中美人工智能產業創新能力比較及啟示

當前國際形勢復雜多變，提升產業創新能力是我國增強競爭力和培育新質生產力的有效途徑。產業創新能力的概念是國家或地區在科學、技術和生產方面具有隱性或可編碼的專業技術和知識,其本質是國家在某些創新領域中能夠提供有競爭力的產品/產出。相關研究認為，可以從科學出版維度、技術維度和產出維度測量經濟體的產業創新能力，采用的數據源包括科學出版物數據、國際專利數據和國際貿易數據。有的學者還提出復雜性指標、相關性原則和專業化策略等分析方法，其中復雜性指標用于衡量各領域產生成果所需專業知識的數量和復雜性；相關性原則是指經濟體未來能否實現多元化，取決于當前掌握相關技能的情況；專業化策略適用于在了解各地科技資源稟賦的基礎上，為確定當地科技投資重點提供依據。

1 AI產業創新能力比較的理論依據

目前，AI產業創新能力的比較研究包括3類。

一是AI技術和前沿的比較研究。自2017年以來，斯坦福大學發布了7期《AI指數報告》，在細分AI研究領域的基礎上，分析中美等國家的論文等出版物指標。2024年，世界知識產權組織(WIPO)發布了《生成式AI的專利圖景》，在細分生成式AI領域的基礎上，總結了各國專利申請情況。

二是AI相關產業的比較研究。2023年，國際貨幣基金組織（IMF）首次發布了AI準備指數（AIPI）,從數字基礎設施、人力資本和勞動力市場政策、創新和經濟一體化、監管和道德4個方面，根據豐富的宏觀結構指標評估了174個國家/地區的AI準備水平。

三是AI對其他領域影響的比較研究。世界經濟論壇通過設置指標和調查問卷等方式研究了AI對就業、社會創新的影響。世界貿易組織（WTO）發布了關于《AI如何塑造國際貿易以及被國際貿易塑造》的分析報告,WIPO發布了一系列關于“人工智能對全球知識產權生態系統影響”的指南和研究。

上述文獻為比較中美兩國AI產業創新能力的差異提供了廣闊的視角和良好的數據基礎，尤其是對AI科研進行了系統分類和評價，對社會經濟的影響等方面的研究較為深入，但仍存在若干局限性。

一是論文總量數據難以測量中美差距。中國AI論文總量已超過美國，論文引用總量也居全球首位，但不足以說明兩國在原始創新方面的差距。

二是專利申請數據可能失真。專利申請過程需要公開披露技術信息，OpenAI等AI公司更傾向于通過商業秘密保護創新。我國申請AI專利受產業政策驅動等因素影響較多，如申請流程可獲得加速預審和優先審查等政策支持。

三是AI產業結構具有復雜性和多樣性等特點，需要開展系統分析。例如，AI技術為各行各業賦能，在統計AI企業數量、AI風險投資、產業復雜度及市場占有率等情況時，需要對相關行業進行界定和分類。因此，有必要采用新思路、新方法測量中美AI產業創新能力的差異。

2 中美人工智能產業創新能力的比較方法

2.1 概念和內涵

在梳理和分析國內外文獻和報告的基礎上，本文嘗試提出AI產業創新能力的概念：AI產業創新能力是指國家/地區在AI相關科學、技術和生產方面具有隱性或可編碼的專業技術和知識，并在AI創新領域中能夠提供有競爭力的產品和產出。AI產業創新能力具有以下內涵。

第一，需要高水平的人才和科研成果提供支撐。只有具備深厚專業知識、創新思維和實踐能力的人才隊伍，才有可能取得高質量科研成果、才能更好地把握時代機遇，應對各種挑戰，推動產業向更高層次、更智能化方向邁進。

第二，需要多維度、多層次的創新生態體系提供動力。該生態涵蓋從基礎層（算力、算法、數據）、技術層、工具層到應用層的全鏈條，每一層都扮演著獨特角色，共同推動產業的全面發展。

第三，需要大量的風險投資提供資金支持以及巨大的市場規模實現其價值。風險投資是衡量AI初創企業活力的關鍵指標，反映了市場預期和創業生態系統的活力。AI技術的核心價值在于應用，需依托巨大的市場規模，以實現其價值。

2.2思路和框架結構

中美AI產業創新能力比較的思路是：以“投入—產出”邏輯模型作為比較研究的框架結構，以頂尖人才、頂級論文、AI風險投資和數字基礎設施作為“投入”，將創新型企業和市場規模作為“產出”（圖1）。

第一，頂尖人才。

美國智庫MacroPolo從2019年開始跟蹤分析全球頂尖AI人才的來源國和就業情況，其研究結果具有較好的穩定性和可靠性。全球頂尖AI人才是在國際頂級會議（如神經信息處理系統會議NeurIPS）上能夠獲得口頭報告機會的人才。具體采用指標包括培養頂尖人才的比例和吸引頂尖人才的比例。

第二，頂級論文。

美國研究機構Zeta Alpha分析了頂級AI論文的主要來源國家及作者所屬機構等情況。頂級AI論文是指每年引用次數最多的100篇AI論文，不僅代表了AI科研的最高水平，還指明了AI技術的發展方向。具體采用的指標包括發表頂級AI論文的數量、發表頂級AI論文的主體情況。

第三，AI風險投資。

經濟合作與發展組織（OECD）對全球AI風險投資的現狀和趨勢進行了分析，將AI產業劃分為20個大領域和228個小領域。具體采用指標包括AI風險投資的交易金額、AI風險投資的交易數量、AI風險投資的領域。

第四，數字基礎設施。

IMF發布了AI準備指數（AIPI），其中數字基礎二級指數設置由9個分指標構成，本文將直接采用數字基礎設施二級指數。

第五，創新型企業。

許多機構對AI創新型企業及數據進行研究，美國喬治城大學動態跟蹤和分析了各國的AI相關數據，Companies Market Cap對全球上市公司的市值進行了統計排名，市場研究公司CBInsights選出100家最有前途的AI初創企業，并將企業類型分為基礎設施型、垂直型和水平型。具體采用指標包括AI企業總量、市值較高的AI企業、最有前途的AI企業。

第六，市場規模。

Statista、Grand View Research及IDC等市場調研公司對全球AI市場、細分市場的規模、年增長率等情況進行了預測。具體采用指標包括市場規模的預測和年增長率情況。

3 中美人工智能產業創新能力的比較結果

中美AI產業在吸引頂尖人才、關鍵性科研成果數量、創新主體影響力、AI細分領域發展布局等方面差距明顯（表1）。

中美人工智能產業在創新能力上存在顯著差距，具體表現在以下幾個方面。

一是在人才方面，美國在吸引全球頂尖AI人才上占據優勢，而中國在人才培養方面進步明顯，但人才流動仍以美國為主導。中國培養的頂尖AI人才比例從2019年的10%上升至2022年的26%，同期美國的培養比例從35%降至28%，顯示兩國差距有所縮小。然而，在人才就業選擇上，美國吸納了全球57%的頂尖AI人才，中國僅為12%，且中國吸引的海外頂尖人才比例較低。

二是在科研成果方面，美國在原始創新上優勢明顯，且企業是科研產出的重要主體。2020—2022年，美國發表的頂級AI論文數量為68~78篇，中國為23~27篇。在頂級論文發表機構中，美國科技公司占據重要地位，而中國主要依賴高校。

三是在風險投資方面，美國在投資規模與領域布局上均領先。2012—2023年，美國累計AI風險投資總額約為4300億美元，中國約為2400億美元。在投資領域，美國更傾向于醫療、生物技術、IT基礎設施等高復雜度行業，而中國則側重物流、批發零售等產業復雜度較低的領域(表2）。

四是在企業競爭力方面，美國在AI企業數量、市值及創新影響力上均顯著高于中國。2024年，美國AI企業總量為10098家，中國為2058家。在全球市值前25的AI企業中，美國有6家，中國僅有1家。此外，美國在最具潛力的AI初創企業數量上也遙遙領先。

五是在市場規模方面，中美市場均呈現快速增長趨勢，預期樂觀。2023年，中國AI市場規模接近2130億元，預計2024—2030年復合年增長率為43.5%；美國2023年AI市場規模接近900億美元，預計2030年將超過2000億美元。

4 美國促進AI產業創新的相關措施

從歷史角度來看，美國的金融、社會文化和移民等制度安排為其在全球AI產業創新中的獨特地位奠定了堅實基礎。美國風險投資體系比較健全、管理決策機制較為完善、投資收益率較高，是全球AI風險投資最發達的國家。美國還擁有極具開放性、包容性和多元化的社會文化，為AI產業創新提供了肥沃土壤。作為移民國家，美國匯聚了全世界頂尖人才，為AI產業創新提供有力支撐。近年來，美國根據競爭需求和局勢變化進行調整和適應，具體措施如下。

第一，大力吸引和培養AI人才。

在簽證配額不變的情況下，優先考慮向高薪外籍申請者發放工作簽證。美國國家科學基金會（NSF）為數學專業的學生和研究人員提供多種獎學金和資助機會,支持其數學領域的深入研究，鼓勵其參與科研項目和學術會議。

第二，布局AI基礎研究新方向。

NSF建立了國家深度推理結構（NDIF）合作研究平臺，為美國研究人員提供訪問尖端大語言模型的途徑，揭示大模型系統內部的計算原理。NSF征集人工智能數學基礎（MFAI）項目,旨在破解AI發展面臨的數學和統計學方面的困境，為AI技術建立創新性和原則性的設計和分析方法，產生可解釋的模型，實現可持續、對社會負責和可信任的AI技術。

第三，采取創新的AI科研組織模式。

建立美國人工智能研究院，采用“小核心、大協作”的模式，涵蓋世界頂尖高校和企業。定期組織跨界合作，開展學術交流和成果分享，優化資源配置，提高整體研發效率。開辟多元化的資金支持渠道，明確知識產權制度，為研究成果轉化提供保障。

第四，營造良好的AI生態環境。

關注國際合作在AI監管中的作用，與其盟友共同制定AI治理框架，建立和維護符合美國價值觀和利益的國際秩序。關注AI相關政策的評估與制定。例如，分析AI私營部門的優勢與風險，評估AI基礎設施的性能。不僅關注AI在軍事層面的應用價值，還關注AI在公共安全、基礎設施管理和數據分析等多個領域的社會效益。

第五，重視AI相關基礎設施建設。

美國正在通過加快建設數據中心、簡化許可流程、采取公私合作等多種方式，確保AI技術能負責任地發展。同時，美國加強能源基礎設施建設，為訓練AI大模型提供電力保障，鞏固其在AI領域的主導地位。

5 啟示和建議

第一，提高對頂級AI人才的吸引力。

一是依托人工智能國家實驗室體系和重大項目部署、國家高層次人才計劃、海外引才計劃和地方專項人才計劃，積極引進優秀青年人才。

二是依托人工智能國際會議、論壇、展覽等活動，推動全球人才技術交流。

三是在AI領域探索建立更多聚焦原始創新、鼓勵自由探索、具有公益屬性的新型資助方式，為符合條件的國內外科研人員提供長期支持。

第二，加強AI基礎研究布局。

一是強化基礎研究系統布局，加大支持力度，強化對AI新技術、新模式、新業態的跟蹤研究。

二是在理論與技術瓶頸研究、特定領域應用研究、數據智能研發等方面深入推進，為下一代AI技術發展和行業應用提供參考。

第三，建立跨學科和跨領域的新型AI科研生態。

一是建立新型AI研究院,快速推動理論研究與實際應用的結合。

二是深入推進產科教融合，以一所或多所高校為核心，匯聚跨領域的學術和產業伙伴，定期組織學術交流和成果分享。

三是加強政府、企業及非營利機構對新型AI研究院的資金投入，形成多元化的投資模式。

第四，加速推進AI基礎設施建設。

一是依托國家新一代AI創新發展試驗區，探索提供面向AI重大應用場景、大模型訓練所需要的大規模高質量數據集。

二是鼓勵科技領軍企業探索構建涵蓋硬件、軟件、算法、模型和應用的開源開放體系，強化基礎要素支撐。

三是推動數據和算力的科技創新，推進數據資源分類分級開放共享。

本文來源于《中國科技人才》2025(5)。楊娟，中國科學技術發展戰略研究院副研究員。文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com