加強我國人工智能應用層面的比較優勢

　　近年來，人工智能技術發展迅速，涌現了一些革命性創新。與發達國家相比，在推動人工智能創新和應用的過程中，我國擁有人才潛力、數據規模和豐富的市場應用場景等優勢。但在關鍵硬件、基礎研究和支撐要素等方面，也存在一定差距。這種差距是人工智能發展歷史積累在一定時期內的必然結果，也是特定階段人工智能創新鏈和產業鏈全球化分工不同的反映。當前，通用人工智能的發展還處于起步階段，產業智能化轉型也是一個長期趨勢，應該客觀理性看待這種差距，加強我國在人工智能領域應用層的比較優勢，形成人工智能應用的龐大長尾市場，培育新動能，促進經濟高質量發展。

　　從全球范圍來看，在人工智能知識創新領域，中國、美國和歐盟是主要力量。美國人工智能期刊論文全球占比基本維持在14%左右，被引用量全球占比不足18%;歐盟略低于美國，我國論文總量和被引用量全球占比分別超過30%和27%，均居世界第一位。高質量論文數量方面，美國仍然有領先優勢，但我國已占據世界第二位。電子預印文獻越來越成為新興科技創新知識傳播的流行方式，也是反映不同國家創新活躍度和創新水平的重要指標。2010年，我國發表的人工智能電子預印文獻全球占比不足3%，2021年已上升到16.6%，被引用量全球占比增加到16.4%，呈現量質同步提升的發展態勢。

　　在人工智能的專利創新領域，研究統計顯示，我國人工智能專利申請總量已超過美國躍居世界第一，授權專利和累積量雖仍低于美國，但持續快速提升。美國人工智能授權專利占全球份額已從最高的71%下降到目前的50%左右。我國則從2010年的不足0.5%上升到2021年的16.6%。我國在智能運載等部分領域已具有相對優勢，在深度學習和知識圖譜等部分領域呈現出較大發展潛力。

　　從創新資源來看，美國仍具有人工智能高質量人才優勢，但從近3年發布的人工智能全球最具影響力學者榜單(AI 2000)來看，中國入選的學者數量增速均超過美國。中國在經典AI、語音識別、芯片技術等多數領域人才規模居第2位，在多媒體和物聯網等部分領域人才規模居世界第1位。我國算力規模排在全球第2位，占全球份額為27%，美國為31%。超級計算機和超算算力發展格局與此類似。我國數據規模年均增長超30%，數據規模大、數據標簽成本低，“數據的力量”甚至被認為是我國在人工智能競爭中的重要優勢。

　　從人工智能大模型發展來看，截至2023年底，中國10億參數規模以上的大模型廠商及高校院所共計254家，發布大模型近80個，部分國產大模型已面向市場投入應用。

　　盡管在全球范圍內，我國已經成為人工智能發展的主要力量，但不可否認的是，整體上我國還處于跟隨階段，在關鍵硬件、基礎研究和支撐要素上仍然存在較大差距。

　　從關鍵硬件來看，發展人工智能所需要的全球圖形處理器(GPU)、現場可編程邏輯門陣列(FPGA)和人工智能專用芯片主要是由發達國家控制，其高性能產品占有全球超過80%的市場份額，部分產品完全壟斷全球市場。中國的這類企業多為2010年后成立，發展歷史短，技術積累相對較少，與國際領先水平存在較大差距。在關鍵硬件創新方面，面臨著先進制造生產制造約束等問題。

　　從基礎研究來看，中國創新布局主要集中在機器學習、無人機、智能機器人、語音識別、自動輔助駕駛等人工智能應用領域，發達國家則在處理器和智能芯片、大模型算法和大型平臺等領域有更好的技術積累。在圖像平臺和語音平臺等領域，我國和發達國家均有大量相對成熟且有一定知名度和規模用戶的平臺，但美國在核心關鍵算法和系統基礎軟件等領域起步早，在基礎算法、框架模型和智能云平臺等領域擁有更多開發企業和更強技術實力，其人工智能框架在中國市場份額超過85%。因而，核心關鍵算法和系統基礎軟件仍是制約我國人工智能發展的一大短板。

　　從支撐要素來看，人工智能是典型的資本密集型創新，風險投資對人工智能創新具有重要推動作用。雖然在全球范圍內，我國是人工智能風險投資浪潮的主要推動者之一，但比較而言，發達國家在這一領域投資涉及領域廣，早期天使投資和種子融資多，對起步期人工智能發展促進作用大，且投資全球占比持續上升。我國人工智能風險投資大額交易多，具有更強的交易屬性，不利于創新型小微企業發展。受外部環境因素變化影響，近年我國人工智能風險投資增速呈下降趨勢，差距有所拉大。

　　今后一段時間，人工智能領域的革命性創新仍然有可能出現，在追趕人工智能前沿的過程中，我國與發達國家的發展差距還可能會出現起伏波動，但在推動人工智能創新和應用的過程中，我國在人才潛力、數據規模和豐富的市場應用場景等方面的優勢也在逐步顯現。

　　有研究認為，目前生成式AI應用的最大問題，是需要證明自身的價值，因為目前以基礎大模型為先的應用用戶留存率明顯不夠。當前頭部App消費級公司，第一個月的用戶留存率能達到60%～65%，高的甚至能達85%。生成式AI應用的用戶留存率，中位值只有14%。有研究機構指出，這意味著，用戶還沒有在生成式AI產品中找到足夠價值，能夠每天都使用。因此，如果開發者想要建立起持久的業務，就需要解決用戶留存問題。因此，生成式AI真正的商業價值還在于各種應用場景的發掘。

　　從應用角度來看，發展人工智能主要是要培育發展新質生產力，推動越來越多的行業和企業加快接入人工智能，形成人工智能應用的龐大長尾市場，降低生產成本，提高生產效率，優化生產組織，培育新動能，促進經濟高質量發展。在一般市場中，長尾市場通常為80%左右，但在人工智能應用市場，長尾效應將更加顯著。這種長尾效應還將進一步帶動降低人工智能應用成本，大量應用產生的數據和需求又有利于進一步完善和提升人工智能技術，形成有利于人工智能發展的正反饋循環。盡管發達國家在人工智能的基礎研究和原創領域具有一定的先發優勢，但我國卻已經在應用層優先發力，并在若干應用領域形成了一定的比較優勢，這是我國在人工智能領域應該保持并繼續加強的發力點。

　　人工智能本質是新一代信息通信技術與自然和社會科學等多學科結合的綜合集成創新，是引領新一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應。作為科技創新成果，發展人工智能應該造福全人類，而不應該是限制遏制其他國家發展的手段。各國發展人工智能，都需要開展合作和良性競爭，讓人工智能發展更好造福世界各國人民，避免形成技術壁壘，產生新的“智能鴻溝”。

　　作者：彭緒庶 呂本富，分別系中國社會科學院信息化研究中心主任、中國社會科學院習近平新時代中國特色社會主義思想研究中心特約研究員,中國科學院大學管理學院教授

　　來源：光明日報