加拿大計算機科學家杰弗里·辛頓關于“深度信念網絡”論文的發表清除了人工智能產業化道路上最后一道路障，互聯網產業發展積累的海量數據、云計算提供的低成本算力，再加上以深度學習為代表的算法的革命，推動了人工智能產業駛入快速發展的軌道。面對人工智能的巨大發展潛力及其在產業、社會、國防等方面的顛覆性影響，主要國家紛紛出臺人工智能發展戰略和政策，以期搶占未來產業制高點。人工智能的巨大經濟價值吸引了大量投資涌入，不但互聯網公司紛紛向人工智能公司轉型，而且初創公司不斷涌現。但是也要看到，人工智能發展和賦能實體經濟過程中也出現了一些問題，需要積極加以應對。

人工智能產業發展存在重復建設嚴重、硬技術創新少、實體經濟智能化轉型“叫好不叫座”等突出問題

作為產業的人工智能包括人工智能技術的產業化與人工智能技術在其他產業的應用即人工智能賦能兩個方面。在高速發展和賦能實體經濟的過程中，人工智能產業無論在國內還是在國外都出現了一些亟待解決的問題。

產業一哄而上，產品雷同，重復建設嚴重，真正有高技術開發能力的產業園較少。近年來我國人工智能產業呈現蓬勃發展態勢，初創企業數量、融資數量和融資規模快速增長，產業整體規模居于世界前列，與美國一起形成兩強鼎立的世界產業格局。隨著技術的不斷成熟，互聯網大科技公司、人工智能新興企業也在積極進入傳統產業領域，推動人工智能技術對傳統產業的賦能。但是另一方面也要看到，高端產業領域往往存在著一種發展困境，即當一項產業被國家確定為未來重點發展方向后，各地就會紛紛加大招商引資力度、上馬新項目趨之若鶩，造成較短時間內該高端產業在全國“一哄而上”，同質化問題嚴重，甚至出現“掛羊頭賣狗肉”的情況。人工智能產業同樣也存在這類“一哄而上”的問題。許多地方政府將人工智能列入重點打造的產業，大力建設人工智能特色小鎮、產業園、孵化器、雙創基地。以機器人為例，截至2018年2月，全國共有65個機器人產業園在建或已建成，一些省份更是在多個城市建有機器人產業園，甚至一些縣也著手布局機器人產業園建設。但從目前的情況看，真正有技術開發能力的機器人產業園很少，大部分機器人企業集中于技術水平不高的娛樂、服務機器人，工業機器人的核心部件仍然主要依賴進口。在新興的以深度學習為特征的人工智能領域，由于行業整體性人才供應短缺、本地缺乏發展基礎，不少園區處于空置狀態。嚴重的重復建設還可能造成未來“高端產業的低端化”，使我國企業難以完成利潤積累，進而嚴重制約研發投入和技術的升級，在與發達國家在技術前沿的競爭中缺乏后勁。

人工智能產業模式創新多、硬技術創新少。眾多的人工智能發明專利中基礎硬件和基礎算法等硬科技占比少。雖然我國人工智能領域的投資多、企業數量多，但是多集中在模式創新領域。人工智能當前比較成熟的領域包括數據分析、計算機視覺和自然語言處理。我國人工智能企業也主要集中在計算機視覺、語音、自然語言處理領域，2017年市場份額分別為34.9%、24.8%和21.0%，而硬件、算法所占份額分別只有11.3%和8.0%。目前我國人工智能企業多是采取“拿來主義”，將國外經過驗證的理論產業化，甚至不少企業直接使用國外的開源代碼，利用“拿來”的技術進行商業模式創新，缺乏真正原創的技術、開發工具和開源平臺。麥肯錫咨詢公司對全球初創企業所處行業特點的分析發現，以中國為主要代表的亞洲國家的初創企業多集中在R&D強度較低的產業（R&D資源指的是從事科研與試驗發展活動所必需的投入。R&D強度是衡量一國科技活動規模和科技投入水平的重要指標，也是反映一國自主創新能力和創新型國家建設進程的重要內容），如電子商務、教育和培訓服務等領域，而B2B以及分析和執行軟件、云計算、健康IT等R&D密集型產業則多由美國、英國和德國的企業所領導。具體到人工智能行業，中國人工智能專利申請量超過美國，居世界第一，1998—2018年，我國的人工智能論文達14.2萬篇，略少于美國，但專利、論文質量與美國存在較大差距。2017年，中國人工智能論文質量（以FWCI指數衡量）約為1.3，而美國為2.5；中國人工智能發明專利中，基礎硬件和基礎算法等硬科技占比少。2017年，我國人工智能發明專利授權量中，基礎算法、基礎硬件、垂直應用的占比分別為21.0%、4.9%和74.1%。

智能化轉型“叫好不叫座”。人工智能作為一個產業本身快速發展的同時，在其他領域的滲透、融合也在不斷推進。從全球范圍來看，早在2012年，美國通用電氣就提出“工業互聯網”的概念，并聯合美國商業資訊 （AT&T）、思科（Cisco）、IBM和英特爾（Intel） 5家企業聯合宣布成立工業互聯網聯盟（Industrial Internet Consortium， IIC），2015年向所有企業開放其工業互聯網操作系統Predix。作為德國工業4.0的主要推動者，西門子在2016年的漢諾威工業博覽會上正式發布工業互聯網操作系統MindSphere。2011年以來，藍色巨人IBM加速向“認知商業”和智能服務轉型，其代表性人工智能服務是人工智能系統——沃森在醫療診斷領域的應用。但是智能化轉型“叫好不叫座”，人工智能系統的企業用戶不積極，人工智能服務的開發者業績因此受到很大影響。例如，2018年6月以來，通用電氣（GE）先后經歷從道瓊斯工業平均指數中被剔除（GE在該指數中已有110年歷史）、信用降級、股價暴跌、GE Digital（GE數字創新坊）尋求出售等重大事件，反映出GE所提出的工業互聯網的現實發展遠非白皮書設想的那樣美好；西門子發布的2019財年三季度財報顯示，數字化工業（DI）訂單和收入雙雙下跌，利潤大跌12%，拖累西門子整體利潤下滑5.8%；IBM沃森因達不到預期效果，被德克薩斯大學MD安德森癌癥中心終止合作。

探究人工智能賦能實體經濟存在諸多問題的三個重要成因

人工智能自身發展和賦能實體經濟中的問題有著多重原因，主要包括潮涌現象、企業行為短期化、產業知識薄弱等幾個方面。

問題成因之一：“潮涌現象”造成重復建設嚴重。“潮涌現象”是指當一項新技術進入產業化階段并呈現出巨大的增長潛力時，眾多投資者同時看好這一相同的產業，投資就像浪潮般涌向這個產業。這里所說的投資者不僅包括企業，也包括政府，針對具有巨大發展潛力的戰略性新興產業，中央和地方政府會采取多方面的支持政策促進其發展。潮涌現象意味著在投資之前，政府和企業都看好該產業的前景，從而一哄而上。但是大量的投資可能會造成該產業出現過度投資，項目完成后出現嚴重的過剩，導致投資回報遠遠低于預期。與傳統產業相比，新科技的發展存在巨大的不確定性，而且會出現曲折反復。美國咨詢公司Garnter每年都會發布新興技術成熟度曲線（Hype Cycle for Emerging Technologies），該曲線把新技術從發展到最終成熟劃分為四個階段：創新萌發期、期望膨脹期、幻滅低谷期、復蘇期、成熟期。從該曲線可以看到，人們常常對技術的產業化存在盲目樂觀的傾向，形成大量投資涌入實則過熱的繁榮假象。數字經濟是典型的網絡效應產業，具有“贏家通吃”的市場結構。為了爭奪用戶成為最終的贏家，進一步強化了數字經濟的“潮涌現象”，加劇了重復建設。

問題成因之二：行為短期化加劇行業泡沫。雖然新產業會存在大量企業涌入的“潮涌現象”，但是一些企業想的不是怎么把產業做好做實，而是渴望趕上“風口”，盡快擴大用戶規模，以便能講好故事、短期內在資本市場實現變現。為了快速變現，這些企業不是充分考慮應用場景、用戶需求，扎實做好產品，而是通過大量燒錢，大量補貼、大打“價格戰”等方式爭奪用戶。這種做法雖然在短期內營造了繁榮假象，但是一旦技術或商業模式進展不順，就會刺破泡沫。新科技的成熟和新產業的發展往往需要經歷一個逐步改進、完善和提高的過程，不可能一蹴而就。例如，在制造業智能化領域，制造過程或最終產品對安全性、穩定性、可靠性、精確度要求很高，不成熟的技術會給企業帶來巨大損失，很難獲得制造企業的接受和采用。作為追求利潤最大化的經濟主體，雖然不同企業的戰略不同，對經濟利潤的考量會有短期或中長期的差異，但企業選擇采用某項新技術的根本目的是實現經濟利潤的最大化。企業在決定是否采用人工智能技術時，會進行成本—收益分析。當他們評估發現人工智能技術并不能給他們帶來實質性的利潤提升時，就不會實施。市場開拓不利就可能使人工智能企業的大量投資形成行業性的泡沫。

問題成因之三：各方面的產業知識積累薄弱限制智能化發展。人工智能技術通過對傳統行業數據的深度挖掘利用，可以發現以前未被發現的事物之間的相互聯系，并利用數據分析的結果幫助傳統產業加快產品創新、提高生產效率、加強產銷互動、改善用戶服務。但人工智能技術在傳統行業領域發揮作用的基礎是建立在這個傳統行業現有技術條件之上的，它無法代替行業本身的基本原理、科學技術、工程經驗。例如，人工智能技術的應用可以通過對生產線各種工藝參數和產出數據的分析，對工藝參數進行優化從而促進提高良品率，但良品率的根本性提升則要依賴行業本身科技水平的發展。但是，當前在我國存在對信息技術（Information Technologies）強調多，對產業技術（Industrial Technologies）強調少的傾向。

產業知識包括兩個方面：一是產業自身科學技術規律的發明發現所形成的知識，即產業知識發展和提取；二是產業中企業生產經營活動中各種數據的積累。中國實體經濟企業在這兩個方面都存在差距。由于中國是在工業化尚未完成的時候就開始信息化、數字化的，雖然許多產業的規模已經世界領先，但是“知其然而不知其所以然”的問題普遍存在，在產業相關科學、工程技術知識的積累上與發達國家行業領先公司存在較大差距。同時由于中國企業發展水平參差不齊，既存在技術水平領先、數字化程度高的企業，也存在沒有研發能力、尚處于機械化階段的企業，因此人工智能與實體經濟特別是制造業的深度融合存在巨大困難。

推動人工智能產業發展不僅需要人工智能技術本身的進步，還需要傳統產業基礎和新型基礎設施的有力支撐

人工智能技術產業化，需要人工智能產業與傳統產業的緊密互動，二者的發展都不可或缺。一方面，需要人工智能技術本身的不斷進步，另一方面也需要傳統產業的產業基礎、科技水平、信息化程度的提高作為支撐。

第一，支持兩個“IT”共性技術研究。人工智能與實體經濟的深度融合既受制于人工智能技術本身，又受制于實體產業本身的知識積累，因此要兼顧信息技術（Information Technology）和產業技術（Industrial Technology）兩個“IT”共性技術的研究。由于人工智能基于大數據的技術路線特點，除加強對大學、科研機構創新活動的支持外，還要鼓勵大科技公司加大對人工智能基礎理論、算法、芯片以及未來前沿技術等方面研究開發的投入，鼓勵大學、科研機構與大科技公司人才的雙向、可逆流動。加強對化工、冶金、機械、電子、運輸設備、醫藥等基礎產業和高科技行業的基礎科學和產業共性技術研發，實現“知其然也知其所以然”，打好產業基礎高級化、產業鏈現代化的攻堅戰。

第二，加快信息網絡等新型基礎設施建設。在信息化時代，新一代信息技術相關基礎設施的重要性已經成為傳統產業轉型升級和新興產業加快發展的關鍵。特別是5G高速率、低時延、廣連接的特點，使實體產業特別是制造業生產過程和產品的智能化成為可能。例如，制造業的智能化需要實現工廠中生產設備、零部件、供應鏈、產品之間的實時通信，只有5G低時延、廣連接的特點才能夠實現。因此，要將包括物聯網、5G、數據中心等新一代信息基礎設施作為“新基建”的重點，在關系國計民生的農業、交通、公共服務、金融以及重點制造業領域加快覆蓋和普及。

第三，支持實體企業加快數字化改造。當前人工智能的主流技術路線是“算法+算力+數據”，因此實體企業的數字化水平決定了人工智能技術的應用范圍和深度。加大對主要產業領域數字化轉型產業共性技術研究的支持力度，鼓勵大學與科研院所、互聯網公司、實體企業密切合作，加快破解主要產業數字化轉型的技術瓶頸。支持實體企業根據業務發展狀況進行數字化改造，實施“機器人換人”、企業上云等，行業龍頭企業積極進行物聯網、5G的應用和智能制造轉型。依托行業協會、科研院所等機構，加強對人工智能應用成功經驗的總結、推廣、示范。

第四，加強數據保護，推動數據連接。大力推進對數據安全的保護，一方面，支持數據安全相關技術的發展，為數據安全提供可靠的技術保障，另一方面，制定完善保護我國公共、企業和個人數據安全的法律法規和行業規范，加強數據安全的制度保障。設備、軟件、系統、產品之間缺乏統一的標準是制約建立數字化連接、發展產業互聯網的主要制約。由行業協會、學會牽頭，組織各行業骨干企業、裝備制造龍頭企業以及大型通信、軟件、互聯網和自動控制企業一起，加快制定促進產業內部與產業之間建立數字化連接的設備標準、通信標準、軟件標準和數據標準。推動產業之間、企業之間的數據開放，特別是推動政府掌握的不涉及公共安全、個人隱私的公共數據對企業開放，通過開放、共享讓數據發揮更大的價值。

第五，加強人才培養，增加人才供給。互聯網企業長于算法但是不具備實體產業的知識，實體企業熟悉本產業的know-how但是缺乏信息技術的人才和能力。因此，產業互聯網的發展靠互聯網企業與實體企業單打獨斗都很難成功，必須通過合作發揮二者各自的優勢。但是由于人工智能的突然爆發造成人才嚴重短缺，薪酬水平大幅度提高，拉高了人工智能應用的成本。而實體經濟企業利潤率低，養不起高薪的人工智能工程師，在與人工智能企業對接方面缺少合適的人才作為中介。國家需要支持研究型大學和科研機構、職業大學和學院設立人工智能學院和專業，加快人工智能人才的供給，早日解決人工智能人才供需失衡狀況。

責任編輯：lq6