'最新報告：中美歐，誰會在AI競賽中勝出？'

pixabay.com

撰文 | 邸利會

責編 | 陳曉雪

誰將在AI競賽中勝出：中國、歐盟還是美國？

8月份，總部位於美國華盛頓的智庫 “數據創新中心” 發佈了一份超過100頁的報告，分析了AI在中國、美國和歐盟發展的現狀，並給出了相應的建議。

報告認為，在這波AI競賽中，落後的一方將蒙受經濟、國家安全、影響力方面的損失。報告也強調，除了競爭，AI的很多成果，比如公開發表的論文，涉及到公共健康、環境和教育的，原則上可以普惠地球上各個角落的人們，而就AI本身的發展應用，國家間的合作也必不可少。

報告選取了人才、研究、開發、應用、數據、硬件等六個方面進行比較，得出的結論總體上符合一般業內的認知——

儘管中國取得了快速的進步，但美國依然在AI領域處於領先地位，而歐盟則進一步落後；未來隨著中國的進一步發展，這一排名可能會有變化。不過，如果考慮到人均，美國的優勢進一步擴大，中國則掉到了第三。

具體來說，美國的優勢表現在：AI初創企業最多，得到的投資也最多；在芯片方面全面領先，優勢明顯；AI方面的論文數量比歐盟和中國少，但平均質量要高。此外，美國依然吸引了全球大量的AI人才，且精英更多。

比較而言，中國優勢的表現在數據和商業化應用方面，高質量的人才和研究方面依然欠缺，初創企業得到的資金有所減少，在芯片領域儘管有所追趕，但差距依然明顯。而歐盟，儘管其論文最多，人才也不少，但在商業落地和資金方面卻很不相稱。

我們從報告中截取一些重要、有意思的點分享給您，詳細內容請參考報告全文。

中國AI人才依然缺乏

報告用了AI研究者數量、頂尖AI研究者數量，AI頂級會議的參會者數量等指標來評估人才領域的競爭。

AI研究者的統計依據的是過往十年發表的AI方面的論文和專利，而所謂頂尖AI研究者選取的是H指數排名前10%的研究者。

AI人才各項指標中國、歐盟和美國的絕對數量。（報告截圖）

從這張圖看，中國在AI人才方面全面落後於美國和歐盟，不管是在絕對數量還是質量上。

報告也引用了另外一些指標，佐證了這一結論。比如，2018年7月清華大學中國科學技術政策研究中心發佈的《中國人工智能發展報告2018》顯示，全球擁有頂尖AI人才最多的前20所大學，中國只有清華，排在第15名。

全球擁有頂尖AI人才最多的前20所大學，清華排在第15名。（《中國人工智能發展報告2018》截圖）

清華的這份報告還指出，AI研究者排名前20的公司，唯一入選的中國公司是華為，排第10名，有73名；在頂尖AI研究者排名前20公司中，唯一入選的中國公司華為排第20名，擁有7位頂尖AI學者，而美國公司有232位，歐盟公司有85位。

AI研究者前20名的公司，唯一入選的中國公司是華為，排第10名，有73名；擁有最多頂尖AI研究者的前20名公司中，美國公司有232名，歐盟公司有85名，中國只有7名，且都屬於華為公司，排名是第20名。（《中國人工智能發展報告2018》截圖）

報告認為，中國缺乏頂尖AI人才可能是由於中國最近才對AI感興趣，中國大概只有四分之一的AI研究者的經驗超過10年，而美國有一半。

該報告還引用了李開復（創新工場董事長兼首席執行官）的觀點：缺乏頂尖AI人才不會對中國在AI領先世界方面造成障礙，理由是，儘管中國不見得有多少優中選優的佼佼者，但有大量高技能的AI研究者和實踐者，不會影響AI的商業化落地。

有意思的是，報告還引入了 Educating top AI Researchers 這一新穎的指標，2018年在21個AI頂級學術會議發論文的研究者，他們的博士學位有44%是在美國取得，21%在歐盟，在中國的只有11%。

這說明，美國依然是AI人才培養的最重要的基地。此外，在美國獲得數學和計算機博士學位的人裡，79%計劃留在美國；從1998年到2017年，1283名外國的AI研究者遷移到了美國，同期的歐盟則是834名，而中國只吸引了58名AI研究者。

中國AI研究質量有待提高

為了衡量研究的質量，報告採用了 FWCI 這一指標。該指標全稱是 Field-Weighted Citation Impact，指的是總的引用量和該學科期望的平均總引用量的一個比值。

該報告發現，2016年，美國的 FWCI 是1.83，歐盟是1.20，中國是0.94，也就是說，美國研究者被引用的次數要比全球平均水平高出83%，中國作者的被引數則低於全球平均水平。從2013至2017年，出版最多AI論文前5所機構的 FWCI 值——美國（卡耐基梅隆大學、麻省理工學院、微軟、IBM和斯坦福大學）達到了4.0，比歐盟的1.9以及中國的1.4要高很多。

當然，中國這些年的進步非常明顯。

中國的 FWCI 值從2009年的0.59上升至2016年的0.94。最近，The Allen Institutefor Artificial Intelligence （AI2）還發現，引用最高的前10%的論文中，美國的份額由1982年的47%下降到了2018年的29%，與此同時中國則由幾乎零引用上升到了26.5%。該報告的發現與別的AI研究報告，如斯坦福的《2018人工智能指數報告》的結論大體相符，2016年，中國的AI作者被引用率比2000年高出44％。

AI 商業化，歐盟落後

要想讓AI發揮其潛力，造福社會，AI就必須從學界走向工業界，進行技術的應用開發和商業化落地。

從私募股權投資和風險投資來看，2017至2018年，美國以約169億美元領先，中國是135億美元，歐盟才只有28億美元。2018年的私募股權投資和風險投資70%是種子和天使輪，針對的都是新的小型公司；而到通常至少千萬級的C輪融資，中國和美國的佔比分別為6%和5%，而歐盟只有1%，金額也偏少。

AI領域的收購反映了市場的活躍度，一些大公司也通過收購加強其市場地位。從2000年1月至2019年的5月，美國完成了526筆收購，歐盟139筆，中國更少，為9筆。收購前十名均為美國的公司，其中谷歌的母公司Alphabet收購了19家公司，蘋果收購了16家公司，微軟收購了10家公司，亞馬遜和臉書也都收購了7家公司。

AI初創公司是整個生態鏈中的生力軍，據諮詢公司 Roland Berger 和柏林的投資公司 Asgard 統計，2017年美國共有1393家AI初創公司，歐盟有726家，中國有383家。2019年得到至少百萬美元的AI公司數量，美國有1727家，歐盟有762家，中國有224家。2018年，美國初創公司得到107億美元，比2017年的62億美元有所增長；而中國的初創公司則從2017年的81億美元縮減到了54億美元。

在AI專利方面，作者指出，各個國家很難比較。值得注意的是，在中國申請的專利只有4%同時在其他轄區申請，而在美國專利和商標辦公室（Trademark Office, USPTO）申請的32%的AI專利同時也在其他轄區申請。不過，從《專利合作條約》（Patent Cooperation Treaty, PCT）專利，也就是通常說的國際專利看，三個地區差別不大，美國為1863件，歐盟和中國相當，均為1000出頭。

對AI的態度影響其應用

按照普華永道的預測，到2030年，AI的應用會創造13萬億美元的 GDP。

政府部門和企業等應用AI的程度在報告中也是一個非常重要的比較維度。

該報告參考了之前的調研，如波士頓諮詢（Boston Consulting Group，BCG）在2018年調查了來自奧地利、中國、德國、法國、日本、瑞士和美國的超過2700名經理，得出的結論是，中國32%的公司應用了AI，美國是22%，歐盟大概18%。這表明，中國公司在AI應用方面要更為普遍。

不過，有意思的是，不像美國或者歐盟，中國各個商業部門應用AI的分佈比較統一，美國不同部門之間會有32%的差異，但中國應用AI高的部門和低應用AI的部門只有6%的差別。

報告也對中國為什麼會較為廣泛地應用AI進行了分析，認為與中國各級政府的支持有關，比如加大投資，創造用戶場景演示AI的好處，鼓勵私營企業應用AI等。

中國能廣泛應用AI還可能與中國人對AI的態度有關。波士頓諮詢2018年的調研表明，76%的中國人認為AI對整個經濟是有影響的，相比之下，美法德英西只有一半人這樣認為。報告還引用李開復的觀點，認為中國技術實用主義的文化更願意去應用AI，儘管有人認為存在與AI相關的倫理問題，但如果能給社會帶來好處的話，問題不大。

波士頓諮詢2018年的調研表明，超過一半的中國人認為，未來10年他們的工作將因AI消失；而美國、法國、德國、英國則不超過三成。中國人也多認為，AI會加重階層間、不同教育程度群體間的不平等。不過，另一方面，九成的中國人認為AI會創造新的工作，而美國只有不到一半的人這麼認為，法國、德國、西班牙、英國更低，大概只有四成。

歐盟對AI的態度最為負面，英德法西有超過一半的調查對象認為，AI會給工作帶來負面影響；美國的比例是約一半，中國是24%。另外，也有調查表明，40%的歐洲的企業管理者認為AI是新的、未充分證明的，而在北美和亞太區，這一比例要低，不到三成。

中國在數據方面佔據優勢

這一波以深度學習為主的AI的發展，離不開數據，尤其是高質量的標註的數據。報告承認，沒有直接的指標來衡量AI方面的數據量和價值，所以用了一些間接的指標，比如固定寬帶訂閱數、手機支付的數量、物聯網數據、生產力數據（productivity data，比如大數據分析）、電子健康記錄，高精度地圖數據（mappping data）、遺傳數據等，同時也分析了監管方面的影響。

總的來說，中國在數據方面是領先的。比如2018年，中國大約45%的人使用手機支付，美國是20%，英國是13%，德國是8%。中國的物聯網數據量也遙遙領先。

電子病歷方面，2012年中國醫院使用電子記錄的比例增長到超過90%。2017年，96%的美國醫院使用認證的電子健康記錄系統，不過2015年的數據顯示，只有30%的美國醫院可以和其它第三方機構分享這些數據。一些定性的研究顯示，歐盟和中國在健康數據分享方面甚至更低，中國病人經常帶著病歷到不同的醫院看病，而歐盟在不同國家數據出境方面存在很大的差異。

基因數據方面，2017年有1500萬美國消費者購買了基因檢測的盒子，中國只有30萬。此外，美國的公司，如Gene, Veritas Genetics，和 Full Genomes Corporation 對整個的人類基因組進行測試，不像其它公司只分析1%的基因組。這說明，美國可能更容易獲取基因數據。歐盟國家，如德國和法國，直接面向消費者的基因檢測是禁止的，而這兩個國家的人口占到了歐盟人口的三成。

在高精度地圖開發使用方面，美國較為領先。中國的法律規定，從事地圖服務必須有相關的許可證，截止2018年1月，有14家企業獲得了導航電子地圖的資質。

在數據的監管方面，歐盟去年已經出臺了迄今為止最為嚴格的數據保護規定GDPR，在數據的收集和使用方面有了諸多的限制。美國有些州的限制也很嚴格，比如加州有超過25項的隱私和數據安全的法律，包括最近通過的加州消費者隱私法案，2020年1月生效的時候將對收集和使用數據造成很大的限制。中國近年來也在立法加緊用戶的數據隱私保護。有一些報道認為，目前中國公司相比美國和歐盟，在使用用戶數據，保護隱私方面有更大的自由度，該報告也因此認為，中國未來在數據方面的優勢會更加明顯。

另外，中國獲取數據的類型要廣泛的多。美國的服務很多是分散的，由不同的公司和APP提供，但中國有超級APP，可以打車、訂飯、訂賓館、繳費等等，數據是相互打通的。中國的互聯網公司，很多業務線上和線下也是打通的。

但與一些國際公司相比，中國公司的不足在於主要還是擁有中國用戶的數據；中國在促進不同平臺之間分享數據的標準方面也需要提升。

硬件與芯片，道阻且長

某種程度上，圖形處理器、AI芯片這樣用來加速AI計算的硬件決定了企業在AI領域的競爭力。2018年，美國禁止企業向中興提供零部件，使得中興瞬間處於倒閉邊緣。最近，美國還把華為及其子公司加入禁運名單。雖然中國加大了在這一領域的投入，但並非短時期可以趕上美國。

2019年第一季度，全球半導體銷售前15名的公司中，美國有6家，歐盟有2家，而中國只有1家。2017年，芯片研究和開發支出前10位的公司中，美國公司有5家，歐盟0家，中國0家，而5家美國公司的研發費用達到了240億美元。

依據多個來源的統計顯示，從事AI芯片開發的公司中，美國有55家，中國有26家，歐盟有12家。在過去兩年，幾家中國的AI芯片初創公司收到了至少1億美元的資金，而百度、騰訊、阿里巴巴、華為也在開發AI芯片。不過，中國畢竟是芯片這一領域的新手，在人才、技術積累和市場佔有方面均存在差距。而歐盟在這一領域也比較落後。

在超級計算機方面，2019年6月，中國有219臺，美國有116臺，歐盟有92臺。美國在超算領域的實力依然十分強勁，目前最快的兩臺超級計算機 Summit 和Sierra 屬於美國能源部。此外，值得注意的是，前500名超級計算機使用的芯片，96%來自英特爾公司；133個超級計算機用到的加速器和協處理器，98%來自英偉達和英特爾。

中國AI，需要努力之處還很多

縱觀整個報告，毫無疑問，美國在AI方面依然強勁，但中國正逐漸追趕上來，歐盟卻進一步落後，尤其是在研究成果轉化成商業應用方面。歐盟缺少像中美這樣的大型公司，其過於嚴苛的數據監管對於行業發展來說可能並非好事。

報告提出，中國雖然有較豐富的人力資源，但面臨著人才流失的困境，應該加大力度培植留住本土人才。

此外，報告建議，應該鼓勵中國公司在海外人才集聚的國家發展研究機構，很多中國公司，比如華為、百度已經在這麼做，好處是就地吸引人才而不必一定在中國居住。

在人才培養方面，報告建議應該鼓勵學生修類似雙學位的項目，同時修AI和其它科目，增強學生的創造力。中國教育部已經批准了35所大學開設AI本科專業，應該儘快批准更多的學校。但對於這方面的建議，目前中國學界存在一定的爭議，筆者曾瞭解到，部分學者持謹慎態度，認為盲目的擴張不一定會帶來相應的收益。

針對中國論文、專利數量都有所增長但質量存在差距的現狀，報告建議中國應該改變激勵機制，重視質量。

在研究開發方面，報告建議中國應建立更多的AI研究中心和實驗室；應該特別鼓勵大學和工業界的AI合作研究，提高資助，在評價大學表現時強調與工業界的合作研發程度。另外，報告認為中國應該鼓勵與國外機構合作開展研究和開發。

數據方面，報告建議進一步開放公共數據，數據格式方面進一步統一，以利於機構間的分享。另外在數據跨境流動方面，建議減少相應的限制，這樣有利於國際間的互惠合作。在芯片研發面臨人才短缺方面，報告建議中國教育部應該和大學合作開發AI工程課程和學位，聚焦AI芯片的設計。