2019年8月19日，美國信息技術與創新基金會（ITIF）下屬的數據創新中心發布報告《誰會贏得AI競賽：中國、歐盟還是美國？》，從人才、研究、開發、應用、數據和硬件六類指標對中美歐的人工智能（AI）發展現狀進行了比較分析，并為三個國家和地區如何更好地發展AI提供了相應的政策建議。

總體結論

整體而言，美國目前處于領先地位，中國緊隨其后，歐盟相對落后于兩國。

美國有著最多的初創企業，且其AI初創企業生態系統獲得了最多的私募股權和風投；其次，傳統半導體和計算機芯片為AI系統提供強大的能力，美國在這方面也處于領先地位；雖然美國發表的AI學術論文少于歐盟和中國，但論文平均質量卻是最高；最后，美國的AI人才總數少于歐盟，但精英數量卻更多。

中國的總排名高于歐盟且與美國的差距正在縮小。中國可以獲取的數據要多于歐盟和美國，這非常重要，因為當前的許多AI系統需要使用大量數據集來精確訓練其模型。就AI初創企業獲得的私募股權和風投而言，中國在2017年超越了美國，但2016和2018年都低于美國。不過，中國在高質量AI人才方面卻明顯落后與美國和歐盟。包括意大利在內的幾個歐盟成員國有更多的AI研究人員位于全球前10%之列。不過，中國在多個指標上相對美國已取得明顯進步，在資金支持和AI應用方面更是遠超歐盟。

歐盟在AI人才方面有著很大的優勢，與中美相比有著更多的AI研究人員。但其AI人才數量與其商業化AI應用和資助卻存在著脫節。例如，中國和美國的AI初創企業僅2017年獲得的風投和私募就超過了歐盟AI初創企業2016-2018三年獲得的投資。歐盟相對落后的境地不僅使其難以享受AI帶來的經濟和社會利益，還影響到全球AI治理。

建議

（1）對中國

中國有著龐大的人才儲備，但AI人才存量依舊短缺，尤其是高端人才，而且海外求學也造成AI人才的不斷流失。因此，中國應著重提升其發展和留住本土人才的能力。

研究方面，中國近年來AI科研論文和專利的增長都非常快，但是與美歐相比平均質量卻較低，中國應改變其激勵機制以鼓勵研究人員開展高質量研究。中國龐大的人口基數使其在數據方面擁有得天獨厚的優勢，然而，缺乏良好的開放數據氛圍和標準化數據格式限制了這種優勢的發揮，中國應減少或移除對跨境數據流動的限制，并敦促其監管機構創建標準化數據格式。

硬件方面，幾家中國AI芯片初創企業最近獲得了數十億美元的投資，華為等公司也開發出了令人印象深刻的芯片設計。然而，芯片開發的復雜性、相關人才短缺、中國半導體企業難以躋身全球銷售榜前15名都說明，中國仍需取得巨大進步才能趕上美國的半導體產業。中國也應停止強制技術轉移、知識產權盜竊等不公平的貿易行為，以避免美國外國投資委員會對中國企業的審查越來越嚴，從而危及中國企業對西方半導體及其設計的使用。

（2）對歐盟

雖然歐盟AI人才眾多，但卻難以留住人才。歐盟管理層將缺乏內部專業知識列為阻礙AI采用的原因。因此，歐盟應著重采取措施鼓勵AI人才留在歐盟，并大力培養算法人才。歐盟的AI研究質量與產出都很高，但是中國2017年的AI論文發表已超越歐盟，論文質量的差距也在縮小。與美國相比，歐盟應致力于科研成果的商業化應用，歐盟應著重提升研發質量并將技術轉移置于優先事項。歐盟也應充分利用公共數據，例如大量的醫療衛生數據，并以此推動AI發展。就采用AI的企業比例而言，歐盟落后于中美，歐盟應著重降低公共部門采用AI的門檻并促進私營部門的AI應用。此外，就監管而言，歐盟不應將新的數字商業模式納入現有監管體制，這通常會限制創新。不是提供平等監管，而應提供平等保護。

（3）對美國

美國仍是全球AI領域的領頭羊，奧巴馬政府的AI戰略規劃也得到了特朗普政府的延續。2019年的行政令提出要加強AI研發、人才培養和國際合作。

不過，政府還可以做得更多，特別是，國會應改革移民政策并增加研究資助，并盡力避免包括數據保護規章在內的過度限制政策。

人才方面，美國應繼續鼓勵外國人才移民美國并加強國內人才庫建設。研究方面，政府應增加對計算機科學研究的資助，并鼓勵私企增加研發支出。美國在AI數據方面不占優勢，因此應盡力提升其產生的數據的價值，尤其應打造一個能促進數據共享與再利用的監管環境。

應用方面，美國應著重向其公民和企業展示AI的價值，并通過政府的力量資助、采購和管理AI，以推動AI應用。硬件方面，美國在半導體領域占據領先地位，超算整體性能也優于中國，但Top 500排行榜中中國超算機的數量卻遠超美國，美國應著重于重建在高性能計算領域的領先地位，并開發專為AI應用設計的超算機。