987加速器(987)

中、美、欧AI实力终极PK！中国进步巨大，美国仍然绝对领先

人工智能是一种基础技术，可以用来帮助国家提高竞争力、生产力、保护国家安全、并帮助解决许多社会问题。目前，世界各国正竞相发展人工智能技术。近日，总部位于美国华盛顿的智库 “数据创新中心” 发布了一份比较中国、美国和欧盟AI技术的报告。报告发现，尽管中国在AI技术上取得了很大进步，但美国仍然绝对领先，而欧盟则在很多指标上都落后了。但随着中国的快速发展，这一状况可能会在未来几年发生变化。但考虑人均指标时，美国的领先优势变得更大，而中国则排在第三位，低于欧盟。

本期的智能内参，我们推荐美国数据创新中心的研究报告《中美欧，谁将赢得AI竞赛》，从人才、科研、发展水平、采纳率、数据和硬件六大维度比较中国，欧盟和美国的人工智能发展水平。如果想收藏本文的报告（中美欧，谁将赢得AI竞赛），可以在智东西头条号回复关键词“nc403”获取。

在上一次数字创新革命中，美国获得了巨大的经济利益，成为了一些世界上最成功的科技公司的所在地，诞生了如亚马逊、苹果、Facebook、谷歌、英特尔和微软这样的科技巨头。与此同时，包括欧盟在内的世界许多国家和地区都付出了相应的经济代价。人们认识到错过了下一波创新 ，比如说人工智能，可能会带来同样的问题，所以许多国家正在采取行动，以确保它们在下一次全球经济数字化转型中取得成功。

中国，欧盟和美国现在已经互相是竞争AI全球领导者的对手。中国在许多方面都明确表明了其实现AI主导地位的雄心壮志 。欧盟关于人工智能的协调计划也表明，其“希望欧洲成为世界领先的地区，开发和部署顶尖安全的人工智能。”这场竞赛的结果将影响中美欧未来的经济产出和竞争力，以及军事优势。

总体而言，美国目前在人工智能方面处于领先地位，中国正在迅速赶超，而欧盟则落后两者。美国在本报告统计的六类指标中的四类都是第一（人才、科研、发展水平和硬件），中国有两个第一（采纳率和数据），而欧盟一个都没有。在该报告给出的评分中，美国总得分为44.2分，其次是中国32.3分，欧盟为23.5分。

美国的领导地位有以下几个原因。首先，它拥有最多的人工智能初创企业，其人工智能启动生态系统获得了最多的私募股权和风险投资资金。其次，它引领了传统半导体和为人工智能系统提供动力的计算机芯片的开发。第三，虽然它产生的AI学术论文数量少于欧盟或中国，但它有着最高质量的论文。最后，虽然美国的人工智能人才总量低于欧盟，但其人才队伍更加“小而精”。

中国正在迅速缩小其与美国之间的差距。它比欧盟和美国拥有更多的数据，这一点非常重要，因为当今许多人工智能系统都使用大型数据集来准确地训练他们的模型。在风险投资和私募股权融资方面，中国人工智能初创企业在2017年获得的资金超过美国初创企业。然而，中国在高质量人工智能方面明显落后于美国和欧盟。截至2017年，包括意大利在内的几个欧盟成员国的国际人工智能研究人员在国际上排名前10％。尽管如此，在大多数指标中，中国取得了明显进展，并且在资金和人工智能采纳率方面明显超过了欧盟。

虽然在许多指标上落后了，但欧盟也具有很强的竞争力。它拥有最多的研究人员，产生了最多的研究成果。但是，欧盟人工智能人才数量与其商业人工智能采纳率和资金之间存在脱节。例如，美国和中国的人工智能初创企业仅在2017年就获得了比欧盟2016年至2018年三年更多的风险投资和私募股权基金。

▲绝对指标排名

为了了解每个地区相对于其人口规模的AI优势，该报告还计算了根据平均劳动力的得分，美国领先（58.2分），欧盟排名第二（24.3分），中国排名第三（17.5分）。

正如报告所示，中国，欧盟和美国都有可以改进的地方。例如，中国应扩大其在大学教授人工智能相关学科的能力，鼓励研究质量而不是数量，并培养更强大的开放数据文化。与此同时，欧盟应重点制定激励人才留在欧盟的政策，帮助将研究成果转化为商业应用，鼓励发展能够更好地在全球市场竞争的大公司，并改革法规以更好地利用数据以造福AI研究。而对于美国，应该把重点放在增加国内人才基础的政策上，鼓励外国人才移民，并增加研发激励。

许多人认为，在创新方面，各国不会竞争。在这种观点中，只有赢家，没有输家。但事实上，在全球人工智能竞赛中既有赢家也有输家。未能开发成功的人工智能产品或服务的国家将面临失去全球市场份额的风险。正如卡内基梅隆大学前任计算机科学系主任，现任Google Cloud AI负责人安德鲁·摩尔所说，AI比赛将决定“谁将成为2030年的谷歌，亚马逊和苹果。”那些在人工智能研发方面投资不足的国家，特别是在军事应用方面，将使其国家安全处于危险之中。因此，在人工智能竞赛中落后的国家可能遭受经济损失并影响国家安全，从而削弱其地缘政治影响力。

但是，在某些领域，AI竞赛并非零和游戏。人工智能科学的发展，尤其是在大学中，成果可以在世界范围内传播。许多AI的研发，特别是那些专注于健康，环境和教育的研究可以使所有国家受益。例如，研发比医生更快、更准确地识别疾病或产生新疗法的AI系统可能会给全世界带来利益。今年，中国和美国的研究人员合作开发了一个AI系统，可以准确诊断常见的儿童疾病。该系统诊断哮喘的准确率超过90％，而胃肠道疾病的准确率也达到87％，研究人员还用60万中国患者的电子病历对该系统进行了训练。此外，由于许多AI研究都是开放的，所以全世界的研究人员都可以从国外其他人的成果中迅速学习。

人才是AI研究的关键。正如北京微软研究院首席研究员David Wipf所说，“ AI的未来将是一场争夺数据和人才的战斗。” 人才不仅决定企业部署和采用AI的能力，还决定了企业的成本。鉴于交通，金融和制造业等众多行业对AI人才的需求不断增加，当前人才短缺的局面以后还会加剧。

中国，欧盟和美国政府已宣布或采取了许多人才举措。例如，在2018年，中国教育部宣布了一项促进AI教育的计划。作为回应，几所中国一流大学开设了新的AI系和专业。英国政府宣布，将为多达1000名学生支付最高1.15亿英镑（1.29亿美元）的资金，帮助他们获得AI博士学位。特朗普总统发布了一项行政命令，将扩大奖学金，培训计划以及为从事AI 研究的大学教授提供资金。

报告分析了AI研究人员的人数，顶尖AI研究人员的人数以及AI研究人员的学位程度，以评估中国，欧盟和美国的人才和培养人才的状况。最新数据显示，美国在人工智能人才方面居领先地位（6.7分），其次是欧盟（6.2）和中国（2.1）。如果考虑人均指标，美国（8.4分）也领先欧盟（5.8分）和中国（0.9分）。

AI研究人员总数：此部分将AI研究人员定义为在2007年至2017年之间发表期刊文章或获得与AI相关的专利的人。欧盟估计有43,064名研究人员，领先于美国（28,536）和中国（18,232）。的确，来自德国（9,441），英国（7,998），法国（6,395），西班牙（4,942）和意大利（4,740）的AI研究人员总数超过了美国研究人员。而考虑人均，美国（每100万工人173名研究人员）领先欧盟（173个）和中国（23个）。

▲2017 AI科研人员人数

顶尖AI研究人员人数（根据H因子）：相比于数量，质量或许更重要。评价科研人员质量指标之一是H因子，它衡量研究人员的生产率和影响力。报告根据h指数排名统计了国际前10％的AI研究人员的人数。到2017年，欧盟有约5,787名高H因子研究人员，领先于美国（5,158）和中国（977）。英国（1,177），德国（1,119），法国（1,056），意大利（987）和西班牙（772）共计5,111名高H因子人员。尽管没有其他23个欧盟国家的数据，但很明显，其余国家/地区拥有足够的顶尖AI人才，足以弥补美国和欧盟之间不到100人的差距。在考虑劳动力规模时，美国（每百万工人中有31名研究人员）领先欧盟（23个）和中国（1个）。

▲2017 高H因子AI科研人员人数

顶级AI研究人员数量（根据学术会议）：质量的第二个衡量标准是在顶尖的AI学术会议上发表文章的作者数量，AI初创公司Element AI追踪了2018年的21场AI会议。美国（10,295名研究人员）领先于欧盟（4,840名）和中国（2,525名）。考虑人均指标，美国（每百万工人中有62名研究人员）也领先欧盟（19个）和中国（3个）。

▲2017 顶尖学术会议AI科研人员人数

教育顶级AI研究人员（学术会议）：培养AI人才也很重要。报告统计了在2018年21个主要学术会议上发表的研究人员在何处获得博士学位。。在美国（44％）比欧盟（估计的21％）和中国（11％）的总和还多。这在很大程度上为美国提供了AI人才的优势，因为79％的学生获得了博士学位。在美国获得数学或计算机科学学位的人很大一部分都打算留在美国。

▲AI科研人员获得博士学位的地点

数据显示，尽管欧盟拥有大量的AI人才，但其顶级业务的人才却少于美国公司，这加上缺乏风险资本和私募股权融资，可能会损害其发展顶尖AI公司的能力。例如，根据AI论文和专利记录，2017年AI人才最多的20家公司中，有一半位于美国。这十家美国公司合计拥有1,623名AI工作者。相比之下，欧盟只有6家这样的公司，共有522名AI工人。进入前20名的唯一中国公司是华为，拥有73名员工。同样，根据H因子，在AI研究人员最多的20家公司中，2017年欧盟有85人，而美国为232人。中国有7名高H因子研究人员。

欧盟和中国都担心的另一个问题是，与欧洲和中国相比，美国仍吸引着更多来自其他国家的AI人才。例如，在1998年至2017年之间，有1,283名外国AI学术研究人员从国外来到美国工作。欧洲和中国分别吸引了834名和58名此类研究人员。此外，爱思唯尔（Elsevier）收集的数据表明，在1998年至2017年期间，美国所吸引的外国学术研究人员数量（318名AI研究人员）多于离开美国的研究人员（166）。

与中国相比，欧盟在人工智能人才方面具有许多优势。例如，在2017年，英国（1,177），德国（1,119），法国（1,056）和意大利（987）各自的高H因子人员均比中国（977）高。但是，中国缺乏顶尖的AI人才可能是由于其对AI的兴趣相对较新，只有25％的中国AI研究人员拥有超过十年的经验，相比之下，美国有50%。此外，中国减少人才缺乏的方式有很多，而人才缺乏的重要性可能会减小。

首先，中国正在投资AI教育。 2017年，中国国务院发布了一项计划，鼓励高校建立AI学科。在2018年，教育部启动了多项旨在促进教育的举措，这些举措包括开发50个AI研究中心，世界一流的在线课程以及5年培养500多名教员和5000名学生。自2016年以来，中国三所顶尖大学（清华大学，中国科学技术大学和上海交通大学）已经显着增加了AI和机器学习课程的注册学生人数。例如，在2016年至2018年期间，中国科学技术大学的AI和机器学习名额从1,745名增加到了3,286名。其次，中国研究人员可以快速复制其他国家开发的高级算法，因为AI研究人员经常在公开的预出版物网站上详细介绍其AI模型的体系结构以及如何实现和训练它。而且，与西方国家翻译中文论文相比，中国研究人员翻译英语AI出版物的频率明显更高，更快，从而造成信息不对称。第三，李开复认为，中国缺乏高端人才并不是阻碍其引领人工智能发展的主要障碍，他指出“ 当前时代AI商业化做得很好， 他认为，深度学习等领域的重大突破会每隔几十年发生一次，而AI已经进入了一个新兴的时代，它适合中国的国情：拥有大量的高技能，虽然不一定是最好的AI研究人员和实践者。”数据将成为决定AI系统功能的决定性因素。

各国都需要不断创新来维持地位。在过去的十年中，算法创新以及更大的计算能力提高了AI系统的功能，并大大减少了训练它们所需的时间。但是，人工智能还远远不是成熟的技术。需要更多的研究和更多的进步。

本节将分析中国，欧盟和美国AI学术论文和商业研发资金的数量和质量。

AI论文数量：2017年，中国发表了15,199篇AI论文，欧盟14,776篇，美国10,287件。但是，从历史上看，欧盟生产的AI论文最多。例如，从1998年到2017年，欧盟研究人员撰写了近164,000篇AI论文，而中国和美国作者分别为135,000和107,000。而如果计算人均指标，美国在2017年每100万工人中发表了63篇AI论文，领先于欧盟（59）和中国（19）。

▲2017AI论文数量

论文质量：虽然正如艾伦人工智能研究所所写的那样，“所有论文都是平等的。” 但实际上，美国进行的研究质量最高。2016年，美国的基准加权实地加权引文影响（FWCI）为1.83，这意味着研究人员引用的美国作者的论文比全球平均水平高83％。相比之下，欧盟和中国的FWCI分别为1.20和0.94，这表明中国作者被引用的频率低于全球AI专家的平均水平。但是，自2012年以来，中国的FWCI逐年增加。

▲领域加权引文影响力

研发支出排名前100位的科技公司：衡量一个地区研究能力的另一种方法是统计其在研发方面的支出。很难知道有多少公司专门在AI研究上花费，但是统计科技公司的总体研发支出（其中许多正在开发AI服务）可以代替AI研发支出。该指标考察了2018年研发支出排名前100位的科技公司。美国（62家公司）领先欧盟（13个），中国（12个）。每1000万工人指标中，美国也领先于欧盟和中国。

▲2018年研发支出排名前100位的科技公司

科技公司的研发支出总额排名全球2500强：2018年，全球2500家公司的研发支出中有268家科技公司。报告统计了按地区划分的268家公司研发支出。 美国（690亿欧元，770亿美元）领先中国（100亿欧元，120亿美元）和欧盟（90亿欧元，110亿美元）。如果是人均，美国（每个工人470美元）领先欧盟（42美元）和中国（15美元）。

▲2018年科技公司的研发支出排名全球前2500名

对数据的分析表明，美国在AI研究方面处于领先地位，这既是因为其在研发方面的巨额支出，也是其精英研究机构的投入。尽管如此，中国之所以赶上美国和欧盟，不仅是因为它进行了更多的研究，而且还因为它已经开始进行高质量的研究。

美国之所以在研究方面处于领先地位，部分原因是它拥有精英组织。例如，用于研发的前五名科技公司都是美国公司。评估一个国家的研究质量的另一种方法是统计其组织发布最多AI论文的影响。美国在这项指标中也处于领先地位。卡内基梅隆大学，麻省理工学院，微软，IBM和斯坦福大学是在2013年至2017年之间发表AI论文最多的美国组织。这五个组织的FWCI总计为4.0，显着高于排名前五位的欧盟（1.9）和中国（1.4）组织的FWCI。

尽管欧盟顶级组织的平均研究质量要高于最佳中国组织，但欧盟的论文产量和质量却相对停滞。自1998年以来，欧盟的FWCI仅增长了11％，而美国为24％，中国为154％。如果中国保持这种增速，2018年中国的FWCI可能已超过欧盟（数据仅到2016年可用）。此外，英国，德国，法国，西班牙和意大利这五个国家主要在欧盟推动AI研究，但自2014年以来，它们的AI年度出版物输出实际上已经收缩。

欧盟的停滞与中国的崛起相伴。尽管2009年美国和欧盟的FWCI与2016年的FWCI几乎相同（美国为1.82和1.83，欧盟为1.21和1.20），但同期中国的FWCI从0.59增长到0.94。中国的FWCI正迅速接近或超过全球平均水平1.00。

中国也不需要匹配美国的FWCI来进行更大量的研究，因为它产生了大量的研究。例如，艾伦人工智能研究所（AI2）最近对AI论文进行的分析发现，在被引用最多的10％的AI论文中，美国所占的份额从1982年的47％下降到2018年的29％。从1982年的大约0％增长到26.5％。 AI2的研究表明，到2020年和2025年，中国的论文产量将超过美国，分别位居所有AI研究论文的前10名和1％。尽管中国的引用数量可能会因自我引用而被夸大，但相对于美国和欧盟，中国的研究质量绝对提高了。

要充分获得AI带来的益处，各国必须拥有健康的AI生态系统，以引导创新AI技术和公司的发展。例如，国家必须拥有足够的风险投资和私募股权资金，才能满足发明人与开发和销售其产品或服务所需的资金。本节分析了AI风险资本和私募股权资金，AI公司的数量、并购情况以及专利数据。最新数据显示美国（14.9分）领先欧盟（5.3分）和中国（4.8分）。人均方面，美国（19分）领先欧盟（4.5）和中国（1.4）。

风险投资和私募股权投资总额（2017-2018年）：跟踪私人资金是衡量国家发展AI公司能力的一种很好的方法。统计2017年至2018年间AI公司的风险资本和私募股权融资。美国（估计为169亿美元）为首，其次是中国（估计为135亿美元）和欧盟（估计为28亿美元）。按人均来算，还是美国领先。

▲风险投资和私募股权投资总额（2017-2018年）

风险投资和私募股权融资交易数量（2017-2018年）：人工智能风险投资和私募股权融资可以集中在少数几笔大型交易中，但也可以跟踪风险资本和私募股权融资交易的总数。在2017年至2018年期间，美国的AI公司获得最多的投资（1,270笔交易），超过了欧盟（660个）和中国（390个）。按人均计算，美国（8个交易）领先欧盟（3个）和中国（0.5个）。

▲风险投资和私募股权融资交易数量（2017-2018年）

AI初创企业数量（2017年）：与其他基于技术的初创企业类似，AI初创企业可以成为一个国家经济增长和竞争力的重要驱动力。美国在2017年拥有1,393个AI初创企业，超过了欧盟（726个初创企业）和中国（383个初创企业）。人均指标，美国居首（8），其次是欧洲（3）和中国（0.5）。

▲AI初创企业数量（2017年）

高引用AI专利数量（1960年至2018年）：专利是创新的一种手段。但是，用专利来衡量创新是困难的，部分原因是授予专利的国家标准不同。该报告主要关注《专利合作条约》（PCT）专利申请和被高度引用的专利。从1960年到2018年，美国专利申请人在USPTO提交了28,031个被高引用的专利，这大大超过了在欧盟（2,985）和中国（691）办事处提交的被高引用的专利系列的数量。虽然该指标显示的是申请人在哪里提交专利，而不是他们的所在地，但大多数申请人通常会首先在其居住的国家提交专利。

▲高引用AI专利数量（1960年至2018年）

美国在所有人工智能发展指标中均处于领先地位，这表明，与中国和欧盟相比，它在继续发展领先的全球人工智能公司方面处于更有利的位置。专利和收购数据还显示，美国在发展世界一流的AI公司方面已经占据了领先地位。但是，部分由于其强大的风险资本和私募股权生态系统，中国正在赶上欧盟和美国。相反，尽管目前在人工智能开发方面的排名略高于中国，但欧盟可能缺乏挑战美国地位的资金。

美国公司在专利和主导性AI收购方面表现出色。例如，在15个机器学习子类别中的8个子类别中，Microsoft和IBM申请了比其他任何机构更多的专利，其中包括监督学习和强化学习。中国科学院申请了深度学习方面的最多专利，而西门子（德国）申请了神经网络最多的专利。尽管如此，美国公司在20个领域中的12个领域中领导着专利申请，其中包括农业（John Deere），安全性（IBM）和个人设备，计算以及人机交互（Microsoft）。此外，在2012年至2016年之间，IBM在AI专利申请（3,677件）中居全球领先地位，Google母公司Alphabet（2,185）和Microsoft（1,952）也排名前五。

虽然美国在人工智能发展方面处于领先地位，但能保持多久仍是一个未知数。对包括AI在内的AI初创企业的资金数据进行了多种分析，发现至少有一年，中国的AI初创企业比美国初创企业获得的资金更多。例如，2017年，中国的AI初创企业获得了约81亿美元的投资，而美国初创企业的投资额约为62亿美元。此外，中国科技公司腾讯的研究发现，美国AI初创公司的平均投资时间为14.8个月，而中国为9.7个月。

就人工智能初创企业的投资数量而言，中国也开始缩小与美国的巨大差距，使这一差距从2016年的476项减少到2018年的371项。差距缩小的原因是中国初创企业的投资数量显着增长，而涉及美国AI初创企业的交易数量却相对停滞。美国的AI初创企业在2018年的确获得了创纪录的投资，但是，也只获得了107亿美元的投资，而中国的AI初创企业也获得了约54亿美元的资金。

在2016年至2018年期间，为欧盟AI初创企业提供的私募股权和风险投资几乎增加了三倍，但欧盟还是落后于美国和中国。例如，美国在2016年至2018年之间的任何一年所获得的资金都比欧洲三年来所获得的资金总额多。同样，在2017年和2018年，中国的AI初创企业获得的私募股权和创投资金比欧盟多数十亿美元。除非欧盟初创企业开始获得大量资金，否则欧盟有可能进一步落后于欧盟美国和中国。

技术创新是提高生活水平的关键，在新出现的创新浪潮中，人工智能很可能是技术创新的主要驱动力。到2030年，AI估计将创造13万亿美元的国内生产总值（GDP）增长。公司越来越需要采用AI才能保持竞争力。除了经济收益外，人工智能还可以带来重要的社会收益，例如减少汽车事故和伤害并实现更好的疾病治疗。

中国，欧盟和美国政府已公开承认采用AI的重要性。例如，中国工业和信息化部于2017年发布了《促进新一代人工智能产业发展的三年行动计划（2018-2020年）》，呼吁将人工智能融入制造业。此外，欧盟关于AI的协调计划要求在制造和能源等部门创建“欧洲通用数据空间”，以支持AI的开发和采用。美国总统特朗普在2019年发布了一项行政命令，要求制定技术标准以支持AI的采用。

为了评估中国，欧盟和美国的AI采纳率，报告分析了有关AI采纳率的调查。中国以7.7分领先欧盟（1.3）和美国（1）。就采用或试点人工智能的企业百分比而言，中国位居首位（4.7分），其次是美国（2.9分）和欧盟（2.5分）。

采用AI的公司所占百分比：衡量AI采用率的第一种方法是跟踪成功将AI应用于其业务流程中的公司所占的百分比。2018年，中国（占企业总数的32％）领先于该指标，其次是美国（22％）和欧盟（估计为18％）。

▲采用AI的公司所占百分比

试行AI的企业百分比：衡量AI的第二种方法是跟踪正在试行AI的企业百分比。该指标跟踪截至2018年9月和10月正在试行AI计划的公司。在这一指标上，中国也领先（占公司总数的53％），其次是美国（占29％）和欧盟（占26％）。

▲试行AI的企业百分比

尽管不同的调查发现采用率有所不同，但它们也表明了类似的趋势：中国采用AI的速度比美国和欧盟更快。中国在人工智能的采用方面可能领先，部分原因是其人民和企业认识到人工智能的价值更高。

与美国和欧盟不同，无论在哪个行业，中国的采用率都是相对统一的。例如，活跃于AI领域的美国公司的百分比（这意味着它们正在采用或试行AI）在不同行业之间的差异高达32个百分点。然而，在采用率最高的行业与应用最低的行业之间，中国活跃的AI公司的份额相差仅6个百分点。

▲2018年按行业划分的在中国和美国采用AI或正在试用AI的公司所占百分比

对于这种现象有几种可能的解释。首先是人工智能的重要性已经渗透到中国文化中。在2017年国务院发布“新一代人工智能发展计划”后，政府开始急于向AI初创企业投资并采用AI。通过采用AI，中国政府不仅向AI公司提供资金，而且创建榜样来证明AI的好处来鼓励私人公司采用AI。此外，中国人中有较高的比例（76％）认为人工智能对整个经济有正面影响，超过美国（58％），法国（52％），德国（57％），西班牙（55％）和英国（51％）。第二种可能的解释是，与某些西方国家相比，即使某些人认为存在关于人工智能的伦理问题，但中国的技术功利主义文化认为，只要能够提供更广泛的社会福利，就愿意采用人工智能。

与美国公司相比，中国公司在向员工传达AI的重要性方面做得更好。例如，有43％的美国人说他们的雇主认为AI的发展和组织的数字化转型具有战略重要性，而中国这一比例是85%。同一调查发现54％的美国人表示他们的工作场所没有部署AI工具的计划，这一点不足为奇，而中国人的这一比例仅为22％。

尽管美国公司可能没有正确地向员工传达AI的重要性，但许多欧盟人士对AI持完全怀疑的态度。因此，虽然欧盟在采用率方面仅落后于美国，但在很大程度上落后于中国。同样，欧盟的个人通常在工作场所对AI的负面情绪要比美国的工人要大，而与中国的员工相比，负面情绪要明显得多。例如，在考虑AI对他们的影响时，英国（55％），德国（61％），法国（65％）和西班牙（53％）中较高的个人引用至少一种负面感觉工作，而美国和中国分别为51％和24％。欧盟的个体可能对AI缺乏热情，因为他们对AI的积极经验较少，在美国和中国，分别有77％和91％的个体报告AI工具对其有效性产生积极影响。法国人（62％），德国人（65％），西班牙人（72％）和英国人（74％）所占的比例较低，他们的感受相似。

人工智能系统通常依赖大量数据进行训练。大型数据集可帮助AI系统开发高度精确的模型。此外，机器学习技术使AI系统能够识别大型数据集中难以被人类感知或无法感知的细微模式。这就是为什么许多AI系统执行某些任务要比人类专家更好的原因之一，例如在换相断层扫描中识别肺癌的征兆。

中国，欧盟和美国的决策者已经意识到数据的重要性。 2015年，为了支持大数据的使用，中国将开放数据列为十个国家项目之一。欧盟关于AI的协调计划指出：“ AI需要开发大量数据……数据集越大，AI就能更好地学习和发现数据中甚至微妙的关系。” 在美国，特朗普总统美国AI倡议指示政府“增强对高质量且可完全追溯的联邦数据的访问”，并指示美国管理和预算办公室来识别和解决数据质量限制。

没有直接的度量标准可以衡量特定位置的AI可用数据的相对数量和价值。但是，当个人从事各种在线和离线活动时（例如使用搜索引擎，在社交媒体上发布和进行购买），他们会产生大量数据。这些活动产生的数据对于机器学习模型可能具有巨大的价值。因此，一种估算国家或地区数据潜在价值的方法是考虑参与数字活动的人口百分比。

移动支付（2018）：消费者还生成数据技术公司可以在每次使用移动设备购买产品时进行分析。报告将“移动支付”定义为使用移动设备进行扫描并在销售点进行交易，不包括线上购买。据估计，2018年有超过5.25亿中国人进行了移动支付，而美国为5500万，欧盟为4400万人。 2018年，估计有45％的中国人口使用了移动支付，而美国为20％，英国为13％，德国为8％。

▲2018年使用移动支付的人数

物联网数据（2018）：物联网设备可以生成大量数据，机构可以将其用于训练机器学习系统。该指标跟踪2018年每个区域产生的IoT数据的估计数量，以TB为单位。中国（1.52亿TB）领先美国（6900万TB）和欧盟（5300万TB）。每100名工人中，美国（42 TB）领先欧盟（21 TB）中国（19 TB）。

▲新生成物联网数据量

生产力数据（2018）：组织不断生成可作为输入来训练其AI系统的数据。例如，一家航空公司可以分析其客户、代理商、飞机和路线图数据，以更好地控制其航班成本。该指标跟踪估计的生产力数据量，该数据是大数据和元数据的组合。美国（9.66亿TB）领先中国（6.84亿TB）和欧盟（5.83亿TB） ）。每100名工人中，美国（586 TB）领先欧盟（234 TB）和中国（87 TB）。

▲生产力数据

电子病历：研究人员已经使用电子病历开发了可以执行多种功能的AI系统，从预测患者是否可能会住院到帮助追踪疾病的传播。目前尚无中国、欧盟所有成员国和美国有关采用电子病历的全面数据。但是，定量和定性信息的结合表明，美国拥有电子病历的最多，领先于欧盟和中国。因此，美国在人均获取量上也领先，其次是欧盟和中国。

在所有调查的地区中，电子病历系统的采用率相对较高，但跨境以及提供商之间访问电子病历的可用性并不高。例如，2015年的一项调查发现，美国84％的初级保健医生使用了电子病历系统，而99％的瑞典医生，98％的荷兰医生，98％的英国医生，84％的德国医生使用了电子病历系统。法国医生。在中国，2012年的一项调查发现，有48％的医院拥有基本的电子病历系统。自2012年以来，使用电子病历的中国医院数量可能已增长到90％以上。2017年，超过96％的美国医院使用了经过认证的电子病历系统。

然而，在2015年，只有30％的美国医院可以在其他医疗服务提供者那里找到，发送和接收电子病历。证据表明，中国和欧盟的互操作性甚至更低。在中国，医院经常使用无法互操作的电子病历系统，迫使患者在不同医院看医生时要携带打印的健康记录。在欧盟，跨境访问和共享医疗数据的能力差异很大，限制了在跨境数据上训练AI系统的能力。

高分辨率地图数据：高分辨率地图数据对包括自动驾驶汽车在内的众多AI系统的开发都很重要。美国领先于该指标，其次是欧盟和中国。截至2019年4月，美国45％的州目前都有1米或更高分辨率的数据。相比之下，只有6个欧盟成员国（约占欧盟地理区域的15％）向公众提供完整的高分辨率3D高程数据。其余的要么提供部分覆盖或低分辨率覆盖，要么不向公众公开数据。在中国，《中华人民共和国测绘法》要求所有进行制图的实体都必须具有许可证，截至2018年1月，只有14个中国企业获得了许可证，中国企业将许可证视为“金钥匙”。

中国在收集的数据和大型互联网公司（可能也是最善于利用AI的公司）可获得的数据量方面均处于领先地位。这个事实，再加上中国政策变化可以缓解的多种数据缺陷，意味着中国将来可能会拥有更大的优势。

至少有两个原因，与西方同行相比，中国大型互联网公司可能具有数据优势。首先，西方的服务在公司之间是相对分散的。例如，亚马逊用户可以购买杂货，但不能预订酒店。另一方面，中国科技公司已经创建了多合一超级应用程序。例如，中国科技公司腾讯拥有的应用程序微信，允许用户“打车，订餐，预订酒店，管理电话费以及购买飞往美国的航班” ，在美国，这些服务（以及数据）在Uber，Postmates，Expedia，Verizon和Venmo等公司之间划分。

其次，中国的科技公司已将自己融入到传统的离线活动中。例如，滴滴（Uber的中文版）已经购买了加油站和汽车维修店。此外，美团点评的起源与Yelp相似，不仅为用户提供了一个比较业务的平台，而且还可以处理送餐。因此，中国的互联网公司比美国的公司有机会收集更多种类和深度的数据。但是，应该指出的是，一些美国技术巨头的更广泛的全球影响力为其提供了自己的数据优势。例如，Facebook有超过20亿用户，而微信只有11亿用户。如果中国公司在国际上取得更多成功，例如使用社交媒体视频应用程序TikTok，则美国的优势将会减弱。

中国也没有充分利用其产生的数据。例如，几十年来，美国公司在保险和金融等行业中一直在收集结构化的数据，例如贷款偿还率。但是，中国公司采用企业数据存储的速度较慢，因此很难提取见解和数据。这些数据的价值。在建立标准以帮助组织跨平台共享数据方面，中国也落后于西方同行。政府机构忽略了数据收集的基本标准，导致计算机无法读取大量数据，从而降低了分析数据的质量和可用性。尽管在2015年将公开数据列为国家项目，但在向公众提供政府数据方面，中国仍然落后于同行。最后，尽管其他国家正在从全球跨境数据共享的增加中受益，但中国的互联网生态系统仍处于封闭状态，限制了它从国外共享和接收的数据量。这种“封闭性”减少了中国公司收集的数据的多样性。

AI系统依赖于可以每秒执行大量操作的半导体设备（例如集成电路）。实际上，作为并行执行数学运算的电路的图形处理单元（GPU）催化了最近AI的发展。此外，诸如超级计算机之类的技术结合了诸如GPU和中央处理器之类的处理单元，可以通过大量的计算能力来扩展AI系统的功能。例如，研究人员将超级计算机和机器学习技术相结合，以模拟气候变化以及黑洞的合并。

出于以下几个原因，上述硬件对于提高一个国家的AI竞争力至关重要。首先，半导体产业薄弱的国家可能容易受到其他国家行动的影响。例如，在2018年，美国禁止美国公司向中国大型电信设备制造商中兴通讯提供零件和软件。由于中兴通讯依赖美国公司的半导体设备，该公司几乎破产了。尽管美国最终解除了禁令，但形势突出了中国对西方技术的依赖。最近，美国已阻止美国公司向五个特定的超级计算实体出售芯片，美国商务部已将华为列入黑名单，这阻止了公司未经许可就出售美国技术。其次，许多专家认为，专门为AI应用（例如自动驾驶汽车或面部识别）设计的AI芯片将胜过GPU等成熟技术。结果，诸如Apple，Alphabet和Amazon之类的非半导体公司正在设计自己的AI芯片以满足其特定需求，这可以提高其AI系统的性能，从而为它们提供竞争优势。第三，高性能计算推动了多个领域的突破性发现，而性能最佳的超级计算机的使用为各国提供了比其他国家更快地开发前沿武器系统和应用程序的优势。

半导体研究与开发支出：不仅半导体销售很重要，半导体公司的研发支出也很重要，这通常是影响谁开发最好芯片的主要因素。该指标考察了2017年研发支出排名前10位的半导体公司的数量。美国（5家公司）领先欧盟（0）和中国（0），其中5家美国公司在研发方面的总支出为240亿美元。

▲2017年半导体研发企业数量进入前十名

设计AI芯片的公司数量（2019）：由于一些公司发现开发定制的AI芯片可以改善其AI系统的性能，因此跟踪设计AI芯片的公司数量也很重要。我们分析了包括CrunchBase在内的多个数据源，以跟踪为AI用例开发芯片的公司数量。美国（55家公司）领先中国（26家公司）和欧盟（12家公司）。每1000万工人中，美国（3）也领先于欧盟（0.5）和中国（0.3）。

▲2019设计AI芯片的公司

超级计算机数量（2019年）：该指标统计性能排名前500位的超级计算机的数量。在超级计算机500强中，中国拥有的超级计算机数量（219）超过美国（116）和欧盟（92）的总和。每1000万工人中，美国（7个超级计算机）领先于欧盟（4个）和中国（3个）。

▲超级计算机数量（2019年）

超级计算机（综合系统性能，2019年）：评估国家/地区的另一种方法是衡量排名前500位的超级计算机的综合系统性能。在全球前500强超级计算机中，美国的综合系统性能所占比例最高（38 ％），领先于中国（30％）和欧盟（17％）。每10,000名工人中，美国（36 TFLOPs / s）也领先于欧盟（10）和中国（6）。

▲2009-2019年排名前500名的超级计算机的综合性能

数据分析显示，美国在硬件方面仍然领先，但中国在超级计算机方面挑战美国，中国在AI半导体方面正在崛起，而欧盟则落后于其他国家。

美国在发展世界上最快的超级计算机方面的地位既显示了其实力，但中国的能力在不断提高。例如，最快的10台超级计算机中有6台位于美国。此外，世界上最快的两个超级计算机，Summit和Sierra，位于美国能源部（DOE）的站点。此外，美国公司英特尔开发了500强超级计算机中96％的处理器。在使用加速器或协处理器来增强计算机性能的133台超级计算机中，有98％来自美国公司Nvidia或英特尔。

但是，从某些方面来说，中国已经赶超美国成为超级计算机的全球领导者。 2010年6月，全球500台性能最佳的超级计算机中有282台在美国。然而，在2018年，美国只有有109台世界500强，为历史最低水平。此外，美国和中国都在开发百亿亿次计算机，它们每秒可以执行五百亿次计算。

中国已经开始显示出它有可能减少与美国在半导体领域的差距，至少在人工智能芯片方面。在过去两年中，数家中国AI芯片初创企业已获得至少1亿美元的资金。一些专家认为，与在整个半导体市场相比，中国在人工智能芯片市场上的竞争优势更大。例如，为机器人开发人工智能芯片的Horizon Robotics在2018年的B轮融资中获得了6亿美元的投资，该轮融资由世界领先的韩国半导体公司SK Hynix牵头。同样，最初开发用于比特币采矿的芯片的比特大陆，已经开发了一种人工智能芯片，并在2017年至2018年期间获得了近7.65亿美元的资金。最后，Cambricon Technologies，在2016年开发了世界上第一台用于手机的商业深度学习处理器，获得了由中国政府支持的国家开发投资公司的拨款100万美元。

在中国崛起的同时，欧盟也在衰落。欧洲工业在传感器等领域仍具有市场份额，但它放弃了先进的数字半导体的生产。此外，有迹象表明，欧盟在开发先进的人工智能芯片方面仍然会滞后，后者成本高昂且开发周期长。首先，没有一家欧盟半导体公司在研发支出上排名前十。其次，一些最具创新性的芯片设计来自美国和中国公司，例如Alphabet，Facebook和百度。但是由于欧洲大陆分散的市场和竞争法规，欧盟的数字初创企业一直很难扩大规模。而且在欧洲，与Alphabet和Baidu相当的公司却没有钱和动力去设计AI芯片。第三，非欧盟公司正在收购有前途的欧洲半导体设计公司。日本企业集团软银在2016年以320亿美元的价格收购了英国半导体公司ARM。类似地，中国政府支持的私募股权公司Canyon Bridge收购了Imagination Technologies，后者也是英国的半导体设计师。

智东西认为，从这份报告的几项指标中，我们可以清晰地看到，虽然中国在数据、采纳率、科研等方面有部分优势，但整体上现阶段AI的发展仍是由美国主导，尤其在硬件和科研方面，但是正如文中所说，AI竞赛并不是一场“零和游戏”，这场竞争并不是要拼个“你死我活”，中国AI发展要清晰的认识到自己的优劣，充分发挥自己的长处，积极向外界学习，抓住这次难得的科技革命机会。

配合望京西枢纽站建设，北京866路等公交线路调整

记者从公交集团获悉，按照上级政府部门配合望京西枢纽站重点工程建设要求，根据市公联公司《关于湖光中街施工断路的公告》，湖光中街西段（京承高速辅路－望承公园北门）将于2021年8月28日起封闭。受其影响，途经该路段的各条公交线路均无法通行。北京公交集团按照上级部门的统一安排，自2021年8月28日首车起，同步实施公交线路导改方案，具体如下：

一．始发线路

望京西枢纽站施工期间，需占用现状望京西公交场站，现有始发线路无法依托场站运营，按照施工期间交通组织方案，湖光中街西段道路封闭，公交车辆利用封闭道路掉头折返，场站内部站台移至路侧，临时设置4个发车位，支撑开往怀柔、密云方向的线路地铁望京西站始发，其余始发线路调出地铁望京西站。

1．开往怀柔、密云方向的866路、970快、987路、快速直达专线197临时调整“地铁望京西站”站位及部分中途路由

以上线路首末站不变。开往地铁望京西站方向“地铁望京西站”下车站东移约20米；由地铁望京西站发出方向，“地铁望京西站”上车站移至望承公园北门东侧临时导改站台。因湖光中街西段道路封闭，线路发出后临时绕行望京西路、辛店路，由北湖渠桥驶入京承高速开往怀柔、密云方向。

2．905路、928路、985路调出地铁望京西站

（1）905路

由地铁望京西站调至慧忠里。由双兴苑公交场站发出，沿905路原路由至大屯南，经慧忠北路至慧忠里。增设“慧忠里”站，取消炎黄艺术馆－地铁望京西站沿线各站。营业时间：双兴苑公交场站5:00-20:20，慧忠里6:20-22:00。

立汤路、北苑路沿线原乘坐905路前往小营西路、育慧东路沿线及望京地区的乘客，可改乘430路、464路至“慧忠路东口”站同台换乘538路。同时450路双向增设“大屯南”站，周边乘客可在“大屯南”“炎黄艺术馆”站乘坐450路前往原905路调出路段。

（2）928路

由地铁望京西站调至来广营北。由来广营北发出，经来广营北路、来广营西路、容达路、广泽路、阜安西路、望京街、宏昌路、湖光中街至湖光桥，沿928路原路由至成府路口南。增设“来广营北”“来广营路口西”“容达路”“北京八十中学东门”“望京花园东区”“望京东园”“望京西园三区东门”“阜安西路”“望京街西口”“地铁望京站”“湖光中街东口”“南湖中园南门”“湖光中街西口”站，取消“地铁望京西站”站。营业时间：来广营北5:20-20:00，成府路口南6:30-21:20。

928路调整后，将进一步丰富望京地区地面公交线网布局，增加望京东部地区地面公交服务方向，加强望京东部地区对外交通联系，方便望京东部各居民小区、望京SOHO、朝来高科技产业园乘客出行。乘客可在“地铁望京站”换乘地铁14号线、15号线。

（3）985路

由地铁望京西站调至甜水园西里，同时配合小红门路改造路段通车，中途改行小红门路、南四环路，接驳地铁亦庄线小红门站及四环路地面公交干线。

开往甜水园西里方向增设站位：地铁小红门站、肖村桥、北京工业大学南站、光辉桥南、景辉街东口、金台路口北、甜水园西里；

开往牌坊村东口方向增设站位：甜水园西里、道家园、延静里、景辉街东口、肖村桥、小红门桥、地铁小红门站。

取消“三台山北”“小红门路口北”“姚村”站及甜水园北里－地铁望京西站沿线各站。

营业时间：牌坊村东口5:10-21:10，甜水园西里6:30-22:30。

985路调整后，将加强原线路主要客流断面的服务能力，调整初期高峰计划发车间隔由13分缩短至8分，营业时间在现状基础上进一步延长。同时微调小红门地区中途路由，实现地铁小红门站地面公交接驳，增加小红门地区至南四环路的线路走向，方便鸿博家园及周边社区居民就近换乘轨道交通及400路等地面公交干线。

原985路调出路段，三台山路沿线乘客可改乘680路；红庙－静安庄沿线乘客可改乘419路；前往曙光里的乘客可乘坐419路至“三元桥南”同台换乘536路，由曙光里出发的乘客可乘坐132路至“静安庄东”同台换乘419路；前往望京方向的乘客也可乘坐419路至“三元桥南”同台换乘536路，或在“静安庄”同台换乘132路、467路。

二．途经线路

湖光中街西段道路封闭后，原经由该路段的471路、547路、571路、851路、854路、专112路、快速直达专线29将改行湖光桥新建右转匝道，其中547路、快速直达专线29“地铁望京西站”站位移至地铁13号线望京西站过街天桥下，其余线路设站不变。

来源 北京日报客户端 | 记者 孙宏阳

编辑 王海萍

流程编辑 吴越