人工智能是引领未来的战略性技术，是中美战略竞争的焦点领域之一。我国人工智能芯片和开发框架的关键自主根技术落后，基础设施薄弱、顶尖人才缺乏，若“十四五”时期不能实现重大突破，将难以与生态成熟、市场广阔、用户众多的少数先进国家竞争，必须在战略与战术上科学谋划，实现跨越发展。

我国人工智能产业进入活跃期，市场前景广阔，但面临根技术落后、基础设施薄弱、行业落地困难、顶尖人才缺乏等挑战

受政策、技术、市场等因素驱动，我国人工智能保持高速发展态势。在互联网、公安等方面应用处于国际前列，逐步形成了包括芯片、开发框架等根技术、基础软件和应用场景在内的相对完善的产业体系，涌现出一批骨干企业，推出了如华为昇腾人工智能芯片、MindSpore开发框架，寒武纪思元芯片、百度PaddlePaddle开发框架等代表技术和产品。自2019年，我国人工智能论文发表数超过欧美，论文被引用量与美国相当。

但要看到，我国人工智能产业发展面临一系列挑战。

一是关键根技术落后带来发展风险。我国人工智能产业的发展，甚至政府、军事等领域的关键应用主要建立在美国根技术的基础上。英伟达（Nvidia）的人工智能高端芯片占我国90%以上高价值市场份额。美国谷歌和脸书以开源和免费人工智能框架抢占人工智能算法创新源头。TensorFlow和PyTorch已占我国85%以上份额，TensorFlow一周的下载量超我国所有自主人工智能框架2020年的下载量之和。人工智能基础算法的30多个专利掌握在谷歌手里。国内人工智能基础软件、应用软件、算法等需要借助国外技术才能发展和演进，高端芯片等供应链上的“命门”也掌握在美国手里。持续在国外根技术基础上发展我国的人工智能产业，是国家战略投资的浪费，将错失自主发展的历史性机遇。

二是基础设施建设不足，算力昂贵稀缺，行业开放数据集缺乏。我国缺少大规模开放行业数据集，数据生产、交易和治理的机制缺位。高质量大规模的基础数据和行业数据是人工智能发展的基础，也是人工智能与实体经济融合的关键。尽管我国互联网领域已集中产生了海量结构化数据，带动算法技术快速成熟，但大规模高质量的行业数据集缺乏。如互联网图片识别常用的ImageNet数据集有14197122张图片，而工业视觉领域的工业质检数据集通常仅1000张左右。但工业质检的准确率需要99.99%，对比互联网一般95%的准确率要求更高，更需要大规模高质量的数据集进行训练。据统计，国内大量行业数据资源集中在教育、医疗、交通管理等政府公共部门，占比高达75%。此外，互联网等行业数据集基本上由少数几家巨头掌握。由于国内人工智能数据生产、流动和治理机制办法缺位，政府公共部门和众多人工智能企业出于法律和商业利益考虑，大量高质量数据的共享与传播受到限制，无法得到有效利用。

三是应用门槛高，应用落地领域不均衡，整体智能化水平较低。据统计，我国85%以上人工智能算力集中在互联网、公安行业，在教育、医疗、养老、环境保护、城市运行、司法服务、交通、能源、制造等领域未得到深度应用，对社会治理、经济活动各环节的智能化水平提升作用不足。主要原因在于，人工智能需与各行业的业务流程、信息系统、生产系统等深度结合才能产生价值。除相应的硬件、软件、算法外，还需同时具备行业知识、人工智能知识、信息系统知识的人才进行开发和部署。人工智能开发和应用是一个跨领域融合的过程，有诸多困难需要克服。另外，工业领域细分子行业多、应用场景多，相应的算法模型订制频繁，人工智能快速复制存在困难。

四是顶尖人才储备少，基础创新能力不足。根据清华大学AMiner数据平台每年发布的“AI2000人工智能全球最具影响力学者榜单”，中国入选全球AI2000学者数量为196，位居第二，但仅占全球9.8%，约为美国高层次学者数量的1/6。高层次人才的短缺也直接反映在我国人工智能关键根技术和算法创新方面能力的匮乏。建设高水平的人才队伍和创新团队是我国人工智能发展的迫切需求。

推动我国人工智能产业加快发展

（一）明确我国人工智能产业自主技术路线，培育关键根技术，构建我国人工智能产业体系

1.成立国家层面的领导小组，明确人工智能自主根技术路线，并统筹推进规划落地国家层面成立人工智能根技术发展领导小组，对人工智能技术体系进行整体规划设计，对规划落地进行统筹协调。培育一批人工智能高端芯片、框架根技术的头部企业，构建基于根技术的生态体系，推动其在各行业、各场景中广泛应用。

2.启动“人工智能根技术”国家重点研发专项，力争三年内形成可持续的根技术路线和相对完备的生态体系启动“人工智能根技术”国家重点研发专项，重点扶持国内企业人工智能高端芯片、框架研发，资金投入上与美国在人工智能基础技术上的投入相当，三年内形成持续投入和研发、不依赖国外技术的能够稳定供应和发展的可持续根技术路线，在部分领域实现国际领先。

围绕人工智能根技术打造开放生态体系。围绕高性能芯片，发展适用于人工智能计算范式的内核架构、内存系统、高速互联、协处理机制和芯片封装等技术；围绕人工智能框架，发展安全可信体系和人工智能应用使能软件，高性能使能基础软件，完善统一编程接口、动态计算图执行、弹性计算等技术；基于人工智能芯片和开发框架，发展软硬件协同和系统级优化技术，构建异构软件编程及开发体系。

3.促进中欧合作，形成有利的国际发展环境，推动技术、学术交流和标准统一。

加强与欧洲AI4EU联盟等人工智能组织的联系，建立技术生态合作，与欧盟人工智能高级专家组（AI HLEG）的专家进行互动；与欧洲大型ICT技术公司和行业独角兽加强商业联系，发挥顶级合作伙伴在欧盟内部的影响力，在交通、制造、医疗等重点行业树立样板，强化中欧人工智能领域经济联系；识别欧盟重点高校顶级教授，通过顾问、招聘模式建立合作，聚焦德、法等国重点高校，落地高校教学合作；对欧盟政策、法律保持跟踪，在标准领域，引导中欧形成基于我国人工智能技术路线根技术的统一标准，形成类似于5G通信领域的标准联盟。确保在美国技术被阻断的背景下，我国仍可获得全球人工智能的领先技术、思想，相互交流促进，避免封闭发展。

二）集约化建设算力中心和开放数据集，奠定人工智能根技术发展和行业落地的基座

1.加快基于我国根技术的人工智能计算中心建设。

通过政府主导，配套国家和地方产业发展资金，集约化规划和建设一批人工智能计算中心。依托人工智能计算中心，搭建算力公共服务平台、人工智能应用创新孵化平台、产业聚合以及协同创新平台、人才培养及标准孵化平台。

支持建设基于我国人工智能技术路线的EFLOPS级人工智能计算中心，建立对人工智能计算中心建设标准、技术规范、算力调度和审批运营考核机制，制定基于有效算力的人工智能计算中心考核指数。

2.推动数据开放，建设一批高质量公共数据集。

推进数据开放，制定办法和指标，推动政府公共部门（政务、医疗）定期发布脱敏数据；对央企（能源、交通、金融）制定数据积累指标，在不影响商业机密的基础上定期收集发布，形成行业共享数据集。积累政府和央企的开放行业数据集存储在国家投资和管理的计算中心和创新中心供行业企业免费使用，人工智能计算中心及平台提供数据集安全可信及开放共享。鼓励民营部门开发脱敏数据集给教育和科研机构使用，鼓励产业与学术协作。

3.推进数据生产和流动机制，调动政府部门、产业界、学术界、公众等创新主体并促进互动通过制定数据生产和流动机制，依靠政府统筹打通汇聚、共享等环节，明确数据格式、元数据标准，并开发标准库和工具包，制定并统一数据标注规范、存储安全标准，使用方法；推动政府机构间、政府与企业之间、企业与企业之间的数据分级访问，普及数据保护意识；鼓励所有机构为人工智能训练和测试开发公共数据集；提高数据可用性，根据研究机构的反馈，优先发展人工智能数据的访问质量和路径。

（三）基于我国人工智能自主技术路线发展行业应用，对人工智能创新企业采取先保护、后竞争的措施

1.建设人工智能生态创新中心，加快推动人工智能与各行业融合创新，推进人工智能规模化应用鼓励领先地区结合当地优势产业，聚集龙头企业和研究院所的创新力量，配合人工智能计算中心，建设区域人工智能生态创新中心，面向传统企业提供关键人工智能共性技术，开展人工智能技术赋能活动，推动企业智能化发展，打造产业集聚效应。从而推动新旧动能转换，助力数字经济赋能产业转型升级，引领产业向价值链高端迈进，有力支撑实体经济发展，获得整体产业竞争优势。

培育具有重大引领带动作用的人工智能产业，加快促进人工智能与各产业领域深度融合，推动形成数据驱动的智能经济形态。出台相关奖励和减税等鼓励政策，大规模推动企业智能化升级，提供算力补贴给符合申请规定的企业，对其制定免税、减税等激励措施，鼓励创新投入。

2.在初期保障人工智能自主技术路线根技术应用，制定重点行业和企业的技术路线实施计划。

在人工智能自主技术路线根技术发展初期，制定重点行业（如军队、安防、金融等）根技术应用计划，实现我国根技术路线三年全面落地。制定政府部门和重点行业央企（如应急、金融、交通、能源、教育等）我国人工智能自主技术路线根技术应用最低比率（如30%），或向人工智能计算中心租用同等算力。对于三年内应用我国根技术产品或解决方案的民营企业，予以一定比例补贴。其中基于我国根技术的产品或解决方案可采用清单方式进行管理。

3.建立“人工智能+行业”国家重点实验室，促进我国人工智能行业应用在重点行业突破落地。

在人工智能产业聚集的重点区域围绕重点行业，如医疗、交通、安平、制造、能源等建立“人工智能+行业”国家重点实验室，以人工智能技术在行业的应用落地为核心，开展行业智能基础研究和应用创新工作。通过人工智能技术与行业应用场景的结合，制定相关技术框架、标准、规范，形成具有行业引领和示范作用的系统性原创成果，力求实现关键技术的突破与集成。加强行业人工智能实验室研究成果的衔接与转化，构筑面向该行业的人工智能技术支撑和赋能能力，促进我国各行业智能化的均衡发展。

（四）引进全球顶尖人才资源，加速青年人才培养和产学研协同发展

1.加强全球顶尖人才引入，充分利用全球化人才资源。

随着美国对中国人工智能产业的封锁，美国部分公司经营状况下滑，收入下降，某些领域出现对华裔学者的歧视性现象，可以吸引这些美国高级科技人才归国回流。俄罗斯的计算机开发语言、编译器、数据库等方面的技术较为领先，可以引入相关人才。对于相关急需人才来中国工作或中国企业在国外设立研究所可以给予快车道和相关政策支持。为国外回流领军人物解决国籍、户口、住房、子女教育、教职等问题，使其能够专心科研，设立针对AI2000高端人才的专项引入计划。

2.重塑人工智能人才培养体系，将人才培养和科学研究建立在自主根技术之上提高全民对人工智能的认知水平。强化STEM教育，以科学、技术、工程及数学等学科作为人工智能的基础教育，从小学到高中教育阶段设置人工智能相关课程。支持高校调整和新建人工智能学科专业，鼓励有条件的高校建立人工智能学院，加强基于我国根技术的人工智能学科设计与教材编制，积极开展“新工科”教育实践，形成“人工智能＋X”复合专业培养新模式。打造职业培训体系，鼓励高校、企业等赋能各类职业教育机构培养基础型人才，为劳动力技能转型提供更多培训机会，以适应各行业智能化转型所带来的技能转型和提升需求。引导双一流高校人工智能专业开设基于我国人工智能根技术的必修课程。

3.鼓励产学研协同发展，基于人工智能根技术联合创新鼓励企业与高校合作开展尖端科研工作。鼓励高校院所联合行业龙头企业，采用产学研合作模式创建一批国家级或省级人工智能重点实验室、新型研发机构、工程（技术）研究开发中心、企业技术中心等公共技术创新平台，促进人工智能前沿核心技术和应用技术开发研究，开展科技成果转化和行业标准制定等工作，掌握核心技术，形成自主知识产权。