麥肯錫：中國人工智慧的未來之路

【摘要】

2016年 3月，AlphaGo 計算機程序輕取圍棋九段棋手李世石，立刻引發全世 界的討論。這一里程碑事件向世界證明，機器可以像人類一樣思考，甚至比人類做得更好。樂觀人士相信人工智慧技術的突破將極大推動生產力的提高。但同時也激發了對人工智慧或將取代人類工作的焦慮情緒，甚至有人擔心人類最終會創造出連自己都無法控制的智能機器。在紛繁的觀點背後，有一點毋庸置疑：人工智慧有著改變全球社會的巨大潛力。

隨著人口紅利的快速消失，急需尋找新的增長引擎。基於人工智慧的自動化可以提升生產力，幫助實現其經濟發展目標。

在這一背景下，理解人工智慧的發展及其對的影響尤為重要。本文將涵蓋以下內容：

第一部分簡要介紹人工智慧的發展歷程、現有技術水平及未來展望。

第二部分分析在人工智慧領域的實力並論述相關挑戰，以及人工智慧在 經濟、社會和地緣政治方面的影響。

第三部分對在產業、經濟、教育、社會及國際政策方面就人工智慧發展 提出五大戰略建議。

1. 人工智慧：拐點來臨

人工智慧是對人的意識、思維過程進行模擬的一門新學科。似乎在一夜之間 人工智慧從虛無縹緲的幻想成為了現實。計算機科學家們在機器學習和深度學習 領域已取得重大突破，可以賦予機器認知及預測能力。如今在現實世界中，這些 系統的應用已不鮮見。

回顧變革前的簡史

人工智慧意為機器對人腦思維認知功能的模擬。這一概念長期以來只存在於 人類幻想和科幻小說中，直至 20世紀五六十年代，有關人工智慧的理論初步形成 后，才開始引發普遍樂觀情緒和第一波熱潮。但由於技術未能實現突破性進展，人 工智能無法達成預期效果，因此陷入了一段沉寂期。往後數十年間雖然不乏成功 案例（如 IBM的超級計算機‚深藍‛擊敗國際象棋冠軍加里·卡斯帕羅夫），但因 為人工智慧在現實世界的成功案例太過孤立，所以不足以支撐大規模商業化。

讓我們快進至 21世紀。數據收集及整理、演算法（尤其是機器學習）以及高性 能計算等技術的突飛猛進促成了革命性進步。例如，在以往被認為是機器‚無法 取勝‛的圍棋比賽中，AlphaGo成功擊敗人類世界冠軍，從而賦予了這場獲勝歷史 性的意義。

而變革不僅發生在理論前沿。被視為未來超級智能系統的先鋒——各類應用機器學習技術的分析工具已現身市場。金融、醫療、製造等行業應用發展迅速，人工智慧領域的全球風投也從 2012年的 5.89億美元猛增至 2016年的 50多億美元2。 麥肯錫預計，至 2025年人工智慧應用市場總值將達到 1270億美元。

了解人工智慧及其能力

以往人們藉助計算機的運算能力可以更高效地完成任務（例如，比人類更快 地處理更複雜的計算）。傳統的軟體程序由人類編寫，包含具體的指令要求。

人工智慧的工作模式完全不同。它們依據通用的學習策略，可以讀取海量的大數據‛，並從中發現規律、聯繫和洞見。因此人工智慧能夠根據新數據自動調整，而無需重設程序。利用機器學習，人工智慧系統獲得了歸納推理和決策能力；

而深度學習更將這一能力推向了更高的層次。這些計算機系統能夠完全自主地學 習、發現並應用規則。

雖然深度學習領域近來的突破可使人工智慧系統在一些關鍵能力上媲美甚至 趕超人類，但距離實現‚通用人工智慧，即機器能夠完全模擬人類認知活動，仍需數十年的努力。不過機器學習系統已經有了某些商業化落地，且應用廣泛，可以擔當客服、管理物流、監控工廠機械、優化能源使用以及分析醫學資料。麥肯錫全球研究院最近的研究顯示機器學習技術可廣泛應用於各行各業5。

人工智慧技術通常由四個部分組成，即認知、預測、決策和集成解決方案。 認知是指通過收集及解釋信息來感知並描述世界，包括自然語言處理、計算機視覺和音頻處理等技術。預測是指通過推理來預測行為和結果。舉例而言，此類技術可用來製作針對特定顧客的定向廣告。決策則主要關心如何做才能實現目標。 這一領域的用例十分廣泛，如路線規劃、新葯研發、動態定價等。最後，當人工智慧與其他互補性技術（如機器人）結合時，可生成多種集成解決方案，如自動駕 駛、機器人手術，以及能夠對刺激做出響應的家用機器人等。目前人工智慧各項技術的商業化水平參差不齊。認知和預測領域的許多技術已經逐步商業化，然而決策和集成解決方案技術多處在研發階段（見圖 1）。

人工智慧的未來：挑戰與機遇並存

過去的科技進步主要是指提升執行指定任務的能力。而當今的人工智慧則是賦予機器反應和適應能力以優化產出。通過與物聯網、機器人等技術的結合，人工智慧能夠構造出一個整合的信息物理世界。

當今人工智慧發展勢頭正猛，未來有望在全球多個行業和場景下得到廣泛運用，尤其是我們將會看到大量的人類工作被機器取代。麥肯錫全球研究院近期的一份報告對全球800多種職業所涵蓋的2000多項工作內容進行分析后發現，全球約50% 的工作內容可以通過改進現有技術實現自動化。

當然，技術可行性只是影響自動化速度及程度的一個因素，還有其他因素需要考慮，包括研發和應用成本、勞動力市場供需、經濟效益，以及社會和政府監管部門的接受度。綜合上述因素，麥肯錫全球研究院的這份自動化研究報告指出，在 現今所有工作內容之中，過半會在2055年左右自動化，但這過程存在諸多變數。如果自動化推進速度快，達到該程度可能會提前20年；如果推進緩慢，則可能延後20年。

展望未來，人工智慧可成為應對一些社會核心挑戰的強大工具。在醫療領域， 人工智慧將極大提升我們分析人類基因組和為患者開發個性化治療方案的能力，甚 至大大加快治癒癌症、阿茲海默症和其他疾病的進程。在環保領域，人工智慧能夠分析氣候特徵並大規模降低能耗，幫助人類更好地監控和應對氣候變化問題。人工智慧甚至可以在地球以外地區發揮作用，他日或助力人類探索火星及外太空。

2.人工智慧對意味著什麼？

在多家科技巨頭積極研發的推動下，已成為全球人工智慧的發展中心之一。眾多的人口和完整的產業結構給提供了創造海量數據和廣闊市場的潛力。隨著老齡化的加速，提升生產力的要求就愈發迫切，因此人工智慧技術的運用對未來的經濟發展至關重要。一方面，還需要做好許多基礎性工作，如更為開放的數據環境和訓練有素的數據科學人才。另一方面，人工智慧或將引發複雜的社會及經濟問題，應審慎考量。

在人工智慧發展中的地位

與美國是當今世界人工智慧研發領域的領頭羊。僅在2015年，兩國在學術期刊上發表的相關論文合計近1萬份，而英國、印度、德國和日本發表的學術研究文章總和也只相當於其一半。

的人工智慧發展多由科技企業推動引領。得益於大量的搜索數據和豐富的產品線，一些互聯網企業走在了自然語言處理、圖像和語音識別等技術前沿。 這些技術被整合應用於新產品中，如自動化私人助理、自動駕駛汽車等。

有充足的理由對其在人工智慧領域的潛力感到樂觀。龐大的人口基數產 生的海量數據正是‚訓練‛人工智慧系統的前提條件。‚範圍經濟‛也是的優 勢所在，廣泛的行業分佈為人工智慧的應用提供了廣闊市場。

但是，需要持續不斷的努力，才能保持人工智慧的領先地位，並且最大化其經濟潛能。發展創新能力是重中之重。雖然在人工智慧的論文數量方面超過了美國，但學者的研究影響力尚不及美國或英國同行（見圖 2）。

此外，美國的人工智慧生態系統也更為完善和活躍，創業公司數量遠超（見圖 3）。由研究機構、大學及私營企業共同組成的生態系統龐大、創新且多元。 矽谷在科技領域日積月累的強勁實力形成了強大而難以複製的優勢。

以下，我們從數據、演算法和計算能力等三個關鍵因素出發分析面臨的挑戰。

數據

正如人類需要從食物中獲得能量，人工智慧的「食物」則是穩定的數據流。 人工智慧系統必須通過大量的數據來「訓練」自己，才能不斷提升輸出結果的質量。但數據領域的幾個因素可能會影響人工智慧的發展。首先，儘管的科技巨頭能夠通過其專有平台獲得海量數據，但在創建一個標準統一、跨平台分享的數據友好型生態系統方面，仍落後於美國。其次，全球各國都已意識到開放政府數 據庫有助於促進私營領域創新，但政府數據的開放度仍極為有限（見圖 4）。 最後，對跨境數據流通的限制也使得在全球合作中處於不利地位。

演算法

就應用層面而言，的演算法發展程度與其他國家並無太大差距。事實上， 在語音識別和定向廣告的人工智慧演算法上取得了突破進展。而全球的開源平台也使得企業能夠快速地複製其他地區開發的先進演算法。

然而，的研究人員在基礎演算法研發領域仍遠遠落後於英美同行。一個主要原因就是人才短缺。美國半數以上的數據科學家擁有10年以上的工作經驗，而在，超過 40%的數據科學家工作經驗尚不足5年。在人才方面的持續努力將至關重要。

目前，只有不到 30所大學的研究實驗室專註於人工智慧，輸出人才的數量遠遠無法滿足人工智慧企業的用人需求。此外，的人工智慧科學家大多集中於計算機視覺和語音識別等領域，造成其他領域的人才相對匱乏。如果大學對學生提出更高的數學和統計學要求，並且集中資源發展該領域全球前沿研究，人工智慧的發展必將受益匪淺。另一個值得思考的方向是改進現有的科研經費分配模式來推進創新。

計算能力

就人工智慧的商業應用而言，計算能力並非當前掣肘。由於微處理器在全球市場上是非常普遍的產品，計算能力已經成為一種能夠輕鬆購買得到的商品。

然而，絕不能忽視發展自己的先進半導體、微處理器和高性能計算技術的重要性。高運算速度的計算技術是發展尖端人工智慧技術的重中之重，而其耗能水平則決定著人工智慧解決方案能否實現大規模商業化。計算能力是人工智慧的基 礎設施之一，因此具有極高的戰略意義。依賴進口意味著這一基礎設施的堅固程度 仍不理想。

長期以來，的微晶片嚴重依賴進口，部分類型的高端半導體則幾乎完全依靠進口。2015年，美國政府禁止了英特爾、英偉達和 AMD這三家全球最大的晶元供應商向機構出售高端超級電腦晶元。這一禁令顯示了在半導體方面的自主研發能力對於未來人工智慧發展十分重要。

為應對這一局面，政府在 2014年出台了《國家集成電路產業發展推進綱 要》以及製造2025行動綱領。政府還成立了國家集成電路產業投資基金，目前募資已超過 200億美元。相關行動已初見成效：2016年 6月神威▪太湖 之光超級計算機問世，成為世界上運算速度最快的超級計算機，使用的是自主知識產權的處理器。政府的前期投資可以產生顯著的漣漪效應，鼓勵私營企業的積极參与。

特種處理器，如可以處理大量複雜計算的 GPU，對人工智慧的發展格外重要。 在大力發展其集成電路產業的過程中，也應密切關注此類處理器的發展。

總而言之，在探索發展人工智慧的戰略進程中，需要清楚地認識到，科技產業正在快速全球化。從基礎研究到應用開發，再到硬體生產，人工智慧全產業鏈的各個環節都包含著大量國際合作。在建設自己的數據生態系統、培養數據科學和研發人才，以及打造半導體產業的同時，還需要將其人工智慧產業建設成為一個與全球市場融合的開放系統。

人工智慧對經濟的影響

隨著老齡化日益嚴重，生產力的提升刻不容緩，人工智慧正是加快生產 力增長的重要機遇。然而，政策制定者還應考慮到它可能對勞動力市場產生的震 盪。

在過去數十年，因‚人口紅利受益良多，勞動力的擴張大大促進了經濟增長。但老齡化正使逐漸失去這一推動力。的勞動年齡人口最早將在 2024年達到峰值，並在之後的50年中減少五分之一。這一人口結構變化趨勢意味著在當前生產力水平的基礎上，將缺乏足夠的勞動力以維持其經濟增長。拉動經濟增長唯一可行的方式就是大幅推動生產力增長。

人工智慧有助於縮小這一差距。通過輔助或替代人類勞動，人工智慧系統能夠更有效率地完成現有工作，從而提升生產力。以英特爾為例，該公司在晶元生產過程中會收集大量數據。過去，如果生產中出現問題，公司需依靠人工分析數據尋找根本原因。而現在，機器學習以遠勝人工的速度完成這項任務，其演算法能夠篩 選成千上萬的數據點以找出殘次晶元的共同特徵。此外，人工智慧還可以使工業 機械製造、供應鏈、物流以及其他生產流程更為高效。人工智慧應用還能通過預 測故障、找出瓶頸，以及自動化流程和決策創造出巨大效益。

酒店和餐飲服務業、製造業以及農業在經濟結構中佔據了相當大的比重， 其中包含大量重複的、可自動化的工作內容。麥肯錫全球研究院預測，根據應用速度的不同，基於人工智慧的自動化為帶來的生產力提升每年可貢獻 0.8 至 1.4個百分點的經濟增長。

除了提升生產力之外，人工智慧技術的不斷發展也將創造新的產品和服務， 提供新的崗位和業務。就在幾十年前，還沒有人會想到互聯網經濟催生的新職業， 而人工智慧也將帶來相似的變革。

人工智慧有大幅提升生產力增長的潛力，但代價可能是收入差距的進一步拉大。總而言之，人工智慧將推動形成所謂的「技能偏好型科技變革」——即數字技能將特別受到重視，而對中低端技能勞動力的需求將縮小。比如，考慮到阿里巴巴已在其移動支付應用中啟用了人工智慧客服，由此可以設想今後客服等職位的需求將減少。勞動力總需求因而可能下降，儘管平均收入水平有希望上升，財富分配則將進一步向具備合適技能的人才聚攏。「數字鴻溝」有可能擴大社會分化。

總體而言，目前從事可自動化工作的勞動力人口超過其他國家。麥肯錫全球研究院預測 51%的工作內容有自動化潛力，這將對相當於 3.94 億全職人力工時的衝擊。

由重複性工作內容和可預測的程序性任務構成的職位尤其容易被人工智慧取代。根據成本效益分析，中等技能工人將首當其衝，而低收入崗位則可能存在更長時間。但這並不意味著如今的高端工種能夠完全免受衝擊。比如，醫生之類專業人士的部分工作也可能被自動化，而醫生的工作內容將會更專註於與人的溝通和互動。許多職業並不會消失，但其工作內容將會發生改變，因此教育和培訓體系也應與時俱進。一份美國政府報告預測了可能在未來盛行的四大類人工智慧相關工作：使用人工智慧系統完成複雜任務的協作性工作（如護士使用人工智慧應用常規查房）；開發人工智慧科技和應用的研發性工作（如數據科學家和軟體研發人員）；監測、授權或修理人工智慧系統的監測性工作（如人工智慧機器人的修理師）；適應人工智慧時代的工作（如建立人工智慧相關法律框架的律師或設計適合自動汽車行駛環境的城市規劃師）。

對先進數字技能的需求增加和低端勞動力的剩餘將可能導致不平等的加劇， 部分人群在這一問題面前尤為弱勢。比如，目前女性在計算機技術專業畢業生中的佔比不到 20%；從事可自動化的、重複性職業的女性過多，而在科技和管理崗位中又不足。在最新的萬事達卡女性進步指數中，女性在就業方面得分 83.8，但在領導方面僅獲 27.8分，說明了高技能職位的兩性平權遠未實現。 而人工智慧因此可能會進一步加劇性別不平等。

與之相似，人工智慧的逐步應用也可能進一步拉大富裕沿海地區與欠發達內陸地區的差距，加劇城鄉發展的不平衡。只有認真研究充分評估各種可能性，才能規劃好人工智慧佔據重要一席的未來。

對社會的影響

人工智慧發展前景廣闊，可用於改善醫療、環境、安全和教育，提升民生福祉。與此同時，由於它模糊了物理現實、數字和個人的界限，衍生出了複雜的倫理、 法律及安全問題。隨著人工智慧的逐漸普及，需要審慎管理來應對這一轉變。

許多現有用例展現出了人工智慧解決社會問題的潛力。人工智慧系統能夠幫助科學家預測環境變化。康奈爾大學利用這一技術預測動物棲息地變化以保護某些鳥類。人工智慧在醫療領域也得到廣泛應用。荷蘭政府使用人工智慧技術為特定病患群體尋找最有效的治療方案，並通過分析數字化的醫療檔案來減少醫療失誤。 在美國，拉斯維加斯衛生部利用人工智慧技術進行公共衛生監測，通過社交媒體的追蹤來確定疾病爆發的源頭。人工智慧系統還能提升公共交通系統的安全性和效率。已有證據表明使用人工智慧技術的自動駕駛汽車可以減少交通事故。而阿里巴巴與杭州政府合力推進智能城市交通體系，以人工智慧控制交通信號燈，可以有效減少城市特定區域的擁堵並使通行速度提高 11%。另外，人工智慧還被用於預測能源需求，管理能源使用。谷歌大數據中心的能耗降低，英國政府對電網系統 中需求高峰的管理都是該技術方向的早期用例。對企業和消費者而言，這意味著高達數十億美元的能源節約機會。

然而，除了這些潛力外，管理具備自主學習和決策能力的機器也是一份重艱 巨的責任。許多值得深思的倫理和法律問題因此而生。阿西莫夫的機器人三大定律首次嘗試為人機互動設立基本原則。但人工智慧技術所帶來的倫理問題更為微妙，其潛在影響也更為深遠。

首先，當感測器和人工智慧無處不在時，企業得以不斷收集個人信息，不僅在人們使用數字設備時，也在人們往返於公共和私人空間時。在某些特定場合，比如醫院，採集這些個人信息極為敏感。這就引發了一系列問題：誰擁有個人數據？ 數據應以何種方式共享？面對日趨嚴峻的網路安全攻擊又該如何保護數據？

其次，人工智慧可能在決策過程中產生無意識的歧視。由於現實世界存在著各種形式的種族歧視、性別歧視和偏見，輸入演算法中的數據也可能附帶這些特徵。 而當機器學習演算法學習了這些帶有偏見的訓練數據，也就‚繼承了偏見。2016 年，一家頂尖的人工智慧企業就發生了此類事故：該公司通過網路論壇訓練了一個實驗性聊天機器人，不曾想機器人學會了各種種族歧視和性別歧視的語言，惹惱了許多網路用戶。可以想見，如果有偏見的人工智慧處在了決策地位，那麼其決策可能會導致特定人群受到不公正的待遇。

除倫理問題之外，人工智慧在社會的普及更會產生諸多法律層面的影響。如果人工智慧的決策導致意外甚至犯罪，誰應當對其負責？人工智慧創作的知識產權歸誰所有？一旦人工智慧擁有超級能力，又該用哪些措施進行監管？人工智慧研發 人員有哪些法律權利與義務？要建立一個完善的法律及倫理框架，仍有許多問題尚待充分探討。

對地緣政治的影響

人工智慧的發展大多在開源環境下進行，充分體現了國際合作的重要性。進一步的推進人工智慧的發展也需要各國合力提供更為廣泛的數據、演算法、資金和人才交流。然而，雖然全球經濟不斷數字化，全球監管方面的許多領域仍是一片空白。趕超人類智力的自動系統帶來了諸多倫理及安全問題，也需要國內及國際間的共同協作來解決。

此外，正如基於人工智慧技術的自動化將造成勞動力市場分化，技術不發達的發展家在這一波發展浪潮中也將落於下風，國家間的‚數字鴻溝‛進一步擴大。一些國家原本期待快速增長的人口能夠推動勞動力密集型經濟的發展，但如果大量人力工作被機器取代，甚至可能出現新的社會動蕩。

最後，計算機模擬工具已經被廣泛運用在戰爭推演，而人工智慧將進一步提升這類模擬的精度和能力。人工智慧武器化隱藏著巨大的風險。由美國海軍委託撰寫的一份報告聲稱，隨著軍用機器人的複雜化，人們應更多關注其自主決策能力帶來的影響。史蒂芬·霍金、伊隆·馬斯克及超過1000名人工智慧和機器人研究員共同簽署請願信，要求禁止在戰爭中使用人工智慧，並警告「自動化武器」可能帶來可怕災難。人工智慧系統正如此前的核能及核武一樣，必須通過強有力的國際公約來確保其和平使用，以保障世界各國的安全。

3. 人工智慧的未來之路

要將目前的創新轉化為長期可持續的增長引擎，就必須制定一套精心策劃的戰略。政府可以為人工智慧的發展打牢根基，並且設定激勵人心的目標，以此刺激私營部門的創新和應用。人工智慧的發展基石包括完善的產業、經濟、社會以及外交政策框架。

相關產業及經濟政策框架

雖說人工智慧尚處於發展早期，但其發展很可能是非線性的。這就意味著完 善的產業政策必須儘快到位，否則可能出現激勵不當、投資過度和供應過剩的風險， 破壞人工智慧所產生的價值。市場將主導人工智慧技術的開發和應用，合適的政策框架可為其構建一個健康的發展環境。

戰略重點之一 ：建立完善的數據生態系統

海量數據是訓練人工智慧系統、吸引人才、加速創新的核心要素之一。可以通過建立並落實數據規範、向私營領域開放公共數據、鼓勵跨國數據交流來構建一個更為完善的數據生態系統。

首先，建立數據標準是進行廣泛數據分享和實現系統間交互操作的重要前提條件，有助於提升物聯網及人工智慧技術的價值。潛在的龐大數據體量是的天然優勢，使有機會在國際上更好地發揮領頭羊的作用。而且，在與中文語言相 關的數據規範制定方面，也應起到主導作用。

對於特定行業數據，政府可要求現有的監管機構制定必要規則。比如美國證券交易委員會在 2009年出台規定，要求所有上市公司使用 XBRL（可擴展商業報告語言）格式發布財報，確保所有公開數據的機器可讀性。

其次，為了提升數據的多樣性，政府應提高公共數據的開放程度，並帶頭建設行業資料庫。這些舉措同時能夠提升公共服務質量、提供政策制定洞見，從而帶來額外益處。比如紐約市政府就建立了公開數據門戶網站，為市民提供經濟發展、 醫療、休閑、公共服務等領域的數據。2012 年紐約市還頒布了《開放數據法案》， 要求政府部門使用機器可讀取的數據並建立 API（應用程序編程介面），方便軟體 研發人員直接連接政府系統並獲取數據。

最後，政府還需考慮國際數據流的價值。麥肯錫全球研究院的調查表明， 2014年，跨境數據流為全球經濟創造了 2.8萬億美元的價值，對經濟增長的貢獻已 經超過實體貿易。此外，研究還指出，由於經濟體需要接觸全球的思想、研究、科 技、人才和最佳實踐案例，數據流入和流出都能十分重要。

數據是未來的貨幣。例如在醫學研究中，如果沒有全球海量臨床數據的支持， 人工智慧的潛力就無法得到充分挖掘。過多的桎梏將會束縛的人工智慧企業， 導致其喪失開發具有全球競爭力產品的能力。

戰略重點之二 ：拓寬人工智慧在傳統行業的應用

只有當人工智慧技術在真正普遍的應用於傳統行業，而不僅僅屬於科技巨頭時，其經濟潛力才會充分彰顯。提升各行各業的生產力水平將創造巨大的價值，但首先需要克服重重障礙。

第一重障礙是很多商業領袖還沒有意識到改變現有業務運作方式的緊迫性。 麥肯錫調查顯示，目前在的傳統行業中，超過 40%的公司仍未將人工智慧列入戰略優先項。因此，許多公司仍未開始採集未來人工智慧系統所需要的數據。 例如，農業公司鮮少記錄如種植時間表或是氣候對產出的影響，而這些信息正是人工智慧生成洞見及提升效益所需要的。與此形成對比的是，英國、美國和日本都已建立了全國信息系統採集此類數據，將先進的分析技術引入現代農業管理。

第二重障礙是專業技術知識的缺失。如上文所述，需要培養更多的優秀數據科學家，特別是在一些需求緊迫的領域。而能將人工智慧知識轉化為商業應用創造價值的人才也同樣緊缺。為了理解和應用數據，越來越多的企業決策者和中層管理者需要學習新技能。與英特爾類似，一家晶元製造商已經意識到，分析在製造和測試過程中的大量數據將有助於改進生產流程並降低殘次率。但由於缺乏既懂半導體技術，又懂人工智慧的人才，這一想法仍然沒能被付諸實施。

第三重障礙是實施成本較高。對企業而言，購買人工智慧系統、高價聘用專業人才有時並不合算。當人工成本較低時，引入先進技術、精簡人工流程的需求也並不那麼迫切。

人工智慧最大的價值在於引導傳統產業的徹底變革。如果政府能夠幫助克服人工智慧發展初期面臨的這些障礙，市場將有機會充分驅動人工智慧未來的發展。

減稅和補助等傳統經濟工具可以解決一些問題。同時，政府還應率先垂範應用人工智慧系統。這將產生強有力的跟隨效應，激活市場，助力服務供應商的發展， 積累技術經驗和人才，最終達到降低應用成本的目的。

此外，鼓勵物聯網（簡稱IoT）在傳統行業的應用將有助於人工智慧產生更多的價值。物聯網通過感測器和網路實現各類設備間的聯通，為人工智慧提供了海量的真實世界數據。結合‚互聯網+‛政策，政府可協助打造物聯網在關鍵經濟領域應用的成功案例，為其他行業樹立典範。

教育政策框架

人才對人工智慧的發展和應用至關重要。一個健康的人才結構應包括尖端的研究人員來推動人工智慧基礎技術的發展，開發人員以促進人工智慧在現實環境中的應用，以及大量能夠與人工智慧系統在不同場景共事的勞動力。

戰略重點之三 ：加強人工智慧專業人才儲備

面臨著巨大的人工智慧人才缺口。政府需要大力投資人工智慧相關教育和研究項目；重新設計教育體系，突出創新和數字技術的重要性；制定吸引全球頂尖人才的移民政策。

推進人工智慧技術的發展，需要建立更大規模的計算機科學精英人才庫。政府可出資設立人工智慧項目，資助頂尖大學創建人工智慧研究實驗室和創新中心，以推進大學、科研機構和私營企業間的合作。在這方面，韓國政府已經邁出堅實的 一步，投資 1萬億韓元（約合 8.63億美元）與韓國商業巨頭合資建立國家級的公 私合營人工智慧研究中心。加拿大政府也有類似舉措：政府向蒙特利爾三所大學 的人工智慧研究項目投資超過 2億美元。

許多受訪專家表示，必須花大力氣培養更為廣泛的創新文化，方可實現人工智慧領域的突破。途徑之一就是引入將人工智慧和其他學科相結合的大學課程。 斯坦福和麻省理工等頂尖美國高等院校已經開設了計算機科學與人文學科的聯合專業，旨在尋求激發創造力的新方法。此類課程能夠激發人工智慧在醫療、法律、金融和媒體等各領域的應用。

投資大學項目可帶來長期收益，因為人才是未來吸引國際公司的核心所在，而非傳統的稅收或其他財務優惠。人工智慧的大型研發團隊對吸引學術人才愈發重視。谷歌 DeepMind團隊中有大約三分之二的成員來自如倫敦大學學院、牛津大學和蒙特利爾大學等學術機構。這一領域頂尖公司自然而然會向擁有大量人工智慧人才的城市匯聚。例如，隨著蒙特利爾在該領域的聲名鵲起，谷歌和微軟都宣布了將向當地大學人工智慧研究所投資並拓寬公司在當地的業務。

除了培養國內人才，也需要與全球頂尖數據科學家合作，參與到國際協作之中，包括大力引進國際專家來華工作、鼓勵人工智慧研究者出國學習全球最新的創新科技。這些要求政府放鬆居住和移民政策，並出台獎勵和支持措施。

戰略重點之四 ：確保教育和培訓體系與時俱進 ， 支持勞動力大軍的再培訓

人工智慧在經濟和社會中的普遍應用還需要數十年，但現在就應為一些行業的快速顛覆做好準備。某種關鍵技術的突破短短几年就可以讓一些職業消失。打字員、接線生、膠片洗印師及許多其他職業都隨著科技進步基本退出了歷史舞台。

未來的一項長久挑戰是幫助受到人工智慧衝擊的行業勞動力重新適應並獲得新技能，這將是保障公共福利和維護社會穩定的關鍵。政府要及時識別哪些是最可能被自動化取代的工作，並為受到影響的勞動力提供再培訓，比如與職業培訓學校緊密合作，向工人提供免費教育的機會。

與此同時，政府也應著力加強數據和人工智慧在各個階層的教育。未來的政府領導必須理解人工智慧才能制定明智的政策，未來的管理人員必須了解人工智慧才能管理企業；未來的工人必須學會與人工智慧共事才能避免被淘汰。

應長期關注相關領域的教育，保證未來勞動力具備所需技能。這不僅包括建立未來數據科學家和工程師儲備庫，還要讓多數勞動力懂得如何在各行各業使用科技。學校需要更重視科學、技術、工程和數學教育，即使是基礎教育和職業培 訓也需要增加數據教育的內容。

人工智慧和很多重複性工作的自動化很可能擴大數字鴻溝，因此政府對不平等問題的應對就顯得尤為重要。相關舉措包括確保教育機會的平等性，保證女學生、 農村和內陸地區學生在科學、技術、工程、數學和人工智慧等各個方面能夠獲得充 分教育。

社會及全球政策框架

戰略重點之五 ： 在國內及國際上建立倫理和法律共識

人工智慧的進步將在多個方面為社會帶來深遠的影響。在最為緊迫的倫理和法律問題上，不僅要在本國，更要在國際上促成共識。

在國內，應形成一套透明和廣泛的質詢程序來確保公眾做好迎接變革的準備。一些法律問題，比如隱私保護和自動駕駛汽車的責任認定等，將對人工智慧的發展 及應用有著舉足輕重的影響。全國人大需要建立起法律框架，掃清法律上的不確定性。

待法律框架建立之後，政府就要成立監管機構負責人工智慧的監督和管理。考慮到人工智慧在各行各業的廣泛應用，這就要求政府與各相關機構協商諮詢、發揮其專長。比如，醫療領域的應用不當將造成嚴重後果。因此，國家衛生和計劃生 育委員會必須在規則制定過程中擁有強有力的話語權。

在國際方面，可以牽頭組建國際性的監管機構以促進人工智慧技術的和平、全面和可持續發展。該國際機構的目標應是監管人工智慧的發展、制定標準和 確定倫理準則。

除了監管，還可以在全球經濟發展中起到模範作用。為保證全球數字鴻溝不會成為經濟繁榮的長期阻礙，可與其他發展家分享和交流人工智慧技術及管理經驗，從而揭開「人工智慧一帶一路」新篇章。

在未來數十年間，人工智慧有可能從根本上改變人類社會。應充分利用這一極其重大的技術進步提高生產力以保持較快增長。更為重要的是，有能力， 也有機會領導人工智慧在全球範圍的發展和治理，確保人工智慧為全人類福祉做出應有的貢獻。

1：一百多篇大數據文檔下載！

2：超全數據分析資料免費下載！（包括SQL，R語言，SPSS，SAS，python，數據分析和數據挖掘）

3：清華大學數據科學院講座內容集錦免費下載！

4：Python超全資料分享！