长江商学院发布《中国人工智能指数报告》：中美人工智能领域的产业化差距有多大？

buzhy

（图片来源：全景视觉）

经济观察网 记者 陈伊凡 2019年3月20日，长江商学院首届人工智能论坛暨中国人工智能指数报告发布会在京举办。《中国人工智能指数报告》由长江商学院人工智能与制度研究中心主任、长江商学院教授许成钢和武汉大学大数据与云计算实验室主任崔晓晖团队共同研究制作。报告从学术、产业、开源软件包使用、公众认知及媒体等方面，进行中美对比，以此度量中国的人工智能在最近十几年里的发展及影响，该报告将每年发布一次。

从报告的分析结果来看，中美两国人工智能在学术领域，尤其是具有原创性、影响力的学术成果和产业领域的差距仍然存在。中国的人工智能公司数量从2016年开始呈现下降趋势，在某种程度上也反映了中国人工智能产业领域逐渐趋于理性，开始在人工智能领域出现一些头部公司。针对中国人工智能产业化的问题，是否可以复制美国的风投机制？产学研模式是否可以作为行之有效的解决方法？

学术领域发展迅速 产业领域差距加大

报告显示，在学术领域，中国在人工智能学术领域上发展迅速，在学术期刊及专业会议发表论文的总数方面，中国呈现快速接近美国的趋势。这一趋势在 2016 之后尤其明显。中国的中、低等引用 率的论文的发表总数，在最近几年快速接近了美国的总数。但在最具原创性最具影响力的极高引用率和高引用率的论文方面，中国虽有大的进步，与美国的差距仍然相当显著；

在产业领域，在最近二十几年里，中国活跃的人工智能初创公司数量在2012年之前多于美国，但是在2012年以后被美国超越。尤其是在2016年之后，中美两国在产业领域的差距加大。2016年之后，美国的人工智能初创公司数量快速上升，而中国则在2016年之后下降，在2018年降至不到200家。

在人工智能的学术人才方面，除了有特大影响的人才外，中国有能力发表有影响 的(即被引用的)论文的作者人数与美国之间的差距持续缩小。发表没有被引用的论文作者人数，最近几年大幅增加，超过美国。但特大影响(特高引用率)作者的人数显著少于美国。在人工智能的所有人才，包括学术、产业等所有方面的普遍人才方面，据领英(LinkedIn) 人才数据库，中国的 AI 人才总数为 5 万，而美国的 AI 人才总数为83 万。

在开源软件包的统计上，中国在最近三年里，关注人工智能开源软件包的总数迅速上升，并在2017 年秋超过了美国。但是，几乎 93% 的中国研究者使用的人工智能开源软件包，是美国的机构开发提供的。

美国的风投机制可否复制

80年代硅谷技术创新企业的辉煌得益于其风险投资机制的完善。那么，中国在产业领域，是否可以复制美国的风投机制？许成钢认为，当风投背后的大制度背景不同是，复制是很困难的。

许成钢表示，中国实际上在有意识的学习美国的风控公司，但是中国模仿美国的风险投资，模仿了有一些相对成功，大量的是不太成功的，原因是在于风险投资是一个大制度环境里面产生出来的一个制度。当你的大制度环境不一样的时候，是很难模仿的。但是为什么有一部分成功呢？原因很简单，在中国有很大一批的风险投资是美国拉来的，在退出的时候，采用的美国的制度，所以他是在那个制度背景下来的投资者，然后退出的时候还依赖着是那个制度，所以这个部分是成功。当我们讨论的领域是一个高度不确定的领域，事先没有人能做判断，在这种情况下，用风险投资的方式，实际上是能保证你能够让许多新鲜的想法有机会得到初步的发展。当它得到初步的发展之后，你再由市场的机制决定它是死还是生，但是一定是死得多，生得少。

知识产权转让机制缺乏

在人工智能的产业落地上，产学研结合是一种行之有效的合作模式。美国硅谷的企业就是通过这样的方式将大学和研究所的技术产业化。但在中国，产学研的方式落地起来困难重重。

崔晓晖认为，“企业在一些研究的方面，可能有非常强的目的性，大学更多可以基于特别是对于一些比较资深的教授可以基于自己的兴趣，长期在某一个领域做一些研究，这个是可以互补的。大学的教授是做研究的，你非要让他去做公司的话，他不一定能做得好，因为毕竟开办公司和做研究是完全不一样的东西，开办公司有很多问题不是大学的教授聪明的教授能解决的。”在他看来，中国更缺乏的一种就是知识产权的一种转让机制，知识产权中介，作为企业与大学之间的桥梁，企业把这些产权拿过去给予相应的股份，可能这种模式现在是比较推崇的。

但这样的形式在中国实现仍需要时间，其所存在的无形资产评估问题、技术成果的所有权、使用权和处置权界定不清的问题以及技术经理人队伍建设的不足等等，都是横梗在产学研模式中亟待解决的问题