人工智能、国际竞争与大国均势
对人工智能的通俗探讨几乎只关注科技进步。纵观历史，科技确实在全球政治中起着非常重要的作用。数百年前，像印刷术这样的技术使书写文字兴起，为新形式的政治抗议和其他政治活动的发展提供了可能。20世纪，核武器的出现极大地提升了数国的毁灭性打击能力。
但科技发展的相对影响力往往不仅与它本身的特质相关，也同样、甚至更多地取决于人们、机构和社会如何利用这项技术。就比如英国海军在1918年发明的航空母舰。作为当时世界最擅长部署战舰的海军，皇家海军最初的设计是让航空母舰为战舰提供侦察机。但是日本和美国海军创新了航空母舰的使用方式，把它用作移动机场，从根本上改变了20世纪的海战。或者咱们再回到印刷术这项技术：它加速了民族主义政治运动，这是技术激励的结果，也是人们在政治运动中充分运用这项新技术来传播信息的结果。
人工智能将会扮演什么样的角色呢？这项技术的发展还有很多不确定性，因而现在要给出答案还为时尚早。但人工智能与内燃机、电力等更为相似，它不是武器，而是使能者，是一项应用领域广泛的通用技术。这使得人工智能不同于导弹、潜艇或坦克，而有更广泛的应用范围。
弱人工智能领域的进步会为政府和军事组织创造机遇和挑战。比如，图像识别技术能帮助到那些已经足够富强、能够支持技术更新的军方。但我们很难预测人工智能运用如何影响军事组织的核心部分，比如军事计划、招募保留新兵和军事力量结构等。如果军方越来越需要学习过编程和算法的士兵，或者如果大量的无人系统足以淘汰代价高昂的传统军事平台，那会出现什么样的改变呢？领先的军事力量面对挑战现有组织形式的创新时总是手足无措，因为自认为领先的军事力量很难改变现有的官僚组织形式。
人工智能会使哪些国家受益，这部分取决于与军事相关的创新是在哪里发明的。像私人企业或者学术部门这样的非军事机构正在尝试扩大人工智能的应用领域。一些人工智能和机器人公司，比如BostonDynamics，接受了军方提供的研发资金；而另一些，比如DeepMind，拒绝军方资助并且坚决反对和军方合作。与隐身技术这样具有典型军事目的的技术不同，人工智能在购物、农业、股票交易等众多领域都有应用。
如果商业驱动的人工智能研究持续创新，并且军方未来可能应用的算法与民用工程息息相关，那么人工智能领域的进步很有可能更迅速地扩散到世界各地的军事力量中。人工智能竞争可能会涉及世界研发AI技术的各个主体，就像19世纪晚期在钢铁和化工行业的竞争那样。技术扩散的可能性会使其难以保持在弱人工智能应用上的“先发优势”，这可能会改变世界力量均势，缩小美国和中国以及世界其他国家的军力差距。
然而专家们并未就未来人工智能的发展轨迹达成一致，这就意味着对人工智能发展影响国际安全环境的预测都只是尝试性的。尽管人工智能的基本原理可以用于民用和军事两种目的，但最重要的AI军事应用一定不是军民两用的。基于军事研究的技术进步排他性较强，通常较难被模仿，首先采用此类技术的国家自然具有更大的先发优势。此外，如果只有最富有的国家和公司有财力负担用于研发新的强大算法所需的计算硬件，从均势角度来看高端的人工智能技术会让富者更富。另一方面，如果先进的军队没能有效整合人工智能技术，则更有可能出现混乱。
本文首先定义何为人工智能并说明人工智能是一种怎样的技术，然后转而讨论弱人工智能有关发展轨迹的关键问题和假定，看它们如何影响人工智能军事应用的采用条件，这是考察人工智能如何影响均势的重要因素。之后，本文将评估，弱人工智能在以下两种情况下将如何影响世界力量均势：1）军民两用的人工智能技术有着很高军事相关性，并且能够迅速扩散；2）军用人工智能技术具有更高“排他性”，从而限制了技术扩散、产生更大先发优势。
我们无法确定在未来十年甚至更久的时间里人工智能会如何发展。中国、俄罗斯和其他一些国家已经在大力投资人工智能领域以提升相对军力，希望重塑均势。随着人工智能领域逐渐成熟，在物流、人力甚至部署单元等领域都将出现更多人工智能运用，各国需要考虑怎样切实利用人工智能技术提升军力。因而美国在力量均势上面临的风险在于它可能对自己的军事优势习以为常，像20世纪中期大英帝国的皇家海军对待航母那样去对待人工智能——如果不能通过组织采纳合理运用新技术，那么技术创新者也会被超越。
01
人工智能是什么？
人工智能是什么？对人工智能、自主性和自动化这些术语的具体定义，人们并没有达成广泛的共识。本文中人工智能指运用电脑模拟需要智力参与的人类行为。换句话说，人工智能就是一个人工合成体在“多种环境”下达成目标的能力。人工智能系统与可以远程控制的自主机器人和机器人系统不同。比如BostonDynamics公司可以自动开门的SpotMini就不能算是人工智能，因为它有人远程控制。像日常生活中的烤面包机，或者军方用绊索引爆的炸药，这样的自动系统（automaticsystems）机械地对环境因素做出反应。与之相比，自动化系统（automatedsystems）的运行是基于多道提前设计的逻辑步骤，而不是绊索那样简单的触发机制。而自主系统（autonomoussystems）范围更广，在一定限制内用于实现某些目标，优化一系列参数。
目前人工智能研究大体上有两种路径。第一种是符号主义人工智能（symbolicartificialintelligence）——创造专家系统和生产规则以使机器能够推断行为路径。1997年IBM公司的DeepBlue系统在国际象棋中战胜了加里·卡司帕罗夫，它采用的就是符号主义方法。与之相对的是计算机学派或者联结主义方法（connectionistapproaches），机器通过计算而非符号表示来识别问题并做出行动。机器自主学习是人工智能中非常重要的计算方法。编写机器学习算法需要多种计算技巧，包括贝叶斯网络、决策树和深度学习。深度学习让机器通过强化学习的方法掌握一种算法，利用神经网络来训练算法完成特定任务，比如图像识别。一些研究员试图融合符号主义和联结主义方法，希望通过这种混合型的研究方法来创造一种通用语言，让算法能通过多种路径去学习如何完成特定任务，使之更加高效。
就本文而言，理解人工智能发展的大致轨迹比研究赋予人工智能特定能力的具体方法更为重要。很多情况下，要判断哪些方法将生成哪些功能还为时过早。
人工智能是使能者，而非武器
一种新技术的影响部分取决于它潜在的基本用途。一些通讯技术，比如电报和电话的发明是使身处不同地方的人能更快地取得联系；军用技术，比如导弹和子弹，是用来打击破坏某个目标的；铁路还有自行车属于交通技术。这些科技大类下面还有很多小类，每类中都有很多种技术。举个例子，一架F-35战斗机由超过300000个零部件组成。另一类科技可以被称作“使能技术”，这类技术并不像上面的例子，为某个特定目的而研发，它是多用途的，可以广泛运用于其他很多科技中。电力技术就是一种使能技术。
所以人工智能属于哪种技术呢？尽管国防部门“第三次抵消”的说辞还有其他一些讨论让人工智能看起来像种军用技术，但它实质上是终极使能者。就像内燃机和电力一样，人工智能可以运用于很多具体技术。斯坦福大学的AndrewNg认为，和电力一样，人工智能可以在多元领域中助力具体技术的发展，比如农业、制造业和医疗服务业。
人工智能能从多个维度发挥作用。首先，它能用于管理像机器人系统这样无人监管的实物，无论是在坦克、飞机还是舰船里，人工智能都可以减少人类的参与，有时甚至是远程，成为人类-机器队伍里的一员。比如集群技术就用到了一些受人监管的算法，可以指挥类似无人机群这样的平台。其次，人工智能可以帮助人们处理和解释信息。图像识别算法可以用来给度假照片加上标签或者识别商店中的产品，也同样可以用于“ProjectMaven”计划，这是一个美国军事项目，意在研发可以自动分析无人机即时影像的算法。尽管在不同情况中应用方式不同，但背后的算法完成的任务是一样的——快速识别图像并标记。最后，多个弱人工智能系统的重叠应用可以被用来创造新的指令和控制方式——可以分析大量数据并做出预测指导人类行动的运行系统，包括作战系统——或者算法指导的行为。
人工智能的种类？
我们可以把人工智能看作一个相邻两者相似但两段截然不同的连续体。一端是弱人工智能应用，就比如能够战胜世界围棋冠军的AlphaGo。这类应用就是专门用于特定任务的机器学习算法，不可能被用于其他任务。弱人工智能可以被看作相对先进的自主系统，或者一启动就只会完成特定任务的机器。
而这个连续体的另一端是“超级聪明的”通用人工智能。这类人工智能采用单个或系列算法，不仅能完成简单的任务，也能有效思考并为更宽泛的问题设计解决方案。NickBostrom描绘了一种极端的可能，超级人工智能也许会主宰世界，其程序甚至可能在不经意间使人类灭绝。连续体中部或者中部偏人工通用智能那端是“变革性人工智能”，这样的人工智能可以完成玩电子游戏这样的特定任务之外的很多事情，但却不足以拥有超级智能。
本文重点关注弱人工智能应用对力量均势和国际竞争的潜在影响。从现存的人工智能技术来看，弱人工智能应用在未来二十年里最有可能影响军事领域，进而影响力量均势。此外，超过人类智能的通用人工智能会在中短期内还是数百年后出现，这个问题即便是专家也无法给出一致的答案。人工智能专家们也无法确定未来人工智能发展的轨迹。调查表明只有50%的人工智能研发者相信到2049年人工智能系统能写出一本畅销书，约75%的研究者认为这可能要到2090年才能实现。经过大量训练的专家也无法在人工智能发展问题上达成一致，这体现了人工智能领域很大的不确定性。
这使我们思考哪些人工智能技术将得到进一步发展，而本文重点关注那些在下一代最有可能兴起的技术。
02
技术和均势
新兴技术主要通过军事和经济手段影响均势。技术可以直接影响国家的作战能力，也能通过影响国家经济力量间接地影响均势。毕竟如果没有经济支撑，一个国家无法长期或者中期地维持军事优势，只要想想奥斯曼帝国和帝制中国的没落就不难理解这一点。
但是现在，我们还不清楚具体AI应用将如何转化为军事力量。尽管收到持续投资，将人工智能融合进军事技术仍不是件易事。ProjectMaven是美国“算法战争”提案的第一项计划，军方试图开发人工智能的潜力并将之用于增强军事力量。但是无论在美国还是其他国家，很多投资还只处于早期阶段。正如MissyL.Cummings所写：“坦克还有交通工具这类自主地面行驶车辆和自主式水下航行器都还在研发中。但是大多数研发机构正挣扎着想要实现从研发到实际运行的飞跃。”
我们很有必要将这些颇具潜力的技术创新和军事创新区分开来。尽管军事创新常常和技术创新相关，但这种关联性不是必然的。军事创新是组织行为和方式的重大变化，意在提高军方有效地将武器转化为力量的能力。美国和日本军方将航空母舰用作移动机场，这就是一个典型的例子。尽管人工智能有潜力实现一些军事创新，它本身并不是，而且目前没有哪一项被军方采用的人工智能运用能算得上一项军事创新。
因为人工智能研发和相关技术任处于初期阶段，人工智能在战争中的运用还远不能跟坦克在一战中的初次亮相相提并论，更别说二战中德军使用的颇为有效的联合武装作战法了（这项军事创新也就是现在人们熟知的“闪电战”）。这就限制了我们对弱人工智能将如何影响均势和国际政治的分析。对技术和国际政治的大多数研究关注像核武器这样特定成熟的技术，或者军事创新。由于人工智能还处于早期发展阶段，因此研究时需要运用现存的有关军事技术和创新的理论。
我的采纳容量理论（adoptioncapacitytheory）能让我们更好地洞察人工智能的发展对力量均势的影响。此理论认为，采用一项军事创新所需的财政和组织条件会影响该军事创新的扩散速度并影响力量均势。财政上的考虑包括计算相关硬件的单位成本，以及判断这项性能是基于纯商业还是纯军事技术。需要考量的因素还有：评估采用此项创新需要在多大程度上影响军方目前的关键任务（也就是一个组织希望能达到的目标）；评估组织内关键精英的地位（比如战斗飞行员在空军中的地位）。但因为采纳容量理论关注的主要是军事创新，要想适用于人工智能，这一理论还需要一些调整。
采纳容量理论建议，研究技术变革如何影响均势需要回答三个问题。
第一，技术本身很少（如果真的可能）是决定性因素，那技术的应用如何能影响战争的性质呢？举个例子，机关枪火力在非对称部署时能有效应对进攻，但和带刺铁丝网配合使用呈对称布局时，这项技术在一站中实现了战壕作战僵局。更广泛地来说，工业革命和制造业转向工厂大规模生产使步枪从少数军队配备的手工制作的武器变成了能够被广泛使用的武器。这提高了战争的杀伤性，也改变了军队的组织方式和战术。
第二，不同主体如何真正推行一项技术或者在推行过程中会受到官僚主义怎样的限制？由此对军事创新产生了怎样的影响？这个问题与本文高度相关，因为组织采用并推行一项技术创新所面临的挑战与推行的有效性密切相关。要衡量一项创新对国际政治的影响有多大，这些挑战是重要因素。
数十年的研究表明，相比于技术本身，技术变革对全球政治的影响——无论是经济、社会、外交还是军事领域的变化——更多地取决于政府和组织怎样采纳并运用新技术。BarryPosen，StephenP.Rosen等人设立的军事创新奖学金就体现了这一点，单靠技术创新很难影响均势。而军方如何使用一项技术才是突破的关键。军方运用新技术的能力部分取决于这项技术的复杂程度，它有多难掌握以及它的运行是否可预测、可解释。这些因素影响了高级军事领导人对此项技术的信赖程度，进而影响他们是否采用此项技术的决定。此外，采用一项技术时对原有官僚秩序的影响程度越深，其在地位稳固的老牌机构面临的挑战越大——如果这个机构缺乏科研投资，也不懂得融合新技术、新想法，技术要得到采用就尤其困难了。
19世纪中期，每个欧洲国家几乎同时掌握了铁路、电报和制造步枪的技术。但普鲁士军队首先想到如何结合并充分利用这些技术，迅速部署力量。在那之后其他国家的军队才采取了类似的措施达到了相似的效果。
英国海军和航空母舰的例子进一步揭示了组织流程对于军事领域技术应用的决定性作用。如前所述，尽管皇家海军发明了航母，以战舰为先的制度性承诺使其把辅助为战舰提供信息的“侦察机”看作这项新发明的首要任务。而美军和日军这两支新崛起的海上力量没那么看重战舰，反而创造性地想到，航母的真正价值在于它的独立打击能力。由于战舰和经验丰富、已经习惯部署战舰作战的海军将官们在多国海军中占主导，因此把航母看作移动机场需要一个概念上的转变，这不是件容易的事。
即使后来将航母用作移动机场被证明是最优选择，要采用航母作战也是挑战重重。二十年来中国海军一直在研究航母运行机制，但也才刚刚开始建立真正的航母作战能力。苏联曾花费数十年时间试图采用航母作战，但最终失败。简单来说，要想操纵航母、使飞机顺利起飞和降落，以及与其他海上力量协调配合，需要不同系统的融合，这是很难实现的。一支军队试图有效运用新技术时需要做出的改变越大，它面临的官僚主义挑战就越大，强国就越有可能因为组织能力欠缺而放弃采用这项技术。这就是可能会改变力量均势的关键机制。
第三，一项新技术如何传播？这个问题的答案决定了采用新技术的相对先发优势有多大。KennethWaltz最初提出军事技术创新往往很快就会被效仿，但后续研究表明实际情况要复杂得多。扩散率很重要：如果某项技术扩散得较慢，那么首先采用此技术的国家就会有可持续的优势。但如果其他国家能够快速采用这项新技术，那么第一个的相对优势就会迅速消失。
军事技术和其他通用技术一样，可以通过多种机制扩散。采纳容量理论提出了几个影响弱人工智能技术扩散的关键因素。
首先是建立人工智能系统的单位成本。编写军事应用算法所需的硬件和计算成本越高，门槛就越高。相对的，一旦算法编出来了，成了软件，那就更容易扩散。
其次，只有军事目标驱动的技术往往比有商业目的驱动的技术传播得更慢。如果一项技术只在军事领域能派上用场——比如隐形技术——并且它的单位成本和技术复杂程度都很高，那么能效仿这项技术的主体就最少化了。
而反过来讲，有商业目的驱动的技术一般传播得要快得多。十九世纪铁路曾被当作一项“军事技术”，能够实现空前迅速的兵力部署和集结。但铁路能迅速运输货物的商业价值加速了世界范围内密集铁路网的建设，因而在铁路这项技术上很难有国家能保持可持续的优势。
03
人工智能对力量均势的影响
如果正如普京、埃里克·施密特、埃隆·马斯克所说，人工智能是一片竞争激烈的战场，那么这场竞争有什么样的特点呢？目前美国和中国应该是人工智能发展最为领先的两个国家。世界上最强大的两个国家在人工智能领域竞争全球领导地位，这让很多人想起20世纪的激烈竞争，比如美苏太空竞赛。已退役的军陆战队将军JohnAllen和SparkCognition公司CEOAmirHusain认为，美国需要在人工智能领域投入更多以取得并维持领先地位。
为了经济发展和国家安全需要，全球各大国在人工智能领域皆有投资，这越来越普遍地被看作一场军备竞赛。2017年中国发布了一项有关人工智能的国家战略，认为人工智能是一个“重大战略机遇”，并提出一项协调战略以“打造中国的先发优势”，在人工智能领域引领世界。俄罗斯也在大规模投资，尤其是军事领域。有报道称俄罗斯军方正在设计用于守卫弹道导弹基地的自主车辆以及能够携带核武器的自主潜艇。在机器人领域，俄罗斯正在尝试Uran-9、Vehar等先进坦克的远程部署。
美国以外并不只有中国和俄罗斯对人工智能在国家安全领域的应用感兴趣。和机器人技术一样，人工智能技术可以被用于军事目的，因而吸引了很多国家的关注。人工智能的商业驱动因素和许多人工智能技术军民两用的特点意味着具备发达信息经济的国家更有可能成为此领域的领导者，至少也是快速跟进者。在东南亚，新加坡处于人工智能投资的最前沿（军事和非军事领域皆是如此）。其他东南亚国家也在进行着人工智能的相关研究。在军事领域，韩国已经研发出了半自动系统SGR-A1，用于防备朝鲜对朝韩非军事区的袭击。
人工智能也为资本密集的国家提供了机遇和激励。发达的经济体往往坐拥大量资本，却面临着高昂的劳动力成本或者规模较小的人口，比如澳大利亚、加拿大还有欧洲的许多中等强国，这些国家在军队征兵时会遇到困难。对它们来说，能将资本转化为劳动力的技术是极具吸引力的。澳大利亚国防学院的指挥官MickRyan将军就认为，将人工智能和机器人技术结合起来，人口规模小所带来的问题就能被解决。2017年法国国防战略回顾指出，人工智能技术的发展和运用对于法军保持“运作优势”至关重要。以色列这个典型的经济发达、资本多劳力少的国家也投资研发军用人工智能技术，用于预测火箭发射、分析录像片段。以色列国防军（IDF）中的人工智能军事相关性评估小组组长NuritCohenInger中校在2017年说过，对IDF来说，人工智能“会影响军事冲突中的每一步、每一个细小的决定，甚至整场冲突本身”。
有了这些投资，人工智能领域的发展将怎样影响军事组织和战争性质呢？这些技术又将如何扩散呢？
人工智能和战争性质
一定时期的“战争性质”可以这样定义：在现有技术、组织和制度下战斗并取胜的主要方式。可用手段的变化会影响军队作战的组织形式，战争性质也会随之变化。拿破仑时代通过大规模动员鼓励人们投入战争，就是一个非技术发展改变战争性质的例子。
人工智能应用能通过几种方式在宏观上影响战争。最广泛来说，自主系统，或者弱人工智能系统，有潜力提高国家投入战争的速度，这正是人工智能和内燃机的另一个相似之处。即使决策者仍在犹豫是否要用致命武器，机器作战依旧可以大幅提升行动速度。
目前有部分军用人工智能应用正处于研发或讨论中，尽管许多都还在初级阶段。比如，有研究显示，神经网络可以分析图像数据库并对特定图像进行分类（比如一座山），这就使得具体定位更为精准。此外，弱人工智能系统的数据处理能力可以提高数据处理速度，这正是美国军方项目ProjectMaven的目标。投资研发图像识别技术，是为了更快地取得更精准的结果，这个领域很可能会得到持续投资和应用（意外情况、黑客入侵等系统出错的可能暂且抛开不谈）。
图像识别以外其他领域的人工智能应用如果得以成功实现，可能会产生新的运行概念，进而影响军队结构和人员构成，或者军队的组织形式和行动计划。其中的原则可能就是军事行动中大量小型平台的使用，这些平台被称为“集群”（swarms）。私营公司和学术界已经研发出了用于“集群作战”的算法和控制系统。军工级的算法还需要和预警机、有人驾驶飞机、卫星、传感器等其他军事系统协调配合。在战斗环境中部署的集群需要具备实时调整的能力，如果部分损毁，余下的仍要即时优化运行方式，这是商业运用不需要考虑的问题。研发集群算法可能需要用到的方法有行为树和深度学习。
弱人工智能的另一个可能改变战争性质的应用是通过多层算法协调合作来管理复杂行动。这些算法可能是产出行为树的专家系统，也可能由生成对抗网络发展而来。通过这种方式，不同算法相互竞争，在此过程中教会对方如何完成不同的任务。一些算法要用于辅助协调包括人和机器在内的军事资产。在这种情况下，对抗性学习有助于弥补个别战斗中决策的独特性，并在现有训练数据之外学习适应的问题。
通过算法加快运行速度，从而帮助人类指挥官做出最优战斗计划，包括实时指导，这样的技术可能会改变军队人员和结构，特别是海军和空军。自二战后，现代军队经历了一个长达数十年的从重数量到重质量的转型，其背后的逻辑在于，小规模但高质量的军队更有可能在战争中取得胜利。人工智能可以加速这一趋势，颠覆长久以来与军力结构相对应的权威战略，比如通过成本适中的反介入、区域拒止网络(A2/AD)打败对手。
如果以机器速度运行的算法和协调系统变得对战争胜败至关重要，昂贵的高质量平台的实战效果可能并不如协调运行的传感器集群和相对低成本的武器平台。这样，人工智能就能通过大量的机器人系统将数量这一要素重新放到与质量齐平的位置上。但在近中期，人工智能的最优应用还是通过机器学习优化现有平台。
几乎所有政体都有理由为军事目的而发展人工智能应用。对民主国家来说，人工智能可以减轻战争的人口负担并减少士兵承受的风险，远程指挥系统减少了人力使用，更能实现这一点。在专制国家，人本来就不受信任，将军事决策部分交予算法，减少战争中对人的依赖度，这样的能力本身就具有吸引力。
组织政治和人工智能
尽管具体的军事应用还有很多不确定性，上文中提及的人工智能应用于军事领域的例子已经证明，这些应用有可能严重打乱原有的组织结构。比如战斗管理协调系统（无论是不是人机合作）：要想成功运行哪怕是半自主的战斗管理系统，也需要招募新的专业人员，这意味着在征兵、训练和升职等各个方面都会发生改变，以使既懂军队运行又懂特定人工智能系统的人能尽其才。Rosen已经证明，改变军方晋升体制以给予新领域的专业人才以更大的权力，这对于军事创新的采用至关重要，人工智能也不例外。
如上所述，操作层面人工智能系统的运用可以为军队组织和人力使用提供更多选择，因为可以大量使用以机器速度运行的网络系统来替代单一的少量高质量有人驾驶飞机。但实现这样的概念可能会打乱原有的组织形式，进而改变特定军职到军队领导层的晋升路径。这样的情况已经出现在空军组织中了，战斗飞行员一般是空军的主导，因此对无人飞行器的投资更为犹豫。人工智能应用也会挑战根深蒂固的官僚概念，比如数量和质量如何取舍。用最优方式采用弱人工智能技术对先进的军队来说会比较困难，因为这需要受过训练的专业人员来确保人工智能运用的质量和可靠性，保证合理有效运用。
而其他应用，比如美国国防部的ProjectMaven计划，相对容易实行，因为从组织创新的以往资料来看，它们属于可持续的技术。可以快速精准处理无人机图像的自主系统不会扰乱军队高层的职业专长，也不会改变军队服务的运作方式。只有当弱人工智能的最佳利用会导致大国模结构调整的时候，采用此技术的要求才会提高，官僚反对者才会增加。举个例子，X-47B型号无人机是能够在航母上自主起飞和降落的下一代系统，但碍于官僚阻力，美国军方没能投资该系统。这就体现了官僚政治和组织竞争对军方采用创新技术的妨碍作用。
军队或社会的战略或组织文化，或者更具体地说，这些文化对创新的开放程度，也会影响其对人工智能潜在发展的利用。当然说到这里可能会重复提到有关文化的争论，因为除非一个组织已经尝试或者已经采用了一项新技术，我们很难衡量它是否具备采该新技术的能力。但是，EmilyGoldman在关于奥斯曼帝国的著述中提出，要估测一个社会试验并采用人工智能系统的意愿，有必要研究出一套文化开放程度的度量标准。
有趣的是，军队结构规范对于在特定军事任务中人工智能的使用也会产生影响。TheoFarrell研究爱尔兰独立后爱尔兰军队的发展，发现爱尔兰军方经常会效仿更强大的军事力量的功能形式，即使这可能并不适合它。如果把这个发现放到人工智能领域来看，一些军队可能不太会使用需要破坏组织结构的人工智能技术，尤其是当这么做会导致明显的结构变化时，就比如从使用少量先进的有人驾驶飞机到采用成本低、支配自由度更高的飞机集群的概念。
关于组织和战略文化的观点与采纳容量理论基本一致，因为两者都关注创新扰乱组织身份带来的挑战。我们最终得出，大力投资科研的、相对年轻的、对关键任务有广泛认识的军队在文化上更为“开放”，也更能采纳新技术或者将一项创新实行到底。
军用人工智能的扩散：两种情况
弱人工智能在军事领域的应用扩散速度是一个根本问题。要估测一项技术创新的先发优势，进而探究其对均势和战争的影响，就必须先弄清这个问题的答案。采纳容量理论认为，一项新技术的扩散难易程度主要取决于这项技术的单位成本，尤其是物理硬件的成本。
软件和硬件在人工智能设计中缺一不可。这决定了我们如何衡量人工智能的“单位成本”。基于硬件的军事技术往往比基于软件的技术传播得慢，也就给首先采用的国家带来更可持续的优势，特别是当这项技术的单位成本相对较高的时候。比如平顶航母高昂的单位成本就提高了门槛，只有富强的国家才能负担得起。
要说军事平台的话，算法都属于软件。就比如MQ-9Reaper，美国军方采用的一款当代武装无人机。它是一款远程控制机，飞行员在其他地方操控无人机，下达开火打击潜在目标的指令。这种远程控制的无人机和算法控制运行的自主无人机的区别就在于软件。从外观上看，平台都是一样的。
但是，如果从军事角度来看，弱人工智能就是软件系统，它也需要大量的硬件支持。相关硬件成本——特别是弱人工智能的先进应用的成本——可能是极高的。算法越复杂，对计算硬件的要求就越高，因为需要硬件来“训练”算法。因此，商业和学术领域的人工智能研究者需要大量投资以提升运算能力，达到上万亿次浮点运算。这样的硬件要求和坦克、巡航导弹显然是不一样的，但它也同样是硬件。过去十年里人工智能依靠深度学习和神经网络取得飞速发展，也依赖于计算硬件的同步发展。MIT电机工程与计算机科学学院的教授JoelEmer简单明了地说：“很多人工智能领域的成就都是依靠硬件发展才得以实现的。”但是一个算法训练完成之后是不需要依靠那样的计算能力就可以运行的，这时运行已完成的算法所需的计算能力就大大削弱了。
人工智能技术通过同步发明或模仿扩散的速度部分取决于提升计算能力的难易程度。如果像芯片效率逐渐提高、计算成本持续下降，那么拥有先进技术公司的国家会比其他国家更容易研发出人工智能技术。
相反，如果大多数国家的公司没有能力承担复杂算法的硬件成本，技术扩散就只能通过特殊的渠道进行，比如国家层面的交易或双边协定，或者间谍活动（也就是黑客入侵）。这就会减缓大多数人工智能发展的扩散速度，提升创新者的优势。
采纳容量理论要解决的另一个问题是，基于商业技术和基于纯军事研究的军用人工智能，两者的比例如何。尽管目前很难得出答案，但研究这两种情况能够揭示这个答案将如何影响人工智能改变均势和国际竞争结构的方式。
军民两用的人工智能
对未来工作的研究表明，全球人工智能的发展背后有很强的商业驱动因素。2017年麦肯锡全球研究所的一份报告估测，2030年前，大约4亿人（中间值），也就是15%的劳动力将会受到自动化的影响。被大量引用的CarlB.Frey和MichaelA.Osborne所做的研究也估测，美国47%的工作岗位有被自动化替代的风险，这不仅指向蓝领职业，也包括律师、股票交易商和会计师。各行各业的公司都有发展并运用算法的需要。
人工智能的商业利益太高了，以至于有人认为，高商业利益——还有一些有才华的人工智能工程师——阻碍了军用人工智能的发展。此外，商业公司能提供更优厚的薪水和待遇，这意味着军方或许得与民用公司合作来发展人工智能技术。谷歌和美国国防部在ProjectMaven计划的合作就表明，推动商业领域人工智能发展的人才和知识对于军事创新也必不可少。
如果技术进步主要源于民用部门，那么世界各国都可能迅速采用新技术。商业公司自己可以传播技术，其他国家的相关公司也会为了利润迅速模仿。巴西、德国、日本和新加坡的公司可能会成为人工智能领域的领导者，或者至少成为快速跟随者。
人工智能领域的主要研发者关于开放源码的承诺也会提高扩散率。比如在2015年，谷歌公开其人工智能引擎TensorFlow代码。其他承诺开放源码的研究者，为了减少高附加值时算法安全风险，会将他们的成果发表出来，使他们的算法更容易被复制。
尽管先进的人工智能商业应用需要大量的硬件支持和专业技术，采纳容量理论认为，一项技术的商业导向性越强，传播速度就越快。像DeepMind这样的公司现在确实有优势，但这样看来，很快全球就会有更多公司拥有类似的技术。私营主体依靠非政府的市场激励来发展或者复制先进技术，政府也能够更容易地对其施加影响。
那么在军事领域有重要应用的军民两用人工智能会如何影响全球力量呢？如前所述，如果一项技术能相对容易地被获得或复制，那么技术发明者拥有市场优势的时间就会缩短。保持技术领先不是件容易的事。在人工智能和机器人领域，这可能是另一个在军事系统中关注数量的理由。如果人工智能技术的先进性很难持保持，那么较为先进的军队可能会拥有质量相似的技术系统，当然前提是他们都意识到人工智能技术在军事行动中的巨大潜力。这种情况下，国家更有可能再次通过数量来取得优势——弱人工智能技术本身就鼓励数量增长，而这是内在激励以外的另一层原因。
如果军民两用的人工智能对军用人工智能至关重要，那么合理安排军力、训练、制定行动计划以充分运用这些应用的能力将会决定哪些大国能取得人工智能领域的领导地位。1940年的法兰西之战就很好地展示了在最极端状况下，什么才是生死攸关的决定性因素。德军和英法军队双方都有坦克、载重火车、无线电台和可以用作近距空中支援的飞机。而使德军获得巨大优势的是闪电战——一种新的战术可能胜过装备更先进的对手。
现在让我们回到人工智能和太空竞赛的对比。人工智能技术具有商业和军事双重目的，因而更容易扩散，也使得先发优势难以持续，在这方面它和太空竞赛没有什么可比性。太空竞赛是美国和苏联之间的竞争，两国都想送人类进入太空、登月，然后安全返回地球。火箭本身是洲际弹道导弹(ICBMs)研发过程中的产物。太空竞赛在经济领域的溢出部分包括卫星技术发展而产生的GPS技术和其他信息时代的关键促成因素。但总体来说，这场登月竞赛是两国政府为国家目的发起的，而不是为了军民两用的经济效益。
人工智能技术的商业驱动因素和新算法扩散的速度使竞争范围远比两国间的太空竞赛更为广泛。这样的竞争更可能是多国的，全球各个国家和公司都会参与竞争。将之与19世纪末20世纪初的第二次工业革命相比较或许更为合适，法国、德国、英国、日本、美国和其他在钢铁生产、化工、石油、电力和其他行业激烈竞争，争夺霸权。
如果竞争国家能够成为快速跟随者，那么依靠商业发展驱动的军事人工智能应用领先并不会明显影响两国的相对实力。因而商业驱动的人工智能技术发展的意义更多在于创造新领域，改变现存行业性质，以及确保全球经济中领先的公司将总部设在本国。
纯军事人工智能
基于商业发展的AI军事应用之外，另一条路是研发专门军用的人工智能应用。要想复制“排他性”技术，也就是不基于广泛可用的商业技术的那些创新，只能通过间谍活动窃取（就像苏联窃取原子弹技术那样），或者通过观察模仿其原理。很多弱人工智能军事应用具备一些使它们难以被轻易复制的特点，具体如下。
首先，先进军事系统较为复杂，效仿成本高昂且不易成功。尤其是有的时候，很多零部件在商业市场上买不到，这些部件的制造技术被列为国家机密。当然有些顶尖的商业技术有时也会这样高度保密，但这并非常态。即使一些国家拥有先进的商业人工智能技术，大多数国家无法将商业算法用于军事目的，限制了基于人工智能技术的军事能力创新。这也意味着，由于系统整合面临的巨大困难，很多军队不会大量投资相关算法。
尽管特定人工智能技术能否转换为军用技术还存在不确定性，弱人工智能最重要的军事应用——那些可能会极大影响大规模军事行动的应用——可能并没有相对应的民用技术。能够以机器速度协调军事行动的战斗管理算法就不一定有商业原型——即使有位高权重的人监工也难以研发——除了用于自上而下管理工厂或运行系统的人工智能应用。在这些领域，军工级算法的研发需要概念上的突破，其他国家很难快速模仿。
其次，一些军事人工智能应用，比如图像识别技术，确实有对应的商业应用。但即便如此，军工级技术的网络安全指数和可靠度会比民用技术高很多。部署军用人工智能系统时会强化电子战备，额外增加对电邮欺骗和黑客入侵的防备，这在民用技术中会相对薄弱一些。在军事环境中，军方不得不提高安全防护以应对对手的欺诈和入侵行为。
对于拥有强大商业人工智能研发能力的国家来说，针对军用的弱人工智能应用比上一代的隐身技术更容易模仿。但隐身技术是个例外：它比过去数百年里的军事技术更难复制。
迅速采用没有对应商业技术的人工智能应用能为军队带来巨大的先发优势，尤其当这项技术在计算驱动下取得难以复制突破时，先发优势更为明显。这对人工智能领域的竞赛意味着什么呢？如前所说，中国的人工智能战略强调，把人工智能看作国家间的全球竞争，而不仅仅是公司投资的市场，这也是很多国家目前的看法。正如ElsaKania所写，中国人民解放军正在大规模投资人工智能有关的各项计划，中国的国防工业和军事研究机构都在大力投入研发，有时也和私营企业进行合作。
采用纯军事技术也可能给军队带来巨大的组织压力。即使大多数国家很难成为快速跟随者，或者模仿其他军队的先进技术，人工智能领域的大国竞争也可能给那些没有能力快速适应并运用人工智能技术的国家带来风险。通常，世界领先的军事力量面临的风险最大，现在说来也就是美国。领先的军事力量不愿考虑采用具有组织破坏性的新技术，它们也可能忽视这一事实，坚信自己一直处于领先地位，直到他们放弃创新的后果显现出来。
从均势角度来看，这种情况更可能在新兴的强国造成一定混乱，而不会影响更大的军事范围。一些国家无法在人工智能领域取得进步，因此军事竞争主要在当前技术领先的国家中展开，比如美国、中国和俄罗斯。但这些国家也可能会出现重大混乱。如果中国军队比美军更迅速地研发关键算法，用于更大范围的战斗管理，或者更愿意将其投入使用，那它可能会积累起优势，改变亚太地区的力量对比。前提是这些算法都能按最初设计正常运行；所有军用人工智能技术都已经加强防护，不会被黑客入侵或者电子盗用；并且操作者只有在算法和现存人类操控或远程操控系统一样甚至更可靠高效时才使用弱人工智能应用。
尽管本文重点关注了弱人工智能应用，人工智能领域的双边竞争可能是人工通用智能领域最不容忽视的话题。本文并不涉及对人工通用智能的讨论，但只要首创者而非快速跟随者能获得足够的回报，它就会成为一个重要的离散竞争点。比如说，第一个研发人工通用智能技术的国家将能锁定经济或军事领域的领导地位，而其他国家将无法再采用该技术，或者它们的技术达不到同样的水准，这就可能成为竞争的一个离散“端点”。但这看起来是不太可能实现的，技术发展很难如此分立，一国可以在技术上领先，但也不太可能在他国追上来之前利用先发优势巩固领先地位。
结论
无论是机关枪、铁路还是长弓，技术创新都能对力量均势和国际冲突产生一定的影响。但这个影响通常取决于人和组织如何使用这项技术，而非技术本身。现在要说弱人工智能会产生什么样的影响还为时过早，但从目前的技术进步看，一定会产生一些变化。
作为一项“使能”技术，弱人工智能领域的创新不是武器系统，而与电力和内燃机等更为相似，它的影响远不止解决军事优势的具体问题，而能够触及全球的经济和社会。本文阐明，人工智能领域的技术进步能够大规模影响全球均势。无论未来数十年内军民两用的人工智能和纯军事人工智能的组合将会怎样影响现代军队，采用新技术的组织条件是重要因素。世界各国的军队需要设法解决由此产生的新问题：如何改变征兵和晋升政策来赋予懂算法和编程的士兵更多的权力，以及如何调整军力结构以在战场上充分发挥基于人工智能的协调作战能力。
纵观军事史和经济史，我们会发现弱人工智能的影响可能是巨大的，尽管说人工智能引发新的工业革命确实夸大其词了。采纳容量理论显示，需要大规模组织调整并采纳新的运行概念的军事创新更有可能改变相对军力。历史上从密集战到闪电战的军事创新表明，就算美国、中国和俄罗斯在未来十年中人工智能技术水平基本相近，他们的军事力量也会因为使用人工智能技术的方式不同而产生差距。
不管人工智能技术扩散速度如何，主要军事力量很可能要面临人工智能发展和部署的安全困境。在技术扩散较慢的情况下，如果担心对手在难以模仿的技术领域取得领先——而在战场上任何微小的差距都很重要——各国就会加快发展和部署相关技术。而在技术迅速扩散的情况下，竞争性激励依旧存在，因为各国会觉得他们得赶紧跟上。此外，竞争者在人工智能领域的进展本身是很难衡量的（不像航母的建造情况一眼就能看出来），这就会使各国做出潜在对手发展最落后的假设。
人工智能领域的竞争正在进行着。尽管美国和中国看起来最为领先，世界各国都在大力投资人工智能领域。尽管拿太空竞赛来与之类比并不准确，我们还是有必要把人工智能看作一场竞争。这样的框架能帮助人们和组织理解他们身处的这个世界，从如何评估国际威胁到战争的可能轨迹。如果把人工智能领域的竞争与太空竞赛作类比能激励政府层面的积极作为，提高企业和公众意识，那么这个类比对美国来说还是有用的。
从研究角度来看，本文的一个局限在于它只关注了力量均势和国际竞争，而不是人工智能的具体应用。未来研究可以关注人工智能在军事领域的具体应用情况或者其他关键问题。具体应用包括可以自主选择和截获目标的武器系统，这些系统可能会引发人工操纵的伦理和道德问题，以及以“机器速度”展开的战争实务问题。将人工智能技术用于预警系统，其迅速锁定目标的能力可以影响危机稳定性和核武器的使用。在更广泛的安全领域，人工智能将会改变人类安全使命。本文列出了弱人工智能军事应用影响国际竞争和力量均势的初始框架，从而为将来对以上问题的研究奠定了基础。
本文也提出了一系列政策问题。如果把人工智能看作一个国际竞争舞台，就产生了这样一个问题：中国已经出台了人工智能战略，对此美国是否应该制定出自己的一套人工智能战略？2016年奥巴马政府发布了一份人工智能政策路线图，它指出了美国在人工智能领域取得领先地位的重要性，但主要关注了监管政策问题。特朗普总统上台后此领域的政策发展暂时停滞，尽管白宫最近宣布成立一个新的人工智能专家委员会来指导政策出台。
可能有一些人认为，美国有必要和中国一样出台一份正式的人工智能战略。尽管私营领域也有很大的动力发展人工智能技术，但只有政府能协调相关投资，保证特定关键技术的发展，以取得领导地位。
但另一方面，正是美国的自由市场和它与世界经济的联系使美国成为全球创新引擎。更集中计划的经济体制往往和创新相冲突。冷战时期，苏联国防工业基地和军队在完善现有技术和采用新技术方面做得很好，但苏联的集中体制让真正的创新难以实现。
中国在人工智能研究上的投入比美国多得多，中国研究者也比美国同行们写出了更多的相关论文，比如有关深度学习的论文。我们不清楚这些科研成果将如何转变为有形的人工智能新技术。从均势角度看，人工智能最好的发展道路是市场和政府研发并行。在经济领域，中央规划可能会扼杀创新，因此政府应该是基本研究的投资者，而把余下的留给市场来完成。
但是国防部门还是不一样的。对美国来说，国防部有义务清晰地界定哪些人工智能技术最有用，并且确定研发哪些技术，使之从构想变为现实。全球研究人工智能系统的政府机构正如Cummings所写的那样：“这些研发机构都在努力完成从技术研发到实际运行的跨越。”
更广泛地说，如果在21世纪，投资并合理运用AI技术对于军事力量至关重要，那么美国路径就是大杂烩。乐观主义者们看到机构投资将前沿研究运用到美国军队中，此类机构包括国防创新实验单元（DIUx）、战略能力办公室和国防部高级研究计划局(DARPA)。从有关“第三次抵消”和“多域作战”的讨论来看，军方和政府高级领导人也在慎重对待人工智能带来的挑战。
与此同时，大量创新是从军队底层逐渐向上传输的，其中既有技术创新，也有新的运行概念被实践。也许这样的研究以及美国给予资金支持的小型实验性项目在将来能成为美国军事项目的主体，使美国领先并保持军事优势。如果弱人工智能持续发展，高级领导人一定要持续关注新技术的采用。
但悲观主义者看到的可能是政府说辞、小单位层面的实验和实际预算之间的差距。确实有很多关于人工智能和机器人重要性的讨论，高级领导层也一致希望通过合理利用人工智能技术使美军联结更紧密、分布更系统、更具杀伤力。但在美国军方在人工智能领域的实际投资上，这样的语言环境还没有与现实接轨。比如在决定是否投资研发下一代无人机时，美国海军将其现有的计划资金投到MQ-25空中加油平台的研发上，此平台是为F-35这样的有人驾驶飞机提供支持的。MQ-25项目被选中了而一个先进的武器系统没得到资金，这个系统基于X-47B演示者工作，具有在危险的冲突环境中隐形的能力。如果美军在未来数十年中落后了，那么MQ-25这项决定就像煤矿里的金丝雀（俗语，指预警作用）——特别是如果未能采用人工智能和机器人领域的新技术最后被证明是相对军力衰退的关键原因。
但是最终，人工智能对国际政治的影响还是更多地取决于对特定军事项目的选择。美国面临的挑战在于，基于人工智能的发展潮流，校准该以什么样的速度整合弱人工智能应用，无论这些应用是军民两用的还是基于纯军事研究的。中国和其他竞争者的行动使人工智能通用和军事两个领域的竞争都复杂化了，各国似乎都对利用人工智能挑战美国军事优势颇有兴趣。
C2
个人会员：返回搜狐，查看更多
人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年的发展历程划分为以下6个阶段：
一是起步发展期：1956年-20世纪60年代初。人工智能概念在1956年首次被提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：60年代-70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入了低谷。
三是应用发展期：70年代初-80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：80年代中-90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年IBM深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念，这些都是这一时期的标志性事件。
六是蓬勃发展期：2011年-至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器（GraphicsProcessingUnit，简称GPU）等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定领域的人工智能技术（即专用人工智能）由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，因此形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
（三）人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI优先）；微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，全球知名风投调研机构CBInsights报告显示2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
（四）创新生态布局成为人工智能产业发展的战略高地。信息技术（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动AI技术生态的研发布局，全力抢占人工智能相关产业的制高点。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理GPU服务器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，人工智能系统的智能水平即将全面超越人类水平，30年内机器人将统治世界，人类将成为人工智能的奴隶，等等。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的研究集中在深度学习，但是深度学习的局限是需要大量人工干预：人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据（非常费时费力）、用户需要人工适配智能系统等。因此已有科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类AI”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低AI人员成本。
（四）人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来十年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。2018年4月，欧盟委员会计划2018-2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略》重点推动物联网建设和人工智能的应用。世界军事强国已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即提出谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。2018年4月，欧洲25个国家签署了《人工智能合作宣言》，从国家战略合作层面来推动人工智能发展，确保欧洲人工智能研发的竞争力，共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS统计结果，我国在人工智能领域发表的论文数量已居世界第一。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南京大学等高校纷纷成立人工智能学院。2015年开始的中国人工智能大会（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，实现机器在任意现实环境的自主智能和通用智能仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此发展人工智能不能以短期牟利为目的，要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，并务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
（二）加强基础扎实的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。在此发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如军民融合、产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。
另外，我们需要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能将进一步拉大发达国家和发展中国家的生产力发展水平差距。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、咨询会；特斯拉等产业巨头牵头成立OpenAI等机构，旨在以有利于整个人类的方式促进和发展友好的人工智能；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）
全球人工智能竞争加剧，中美谁能领先
本文2021年4月10日发表于东方网，作者为东方智库研究员、东大国际战略智库研究员
中美两国的科技竞争正在全面展开，加速演进。
科技是人类文明的标志，科技是第一生产力。随着人类的不断进步，科技的创新发明乃至科技革命一直都在演进，科技革新为人类创造了巨大的物质财富和精神财富。世界大国的竞争，科技是至关重要的领域，谁能掌握时代的领先科技，谁就走在时代和世界的前列。
全球科技竞争，人工智能首屈一指
在全球新一轮科技革新中，人工智能（AI）已跃升到最前列。美国计算机行业协会（CompTIA）在设计、实施、管理和保护推动世界经济技术创新领域拥有约7500万行业和技术专业精英人士，并通过合作、教育、认证、推广和市场研究，组成了“由知情人士和业界领先组成的全球互联社区”，发现并支持全球的前沿技术，将学习和前沿技术的挖掘发现紧密结合，不断开拓具有前瞻性思维的科技创新。
CompTIA在每年年底都会评选出全球十大最新科技创新排行榜，2019年的排行榜囊括了物联网、人工智能、5G通信、无服务器计算、区块链、机器人技术，生物识别、3D打印、AR/VRAR（增强现实/虚拟现实）和无人机。2020年的排行榜则包括:人工智能、5G通信、物联网、无服务器计算，生物识别技术、AR/VR、区块链、机器人技术、NLP（自然语言处理）和量子计算。仅仅一年时间，人工智能取代物联网成为第一，这反映了全球科技创新的最新趋势和竞争状态。
人工智能演进，寒冬与春天交替
人们对人工智能这个词越来越熟悉。但何为人工智能似乎又很难说清楚。简单说，人工智能就是“人工+智能”两层意思的合成，可以理解为“人工和智能”，抑或“智能性的人工”，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新技术科学。
从理论与实践的起始与演进看，人工智能诞生于20世纪50年代中期，1956年被确立为一门学科，期间曾经历过经费枯竭的两个寒冬，分别在1974-1980年和1987-1993年，但其中也出现了两个大发展的春天，分别在1956-1974年和1993-2005年。
从2006年开始，全球人工智能进入了加速发展的新阶段，它将互联网、移动互联网、计算能力、大数据、智能算法和人工学习、自然语言处理和图像识别等先进技术融合在一起。近年来，人工智能的研究越来越受到各界特别是科技界、产业界、工商界和数字经济界的高度重视，产业界对AI的投资和收购更是如火如荼。
AI潜力无限，前景远大
人工智能确实前景远大，潜力巨大。早在上世纪70年代，人工智能就被认为是与人类空间技术和能源技术相提并论的世界三大尖端技术之一。到了21世纪，人工智能又被认为是新世纪的三大尖端技术之一，与基因工程、纳米科学并驾齐驱。在社会的应用和人们的感知中，人工智能更为突出。
但也必须看到，目前世界上对人工智能的理解还是初步的、肤浅的，今后世界的人工智能究竟会发展到何种程度，也许我们已知的远不如未知的，更大的发展在未来，就如同当年的互联网和移动互联网一样。目前看，北美、亚洲和欧洲的人工智能发展走在世界的前列。2019年底，冯德莱恩出任欧盟委员会主席后，最念兹在兹的就是加快推进欧盟的人工智能研发创新，她为此牵头制定了欧盟人工智能发展白皮书，将人工智能发展战略作为欧盟创新发展的重要抓手和战略方向。
美国的AGFAT(苹果、谷歌、脸书、亚马逊和特斯拉)等高科技巨头，都在加速全面布局人工智能行业，我国许多企业也在不断加大人工智能业务布局和发力。据一些投资公司预测，2030年全球人工智能行业市场规模将近16万亿美元，是全球经济科技中一块诱惑力极大的蛋糕。
人工智能拓展，双刃剑作用凸显
人工智能的应用延展大大加快。除了民用、商用、工业、医疗、教育、交通、媒体和科研等各种创新应用领域外，人工智能在军事和情报领域的应用也越来越普遍。不少国家的情报机构正在使用人工智能工具和技术进行监视、窃听等情报搜集，且人工智能化的机器也日益成为情报的使用者、决策者，以及其他自动化情报行动所打击的目标。有人估计，全球依托人工智能技术获取的情报数据在3年内将至少增加100万倍。在人工智能日益普及和技术日益先进的环境下，人类已经很难有密可保。
人工智能的双刃剑作用日益凸显，也因此带来了诸多困惑与疑虑，引起了很多争议。一是担心人工智能越来越多的应用对人类社会传统伦理道德、管理模式乃至法律法规和各种安全带来的巨大挑战，甚至引发颠覆性的革命及严重后果；二是各国对人工智能的技术和应用该如何及时管理、有效管理，防止失控无序。
人工智能并非万能，无数难题有待破解
在实际应用中，人工智能技术有创新，带来了各种便利和效益，但也应看到其尚不完善。有些人把人工智能说的神乎其神，似乎无所不能，不仅可以替代人类，甚至可以全面超越人类，其实这中间还有无数复杂的技术问题和社会法规与伦理道德衔接等问题没有解决，也很难解决。车辆自动驾驶问题便是其中之一。当下尤其要注意的是所谓的“人工智能万能论”和“人工智能乌托邦”，以及安全上的不负责任。
在军事和安全方面，人工智能系统已引起国际社会高度关注。不少组织和科技界人士强烈呼吁，应在世界范围内禁止开发和应用人工智能武器系统，防止这种不受人类控制即可下令主动杀人的“杀人机器人系统造成人类灾难。从理论上讲，人工智能武器系统可以更快识别对方，缩短做决定的时间，比人类更快作出军事反应，从而提高军事优势地位，但人工智能系统的“设计错误”或“运算错误”和“识别错误”很容易增加军事冲突乃至战争的危险。
美国国防创新委员会在2019年10月31日发布了一份关于人工智能伦理原则的报告，对美国国防部未来如何在战斗和非战斗场景中设计、开发和应用人工智能提出了建议和告诫，报告强调制定“负责、公平、可追踪、可靠和可控”的五大人工智能武器系统使用规则。
在国际商业领域，包括万事达、软银和IBM在内的25家国际领军企业在3月25日呼吁七国集团(G7)成立一个新机构，帮助协调成员国应对从人工智能到网络安全等的一系列问题。更多的人则对人工智能的技术研发和应用所涉个人信息（特别是隐私信息）的保护缺失与滥用，表示深深的忧虑；很多国家呼吁将人工智能的管理上升到全球科技治理的高度，加强这方面的全球治理协作。
中美AI比拼，胜负难决
从全球科技研发和应用看，目前中国和美国已被公认为走在世界人工智能研发应用的前列。但目前究竟是美国先进还是中国先进，很难得出综合性结论，只能说各有长短。人工智能实力的比较，目前国际上并无完整、统一认可的标准，大国的人工智能实力对比主要体现在以下六个方面：
一是人工智能领军人物。人工智能是世界前沿科技，不是人海大战，必须有杰出的人物领衔。施密特被认为是美国人工智能领域的领军人物，他长期来活跃于美国政界和军界，先后为奥巴马、特朗普和拜登行政当局提供与先进科技相关的国防事务咨询。施密特于去年2月辞去了在谷歌母公司Alphabet的所有职务，现专职于美国人工智能国家安全委员会并任主席。我国也有一大批优秀的人工智能科研和产业工作者，但因多方面原因，目前在国际知名度和认可度方面似要低一些。
二是人工智能研究成果。美国斯坦福大学今年3月发布的2021年人工智能指数报告（2021AIIndexReport）显示，在人工智能相关的专业期刊引用率指标方面，中国在2020年以20.7%的微弱优势超过美国的19.8%。从人工智能相关的论文发表数量看，中国在2017年就超过了美国，2020年发表的人工智能论文数量占全球总量的18%。不过，美国仍然保持了国际AI学术会议论文数量的领先地位，并在学术会议论文引用率指标上以40.1%大幅领先于中国的11.8%，后者被认为更能反映一国的人工智能研究国际领先成果和质量。
三是人工智能的开发应用。这方面目前没有具体的统计数据，以后也不大可能有完整准确的统计。从多方面的具体感知看，目前中国的人工智能开发应用数量，包括应用范围、领域和场景等，都超过了美国，因为中国的人口远多于美国，商业、工业和科技创新的活跃度很高。人工智能不可能一蹴而就，而需要在应用实践中不断优化提升，这方面美国远不如中国。如在车辆智能驾驶和商业应用方面，中国多家人工智能企业已大量试验应用人工智能技术，且因应用人数和场景量大丰富等原因，所获取的数据及相关的应用技术的改进完善也优于美国。
四是人工智能创新企业和独角兽企业的数量。目前普遍认为中国的人工智能企业数量要远多于美国，但平均的科研水平、创新能力等未必超过美国，中国的独角兽人工智能企业还不多，国际知名企业更少，一些人工智能企业的相关科研能力和管理水平都有待于提高。在人工智能企业融资方面，与美国同类企业也有不小的差距。
五是人工智能的相应配套技术。人工智能不是孤立的，它必须与相应的高科技软硬件配套。人工智能是最终解决方案，属于一种终端呈现与应用，其上游必须有相应的大数据和大数据技术支撑，其核心部位的计算必须有超算和高精尖半导体芯片支撑，其运营畅通和极速反应必须有至少5G的通信条件和物联网感知技术支持，其下端须有相应的精密仪器设备配套，否则是无法智能化安全运转。目前中国尚不掌握精密半导体材料和生产制造及高精尖芯片的技术和产品，这些卡脖子技术不能尽早攻破，人工智能的发展之路就很难走稳走远走深。
六是人工智能发展的政策支持和经费投入。美国媒体认为，中国对人工智能的重视程度和各种政策支持力度都要大于美国，社会对人工智能的应用容忍度也要高于美国。施密特在美国国会众议院的听证会上强调，美国要保持人工智能领先地位，未来5到7年间每年至少需要增加400亿美元投入。他领导的美国人工智能国家安全委员会的报告建议，美国需要将国防部年度预算的3.4%投入到科技领域，并至少拨款80亿美元用于核心AI的研发。拜登总统3月31日公布了2万亿美元的新投资计划，其中1800亿美元将用于加强美国的基础科研，拜登上任以来已多次强调人工智能的重要性，并表示其政府将大力支持美国人工智能的研发和竞争。
美国自认落后，呼吁仿效中国
微软公司总裁布拉德·史密斯在今年2月的参议院听证会上称，美国在与中国的竞争中面临的最大挑战不是技术研发，而是中国在人工智能等新技术方面实际部署和运用的速度优势。施密特称，中国不仅拉近了与美国的差距，而且中国在面部识别等AI技术方面突飞猛进，领先西方国家“好几代”。他指责中国“缺乏隐私保护”，因此能够建立大规模的人工智能应用数据库，并大力推动了医疗等领域的人工智能发展。
施密特提出，美国“需要在不损害美国核心价值观的情况下解决这些问题”，他提出美国应对中国AI实力的赶超，可效仿中国的“军民融合”做法。施密特估计，美国在人工智能技术方面“比中国领先一到两年，而不是5年、10年”。施密特称，“中国的崛起为我们带来了一个新的竞争对手，一个有能力的竞争对手”。可以预料，下一轮中美两国的人工智能竞争将更加激烈，除了政策和资金支持，国际化的高素质人才将是竞争胜败的关键。
强化国家战略科技力量
强化国家战略科技力量
白春礼
党的十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》（以下简称《建议》），深刻把握当前国内外形势变化和新时期我国经济社会发展对高质量科技供给的迫切需要，坚持目标导向和问题导向相结合，对强化国家战略科技力量作出全面部署，为“十四五”和今后一个时期做好科技创新工作指明了前进方向、提供了行动指南。我们要坚持以习近平新时代中国特色社会主义思想为指导，深入学习领会、全面准确理解强化国家战略科技力量的重要意义、基本要求和重点任务，切实把《建议》的各项重大决策部署落到实处。
一、国家战略科技力量建设取得历史性成就，引领带动我国科技事业整体实现跨越式发展
党中央历来高度重视国家战略科技力量，把建设一支体现国家意志、服务国家需求、代表国家水平的战略科技力量作为科技事业发展的重中之重。党的十八大以来，以习近平同志为核心的党中央把科技创新摆在国家发展全局的核心位置，深入实施创新驱动发展战略，以前所未有的力度强化国家战略科技力量，推动国家创新体系整体效能显著提升，引领带动我国科技创新事业发生历史性变革、取得历史性成就。
整体科技实力显著增强。2019年，我国研发经费支出达到2.21万亿元，研发强度约为2.23%，超过欧盟平均水平。国内发明专利授权量连续多年位居世界首位，通过《专利合作条约》（PCT）途径提交的专利申请量跃居世界首位，国际科技论文和高被引论文数量均位居世界第2位，成为全球科技创新的重要贡献者。在国际上最有影响的几个国家创新能力评价排名中，我国均已处于发展中国家前列，成功跻身创新型国家行列。
重点领域和前沿方向实现重大突破。基础研究整体实力显著提升，化学、材料、物理、工程等学科整体水平进入国际先进行列，在量子信息、铁基超导、中微子、干细胞、脑科学等前沿方向上取得一系列重大原创成果。载人航天与探月、北斗导航、大型客机、载人深潜、国产航母、高速铁路、5G移动通信、超级计算、特高压输变电、第三代核电等一大批战略高技术领域取得重大突破，为培育经济发展新动能、推动产业转型升级、保障国家安全作出重大贡献。此外，科技创新在抗击新冠肺炎疫情、打赢脱贫攻坚战、保障和改善民生、建设美丽中国等方面也发挥了不可替代的重要作用。
创新能力建设成效显著。启动了首批国家实验室建设任务，加快推进重组国家重点实验室体系工作。中科院深入实施“率先行动”计划，高等学校加快推进“双一流”建设，创新能力和国际影响力不断增强。布局建设500米口径球面射电望远镜（FAST）、散裂中子源、P4实验室、上海光源、全超导托卡马克核聚变实验装置等一批国之重器；建设了20个国家科学数据中心、31个国家生物种质与实验材料资源库以及98个国家野外科学观测台站，为我国重大基础前沿研究和高技术发展提供了有力的技术和平台支撑。
嫦娥五号任务作为我国复杂度最高、技术跨度最大的航天系统工程，首次实现了我国地外天体采样返回。图为2020年12月17日凌晨，嫦娥五号返回器携带月球样品，在内蒙古四子王旗预定区域安全着陆。新华社记者连振/摄
科技创新空间布局持续优化。北京、上海、粤港澳大湾区国际科技创新中心建设深入推进，加快构建具有全球影响力的科技创新高地和驱动高质量发展的核心引擎。北京怀柔、上海张江、安徽合肥等综合性国家科学中心建设全面启动。国家自主创新示范区、国家高新区等重点区域创新能力持续提升，引领带动周边区域创新发展水平加速跃升，各具特色、协同发展的区域创新格局正在加快形成。
二、在新的起点上深刻认识强化国家战略科技力量的重大意义
当今世界正经历百年未有之大变局，创新成为影响和改变全球竞争格局的关键变量。我国已转向高质量发展阶段，积极应对各种风险挑战和瓶颈制约，对科技创新提出了更高、更迫切的要求。我国科技发展在进入创新型国家行列的基础上，2035年要进入创新型国家前列，并乘势而上在本世纪中叶建成世界科技强国。要结合国际国内新形势和党中央的新要求新部署，深刻理解强化国家战略科技力量的重大意义。
强化国家战略科技力量，是应对国际经济科技竞争格局深刻调整、把握新一轮科技革命和产业变革机遇的必然选择。一方面，新冠肺炎疫情影响广泛深远，经济全球化遭遇逆流，全球产业链供应链因非经济因素而面临冲击，国际科技交流合作受到阻断，我国经济和科技发展的外部形势更加复杂。另一方面，新一轮科技革命和产业变革加速演进，各学科、各领域间深度交叉融合、广泛扩散渗透，呈现出多点突破、群发性突破的态势。主要国家聚焦可能取得革命性突破的重大创新领域和颠覆性技术方向持续加大投入，力图在新的竞争格局中抢占先机、赢得主动。强化国家战略科技力量，有助于充分发挥多学科、建制化优势，加快在关键核心技术领域取得重大突破，加快抢占科技制高点，加快实现我国科技自立自强发展，将创新主动权、发展主动权牢牢掌握在自己手中；同时更好地代表国家参与国际科技竞争合作，为世界科技发展和进步贡献更多中国智慧、中国力量。
强化国家战略科技力量，是催生新发展动能、支撑经济社会高质量发展的客观要求。创新是引领发展的第一动力，无论是培育新动能、发展新兴产业、改造提升传统产业，还是改善人民生活、保护生态环境、保障国家安全，都离不开科技创新的战略支撑。但要深刻认识到，我国创新能力还不适应高质量发展要求，基础研究和原始创新能力不强，关键领域核心技术受制于人的格局没有从根本上改变。面对国内外环境深刻变化带来的一系列新机遇新挑战，党中央作出加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局的重大战略抉择，而科技创新是构建这一新发展格局的关键。强化国家战略科技力量，有助于更好地发挥社会主义市场经济条件下新型举国体制优势，整合各方面力量开展协同攻关，加快提升自主创新能力，为走出一条更高质量、更有效率、更加公平、更可持续、更为安全的高质量发展道路，实现更多依靠创新驱动的内涵型增长提供更强有力的科技支撑。
强化国家战略科技力量，是优化国家创新体系布局、引领带动科技创新综合实力系统提升的重要抓手。国家战略科技力量是科技创新的“国家队”，代表了国家科技创新的最高水平，是国家创新体系的中坚力量。考察近代以来主要科技强国的发展历程可以发现，培育和发展建制化的国家科研机构、高水平的研究型大学，建立完善支撑科技发展的重要条件平台，组织实施重大科技项目和工程等，在推动国家科技创新能力的快速提升和保持持续竞争优势中发挥了重要作用。在我国当前的发展阶段下，强化国家战略科技力量，让重点机构、重点区域、重点领域率先实现高质量发展，有助于优化国家创新体系整体布局，引领带动国家创新体系中其他主体、其他单元能力的提升，最终实现国家综合科技实力和创新体系整体效能的提升。
三、切实做好强化国家战略科技力量各项任务举措的贯彻落实
我们要以习近平新时代中国特色社会主义思想为指导，按照《建议》的要求和部署，加强前瞻性思考、全局性谋划、战略性布局、整体性推进，全面落实好强化国家战略科技力量的各项任务举措，加快推进创新型国家和科技强国建设，不断开创我国科技事业发展的新局面。
（一）强化顶层设计和系统布局。要制定科技强国行动纲要，在完成科技强国建设“三步走”战略目标第一步、成功进入创新型国家行列的基础上，着眼于科技强国建设总体目标，系统谋划到2035年和2050年的发展思路和重点任务，形成科技强国建设的时间表和路线图，明确科技创新的主攻方向，为加快推进科技强国建设提供有力指导。要进一步完善面向新时期发展需求的国家创新体系总体布局，强化国家战略科技力量与市场主体的统筹协同和融通创新，协同部署产业链和创新链，畅通创新价值链的关键环节，加快推进科技成果转移转化，形成各类创新主体功能互补、良性互动的协同创新新格局，提高创新链整体效能。
（二）组织实施好重大科技任务。组织实施体现国家战略意图的重大科技任务，是优化科技资源配置的重要方式，也是充分发挥社会主义市场经济条件下新型举国体制优势的重要途径。要集中力量打好关键核心技术攻坚战，加大重点领域科技投入力度，采取“揭榜挂帅”等方式，谁能干就让谁干，引导和组织优势力量下大力气解决一批“卡脖子”问题，加快突破基础软硬件、先进材料、核心零部件等方面的瓶颈制约，努力实现关键核心技术自主可控。要着眼长远系统谋划重点领域的重大项目布局，瞄准人工智能、量子科技、集成电路、生命健康、脑科学、生物育种、空天科技、深地深海等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目，超前部署前沿技术和颠覆性技术研发，为解决事关长远发展的“心腹之患”问题提供战略性技术储备。要制定实施战略性科学计划和科学工程，推进科研院所、高校、企业科研力量优化配置和资源共享，构筑面向未来发展的新优势，显著提升我国在相关领域的国际竞争力和影响力。
2020年11月10日8时12分，“奋斗者”号创造了10909米的中国载人深潜新纪录，标志着我国在大深度载人深潜领域达到世界领先水平。图为“奋斗者”号全海深载人潜水器。新华社发杨宁军/摄
（三）加强基础研究、注重原始创新。基础研究是创新的源头活水，是事关我国科技长远发展的根基。要着力优化学科布局和研发布局，加强数学、物理等重点基础学科建设，推动基础学科与应用学科均衡协调发展，鼓励开展跨学科研究，强化不同学科的深度交叉融合，积极开辟新的学科发展方向。要引导广大科研人员树立创新自信，瞄准重大前沿科学问题，在独创独有上下功夫，勇于挑战最前沿的科学问题，在原创发现、原创理论、原创方法上取得重大突破。要完善共性基础技术供给体系，紧紧围绕经济社会发展的重大需求，从中发现重大科学问题，从科学原理、问题、方法上集中进行攻关，积极探索开辟新的技术路线，为解决“卡脖子”问题提供更多源头支撑。
2020年12月4日，中国科学技术大学宣布该校潘建伟等人成功构建76个光子的量子计算原型机“九章”，求解数学算法高斯玻色取样只需200秒。这一突破使我国成为全球第二个实现“量子优越性”的国家。图为光量子干涉实物图。新华社发
（四）强化引领发展的高水平创新主体建设。高水平的创新主体是开展高水平科技创新活动的重要载体，也是科技强国的重要标志。要在明确国家目标和紧迫战略需求的重大领域，在有望引领未来发展的战略制高点，依托最有优势的创新单元，整合全国创新资源，推进国家实验室建设，构建围绕国家使命，依靠跨学科、大协作、高强度支持开展协同创新的研究基地。要加快重组国家重点实验室体系，通过调整整合，做强、做大、做优国家重点实验室，强化多学科交叉融合，提升承担和完成国家重大科技任务的能力。要深入推进事业单位改革，进一步强化国家科研机构的体系化能力和集群化优势，加快推进“双一流”高校建设，提升服务国家战略需求、支撑经济社会高质量发展的能力。
（五）优化国家战略科技力量空间布局。要遵循创新区域高度集聚规律，加快推进北京怀柔、上海张江、安徽合肥等综合性国家科学中心和粤港澳大湾区综合性国家科学中心先行启动区建设，布局建设空间分布上集聚、功能方向上关联的国家重大科技基础设施集群，集聚世界一流人才开展多学科交叉前沿研究，打造重大原始创新策源地，支持北京、上海、粤港澳大湾区加快形成国际科技创新中心，推动京津冀、长三角、珠三角等重点区域率先实现高质量发展。围绕国家重大区域战略布局，推动国家自主创新示范区、高新区等重点区域高质量发展，打造一大批各具特色的区域创新高地，引领带动其他区域加快走上创新驱动发展道路。
（六）夯实支撑科技创新高质量发展的能力基础。科技创新的高质量发展，离不开完善的基础性制度体系和高水平条件平台的支撑保障。要完善国家质量基础设施，加强标准体系建设，提升标准的有效性、先进性和适用性；加强计量测试技术研究，完善国家计量基标准和量值传递与溯源体系；加强检验检测技术、方法和装备研发，提升检验检测认证能力。要深入实施国家知识产权战略，完善重点领域知识产权布局，在关键领域形成一批高价值核心专利，持续提升知识产权创造、运用、保护和管理能力。要加快构建国家科研论文和科技信息高端交流平台，充分利用大数据、人工智能等新技术，促进科研信息数据的高效开放共享和广泛传播利用，全面提升对科研活动的服务保障水平。