近年來，AlphaGo、ChatGPT、Sora等人工智能顛覆性創(chuàng)新主要由產(chǎn)業(yè)界推出，這一現(xiàn)象反映的客觀趨勢是產(chǎn)業(yè)界日益成為人工智能基礎(chǔ)研究和顛覆性產(chǎn)品主要策源地。這場全球范圍內(nèi)的創(chuàng)新范式變革對人工智能發(fā)展模式和政策邏輯影響深遠，對培育未來產(chǎn)業(yè)極具借鑒價值。須順應(yīng)變革規(guī)律，加快核心資源向產(chǎn)業(yè)集聚，以孕育更多顛覆性產(chǎn)品為目標(biāo)打造人工智能創(chuàng)新生態(tài)2.0版，進一步增強產(chǎn)業(yè)界和學(xué)術(shù)界協(xié)同創(chuàng)新能力。

產(chǎn)業(yè)界主導(dǎo)人工智能

顛覆性創(chuàng)新的全球趨勢

直到21世紀(jì)初期，學(xué)術(shù)界和產(chǎn)業(yè)界在人工智能研究上還是平分秋色。但過去10年中，產(chǎn)業(yè)界逐漸成為人工智能基礎(chǔ)研究和顛覆性創(chuàng)新產(chǎn)品的主要策源地。

從數(shù)量上看，產(chǎn)業(yè)界在人工智能最大和最重要模型的開發(fā)上處于主導(dǎo)地位。在發(fā)展早期，專家系統(tǒng)等人工智能標(biāo)志性模型主要由學(xué)術(shù)界開發(fā)。隨著人工智能模型數(shù)據(jù)量和參數(shù)規(guī)模的爆炸式增長，產(chǎn)業(yè)界在標(biāo)志性領(lǐng)先模型的開發(fā)上走在了學(xué)術(shù)界的前面。例如，ChatGPT使用的核心技術(shù)變換器模型（Transformer），正是谷歌在2017年提出的一種采用注意力機制的深度學(xué)習(xí)模型，在精度和性能上都要優(yōu)于之前流行的模型，大幅提升了模型訓(xùn)練的效果（雖然推出ChatGPT和Sora的公司OpenAI成立之初定位于非營利性組織，但2019年已轉(zhuǎn)成營利組織，成為產(chǎn)業(yè)界的一員）。斯坦福大學(xué)最新發(fā)布的《2024年人工智能指數(shù)報告》顯示，2014年之前，全球最重要的人工智能模型都是由學(xué)術(shù)界發(fā)布，到2023年，產(chǎn)業(yè)界發(fā)布51個重要機器學(xué)習(xí)模型，學(xué)術(shù)界僅有15個。

從質(zhì)量上看，產(chǎn)業(yè)界在人工智能模型開發(fā)評測中處于領(lǐng)先地位。全球人工智能模型評測網(wǎng)站數(shù)據(jù)顯示，在圖像識別、情感分析、語言建模和機器翻譯等20個子領(lǐng)域中，2017年之前，具有領(lǐng)先優(yōu)勢的模型中40%左右由產(chǎn)業(yè)界（部分與學(xué)術(shù)界聯(lián)合）開發(fā)，2017年至今，這一比例已上升至80%左右。其中，情感分析子領(lǐng)域的轉(zhuǎn)變最大。2017年之前，該領(lǐng)域領(lǐng)先模型中77%由學(xué)術(shù)界開發(fā)，2020年以后則幾乎全部由產(chǎn)業(yè)界（部分與學(xué)術(shù)界聯(lián)合）開發(fā)。產(chǎn)業(yè)界是最近10年人工智能模型性能快速提升的主要動力。

從基礎(chǔ)上看，產(chǎn)業(yè)界在人工智能論文發(fā)表中的地位穩(wěn)步上升。學(xué)術(shù)論文的數(shù)量、質(zhì)量、來源等是一個領(lǐng)域基礎(chǔ)研究情況的重要表征。早期的人工智能研究論文主要由學(xué)術(shù)界發(fā)表，但近年來產(chǎn)業(yè)界的比例在逐步提升。麻省理工學(xué)院的研究表明，在人工智能前十大頂級會議上發(fā)表的學(xué)術(shù)論文中，至少有一位產(chǎn)業(yè)界合著者的研究論文數(shù)量占比已經(jīng)從2000年22%增長到2020年以來的40%左右。即使按照更加嚴(yán)格計算方法，以作者身份的比例計算（一篇論文N個作者，其中X個作者隸屬產(chǎn)業(yè)界，則屬于產(chǎn)業(yè)界的論文數(shù)量為X/N），產(chǎn)業(yè)界發(fā)表的論文比例從2010年的不到10%增加到2020年以來的20%左右，翻了一倍多，這一比例目前還在不斷提升。

產(chǎn)業(yè)界主導(dǎo)人工智能

顛覆性創(chuàng)新的深層動因

一是技術(shù)發(fā)展階段決定。人工智能技術(shù)產(chǎn)業(yè)化路徑日漸清晰，特別是以大模型為代表的技術(shù)加速突破邁向規(guī)?；瘧?yīng)用階段。從技術(shù)演進史看，任何一項新技術(shù)在導(dǎo)入期進步通常比較緩慢甚至出現(xiàn)中斷，進入加速期后開始全面滲透、實現(xiàn)規(guī)模化應(yīng)用，這一時期創(chuàng)新資源逐漸向產(chǎn)業(yè)界集聚，新技術(shù)的顛覆性創(chuàng)新產(chǎn)品逐漸由產(chǎn)業(yè)界主導(dǎo)。如汽車、飛機等領(lǐng)域在規(guī)?；蟮募夹g(shù)創(chuàng)新產(chǎn)品幾乎全部由產(chǎn)業(yè)界大企業(yè)推動。人工智能也不例外。隨著新一輪科技革命和產(chǎn)業(yè)變革加速演進，以ChatGPT為代表的大模型在智能制造、無人駕駛等各行各業(yè)落子不斷，人工智能加速進入規(guī)?；瘧?yīng)用階段。產(chǎn)業(yè)界作為人工智能技術(shù)進入加速期后創(chuàng)新活動的最大載體，人工智能密切依賴的算力、數(shù)據(jù)、資金等創(chuàng)新資源都離不開產(chǎn)業(yè)界支持。在算力方面，2010年，產(chǎn)業(yè)界從與學(xué)術(shù)界算力水平相當(dāng)，到2023年，產(chǎn)業(yè)界算力水平已經(jīng)超過學(xué)術(shù)界算力水平10倍，算力鴻溝持續(xù)擴大。在數(shù)據(jù)方面，作為人工智能發(fā)展的基礎(chǔ)和動力，大型科技公司通過智能設(shè)備、APP、數(shù)字平臺等掌握了規(guī)模龐大、質(zhì)量好、價值密度高的用戶數(shù)據(jù)，如谷歌每天處理超過35億次搜索，騰訊每日數(shù)據(jù)連接總數(shù)達35萬億條，學(xué)術(shù)界則難以擁有相匹配的優(yōu)勢海量數(shù)據(jù)資源。

二是創(chuàng)新范式變革決定。人工智能基礎(chǔ)研究變得極度依賴應(yīng)用場景，理論轉(zhuǎn)化周期明顯縮短必然要求產(chǎn)業(yè)界發(fā)揮主導(dǎo)作用。當(dāng)前，新技術(shù)領(lǐng)域基礎(chǔ)研究和應(yīng)用研究邊界逐漸模糊，打破了從基礎(chǔ)研究到應(yīng)用研究再到產(chǎn)業(yè)化的傳統(tǒng)線性創(chuàng)新范式。人工智能成為新的創(chuàng)新范式下演變最激烈，也是最直觀的領(lǐng)域。一方面，進入復(fù)雜科學(xué)時代，基礎(chǔ)研究與實際應(yīng)用的結(jié)合更加緊密，貼近應(yīng)用、解決用戶需求成為人工智能基礎(chǔ)研究最大支撐力量。近年來，人工智能在垂直領(lǐng)域得到大規(guī)模應(yīng)用，這些實際應(yīng)用進一步帶動人工智能技術(shù)實現(xiàn)突破。例如，生物化學(xué)領(lǐng)域借助人工智能預(yù)測了幾乎所有已知的蛋白質(zhì)結(jié)構(gòu)，同時，研究人員通過開發(fā)人工智能新算法生成特定的蛋白質(zhì)，為制造更加有效生物疫苗和可持續(xù)生物材料提供可能。另一方面，有研究顯示基礎(chǔ)研究的商業(yè)見效周期已經(jīng)從20世紀(jì)七八十年代的7年縮短到目前的3至5年，基礎(chǔ)研究轉(zhuǎn)化周期明顯縮短。人工智能商業(yè)化見效周期更加迅速。例如，人工智能核心技術(shù)變換器模型作為人工智能基礎(chǔ)研究向前邁出的重要一步，幾乎是立即應(yīng)用于商業(yè)化。

三是組織模式轉(zhuǎn)變決定。人工智能愈發(fā)依賴跨學(xué)科、工程化的創(chuàng)新方式，依托產(chǎn)業(yè)集聚頂級科學(xué)家和多學(xué)科人才成為關(guān)鍵。隨著傳統(tǒng)線性創(chuàng)新范式被打破，科學(xué)研究范式新變革正在重塑科研組織模式，人工智能等新技術(shù)顛覆式創(chuàng)新愈發(fā)依賴跨學(xué)科、跨領(lǐng)域、跨組織的研究模式。以Sora為例，研究團隊中除來自科技巨頭（如Meta、亞馬遜等）和頂尖高校（如加州大學(xué)伯克利分校、麻省理工學(xué)院等）的研究人員外，更是擁有一群藝術(shù)與科技復(fù)合背景的研究人員，這種跨界組織研發(fā)模式為Sora在人工智能視頻生成領(lǐng)域取得突破性成果提供強大支撐。數(shù)據(jù)顯示，產(chǎn)業(yè)界正成為頂級科學(xué)家和高級人才的主要集聚地。美國管理學(xué)會數(shù)據(jù)顯示，過去10年全球人工智能領(lǐng)域最頂尖的100名科學(xué)家中，有超過一半的科學(xué)家在產(chǎn)業(yè)界從事研究工作，其中，有28名是從學(xué)術(shù)界轉(zhuǎn)向產(chǎn)業(yè)界的。其他高級人才向產(chǎn)業(yè)集聚的態(tài)勢更加明顯。人工智能專業(yè)博士畢業(yè)生開始全面進入產(chǎn)業(yè)界。美國國家科學(xué)基金會的數(shù)據(jù)顯示，2004年人工智能博士畢業(yè)生僅有21%進入產(chǎn)業(yè)界，但近年來，這一比例躍升至70%。

相比于學(xué)術(shù)界，產(chǎn)業(yè)界掌握了更多數(shù)據(jù)、算力等關(guān)鍵資源，并據(jù)此開發(fā)出最先進的人工智能模型，走在了基礎(chǔ)研究和顛覆式產(chǎn)品開發(fā)的最前沿。更好的模型和產(chǎn)品又使得產(chǎn)業(yè)界能獲得更多市場回報。如此循環(huán)累積，產(chǎn)業(yè)界與學(xué)術(shù)界在人工智能發(fā)展上的鴻溝日益拉大。這一范式轉(zhuǎn)變要求企業(yè)家、政策制定者重新思考人工智能的發(fā)展模式、政策邏輯，更是對培育未來產(chǎn)業(yè)發(fā)展帶來深遠影響。

產(chǎn)業(yè)界主導(dǎo)人工智能

顛覆性創(chuàng)新對我國政策啟示

產(chǎn)業(yè)界主導(dǎo)人工智能基礎(chǔ)研究和顛覆性產(chǎn)品的變革規(guī)律對我國人工智能縮小與美差距，實現(xiàn)追趕具有雙重影響。一方面這有利于加速追趕。我國數(shù)據(jù)量預(yù)計將在2025年超過美國，并與美國同屬全球算力領(lǐng)跑者；同時擁有世界排名前列的大型科技公司和快速涌現(xiàn)的人工智能創(chuàng)業(yè)企業(yè)，人工智能應(yīng)用場景世界第一。另一方面這也會拖累追趕。我國領(lǐng)軍科技企業(yè)基礎(chǔ)研究意愿與能力較低，部分關(guān)鍵資源差距大且未向產(chǎn)業(yè)界集中。人工智能領(lǐng)域全球前100名頂尖科學(xué)家中我國僅有個位數(shù)，且?guī)缀醵荚趯W(xué)術(shù)界，而美國微軟、臉書、谷歌和蘋果4家公司就雇傭了近40人；美國人工智能私人投資額和新資助企業(yè)數(shù)量均是我國3.5倍左右。亟須順應(yīng)人工智能發(fā)展范式變革規(guī)律，調(diào)整優(yōu)化產(chǎn)業(yè)政策，盡快追趕上美國，在新一輪全球人工智能競爭中搶奪領(lǐng)先地位。

首先，加快推動數(shù)據(jù)和算力等關(guān)鍵資源向產(chǎn)業(yè)集聚。充足的資源是孕育顛覆性產(chǎn)品的基礎(chǔ)和必要條件。一是加快高質(zhì)量數(shù)據(jù)資源向產(chǎn)業(yè)匯聚。鼓勵開展數(shù)據(jù)所有權(quán)、使用權(quán)、收益權(quán)等分離的創(chuàng)新探索，為產(chǎn)業(yè)界匯聚更多數(shù)據(jù)打下產(chǎn)權(quán)制度基礎(chǔ)；加快產(chǎn)業(yè)數(shù)據(jù)空間建設(shè)，構(gòu)建數(shù)據(jù)互通互操作生態(tài)，推動產(chǎn)業(yè)數(shù)據(jù)貫通融合。二是彌補高質(zhì)量算力資源短板。實施好關(guān)鍵核心技術(shù)攻關(guān)工程，加大投資力度，加速高端芯片制造落地，為產(chǎn)業(yè)提供有競爭力的優(yōu)質(zhì)算力資源。

其次，以孕育更多顛覆性產(chǎn)品為目標(biāo)打造人工智能創(chuàng)新生態(tài)2.0版。我國人工智能創(chuàng)新生態(tài)已初步建立，在培育漸進式產(chǎn)品創(chuàng)新上運轉(zhuǎn)良好，但面向前沿突破、存在不確定性的顛覆性創(chuàng)新孵化上仍存在不足。一是引導(dǎo)科技巨頭提升基礎(chǔ)研究和發(fā)現(xiàn)顛覆式創(chuàng)新的定力、能力。通過激勵性監(jiān)管引導(dǎo)大型企業(yè)向科技創(chuàng)新前沿進發(fā)，鼓勵大型科技企業(yè)參與國家基礎(chǔ)研究、產(chǎn)業(yè)鏈供應(yīng)鏈韌性和安全提升等重大工程和項目，提升基礎(chǔ)研究積極性。二是支持培育更多具有使命感的初創(chuàng)企業(yè)。強化創(chuàng)業(yè)引導(dǎo)，加大對取得重大創(chuàng)新、顛覆性創(chuàng)新創(chuàng)業(yè)者的宣傳和獎勵，激發(fā)創(chuàng)業(yè)者承擔(dān)重大使命、破解大難題的創(chuàng)業(yè)精神。

增強產(chǎn)業(yè)界和學(xué)術(shù)界協(xié)同創(chuàng)新能力。一是優(yōu)化學(xué)術(shù)界訪問產(chǎn)業(yè)界人工智能系統(tǒng)的體制機制，穩(wěn)步推動產(chǎn)業(yè)界資源實現(xiàn)有序向高校和科研院所開源開放。二是加快建設(shè)公共數(shù)據(jù)集和公共智算中心，為學(xué)術(shù)界開發(fā)出具有類似實力的競爭模型提供關(guān)鍵資源。三是完善頂級科學(xué)家在產(chǎn)業(yè)和高?？蒲性核碾p向流動機制，打造有利于培育頂級科學(xué)家的制度環(huán)境。