当前,关于人工智能产业的政策在全球各国及国内各地纷纷出台,国内关于相关政策的解读也有不少,但大部分解读都从主观或定性模型的角度展开,鲜有从量化分析和客观分析的角度进行研究,该文旨在以量化分析结合文本分析的方法从客观角度分析国内人工智能政策的发展制定情况。本文针对国家和省级的人工智能政策进行汇总,得到了61份政策文本,总计约37万字,利用jieba分词对该文本进行分词和停用词处理,进一步利用LDA模型对分词结果进行主题分析,得到了可划分的12个聚类主题结果,并将61份政策文本进行归类,最后利用政策模型对归类结果做出分析,同时,针对上海市的具体发展环境对人工智能政策做出了分析。结果表明,三种政策工具中,供给型和环境型的使用频率较高;全国和各地政府对于产品和合作示范主题的支持力度较大;基础设施建设、关键技术及人工智能与产业融合的主题表现出了明显的不均衡现象;不论是从国家层面到各地政府,对于人工智能的应用及人才引进,特别是涉及到计算基础和理论研究主题的支持力度明显较弱;在应用和商业化环节主要集中于工业制造、医疗和视觉识别,但其他领域涉及较少;研发创造环节总体存在明显的不足;东部地区出台政策的数量远超中西部地区,中西部地区出台数量相当;全国层面对智能制造和基础设施、工业制造和数据产品、医疗和视觉识别主题的规划较多,支持力度较大;东部地区政策整体较全面,大部分政策主题都有所涉及,少数政策主题权重较小;西部地区政策重点偏重于几个领域,但部分主题涉及较少;中部地区政策表现出明显的“偏科”现象,只要涉及的主题一般权重较大,但有很多主题几乎没有涉及。上海在政策制定上总体较为全面,体现出了东部地区政策制定的特点,其中,针对供给型政策的制定较多,并且大量政策工具都集中在“人才、产品、示范、智慧、合作”这一主题;环境型和需求型政策工具使用相对较少,但都有所涉及;总体来看,“人才、研究、引进、数据、机构”以及“制造、工业、产品、数据、装备”暂未涉及;值得注意的是,涉及到安全管理部分,特别是行业网络与信息安全工作机制、建立和完善信息安全保护体系、加强行业信息系统安全管理等部分,LDA分析结果未展示,说明该部分结果为上海特别强调的政策部分,其他省份的政策少有涉及。