中美人工智能产业政策的比较研究 *
——基于目标、工具与执行的内容分析
汤志伟 雷鸿竹 周 维
(电子科技大学公共管理学院 成都 611731)
摘 要： [目的/意义] 在人工智能的第三次发展浪潮中，中美两国取得的成就最值得关注，比较分析两国政策文本之间的差异对于我国人工智能产业政策未来的发展至关重要。[方法/过程] 利用2016-2018年中美两国284条人工智能产业政策构建数据库，从政策目标、政策工具和政策执行三个维度选择17个政策变量，运用二元logistic回归方法比较中美两国人工智能产业政策的差异。[结果/结论] 研究发现：政策目标的差异主要体现在理论建设、技术运用、引进等三方面；政策工具的差异体现在财政支持、人力资源保障等六方面；政策执行的差异体现在一级机构、法律形式等方面，以期为我国人工智能产业政策未来的制定与完善带来更具参考性和针对性的启示。
关键词： 人工智能；产业政策；政策工具
0引 言
人工智能所具有的人机交互、智能感知、深度学习等特征，是推动新一轮科技革命和产业变革的驱动力。持续至今的人工智能第三次浪潮不仅仅停留在经济、社会、政治、技术领域，其在产业政策领域引发的全球关注同样是此轮发展浪潮中区别于历史上任何一个时期的重要特征。人工智能的技术研发和产业发展已经引起了世界各国政府的高度关注，各国纷纷制定国家级的人工智能创新规划和战略目标，将人工智能作为提升国家综合竞争力、打造科技核心能力的重要手段[1]。
其中，中国和美国两个国家的发展最引人注目。作为世界上的超级大国——美国和世界上人口最多的发展中国家——中国，两国都高度重视人工智能的发展，将其上升为国家战略层面，通过发布政策文件的方式指导人工智能未来的发展方向。美国身为人工智能第三次浪潮的主要领导者，处于领先地位，中国紧跟其后，但中美两国在许多领域上都呈现出竞争的格局[2]。2016年，美国总统办公室发布《为人工智能的未来做好准备》《国家人工智能研究与发展战略规划》报告，确定了人工智能在美国的国家战略地位。与此同时，我国也顺应国际发展的新趋势，于2015年在《中国制造2025》中首次提出大力发展人工智能新产业，同年又在《“互联网+”行动指导意见》中将人工智能作为重点发展领域。2016年《“十三五”国家科技创新规划》中也提出增加人工智能产业研发投入，最终在2017年国务院出台的《新一代人工智能发展规划》中将人工智能纳入中国的国家战略规划。
如何抓住此次人工智能第三次发展浪潮所带来的新兴挑战与机遇，对于一个国家未来的发展尤其重要[3]。中美两国所制定的人工智能产业政策在指导本国产业发展过程中所表现出的特征、趋势和侧重点有何相同之处和不同之处，中美两国在政策文本上所体现的政策目标是什么，预想达到的政策结果如何，主要使用哪些政策工具？除此之外，中美两国人工智能产业政策还存在着哪些差异？本文试图从政策目标、政策工具和政策执行维度研究中美两国的政策文本，从而发现我国人工智能产业政策制定过程中所存在的问题，为我国人工智能产业政策未来的制定与发展提供更具参考性和针对性的启示。
1文献综述与理论基础
目前世界各国对于人工智能的重视，引发了学术界的广泛关注。其核心内容主要是围绕如何制定人工智能产业政策以促进人工智能的发展，防范人工智能发展所面临的社会风险。在人工智能的理论研究上，有学者提出人工智能指的是包括脑认知基础、机器感知与模式识别、自然语言处理与理解、知识工程等四个方面[4]。在人工智能政策研究方面，Marda V通过对印度当前人工智能政策背景研究，提出人工智能技术局限性在制定政策就应该被同时考虑[5]。类似地，国内学者也对中国人工智能产业政策展开一系列的相关研究。于汉超等人通过梳理美英法德欧盟日本和中国的人工智能政策，从人工智能基础研究、应用场景部署、伦理和法律共识等方面提出建议[6]。何哲通过比较中国和美国人工智能发展战略异同，剖析关键点并为中国的人工智能战略方向提出了相应的建议[7]。贾开等人通过对中美英法四个国家人工智能公共政策分析，提出中国在国际竞争中要想取得优势，需要立足于本国的国情，兼顾发展和规制两个方面[8]。
从现有的研究来看，寻找政策的普遍特征、政策文本的量化研究亦是目前学术界研究的热点趋势之一[9]。例如Schneider等提出政策文本量化研究须从其目标、代理人以及政策之间的联系研究[10]。Peters等人也提出政策量化分析需要考虑政策工具、政策问题和政策管理者三者之间的匹配[11]。现有的文献已表明产业政策的逻辑基本上是按照政策目标、政策实施手段和政策工具所提供的支持和保障构成的。第一，政策目标是政策实施力图达到的效果与价值，既是政策评估的基础，也是政策执行者遵循的明确指令。我国人工智能产业政策的目标制定与我国现阶段的基本国情和产业发展的具体情况相适应。例如刘红波认为人工智能的政策目标应同时注重技术研发和实践应用[9]。首先，研发出先进的人工智能技术，需要一定的学科背景和强大的理论作为支撑，其次，有效地将理论科技成果转化为现实的生产力，促进社会的生产和进步，最终达到科技发展成果由社会全体成员共享，这也是产业政策目标制定根本目的所在。第二，关于政策工具的分类有很多，简单来说，政策工具就是政府为了实现政策目标所采用的各种手段和方法。其中最经典的分类由Rothwell(罗斯维尔)和Zegveld(沃尔特)根据政策工具对科技活动的作用方式划分的供给型、环境型和需求型分类[12]。有学者将这种政策工具的分类用于国际政策的比较中，例如汤志伟通过构建工具性维度和内容分析维度分析中国和美国两个国家数据开放政策文本的比较，并为中国开放政府数据政策的制定提供对策建议[13]。第三，政策执行是为了保证政策目标的实现，综合运用各种手段进而采取特定行为模式将其方案付诸于实践的一系列政策活动。在政策执行过程中，由于种种不可控制的因素会出现政策最后实施结果偏离其预期目标的情况。一些学者在研究我国政策执行时指出权力关系是影响中国地方政府政策执行的主要因素[14]。
b.美国比中国更强调财政投入、人力资源保障、行政组织领导。财政投入对于人工智能的发展至关重要，美国国家科学技术委员会在《美国国家人工智能研究和发展战略计划》中明确阐述了联邦投资在人工智能长期研究中的关键作用,鼓励分享专用于政府资助研究的AI 数据集，研发人工智能实施框架，协调解决人工智能研发投资中的问题。在美国白宫发布的《人工智能、自动化与经济报告》中，政府听取了来自商业领袖、技术专家和经济学家对于该领域发展的建议，人工智能方面研发的专家对于人工智能在保持其迅速发展和在更广泛领域的应用上持乐观态度，主要原因是基于联邦资金对于人工智能研发的持续投入[25]。美国总统办公室发布的《为人工智能的未来做好准备》的报告中也提到美国政府资助各州和地方政府推动个人决策的人工智能系统使用。由此可见，人工智能的发展离不开财政的大力支持[26]。
因此，人工智能产业政策发展目标必须适应产业的发展，遵循产业发展的规律。本文按照人工智能产业的发展路径和Ergas提出对技术创新政策“任务导向型”和“扩散导向型”两大分类[16]，将政策目标按照人工智能技术产生、形成、转化、发展以及达到社会共享的终极目标的思路进行划分。首先，人工智能技术离不开前沿理论的支撑，为人工智能研发提供坚实的基础；其次，先进技术的引进、消化会带来重要的思维开源。此外，在积累大量的理论技术成果的基础上，将科技成果有效地转化为现实生产亦是至关重要的环节。由于人工智能这一新兴的产业，主要的依靠对象还是市场主体，如何促进市场主体发挥自身的主观能动性，增强企业的活力，最终达到社会全体成员共享经济发展新成果，从根本上增进民生福祉。故此本文按照反映产业政策对知识扩散的引导——“扩散导向型政策目标”和反映产业政策对知识增加的引导——“任务导向型政策目标”的两维度，选择相应的子变量，以期反映人工智能产业政策的发展目标。
2研究设计
2.1数据收集及编码 本文主要通过国家政府机构的官方网站、北大法宝等平台搜集政策文本，此外，还查阅与中美两国人工智能产业政策相关的文献、期刊、报纸、新闻、采访等，建立中美两国的人工智能产业政策数据库。为了能够科学准确地研究样本，政策文本需要严格符合以下的标准：a.政策标题中必须含有“人工智能”关键词。b.内容与人工智能密切相关，现行有效。
经过严格筛选和剔除不符合批复和会议记录等工作文件后，共搜集整理到7个政策文本，具体情况如表1所示。为了便于政策文本的后续分析，本文对所检索的政策文本进行编码操作。同时为了体现政策分析的科学性和可信度，由本文其中两位作者分别作为编码人员各自进行预编码，将人工智能政策文本内容按照“政策编号-政策序号-序列号”的顺序，进行政策条款的编码，之后由课题组审核，最终形成284条人工智能产业政策条款。
表 1人工智能产业政策文本的基本情况
2.2政策目标 人工智能产业政策根本目的之一在于促进新的技术和知识扩散，促进人工智能产业的发展，提升国家综合实力。政府促进新兴技术向其他企业扩散最常用的手段是制定一系列相关的政策。为了强化政府政策措施的影响力度，政策制定者需要重新定义国家的主要技术创新目标，去协调政策涉及的多个参与者，才能更好促进新兴的知识和技术自由地传播和发展。
“我觉得我们两个派别之间不怎么来往就是这个原因。”说着我呵呵笑了一声。的确，无私派和诚实派不会像无私派和博学派之间那样憎恨对方，但彼此都互相躲着。诚实派最头疼的是友好派，认为他们把和平摆在至高无上的位置，谎话连篇，只为维护虚假的表面和平。
2.3政策工具 政策工具是连接政策目标与政策执行效果之间的桥梁和手段。人工智能产业政策工具的选择从根本上来说是由政策体系和政策目标所决定的。Rothwell(罗斯维尔)和Zegveld(沃尔特)根据政策工具对科技活动的作用方式不同，提出将政策工具分为供给型、环境型和需求型[12],其中供给型政策工具是指政府自上而下地通过对人才培养、技术提升、资金的投入，直接作用于生产要素，扩大有效供给力度，推动人工智能产业的发展。需求型政策工具是指政府通过采购与贸易管制的措施，培育发展产业、深化应用推广等方法，作用于产业市场方面，如降低市场进入的阻力、较少市场的不确定性，从而间接影响生产者，激发市场主体的积极性与活力。同理，环境型政策工具是指政府通过打造一个有利于政策落地和产业发展的社会环境和制度环境，进而促进人工智能产业的发展。
本文将结合人工智能产业政策发展阶段的特点，从供给型政策工具、需求型政策工具和环境型政策工具的维度，选择相应的子变量，以期全面地反映人工智能产业政策的政策工具情况。
2.4政策执行 政策执行是由政策执行者负责政策实施并产生政策实施效果。政策执行主要分为中央行政机关执行和地方各级行政机关执行[17-18]。中央行政机关执行是由统一的国家中央部门负责实施和监控，而地方各级行政执行是由分散的地方行政组织执行，也可以委托给私人市场辅助实施[17-18]。考虑到中美两个国家的文化、国家体制等不同，中国更偏向于由中央行政机关执行，美国更偏向由地方行政机关执行，这两种政策执行的主要特点和执行效率并非一样。具有地级行政机关执行特点的扩散导向型政策，沟通协调能力较高；而具有中央行政机关执行特点的导向型政策，会对中央行政机关提出更高的要求。
政策发布机构能够反映出政策主体对基层执行机构施加的压力和执行力度强弱，故本文选择政策出台的立法机构作为政策执行力度指标。本文借鉴参考《中韩两国技术创新政策对比研究政策执行维度》政策执行变量选取，结合人工智能产业政策的特点，按照反映可以颁布法律形式文件的较高级机构——中央行政机关执行”和不能颁布法律形式文件的较低级机构——“地方行政机关执行”，选择相应自变量，以反映政策发布主体对政策执行机构的影响力度。
图 1人工智能产业政策三维政策分析框架
2.5政策研究框架与变量说明 本文选择文化、历史、经济水平、技术条件都存在显著差别的中美两国人工智能产业政策作为分析对象，将从政策目标、政策工具、政策执行三个维度对于人工智能产业政策进行分析。政策目标是政策执行的方向，是政策工具要达到的目的和效果。政策工具是实现政策目的所采取的一系列手段，而政策执行是影响政策效果的重要方面，这三个方面有机结合起来将政策文本进行全方位的分析。
Hansen(1999)的面板门槛模型的主要思想是将门槛值当作一个未知变量放入计量模型之中，构建所研究的区制①解释变量系数的分段函数，然后对门槛值及门槛效应开展相应的估计、检验。根据该思想，假设存在单门槛效应，根据静态平衡面板建立单一门槛模型
从政策目标、政策工具和政策执行维度选择17个子变量，按照VI、V2、V3…到V17变量代码依次顺序排列，以期反映中美人工智能产业政策特征，变量名称、变量定义等详细情况如表2所示。
表 2政策变量的基本情况
3人工智能产业政策测度与赋值
本文参考李凡学者的《中印技术创新政策演进比较研究-基于目标、工具和执行的定量分析》一文，对人工智能产业政策文本采取虚拟变量的赋值法。首先，本文将国家变量作为协变量，设置为C，美国赋值为1，中国赋值为2。其次，将所选择17个政策子变量作为因变量并进行赋值，赋值原则为当一项政策条款符合本文选取17个变量描述中的某一特征时，即在相应变量下赋值为1，否则为0。如果一项政策条款符合17个变量中多个特征时，即在符合每个变量下都赋值为1，其他不符合变量则赋值为0。由于因变量为二分类变量，非连续变量，不能采用简单回归模型，故采取Logistic回归模型对数据进行分析，得到中美两个国家在政策目标、政策工具和政策执行上的国家差异。其中，回归系数如果为正，代表着中国该变量下的政策数量占比明显高于美国，如果为负则代表着美国该变量下的政策数量占比显著高于中国，具体的回归结果如表3所示。
4.教学考核体系不完善。目前空乘专业学生的考核还是沿袭高校学校教学管理部门统一的评估体系，不利于加强空乘专业学生教学过程的控制与管理。第一，所有专业学生大学英语课程统一考试，没有考虑到学生基础的差异性；第二，各专业培养目标不同，学生特点不同，考核形式和内容也应体现个性化特征。对于空乘专业的学生，应该加强教学过程的控制，提高平时的分数比例，结合其到课情况、课堂表现、学习效果给予及时、客观的评价，以提高其学习的信心和积极性。
表 3数据回归结果情况
*、**、***代表着在10%、5%和1%水平下显著
注：--表示该数据缺失
4中美人工智能公共政策演进的差异
4.1政策目标差异 中美两国政策目标的差异主要体现在理论建设、技术运用、引进和消化吸收、科技成果转化以及鼓励、引导新产品和服务项目的开发、升级三个方面，在社会共享方面没有显著差异，如图2所示。
在对火电站烟囱防腐材料进行广泛调查，收集各种防腐材料的技术性能和有关经济资料后，对防腐工程的功能要求进行分析[10-11]，并绘制成如图1所示的系统图，其中F1 ～ F10表示10项功能指标。从工艺流程、施工方法、适应能力等方面选取了4种防腐方案。需要注意的是，所有方案均拆除了原烟囱体的砖砌体内衬、隔热层和灰沉积平台，只保留了烟囱筒(即基体，包括钢基、混凝土基和砖基)。
结合人工智能产业政策的特点，本文从政策目标、政策工具与政策执行三个维度共选择17个政策变量，科学地构建人工智能产业政策三维分析框架，如图1所示。首先，在政策目标维度，按照“扩散导向型”和“任务导向型”政策目标，选取鼓励、引导新产品和服务项目开发、升级，理论研究、技术运用、引进，消化吸收、科技成果转化和社会共享四个子变量。其次，在政策工具维度中，按照“供给型”“环境型”和“需求型”政策工具维度进行选取变量。在“供给型政策工具”中，按照政府自上而下地通过对人才培养、技术提升、资金的投入，选择“人力资源培养”“基础设施建设”“金融支持”“产学研支持”和“财政投入”等子变量；在“环境型政策工具”中，按照政策工具为产业发展提供环境和制度保障的角度，选择“税收优惠”“行政组织领导”等子变量；在“需求型导向政策工具”中，按照政策工具通过采购与贸易管制手段作用于产业市场的角度，选择“国际合作”和“政府采购”等子变量。最后，在政策执行维度中，按照“中央行政机关执行”和“地方行政机关执行”维度选取了一级形式、二级形式、三级形式和法律形式等四个子变量。
图 2中美人工智能产业政策目标差异比较
a.中国比美国更强调理论建设、技术运用、引进实现。中国非常强调引进国外先进技术、注重技术运用。颁布的政策主要围绕“核心技术开发，共同推动人工智能基础理论、共性技术、应用技术研究软硬件技术开发、支持开源软硬件平台及生态建设”等，例如在《促进新一代人工智能产业发展三年行动计划(2018-2020年)》中提出加强研发人工智能的开发框架、算法库、工具集，鼓励建设开源开放平台，研发出具有人工智能特质的智能软件是我国人工智能产业发展计划之一[20]。中国更注重核心技术的开发，这也是人工智能产业能否得到持续发展的关键因素之一。
2.3.1 在课堂教学中适时引入案例 如在讲解护士慎独精神时，引入以下案例：病人，女，40岁。因乳腺癌行乳腺及淋巴清除术后，进入重症监护室。2小时后，其丈夫透过玻璃窗向内看时，发现妻子的输液袋已空，输液管里倒回血液竟然没有护士发觉。于是气愤地敲门喊护士，护士长一再解释，其丈夫还是认为护士责任心不强，擅离岗位，将其投诉到护理部。
b.中国比美国更强调消化吸收、科技成果转化目标实现。技术引进、运用必须与实践相结合，才会发挥真正的效果。例如《国务院关于印发新一代人工智能发展规划》中注重鼓励以人工智能技术为重点应用领域的产品研发，使人工智能技术与商业模式共同创新发展，促进创新产品这一新兴业态的培育，合理布局产业链，开发智能软硬件、智能机器人、智能运载工具以及智能终端等具有重大引领带动作用的人工智能产业[21] 。促进“人工智能+其他产业” 紧密融合，建立具有国际影响力和竞争力的人工智能产业集群，形成跨界融合、数据优先、具有创造力的智能经济形态。目前，我国包括高水平论文在内的人工智能产出总量位居全球第一，同时，我国也是全球人工智能产业布局最多的国家，领先于美国和日本，其中国家电网公司近五年在人工智能相关技术方面发展迅速，远高于国内其他专利技术，位居全球第四。
中国比美国更强调一级机构。国务院是中国的最高国家执行机关，国务院及其直属的各部委下发的文件所具有的权威性较强，中国在政策执行方面由一级机构发布的关于人工智能政策的条款占比多达67.7%。由于我国政策执行环境的特殊性，在政策执行上出现“条块分割”的情况。纵向上，执行层级过多、执行链过长，政策失效的可能性越大；横向上，机构缺乏必要的整合，政策执行的合力被分散化。与我国不同的是，美国制定的政策都是根据各州的实际情况因地制宜，在政策执行上也就更容易落实，避免了层级之间传达政策的滞后性。
实践证明，教师在教学中采取上述这些有效的教学情境，就是为学生的主动学习搭建了有力的平台，让他们的主体性得到了充分的发挥，极大地激发了学生学习化学的兴趣和求知欲，从而提高了课堂教学质量。
4.2政策工具差异 中美两国政策工具的差异体现在财政投入、人力资源保障、行政组织领导、基础设施、国际合作、产学研支持方面，在税收优惠、金融支持和政府采购等方面没有差异，如图3所示。其中值得注意的是我们发现政策工具中的政府采购这一子变量的使用严重缺失，需求型政策工具的作用未得到充分发挥。通过政府购买、贸易等形式加快促进推动新兴技术的发展，形成标杆示范效应，尤其是对于在人工智能这种新兴的业态，在设定安全应用的标准层面，政府采购将起到至关重要的作用，该环节中政府需要发挥带头引领作用，推动人工智能规模化落地[21]。因此不断完善人工智能领域的需求型政策工具应是今后相关政策工作的重点。
图 3中美人工智能产业政策工具差异比较
产学研支持是加快我国人工智能发展的重要途径之一，我国人工智能知识产量大量停留在大学和科研机构，例如，中国教育部在《高等学校人工智能创新行动计划》的通知中提出加快建设人工智能科技创新基地，鼓励高校、各类国家级创新基地建设新型科研组织机构，开展跨学科研究[24]。但是在促进知识应用和成果转化方面仍存在显著“短板”。因此中国未来的方向应是多关注产学研融合创新，不断支持企业自主利用数据、算法等优势资源开展人工智能基础研究。
人工智能作为影响国家发展的战略性技术，世界上主要的发达国家都把发展人工智能作为提升国家竞争力的手段，与其相比，我国人工智能整体发展水平仍比较落后，注重国际合作可以吸取国外先进的经验和理论，进而促进我国人工智能的发展。正如国务院在《“互联网+”人工智能三年行动实施方案》中提出的鼓励和其他国家加强人工智能技术研发与应用合作，为人工智能企业提供国际合作、海外创新服务。[20]国际合作对我国人工智能论文产出的影响也十分显著，其中高水平论文中通过国际合作完成量占比高达42.64%。
a.中国比美国更强调基础设施、国际合作、产学研支持。经济的健康发展离不开基础设施的建设[23]。中国政府在《新一代人工智能发展规划》的通知中提出围绕公众迫切需求，加快创新人工智能应用，提供个性化、精准化的服务，如智能医疗、智能健康和养老等，不断优化和加强基础设施的建设。
综上，通过上述的文献梳理，学者对于人工智能产业政策研究多为描述性比较，暂未从更为细致地定量角度进行深入研究。同时，人工智能作为新兴产业，其健康良好的发展对国家政治、经济的发展影响深远，站在国际视角对比分析人工智能产业政策，才能更好地发现我国人工智能产业政策存在的问题与不足。因此本文借鉴李梓涵昕的中韩两国技术创新政策文本分析框架[15]和彭纪生的中国技术创新政策分析框架[16]从政策目标，手段到执行效果的角度对中美两国人工智能产业政策文本进行定量分析，以期能更加全面的反映问题所在。
人工智能持续发展更是离不开大量的人才，尤其是高水平人才的投入，美国在人工智能人才投入量独占鳌头，累计高达28536人，占据世界总量的13.9%。中国人工智能人才拥有量位居第二，但是杰出人才供给数量少，按高H因子衡量的中国杰出人才不到1000人，不及美国的五分之一。同时中国企业在人才投入培养上也相对较少，高强度人才的投入集中在美国，中国仅有华为一家企业位居全球前列，而且中国的人工智能人才地区分布不平均，学科分布也相对分散[27]。此外，人工智能的发展离不开两国行政组织的领导。美国人工智能领域的发展受到行政组织的影响更多，而中国人工智能领域的发展多集中在高校或者研究所，行政组织领导负责颁布政策，但具体实施参与并不多，这也跟中国特殊的国情有关。
4.3政策执行差异 中美两国的政策执行的差异体现在一级机构、法律形式方面，在二级机构、三级机构方面没有显著差异，如图4所示。
以某综合能源系统为例，进行能源子系统实时温度调控举例。实时温度调控的目的主要是为了保证冷热系统的供水温度，分为能源子系统内部调控和能源子系统之间协调。
图 4中美人工智能产业政策执行差异比较
c.中国比美国更强调鼓励、引导新产品和服务项目的开发、升级目标的实现。人工智能产业政策目标包括如何应用好人工智能技术，该环节离不开发挥市场和企业的活力，这也是政策目标核心环节。例如国务院在《互联网+”人工智能三年行动实施方案》中提出通过一系列的保障措施进一步发展人工智能新兴产业、推进重点领域智能产品创新以及提升终端产品智能化水平等项目，建立人工智能产业生态链，打造大规模的人工智能市场应用[20]。
现代书法理论史上，较早、较深入系统地探讨书艺本质的王一川先生曾非常精辟地预见道：“对书法的审美根源，特别是审美心理根源的探讨，还有许多工作要做。不仅应当从书法创作和鉴赏的实际审美经验中引出结论，而且应当从美学、一般艺术学和书法学三者结合的高度上寻求解决途径。”［1］
美国比中国更强调法律形式。在政策执行方面，美国更加注重法律对人工智能发展的保障作用，同时也更凸显出对于人工智能发展的重视程度。美国是一个重视法律的国家，针对目前世界各国对人工智能领域都表现出广泛关注的情况下，通过立法形式颁布政策文件以保证人工智能快速发展，同时，为美国各州政府在执行上也提供了更多的便利和保障。
5结语与启示
5.1结语 本文通过对上述中美两个国家的关于人工智能产业政策的对比分析可知：
a.就人工智能政策目标来看，首先，中国比美国更强调理论建设、技术运用、引进的实现。中国非常强调引进国外先进技术、技术运用，中国首先集中于核心技术的开发，这也是人工智能产业能否得到持续发展的关键因素之一。其次，中国比美国更强调消化吸收、科技成果转化目标实现。技术引进、运用必须与实践相结合，才会发挥真正的效果。第三，中国比美国更强调鼓励、引导新产品和服务项目的开发、升级目标的实现。中国人工智能领域的发展起步较晚，关注的重点在于对新兴产品和服务的开发和升级上，这样才能不断促进中国人工智能产业的发展。
b.就人工智能政策工具来看，首先，中国比美国更强调基础设施、国际合作、产学研支持。基础设施建设好坏对经济建设发展迅速与缓慢产生重要的影响。我国人工智能整体发展水平与发达国家相比仍有巨大差距，注重国际合作可以吸取国外先进的经验和理论，进而促进我国人工智能产业良好发展。产学研支持是我国人工智能技术发展的重要途径，我国人工智能知识产量大量停留在大学和科研机构，在产学研促进知识应用和成果转化方面仍存在显著“短板”，因此中国未来的方向多关注产学研融合创新，并不断支持企业利用数据、算法等优势资源开展人工智能基础研究。
第二，美国比中国更强调财政投入、人力资源保障、行政组织领导。人工智能领域的开发和发展都需要巨额资金，财政投入对于人工智能的发展至关重要，而且美国人工智产业的发展优于中国，离不开财政的支持。人工智能的发展需要大量的人才投入，尤其是高水平人才的投入，美国在人工智能人才投入量独占鳌头，累计高达28536人，占据世界总量的13.9%[28]。而中国再人工智能领域极度缺乏高水平的顶尖人才，这也是中国人工智能今后发展所须的关注重点。
第三，美国人工智能领域的发展受到行政组织的影响更多，而中国人工智能领域的发展多集中在高校或者研究所，行政组织领导负责颁布政策，但具体实施参与并不多，这也跟中国特殊的国情有关系。
c.就人工智能政策执行来看，首先，中国比美国更强调一级机构。国务院是中国的最高国家执行机关，国务院及其直属的各部委下发的文件所具有的权威性较强，中国在政策执行方面由一级机构发布的关于人工智能政策的条款占比多达67.7%。其次，美国比中国更强调法律形式。在政策执行方面，美国更加注重法律对人工智能发展的保障作用，同时也更凸显出对于人工智能发展的重视程度。
1999年，土耳其伊兹米特市附近的北安纳托利亚断层发生一次非常强烈的地震（MW7.6）。这是沿北安纳托利亚断层发生的地震系列中的第7个事件（事件间的时间间隔范围为3个月至32年）。该地震由几个次震源得到的破裂持续了45s（USGS）。相关机构报告的全球矩心矩张量含有大量的补偿线性向量偶极。除了标准的矩心矩张量检索，几位学者通过长周期和高频数据对该事件进行了详细的研究。
5.2启示 为了促进中国人工智能产业快速健康发展,本文提出如下启示:
学院深入开展校企合作、加强学院内涵建设的重要途径就是实践教育基地的建设。通过建立实践教育基地，可以深化教育教学改革，促进教学与科研的紧密结合，使得学校和企业紧密合作，并且还能促进大学生科研中学习，社会实践中学习，提高大学生实践能力、创新创业能力，解决实际问题能力，并且校外实习基地是充分利用公司生产经营的软硬件资源。同时，学院可以与企业联合开展项目开发和项目研究，集中教师，将理论研究成果应用到企业的实际发展过程中。
a.加大对人工智能领域的财政投入、人才培养。企业是市场上最具有活力和创新型的组织，积极发挥市场作用离不开企业的力量。对于不同企业类型给予相应的政策引导。例如，对于中小型企业和初创企业，给予一定优惠的财税支持和税收支持，例如税收减免，研发费用加计扣除政策；对传统企业例如家电家具产业，鼓励企业产品向人工智能产业化升级，如智能家居；针对行业巨头和“独角兽”企业，发挥其巨大吸引力和行业标范作用，与高校、科研机构合作成立国家实验室等[28]。人才是发展之本冶，人工智能产业的竞争，归根到底是杰出人才之间的竞争，打造校企之间合作，建立学校与企业之间良好沟通，企业可以与学校共同设置人工智能专业和课程，建立人工智能实验室等方式。
b.加快促进人工智能相关的法律政策出台。目前我国人工智能政策主要以国务院在2017年出台行政法规的形式，尚未达到法律层面，美国相比较中国更为注重法律形式。按照“形式决定效力”的理念，以明确的法律形式规定后，由于法律刚性和强制力会使得政策的执行变的更有效率[29]。
c.建立统一专业化的行政组织领导。为了保证人工智能产业健康良好的发展，我国可以设置统一行政领导机构，聘请专业化的人员，让政府的行政领导也较多参与人工智能产业活动建设。
最后，本文还是存在不足之处，人工智能产业数据库政策文本的数量有限, 未对变量指标标准进行更为详细的划分；未对变量与变量之间交互作用影响进行等进行更为深入的研究，未来可扩大政策文本数量进一步完善变量指标体系。
目前法庭科学中，对塑料制品的检验方法主要有红外光谱法、裂解气相色谱法、扫描电镜/能谱法[5]、拉曼光谱法和X射线荧光光谱法等。拉曼光谱法具有快速准确、样品用量小、无损样品、样品无需前处理等特点，在法庭科学中得到了广泛应用[6]。在鉴定无机化合物方面，与红外光谱相比，拉曼谱峰比较尖锐，识别混合物，特别是识别无机混合物更加容易。拉曼光谱仪获得400 cm-1以下的谱图信息要比红外光谱仪容易得多。所以一般说来，无机化合物的拉曼光谱信息量比红外光谱的大。本实验利用拉曼光谱仪对塑料打包带(绳)的有机成分和无机填料同时进行检验研究，取得了较好的实验结果。
参考文献
[1] 陈 军,张韵君,王 健.基于专利分析的中美人工智能产业发展比较研究[J].情报杂志,2019,38(1):41-47.
[2] 贾 开,蒋余浩.人工智能治理的三个基本问题:技术逻辑、风险挑战与公共政策选择[J].中国行政管理,2017(10):40-45.
[3] 刘红波,林 彬.中国人工智能发展的价值取向、议题建构与路径选择——基于政策文本的量化研究[J].电子政务,2018(11):47-58.
[4] Stuart J Russell,PeterNorvig.人工智能:一种现代的方法(第3版)[J].计算机教育,2011(15):68-68.
[5] Marda V,Mantri A.Operational excellence in indian higher education: Renewed focus on roles of enablers[C]// IEEE Conference on Information Management in the Knowledge Economy (IMKE 2013).IEEE,2013.
[6] 于汉超,刘慧晖,魏 秀,等.人工智能政策解析及建议[J].科技导报,2018,36(17):75-82.
[7] 何 哲.通向人工智能时代——兼论美国人工智能战略方向及对中国人工智能战略的借鉴[J].电子政务,2016(12):2-10.
[8] 贾 开,郭雨晖,雷鸿竹.人工智能公共政策的国际比较研究:历史、特征与启示[J].电子政务,2018(9):78-86.
[9] 刘红波,林 彬.中国人工智能发展的价值取向、议题建构与路径选择——基于政策文本的量化研究[J].电子政务,2018,191(11):47-58.
[10] Bagnell J A,Kakade S,NgAY,etal.Policy search by dynamic programming[C]// International Conference on Neural Information Processing Systems.MIT Press,2003.
[11] Peters B G.Policy instruments and public management: Bridging the Gaps[J].Journal of Public Administration Research and Theory,2000,10(1):35-47.
[12] Rothwell R,Zegveld W.AN assessment of government innovation policies[J].Review of Policy Research,1984,3(3-4):436-444.
[13] 汤志伟,龚泽鹏,郭雨晖.基于二维分析框架的中美开放政府数据政策比较研究[J].中国行政管理,2017(7).
[14] 竺乾威.地方政府的政策执行行为分析:以“拉闸限电”为例[J].西安交通大学学报(社会科学版),2012,32(2):40-46.
[15] 李梓涵昕,朱桂龙,刘奥林.中韩两国技术创新政策对比研究——政策目标、政策工具和政策执行维度[J].科学学与科学技术管理,2015,36(4):3-13.
[16] 彭纪生,刘伯军.技术创新理论探源及本质界定[J].科技进步与对策,2002,19(12):101-103.
[17] Ergas H.Does technology policy matter?[J].Technology & Global Industry,1987.
[18] O'Toole L J .Policy recommendations for multi-actor implementation: An Assessment of the Field[J].Journal of Public Policy,1986,6(2).
[19] Sabatier P A.Top-down and bottom-up approaches to implementation research:A critical analysis and suggested synthesis[J].Journal of Public Policy,1986,6(1):21-48.
[20] 工业和信息化部关于印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)通知》[EB/OL].[2019-05-29].http://www.miit.gov.cn/n1146285/n1146352/n3054355/n3057497/n3057498/c5960779/content.html.
[21] 国务院关于印发新一代人工智能发展规划的通知[EB/OL].[2019-05-29].http://www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[22] 徐 倩.政府采购对推动人工智能发展意义重大[N].政府采购信息报,2019-03-11(013).
[23] 徐 辉,张永富.斯里兰卡高等教育“战略管理计划(2013-2017)”的目标、内容及启示[J].西南大学学报(社会科学版),2019,45(2):81-87,197.
[24] 教育部关于印发《高等学校人工智能创新行动计划》.[EB/OL].[2019-05-29].http://www.cac.gov.cn/2018-04/11/c_1122663790.htm
[25] 美国白宫《人工智能、自动化与经济报告》详解.[EB/OL].[2019-05-29].https://www.sohu.com/a/122316666_455313
[26] 美国国家科技委员会报告:为人工智能的未来做好准备[EB/OL].[2019-05-29].https://www.sohu.com/a/123263774_257305
[27] 中国人工智能发展现状与未来[J].中国经济报告,2018(10):12-21.
[28] 2017全球人工智能人才白皮书[EB/OL].[2019-05-29].https://cloud.tencent.com/developer/article/1071214
[29] 宋 彪.论产业政策的法律效力与形式——兼评可再生能源政策[J].社会科学研究,2008(6):16-23.
A Comparative Study of Artificial Intelligence Industry Policies in China and the United States :Content Analysis Based on Objectives ,Tools and Implementation
Tang Zhiwei Lei Hongzhu Zhou Wei
(School of Public Management, University of Electronic Science and Technology of China, Chengdu 611731)
Abstract :[Purpose /Significance ]In the third wave of AI development, the achievements made by China and the United States deserve the most attention. A comparative analysis of the differences between the policy texts of the two countries is essential for the future development of AI industrial policies in China.[Method /Process ]This paper constructs a database of 284 AI industrial policies in China and the United States from 2016 to 2018, chooses 17 policy variables from three dimensions of policy objectives, policy tools and policy implementation, and compares the differences of AI industrial policies between China and the United States by using binary logistic regression method.[Result /Conclusion ]The study finds that the differences in policy objectives are mainly manifested in three aspects: theoretical construction, technology application and introduction; the differences in policy tools are presented in six aspects: financial support, human resources protection etc.; and the differences in policy implementation are shown in two aspects: primary institutions and legal forms. The research provides enlightenment for the formulation and development of China's artificial intelligence industry policies in the future.
Key words :artificial intelligence; industrial policy; policy instrument
收稿日期： 2019-05-31 修回日期：2019-07-20
基金项目： 国家社会科学基金专项课题“建设智慧社会的顶层设计与实现路径研究”(编号： 18VSJ057)研究成果之一。
作者简介： 汤志伟 (ORCID：0000-0003-4978-6617)，男，1969年生，博士，教授，博士生导师， 研究方向：电子政务与公共安全;雷鸿竹 (ORCID：0000-0002-1077-4793)，女，1994年生，硕士，研究方向：电子政务与公共安全;周 维 (ORCID：0000-0003-4346-7578)，女，1996年生，硕士，研究方向：电子政务与公共安全。
中图分类号： G531
文献标识码： A
文章编号： 1002-1965( 2019) 10-0073-08
引用格式： 汤志伟,雷鸿竹,周 维.中美人工智能产业政策的比较研究[J].情报杂志，2019，38(10)：73-80.
DOI ：10.3969/j.issn.1002-1965.2019.10.012
(责编/校对：贺小利)
标签：人工智能论文; 产业政策论文; 政策工具论文; 电子科技大学公共管理学院论文;