3月20日，長江商學院首屆人工智能論壇暨中國人工智能指數報告發布會在京舉辦。《中國人工智能指數報告》由長江商學院人工智能與制度研究中心主任、長江商學院教授許成鋼和武漢大學大數據與云計算實驗室主任崔曉暉團隊共同研究制作。報告從學術、產業、開源軟件包使用、公眾認知及媒體等方面，進行中美對比，以此度量中國的人工智能在最近十幾年里的發展及影響，該報告將每年發布一次。

從報告的分析結果來看，中美兩國人工智能在學術領域，尤其是具有原創性、影響力的學術成果和產業領域的差距仍然存在。中國的人工智能公司數量從2016年開始呈現下降趨勢，在某種程度上也反映了中國人工智能產業領域逐漸趨于理性，開始在人工智能領域出現一些頭部公司。針對中國人工智能產業化的問題，是否可以復制美國的風投機制？產學研模式是否可以作為行之有效的解決方法？

學術領域發展迅速產業領域差距加大

報告顯示，在學術領域，中國在人工智能學術領域上發展迅速，在學術期刊及專業會議發表論文的總數方面，中國呈現快速接近美國的趨勢。這一趨勢在2016之后尤其明顯。中國的中、低等引用率的論文的發表總數，在最近幾年快速接近了美國的總數。但在最具原創性最具影響力的極高引用率和高引用率的論文方面，中國雖有大的進步，與美國的差距仍然相當顯著；

在產業領域，在最近二十幾年里，中國活躍的人工智能初創公司數量在2012年之前多于美國，但是在2012年以后被美國超越。尤其是在2016年之后，中美兩國在產業領域的差距加大。2016年之后，美國的人工智能初創公司數量快速上升，而中國則在2016年之后下降，在2018年降至不到200家。

在人工智能的學術人才方面，除了有特大影響的人才外，中國有能力發表有影響的(即被引用的)論文的作者人數與美國之間的差距持續縮小。發表沒有被引用的論文作者人數，最近幾年大幅增加，超過美國。但特大影響(特高引用率)作者的人數顯著少于美國。在人工智能的所有人才，包括學術、產業等所有方面的普遍人才方面，據領英(LinkedIn)人才數據庫，中國的AI人才總數為5萬，而美國的AI人才總數為83萬。

在開源軟件包的統計上，中國在最近三年里，關注人工智能開源軟件包的總數迅速上升，并在2017年秋超過了美國。但是，幾乎93%的中國研究者使用的人工智能開源軟件包，是美國的機構開發提供的。

美國的風投機制可否復制

80年代硅谷技術創新企業的輝煌得益于其風險投資機制的完善。那么，中國在產業領域，是否可以復制美國的風投機制？許成鋼認為，當風投背后的大制度背景不同是，復制是很困難的。

許成鋼表示，中國實際上在有意識的學習美國的風控公司，但是中國模仿美國的風險投資，模仿了有一些相對成功，大量的是不太成功的，原因是在于風險投資是一個大制度環境里面產生出來的一個制度。當你的大制度環境不一樣的時候，是很難模仿的。但是為什么有一部分成功呢？原因很簡單，在中國有很大一批的風險投資是美國拉來的，在退出的時候，采用的美國的制度，所以他是在那個制度背景下來的投資者，然后退出的時候還依賴著是那個制度，所以這個部分是成功。當我們討論的領域是一個高度不確定的領域，事先沒有人能做判斷，在這種情況下，用風險投資的方式，實際上是能保證你能夠讓許多新鮮的想法有機會得到初步的發展。當它得到初步的發展之后，你再由市場的機制決定它是死還是生，但是一定是死得多，生得少。

知識產權轉讓機制缺乏

在人工智能的產業落地上，產學研結合是一種行之有效的合作模式。美國硅谷的企業就是通過這樣的方式將大學和研究所的技術產業化。但在中國，產學研的方式落地起來困難重重。

崔曉暉認為，“企業在一些研究的方面，可能有非常強的目的性，大學更多可以基于特別是對于一些比較資深的教授可以基于自己的興趣，長期在某一個領域做一些研究，這個是可以互補的。大學的教授是做研究的，你非要讓他去做公司的話，他不一定能做得好，因為畢竟開辦公司和做研究是完全不一樣的東西，開辦公司有很多問題不是大學的教授聰明的教授能解決的。”在他看來，中國更缺乏的一種就是知識產權的一種轉讓機制，知識產權中介，作為企業與大學之間的橋梁，企業把這些產權拿過去給予相應的股份，可能這種模式現在是比較推崇的。

但這樣的形式在中國實現仍需要時間，其所存在的無形資產評估問題、技術成果的所有權、使用權和處置權界定不清的問題以及技術經理人隊伍建設的不足等等，都是橫梗在產學研模式中亟待解決的問題。

聲明：本文為轉載類文章，如涉及版權問題，請及時聯系我們刪除（QQ:2737591964），不便之處，敬請諒解！