《关于促进人工智能和实体经济深度融合的指导意见》解读

加快发展新一代人工智能，促进人工智能与实体经济深度融合，是我国实现科技跨越发展、产业优化升级、供给侧结构性改革的重要引擎。受制于技术、数据、人才、行业壁垒等多重因素影响，人工智能与实体经济融合目前仍处于初级阶段。3月19日中央全面深化改革委员会第七次会议审议通过了《关于促进人工智能和实体经济深度融合的指导意见》。截止目前，尚未见该意见公开发布。本文从产业研究的视角，对推动人工智能与实体经济深度融合做一简要探讨。

深度融合的重要性

人工智能是新一轮科技革命和产业竞争的战略制高点。智能化是科技和产业发展重要趋势，已成为生产、生活领域技术创新的关键环节，新一代人工智能正引领新一轮信息技术发展浪潮，将带来新的科技和产业革命。主要发达国家都在积极布局人工智能，出台战略性研究计划，加大科研投入，抢占科技和产业发展的制高点。（产业政策评论丨如何看美国宣告捍卫人工智能全球主导权？）加快人工智能研发对于提升我国科技和产业竞争力，抢抓新一轮科技和产业革命先机意义重大。

人工智能与实体经济深度融合是促进我国经济高质量发展的核心驱动力，是促进产业变革及新旧动能转换的重大战略。作为新一轮科技革命的重要代表,人工智能正由技术研发走向行业应用,形成从宏观到微观各领域智能化新实践，逐步渗透到制造、交通、医疗、金融、零售、金融等多个行业。人工智能发展催生出新技术、新产品、新产业、新业态、新模式，为产业变革带来新动力，为新阶段经济发展注入新动能。凭借高融合性、强赋能性，人工智能有望成为中国经济实现供给侧与需求侧协同改革的重要引擎，助推中国经济实现由高速发展向高质量发展跃迁。
人工智能与实体经济融合为保障和改善民生提供了新途径。人工智能大大提升人类认识世界、改造世界的能力。伴随着人脑仿生计算技术和云机器人的开发和应用，智能机器将越来越多地应用于人类生产生活中，有助于解决未来老龄化社会结构下的生产力发展的重大瓶颈问题，并将在老人、病人、残障人士的生活中扮演重要角色，大大提升医疗、教育、交通等民生领域的智能化程度和服务水平。

现存的主要问题

当前人工智能领域受技术发展、资本驱动等影响，创新创业欣欣向荣，但与实体经济融合的行业应用仍处于初级阶段，呈现出供给侧和需求侧错位的现象。受行业壁垒、人才、信息化程度等多重因素影响，人工智能与实体经济融合的行业和区域结构性问题突出，在金融、零售等数字化、信息化、开放度较高行业的融合已初具成效，但与制造、农业、教育等行业的融合仍处于起步期。

(一) 实体经济发展整体水平不高，融合人工智能的基础薄弱

我国人工智能的发展主要是供给侧驱动，供给侧驱动的人工智能与实体经济融合并不能解决实体经济发展面临的根本性问题。在工业化进程中，各行业面临的转型升级的短板和瓶颈并不相同，对于有些实体经济而言，提升智能化水平并不是当务之急，而对于网络化、信息化尚在初级阶段的实体经济而言，发展更高阶段的智能化条件还不成熟。以工业为例，2017年我国两化融合发展水平为51.8，其中小微企业两化融合水平仅为38.1。人工智能技术应用所需的互联网、传感器、芯片等基础设施薄弱，企业使用人工智能的成本过高也是重要制约。
从行业接受度来看，对人工智能的接受度最高的行业分别为电子信息、汽车和金融业，零售、文娱等行业的接受度要稍弱于前者，教育、医疗、旅游等行业的接受度则更低。
(

二) 人工智能技术水平距实际应用仍有较大距离

我国人工智能发展存在结构不均衡问题。应用作为发展优势领域，也尚未达到人类劳动者对企业管理、技术研发、生产加工、组织协调、营销策划的水平和要求，应用场景和路径有待进一步明确，各行业、各环节所需的解决方案差异较大导致开发难度大、成本高，距离可复制和整体解决方案的通用人工智能的距离更远。硬件和算法等基础核心技术受制于人，则造成人工智能与实体经济融合发展的远期隐忧。

(三) 高质量数据获取难度大、成本高

高质量大规模的基础数据和行业数据是人工智能发展的核心，也是人工智能与实体经济融合的基础。从整体上讲，高质高效数据缺乏，数据标准化难度大成本高，数据开放、共享和交易机制缺失是制约人工智能行业应用及技术提升的重要原因。国内大量数据资源集中在教育、医疗、交通管理等政府公共部门手中，占比高达75%，但这些数据开放程度不高，海量基础性数据处于“封印”状态，内部尚未打通，更无法向社会开放。此外，受经济实力、发展水平和开放程度影响，各行业和各地区信息化水平差距较大，数据的可获取性和可用性不一。与消费者相关的数据相比，制造环节数据的获得性、通用性、开发性相对较弱，前期投入和后期维护成本更高。出于法律和商业利益考虑，大量高质数据的共享与传播受到限制，无法得到有效利用。

(四) 跨行业复合型人才极度稀缺

高端、复合型人才严重缺乏是人工智能与实体经济深度融合的关键瓶颈。从高端人才数量和质量看，我国人工智能专业技术人才数量虽仅次于美国，但高端人才严重不足，按高H因子衡量的中国杰出人才只有977人，不及美国五分之一。从现有人才分布来看，由于薪酬、待遇等因素影响，人工智能高端人才通常集中于软件和互联网行业，而各行业人员对人工智能概念的理解和技术的掌握难以支撑其智能化改造升级。从现有人才供给看，既了解行业又掌握人工智能关键技术，还能够进行应用开发的复合型人才严重缺乏。虽然一些高校已经开始设立人工智能专业或课程，但受培养周期等因素限制无法满足当前的迫切需求。

(五) 法律法规标准、保障制度制定滞后于产业发展

我国人工智能产业发展速度快，相关标准与法律法规制订明显滞后。业界对人工智能概念、内涵、应用模式、智能化水平等难以达成共识，现有标准化工作基础薄弱。不同行业既有的标准化和法律法规与快速发展的人工智能技术与应用存在交叉和不衔接，包括无人驾驶、AI医疗等在内的多个领域均没有现行制度可供参考。融合引发相关的就业、安全、伦理道德研究滞后于技术创新和行业应用，容易引发各界的担忧、分歧和争议。

思考与建议

人工智能与实体经济融合不仅涉及多行业、领域的技术变革和产业变革，还将对就业、安全等社会各层面产生深层次影响。深化体制机制改革，构建政府引导、市场为主体，需求引导、市场主导的人工智能产业协同发展体系，是实现人工智能与实体经济深度融合，带领我国经济、社会实现跨越式发展的根本。

(一) 提高创新应用效能，厚植基础科学储备

充分发挥市场机制作用，以需求为导向，鼓励企业成为技术方向选择、关键技术攻关、资源配置和推广应用的主体，行业主管部门从政策、规划、统计、公共资源与服务等方面加强引导、协调和支持，杜绝可能影响市场公平竞争的研发资助、补贴、评优、推荐等行为，营造能够激发创新活力的发展环境。
基础研究方面，以突破人工智能应用基础理论瓶颈为重点，超前布局可能引发人工智能范式变革的基础研究，政府应加大支持力度，建设开放共享的开源软硬件基础平台、基础数据与安全检测平台等，为人工智能持续发展与深度应用提供强大科学储备。
坚持开放合作创新，采取多种方式和渠道，与国外研究机构和企业开展交流与联合研发，在学术研究层面更全面的融入全球创新网络。
　

　(二) 发挥政府引导和市场主体作用，激发智能产业发展活力

充分发挥政府引导作用。积极推进人工智能在市政管理、公共安全、医疗健康、减灾救灾、社会保障、文化教育、交通运输、能源管理、社区服务等领域的应用，鼓励将人工智能产品、解决方案和服务优先纳入政府采购目录，各级政府资金和社会资金优先支持进入目录的产品、服务及其相关企业，提升政府公共服务水平和效率。面向人工智能关键核心技术研发，以及军工、能源、医疗、信息安全等重要领域，可考虑建立人工智能融合新业务市场准入负面清单。
支持开展各类先行先试。在北京、上海等地建设试验区的基础上，支持更多有条件的省市开展人工智能示范/试验应用。在制造、金融、零售、物流等行业开展示范试点，通过示范试点全面推广应用以智能、协同为特征的先进人工智能技术。加强跨部门、跨地区的试点/试验协调，强化与互联网、大数据、物联网、智慧城市、云计算等相关领域的协同。
激发市场创新活力。推动以行业龙头企业为主体，联合高校、科研机构、人工智能企业共同建立人工智能融合创新中心，聚焦于人工智能在行业应用中的共性技术的研发与推广，探索新技术、新模式、新业态等。
创新人工智能投融资模式。实现财政引导资金、金融资本、民间资本和社会资本相结合的多渠道融资模式。抓住科创板机遇,促进产业集聚，加快促进更多人工智能企业上市融资。

(三) 促进消费体制机制完善，培育人工智能重点领域消费市场

从供需两端发力，构建需求引导、市场主导的人工智能市场消费体系。加大智能产品研发和服务创新力度，加快智能产品、服务供给体系质量提升和标准体系建设，积极拓展智能新产品、新业态、新模式，培育更加成熟的细分消费市场。
面向家居、养老、汽车等领域，积极培育智能产品消费细分市场，全面营造良好消费环境，不断提升居民消费能力，引导形成合理消费预期。在制造、农业、能源等领域部署加快推进装备智能化升级，全面提升企业研发、生产、管理和服务的智能化水平。

(四) 构建科学合理的数据开放共享机制

以政府部门为重点，大力推动数据开放、共享机制建设和实施，推进国家就业、社保、地理、环境、生态、交通数据的开放共享，支撑人工智能与政府服务的融合，提升政务服务水平。
稳步推进教育、医疗、能源、公共安全等领域数据的内部整合、共享与对外开放，制定数据资源清单和开放计划，支持相关企事业单位联合人工智能企业围绕应用场景开展人工智能服务，鼓励优质机构人工智能服务能力和资源向地方开放。
建立市场化的数据开放运营机制。通过公共数据的公开共享，引导企业、行业协会、科研机构、社会组织等主动采集并开放数据。构建安全有序的数据交易环境，推动地方政府建立数据交易平台，规范交易流程，把控交易数据质量。

(五) 创新人才培养机制，完善适应融合发展的人工智能人才培养体系

结合实体经济发展需求，按照“人工智能+X”的人才培养模式，加快探索跨学校、跨院系、跨学科、跨专业的人工智能人才交叉培养和产教融合新机制，教研结合，研究与实践结合。
鼓励高校、职业院校和企业合作，加强职业技能人才实践培养，积极培育人工智能技术和应用创新型人才。鼓励高校、科研院所人工智能专家到企业从事科研和科技成果转化活动。依托社会化教育资源，开展人工智能知识普及和教育培训，提高社会整体认知和应用水平。
加强人工智能领域优秀人才特别是优秀青年人才引进工作，从创业、落户、置业等多方面给与激励政策。

(六) 营造健康有序的产业发展生态环境

弥合数字鸿沟，加大对落后地区网络基础设施建设投入力度。对农业、教育等信息化较为薄弱的领域进行重点扶持，通过人工智能技术的赋能，解决偏远地区医疗、教育的不均衡问题。
加强法制法规建设，在保护产业活力前提下控风险强监管。持续开展人工智能安全、伦理、就业、法律等各个方面问题的预测和研判，加强人工智能对经济社会综合影响及对策研究。通过对人工智能相关法律、伦理和社会问题的深入探讨，尽早构建人工智能技术伦理准则并确立最高发展原则。
将人工智能安全纳入国家法制建设中，并通过立法规范人工智能技术的发展，确定技术发展边界。为智能社会划出法律和伦理道德的边界，让人工智能在安全的前提下服务人类社会。
建立人工智能技术产品监督机制和管理体系。严格监督人工智能技术新产品各个环节的发展。建立多层次、全方位、有效的制约和监督机制引导人工智能技术及产品的发展。建立科学的人工智能技术产品管理体系。
（本文作者：华夏幸福产业研究院顾