撰文 | 邸利会 责编 | 陈晓雪

谁将在AI竞赛中胜出：中国、欧盟还是美国？

8月份，总部位于美国华盛顿的智库 “数据创新中心” 发布了一份超过100页的报告，分析了AI在中国、美国和欧盟发展的现状，并给出了相应的建议。

报告认为，在这波AI竞赛中，落后的一方将蒙受经济、国家安全、影响力方面的损失。报告也强调，除了竞争，AI的很多成果，比如公开发表的论文，涉及到公共健康、环境和教育的，原则上可以普惠地球上各个角落的人们，而就AI本身的发展应用，国家间的合作也必不可少。

 

报告选取了人才、研究、开发、应用、数据、硬件等六个方面进行比较，得出的结论总体上符合一般业内的认知——

 

尽管中国取得了快速的进步，但美国依然在AI领域处于领先地位，而欧盟则进一步落后；未来随着中国的进一步发展，这一排名可能会有变化。不过，如果考虑到人均，美国的优势进一步扩大，中国则掉到了第三。

 

具体来说，美国的优势表现在：AI初创企业最多，得到的投资也最多；在芯片方面全面领先，优势明显；AI方面的论文数量比欧盟和中国少，但平均质量要高。此外，美国依然吸引了全球大量的AI人才，且精英更多。

 

比较而言，中国优势的表现在数据和商业化应用方面，高质量的人才和研究方面依然欠缺，初创企业得到的资金有所减少，在芯片领域尽管有所追赶，但差距依然明显。而欧盟，尽管其论文最多，人才也不少，但在商业落地和资金方面却很不相称。

 

我们从报告中截取一些重要、有意思的点分享给您，详细内容请参考报告全文。

 

中国AI人才依然缺乏

 

报告用了AI研究者数量、顶尖AI研究者数量，AI顶级会议的参会者数量等指标来评估人才领域的竞争。

 

AI研究者的统计依据的是过往十年发表的AI方面的论文和专利，而所谓顶尖AI研究者选取的是H指数排名前10%的研究者。

 

 

从这张图看，中国在AI人才方面全面落后于美国和欧盟，不管是在绝对数量还是质量上。

 

报告也引用了另外一些指标，佐证了这一结论。比如，2018年7月清华大学中国科学技术政策研究中心发布的《中国人工智能发展报告2018》显示，全球拥有顶尖AI人才最多的前20所大学，中国只有清华，排在第15名。

 

 

清华的这份报告还指出，AI研究者排名前20的公司，唯一入选的中国公司是华为，排第10名，有73名；在顶尖AI研究者排名前20公司中，唯一入选的中国公司华为排第20名，拥有7位顶尖AI学者，而美国公司有232位，欧盟公司有85位。

 

 

报告认为，中国缺乏顶尖AI人才可能是由于中国最近才对AI感兴趣，中国大概只有四分之一的AI研究者的经验超过10年，而美国有一半。

 

该报告还引用了李开复（创新工场董事长兼首席执行官）的观点：缺乏顶尖AI人才不会对中国在AI领先世界方面造成障碍，理由是，尽管中国不见得有多少优中选优的佼佼者，但有大量高技能的AI研究者和实践者，不会影响AI的商业化落地。

 

有意思的是，报告还引入了 Educating top AI Researchers 这一新颖的指标，2018年在21个AI顶级学术会议发论文的研究者，他们的博士学位有44%是在美国取得，21%在欧盟，在中国的只有11%。

 

这说明，美国依然是AI人才培养的最重要的基地。此外，在美国获得数学和计算机博士学位的人里，79%计划留在美国；从1998年到2017年，1283名外国的AI研究者迁移到了美国，同期的欧盟则是834名，而中国只吸引了58名AI研究者。

 

中国AI研究质量有待提高

 

为了衡量研究的质量，报告采用了 FWCI 这一指标。该指标全称是 Field-Weighted Citation Impact，指的是总的引用量和该学科期望的平均总引用量的一个比值。

 

该报告发现，2016年，美国的 FWCI 是1.83，欧盟是1.20，中国是0.94，也就是说，美国研究者被引用的次数要比全球平均水平高出83%，中国作者的被引数则低于全球平均水平。从2013至2017年，出版最多AI论文前5所机构的 FWCI 值——美国（卡耐基梅隆大学、麻省理工学院、微软、IBM和斯坦福大学）达到了4.0，比欧盟的1.9以及中国的1.4要高很多。

 

当然，中国这些年的进步非常明显。

 

中国的 FWCI 值从2009年的0.59上升至2016年的0.94。最近，The Allen Institutefor Artificial Intelligence （AI2）还发现，引用最高的前10%的论文中，美国的份额由1982年的47%下降到了2018年的29%，与此同时中国则由几乎零引用上升到了26.5%。该报告的发现与别的AI研究报告，如斯坦福的《2018人工智能指数报告》的结论大体相符，2016年，中国的AI作者被引用率比2000年高出44％。

 

AI 商业化，欧盟落后

 

要想让AI发挥其潜力，造福社会，AI就必须从学界走向工业界，进行技术的应用开发和商业化落地。

 

从私募股权投资和风险投资来看，2017至2018年，美国以约169亿美元领先，中国是135亿美元，欧盟才只有28亿美元。2018年的私募股权投资和风险投资70%是种子和天使轮，针对的都是新的小型公司；而到通常至少千万级的C轮融资，中国和美国的占比分别为6%和5%，而欧盟只有1%，金额也偏少。

 

AI领域的收购反映了市场的活跃度，一些大公司也通过收购加强其市场地位。从2000年1月至2019年的5月，美国完成了526笔收购，欧盟139笔，中国更少，为9笔。收购前十名均为美国的公司，其中谷歌的母公司Alphabet收购了19家公司，苹果收购了16家公司，微软收购了10家公司，亚马逊和脸书也都收购了7家公司。

 

AI初创公司是整个生态链中的生力军，据咨询公司 Roland Berger 和柏林的投资公司 Asgard 统计，2017年美国共有1393家AI初创公司，欧盟有726家，中国有383家。2019年得到至少百万美元的AI公司数量，美国有1727家，欧盟有762家，中国有224家。2018年，美国初创公司得到107亿美元，比2017年的62亿美元有所增长；而中国的初创公司则从2017年的81亿美元缩减到了54亿美元。

 

在AI专利方面，作者指出，各个国家很难比较。值得注意的是，在中国申请的专利只有4%同时在其他辖区申请，而在美国专利和商标办公室（Trademark Office, USPTO）申请的32%的AI专利同时也在其他辖区申请。不过，从《专利合作条约》（Patent Cooperation Treaty, PCT）专利，也就是通常说的国际专利看，三个地区差别不大，美国为1863件，欧盟和中国相当，均为1000出头。

 

对AI的态度影响其应用

 

按照普华永道的预测，到2030年，AI的应用会创造13万亿美元的 GDP。

 

政府部门和企业等应用AI的程度在报告中也是一个非常重要的比较维度。

 

该报告参考了之前的调研，如波士顿咨询（Boston Consulting Group，BCG）在2018年调查了来自奥地利、中国、德国、法国、日本、瑞士和美国的超过2700名经理，得出的结论是，中国32%的公司应用了AI，美国是22%，欧盟大概18%。这表明，中国公司在AI应用方面要更为普遍。

 

不过，有意思的是，不像美国或者欧盟，中国各个商业部门应用AI的分布比较统一，美国不同部门之间会有32%的差异，但中国应用AI高的部门和低应用AI的部门只有6%的差别。

 

报告也对中国为什么会较为广泛地应用AI进行了分析，认为与中国各级政府的支持有关，比如加大投资，创造用户场景演示AI的好处，鼓励私营企业应用AI等。

 

中国能广泛应用AI还可能与中国人对AI的态度有关。波士顿咨询2018年的调研表明，76%的中国人认为AI对整个经济是有影响的，相比之下，美法德英西只有一半人这样认为。报告还引用李开复的观点，认为中国技术实用主义的文化更愿意去应用AI，尽管有人认为存在与AI相关的伦理问题，但如果能给社会带来好处的话，问题不大。

 

波士顿咨询2018年的调研表明，超过一半的中国人认为，未来10年他们的工作将因AI消失；而美国、法国、德国、英国则不超过三成。中国人也多认为，AI会加重阶层间、不同教育程度群体间的不平等。不过，另一方面，九成的中国人认为AI会创造新的工作，而美国只有不到一半的人这么认为，法国、德国、西班牙、英国更低，大概只有四成。

 

欧盟对AI的态度最为负面，英德法西有超过一半的调查对象认为，AI会给工作带来负面影响；美国的比例是约一半，中国是24%。另外，也有调查表明，40%的欧洲的企业管理者认为AI是新的、未充分证明的，而在北美和亚太区，这一比例要低，不到三成。

 

中国在数据方面占据优势

 

这一波以深度学习为主的AI的发展，离不开数据，尤其是高质量的标注的数据。报告承认，没有直接的指标来衡量AI方面的数据量和价值，所以用了一些间接的指标，比如固定宽带订阅数、手机支付的数量、物联网数据、生产力数据（productivity data，比如大数据分析）、电子健康记录，高精度地图数据（mappping data）、遗传数据等，同时也分析了监管方面的影响。

 

总的来说，中国在数据方面是领先的。比如2018年，中国大约45%的人使用手机支付，美国是20%，英国是13%，德国是8%。中国的物联网数据量也遥遥领先。

 

电子病历方面，2012年中国医院使用电子记录的比例增长到超过90%。2017年，96%的美国医院使用认证的电子健康记录系统，不过2015年的数据显示，只有30%的美国医院可以和其它第三方机构分享这些数据。一些定性的研究显示，欧盟和中国在健康数据分享方面甚至更低，中国病人经常带着病历到不同的医院看病，而欧盟在不同国家数据出境方面存在很大的差异。

 

基因数据方面，2017年有1500万美国消费者购买了基因检测的盒子，中国只有30万。此外，美国的公司，如Gene, Veritas Genetics，和 Full Genomes Corporation 对整个的人类基因组进行测试，不像其它公司只分析1%的基因组。这说明，美国可能更容易获取基因数据。欧盟国家，如德国和法国，直接面向消费者的基因检测是禁止的，而这两个国家的人口占到了欧盟人口的三成。

 

在高精度地图开发使用方面，美国较为领先。中国的法律规定，从事地图服务必须有相关的许可证，截止2018年1月，有14家企业获得了导航电子地图的资质。

 

在数据的监管方面，欧盟去年已经出台了迄今为止最为严格的数据保护规定GDPR，在数据的收集和使用方面有了诸多的限制。美国有些州的限制也很严格，比如加州有超过25项的隐私和数据安全的法律，包括最近通过的加州消费者隐私法案，2020年1月生效的时候将对收集和使用数据造成很大的限制。中国近年来也在立法加紧用户的数据隐私保护。有一些报道认为，目前中国公司相比美国和欧盟，在使用用户数据，保护隐私方面有更大的自由度，该报告也因此认为，中国未来在数据方面的优势会更加明显。

 

另外，中国获取数据的类型要广泛的多。美国的服务很多是分散的，由不同的公司和APP提供，但中国有超级APP，可以打车、订饭、订宾馆、缴费等等，数据是相互打通的。中国的互联网公司，很多业务线上和线下也是打通的。

 

但与一些国际公司相比，中国公司的不足在于主要还是拥有中国用户的数据；中国在促进不同平台之间分享数据的标准方面也需要提升。

 

硬件与芯片，道阻且长

 

某种程度上，图形处理器、AI芯片这样用来加速AI计算的硬件决定了企业在AI领域的竞争力。2018年，美国禁止企业向中兴提供零部件，使得中兴瞬间处于倒闭边缘。最近，美国还把华为及其子公司加入禁运名单。虽然中国加大了在这一领域的投入，但并非短时期可以赶上美国。

 

2019年第一季度，全球半导体销售前15名的公司中，美国有6家，欧盟有2家，而中国只有1家。2017年，芯片研究和开发支出前10位的公司中，美国公司有5家，欧盟0家，中国0家，而5家美国公司的研发费用达到了240亿美元。

 

依据多个来源的统计显示，从事AI芯片开发的公司中，美国有55家，中国有26家，欧盟有12家。在过去两年，几家中国的AI芯片初创公司收到了至少1亿美元的资金，而百度、腾讯、阿里巴巴、华为也在开发AI芯片。不过，中国毕竟是芯片这一领域的新手，在人才、技术积累和市场占有方面均存在差距。而欧盟在这一领域也比较落后。

 

在超级计算机方面，2019年6月，中国有219台，美国有116台，欧盟有92台。美国在超算领域的实力依然十分强劲，目前最快的两台超级计算机 Summit 和Sierra 属于美国能源部。此外，值得注意的是，前500名超级计算机使用的芯片，96%来自英特尔公司；133个超级计算机用到的加速器和协处理器，98%来自英伟达和英特尔。

 

中国AI，需要努力之处还很多

 

纵观整个报告，毫无疑问，美国在AI方面依然强劲，但中国正逐渐追赶上来，欧盟却进一步落后，尤其是在研究成果转化成商业应用方面。欧盟缺少像中美这样的大型公司，其过于严苛的数据监管对于行业发展来说可能并非好事。

 

报告提出，中国虽然有较丰富的人力资源，但面临着人才流失的困境，应该加大力度培植留住本土人才。

 

此外，报告建议，应该鼓励中国公司在海外人才集聚的国家发展研究机构，很多中国公司，比如华为、百度已经在这么做，好处是就地吸引人才而不必一定在中国居住。

 

在人才培养方面，报告建议应该鼓励学生修类似双学位的项目，同时修AI和其它科目，增强学生的创造力。中国教育部已经批准了35所大学开设AI本科专业，应该尽快批准更多的学校。但对于这方面的建议，目前中国学界存在一定的争议，笔者曾了解到，部分学者持谨慎态度，认为盲目的扩张不一定会带来相应的收益。

 

针对中国论文、专利数量都有所增长但质量存在差距的现状，报告建议中国应该改变激励机制，重视质量。

 

在研究开发方面，报告建议中国应建立更多的AI研究中心和实验室；应该特别鼓励大学和工业界的AI合作研究，提高资助，在评价大学表现时强调与工业界的合作研发程度。另外，报告认为中国应该鼓励与国外机构合作开展研究和开发。

 

数据方面，报告建议进一步开放公共数据，数据格式方面进一步统一，以利于机构间的分享。另外在数据跨境流动方面，建议减少相应的限制，这样有利于国际间的互惠合作。在芯片研发面临人才短缺方面，报告建议中国教育部应该和大学合作开发AI工程课程和学位，聚焦AI芯片的设计。

 

 参考资料：

1. Daniel Castro, Michael McLaughlin, and Eline Chivot, Who Is Winning the AI Race:China, the EU or the United States?

2. 国务院关于印发新一代人工智能发展规划的通知，http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm

3. “Artificial Intelligence: Have No Fear,” BCG Gamma, June 2018, https://de.slideshare.net/TheBostonConsultingGroup/artificial-intelligence-have-no-fear.

4. China AI Development Report 2018 (China Institute for Science and Technology Policy at Tsinghua University, July 2018), http://www.sppm.tsinghua.edu.cn/eWebEditor/UploadFile/China_AI_development_report_2018.pdf

5. Elsevier, Artificial Intelligence: How Knowledge is Created, Transferred, and Used (Elsevier,2018), https://www.elsevier.com/research-intelligence/resource-library/ai-report.

6. KAI-FuLee and Matt Sheehan, “China’s Rise in Artificial Intelligence: Ingredients and Economic Implications,” Hoover Institution,October 29, 2018, https://www.hoover.org/research/chinas-rise-artificial-intelligence-ingredients-and-economic-implications.

7. KAI-Fu Lee, AI Superpowers (Boston: Houghton Mifflin Harcourt, 2018)

▼▼▼点击“阅读原文”，与知识分子一起悦读2019。