目前，全球主要国家几乎都制定了自己的 AI 战略。
本文将梳理全球十几个处于较领先地位、且明确提出国家层 AI 发展战略的国家的战略思路，包括中国、美国、法国、日本、新加坡等。这将有益于我们预估 AI 的发展前景。
中 国
中国可能在 2030 年成为 AI 强国，但目前在 AI 领域的总投资、人才资源和经验方面仍处于追赶美国的位置。在 2012-2016 年：
1. 中国在 AI 方面的总投资为 26 亿美元，而美国为 172 亿美元。
2. 中国 AI 人才资源 3.9 万人，美国 7.8 万人。
此外，作为世界上人口最多的国家，中国拥有丰富的信息和数据。据估计，到 2020 年，中国将拥有全球数据的 20%（相当于 44 ZB）。为此，政府公布了《新一代 AI 发展规划》，具体内容如下：
推动政府与学术界和工业界的密切合作，制定 AI 发展战略目标，并取得进展：
2020 年：AI 总体技术和应用与世界先进水平同步。AI 核心产业规模超过 225 亿美元，带动相关产业规模超过 1508 亿美元。
2025 年：AI 基础理论实现重大突破，部分技术与应用达到世界领先水平。AI 核心产业规模超过 603 亿美元，带动相关产业规模超过 7540 亿美元。
2030 年：AI 理论、技术与应用总体达到世界领先水平，成为世界主要 AI 创新中心。AI 核心产业规模超过 1508 亿美元，带动相关产业规模超过 1.5 万亿美元。
确定并全面实施 6 项重点任务，包括：
构建开放协同的 AI 科技创新体系：建立新一代 AI 基础理论体系；建立新一代 AI 关键共性技术体系；统筹布局 AI 创新平台；加快培养聚集 AI 高端人才。
培养高端高效的智能经济：大力发展 AI 新兴产业；加快推进产业智能化升级；大力发展智能企业；打造 AI 创新高地。
建设安全便捷的智能社会：发展便捷高效的智能服务；推进社会管理智能化；利用 AI 提升公共安全保障能力；促进社会交往共享互信。
加强 AI 领域军民融合。
构建泛在安全高效的智能化基础设施体系。
前瞻布局新一代 AI 重大科技项目。
确定 9 个 AI 技术领域，包括 1 个 AI 全技术领域和 8 个 AI 技术领域：
AI 技术基础领域：
深度学习、神经信息学、神经信息处理系统等基础研究；
在计算机视觉、生物识别、复杂环境识别、人机交互、自然语言处理、自动翻译、智能控制和网络安全方面的研究应用。
八个 AI 技术领域：
公共服务平台计算
智能家居
无人驾驶
智能交通应用
智能安全
AI 终端应用
可穿戴设备
机器人
此外，确定了发展 AI 的四个国家驱动因素，包括硬件、研究、算法和 AI 商业生态系统：
1. 硬件：主张在芯片和超级计算机制造方面赶超先进国家。以中国的方法和组合促进竞争，鼓励与外国公司的交易，鼓励科技巨头和初创公司制造超级计算机、投资生产 AI 芯片。
2. 数据：强调在获取数据时促进政府和企业之间数据共享能够带来优势，并能在人们日益关注 AI 带来的隐私层面的隐患时，通过规范 AI 相关的产业，以及加强人们对于反对数据在商业层面的滥用的讨论，来推动保护数据在不同层面的流动。
3. 开发算法：一方面通过支持基础研究来吸引和培养人才（特别是世界顶级 AI 人才），另一方面鼓励百度、华为、阿里巴巴、腾讯或科大讯飞等科技公司在海外建立 AI 研究院招募 AI 人才，用来克服论文成果及 AI 教育质量低下的问题。
4. 建立 AI 商业生态系统：向国内初创企业投资超过 10 亿美元，并引导地方政府和国有企业吸引私人投资，从而给 AI 项目从社会获取数据、将企业的目标与国家发展计划相结合提供资金。
美 国
美国政府认为 AI 是具有巨大经济和社会效益的、前景大好的转型技术。AI 可以彻底改变美国人的生活、工作、学习、研究和交流。此外，AI 研究能够促进经济繁荣、增加教育机会和生活质量以及提高国家安全。由于这些潜在的好处，美国政府多年来一直在投资 AI 研究。
2016 年 5 月 3 日，美国政府宣布新成立一个关于机器学习和 AI 的 NSTC 小组委员会，以帮助协调联邦在 AI 方面的工作。2016 年 6 月 15 日，网络与信息技术研发计划(NITRD)小组委员会被委任以规划国家AI研发战略。之后，他们成立了 NITRD AI 小组，以确定联邦 AI 研发的战略重点，并特别关注企业无法处理的领域。
这项国家 AI 研发战略计划为联邦政府资助的 AI 研究制定了一系列目标，包括政府内部研究和联邦资助的政府外部研究，例如在研究所、大学等。这项研究旨在创造新的 AI 知识和技术，为社会提供许多益处的同时最大限度地减少负面影响。为实现这一目标，这项 AI 研发战略计划概述了联邦政府资助的 AI 研究优先事项：
策略 1：对 AI 研究进行长期投资。对下一代 AI 的优先投资将带来更多的发现和了解，使美国在 AI 领域继续领先世界。
策略 2：开发有效的人机协作方法。AI 系统不会取代人类，而是与人类合作才能实现最佳性能。因此，研究如何建立人类与 AI 系统之间有效交互是必要的。
策略 3：了解并解决 AI 的伦理、法律和社会问题。AI 技术需要在正式和非正式的标准的前提下工作。因此，需要进行研究以了解 AI 的伦理、法律和社会影响。同时，开发设计符合道德、法律和社会目标的 AI 系统。
策略4：确保 AI 系统的安全。在 AI 系统被广泛使用之前，有必要确保它们以可控、明确和可理解的方式安全运行。这需要进一步的研究，通过构建可靠和可信的AI系统来应对这一挑战。
策略 5：为 AI 训练和测试开发可共享公共数据集和环境。数据集和训练资源的深度、质量和准确性会影响 AI 的性能。因此，研究人员应该开发高质量的数据集和环境，并能够负责任地访问高质量的数据集以及测试和培训资源。
策略 6：通过标准和基准来衡量并评估 AI 技术。AI 的进展、水平、标准、示范和群体参与是引导和衡量 AI 发展的关键。需要更多的研究来开发各种评估技术。
策略 7：更好地了解国家 AI 研发劳动力的需求。AI 的进步需要一个强大的 AI 研究群体。因此，增加对当前和未来 AI 研发人员的了解，有助于确保有足够的 AI 专家解决本计划中概述的战略研发领域。
整个联邦政府可通过支持以下建议来完成该计划的七个策略并实现其愿景：
建议 1：基于策略 1-6，制定AI研发框架时应考虑潜在的市场机会，并且更有效的统合AI研发和投资之间的合作：联邦机构应通过 NITRD 进行合作，制定一个研发框架，以促进本计划中提到的研发工作的协调和进展。这将使各机构能够计划、有效协调和合作，以支持本战略计划。该实施框架应根据每个机构的任务、能力、权限和预算，考虑其研发重点。根据这个实施框架，可能需要建立一些资助计划，用来加快 AI 研发的日程。为帮助实施这一战略计划，NITRD 应该考虑组成一个跨机构工作小组，专门着手于促进不同机构的合作。
建议 2：根据本计划的战略 7，研究创建和维持一支健康的 AI 研究和开发队伍的在国家层面的可能性：一支健康且充满活力的 AI 研发团队对于应对本报告中概述的研究和发展的战略挑战至关重要。虽然一些报告指出，AI 研究的专家可能会出现短缺，但并没有官方的劳动力数据报告来描述 AI 劳动力的现状、预计劳动力的输入计划、以及 AI 劳动力供需力量的对比。NITRD 应该研究如何尽可能准确地描述和定义当前和未来的 AI 研发的劳动力需求，制定额外的研究或建议，以确保有足够的研发劳动力来满足国家的 AI 需求。根据研究结果建议：联邦机构应当确保能够建立和维持一支健康的国家 AI 研究和开发队伍。
加拿大
加拿大是最早发布 AI 战略的国家之一。在 2017 年的联邦预算中，发布了名为“泛加拿大 AI 战略”的五年计划，其中包括用于投资研究和 AI 的 1.25 亿加元。该战略有四个目标：
1. 增加科学家和毕业生的数量；
2. 确定三个优秀科学家群体；
3. 在 AI 的经济、伦理、政治和法律影响方面发展思想领导力。
4. 支持国家 AI 研究群体。
加拿大高等研究院领导了该战略，并与加拿大政府及三个新的 AI 研究所密切合作：埃德蒙顿的阿尔伯塔机器智能研究所(AMII)、多伦多的矢量研究所和蒙特利尔的算法学习研究所。
法 国
欧洲在制定 AI 发展战略方面落后于美国和中国。当德国专注于第四次工业革命，英国专注于脱欧时，法国总统马克龙宣布政府已认可国家“AI 领导”战略，并将在 5 年内（2018-2022）投资 15 亿欧元作为欧洲国家AI战略的代表。法国总统关于 AI 发展战略的声明总结了 Cédric Villani（法国数学家，2010 年菲尔兹奖获得者，也是法国国会议员）与其合伙人编写的法国和欧洲 AI 战略报告的要点。报告的七个关键要素包括：
第一，制定合适的数据政策，鼓励企业创建和共享数据，开发社会感兴趣的数据，支持数据备份权。
第二，AI 发展的四大战略重点领域为健康、交通、环境、国防和安全，针对重点问题，每个战略领域分别制定政策，为特定区域的平台奠定基础，检查每个区域的创新地带。
第三，发挥法国 AI 研发的潜在优势，在选定的大学和研究机构建立跨学科的 AI 组织，分配适当的研究资源（包括与制造商合作、为 AI 应用专门设计的超级计算机）；提高研究人员工资，加强产学研交流。
第四，计划应对 AI 技术对工人的影响，设立公共实验室以应对工作变化，开展机器与人类互补的研究，评估职业培训的新方法。
第六，确保 AI 开发技术的透明度，建立清晰度和算法审核制度，关注 AI 代理人对道德威胁的责任，成立数字和 AI 技术相关的私人伦理委员会，负责组织 AI 伦理的公开辩论，坚持人类义务的原则（主要是在公共服务中使用 AI 工具时）。
澳大利亚
澳大利亚还没有明确的 AI 战略。然而，在澳大利亚 2018 年到 2019 年的预算中，政府宣布在四年内投资 2990 万澳元，以支持 AI 的发展。此外，政府还制定了技术路线图、标准框架和国家 AI 伦理框架，以负责任地支持该问题的发展。非政府组织还支持联合研究中心的项目，博士奖学金及其他改善澳大利亚 AI 人才供应的举措。
此外，在 2017 年创新路线图，《澳大利亚 2030：通过创新实现繁荣》中，“政府宣布将在政府的数字经济战略中优先考虑 AI。该战略于 2018 年第二季度发布。”
德 国
德国的 AI 计划要求到 2025 年投资额达到 30 亿欧元，并希望通过与私营企业合作使投资金额翻一番，以达到使“德国和欧洲成为 AI 中心”的目的。德国的国家 AI 计划重点发展全国范围内的 AI 中心，投资教育并吸引下一代 AI 人才，为数据数字化做准备。
德国制定了多项产出目标，例如形成由 12 个新的 AI 研究中心组成的国家网络、100 个新的 AI 教师职位，以及政府的资助计划：每年为 1000 家中小企业提供 AI 相关支持服务。此外，为了对教育进行广泛而可持续的变革，德国 AI 协会提出了一些政策建议，包括在第三年引入数据科学的义务教育。此外，政府将决定大学的实习和学术课程。因此，当政府在 2018 年发布了国家 AI 计划时，德国各州就争先恐后地成立新组织，准备申请联邦资金。
政府还呼吁吸引在海外工作的德国研究人员。德国计划从 2018 年到 2024 年通过亚历山大冯洪堡奖学金项目招募 30 名新的国际讲师（每年 6 名新讲师）。该项目提供 350 万欧元或 500 万欧元的启动投资基金，具体金额取决于研究的内容。
随后，政府还呼吁推动企业数据数字化进程。他们通过 AI 战略中概述的新咨询计划实施了集成的“数字化中心”，以支持每年 1,000 家中小企业的数字化。
阿拉伯联合酋长国
阿联酋政府于 2017 年 10 月启动 AI 战略，是中东第一个制定 AI 战略的国家，也是第一个成立 AI 部门的国家。该战略是阿联酋 2071 百年计划的第一个举措。该总体计划的主要目标是利用 AI 提高政府效率。
政府将在九个领域投资 AI 技术：交通、健康、太空、可再生能源、水、科技、教育和环境。政府旨在降低整个政府的成本，实现经济多元化，并将阿联酋定位为 AI 应用的全球领导者。
日 本
按 GDP 计算，日本一直是世界第四大经济体。然而，日本的 AI 开发市场从约 3.7 万亿（2015 年）增加到约 87 万亿（2030 年）。在以下方面引领世界的 AI 发展战略：
首先，政府成立了日本 AI 技术发展战略委员会，垂直管理 5 个国家研发机构、3 个核心发展中心（信息技术研究所、国家中心、理化研究所、国家产业科学技术研究院）。
其次，AI 产业化进程聚焦三个优先领域，包括生产力、医疗健康和服务。其中，医疗健康分三个阶段：第一阶段（2020 年）：推动 AI 直接数据的应用以促进相关领域的应用；第二阶段（2020-2025）：将 AI 及其数据的公共应用扩大到更加广阔的领域；第三阶段（2025-2030 年）：基于多领域的连接和混合，建立 AI 生态系统。
第三，三大核心研发中心专注于基于多样化数据的社交 AI 技术。其中，多样化数据包括：个人、语音对话、内科、动作和搜索历史、生活工作空间、销售制造、交通、自然、天气和地图（土地、市区）；AI 技术包括：图像识别、自然语言处理、语音识别/合成及预测。10 年来，政府将大学附属的公司和研发机构在AI研发方面的投资增加了两倍，同时也促进了更多优秀的私人研发投资。
最后，为青年研究人员创造发展环境，特别是在第一阶段要吸引国内外高水平的 AI 开发人才，鼓励 AI 研究人员积极参与 AI 技术发展。
韩 国
2018 年 5 月，韩国第四次工业革命委员会宣布了国家 AI 发展战略，投资 2.2 万亿韩元，吸引 5000 名专家，成为全球 AI 发展的四大强国之一。该战略持续到 2030 年，由四个阶段组成：
第 1 阶段（2020 年）
核心技术：视听理解技术的发展。扩展技术：专业领域的 AI 问答系统。将卫生部门寻找新药的时间从五年缩短到一年。背景技术：复杂信息分析涉及使用高功率说明性操作。吸引和培养 AI 高级人才 590 人，AI 普通员工 2250 人。构建 6670 万个共享数据、430 万个产业数据、92 亿个韩语理解。每年为 300 个组织提供超级计算支持。
第 2 阶段（至 2022 年）
基础技术：掌握无监督学习理论、图像合成技术、跟踪检测与预测技术、说明性功能推断学习（至 2025 年）。可扩展技术：实时风险检测系统。将医疗行业新药的开发周期缩短一半以上（从 15 年到 7 年）。关键技术：大脑神经网络与AI神经网络之间的认知信息交换；整体的大脑和机器安全（发展中，持续到 2025 年）。吸引和培养 AI 高级人才 1370 人，AI 普通员工 3600 人，构建 1.11 亿个共享数据、4850 万个产业数据、153 亿个韩语理解。每年为 400 个组织提供超级计算支持。
第 3 阶段（直到 2025 年）
核心技术：继续学习功能上的说明性的推断。人工神经网络芯片的商业化。扩展技术：图片的问答系统。开发适合每个个体的新药。关键技术：大脑神经网络与 AI 神经网络之间的认知信息交换；用于大脑和机器安全的集成接口。培养具有世界一流 AI 领导能力的人才（直到 2030 年）。以改善合作的形式加强基础设施研究（至 2030 年）。
第 4 阶段（至 2030 年）
核心技术：AI 与人类使用无监督学习技术进行自主协作。扩展技术：提供适合每个特定受众的食药制剂。背景技术：通过 AI 的应用，加强、提高人类的认知能力。培养具有世界一流 AI 领导能力的人才。通过加强合作加强研究基础设施。
投资的选择是专注于新技术；公共部门很难吸引私人投资，也很难在私人竞争力的领域建立原始市常因此，实践的座右铭是确保技术能力，在基础科学（基于认知科学的新一代 AI，神经网络计算）技术较低的情况下按照国际标准发展 AI。AI 芯片层，高性能 AI 计算，应用领域按照 AIX 公式（新药，未来材料，工业应用）。
建立 AI 发展研究生和博士后的培训机构，加强高校和研究机构的 AI 培训和研究支持。建设公共和私人 AI 大脑实验室、AI 中心和 AI 基础设施平台。韩国第一家 AI 公司 Saltlux 获得了 320 亿韩元的 AI 产品投资。
新加坡
新加坡的国家 AI 计划在五年内投资 1.5 亿美元，以结合国家 AI 能力来推动新加坡的数字经济。该计划有三个目标：
1. 使用 AI 解决交通、医疗保健等领域的关键社会和产业问题。
2. 投资以提升 AI 能力（解释下一代 AI 的 AI 系统、认知科学、AI 人才培养等）
3. 提供 100 个项目，促进 AI 和机器学习在产业中的应用。
世界各国的国家 AI 战略的优劣势
一般来说，国家层面公布的 AI 战略主要集中在 AI 培训和人才吸引方面。然而，还没有哪个国家对 AI 培训的职业引导有更详细的指导。
大多数建议来自于教育机构和私人公司的研讨会，所以在这一问题上还没有共识。目前来看，2020-2030 年国家 AI 战略在 AI 职业指导方面的一些优点和缺点如下。
优势：
1. 着眼于关键经济实体和部门从而促进实施国家 AI 战略。
2. 协助确定 AI 技术给每个国家的经济造成影响的规模。
3. 帮助确定 AI 带来的挑战和益处，如何最大限度地发挥竞争优势，及为克服 AI 给经济造成的阻挠提供解决方案。
4. 明确规定实现既定战略目标的发展路线图。
劣势：
1. 所有关于 AI 带来的效益的预测仍然有些模糊，具有主观性，没有明确的科学依据。
2. 国家层面的 AI 战略是非常概括性的，实施起来具有挑战性。
3. AI 方面的人才资源短缺仍然是每个国家教育规划者的挑战。
AI 发展的战略优先级
这个领域政策发展的独特之处在于，全球各国政府为促进 AI 的使用和发展采取的方法相当广泛。他们不仅推进不同的政策，而且还专注于公共政策的不同领域。
这个框架在公共政策领域对 AI 战略进行了粗略的分类，并通过热度图评估了 AI 战略优先级和他们的研究资金和关注度之间的关系（见下文解释）。
全球范围内的 AI 战略清单的制定受到了两个挑战的阻碍。首先，不同的AI战略差别很大；它们可能来自于一个网站、一份官方白皮书、一份工作报告或一份预算公告。因此，有可能由于该领域快速且多样化的发展，某项战略可能被忽略了。
其次，一些政府在发布了原始方法后又宣布新的举措。为了能够对每个计划进行更系统的分析，本分析只关注首次宣布时的内容。
最后，每项战略的政策公告被归类为八个公共政策领域：
1. 科学研究：给基础的和应用性的 AI 研究建立新的研究中心或项目，或承诺增加现有的 AI 公共研究资金。
2. AI 人才培养：提供资金以吸引、保留和培训国内外 AI 人才，包括资助某些领军人才或成立专门 AI 的硕士和博士课程。
3. 技术和工作前景：帮助学生和整个劳动力市场发展相应的工作技能，如投资 STEM（科学、技术、工程和数学）教育，数字技能，或终身学习。
4. AI 技术的产业化：鼓励私营部门采用 AI 技术，包括对战略部门的投资，对 AI 初创企业和中小企业的资助，以及创建 AI 集群或生态系统的战略。
5. AI 的伦理标准：建立理事会、委员会或工作小组，从而为 AI 的使用道德及相关发展制定标准或法规。这一领域还包括为研究或试点项目提供具体资金，以开发可解释和透明的 AI。
6. 数据和数字化基础设施：为开放数据伙伴关系、平台和数据集提供资金，并承诺创建测试环境和监管沙盒。
7. 政府治理中的 AI：成立试点项目，用 AI 来改善政府效率、服务提供和公共管理。
8. 包容性和社会福祉：确保 AI 促进社会的包容性，以及 AI 自身行业背景和观点的包容性。
(本文经授权转载自“数据实战派”，仅代表原作者观点。)
