利联合申请量、联合申请人等8个指标综合计算所得。作为一家人工智能行业的公司，研发团队是其核心资产，也是支撑企业持续发展的核动力。IBM的活跃发明人指数得分较高，领先其他公司；而公司自主研发的延续性和稳定性也是必不可缺的，平安集团则以较高的专利自引率指数和联合申请人指数领先其他企业。不得不提的是，平安人寿AI团队曾在世界级人工智能领域大赛中获得多项世界第一。从自研能力上来看，平安已经和微软达到相同的等级，仅仅以0.05分的差距在自研能力排行中排名第二。纵观整个人工智能相关的企业专利综合指数排名，中国有4家企业进入前10榜单，并且在3个一级指标榜单中有着不俗表现，这说明中国在人工智能行业的起步虽晚，但是发展速度惊人，且在专利布局、创新影响力等方面形成了独特优势。而第一梯队的平安集团与第二梯队各企业相比总评分有明显的差距，其原因在于，虽然三星、谷歌、IBM等公司在技术宽度和质量上略微领先，但论及技术创新影响力和企业的自研能力，平安集团的优势更明显。从一级指标来看，以平安集团为首的国内企业在“当前及未来影响力”方面超出微软等国外企业1.28分之多，说明平安集团的专利技术未来潜力发展态势明显。在平安的专利库中，平安集团的核心专利被引用占比最高，说明平安的专利中的创新思维已经被业内广泛认可，并有大量的研究成果成为业内科技的参考基础。中国人工智能创新从整体来看，我国在人工智能方面的专利不仅仅在申请量上占有优势，在当前及未来影响力上也是处于全球第一梯队，中国的企业也在全球的人工智能的专利综合指数中占有举足轻重的地位。我们将着重分析上榜的中国企业——平安集团和腾讯。平安集团：构建AI+生态系统，打造全新“平安式”智能生活对于平安集团来说，人工智能是其重点关注、布局的领域之一。平安科技是平安集团旗下科技解决方案专家，致力于运用智能认知、人工智能、区块链、云技术等前沿科技，赋能集团生态圈建设，打造全新智能科技生活。平安在技术上的投入更加强调应用落地，这也是平安集团发展人工智能的独特优势。平安将人工智能技术与金融、医疗、城市治理等传统业务板块深度结合，有效实现各业务环节的“三提两降”，即提效率、提效果、提用户体验、降风险、降成本。通过人工智能技术及业务解决方案的研发应用，完善智能技术平台和方案中台的建设，形成规模化拓展AI应用的能力，，让人工智能得到真正的落地应用，也因此形成独特的平安“AI+”生活方式。比如，平安科技推出了智能闪赔、平安声纹、平安智能坐席、平安票据OCR识别、平安医疗影像、平安金融风险智能预警系统等众多人工智能领域的尖刀产品。其中智能闪赔利用深度学习神经网络技术，以及大数据挖掘逻辑规则，通过车损图片，在风险可控的前提下，自动计算损失项目、损失程度和损失价格。从出险到理赔，最快仅需133秒，全程实现"无人操作"，定损、审核等多个理赔环节中实现流程自动化与智能化，客户最快仅需3步即可完成理赔全流程，相比传统理赔平均时效提升了34%，通过智能图片定损应用+数字化反渗漏规则，实现自动理算案件99.7%，定损速度提高4000倍。在医疗领域，探索搭建医疗健康生态圈，打造覆盖诊前、诊中、诊后全流程端到端智慧医疗一体化解决方案，实现医、患、政、产多维度互联互通，全面提升行业服务与管理的智慧化水平。开发的新冠肺炎胸部CT影像分析及辅助诊断系统，实现10秒内快速检测肺炎症状，准确率97%以上，为医生提供定量信息辅助诊断，已覆盖上千家医疗机构应用，阅片数量达到数百万张。目前，人工智能技术正在我国蓬勃发展，平安科技也在AI领域不断崭露头角，专利申请数量相应稳定增长。如今，平安AI已经向生活场景深入地全方位落地，赋能金融、医疗、城市治理等传统业务板块的同时，也不断推出创新服务，在音乐、娱乐、翻译等细分领域都有不俗的成就。由此可见，平安集团以“AI+”模式成功将人工智能技术落地进入人们生活的各领域，未来还将持续夯实关键技术和业务壁垒，赋能实体业务，解决实际痛点，在智能化生活方向探索更长远。腾讯：聚焦用户体验，攻坚“通用人工智能”终极目标腾讯拥有丰富的应用场景，遍布文娱、互联网、社交网络、媒体等日常生活的各个领域。其在社交网络、媒体等业务的深耕，加上QQ和微信庞大的用户体量，使其在AI开发上更关注用户体验的问题。在人工智能技术储备方面，AILab、腾讯优图、WeChatAI是腾讯三大人工智能实验室，主攻机器学习、计算机视觉、语音识别、自然语言处理（NLP）等四大方向。而后，腾讯又以AILab和机器人实验室RoboticsX作为“AI+机器人”双基础部门，连接虚拟和真实世界，并合力攻坚“通用人工智能”这一终极目标。除了基础技术研究，腾讯在AI应用场景上，主要聚焦内容、社交、游戏和医疗。其中，医疗是腾讯人工智能技术应用的最重要场景。腾讯推出了AI+医疗产品“腾讯觅影”，他在医疗领域的两项核心能力分别是AI医学影像分析和AI辅诊。“腾讯觅影”利用AI医学影像分析可以辅助医生筛查食管癌、肺结节、糖尿病视网膜病变、结直肠肿瘤、乳腺癌、宫颈癌等疾病；同时，利用AI辅诊引擎可以辅助医生对700多种疾病风险进行识别和预测，辅助临床医生提升诊断准确率和效率。“AI+游戏”，游戏是腾讯的主营业务，是腾讯AI率先落地的领域。大量的游戏AI研究，也有助于腾讯对于人、智能体和环境之间复杂交互关系的研究，从而提升AI的用户体验。在游戏AI的研究上，腾讯AILab已从围棋AI“绝艺”等单个AI的完全信息类游戏，转移到规则不明确、任务多样化、情况复杂的游戏类型，如《星际争霸》和《Dota2》等复杂的即时战略类RTS游戏或多人在线竞技类MOBA游戏。而在企服平台方面，不得不提腾讯云。腾讯云倾力打造了“腾讯云小微”，这是一个智能服务开放平台，可以让硬件快速具备语音和视觉感知能力。同时，腾讯云小微又是一种智能解决方案，可以赋予硬件更多的能力扩展，从而构建一个丛云到端的“智能云生态”。腾讯云旗下深度学习平台DI-X，平台集数据开发、训练、预测和部署于一体，适用于图像识别、语音识别、自然语言处理、机器视觉等领域。结束语：厚积薄发，未来可期随着人工智能技术的发展以及科技进步的赋能，中国人工智能应用的市场规模将进入高速增长阶段。现在，人工智能已被列入十四五规划，面向2035年，科技创新型国家会趋向为一种人工智能驱动的社会。中国人工智能终将进入高速发展阶段，市场必然迎来新的机遇，当前中国企业也在持续的研发投入中，专利质量及技术质量都具有长足的进步，未来将是一个可以预见的AI时代。国家的大力引导，企业家们的砥砺前行，更有千万的中国研发工程师的日以继夜，使得我国的人工智能技术积累大幅提升，期待在不久的将来中国的企业在人工智能领域大放异彩。关于智慧芽创新研究中心智慧芽创新研究中心致力于在科技创新领域提供独立的研究数据、研究报告、排行榜、研究洞察等各类内容。研究中心基于智慧芽强大的数据能力，包括知识产权数据、创新研发数据、市场数据、投资并购数据等各类数据；研究中心还运用人工智能分析产业和数据，结合定制数据模型，打造智慧芽科创力报告和科创力指数，为创新产业发展赋能。免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。【责任编辑：钟经文】人工智能如何影响就业市场
导语：作为一种革命性技术，人工智能的发展与应用对经济社会发展变革的影响日益深入。在这一过程中，人工智能对就业的影响一直是社会各界关注的焦点之一。围绕这一问题，言之有理工作室采访了中国人民大学劳动人事学院院长杨伟国教授。他认为，人工智能的快速应用短期内会对就业造成一定影响，但从长远来看，其发展与应用不仅会创造更大就业空间，而且还会提高劳动者就业质量，在保障和创造就业方面发挥积极作用。
言之有理：一些人担心，人工智能的大规模应用会产生就业替代效应，减少就业岗位。对此，您怎么看？
杨伟国：人工智能的快速应用短期内的确会对就业造成一定影响。但从长远来看，以人工智能为代表的数字技术，通过在更高水平更大程度上赋能企业和劳动者来推动经济社会发展，并在这一过程中创造更大就业空间。首先，人工智能的发展推动智能化信息基础设施建设和传统基础设施智能化水平提升，并在这一过程中创造大量新就业机会。其次，人工智能的发展除了推动人工智能领域新兴产业发展、形成人工智能产业集群和创新高地，还能通过与各领域产业深度融合，大规模推动企业智能化升级，培育数据驱动、人机协同、跨界融合的智能经济形态，从而创造大量新就业机会。第三，人工智能在教育、医疗、养老、环境保护、城市治理、司法服务等领域的广泛应用，以及在准确感知、预测、预警等方面的深度应用，也会创造新的就业机会。最后，人工智能产业的发展以及人工智能技术的应用还会带动其他行业发展，既可以直接创造更多新工作机会，又可以通过促进经济增长间接创造更多就业机会，还可以从中衍生出许多新型行业而创造更多就业机会。
言之有理：除了创造更大就业空间，人工智能的发展与应用会对人们的就业质量造成什么影响？
杨伟国：人工智能的发展和应用，有助于为劳动者提供更多高质量的就业岗位，提升劳动者的创造力和成就感；帮助劳动者更加自由地安排工作、生活、学习和个人事务，不断优化调整学习方法和学习内容，以实现快速学习、高效学习，从而提高专业技能和工作效率，实现工作与生活平衡；通过人机协作赋能劳动者，帮助劳动者实现人力资本优化配置，提高劳动者的劳动自由度和舒适度。总之，人工智能可以赋能劳动者按照自身意愿以多种形式完成工作任务，帮助劳动者以最切合自身特点的方式学习新的专业技能，提高劳动者的就业质量。
言之有理：稳就业、保就业是当前统筹推进疫情防控和经济社会发展工作的重中之重，人工智能的发展与应用对稳就业、保就业起到了哪些积极作用？
杨伟国：突如其来的新冠肺炎疫情对我国经济社会发展带来前所未有的冲击，稳就业、保就业成为统筹推进疫情防控和经济社会发展工作的重中之重。在这一过程中，以人工智能为代表的数字技术显示出在保障和创造就业等方面的显著优势和巨大潜能，基于人工智能技术的新就业体系正在加速形成。比如，数字经济发展全面提速，智能化、科技型产品较快增长，远程办公、在线教育、网络问诊等快速扩张，无人零售、直播带货等新模式不断涌现，既有力支撑经济社会发展，又助力实现今年《政府工作报告》设定的就业目标任务。
言之有理：人工智能的发展与应用，从中长期看有利于扩大就业，但短期内不可避免会造成结构性失业，一部分人不适应劳动力市场需求变化。对此，应该如何应对？
杨伟国：面对人工智能的发展与应用对就业市场的影响，劳动者要做好心理准备与技能储备，相关管理和服务部门也要及时调整就业政策措施以适应科技发展进步与就业市场变化，推动实现人工智能技术发展应用与就业市场之间的协调平衡。
（言之有理工作室郑延冰编辑）
(责编：赵安妮(实习生)、李栋)分享让更多人看到