「深度」中美人工智能科技政策比较
人工智能是引领未来的战略性技术，也是全球各国争夺的关键战略重点，世界主要发达国家相继出台相关规划和政策，力图在新一轮国际科技竞争中掌握主导权[1]。中国在2017、2018连续两年的政府工作报告中提到人工智能，美国更是在2019年2月11日的一项行政命令中再次承诺将在人工智能、5G、量子科学以及先进制造业中保持领导地位[2]。作为国家科技实力的象征，人工智能等产业发展有赖于科技政策和机制的进一步规范。
那么人工智能背景下中美两国的科技政策呈现出哪些特点？二者存在哪些异同？如何量化这些结果？未来我国科技政策应如何布局？这一系列问题值得深思。科技政策文本虽然一定程度上反映了这些问题，但每年颁布的科技政策数量庞大，需要对政策文本进行逐条解读编码，工作量大且主观性强[3]。学术界流行的另一种方法是知识图谱法，即通过数据挖掘与数据可视化帮助我们了解“研究者在研究什么”。这种数据挖掘与可视化方法主要利用节点的大小量化地反映研究领域中关键词的重要程度，利用文本聚类反映出各个节点之间的关系，实现通过对核心期刊的研究，有选择的获得更有价值的信息和情报，准确的把握研究领域的重要信息[4]。
本研究聚焦中美科技政策研究热点，依据中美科技政策研究论文的关键词词频及关键词聚类图谱，探索中美科技政策主要关切的问题，并结合中美科技创新相关的政策以及相关机构的研究报告，对中美科技政策进行比较分析，为中国科技创新发展方向和相关领域的学术研究提供参考。
1.研究方法
前期已有学者采用文献计量的方法对我国科技政策进行量化分析，栾春娟等使用CiteSpace数据可视化软件对2007年以前我国科技政策领域相关主题词进行分析，并简要归纳了科技政策研究热点[5]；赵绘存等在此基础上，借助VOSviewer和CiteSpace工具又对接下来的十年，即2007-2017年国际科技政策研究状况进行了可视化分析[6]。本研究以中美两国的科技政策作为主要研究对象，是继两位学者之后的一项连续性、丰富和优化研究。使用CiteSpace文本挖掘与可视化工具作为主要研究工具，同时为了增加图谱的美观性，借助Excel等绘图工具进行了美化，重点探析2017年特朗普执政前后中美两国科技政策研究热点与趋势。
研究的数据来源于2016-2019年CNKI数据库核心期刊论文和WOS数据库核心合集论文。分别以“科技政策”和“Scienceandtechnologypolicy”作为主题词进行检索，剔除无作者的文献后共得到中文文献254篇和国籍为美国作者的英文文献360篇。将CNKI和Webofscience的论文以Download_txt命名保存，并分别导入CiteSpace工具，时区选择为“2016-2019年”，功能选择为“关键词共现”，其他为默认值，点击“GO”开始绘制图谱。具体流程如图1所示。
图1数据挖掘与可视化流程图
2.中美科技政策研究比较分析
2.1研究现状及热点分析
一般来说，关键词很大程度上反映研究的核心，通过关键词词频分布特征可以探测研究主题的领域热点。选择“keyword”作为节点，运行CiteSpace，得到关键词词频，分别对中国和美国科技政策方面研究文献关键词进行统计，保留排名前20的关键词，如图2(a)、图2(b)所示。
(a)
(b)
图2中美科技政策研究关键词统计
通过关键词分布不难看出，“创新”、“科技成果转化”、“环境保护”“基础研究”、“人才”、“机构”是中美两国科技政策研究中共同出现的频次较高的词，因此可以判断在这些方面，两国都投入较多的精力去发展与研究。
总体来看：
CNKI数据库更加偏向于政策体系与政策工具等具体措施的研究[7]。“政策体系”、“政策评估”、“创新绩效”、“科技金融”、“农业科技政策”等与政策体系建设有关，“税收政策”、“科技人才政策”、“知识产权”等与政策工具相关。
而Webofscience数据库关键词反映的内容则更加宏观和长远，例如“Knowledge（知识）”、“Impact（影响）”、“System（系统）”、“Future（未来）”、“Sustainability（可持续）”、“challenge（挑战）”等。
2.2中美科技政策研究共同点
2.2.1创新是第一动力，人才是第一资源
“科技创新”和“Innovation”在CNKI和webofscience数据库中分别出现了46次和80次，是出现频次最高的关键词，其重要性可见一斑。20世纪80年代以来，美国历届政府均重视科技创新与发展，通过各项措施激励企业进行研发，推动经济增长和产业升级。与此同时，创新正在成为推动中国经济高质量发展的新引擎。中国经济正在由高速增长阶段向高质量发展阶段迈进，创新是引领发展的第一动力，需要通过科技创新实现经济转型升级和产业变革从而实现高质量发展。
人才方面，以“科技人才政策”、“Woman”为代表的关键词反映了中美对科技人才的关注。国内，从各省的人才政策中可以看出科技人才在科技创新中的重要性。例如南京、合肥、成都等城市均在2018年落户超10万。2019年以来，多地再次出台或者升级人才政策，求贤若渴的各个地方从人才落户、购房补贴、生活补贴、配套保障等方面激励更多人才流入本地。而美国作为世界第一科技强国，更是通过其良好的科研条件、学术氛围、就业环境、移民法律等不断吸引人才，并充分利用他们的智慧加快美国科技发展。
2.2.2从基础研究到核心技术研发、科技成果转化
“研究与开发”是进行科技创新的重要环节，也是提高企业核心竞争力的关键内容，在产业升级和经济结构调整中发挥着至关重要的作用。“税收政策”、“优惠”、“科技型中小企业”、“基础研究”、“Technology”、“Researchanddevelopment”等反映了研发的重要性与促进研发的手段。中美政府鼓励企业研发的政策主要包括税收优惠、研发拨款、政府引导基金、建设研发平台等。其中，税收优惠体系发展较早，涉及的具体措施种类繁杂，普惠性相对较高，是整个研发支持体系中很重要的一部分[8]。
“基础研究”一词在CNKI数据库中出现了8次，目前我国研发结构不甚合理主要表现为基础研究强度严重偏低，同时，中国基础研究投入的结构性“比例失调”也对中国产业核心技术产生了消极影响，导致科技投入不断增加但产业核心技术能力仍然不高，加强企业基础研究是提升中国产业核心技术创新能力的关键[9]。相比之下，美国在基础研究中始终保持“超级大国”的姿态，基础研究领域，美国政府和企业共同付出努力，一方面国家投资金额巨大，另一方面企业也广泛参与基础研究，企业投资高达25%。
“科技成果转化”、“技术转移”、“Commercialization”等高频词反映了科技成果转化的重要性。近年来，中国虽然在科研上的投入不断增加，论文和专利量也飞速增长，但其科技贡献率与美国相比还存在差距，亟需原创性和突破性成果，科技成果转换率有待提高。可以借鉴美国科技成果转换的成功经验，坚持“科技与生产的紧密结合”，充分发挥政府的主导作用，同时应加强科研院所、企业和高校的合作；此外，通过中介机构体系分析成果转化过程中的一些思路，并有策略性地提供人才、资金等支持，促进科技成果转化。
2.3中美科技政策研究差异
通过CiteSpace文本聚类功能分别绘制中美科技政策研究关键词聚类图谱，如图3所示。
CNKI科技政策研究中排名靠前的5个聚类分别为#0政策工具、#1科技创新、#2科技政策、#3科技创新政策、#4科技型小微企业、#5美国。
Webofscience中主要聚类标签结果为#0STEM、#1evidence-basedmedicine（循证医学）、#2innovation（创新）、#3mitigation（缓解）、#4translation（翻译）、#5riskperception（风险感知）、#6mortality（死亡率）、#7systemsanalysis(系统分析)、#8science（科学）。
图3中美科技政策关键词聚类分析图
根据聚类图并结合中美科技政策研究中关键词出现的频率及特征，可以看出中美科技政策研究热点存在差异，具体表现在以下三个方面。
2.3.1在研究范围上，中国微观且聚焦当下，美国宏观且关注未来
CNKI聚类图谱中前三个聚类#1科技创新、#2科技政策、#3科技创新政策，高频关键词“政策体系”“政策评估”“创新绩效”等都体现了中国学者对科技政策体系，尤其是微观层面的的关注，图4为中国科技概念分析框架[10]。在科技政策评价方面研究较为丰富，李强[11]等将科技政策评价方法可以归纳为社会学方法、统计学方法、经济分析法及文献计量法四大类方法，杨阳[12]等厘清了科技政策法规实施效果评估的定义与作用基础上，结合事实标准与价值标准，建立政策评估的逻辑框架，设计了一套科学、合理、有效的评估体系。与之相对应的美国科技政策相关研究中，“climatechange（气候变化）”、“System（系统）”、“Quality（质量）”“Future（未来）”“Sustainability（可持续）”等关键词更多的是对发展质量与未来的思考，更具全球化视野。
图4中国科技政策概念分析框架
2.3.2在研究内容上，中国注重农业与金融，美国侧重健康与教育
CNKI中“科技金融”和“农业科技政策”体现了中国科技政策中对于农业和金融的重视。科技金融具有创新性、内生性、综合性、动态性和社会性，需要从宏观、中观和微观层面共同考虑，推动科技金融良好发展。农业方面，优化农业发展区域布局，发挥区域的比较优势是现阶段重要任务，提高区域农业科技政策的引导和扶持作用尤为关键[13]。
美国更加关注健康与教育。美国的医疗行业无论是从经济还是从社会角度，都占据重要地位。可以将其医疗服务概况为更好的健康和福祉、更有价值的医疗服务和强化科学研究与技术应用。Education（教育）、Woman（女性）、STEM等涉及教育方面。特朗普自上任以来，大力推动STEM教育。
2.3.3在对外意识上，中国对美国学习为主，美国视中国威胁力量
CNKI中“美国”与“启示”与Webofscience中“Challenge（挑战）”形成鲜明对比。从两国对策角度看，中国科技政策研究中更加关注对美国、欧洲等国际经验的学习与借鉴，美国很大程度上将中国作为威胁。与此同时，2019年2月11日美国签署《美国人工智能倡议》中也提到“美国在人工智能领域的持续领导，对于维护美国的经济和国家安全以及以符合我们国家的价值观、政策和优先事项的方式塑造人工智能的全球演变至关重要。
3.结论与经验启示
3.1研究结论
通过关键词词频统计分析以及聚类分析，发现中美科技政策研究中共同关注的内容包括创新、人才、基础研究、研究与发展和科技成果转化。然而也存在一些差异，从研究范围上，中国微观且聚焦当下，美国宏观且关注未来；在研究内容上，中国科技金融与科技农业研究居多，美国更加关注健康与教育层面；从对外意识形态看，中美关系之间既存在着竞争有存在着合作，在这期间中国更多的是以学习者的姿态向欧美等国家吸取经验，美国则显示出较强的危机意识。
3.2经验启示
科技政策的制定对国家的政治、经济、文化和安全等方面都有深刻的影响。尤其是2017年以来，以人工智能为核心驱动力量的第四次工业革命浪潮席卷全球，国家的科技政策导向将极大影响人工智能领域发展速度，进而带动新一轮科技革命和产业革命。通过对比分析中美科技政策的侧重点，从以下三个方面提出中国科技政策发展中的问题及改善措施。
（1）完善科技创新体系。近年来，我国已经在科技创新领域取得一定成就，但仍存在不足和短板。2018年我国科技进步贡献率达到58.5%，高新技术企业达18万家，已基本形成中国特色科技创新政策体系。为科技体制改革进一步突破，需要做到以下四点：
第一，坚持走自主创新道路，充分发挥集中力量办大事的制度优势，坚决打赢关键核心技术攻坚战。
第二，进一步完善科技资源配置模式，充分利用各类经济资源，提高科技投入产出效率。
第三，改进人才培养和引进模式，打造结构合理、业务精湛的科技创新人才队伍。
第四，实行严格的知识产权保护制度，弘扬科学精神和专业主义,营造良好创新氛围。
（2）进一步提高基础研究资助。21世纪以来，随着科技体制改革的进一步深入，国家对科学研究的导向从比较重视基础研究转向偏向技术和应用科学。虽然国家对基础研究和应用研究的支持都在增长，但对应用研究的支持力度更大，即更多地导向于科技成果转化，导致我国基础研究强度低于最优区间。未来，国家需要对整个创新价值链全链条进行全面布局，整体考虑从基础研究、应用基础研究、应用研究到下游的成果转化，提高基础研究资助在整个资助中的份额和比例。
（3）加强中美科技创新国际合作，抢抓机遇，加快5G和人工智能布局。在最前端高科技发展过程中，中美有一定分工，美国强在基础理论，中国强在应用开发。因此，双方应进行合作。此外，中美在人工智能和5G等领域的大战将会继续下去，我国需要加速推动企业中人工智能的研究水平与研究速度，加快5G商用布局。
中美人工智能领域竞争的现状与未来趋势
0分享至作者：张岸佳，军事科学院军事科学信息研究中心
编者按
人工智能（AI）是许多自主武器和新型平台（如无人机蜂群）的核心技术，可应用于从学术领域到战场的几乎所有场景。为具体分析当前中美在AI领域的竞争状况，本文借助传统制造业的三要素（原料、生产过程、产品）进行类比，并指出目前美国在AI领域处于全面领先的地位，但长远来看中国必然会超越美国。
数据收集
中国在数据收集方面具有很强的结构性优势，拥有1.76亿监控摄像头，预计到2020年将增至6.26亿部。但中国的监控系统对于军事应用的支持较为有限，而半自主和自主的军用车辆需能在GPS数据相对有限和地形测绘较差的地区越野作战。美国在收集卫星图像等类型的数据方面具有优势，拥有373颗地球观测卫星，而中国仅有134颗。
计算能力与人员
超级计算机对AI非常重要，因为AI应用程序需要处理的数据量往往超出了传统计算机的处理能力。目前中美正在这一领域进行激烈竞争。全球排名前十的超级计算机中有5台在美国，2台在中国。然而截至2018年11月，排名前500的超级计算机中，中国拥有227台，美国仅109台。在量子计算领域，中美竞争同样激烈。中国在量子技术领域投资数十亿美元，多项技术打破世界纪录，并正在将量子计算与AI进行整合，将最终带来彻底超越传统计算机的能力，即量子优势。美国在开发新的AI工具和培养最优秀的AI人才方面具有极大优势。在世界上排名前100的大学中，41所在美国，只有3所在中国，大多数高级AI研究人员都在美国。
美国能源部下属橡树岭国家实验室造出一台名为“顶点”的超级计算机，称其运算能力是目前“世界最强大的”。
成果转化
这一领域中美两国的侧重点不同，意味着无法从表面上比较两国的投资与研究成果。中国高度重视内部安全，因此广泛使用AI进行监控。美国虽然也关注AI人脸识别等应用，但重视程度远低于中国。另外，美国在从先进的AI能力到军用产品的转化方面面临挑战，谷歌和微软等推动美国AI创新的主要科技公司均抵制军用AI相关开发工作。而中国公司与政府联系紧密，因此中国不会面临同样的挑战。
投资与规划
中国在整个AI领域的新增投资已超过美国。2017年全球AI投资中，中国占48%，美国占38%。美国对AI的历史总投资虽远超中国，但随着中国的投资持续增长，中国的投资总额必然会超越美国。中国在国家层面具有优势，2017年，中国发布《新一代人工智能发展规划》，计划在2030年引领全球AI发展。相比之下，美国在2019年2月才发布AI发展倡议，且该倡议尚未形成一个全面的国家战略。美国在公司层面具有优势，世界上大多数顶级管理咨询公司都属于美国，如麦肯锡咨询公司和波士顿咨询集团。美国还善于发展创新国防机构，如国防高级研究计划局。
2017年，国务院发布了《新一代人工智能发展规划》
政策建议
①获取更多数据。美国应研究增加可用数据量的方法。如与盟友合作进行数据共享，扩大数据的总量和多样性；研究如何产出人工数据，如用来训练机器学习算法的人造图像数据。②提升研发能力。美国应加强量子计算和新型超级计算机的研究；利用机构创新方面的优势，支持并鼓励类似DARPA的机构和创新公司，开放军事文化，吸引顶尖人才。③改进激励体系。美国应完善AI体系，制定政策支持AI风险投资，增加政府对AI企业的投资与支持；联合大学、公司和政府机构共同推广先进机器人技术。
来源：美国西点军校现代战争研究所网站
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端中美人工智能竞争或将更激烈！
2019年2月，美国总统特朗普签署启动了“美国人工智能倡议”，旨在从国家战略层面调动更多联邦资金和资源投入人工智能(AI)的研发。目前，全球有多个国家把人工智能列入国家战略，其中就包括了中国和美国。KBdesmc
近一年来，中美两国因紧张的经贸关系而备受关注，“美国人工智能倡议”正是公布于中美关系悬而未决的时期。有人认为，人工智能正是让中美经贸关系紧张的因素之一。此背景下，美国加大扶持人工智能的力度，足以彰显其希望在AI竞赛中胜出的决心。KBdesmc
然而，全球AI技术已经发展到了何种程度？中国AI发展现状如何？带着这些疑问，国际电子商情分析师采访了几位人工智能领域专家。KBdesmc
中美人工智能竞争或将更激烈KBdesmc
ImaginationTechnologies视觉及AI部门高级业务拓展总监AndrewGrantKBdesmc
去年12月，中美两国元首在阿根廷首会晤，双方达成共识，停止升级关税等贸易限制措施，包括不再提高现有针对对方的关税税率，以及不对其他商品出台新的加征关税措施。今年3月2日，美国贸易代表办公室宣布，对2018年9月起加征关税的自华进口商品，不提高加征关税税率，继续保持10%，直至另行通知。至此，中美在经贸关系方面的紧张程度暂缓。而2月，特朗普签署“美国人工智能倡议”，这标志着在人工智能上，中美的竞争将更紧张。KBdesmc
“美国人工智能倡议”的签署，将给中国的人工智能产业带来怎样的影响？或许在中美经贸关系刚得到缓解的现在，该话题显得稍微有点“敏锐”，但是ImaginationTechnologies视觉及AI部门高级业务拓展总监AndrewGrant依旧表述了自己的观点。KBdesmc
他表示，人工智能能够帮助人类解决一些重大问题，作为该趋势的信仰者，Imagination欢迎各国重新调整其对人工智能的关注和重视，其中包括美国政府针对人工智能的最新举措。中、英、法等国都针对人工智能颁布了相关文件，大家关注的焦点是：人工智能可帮助哪些领域提高生产力，做出更好的决策，产生更大的经济效益。(编者按：中国2017年7月颁布《新一代人工智能发展规划》、英国2018年4月颁布《人工智能行业新政》、法国2017年3月颁布《国家人工智能战略综合报告》。KBdesmc
Andrew补充说，意识到人工智能所带来的影响对成功至关重要。“虽然人工智能可以提高自动化程度，提升工业生产力，减少浪费并创造经济效益，但是这也许并不能利益均沾。短期内，可能会导致一些特定部门的工作被AI取代，不过从中长期来看，AI带来的终身学习的新机会对教育和劳动力转型而言十分关键，并在未来几十年里都受益匪浅。”KBdesmc
另外，Andrew也认为，美国联邦政府对人工智能关注度的提升对中国AI产业而言并非坏事，将促使中国的AI企业更注重研发。“我们期望该行业能够快速进入良好的竞争格局，这将增加人工智能所针对的应用和场景，从而为所有人创造一个积极的环境。”KBdesmc
中国AI产业的优劣势人工智能核心产业链可大致分为基础层、技术层和应用层三个部分。如果用一个金字塔来形容人工智能的整个组成部分，基础层处于最底端的位置，包括大数据、底层算法和核心处理器芯片，是整个产业的基础；技术层处于中间位置，包括学习能力、判断能力、推理能力、逻辑能力(认知计算)，语音识别、语义理解、图像识别、生物识别(感知计算)；应用层位于最顶端，包括自动驾驶、虚拟助手、机器翻译、智能安防(应用服务)，智能硬件、无人系统、工业机器人、服务机器人(终端设备)。KBdesmc
当前，基础层的进步得以支撑技术及应用层的发展。实际上，目前在全球范围内，这三个层面都在共同进步、共同发展。值得注意的是，中国人工智能的优势主要集中在应用层上，Andrew和WaveComputing大中国区总经理熊大鹏博士都持这样的观点。KBdesmc
KBdesmc
WaveComputing大中国区总经理熊大鹏KBdesmc
Andrew表示，在应用层面上，得益于独创性、相关数据的获取渠道以及总体投资水平，拥有诸多业界领袖的中国已经取得了巨大进步。比如：商汤科技、旷视科技、百度、阿里巴巴和腾讯等领先厂商已经覆盖了不同领域，涉及领域包括从自动驾驶汽车和高级驾驶辅助系统(ADAS)到智能安防监控和购物等。他补充说：“为此，我们也从神经网络加速(NNA)半导体知识产权(IP)的角度看到了探索人工智能设计的兴趣和热情，ImaginationTechnologies为全球提供了开发神经网络加速器的IP。同时，大家也都在创建相关参考平台，例如DeepSpeech和Apollo平台等。总而言之，中国在人工智能领域正在迅速地拥抱新技术和新机遇”KBdesmc
除了优势之外，熊大鹏也讨论了当前我国人工智能的薄弱环节。“算力核心技术的储备相对较弱。”他较为系统地解释，在AI的漫漫征途中，数据始终扮演着核心角色，涵盖了数据生成、传输、算法到数据处理等方面。其中，数据处理是极其重要的一环。“某种程度上说，数据处理能力和成本将和AI产业发展的速度成正比，算力越强、成本越低、AI产业的发展越快。”KBdesmc
当下，数据处理能力，即：算力，存在通用性的问题，业界同仁们也尝试用不同的技术解决不同应用场景的各种神经网络算法模型的数据处理问题。如果不能实现算力等基础技术的通用性，规模效应就难以实现，从而各个应用场景的AI解决方案成本就无法大幅降低。WaveComputing认为，通过技术的创新和发展解决算力架构通用性的问题，是解决AI成本偏高问题的重要维度之一。该公司的数据流驱动(dataflow)架构和相应的、基于软件可动态重构(CGRA)技术的数据流处理器(DPU)芯片，对于不同的网络和算法天然具有很高的通用性。KBdesmc
AI当道……很多人说，人工智能吹响了第四次工业革命的号角，它将在不远的将来重塑许多甚至所有人的工作模式和生活。熊博士认为，当下AI早已经在各个应用领域显露身手，比如智能音箱、智能安防、智慧城市、智能驾驶等垂直领域涌现出的各种解决方案。在未来，AI将会在更多领域、更深层面发挥它的作用。KBdesmc
“尽管人工智能并非是推动第四次工业革命的唯一因素，但它可能是永远与之相关的因素。”Andrew则表示：“我们生活在最有趣、最令人兴奋的时代，您睁开眼就可以看到正在发生的进步。我们需要做的是思考对社会产生的更广泛的影响，我们必须确保人工智能的发展符合道德，个人数据的处理以及恶意行为者不能干扰数据、算法、网络和硬件。”KBdesmc
5G与AI的关系KBdesmc
同样是大家耳熟能详的话题，5G和人工智能都受到了广泛的关注，这两者之间存在着千丝万缕的联系。KBdesmc
据Andrew介绍，神经网络加速正促使应用在城市、汽车、工厂、机器人和视频监控摄像机中的网络边缘设备更加智能化。5G只是将其提升到新阶段的众多技术之一，并与人工智能一样，最能证明其价值的应用仍在开发中。与此同时，我们可以看到改进后的连接可使边缘应用完成更多的工作。KBdesmc
熊博士表示数据的传输是实现AI价值至关重要的一环。随着边缘计算的需求不断增加，比如：自动驾驶对数据传输的要求也极大增加，即要求巨大的数据传输带宽，也要求极小的传输延时。唯有5G可以极大的满足边缘计算设备不断激增的连接需求。连接边缘计算设备实现融合学习，将是AI技术进一步重塑各个垂直领域非常重要的技术节点，但同时也将对现有的数据连接技术提出极大的挑战。KBdesmc
KBdesmc
清楚自身优势所在KBdesmc
在移动设备、智能监控、家庭娱乐、汽车和其它众多行业中，借助边缘端的人工智能，人们正在创建功能更强大、更自主且更易于使用的设备。在边缘网络部署低功耗嵌入式智能、并实现处理性能和灵活性平衡的一个关键挑战是成本和功耗。KBdesmc
Andrew认为Imagination的神经网络加速器(NNA)是其优势所在。这是一种小型化的专用处理器，在相同的芯片面积和功耗预算下，它能以在CPU或GPU上不可能实现的速率执行卷积神经网络(CNN)所需的集中算力。“NNA通常在1至2平方毫米的芯片面积内提供每秒超过一万亿(tera)次的操作，而功耗预算还低于1瓦。为此，Imagination推出了全新的Series3NXNNA系列，该系列经过精心设计，通过提供灵活性和可扩展性以及领先的性能，来推动人工智能在边缘网络市场的大规模应用。”KBdesmc
熊博士介绍，Wave的优势主要集中在其数据流驱动架构(DataflowArchitecture)和软件可动态重构处理器(CGRA)两方面。KBdesmc
“Wave一直致力于解决异步大规模并行计算(CGRA)的问题，这个架构特别适合于AI的深度学习。与传统架构相比，基于数据流的驱动架构为AI计算提供了数量级的性能改进。Wave将旗下的数据流驱动架构和MIPS嵌入式RISC多线程CPU核及IP进行整合，致力于为下一代AI技术的发展提供源动力。”他补充说：“Wave是目前为止唯一将数据流驱动和CGRA芯片架构产品化、商用化的公司。”KBdesmc
然而，在这场注定将旷日持久的竞争中，企业该如何保持优势、不断发扬光大？KBdesmc
熊博士认为，首先要选择正确的技术发展方向，其次持续投入研发以保持技术的先进性，同时紧贴市场和客户需求、潜心打造生态、为客户提供卓越的产品和服务体验。他表示，这是持续保持企业竞争力永远的、也是唯一的选择。KBdesmc
Andrew从投资方面进行了补充。他表示，如果一家企业希望在未来保持竞争优势，那么它应该对现有的人工智能投资呈指数级增长，并将其视为未来的发展之道。整个组织应该参与到引入人工智能的过程之中，并探寻可加以改进和做出相关调整的方法。“这是历史上的一个分水岭，拥有无限机遇。”KBdesmc
AI产业化刚开始，离泡沫化还很远KBdesmc
据研究机构Gartner预估，2018年全球AI产值将达1.2万亿美元，较去年增加70%。另外，预计到2022年，全球AI产值将达3.9万亿美元。巨大的产值带来极大的成长空间，近年来，AI产业遍地开花，诞生许多新企业。截止至2018年年底，全球大概约有3500家AI初创企业。以美国、中国、以色列为主，全球六成AI初创企业集中在这三个国家。KBdesmc
在AI产业如火如荼发展的同时，业界也出现了一些呼吁警惕泡沫化的声音。KBdesmc
熊博士表示，所谓“泡沫”是一种经济失衡现象。放在AI的范畴，说AI“泡沫化”是认为：AI现在所表现的产业价值已超出它的本身价值。“但我们认为AI的产业化发展之路才刚刚开始，它离真正体现‘AI技术的价值’和实现‘AI技术价值大规模普及’的目标还有很长的路要走。在产业化发展初期，通过资本的投入催生各种AI技术的探索和孵化、对不同应用场景AI解决方案的尝试是非常有意义的，这将大大的推进AI技术的发展和成熟进程。”KBdesmc
Andrew认为，目前人工智能行业不存在泡沫。“事实上，我们认为还应该投入更多的资源，增加研究经费和开放思维去实现人工智能。然而，人工智能这一流行语被过度使用，并且经常被许多为了狂追潮流的公司滥用，甚至他们的产品中很少或根本没有实际的人工智能。”他还表示，当术语“人工智能(AI)”变得较少使用，但实际上无论是狭义的还是广义的人工智能变得无所不在时，人工智能才会进入广泛受益阶段。“具有讽刺意味的是，随着技术日益成熟，由于人工智能已经被构建在我们与之互动的一切事物中，它们将变得更加无形和普及。”Andrew说。KBdesmc
本文为《国际电子商情》2019年4月刊杂志文章。KBdesmc
分析丨中美人工智能战略策动路径比较与分析
中美人工智能策动路径的比较
美国内外兼顾，对内布局关键技术领域，对外建立最广泛的民主科技联盟；
中国侧重于内，建立独立自主的AI创新生态体系，打造世界科学中心和创新高地。
美国技术反哺国防，维持军事领先优势；
中国全方位开拓应用场景，促进产业转型升级。
美国一方面对内重点布局基础理论和前沿性技术，着力推进多学科交叉研究，旨在掌握未来主导权。
美国联邦政府将投入4000万美元成立国家技术基金委员会，促进技术转移和标准制定；
投入6亿美元，新建30家人工智能研究院，加强人工智能基础领域研究；
设立人工智能创新个人奖和人工智能研究团队奖，鼓励研究人员进行人工智能前沿领域探索；
投入7000万美元进行国家人工智能研究基础设施建设，开发开放人工智能研究资源。
其主要目的在于：保持对未来卷积神经网络等技术路线的主导权，并在人工智能发展所需的基础理论和下一代人工智能技术突破方面[抢跑道]。
相比之下，在[政策红利+生态闭环]的双轮驱动下，中国人工智能呈现几何级渗透扩散。
与行业应用的燎原之势相比，中国人工智能创新环境、创新要素已经跟不上技术创新的速度和市场扩张的规模。
在应用场景开拓上，在[需求端供给端]共同发力下，推进AI技术赋能交通、医疗、安防、制造、民生等实践场景。
同时，实施AI关键核心技术攻关工程，比如说高端芯片、核心基础零部件及元器件、关键基础软件等领域的研发突破和迭代应用。
中美人工智能产业核心技术生命周期
中国和美国在计算机视觉和自然语言处理领域均处于成长期。
中国计算机视觉技术发展相对活跃，专利大量涌现，创新成果较为丰富。
美国计算机视觉技术由于出现性能更加优越的颠覆性技术以取代旧技术，其技术生命周期拟合出多重S曲线。
在计算机视觉和智适应学习技术领域，中国在萌芽期和成长期均具有显著的技术领先优势，而美国并不具有技术优势。
在数据识别和数字信息的传输略占优势，而美国在电数字数据处理具有一定的技术优势。
在脑机接口技术领域，中美两国在脑机接口子领域萌芽期均表现出较强的技术领先态势。
随其发展至成长期，中国领先优势相对减弱，成长期持续时间亦相对较长。
中国人工智能产业发展潜力的瓶颈
此前，中国人工智能产业的核心竞争力就是算法和数据资源，劣势是以芯片为代表的半导体元件。
从2018年开始，美国陆续收紧中国获得国际先进芯片的能力。
中美两国人工智能领域的竞争，算法主要看设计团队的智慧和灵感，双方没什么差距；
大数据资源中国占据绝对优势；大数据分析技术双方相近；但决定人工智能产品表现的关键要素还包括算力。
计算能力是计算机的核心能力，这也是中美两国在超级计算机领域竞争多年的原因之一。
决定计算能力的关键是芯片。
中国在尖端芯片领域受制于美国，是我们必须面对的客观现实。
无法获得最好的芯片，甚至无法自主生产最好的芯片。这是制约中国人工智能产业发展潜力的瓶颈。
从技术资本层面，最大的限制来自算力、算法、数据。
算力方面，我国的数据中心多面向软件应用环境，比如游戏服务器外包，真正面向AI的算力非常少。
而算力本身是非常昂贵的，模型越大，数据越多，数据训练AI所要消耗的费用就越多，一次集中算力训练需要几百万美元的算力，这是国内AI公司不能负担的。
数据方面，国内数据的质量普遍不高，因为数据本身积累上的问题。
算法方面，我国AI开发者有思维惯性，过度依赖开源内容，对大模型缺乏探索创新。
中国朝着包容、创新的AI生态系统努力
为了缩小这个差距，中国正在从战略高度重视AI发展，瞄准大模型、整合大数据、布局大算力，并实施包容审慎的监管，为新事物的发展留足空间。
国内企业正在努力打破传统的研发模式，寻求通过大数据、大模型和大算力的结合，进一步推动AI技术的发展。
同时，政府也正在积极制定政策，以保障AI技术的健康发展，并为AI带来的新事物发展留足空间。
人工智能部分关键核心技术在举国体制支持下也已取得突破性进展，如语音、图像识别现已跻身世界前列。
围绕提升中国人工智能国际竞争力的迫切需求，根据技术相对取得较大突破、应用场景相对明确以及引起各界较大关注等标准，共筛选出8项人工智能产业核心技术：
计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术。
中国的AI研究已经开始从消费者市场向商业市场转变，这标志着中国AI的成熟和进步。
与此同时，中国还提出了新的立法提案，以规范AI的使用和开发，防止AI技术的滥用。
在AI领域中国具备的独特优势
中国在人工智能领域的优势体现在其庞大的数据资源和技术人才，以及其快速增长的市场。
中国政府在该领域的投入和支持也非常明显，并且对人工智能的重视程度高于其他国家。
中国人工智能的应用处于世界前沿，已深入各个行业且应用场景日益丰富，零售营销、金融、交通、医疗保健、教育、制造业、网络安全等各领域的智能化进程加速推进。
中国具有数据量庞大、人工智能应用场景丰富、需求旺盛等特点，这为人工智能技术的快速发展提供了得天独厚的优势。
当前，中国已进入[万模大战]，很多公司都推出自己的大模型，未来中国不会只有一个大模型。
发展大模型难的不是研发，而是与场景结合，而中国互联网大厂的核心优势是自带场景。
中美技术竞争发生了根本性转变
近几十年来，美国的半导体政策的主旋律是市场驱动和自由放任。
新政策是在CHIPS法案通过后出台的，美国坚定地要保持对全球半导体技术供应链[卡脖子]的技术的控制。
最重要的[卡脖子技术]指的是人工智能芯片设计、电子设计自动化软件、半导体制造设备，以及设备零部件。
新政策中针对半导体价值链的不同环节设计了四个环：
①切断高端芯片的供应，以扼杀中国的人工智能、超级计算产业。
②切断中国获得美国芯片设计软件、半导体制造设备，来阻止中国在国内设计人工智能芯片。
③切断美国制造的半导体制造设备供往中国，来阻止中国制造高端芯片。
④切断美国制造的部件，来阻止中国在国内生产半导体制造设备。
结尾：
美国对华AI和半导体的最新出口管制，标志着中美技术竞争发生了根本性转变。
人工智能必然是全球未来竞争的一个重要赛道，无论多难，中国都需要注重投入人工智能研发。
部分资料参考：科技导报：《中美人工智能产业核心技术生命周期的动态比较与演进路径》，爱科创：《中美人工智能国家战略策动路径比较》，总财：《发展人工智能，中美各有什么[长短板]》，六爷阿旦：《人工智能与中美之争》，数字经济先锋号：《中美人工智能竞争大PK：谁领先？》，红山智云：《中美竞争新前线：人工智能（特别报告）》
本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。
联合国报告：全球人工智能竞争中，中美处于领先地位
【编译/观察者网谷智轩】
1月31日，联合国下属的世界知识产权组织（WIPO）公布了一份研究报告，显示在全球人工智能领域的竞争中，中国和美国处于领先地位。
WIPO研究报告截图
路透社援引报告内容称，美国科技巨头国际商业机器公司（IBM）拥有最大的人工智能专利组合，涉及8920项专利，领先于掌握5930项专利的微软和一些主要由日本科技企业组成的集团。
人工智能专利申请数量排名前20位的学术机构中，中国占了17个，在快速增长的“深度学习”领域尤其强大。“深度学习”是一种机器学习技术，包括语音识别系统等。
“美国和中国显然已经取得了领先。两国在这一领域走在前沿，无论是在应用数量上，还是在科学出版物上。”WIPO总干事弗朗西斯•高锐（FrancisGurry）在当天的新闻发布会上说。
高锐特别指出，中国无疑已经接受了全球知识产权体系，拥有全世界最大的专利局和数量最多的国内专利申请。
“他们（指中国）是知识产权领域的重要参与者。”他补充道。
1月31日，瑞士日内瓦，高锐向记者介绍有关人工智能创新的突破性报告
WIPO的这项研究，分析了国际专利申请、科学出版物、诉讼申请和收购活动，发现自2013年以来，人工智能的专利申请数量与之前半个世纪一样多。人工智能一词在上世纪50年代才出现。
可获得的最新数据显示，2013年至2016年，机器学习领域的专利申请平均每年增长28%。这种增长在很大程度上来自深度学习。深度学习超越了机器人技术，从2013年的118项专利申请激增至2016年的2399项。
最受欢迎的人工智能应用，是用于自动驾驶汽车的计算机视觉，在所有与人工智能相关的专利中，有49%提及了这一技术。
高锐表示，这项研究显示了科技是如何追随科学的，2013年的科技应用热潮，是在科技出版物呈现类似激增的10年后出现的。
不过他同时指出，世界上并没有任何可靠的方法来衡量专利申请的质量，“否则人们就不需要风险投资行业了。”
去年9月，2018世界人工智能大会在上海举行
另据《科技日报》报道，本月早些时候，荷兰信息分析公司爱思唯尔（Elsevier）也就人工智能发布一份研究报告。
报告显示，在全球范围内，人工智能研究在过去五年（2013-2017）以每年接近13%的速度快速增长，中国、美国和印度成为人工智能领域科研产出最多的国家。
此外报告称，2017年中国在人工智能领域出版的文章数量位列全球第一，科研产出已在2004年超过美国，如果保持当前的势头，中国有望在四年内赶超欧洲。
不过，报告也指出中国人工智能发展存在的问题，如国际合作水平低，研究人员的流动性较低等。
中科院自动化研究所研究员、中国科学院大学人工智能技术学院教授孙哲南表示，虽然越来越多重要学术会议在中国召开，中国学术、人才和产业的国际化融合趋势也越来越明显，但我国还是要加大力度进一步融入国际主流学术圈、产业生态和社会媒体，在国际舞台发挥与我国人工智能科技实力和产业规模相称的领导者作用。
本文系观察者网独家稿件，未经授权，不得转载。
人工智能新赛场——中美对比（上）
产业新生
三大因素助推人工智能重获新生
一是深度学习算法突破；二是互联网时代海量数据的爆发，为深度学习带来丰富的“燃料”；三是GPU、FPGA强大的计算能力，以及计算成本的不断下降。
人工智能正循环
人工智能算法的不断优化，助推应用的广泛普及，进而新增海量数据，为进一步优化算法提供新的资源，三者共同形成了人工智能的正循环。
中美“双雄”格局显现
对比全球人工智能领先的美国、中国、英国和日本，在算法、数据和应用等领域，中美已经处于领先地位，特别是在学术研究、高端人才、技术突破、领军企业、创业投资和应用落地等关键环节上，已显现出中美“双雄”的格局。对比人工智能对四个经济体在效益提升上的能力，中美将是巨大的获益方，使两者在2035年还能保持较快的经济增速。
第二部分对弈
发展指数
为了更清晰的对比中美人工智能的发展水平，通过政策梳理、产业调研、数据分析和深度访谈，从人工智能发展的“核心”和“环境”两大类要素入手，提出衡量人工智能发展的指数标准。
发展指数涵盖四项核心要素和四项环境要素
核心要素，是人工智能区别与其他新兴产业的独特性要素，也是人工智能发展的关键性需求。包括：算法、数据、应用、人工智能平台。
环境要素，是支撑人工智能发展的要素，也是各类新兴产业发展过程中共需的支撑要素。包括：政策、人才、投资和创业、研发投入。
发展指数-八大指标
在八大指标下，进一步细分了二级指标，如算法指标，主要从AI技术榜单和国际竞赛成绩两个维度来衡量。
最后根据专家打分，从八大指标维度对两国人工智能的发展水平进行评估。
中美对比
综合来看，美国总体上比中国领先。中国呈快速追赶的态势，且在特定领域开始显现出竞争实力，部分指标与美国站在同一起跑线上。中国拥有全球最多的互联网用户、最活跃的数据生产主体，在数据总量上具有比较优势。中国在计算机视觉、语音识别等领域的算法具备了与美国竞争的实力。此外，中国有更多的人工智能相关专业的大学生，在人才供给上更具潜力。中国具备更快速的商业应用开发能力，让中国未来有机会在应用上走的更快。
算法
启示
◎美国在MIT榜单上总体领先，中国在算法上取得了一些突破，如2016年和2017年，已经有百度、阿里巴巴、中科院、科大讯飞上榜。
◎中国在计算机视觉领域开始显现竞争实力，如海康威视、商汤科技、公安部三所、南京信息工程大学、香港中文大学获得了2016年ILSVRC的五个项目第一。
数据
启示
◎到2030年，中国数据总量占比将有望取代美国，成为全球第一。
◎但是在数据开放、制定数据共享标准等方面，中国仍有一定差距。如果中国政府能更有效地开放数据，将加快赶超美国数据总量的速度,促进更多的人工智能创新应用落地。
◎中国的B端数据不如美国丰富，但在C端数据量上比美国更具优势。
应用
启示
◎美国的人工智能市场更为成熟，产品渗透率更高，但市场增速落后于中国。
◎中国具有更大的C端用户基数，而且B端的制造、交通、金融、医疗等传统行业发展相对落后，借助人工智能实现转型升级的需求更为迫切，市场增长的后劲很足。
人工智能平台
研发投入
启示
◎在企业端：中美两国企业都把人工智能作为未来战略方向，虽然中国企业正在努力追赶，不断提升研发投入占收入的比例，但与美国企业投入的绝对数额相比，差距仍然比较大。
◎在政府端：需要政府加大专项资金支持，尤其是为那些基础性、长期性、高风险性的研发活动或者能够满足特定重大需求的研发活动提供支持。
投资和创业
启示
◎与美国相比，中国在人工智能投资方面差距较大。在投融资规模，布局AI的投资机构数量，投资轮次三个指标的对比上，美国都明显优于中国。
◎中国在全球最值得关注100家人工智能企业中，占据了27个席位，仅次于美国，且具有较大的发展潜力。
政策
启示
◎美国制定了更为全面的战略措施，从资金支持、长短期结合来推动发展。同时，美国在战略层面还提出要探索对法律制定和政府管理的影响。
◎与美国相比，中国缺乏国家层面的人工智能发展战略和研发计划。
◎2017年人工智能首次写入政府工作报告，中国政府对人工智能的关注度在逐步提高。
人才
启示
◎中国在人工智能论文的引用量上领先美国，但研究影响力仍与美国有一定差距。另一方面，华人在人工智能领域的影响力开始显现。
◎美国在人工智能专业化人才总量上，依旧保持领先。在10年以上经验的专家和领军人才上，具有显著优势。
◎根据OECD数据，到2030年，中国25-34岁年龄段的毕业生数量将增加300%，而美国约30%。结合在人工智能相关专业的占比，在新增的人工智能相关领域毕业生供给数量上，中国更具优势。
更多内容请搜索并下载满天星APP返回搜狐，查看更多