人工智能受到全球主要經濟體的廣泛重視，美國等國家將人工智能作為重要戰略利器，不斷強化頂層設計、出臺發展規劃、制定政策措施和部署重點任務。近年來，人工智能大國博弈日趨復雜，行業頭部企業的產業生態之爭進一步加劇，以人才為核心的資源爭奪愈演愈烈。

在此形勢下，我國如何面對中美在人工智能領域的博弈挑戰，以更好地推動人工智能前沿領域的快速、有序發展，這一問題涉及計算機學、政策學、管理學等多學科交叉領域，具有智庫問題的典型特征，需要通過科學的智庫理論方法展開研究。為此，本文利用智庫雙螺旋法對這一問題進行深入分析，以促進對該問題的規律性認識。

人工智能前沿領域，美國重“協作”，中國強“理論”

（一）機理分析：聚焦問題，把握規律。

技術創新領域，美國技術水平不斷提升，開發多種新的模型和算法。

機器學習、計算機視覺技術智能水平不斷提升，2020年谷歌公司的“谷歌大腦”模型對于圖像識別的準確度達90%以上，比2013年模型訓練的速度提高8倍；DeepMind通過Alpha Zero實現完全基于“自我游戲”的學習，沒有涉及實際數據。

持續開發人工智能的新算法和新模型，Open AI發布全球規模最大的預訓練語言模型GPT-3以及人工智能聊天機器人ChatGPT；DeepMind開發的AlphaFold2算法破解蛋白質結構預測難題；Google、Facebook提出全新無監督表征學習算法。

智能芯片制造技術持續提升，IBM公司研發基于7納米晶體管技術的四核加速器芯片；斯坦福大學開發出“存算一體”的神經網絡推理系統；美韓聯合研究團隊開發出將大腦神經元的連接圖復制到3D神經形態芯片上的類腦芯片；賓夕法尼亞大學研發出可直接讀取和處理光信號并實時識別圖像的人工智能光芯片。

我國訓練模型、訓練芯片等取得重要進展。

超大規模預訓練模型、輕量化深度學習技術不斷成熟，促進計算效率顯著提升，華為、北京智源人工智能研究院、中國科學院、阿里巴巴等相繼推出盤古、悟道、M6等超大規模預訓練模型；百度推出的輕量化PaddleOCR模型規模減小至2.8Mb，具有更加緊湊和高效的神經網絡結構。

知識計算逐漸成熟，從以往的感知智能逐漸轉向認知智能，浙江大學、百度、竹間智能、國雙等相繼推出知識計算引擎、知識中臺、知識工程平臺、知識智能平臺等。

訓練芯片加速發展，智能物聯網芯片實現初步探索，寒武紀的思元370、燧原科技的邃思2.0以及百度的昆侖2芯片等相對上一代產品均有3-4倍以上的算力提升；北京大學類腦智能芯片中心推出超低功耗智能物聯網芯片。

產業發展領域，美國人工智能具有完善的產業鏈，自動駕駛領域、廠商實力領先。

建立完整產業鏈，硅谷周邊的企業形成完善的產業鏈條，經過多年的發展在操作系統、開源框架平臺、芯片等軟件和硬件方面處于世界前列。

自動駕駛領域表現突出，據2020全球自動駕駛數據顯示，Waymo（谷歌旗下）、Cruise（美國通用旗下）位列第一、二名。

人工智能廠商實力領先，美國將算法和芯片賦能產業領域以提高產業的競爭力，如谷歌通過“AI+硬件+軟件”形成大量的商業化成果，實力位列世界人工智能廠商之首。

我國人工智能應用規模穩步推進。芯片形成規模化應用，神經網絡芯片（如思必馳、地平線等）在駕駛、語音、安全等方面進行大量應用。

開放平臺初顯效果，人工智能開放平臺（如華為、阿里、百度、騰訊等）已經可以為產業快速發展提供有力支撐。

人工智能應用逐步成熟，我國人工智能技術在教育、安保等行業的應用較為成熟，行業滲透率、產業規模均有所提高。

研究前沿領域，美國重點研發人類與人工智能協作方法、先進人工智能技術。關注需要長期投資的人工智能基礎研究，包括提高系統感知能力、推進基于數據的發現知識方法等。開發人類與人工智能協同工作的方法，包括提高人類機能的技術、尋求人類感知的算法等。研發有利于保障國家安全的人工智能技術，包括感官知覺和識別、安全的人工智能、下一代人工智能等。

我國強化人工智能基礎理論研究與關鍵技術的研發。加強有潛力引領技術升級的基礎研究，包括群體智能、人機混合智能、跨媒體感知計算等。關注引領范式變革的基礎研究，包括量子和腦智能計算、高級機器學習等。關注新一代的共性技術，包括智能計算芯片與系統、虛擬現實智能建模技術等。

（二）影響分析：對標國際，立足國內。

我國人工智能技術創新在算法、硬件、算力、專利上具有以下特點。

在算法方面，我國在語音、圖像等算法的研發方面較為成熟，語言處理、語音識別、視覺上擁有較多公司，如科大訊飛、商湯科技等。

在硬件基礎方面，世界500強超級計算機名單中，我國有超級計算機186臺，美國為123臺。

在算力方面，近年來我國超級計算機的性能逐步提升，與美國超級計算機的性能相比，差距日趨減小。

在專利方面，2020年，我國人工智能專利的年申請數量大幅增加，專利申請總量約為美國的2.58倍；但美國高價值的專利數量具有較高比例，價值超過30萬的專利占比25.4%，遠超我國的3.45%。

相比于美國，我國在人工智能技術創新上仍有如下挑戰。

人工智能技術面臨“卡脖子”難題，目前大多數人工智能算法由美國的Facebook、谷歌、微軟等開創，我國核心算法原始創新成果較少。

人工智能學習框架存在差距，目前機器學習和深度學習框架大多由微軟、谷歌、Meta、亞馬遜等美國企業研發，我國在人工智能學習框架上缺乏領導力。

人工智能芯片仍處于弱勢，英特爾、英偉達等美國公司為先進人工智能芯片的主要制造商，而我國芯片發展時間較短，長期依賴于進口。

人工智能研究機構全球領先的較少，2022年全球擁有最多人工智能TOP2000學者的前20家機構中，美國機構占16家，我國僅占2家，前5名依次為谷歌、Meta、DeepMind、多倫多大學、OpenAI，我國清華大學、阿里巴巴分別排全球第13名和第20名。

我國人工智能產業發展在數據規模、應用服務上具有以下特點。

在數據規模方面，我國世界上擁有最多人口的國家，市場基礎具有優勢，擁有的數據量也位于世界前列，在人工智能產業發展所需的數據量上占據優勢。

在應用服務方面，人工智能領域新的應用場景持續開發，科大訊飛、商湯、曠視等逐漸由最初關注的視覺語音等技術轉向物流、消費等更多領域的應用服務，商湯Sense parrots、曠視天元等服務平臺不斷涌現。

相比于美國，我國在人工智能產業發展上仍有如下挑戰。

與美國的人工智能公司存在一定的差距，2020年，美國獲取金額超過100萬美元的活躍人工智能公司約為我國的5.4倍；2022年全球領先人工智能企業前10名依次為谷歌、微軟、Meta、亞馬遜、IBM、華為、阿里巴巴、英偉達、騰訊、三星，其中美國有六家企業上榜，且前三名均為美國的企業，我國有三家企業上榜。

我國在人工智能軟件產業方面的體量優勢較小，美國人工智能軟件產業體量大、創新等級高，我國在硬件產業具備優勢，但軟件產業的體量較小。

市場規模和創業公司數量較少，從2020年全球人工智能市場的規模分布來看，美國占據57%的市場，而我國僅占12%。2020年4-6月，全球人工智能創業公司的交易額總計約72.3億美元，美國、我國分別占比39.5%、15.5%。

（三）政策分析：著眼當下，關注未來。

我國加強頂層規劃設計，將提升新一代人工智能科技創新能力作為重要目標。我國《新一代人工智能發展規劃》將人工智能首次提升到國家戰略地位，并將其發展規劃具體化：在理論技術、產業應用、人才培養、政策體系方面的要求，如要建立和形成新一代人工智能理論與技術體系，形成國際領先的人工智能產業，核心產業規模超過1萬億元，推動人工智能領域的人才培養，建立并逐步形成完備的人工智能法律法規、倫理規范和政策體系。“十四五”規劃提出新一代人工智能為科技前沿攻關的首要目標領域。《國家新一代人工智能標準體系建設指南》《國家新一代人工智能開放創新平臺建設工作指引》《關于促進人工智能和實體經濟深度融合的指導意見》《新一代人工智能倫理規范》等政策進一步明確人工智能的發展細節，如探索人工智能創新成果應用轉化路徑和方法，鼓勵人工智能細分領域，建立開放、開源平臺，建立人工智能標準體系，將倫理道德融入人工智能全生命周期。 美國將人工智能作為應對挑戰和保護國家安全的重點。加強人工智能研發投資和建立研究基礎設施，加強國防領域中人工智能技術的應用，加強國土安全部對于下一代人工智能技術的利用。美國“兩黨創新法案”及相關戰略將人工智能從原來的技術競爭提高至世界領導權的競爭，并且盡可能保持其在人工智能領域國際上的領先優勢。重點關注有助于安全、可信人工智能算法系統的技術標準制定，先進計算機芯片和硬件的研發，應用人工智能預測供應鏈效率等。

美西方國家相關戰略的實施將進一步限制我國在人工智能領域的國際科技交流合作。將科技企業當作國家資產來保護，充分保護其人工智能芯片知識產權，加大我國了解國際新技術及先進算法的難度，制約我國人工智能領域發展和相關產業升級。

（四）形成方案：深化認知，系統研判。

通過對人工智能技術的發展趨勢、優勢差距、戰略布局進行融合分析，將研究結果最終還原到所研究的智庫問題上，提出以下關于我國人工智能發展的對策建議：一是加強基礎理論研究，推動人工智能領域的前沿原創研究。二是注重科學前沿謀劃，促進人工智能關鍵核心技術的研發。三是完善產業推進政策，實現人工智能應用產業化發展。四是推進人工智能治理體系建設，努力營造有利的國際發展環境。

如何更為科學地為我國人工智能領域的發展提供對策？

（一）解析問題。

根據智庫雙螺旋法，首先按照外循環進行問題“解析”，構建認知框架。從“我國如何推動人工智能前沿領域的快速有序發展”這一智庫問題出發，按照“發展趨勢是什么—優勢差距怎么樣—戰略布局如何”的邏輯，將其分解為三個層層遞進、相互作用的子問題。

回答“發展趨勢是什么”這一問題，需要明確人工智能的前沿發展趨勢，對中美人工智能技術創新情況、產業發展情況、研究前沿情況進行深入分析。

回答“優勢差距怎么樣”這一問題，需要對中美兩國在人工智能領域的優勢進行比較，在此基礎上分析我國人工智能領域面臨的差距。

回答“戰略布局如何”這一問題，需要分析美國在人工智能領域的戰略意圖，梳理我國在人工智能領域的頂層規劃與細節，進而為我國人工智能領域的未來發展提供對策建議。

（二）融合研究。

在解析問題后，按照內循環DIIS和MIPS進行“融合”研究，這一過程需要收集多學科、多領域的知識信息，并且綜合應用各種定量、定性和混合的方法工具，圍繞智庫問題開展交叉融合研究。

（三）還原問題。

在DIIS與MIPS“融合”研究基礎上，將子問題的研究結果經過多輪循環論證后上升為智庫問題的解決方案，形成我國人工智能前沿領域發展的對策建議，最終實現“還原”研究。具體而言，基于推動我國人工智能前沿領域快速有序發展這一目標，識別出人工智能基礎理論研究、人工智能關鍵核心技術研發、人工智能應用產業化發展、人工智能治理體系建設這四個重要方面，針對這四個方面分別提出相應的對策建議。

智庫雙螺旋法為科學決策提供了保障

（一）通過循環迭代、創新升華，提高智庫研究方法知行合一的科學性、有效性。

（二）通過歷史域、現實域、未來域的時空交織，形成與時俱進的智庫問題解決方案。

智庫雙螺旋法提供了貫通歷史、現實、未來的時空域概念，通過對歷史規律、現實情況、未來趨勢的分析，拓寬智庫問題的研究視域。具體在研究過程中，首先是基于歷史的思考，通過對人工智能技術以往相關文獻資料、政策文本的分析，尋找人工智能技術發展的歷史規律，總結發展經驗，為形成有歷史支撐的解決方案提供堅實基礎。其次是基于現實的研究，通過對人工智能技術發展現狀、差距比較分析、政策干預效果的分析，為形成有現實依據的解決方案提供現狀判斷。最后是基于未來的分析，通過對人工智能技術未來的戰略布局、研究前沿的研判，為形成前瞻未來的解決方案提供有力支撐。

（三）通過問題導向、證據導向、科學導向，始終堅持智庫問題研究的正確方向路徑。

通過問題導向，在研究之初即明確圍繞“我國如何推動人工智能前沿領域的快速有序發展”進行研究，進而結合這一問題的特征、涉及的學科領域，抽絲剝繭、層層分解，找出關鍵問題開展研究。通過證據導向，在研究過程中重視通過人工智能領域的相關歷史數據資料、現狀分析信息、前瞻研判觀點來為解決方案提供客觀證據。通過科學導向，在研究過程中選擇合適的方法工具、遴選相應的專家，對人工智能領域的技術前沿、優勢差距、戰略布局進行綜合、系統、科學的研究。