来源：社科院工业经济研究所
作者：郭朝先，中国社会科学院工业经济研究所研究员、产业组织研究室主任；
方澳，中国社会科学院大学经济学院
积极参与全球人工智能创新链竞争、夺取创新链优势地位对于我国加快建设创新型国家和世界科技强国具有重要意义。基于已有创新链理论研究，结合人工智能的技术经济特性与产业特点，提出人工智能创新链模型，梳理出知识、技术、产品、服务四大创新环节以及多元、协同、循环、发展四大特性。运用模型结构，分析认为当前全球人工智能创新链基本形成了中美两国主导、东亚北美西欧协同引领的格局。对比其他领先国家，中国当前仍存在诸多不足，包括知识创新缺失理论话语权，技术创新缺乏原创颠覆性，创新支撑链建设不足，产业链供应链创新链失衡等。中国应推进基础理论和关键共性技术协同创新、推动相关产业与人工智能产业链创新链融通发展、提高技术治理能力、吸引高端人才参与、拓展国际合作，不断增强人工智能创新链竞争力。
人工智能是新一轮科技革命和产业变革的重要驱动力量。习近平总书记在中央政治局第三十四次集体学习中强调，以互联网、大数据、云计算、人工智能、区块链等技术为代表的数字经济日益融入经济社会发展各领域全过程，发展速度之快、辐射范围之广、影响程度之深前所未有，正在推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量[1]。以人工智能为代表的新技术革命使得传统的生产函数底层架构出现变化，孕育出新的生产要素与生产流程并不断融入全球产业格局。加快人工智能创新发展，促进人工智能与互联网、大数据等各产业深度融合，发挥人工智能对传统产业赋能作用，是我国建设制造强国、质量强国、网络强国、数字中国的重要路径，对于我国转变经济发展方式、加快建设创新型国家和世界科技强国都具有重要意义。
在新技术革命背景下，产业创新能力越来越受到重视，成为国家竞争力的重要组成部分。本文以人工智能创新链竞争为研究主题，在构建人工智能创新链理论模型基础上，研判全球人工智能创新链竞争态势，分析我国人工智能创新链存在的问题与挑战，最后提出了相应的对策建议。
一、人工智能创新链：理论与模型
数字经济是数字时代国家综合实力的重要体现，是构建现代化经济体系的重要引擎[2]。发展数字经济是把握新一轮科技革命和产业变革新机遇的战略选择。在诸多革命性数字技术中，人工智能以其具有渗透性、协同性、替代性、创新性等技术—经济特征，能够通过核心产业的扩张、融合产业的赋能、潜在关联产业的活化三条路径促进经济实现高质量发展[3]，受到全球主要经济体的广泛重视。各国都把发展人工智能产业作为提升国家竞争力、维护国家安全的重大战略。在人工智能领域，研发创新的意义显得尤为重要。人工智能不仅能作为一种产品或服务参与到经济系统中，更能实现对非ICT资本、劳动等其他生产要素的替代，进而重构生产函数，对经济运行产生变革性作用。
（一）既有创新链研究梳理
创新链的概念最早被用于描述创新活动中不同环节相互关系，包括技术创新过程中的基础研究、技术研发以及产品创新过程中的实际应用和产业化、市场化等环节。一些学者认为创新链的起点在于以基础学科为代表的理论研究领域，并衍生出基础理论创新、研究成果转化及新产品实现的完整链条；另一些学者认为创新链起点在于市场，包括定义市场需求、评估风险、建立工作计划、发展产品、前期测试及商业化生产等节点。管理学与经济学对创新链的定义也有所不同，管理学认为创新链是由基于共同创新导向的各主体依托价值关联而形成的，由创意研发、知识物化、产品成形、市场营销四个环节构成的完整链条；经济学主要采用“创新网络”概念，从产业经济发展战略以及全球创新活动分布的角度研究创新链问题，视角相对宏观，强调不同阶段主导方和创新内容、公共政策的差异性[4]。
代明等（2009）总结创新链形成动因包括：
①获取隐性知识；
②沟通、协作、共享以降低交易费用；
③借助规模经济、资源共享以降低创新成本；
④主体合作夺取技术发展方向决定权[5]。
刘家树等（2016）将创新链定义为始于知识创新投入，以市场占领为最终目的并输出创新绩效的四环链式结构，包括技术创新链、产品创新链、成果转化链、产品销售链[6]。李晓锋（2018）提出产业链、创新链、资金链和服务链“四链”融合建设以提升创新生态系统能级，采用模块化思维界定创新链的内涵[7]。刘家树等（2011）运用省际面板数据，研究了知识来源、知识产出和成果转化绩效三者之间的联系，认为科技人员投入和知识存量促进了知识产出，科技成果转化则由知识产出、成果质量、市场需求、科研取向等的共同影响；信息交流、基础设施、市场环境、产学研协作都对科技成果转化存在显著影响[8]。
当前新一轮技术革命正在全球范围内悄然兴起，生产函数底层架构出现变化，新的生产要素与生产方式正展现出越来越高的重要性。总的来说，学界基本已经普遍意识到中国积极参与全球创新链竞争的重要性与战略意义，并主要结合贸易与研发数据，采用“价值链位置指数”、“产学研合作度”、“创新国家化程度”等中间概念对如何提高中国在全球创新链竞争格局中的地位进行研究，提供可量化、可操作、可调控的政策抓手。刘志彪（2015）较早对中国参与全球创新链竞争进行研究，提出中国在后金融危机时代内外因素作用下，发展动能应从基于全球价值链下的制造业全球化，转为基于全球创新链的服务业全球化[9]。林学军等（2018）提出全球创新链与全球价值链双重螺旋模型，分析创新链与价值链的动态互促关系，阐述改进创新、渐进创新、突破创新对价值链的不同效能，并基于华为的研发投入与销售增长数据进行了理论实践[10]。林学军,官玉霞（2019）进一步规范及扩大了创新链如何对价值链产生影响的实证研究内容[11]。张其仔（2020）基于联合国商品贸易数据对中国2009—2018年全球价值链进行了测算，认为现阶段中国已经形成“创新密集型行业主导、区域生产型和劳动密集型行业为辅”的贸易基本格局，处于全球价值链中间位置。针对疫情造成的创新密集型产业进口端“断链”和出口端“断需”风险，要更高质量嵌入全球创新密集型产业，围绕重点产业，发挥超大规模市场和产业链齐全优势，培育中国竞争新优势[12]。在新技术革命背景下的全球竞争中，只有创新才能创造与巩固一个国家的根本竞争力，做到“人无我有，人有我优”。
虽然学界对于创新链有着不同的理解视角，但对于以产业发展为导向的创新链内涵存在以下共识：创新链基于产业环节存在一系列的创新节点，不同节点的创新主体以产业发展为导向，通过调配与整合链上创新资源，最终实现价值创造与增殖。产业发展在创新链中起到导向作用，创新范围不仅包括科研知识创造、技术与产品成果创新，也包括商业模式、服务功能的改进。创新主体对创新资源进行调配整合，既包括对材料、设备、资金等有形资源的调配，也包括对知识、信息、观念等无形资源的整合。创新主体中，大学及科研机构等是基础知识的主要创新者，企业是科技成果应用与商业化的主要实施者，金融机构或科技中介机构是创新要素的主要调控者。
基于对已有研究的梳理，发现当前创新链理论存在一些不足。首先，现有创新链理论强调大学、研发机构、企业等实际主体参与创新过程，但对这些主体的创新功能定义模糊，对创新主体的协同参与、跨环节参与、跨产业参与等行为重视不足。其次，现有创新链理论对于政策、服务、资金、人才等创新要素的认识还停留在简单作为创新资源参与创新，而对其作为创新基础支撑与创新运转动能在全流程全环节的结构性作用还认识不足。最后，在线性过程、非线性过程、循环过程的三类阶段模式中[13]，现有创新链理论更强调线性、非线性的创新过程，而忽视了创新链的循环过程，对创新链的动态性、发展性认识不足。
（二）人工智能创新链理论模型
当前，学界对于全球人工智能创新链竞争力的研究，主要有技术专利、文献、研发机构、人才、项目等几个抓手，但缺乏系统性。赵蓉英等（2019）从专利引证视角挖掘人工智能核心技术，发现自然语言处理、语音识别、计算机视觉处于基础地位和核心地位，并基于核心专利、竞争对手识别及技术发展趋势，制定了专利布局策略[14]。王雅薇等（2019）基于核心技术、引用网络和专利商业化三个维度分析我国人工智能产业的技术创新路径，认为我国人工智能整体技术创新还处于引入到自主的转型阶段，产业知识网络中心仍为美国和日本，国内人工智能产业主要存在企业间的技术创新合作，未发挥科研机构的创新资源优势，国内创新协同性不高[15]。
针对已有创新链研究特别人工智能创新链研究的不足，结合人工智能的技术经济特性与产业特点，本文提出人工智能创新链理论模型（图1）。
在图1所示的人工智能创新链理论模型中，创新过程按照功能划分为知识创新、技术创新、产品创新、服务创新四个节点，每个节点存在各自的创新主体。
（1）在知识创新节点，创新主体对人工智能理论展开研究：一方面，拓展人工智能技术自身的基础架构，构建完善相关知识网络体系；另一方面，对神经科学、符号、计算、逻辑等支撑人工智能发展的底层基础学科理论进行创新，以支撑人工智能技术更好发展。比如，推动人工智能第三次发展浪潮的深度学习理论，便是在神经网络科学理论基础上创新提出的。
（2）在技术创新节点，创新主体基于前一环节理论的创新，主要实现从理论到人工智能算法、模型的应用开发。当前前沿的算法，包括基因组数据算法、深度学习算法、新一代类脑智能算法、“深度森林”算法等。
（3）在产品创新节点，存在软件与硬件两个方面的创新。硬件包括智能芯片、数据处理器、传感器、电子/光学装备、智能机器人等，其中芯片是人工智能产业最重要的硬件之一，起到承载算法模型与软件应用的功能，现阶段主要包含GPU、FPGA、ASIC类脑芯片等类型。软件产品主要指直接面向消费者使用的简单、闭源操作工具，为使用者提供内嵌的操作媒介。
（4）在服务创新节点，创新主体则为人工智能软硬件产品的消费者提供配套服务，完备的产品生态服务可能比产品更重要。例如智能穿戴设备，单独的设备只能使用有限的功能，而配合特定的软件服务，则可以完成运动记录、健康检测、便携办公、生物识别等一系列功能，还可以与其他智能设备、智能家电甚至是智能汽车关联，形成完整的生活服务智能生态。
在创新链主链之外，政府为人工智能创新链提供政策、服务、资金、人才等创新支撑。政府不直接进入产业市场参与创新活动，但通过构建创新支撑链，从政策、服务、资金、人才等方面对创新链提供重要支撑。在创新过程中，政府承担着创新链布局规划、规则制定、资源调控、成果检验、生态维护、行为监管等功能，要进行必要的宏观调控，引导创新链向更高层级升级，防止市场创新出现垄断与“竞劣”现象。
人工智能不仅存在产业内部横向的创新活动，还与其他不同产业的知识、技术、产品、服务创新环节有着纵向交流。在纵向创新过程中，各个主体充分协调创新资源，进行知识的衍生创新、技术的关联创新、产品的匹配创新、服务的兼容创新，进而构建出产业链创新链全链条的集成、融合创新框架。一方面，人工智能产业主要由大数据和云计算等产业提供支撑；另一方面，人工智能对其他产业进行创新赋能，推动其他产业智能创新发展，如“AI+制造”促进从制造硬件到制造软件的智能升级，提高产品营销和售后服务的精准度；“AI+医疗”整合医疗资源，为诊断、治疗、用药提供精确方案；“AI+教育”改变现有教育方式，释放教师资源，实现个性化学习、针对性学习、激发自主学习；“AI+交通”打造智能交通系统，通过大数据分析优化交通设施以及城市规划，实时监测分析交通情况；“AI+金融”为投资者提供决策参考与配置建议，给金融领域中的服务渠道、风险管理、融资授信带来变革式创新。
人工智能创新链内涵及其结构内生决定了其具有以下特性：
①多元性。首先是创新参与主体的多元性，既包括核心企业、上下游企业、大学科研机构等创新活动主体，也包括政府、金融机构、科技中介机构等不同参与主体；其次是创新资源的多元性，包括人才、资金、专利、设备、观念等；最后是创新链结构的多元性，包括政策链、服务链、资金链、人才链等一系列配套链式架构。
②协同性。多元性内生决定了协同性。创新链主体对某一种或某一类商品进行研发创新的过程涉及到包括需求分析、技术解构、服务演化在内的一系列新知识积累，只有当这些新知识与其他创新资源在各主体间充分流动，各主体就创新行为达成协同，才能有效实现创新。大数据、云计算等上游产业以及一批下游赋能产业与人工智能创新链之间同样需要各主体充分协调，构建完整有效的集成创新框架。
③循环性。创新产品进入市场后，市场对产品、服务提出新的需求，使用、体验产生的应用数据与理念反馈重新进入创新节点，作为一种新的创新要素促进理论研究与技术更迭。关于创新链起点在研发部门还是市场的争论在循环创新链模型中得到了统一。
④发展性。循环性内涵着发展性。创新资源的循环流动意味着创新链是一个不断发展的动态架构，随着创新主体的不断增多，创新范围与产业领域持续扩张，创新资源进一步发挥溢出效应，创新链地位进一步巩固，开放、包容、协同创新得到高质量发展。
二、全球人工智能创新链竞争态势
本部分基于人工智能创新链模型对知识创新、技术创新、产品创新、服务创新四大创新节点进行逐一分析，并对重点国家的领先优势进行研究，提供兼具全球视野与国家视野的创新链格局分析。需要说明的是，当前许多学术机构与政府部门对人工智能创新发展情况进行研究，并以报告形式公布了研究成果，这些报告基于指标框架测度了世界人工智能创新发展情况，对创新链格局研究提供了支持，本文也进行了适当参照。
（一）东亚初步形成知识创新高地，北美依旧掌握理论话语权
知识创新主体主要包括大学科研机构以及企业研发部门，一方面构建完善人工智能理论知识网络体系，另一方面对神经科学、符号、计算、逻辑等底层基础学科理论进行创新。在这一创新节点上，顶尖学者数量起到了关键作用。根据中国人工智能学会的统计，入选AI2000榜单的2000位人工智能高层次学者中，美国拥有1244人次，占比62.2%，是中国数量的6倍以上。中国拥有196名人工智能高层次学者，地区分布上北京以79位居首，香港、杭州分别以36、22居于二、三位。全球人工智能高层次学者量TOP10机构中，谷歌公司以185人位居首位，清华大学以27位排名第十，其余均为美国机构，包括微软、伯克利大学等。欧洲拥有超过300名人工智能高层次人才，其中德国113名、英国80名、法国24名、意大利22名。顶级人才与美国交流频繁，包括Yann LeCun、Judea Pearl和Silvio Micali等欧洲教育背景的学者均到美国任职并在美国获得图灵奖[16]。
根据斯坦福大学《人工智能指数2021》数据显示，中国人工智能出版物总数在2017年超越欧盟成为世界第一，在2020年贡献了全球22.4%的出版物数量。在期刊发表文献数量上，中国2017年超越美国成为世界第一，2020年全球占比达到18%。2020年中国期刊论文引用次数首次超过美国，全球占比20.7%。就整个东亚地区而言，出版物总数与期刊发表文献数在2020年分别达到36.9%与26.7%，以中国为代表的东亚地区已初步形成人工智能知识创新高地。
然而，在更能体现人工智能重点研发方向与赛道规则制定权的会议出版文献数量上，以美国为代表的北美地区依旧牢牢把握着理论创新话语权。2020年，美国会议出版文献数全球占比19.4%，中国则为15.2%，会议出版文献引用情况美国占比达到40.1%，中国仅为11.8%。arXiv出版文献数据反映了近几年研究热点与创新传播情况，美国出版数达到11280篇，全球占比32.5%，是中国数据（5440篇、15.7%）的两倍[17]。
人工智能知识创新情况
注：同行评审人工智能出版物与会议出版文献统计到2019年，期刊与arXiv出版文献统计到2020年，其中arXiv文献数据2015年开始统计。
根据AMiner平台数据，过去十年全球近四成人工智能领域论文产出来自美国，在几乎所有子领域的论文产出量均居于全球首位，其人工智能学者数量约占全球31.6%，发布高水平论文33255篇，科研产出优势明显。中国在过去十年共发表人工智能领域的论文25418篇，高水平论文22686篇，拥有领域人才17368位，大幅领先除美国之外的其他国家。细分领域上，中国在自然语言处理、芯片技术、机器学习、信息检索与挖掘等多个子领域紧随美国之后，在多媒体、物联网领域的论文产出量居于全球第一，而在人机交互、知识工程、计算理论领域，中国还需努力追赶[16]。
（二）中美两国专利量居世界前列，共同引领全球人工智能技术创新
人工智能技术创新主体基于知识创新环节的理论创新，实现从理论框架到算法、模型的应用开发。《人工智能发展报告（2011-2020）》认为人工智能未来重点发展的技术方向包括：强化学习、神经形态硬件、知识图谱、智能机器人、可解释性AI、数字伦理、知识指导的自然语言处理等[16]。
在人工智能技术创新节点，全球已经基本形成中美两国共同引领的创新格局。在中国科学技术信息研究所发布的《2020全球人工智能创新指数报告》中，美国、中国、韩国、加拿大、德国得分分别为66.31、50.60、46.49、45.70、44.85，中美两国位于前两名，且与其他国家拉开了一定差距。在技术创新节点上，大数据、云计算等基础技术发挥了重要支撑作用，提高了算法开发与模型训练效率，节约了大量创新成本。中美分别在算力与数据上具备领先优势，美国数据中心保有率遥遥领先其他国家，中国则在算力方面具备领先优势，500强超算中心数量全球最多，是第二名美国的两倍[18]。
据统计，2010-2019年全球人工智能专利申请量521264件，其中中国申请量为389571件，居世界第一，占全球总量的74.7%。美国排名第二，申请量为47260件，占比9.06%。2010-2021年2月，全球累计人工智能专利授权量达17.8万件，中国占比43%位居首位，美国占比33%排在第二[16]。中国的人工智能专利申请数与授权量均达到世界第一的水平，但中国的技术创新主要集中在已有技术优化和工程实现上，颠覆性和阶跃性技术创新相对缺乏，相比之下美国则在颠覆性和阶跃性技术创新拥有较大领先优势。中国在视觉、语音、自然语言处理等基础应用任务的算法开发上技术完成度高、处理能力强、迭代速度快，多所企业与高校在全球权威比赛中成绩优异。但在核心算法、高端芯片等方面的原始创新成果较少，关键设备、重大产品与系统、基础材料等方面与发达国家差距较大，科研机构和企业尚未形成具有国际影响力的生态圈和产业链。
（三）美中欧日主导全球产品创新，近年来中国产业优势有所衰退
产品创新节点上，市场上的人工智能企业承接技术创新成果，同时根据市场反馈的改进需求，提供更好的人工智能产品。硬件产品方面，人工智能硬件产品包括智能芯片、数据处理器、传感器、电子/光学装备、智能机器人等。软件产品主要指直接面向消费者使用的简单、闭源操作工具。根据麦肯锡的预测，到2030年全球将有70%的行业企业使用人工智能技术，全球人工智能软硬件产业附加值增量规模预计达到13万亿美元[19]。
全球价值链位置指数表明了一个国家在产业价值链上是处于上游研发创新位置，还是下游承接制造位置。测算结果（表2）显示，全球人工智能软硬件产业创新总体上由美国、中国、欧盟、日本主导。美国人工智能软件产业具有巨大体量优势，同时处于较高的创新等级，基本把持了人工智能软件产业话语权。依赖度测算结果（图2、图3）显示，中国在过去十年实现了对日本创新地位的超越，同时对其他领先国家的依赖水平降低，在硬件产业同时具备创新与贸易优势，但人工智能软件产业体量弱小。欧盟正在丧失人工智能软硬件产业创新优势，软件产业依赖美国、东盟，电子产业则依赖中国、美国，且依赖水平有进一步拉大的趋势。日本仍然维持在人工智能软硬件产业创新链的头部地位，但出现了对其他国家（尤其是中国）依赖度的上升，2014年后贸易优势也落至较低水平。
人工智能软硬件产业指标测算结果
价值链依赖度情况
价值链依赖度情况
正如技术创新离不开基础技术支持，产品创新同样离不开整体产业的体量支撑。电子信息制造与服务产业的贸易竞争力指数与显示性比较优势测算结果（表2）显示，中国人工智能软硬件都处于贸易优势状态，但优势都很微弱。近年来，随着美国不断刻意制造打压中国企业的事情，我国人工智能产业支撑优势进一步被削弱。2015年以后，我国电子设备贸易竞争力指数出现下滑，贸易优势弱于韩国；显示性比较优势在2013年达到2.1的相对高值后也回落到1.8~1.9区间。2020年电子设备贸易规模进出口额分别达到5500亿、7100亿美元。中国2017年计算信息服务业竞争指数大幅下滑至0.16，2018年进一步降至0.12，弱于印度、韩国、加拿大；显示性比较优势2014年达到1以上后，比较优势维持稳定。2018年计算信息服务业进出口额分别为235亿、300亿美元，规模远小于印度与欧盟。
（四）各国积极推动应用服务创新，科技巨头垄断产品生态趋势加剧
人工智能的服务创新主要在于人工智能企业根据产品要求与市场需求创新开发综合服务，为软硬件产品消费者提供完整配套的应用生态。目前，中国已在多个领域形成全球智能应用服务的创新引领作用，并不断挖掘新的应用场景。人工智能技术服务企业的变化尤为凸显，如旷视、商汤、科大讯飞等企业将重心从视觉语音等技术转移至社会治理、供应链物流、生活消费等服务领域的软硬件解决方案，催生出旷视天元、商汤Sense parrots等开发框架和基础技术服务平台。云从推出“云从起云智慧Ma11”运营平台，聚焦新零售领域帮助商业地产拥有者进行决策，实现精细化运营。
全球产品生态服务创新正加速形成科技巨头垄断化趋势。各大巨头依托技术、资本、数据资产等优势，自主研发和兼并收购共同发力，增强垄断势力。技术方面，模型与参数趋于复杂，算力门槛与训练成本让中小企业难以承担，如2020年Open AI的GPT-3模型训练费用高达1200万美元；资本方面，2020年全球AI融资总额679亿美元，融资轮次后移趋势不断扩大，资本实力重要性更加突出[17]；数据资产方面，“数据→模型→产品→用户→数据”的循环使数据向头部企业聚集，数据资产出现垄断态势。具有数据资产优势的互联网企业如谷歌、百度等，全面布局人工智能行业；基于应用场景的互联网企业，如脸书、苹果、亚马逊、阿里巴巴、腾讯等，将人工智能与自身业务深度结合，不断提升产品功能和用户体验；传统科技巨头企业，如IBM、英特尔、微软、甲骨文等，面向企业级用户搭建智能平台系统。
三、当前中国人工智能创新链存在的问题与挑战
当前全球人工智能创新链基本形成了中美两国主导、东亚北美西欧协同引领的格局。但对比其他领先国家，中国当前仍存在许多不足，在知识创新、技术创新、产品创新、服务创新四大创新节点上均存在不同问题，在创新资源流通、创新支撑链建设、国际合作创新等方面也存在不足。
（一）知识创新缺失理论话语权，缺乏原创性颠覆性技术创新
中国长期以来在现代基础学科理论创新方面落后于欧美发达国家，数学、物理和神经科学建设滞后，缺乏基础性创造性贡献，高质量开源代码少。在一些反映行业标准话语权与综合创新影响力的数据上，如arXiv平台论文数、会议文献引用率等，中国的表现远远弱于美国，反映出中国还未掌握人工智能热点发展方向决定权，技术标准、数据标准长期对标国际，国内研发重心长期跟随国际，缺失领域研发话语权的问题。中国在视觉、语音、自然语言处理等基础应用任务的算法开发上表现优异，但在基础理论开发、模型原创或技术优化方面，中国缺失领导力。以算法模型为例，当前我国人工智能算法技术的发展着重于对业内主流算法模型的吸收改造与产业化应用，原创性算法模型较少。国外人工智能头部企业则加紧构建开源开发框架生态，正试图形成应用接口和硬件适配的双向主导权。如果我国企业继续沿着他国巨头企业的算法模型进行二次优化方向继续前进，存在“套牢”“锁定”的风险，长久下去，必然被他国企业所“钳制”。
（二）产业链供应链创新链失衡，且面临国际垄断巨头压制的风险
中国人工智能创新链与产业链供应链存在滞后性失衡现象。在国际上表现为对外依赖程度高，在国内则表现为创新链发展不平衡[20]。价值链依赖度指数的测算结果表明，中国虽然在软硬件产业同时降低了对其他领先国家的依赖程度，但依赖水平仍然高于其他领先国家。较高的产业依赖度危害了软硬件产品创新的产业基础。近年来，中国人工智能硬件产业贸易竞争力指数下滑到0.13~0.15区间波动，显示性比较优势指数也从2.1的相对高值后回落到1.8~1.9。软件产业显示性比较优势较为稳定，贸易竞争力指数2017年大幅下滑至0.16，2018年进一步降至0.12[根据2009~2020年TiVA附加值贸易框架数据库与联合国HS商品贸易数据库、EBOPS服务贸易数据库测算。]。国内创新链发展不平衡现象严重，在城市群、都市圈尺度上，高端创新要素过度向首位城市倾斜。企业是国际竞争的主体，当前谷歌、微软、脸书等科技巨头依托人才、技术、资本、数据资产优势，自主研发和兼并收购共同发力，增强垄断势力。中国人工智能企业在全球竞争中全方位面临国际垄断巨头压制的风险。
（三）产学研主体创新资源流通不畅，市场创新活力相对不足
人工智能创新链上包括上下游企业、科研机构等直接创新主体，以及政府、金融、科技中介等间接参与主体。各个主体基于市场需求，对商品进行需求分析、技术解构、服务演化，各主体创新行为达成整体协同，才能有效满足市场。有学者对中国知识来源、知识产出、科技成果转化等环节展开研究，并指出创新链各主体协同水平较为薄弱。Elsevier/Scopus的数据显示，2015~2019年中国在人工智能领域产学合作、合著出版物数量近3700篇，不足美国的一半（超7900篇），也少于欧盟（超3900篇）。在高产学研合作水平国家中，中国的引文影响力弱于美国、欧盟，与日本持平。在产学研主体协作受阻情况下，人才、资金、技术、设备等创新资源也无法有效流通，创新效益大打折扣。创新主体协作受阻背后，是缺乏创新链参与动力，即缺乏市场化激励，市场活力释放不足。根据统计，中国2019同行评审人工智能出版物超27800篇，其中学术机构出版超26600篇，占比95.4%，政府出版4352篇，占比15.6%，企业仅1678篇，占比6.0%。相比之下，美国企业出版达到3513篇，占比达19.2%[17]。与美国相比，中国人工智能的企业参与知识、技术创新的研发动力严重不足。
（四）政策链、服务链、资金链、人才链等创新支撑链有待健全
世界各国和全人类都面临人工智能技术引发的安全、文化和伦理问题，中国也不例外。其通用目的性、算法黑箱性、数据依赖性等技术特性使得风险更为普遍、过程更难解释、结果更不可控，亟待政府出台政策规范和治理制度。《2020全球人工智能创新指数报告》指出创新环境与资源是中国人工智能创新的最薄弱环节，国家研发投入、政策规划、社会治理方面处于中等水平，顶级学者参与率和高水平人工智能专业课开设情况较差。斯坦福大学《人工智能指数2021》指出，中国拥有的人工智能高层次学者数量虽然达到全球第二，但只与一家谷歌公司（185名）相当，不足美国的五分之一。AI技能相对普及率上，中国是全球平均水平的1.40倍，落后于印度的2.83倍和美国的1.99倍[17]。人力资源和社会保障部报告目前我国人工智能人才缺口超过500万，国内的供求比例为1∶10，供需比例严重失衡[21]。近年来，我国各级政府和社会资金都投入了大量资金以支持人工智能研发，2018年私人投资额异常高，随后又迅速萎缩，资金支持的盲目性和不连续性，也影响人工智能创新链的发展。
（五）全球创新成果共享受阻，国际合作创新水平亟待提高
过去十年，美国与中国合作的AI高水平论文数量占比为18.53%，中国与美国合作的论文数量占比为27.16%，中美两国是彼此人工智能领域重要的创新伙伴，两国合作论文影响力明显高于各自单独的影响力[16]。然而自美国确立对华对立政策以来，以芯片为代表的一些领域创新合作活动受到严重政治阻力。当前全球存在经合组织全球人工智能伙伴关系（GPAI）、经合组织人工智能专家网络（ONE AI）、欧盟成员国人工智能高级别专家组（HLEG）等人工智能国际合作组织，国际电信联盟AI造福人类（AI for Good）、美国国防部人工智能防务伙伴关系等合作，以及美英、德法、德印、日印、印阿等多个人工智能双边协定关系。这些合作组织、合作会议、合作关系基本全部由欧美国家主导，中国当前只与东盟合作开展了基础设施建设、数字经济、创新驱动领域的中国-东盟人工智能峰会，国际合作水平亟待提高。中国正面临被欧美“科技结盟”孤立于世界创新链之外的风险，难以参与全球创新成果共享。
四、提升中国人工智能创新链竞争力的对策建议
针对四大创新节点症结，以及产业链创新链失衡、创新支撑链建设不足、国际合作创新水平不高等方面的挑战，提出提升中国人工智能创新链竞争力的对策建议。
（一）发挥举国体制优势，推进基础理论和关键共性技术协同创新研究
构建开放协同的人工智能科技创新体系，坚持集中力量办大事、重点突破的原则，在重点前沿领域探索布局、长期支持，发挥中国算力强、数据多、场景全、使用基数大的优势，力争在理论、方法、工具、系统等基础理论和关键共性技术研究取得变革性、颠覆性突破，全面增强人工智能原始创新能力。与此同时，发挥政策引导作用，促进产学研用相结合，建立健全政府、企业、行业组织和产业联盟、智库等的协同推进机制，加强在技术攻关、标准制定等方面的协调配合，以人工智能技术突破带动国家创新能力全面提升。坚持研发攻关、产品应用和产业培育“三位一体”，充分调动中央政府、地方政府、企业、社会资本等各方积极性，多渠道出资、共同发力，前瞻布局一批新一代人工智能重大科技项目。新一代人工智能科技重大项目主要瞄准人工智能技术前沿，结合国家重大需求进行设计，实现滚动发展和持续提升，确保理论上走在前面、技术上占领制高点、应用上安全可控。
（二）发挥工业体系完备的优势，推进相关产业与人工智能产业链创新链融通发展
首先，充分发挥我国在新型基础设施建设和产业应用方面的巨大优势，建设高速泛在、天地一体、云网融合、智能敏捷、绿色低碳、安全可控的智能化综合性数字信息基础设施。大力推动5G、大数据、高效能计算等基础设施建设，推进人工智能与相关产业融合创新。加快推动数字化、网络化信息基础设施向智能化信息基础设施转变，促进人工智能技术的产业化，推动智能产品在工业、医疗、交通、农业、金融、物流、教育、文化、旅游等领域的集成应用。其次，依托国家新一代人工智能创新发展试验区，大力开展人工智能技术示范、政策试验和社会实验，形成一批人工智能与经济社会发展深度融合的典型模式。最后，加快构建算力、算法、数据、应用资源协同的全国一体化大数据中心体系。加快发展多种形式的科技中介服务机构，加强产学研用结合，大力发展高新技术、专业性技术领域的中介服务机构，促进企业之间、企业与大学和科研院所之间的知识流动和技术转移转化，真正建立以市场化应用为导向的科技成果转移、扩散机制。
（三）制定相关法律法规和标准，优化创新环境提高人工智能治理能力
良好的人工智能治理需要“柔性的伦理”和“硬性的法律”共同推进。首先，加强人工智能伦理治理研究，发展负责任的可信人工智能，实现创新发展和风险治理的有效平衡。加强各类标准规范、数据开放与隐私保护、算法监管与问责、伦理道德法律法规等体系化研究，把引导和规范人工智能发展不断推向深入。其次，在《网络安全法》《数据安全法》《个人信息保护法》等基础上，深入研究人工智能新情况新问题，探索人工智能领域监管的适用问题，不断完善监管法律法规。探索采用试点、沙箱监管方式，研发智能化监管工具。完善市场建设，创造公平的竞争环境、良好的商业秩序。最后，鼓励市场主体探索数据资产定价机制，推动形成数据资产目录，逐步完善数据定价体系。贯彻落实反垄断法政策，强化反垄断执法，坚决打击平台企业算法歧视、算法操纵、数据垄断、侵犯隐私等行为，创造积极向上的产业生态环境，激发市场主体的创新活力。
（四）培养和引进相结合，大力增加高端人才供给
坚持培养和引进相结合，完善人工智能教育体系，加快引进全球顶尖人才和青年人才，同时加强高层次人才参与水平。首先，加强人才储备和梯队建设，积极开设人工智能专业，加强数学、物理、神经学科等基础学科建设，瞄准“理论、算法、平台、芯片和应用”等急、断、缺的短板领域，构建基础理论人才与“人工智能+X”复合型人才并重的培养体系。其次，拓宽国际人才交流和招揽渠道，鼓励高校、企业团队赴国外合作交流。加大高端人才引进力度，开辟专门渠道，实行特殊政策，实现高端人才精准引进。重点引进神经认知、机器学习、自动驾驶、智能机器人等领域人才。鼓励采取项目合作、技术咨询等方式柔性引进人才。最后，完善全国统一、竞争有序的技术产权市场体系建设，建立完善人工智能知识产权交易制度，促进技术扩散。完善资本支撑环境，支持技术入股，鼓励高层次人才参与市场，优化人工智能与实体经济融合的金融市场支持。
（五）有效拓展国际合作，积极参与全球人工智能创新链与治理体系
坚持全球化道路，坚持国际视野和全球思维，以开放心态应对全球竞争，搭建全球化服务平台，促进国际交流，吸引全球创新要素资源参与我国人工智能技术及产业发展，广泛组织参与人工智能国际合作。完善人工智能产业贸易促进政策，加强制度供给和法律保障。鼓励中国人工智能企业加大“走出去”力度。积极促进中日韩区域协同创新，打造人工智能东亚创新高地，加强人才交流与技术共享。高质量推动中国—东盟智慧城市合作、中国—中东欧数字经济合作。积极借鉴国际规则和经验，围绕数据跨境流动、市场准入、反垄断、数据隐私保护等重大问题探索建立治理规则。积极推动企业、联盟、行业组织等机构的更多专家参与全球人工智能规则制定，强化在国际标准组织中的协作，寻求共识、弥合分歧，推动形成“国家标准顶层架构引导，行业和团体标准指导，国际标准协同推进”的良好局面，为全球人工智能发展贡献“中国智慧”。
参考文献：
[1]习近平主持中央政治局第三十四次集体学习[EB/OL].（2021-10-19）[2021-10-25].https://www.ccps.gov.cn/xtt/202110/t20211019_150923.shtml.
[2]国务院关于印发“十四五”数字经济发展规划的通知[EB/OL].（2022-1-12）[2022-1-13].http://www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.
[3]郭朝先,方澳.人工智能促进经济高质量发展：机理、问题与对策[J].广西社会科学,2021(08):8-17.
[4]杨忠,李嘉,巫强.创新链研究:内涵、效应及方向[J].南京大学学报(哲学·人文科学·社会科学),2019,56(05):62-70+159.
[5]代明,梁意敏,戴毅.创新链解构研究[J].科技进步与对策,2009,26(03):157-160.
[6]刘家树,范从来,齐昕.资金支持嵌入创新链的异质性效应研究[J].江苏社会科学,2016(05):1-8.
[7]李晓锋.“四链”融合提升创新生态系统能级的理论研究[J].科研管理,2018,39(09):113-120.
[8]刘家树,菅利荣.知识来源、知识产出与科技成果转化绩效——基于创新价值链的视角[J].科学学与科学技术管理,2011,32(06):33-40.
[9]刘志彪.从全球价值链转向全球创新链:新常态下中国产业发展新动力[J].学术月刊,2015,47(02):5-14.
[10]林学军,梁媛,韩佳旭,肖叶芬.基于全球创新链与全球价值链双重螺旋模型的产业升级研究——以华为公司为例[J].国际商务研究,2018,39(05):39-48.
[11]林学军,官玉霞.以全球创新链提升中国制造业全球价值链分工地位研究[J].当代经济管理,2019,41(11):25-32.
[12]张其仔,许明.中国参与全球价值链与创新链、产业链的协同升级[J].改革,2020(06):58-70.
[13]吴晓波,吴东.论创新链的系统演化及其政策含义[J].自然辩证法研究,2008,24(12):58-62.
[14]赵蓉英,李新来,李丹阳.专利引证视角下的核心专利研究——以人工智能领域为例[J].情报理论与实践,2019,42(03):78-84.
[15]王雅薇,周源,陈璐怡.我国人工智能产业技术创新路径识别及分析——基于专利分析法[J].科技管理研究,2019,39(10):210-216.
[16]人工智能发展报告（2011-2020）[R].北京:中国人工智能学会,2020.
[17]人工智能指数2021[R].美国:斯坦福大学,2021.
[18]2020全球人工智能创新指数报告[R].北京:中国科学技术信息研究所,2021.
[19]人工智能：下一个数字前沿[R].美国:麦肯锡全球研究院,2018.
[20]张其仔.产业链供应链现代化新进展、新挑战、新路径[J/OL].山东大学学报(哲学社会科学版):1-10[2022-01-14].DOI:10.19836/j.cnki.37-1100/c.2022.01.012.
[21]新职业——智能制造工程技术人员就业景气现状分析报告[EB/OL].（2020-8-26）[2022-1-25].http://www.gov.cn/xinwen/2020-08/26/content_5537486.htm.
