人工智慧是一種基礎技術，可以用來幫助國家提高競爭力、生產力、保護國家安全、並幫助解決許多社會問題。目前，世界各國正競相發展人工智慧技術。近日，總部位於美國華盛頓的智庫 「數據創新中心」 發布了一份比較中國、美國和歐盟AI技術的報告。報告發現，儘管中國在AI技術上取得了很大進步，但美國仍然絕對領先，而歐盟則在很多指標上都落後了。但隨著中國的快速發展，這一狀況可能會在未來幾年發生變化。但考慮人均指標時，美國的領先優勢變得更大，而中國則排在第三位，低於歐盟。
本期的智能內參，我們推薦美國數據創新中心的研究報告《中美歐，誰將贏得AI競賽》，從人才、科研、發展水平、採納率、數據和硬體六大維度比較中國，歐盟和美國的人工智慧發展水平。如果想收藏本文的報告（中美歐，誰將贏得AI競賽），可以在智東西公眾號回復關鍵詞「nc403」獲取。
在上一次數字創新革命中，美國獲得了巨大的經濟利益，成為了一些世界上最成功的科技公司的所在地，誕生了如亞馬遜、蘋果、Facebook、谷歌、英特爾和微軟這樣的科技巨頭。與此同時，包括歐盟在內的世界許多國家和地區都付出了相應的經濟代價。人們認識到錯過了下一波創新 ，比如說人工智慧，可能會帶來同樣的問題，所以許多國家正在採取行動，以確保它們在下一次全球經濟數位化轉型中取得成功。
中國，歐盟和美國現在已經互相是競爭AI全球領導者的對手。中國在許多方面都明確表明了其實現AI主導地位的雄心壯志 。歐盟關於人工智慧的協調計劃也表明，其「希望歐洲成為世界領先的地區，開發和部署頂尖安全的人工智慧。」這場競賽的結果將影響中美歐未來的經濟產出和競爭力，以及軍事優勢。
主要發現
總體而言，美國目前在人工智慧方面處於領先地位，中國正在迅速趕超，而歐盟則落後兩者。美國在本報告統計的六類指標中的四類都是第一（人才、科研、發展水平和硬體），中國有兩個第一（採納率和數據），而歐盟一個都沒有。在該報告給出的評分中，美國總得分為44.2分，其次是中國32.3分，歐盟為23.5分。
美國的領導地位有以下幾個原因。首先，它擁有最多的人工智慧初創企業，其人工智慧啟動生態系統獲得了最多的私募股權和風險投資資金。其次，它引領了傳統半導體和為人工智慧系統提供動力的計算機晶片的開發。第三，雖然它產生的AI學術論文數量少於歐盟或中國，但它有著最高質量的論文。最後，雖然美國的人工智慧人才總量低於歐盟，但其人才隊伍更加「小而精」。
中國正在迅速縮小其與美國之間的差距。它比歐盟和美國擁有更多的數據，這一點非常重要，因為當今許多人工智慧系統都使用大型數據集來準確地訓練他們的模型。在風險投資和私募股權融資方面，中國人工智慧初創企業在2017年獲得的資金超過美國初創企業。然而，中國在高質量人工智慧方面明顯落後於美國和歐盟。截至2017年，包括義大利在內的幾個歐盟成員國的國際人工智慧研究人員在國際上排名前10％。儘管如此，在大多數指標中，中國取得了明顯進展，並且在資金和人工智慧採納率方面明顯超過了歐盟。
雖然在許多指標上落後了，但歐盟也具有很強的競爭力。它擁有最多的研究人員，產生了最多的研究成果。但是，歐盟人工智慧人才數量與其商業人工智慧採納率和資金之間存在脫節。例如，美國和中國的人工智慧初創企業僅在2017年就獲得了比歐盟2016年至2018年三年更多的風險投資和私募股權基金。
▲絕對指標排名
為了了解每個地區相對於其人口規模的AI優勢，該報告還計算了根據平均勞動力的得分，美國領先（58.2分），歐盟排名第二（24.3分），中國排名第三（17.5分）。
正如報告所示，中國，歐盟和美國都有可以改進的地方。例如，中國應擴大其在大學教授人工智慧相關學科的能力，鼓勵研究質量而不是數量，並培養更強大的開放數據文化。與此同時，歐盟應重點制定激勵人才留在歐盟的政策，幫助將研究成果轉化為商業應用，鼓勵發展能夠更好地在全球市場競爭的大公司，並改革法規以更好地利用數據以造福AI研究。而對於美國，應該把重點放在增加國內人才基礎的政策上，鼓勵外國人才移民，並增加研發激勵。
AI競賽是一場零和遊戲嗎？
許多人認為，在創新方面，各國不會競爭。在這種觀點中，只有贏家，沒有輸家。但事實上，在全球人工智慧競賽中既有贏家也有輸家。未能開發成功的人工智慧產品或服務的國家將面臨失去全球市場份額的風險。正如卡內基梅隆大學前任計算機科學系主任，現任Google Cloud AI負責人安德魯·摩爾所說，AI比賽將決定「誰將成為2030年的谷歌，亞馬遜和蘋果。」那些在人工智慧研發方面投資不足的國家，特別是在軍事應用方面，將使其國家安全處於危險之中。因此，在人工智慧競賽中落後的國家可能遭受經濟損失並影響國家安全，從而削弱其地緣政治影響力。
但是，在某些領域，AI競賽並非零和遊戲。人工智慧科學的發展，尤其是在大學中，成果可以在世界範圍內傳播。許多AI的研發，特別是那些專注於健康，環境和教育的研究可以使所有國家受益。例如，研發比醫生更快、更準確地識別疾病或產生新療法的AI系統可能會給全世界帶來利益。今年，中國和美國的研究人員合作開發了一個AI系統，可以準確診斷常見的兒童疾病。該系統診斷哮喘的準確率超過90％，而胃腸道疾病的準確率也達到87％，研究人員還用60萬中國患者的電子病歷對該系統進行了訓練。此外，由於許多AI研究都是開放的，所以全世界的研究人員都可以從國外其他人的成果中迅速學習。
人才狀況
人才是AI研究的關鍵。正如北京微軟研究院首席研究員David Wipf所說，「 AI的未來將是一場爭奪數據和人才的戰鬥。」 人才不僅決定企業部署和採用AI的能力，還決定了企業的成本。鑑於交通，金融和製造業等眾多行業對AI人才的需求不斷增加，當前人才短缺的局面以後還會加劇。
中國，歐盟和美國政府已宣布或採取了許多人才舉措。例如，在2018年，中國教育部宣布了一項促進AI教育的計劃。作為回應，幾所中國一流大學開設了新的AI系和專業。英國政府宣布，將為多達1000名學生支付最高1.15億英鎊（1.29億美元）的資金，幫助他們獲得AI博士學位。川普總統發布了一項行政命令，將擴大獎學金，培訓計劃以及為從事AI 研究的大學教授提供資金。
報告分析了AI研究人員的人數，頂尖AI研究人員的人數以及AI研究人員的學位程度，以評估中國，歐盟和美國的人才和培養人才的狀況。最新數據顯示，美國在人工智慧人才方面居領先地位（6.7分），其次是歐盟（6.2）和中國（2.1）。如果考慮人均指標，美國（8.4分）也領先歐盟（5.8分）和中國（0.9分）。
AI研究人員總數：此部分將AI研究人員定義為在2007年至2017年之間發表期刊文章或獲得與AI相關的專利的人。歐盟估計有43,064名研究人員，領先於美國（28,536）和中國（18,232）。的確，來自德國（9,441），英國（7,998），法國（6,395），西班牙（4,942）和義大利（4,740）的AI研究人員總數超過了美國研究人員。而考慮人均，美國（每100萬工人173名研究人員）領先歐盟（173個）和中國（23個）。
▲2017 AI科研人員人數
頂尖AI研究人員人數（根據H因子）：相比於數量，質量或許更重要。評價科研人員質量指標之一是H因子，它衡量研究人員的生產率和影響力。報告根據h指數排名統計了國際前10％的AI研究人員的人數。到2017年，歐盟有約5,787名高H因子研究人員，領先於美國（5,158）和中國（977）。英國（1,177），德國（1,119），法國（1,056），義大利（987）和西班牙（772）共計5,111名高H因子人員。儘管沒有其他23個歐盟國家的數據，但很明顯，其餘國家/地區擁有足夠的頂尖AI人才，足以彌補美國和歐盟之間不到100人的差距。在考慮勞動力規模時，美國（每百萬工人中有31名研究人員）領先歐盟（23個）和中國（1個）。
▲2017 高H因子AI科研人員人數
頂級AI研究人員數量（根據學術會議）：質量的第二個衡量標準是在頂尖的AI學術會議上發表文章的作者數量，AI初創公司Element AI追蹤了2018年的21場AI會議。美國（10,295名研究人員）領先於歐盟（4,840名）和中國（2,525名）。考慮人均指標，美國（每百萬工人中有62名研究人員）也領先歐盟（19個）和中國（3個）。
▲2017 頂尖學術會議AI科研人員人數
教育頂級AI研究人員（學術會議）：培養AI人才也很重要。報告統計了在2018年21個主要學術會議上發表的研究人員在何處獲得博士學位。。在美國（44％）比歐盟（估計的21％）和中國（11％）的總和還多。這在很大程度上為美國提供了AI人才的優勢，因為79％的學生獲得了博士學位。在美國獲得數學或計算機科學學位的人很大一部分都打算留在美國。
▲AI科研人員獲得博士學位的地點
數據顯示，儘管歐盟擁有大量的AI人才，但其頂級業務的人才卻少於美國公司，這加上缺乏風險資本和私募股權融資，可能會損害其發展頂尖AI公司的能力。例如，根據AI論文和專利記錄，2017年AI人才最多的20家公司中，有一半位於美國。這十家美國公司合計擁有1,623名AI工作者。相比之下，歐盟只有6家這樣的公司，共有522名AI工人。進入前20名的唯一中國公司是華為，擁有73名員工。同樣，根據H因子，在AI研究人員最多的20家公司中，2017年歐盟有85人，而美國為232人。中國有7名高H因子研究人員。
歐盟和中國都擔心的另一個問題是，與歐洲和中國相比，美國仍吸引著更多來自其他國家的AI人才。例如，在1998年至2017年之間，有1,283名外國AI學術研究人員從國外來到美國工作。歐洲和中國分別吸引了834名和58名此類研究人員。此外，愛思唯爾（Elsevier）收集的數據表明，在1998年至2017年期間，美國所吸引的外國學術研究人員數量（318名AI研究人員）多於離開美國的研究人員（166）。
與中國相比，歐盟在人工智慧人才方面具有許多優勢。例如，在2017年，英國（1,177），德國（1,119），法國（1,056）和義大利（987）各自的高H因子人員均比中國（977）高。但是，中國缺乏頂尖的AI人才可能是由於其對AI的興趣相對較新，只有25％的中國AI研究人員擁有超過十年的經驗，相比之下，美國有50%。此外，中國減少人才缺乏的方式有很多，而人才缺乏的重要性可能會減小。
首先，中國正在投資AI教育。 2017年，中國國務院發布了一項計劃，鼓勵高校建立AI學科。在2018年，教育部啟動了多項旨在促進教育的舉措，這些舉措包括開發50個AI研究中心，世界一流的在線課程以及5年培養500多名教員和5000名學生。自2016年以來，中國三所頂尖大學（清華大學，中國科學技術大學和上海交通大學）已經顯著增加了AI和機器學習課程的註冊學生人數。例如，在2016年至2018年期間，中國科學技術大學的AI和機器學習名額從1,745名增加到了3,286名。其次，中國研究人員可以快速複製其他國家開發的高級算法，因為AI研究人員經常在公開的預出版物網站上詳細介紹其AI模型的體系結構以及如何實現和訓練它。而且，與西方國家翻譯中文論文相比，中國研究人員翻譯英語AI出版物的頻率明顯更高，更快，從而造成信息不對稱。第三，李開復認為，中國缺乏高端人才並不是阻礙其引領人工智慧發展的主要障礙，他指出「 當前時代AI商業化做得很好， 他認為，深度學習等領域的重大突破會每隔幾十年發生一次，而AI已經進入了一個新興的時代，它適合中國的國情：擁有大量的高技能，雖然不一定是最好的AI研究人員和實踐者。」數據將成為決定AI系統功能的決定性因素。
科研
各國都需要不斷創新來維持地位。在過去的十年中，算法創新以及更大的計算能力提高了AI系統的功能，並大大減少了訓練它們所需的時間。但是，人工智慧還遠遠不是成熟的技術。需要更多的研究和更多的進步。
本節將分析中國，歐盟和美國AI學術論文和商業研發資金的數量和質量。
AI論文數量：2017年，中國發表了15,199篇AI論文，歐盟14,776篇，美國10,287件。但是，從歷史上看，歐盟生產的AI論文最多。例如，從1998年到2017年，歐盟研究人員撰寫了近164,000篇AI論文，而中國和美國作者分別為135,000和107,000。而如果計算人均指標，美國在2017年每100萬工人中發表了63篇AI論文，領先於歐盟（59）和中國（19）。
▲2017AI論文數量
論文質量：雖然正如艾倫人工智慧研究所所寫的那樣，「所有論文都是平等的。」 但實際上，美國進行的研究質量最高。2016年，美國的基準加權實地加權引文影響（FWCI）為1.83，這意味著研究人員引用的美國作者的論文比全球平均水平高83％。相比之下，歐盟和中國的FWCI分別為1.20和0.94，這表明中國作者被引用的頻率低於全球AI專家的平均水平。但是，自2012年以來，中國的FWCI逐年增加。
▲領域加權引文影響力
研發支出排名前100位的科技公司：衡量一個地區研究能力的另一種方法是統計其在研發方面的支出。很難知道有多少公司專門在AI研究上花費，但是統計科技公司的總體研發支出（其中許多正在開發AI服務）可以代替AI研發支出。該指標考察了2018年研發支出排名前100位的科技公司。美國（62家公司）領先歐盟（13個），中國（12個）。每1000萬工人指標中，美國也領先於歐盟和中國。
▲2018年研發支出排名前100位的科技公司
科技公司的研發支出總額排名全球2500強：2018年，全球2500家公司的研發支出中有268家科技公司。報告統計了按地區劃分的268家公司研發支出。 美國（690億歐元，770億美元）領先中國（100億歐元，120億美元）和歐盟（90億歐元，110億美元）。如果是人均，美國（每個工人470美元）領先歐盟（42美元）和中國（15美元）。
▲2018年科技公司的研發支出排名全球前2500名
對數據的分析表明，美國在AI研究方面處於領先地位，這既是因為其在研發方面的巨額支出，也是其精英研究機構的投入。儘管如此，中國之所以趕上美國和歐盟，不僅是因為它進行了更多的研究，而且還因為它已經開始進行高質量的研究。
美國之所以在研究方面處於領先地位，部分原因是它擁有精英組織。例如，用於研發的前五名科技公司都是美國公司。評估一個國家的研究質量的另一種方法是統計其組織發布最多AI論文的影響。美國在這項指標中也處於領先地位。卡內基梅隆大學，麻省理工學院，微軟，IBM和史丹福大學是在2013年至2017年之間發表AI論文最多的美國組織。這五個組織的FWCI總計為4.0，顯著高於排名前五位的歐盟（1.9）和中國（1.4）組織的FWCI。
儘管歐盟頂級組織的平均研究質量要高於最佳中國組織，但歐盟的論文產量和質量卻相對停滯。自1998年以來，歐盟的FWCI僅增長了11％，而美國為24％，中國為154％。如果中國保持這種增速，2018年中國的FWCI可能已超過歐盟（數據僅到2016年可用）。此外，英國，德國，法國，西班牙和義大利這五個國家主要在歐盟推動AI研究，但自2014年以來，它們的AI年度出版物輸出實際上已經收縮。
歐盟的停滯與中國的崛起相伴。儘管2009年美國和歐盟的FWCI與2016年的FWCI幾乎相同（美國為1.82和1.83，歐盟為1.21和1.20），但同期中國的FWCI從0.59增長到0.94。中國的FWCI正迅速接近或超過全球平均水平1.00。
中國也不需要匹配美國的FWCI來進行更大量的研究，因為它產生了大量的研究。例如，艾倫人工智慧研究所（AI2）最近對AI論文進行的分析發現，在被引用最多的10％的AI論文中，美國所佔的份額從1982年的47％下降到2018年的29％。從1982年的大約0％增長到26.5％。 AI2的研究表明，到2020年和2025年，中國的論文產量將超過美國，分別位居所有AI研究論文的前10名和1％。儘管中國的引用數量可能會因自我引用而被誇大，但相對於美國和歐盟，中國的研究質量絕對提高了。
發展
要充分獲得AI帶來的益處，各國必須擁有健康的AI生態系統，以引導創新AI技術和公司的發展。例如，國家必須擁有足夠的風險投資和私募股權資金，才能滿足發明人與開發和銷售其產品或服務所需的資金。本節分析了AI風險資本和私募股權資金，AI公司的數量、併購情況以及專利數據。最新數據顯示美國（14.9分）領先歐盟（5.3分）和中國（4.8分）。人均方面，美國（19分）領先歐盟（4.5）和中國（1.4）。
風險投資和私募股權投資總額（2017-2018年）：跟蹤私人資金是衡量國家發展AI公司能力的一種很好的方法。統計2017年至2018年間AI公司的風險資本和私募股權融資。美國（估計為169億美元）為首，其次是中國（估計為135億美元）和歐盟（估計為28億美元）。按人均來算，還是美國領先。
▲風險投資和私募股權投資總額（2017-2018年）
風險投資和私募股權融資交易數量（2017-2018年）：人工智慧風險投資和私募股權融資可以集中在少數幾筆大型交易中，但也可以跟蹤風險資本和私募股權融資交易的總數。在2017年至2018年期間，美國的AI公司獲得最多的投資（1,270筆交易），超過了歐盟（660個）和中國（390個）。按人均計算，美國（8個交易）領先歐盟（3個）和中國（0.5個）。
▲風險投資和私募股權融資交易數量（2017-2018年）
AI初創企業數量（2017年）：與其他基於技術的初創企業類似，AI初創企業可以成為一個國家經濟增長和競爭力的重要驅動力。美國在2017年擁有1,393個AI初創企業，超過了歐盟（726個初創企業）和中國（383個初創企業）。人均指標，美國居首（8），其次是歐洲（3）和中國（0.5）。
▲AI初創企業數量（2017年）
高引用AI專利數量（1960年至2018年）：專利是創新的一種手段。但是，用專利來衡量創新是困難的，部分原因是授予專利的國家標準不同。該報告主要關注《專利合作條約》（PCT）專利申請和被高度引用的專利。從1960年到2018年，美國專利申請人在USPTO提交了28,031個被高引用的專利，這大大超過了在歐盟（2,985）和中國（691）辦事處提交的被高引用的專利系列的數量。雖然該指標顯示的是申請人在哪裡提交專利，而不是他們的所在地，但大多數申請人通常會首先在其居住的國家提交專利。
▲高引用AI專利數量（1960年至2018年）
美國在所有人工智慧發展指標中均處於領先地位，這表明，與中國和歐盟相比，它在繼續發展領先的全球人工智慧公司方面處於更有利的位置。專利和收購數據還顯示，美國在發展世界一流的AI公司方面已經佔據了領先地位。但是，部分由於其強大的風險資本和私募股權生態系統，中國正在趕上歐盟和美國。相反，儘管目前在人工智慧開發方面的排名略高於中國，但歐盟可能缺乏挑戰美國地位的資金。
美國公司在專利和主導性AI收購方面表現出色。例如，在15個機器學習子類別中的8個子類別中，Microsoft和IBM申請了比其他任何機構更多的專利，其中包括監督學習和強化學習。中國科學院申請了深度學習方面的最多專利，而西門子（德國）申請了神經網絡最多的專利。儘管如此，美國公司在20個領域中的12個領域中領導著專利申請，其中包括農業（John Deere），安全性（IBM）和個人設備，計算以及人機互動（Microsoft）。此外，在2012年至2016年之間，IBM在AI專利申請（3,677件）中居全球領先地位，Google母公司Alphabet（2,185）和Microsoft（1,952）也排名前五。
雖然美國在人工智慧發展方面處於領先地位，但能保持多久仍是一個未知數。對包括AI在內的AI初創企業的資金數據進行了多種分析，發現至少有一年，中國的AI初創企業比美國初創企業獲得的資金更多。例如，2017年，中國的AI初創企業獲得了約81億美元的投資，而美國初創企業的投資額約為62億美元。此外，中國科技公司騰訊的研究發現，美國AI初創公司的平均投資時間為14.8個月，而中國為9.7個月。
就人工智慧初創企業的投資數量而言，中國也開始縮小與美國的巨大差距，使這一差距從2016年的476項減少到2018年的371項。差距縮小的原因是中國初創企業的投資數量顯著增長，而涉及美國AI初創企業的交易數量卻相對停滯。美國的AI初創企業在2018年的確獲得了創紀錄的投資，但是，也只獲得了107億美元的投資，而中國的AI初創企業也獲得了約54億美元的資金。
在2016年至2018年期間，為歐盟AI初創企業提供的私募股權和風險投資幾乎增加了三倍，但歐盟還是落後於美國和中國。例如，美國在2016年至2018年之間的任何一年所獲得的資金都比歐洲三年來所獲得的資金總額多。同樣，在2017年和2018年，中國的AI初創企業獲得的私募股權和創投資金比歐盟多數十億美元。除非歐盟初創企業開始獲得大量資金，否則歐盟有可能進一步落後於歐盟美國和中國。
採納率
技術創新是提高生活水平的關鍵，在新出現的創新浪潮中，人工智慧很可能是技術創新的主要驅動力。到2030年，AI估計將創造13萬億美元的國內生產總值（GDP）增長。公司越來越需要採用AI才能保持競爭力。除了經濟收益外，人工智慧還可以帶來重要的社會收益，例如減少汽車事故和傷害並實現更好的疾病治療。
中國，歐盟和美國政府已公開承認採用AI的重要性。例如，中國工業和信息化部於2017年發布了《促進新一代人工智慧產業發展的三年行動計劃（2018-2020年）》，呼籲將人工智慧融入製造業。此外，歐盟關於AI的協調計劃要求在製造和能源等部門創建「歐洲通用數據空間」，以支持AI的開發和採用。美國總統川普在2019年發布了一項行政命令，要求制定技術標準以支持AI的採用。
為了評估中國，歐盟和美國的AI採納率，報告分析了有關AI採納率的調查。中國以7.7分領先歐盟（1.3）和美國（1）。就採用或試點人工智慧的企業百分比而言，中國位居首位（4.7分），其次是美國（2.9分）和歐盟（2.5分）。
採用AI的公司所佔百分比：衡量AI採用率的第一種方法是跟蹤成功將AI應用於其業務流程中的公司所佔的百分比。2018年，中國（佔企業總數的32％）領先於該指標，其次是美國（22％）和歐盟（估計為18％）。
▲採用AI的公司所佔百分比
試行AI的企業百分比：衡量AI的第二種方法是跟蹤正在試行AI的企業百分比。該指標跟蹤截至2018年9月和10月正在試行AI計劃的公司。在這一指標上，中國也領先（佔公司總數的53％），其次是美國（佔29％）和歐盟（佔26％）。
▲試行AI的企業百分比
儘管不同的調查發現採用率有所不同，但它們也表明了類似的趨勢：中國採用AI的速度比美國和歐盟更快。中國在人工智慧的採用方面可能領先，部分原因是其人民和企業認識到人工智慧的價值更高。
與美國和歐盟不同，無論在哪個行業，中國的採用率都是相對統一的。例如，活躍於AI領域的美國公司的百分比（這意味著它們正在採用或試行AI）在不同行業之間的差異高達32個百分點。然而，在採用率最高的行業與應用最低的行業之間，中國活躍的AI公司的份額相差僅6個百分點。
▲2018年按行業劃分的在中國和美國採用AI或正在試用AI的公司所佔百分比
對於這種現象有幾種可能的解釋。首先是人工智慧的重要性已經滲透到中國文化中。在2017年國務院發布「新一代人工智慧發展計劃」後，政府開始急於向AI初創企業投資並採用AI。通過採用AI，中國政府不僅向AI公司提供資金，而且創建榜樣來證明AI的好處來鼓勵私人公司採用AI。此外，中國人中有較高的比例（76％）認為人工智慧對整個經濟有正面影響，超過美國（58％），法國（52％），德國（57％），西班牙（55％）和英國（51％）。第二種可能的解釋是，與某些西方國家相比，即使某些人認為存在關於人工智慧的倫理問題，但中國的技術功利主義文化認為，只要能夠提供更廣泛的社會福利，就願意採用人工智慧。
與美國公司相比，中國公司在向員工傳達AI的重要性方面做得更好。例如，有43％的美國人說他們的僱主認為AI的發展和組織的數位化轉型具有戰略重要性，而中國這一比例是85%。同一調查發現54％的美國人表示他們的工作場所沒有部署AI工具的計劃，這一點不足為奇，而中國人的這一比例僅為22％。
儘管美國公司可能沒有正確地向員工傳達AI的重要性，但許多歐盟人士對AI持完全懷疑的態度。因此，雖然歐盟在採用率方面僅落後於美國，但在很大程度上落後於中國。同樣，歐盟的個人通常在工作場所對AI的負面情緒要比美國的工人要大，而與中國的員工相比，負面情緒要明顯得多。例如，在考慮AI對他們的影響時，英國（55％），德國（61％），法國（65％）和西班牙（53％）中較高的個人引用至少一種負面感覺工作，而美國和中國分別為51％和24％。歐盟的個體可能對AI缺乏熱情，因為他們對AI的積極經驗較少，在美國和中國，分別有77％和91％的個體報告AI工具對其有效性產生積極影響。法國人（62％），德國人（65％），西班牙人（72％）和英國人（74％）所佔的比例較低，他們的感受相似。
數據
人工智慧系統通常依賴大量數據進行訓練。大型數據集可幫助AI系統開發高度精確的模型。此外，機器學習技術使AI系統能夠識別大型數據集中難以被人類感知或無法感知的細微模式。這就是為什麼許多AI系統執行某些任務要比人類專家更好的原因之一，例如在換相斷層掃描中識別肺癌的徵兆。
中國，歐盟和美國的決策者已經意識到數據的重要性。 2015年，為了支持大數據的使用，中國將開放數據列為十個國家項目之一。歐盟關於AI的協調計劃指出：「 AI需要開發大量數據……數據集越大，AI就能更好地學習和發現數據中甚至微妙的關係。」 在美國，川普總統美國AI倡議指示政府「增強對高質量且可完全追溯的聯邦數據的訪問」，並指示美國管理和預算辦公室來識別和解決數據質量限制。
沒有直接的度量標準可以衡量特定位置的AI可用數據的相對數量和價值。但是，當個人從事各種在線和離線活動時（例如使用搜尋引擎，在社交媒體上發布和進行購買），他們會產生大量數據。這些活動產生的數據對於機器學習模型可能具有巨大的價值。因此，一種估算國家或地區數據潛在價值的方法是考慮參與數字活動的人口百分比。
行動支付（2018）：消費者還生成數據技術公司可以在每次使用行動裝置購買產品時進行分析。報告將「行動支付」定義為使用行動裝置進行掃描並在銷售點進行交易，不包括線上購買。據估計，2018年有超過5.25億中國人進行了行動支付，而美國為5500萬，歐盟為4400萬人。 2018年，估計有45％的中國人口使用了行動支付，而美國為20％，英國為13％，德國為8％。
▲2018年使用行動支付的人數
物聯網數據（2018）：物聯網設備可以生成大量數據，機構可以將其用於訓練機器學習系統。該指標跟蹤2018年每個區域產生的IoT數據的估計數量，以TB為單位。中國（1.52億TB）領先美國（6900萬TB）和歐盟（5300萬TB）。每100名工人中，美國（42 TB）領先歐盟（21 TB）中國（19 TB）。
▲新生成物聯網數據量
生產力數據（2018）：組織不斷生成可作為輸入來訓練其AI系統的數據。例如，一家航空公司可以分析其客戶、代理商、飛機和路線圖數據，以更好地控制其航班成本。該指標跟蹤估計的生產力數據量，該數據是大數據和元數據的組合。美國（9.66億TB）領先中國（6.84億TB）和歐盟（5.83億TB） ）。每100名工人中，美國（586 TB）領先歐盟（234 TB）和中國（87 TB）。
▲生產力數據
電子病歷：研究人員已經使用電子病歷開發了可以執行多種功能的AI系統，從預測患者是否可能會住院到幫助追蹤疾病的傳播。目前尚無中國、歐盟所有成員國和美國有關採用電子病歷的全面數據。但是，定量和定性信息的結合表明，美國擁有電子病歷的最多，領先於歐盟和中國。因此，美國在人均獲取量上也領先，其次是歐盟和中國。
在所有調查的地區中，電子病歷系統的採用率相對較高，但跨境以及提供商之間訪問電子病歷的可用性並不高。例如，2015年的一項調查發現，美國84％的初級保健醫生使用了電子病歷系統，而99％的瑞典醫生，98％的荷蘭醫生，98％的英國醫生，84％的德國醫生使用了電子病歷系統。法國醫生。在中國，2012年的一項調查發現，有48％的醫院擁有基本的電子病歷系統。自2012年以來，使用電子病歷的中國醫院數量可能已增長到90％以上。2017年，超過96％的美國醫院使用了經過認證的電子病歷系統。
然而，在2015年，只有30％的美國醫院可以在其他醫療服務提供者那裡找到，發送和接收電子病歷。證據表明，中國和歐盟的互操作性甚至更低。在中國，醫院經常使用無法互操作的電子病歷系統，迫使患者在不同醫院看醫生時要攜帶列印的健康記錄。在歐盟，跨境訪問和共享醫療數據的能力差異很大，限制了在跨境數據上訓練AI系統的能力。
高解析度地圖數據：高解析度地圖數據對包括自動駕駛汽車在內的眾多AI系統的開發都很重要。美國領先於該指標，其次是歐盟和中國。截至2019年4月，美國45％的州目前都有1米或更高解析度的數據。相比之下，只有6個歐盟成員國（約佔歐盟地理區域的15％）向公眾提供完整的高解析度3D高程數據。其餘的要麼提供部分覆蓋或低解析度覆蓋，要麼不向公眾公開數據。在中國，《中華人民共和國測繪法》要求所有進行製圖的實體都必須具有許可證，截至2018年1月，只有14個中國企業獲得了許可證，中國企業將許可證視為「金鑰匙」。
中國在收集的數據和大型網際網路公司（可能也是最善於利用AI的公司）可獲得的數據量方面均處於領先地位。這個事實，再加上中國政策變化可以緩解的多種數據缺陷，意味著中國將來可能會擁有更大的優勢。
至少有兩個原因，與西方同行相比，中國大型網際網路公司可能具有數據優勢。首先，西方的服務在公司之間是相對分散的。例如，亞馬遜用戶可以購買雜貨，但不能預訂酒店。另一方面，中國科技公司已經創建了多合一超級應用程式。例如，中國科技公司騰訊擁有的應用程式微信，允許用戶「打車，訂餐，預訂酒店，管理電話費以及購買飛往美國的航班」 ，在美國，這些服務（以及數據）在Uber，Postmates，Expedia，Verizon和Venmo等公司之間劃分。
其次，中國的科技公司已將自己融入到傳統的離線活動中。例如，滴滴（Uber的中文版）已經購買了加油站和汽車維修店。此外，美團點評的起源與Yelp相似，不僅為用戶提供了一個比較業務的平臺，而且還可以處理送餐。因此，中國的網際網路公司比美國的公司有機會收集更多種類和深度的數據。但是，應該指出的是，一些美國技術巨頭的更廣泛的全球影響力為其提供了自己的數據優勢。例如，Facebook有超過20億用戶，而微信只有11億用戶。如果中國公司在國際上取得更多成功，例如使用社交媒體視頻應用程式TikTok，則美國的優勢將會減弱。
中國也沒有充分利用其產生的數據。例如，幾十年來，美國公司在保險和金融等行業中一直在收集結構化的數據，例如貸款償還率。但是，中國公司採用企業數據存儲的速度較慢，因此很難提取見解和數據。這些數據的價值。在建立標準以幫助組織跨平臺共享數據方面，中國也落後於西方同行。政府機構忽略了數據收集的基本標準，導致計算機無法讀取大量數據，從而降低了分析數據的質量和可用性。儘管在2015年將公開數據列為國家項目，但在向公眾提供政府數據方面，中國仍然落後於同行。最後，儘管其他國家正在從全球跨境數據共享的增加中受益，但中國的網際網路生態系統仍處於封閉狀態，限制了它從國外共享和接收的數據量。這種「封閉性」減少了中國公司收集的數據的多樣性。
硬體
AI系統依賴於可以每秒執行大量操作的半導體設備（例如集成電路）。實際上，作為並行執行數學運算的電路的圖形處理單元（GPU）催化了最近AI的發展。此外，諸如超級計算機之類的技術結合了諸如GPU和中央處理器之類的處理單元，可以通過大量的計算能力來擴展AI系統的功能。例如，研究人員將超級計算機和機器學習技術相結合，以模擬氣候變化以及黑洞的合併。
出於以下幾個原因，上述硬體對於提高一個國家的AI競爭力至關重要。首先，半導體產業薄弱的國家可能容易受到其他國家行動的影響。例如，在2018年，美國禁止美國公司向中國大型電信設備製造商中興通訊提供零件和軟體。由於中興通訊依賴美國公司的半導體設備，該公司幾乎破產了。儘管美國最終解除了禁令，但形勢突出了中國對西方技術的依賴。最近，美國已阻止美國公司向五個特定的超級計算實體出售晶片，美國商務部已將華為列入黑名單，這阻止了公司未經許可就出售美國技術。其次，許多專家認為，專門為AI應用（例如自動駕駛汽車或面部識別）設計的AI晶片將勝過GPU等成熟技術。結果，諸如Apple，Alphabet和Amazon之類的非半導體公司正在設計自己的AI晶片以滿足其特定需求，這可以提高其AI系統的性能，從而為它們提供競爭優勢。第三，高性能計算推動了多個領域的突破性發現，而性能最佳的超級計算機的使用為各國提供了比其他國家更快地開發前沿武器系統和應用程式的優勢。
半導體研究與開發支出：不僅半導體銷售很重要，半導體公司的研發支出也很重要，這通常是影響誰開發最好晶片的主要因素。該指標考察了2017年研發支出排名前10位的半導體公司的數量。美國（5家公司）領先歐盟（0）和中國（0），其中5家美國公司在研發方面的總支出為240億美元。
▲2017年半導體研發企業數量進入前十名
設計AI晶片的公司數量（2019）：由於一些公司發現開發定製的AI晶片可以改善其AI系統的性能，因此跟蹤設計AI晶片的公司數量也很重要。我們分析了包括CrunchBase在內的多個數據源，以跟蹤為AI用例開發晶片的公司數量。美國（55家公司）領先中國（26家公司）和歐盟（12家公司）。每1000萬工人中，美國（3）也領先於歐盟（0.5）和中國（0.3）。
▲2019設計AI晶片的公司
超級計算機數量（2019年）：該指標統計性能排名前500位的超級計算機的數量。在超級計算機500強中，中國擁有的超級計算機數量（219）超過美國（116）和歐盟（92）的總和。每1000萬工人中，美國（7個超級計算機）領先於歐盟（4個）和中國（3個）。
▲超級計算機數量（2019年）
超級計算機（綜合系統性能，2019年）：評估國家/地區的另一種方法是衡量排名前500位的超級計算機的綜合系統性能。在全球前500強超級計算機中，美國的綜合系統性能所佔比例最高（38 ％），領先於中國（30％）和歐盟（17％）。每10,000名工人中，美國（36 TFLOPs / s）也領先於歐盟（10）和中國（6）。
▲2009-2019年排名前500名的超級計算機的綜合性能
數據分析顯示，美國在硬體方面仍然領先，但中國在超級計算機方面挑戰美國，中國在AI半導體方面正在崛起，而歐盟則落後於其他國家。
美國在發展世界上最快的超級計算機方面的地位既顯示了其實力，但中國的能力在不斷提高。例如，最快的10臺超級計算機中有6臺位於美國。此外，世界上最快的兩個超級計算機，Summit和Sierra，位於美國能源部（DOE）的站點。此外，美國公司英特爾開發了500強超級計算機中96％的處理器。在使用加速器或協處理器來增強計算機性能的133臺超級計算機中，有98％來自美國公司Nvidia或英特爾。
但是，從某些方面來說，中國已經趕超美國成為超級計算機的全球領導者。 2010年6月，全球500臺性能最佳的超級計算機中有282臺在美國。然而，在2018年，美國只有有109臺世界500強，為歷史最低水平。此外，美國和中國都在開發百億億次計算機，它們每秒可以執行五百億次計算。
中國已經開始顯示出它有可能減少與美國在半導體領域的差距，至少在人工智慧晶片方面。在過去兩年中，數家中國AI晶片初創企業已獲得至少1億美元的資金。一些專家認為，與在整個半導體市場相比，中國在人工智慧晶片市場上的競爭優勢更大。例如，為機器人開發人工智慧晶片的Horizon Robotics在2018年的B輪融資中獲得了6億美元的投資，該輪融資由世界領先的韓國半導體公司SK Hynix牽頭。同樣，最初開發用於比特幣採礦的晶片的比特大陸，已經開發了一種人工智慧晶片，並在2017年至2018年期間獲得了近7.65億美元的資金。最後，Cambricon Technologies，在2016年開發了世界上第一臺用於手機的商業深度學習處理器，獲得了由中國政府支持的國家開發投資公司的撥款100萬美元。
在中國崛起的同時，歐盟也在衰落。歐洲工業在傳感器等領域仍具有市場份額，但它放棄了先進的數字半導體的生產。此外，有跡象表明，歐盟在開發先進的人工智慧晶片方面仍然會滯後，後者成本高昂且開發周期長。首先，沒有一家歐盟半導體公司在研發支出上排名前十。其次，一些最具創新性的晶片設計來自美國和中國公司，例如Alphabet，Facebook和百度。但是由於歐洲大陸分散的市場和競爭法規，歐盟的數字初創企業一直很難擴大規模。而且在歐洲，與Alphabet和Baidu相當的公司卻沒有錢和動力去設計AI晶片。第三，非歐盟公司正在收購有前途的歐洲半導體設計公司。日本企業集團軟銀在2016年以320億美元的價格收購了英國半導體公司ARM。類似地，中國政府支持的私募股權公司Canyon Bridge收購了Imagination Technologies，後者也是英國的半導體設計師。
智東西認為，從這份報告的幾項指標中，我們可以清晰地看到，雖然中國在數據、採納率、科研等方面有部分優勢，但整體上現階段AI的發展仍是由美國主導，尤其在硬體和科研方面，但是正如文中所說，AI競賽並不是一場「零和遊戲」，這場競爭並不是要拼個「你死我活」，中國AI發展要清晰的認識到自己的優劣，充分發揮自己的長處，積極向外界學習，抓住這次難得的科技革命機會。