论文部分内容阅读
摘 要：人工智能具备通用技术的诸多特征，使其很有可能成为新一轮科技革命和产业变革的助推器，从而开启新一轮经济长波。当前正处于第六次技术革命浪潮的导入期，人工智能的技术轨道还未成型，这是中国引领该技术发展的绝佳机会。中国的人工智能应用场景和数据资源丰富，具备发展人工智能技术的优势，但也面临诸多挑战。笔者基于ROAR创新政策框架的视角提出，中国在发展人工智能技术过程中，要充分发挥国家作为创新发动机的作用，以发展人类增强型人工智能为使命导向，建立和完善组织和制度支撑体系，引导人工智能技术进入良性发展轨道。
关键词：人工智能;ROAR;通用技术;技术—经济范式
中图分类号：F062.9文献标识码：A
文章编号：1000-176X（2021）09-0045-08
一、引 言
自20世纪50年代的达特茅斯会议提出人工智能的这一概念以来，人工智能经历了几轮起伏，近几年才进入快速发展的轨道。人工智能作为新一代信息通信技术（Information and Communications Technology，ICT），具有很强的跨部门渗透性，具备成为通用技术的潜质，并具有大规模商业化应用的前景。按照演化经济学对历次技术革命浪潮阶段的划分，以英国第一次工业革命为开端，人类到目前为止经历了五次技术革命，当前正处于以人工智能和大数据技术等为代表的第六次技术革命浪潮的导入期。联合国在2017年公布的《AI技术革命对劳动力市场和收入分配的影响》报告中指出，尽管人工智能技术是以上一代ICT为基础的，但从技术范式特征来看，其具有广泛的渗透性，可以被看做是一项通用技术，其在新部门创生和传统产业生产率提升方面都将起到巨大的作用。
人工智能作为一项通用技术必将成为新一轮经济增长的引擎。中国正处于迈向高质量发展的关键时期，在人工智能技术方面能否取得领先地位，直接关乎中国技术经济赶超目标的实现。对此，早在2017年国务院发布的《新一代人工智能发展规划》中就有深刻的认识：人工智能是经济发展的新引擎，是新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业积蓄的巨大能量，并创造强大引擎……面对新形势，惟有牢牢抓住人工智能发展的历史机遇，才能赢得发展主动权，带动国家跨越式发展。而其关键在于中国如何才能抓住这一技术赶超的机会窗口？传统的产业政策的效果在面对新的技术范式时很可能会减少，因而促进人工智能技术的发展需要政策范式的转型。
传统的产业政策是基于市场失灵理论提出的，其认为，政府干预的正当性就在于可以弥补市场机制的协调失灵和信息不对称问题。这一理论实际上假设市场在任何时候、任何产业中都是天然存在的，而事实上，只有在成熟技术和成熟产业中这一假设才成立。而面对新技术和新产业时，这一前提是不存在的。在一个动态演化的经济系统中，特别是在新一轮技术革命浪潮的导入期，虽然新的技术经济范式正在孕育，但旧技术经济范式仍然占据主导地位，新技术和新产业的市场是非常脆弱的，因此，政府的主要作用不是修复市场，而是创造市场。更进一步地，Mazzucato在近期倡导的任务导向型[1]和使命驱动型[2]创新政策新范式中提出的ROAR政策框架，其共分为四个部分：明确路线与方向（Routes and Directionality）;塑造公共部门的组织能力（Organisational Capabilities in the Public Sector）;对创新政策效果进行评估（Assessment and Evaluation）;使风险和收益相匹配（Risks and Rewards）。该框架的提出和借鉴对中国发展人工智能关键核心技术的分析，以及确定人工智能的技术轨道、制定相应的创新政策提供了新的理论思维。
二、人工智能的技术经济特征与中国优势
按照佩蕾丝对历次技术革命浪潮的划分：第一次技术革命源于1771年英国的产业革命，机械化的棉纺织业取代手工劳动;第二次技术革命始于1829年，蒸汽机取代水力，作为主要动力，机器开始被大规模使用，人类进入蒸汽和铁路时代;第三次技术革命始于1875年酸性转炉炼钢技术的突破，人类进入钢铁、电力和重工业时代;第四次技术革命始于1908年，石油炼化技术和内燃机的发明使人类进入石油、汽车和大规模生产时代;而第五次技术革命得益于1971年廉价微电子产品的大量生产，人类迎来了信息时代[3]。人工智能作为新技术革命的通用技术，与以往技术革命有何不同？笔者认为，有必要从人工智能的技术经济特征对其进行界定。
人工智能作为通用技术，具有渗透性、替代性、协同性[4]以及创造性[5]等诸多技术—经济特征。而渗透性是通用技术的一项基本特征，人工智能强大的渗透性意味着除本部门之外，对其他部门的生产率提升乃至生产组织方式的变迁都会产生极大的影响。
人工智能作为新一代ICT的代表性技术，其协同性也将大大超越前一代ICT。目前，人工智能技术主要应用于消费领域，未来一旦在生产领域（智能制造）大规模应用后将会发挥更大的协同效应，从而大幅降低各生产要素间的磨合成本[6]。
更为重要的是，人工智能技术的替代性很可能超越以往历次技术革命中通用技术的影响，它一定不是简单自动化趋势的延续，人类相当一部分脑力劳动也将被人工智能所替代的图景正在显现。这种对人类脑力劳动的替代，实际上就是人工智能技术创造性的重要体现，这也是以往任何一种通用技术所不具备的。即人工智能的创造性技术经济特征进一步强化了其替代性的特征，从而使人类就业面临前所未有的危机。人工智能经过六十多年的发展，其背后的技术逻辑发生了巨大的变化，第一代人工智能技术以数理逻辑表达与推理为主，其推理模型基于知识和经验，即知识驱动;第二代人工智能技术以深度学习理论为主，深度学习的核心功能是根据已经发生的同类事件来对特定事件的结果进行预测，数据量的多少对于预测结果至关重要，即数据驱动;目前已有学者提出，未来人工智能的发展方向是将第一代和第二代技术整合起来，即第三代人工智能是需要知識、数据、算法和算力共同驱动，以弥补前两代技术的不足[7]。我们不难发现，无论是目前以深度学习为主的第二代人工智能，还是未来的第三代人工智能，数据都是核心要素。中国目前的互联网普及率已达64.5%，网民规模超过9亿人，海量数据将成为中国发展人工智能技术的一个主要优势。 中国除了上述的数据体量优势之外，旧互联网巨头百度、腾讯和阿里巴巴（BAT），以及新兴互联平台企业字节跳动、美团和滴滴（TMD）均为人工智能技术的发展提供了丰富的应用场景。由于中国网民规模巨大，再加上购物、出行、娱乐、金融和物流等丰富的应用场景，产生了巨量的异质性数据。即中国除了具备数据体量优势之外，还拥有数据结构优势。在未来，如果人工智能技术在生产领域（智能制造）得到大规模应用，生产端的大数据和消费端的大数据一旦打通，数据再生产的规模报酬递增效应将会被全面释放，
从而使得中国在人工智能技术上的优势进一步加强。如表1所示，2020年，中国凭借应用场景优势和数据优势，在诸如人工智能算法和应用软件等领域的技术输出企业的数量已超过技术输入企业，表明中国在人工智能的某些领域已处于世界领先水平。
为了加强人工智能领域的基础研究，2020年由教育部、国家发展和改革委员会和财政部三部委共同出台了《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》，该文件将人工智能纳入“国家关键领域急需高层次人才培养专项招生计划”。加之中国人口基数大，大学生规模世界第一，学生就读工科意愿一直比较积极等诸多有利因素，中国未来的人工智能人才储备量将非常可观。这一人才优势是未来中国发展人工智能技术的基础支撑力量。此外，据国家工业信息安全发展研究中心的数据显示，2020年中国在人工智能领域的专利申请量已经超越美国，排名世界第一。这在一定程度表明，中国在人工智能的应用研究领域也实现了快速的技术追赶。
历史经验表明，新一代通用技术的大规模应用和改进有赖于大量互补性技术的出现，人工智能作为新一轮技术革命浪潮的通用技术，其渗透效应的发挥也离不开大量互补性技术的支持。中国大量的平台企业为人工智能技术提供了广泛的应用场景，这会进一步引发对诸如5G等互补性技术的需求，从而引致相关领域创新的加速，最终为5G技术的大规模商业化应用提供巨大的市场，形成技术迭代、市场规模扩张和利润提升的正反馈。有数据显示，截至2020年1月1日，中国企业5G声明（授权或申请）专利族数量已经排名世界第一，5G技术作为人工智能的互补性技术，该领域的技术创新将进一步促进人工智能技术领域的创新提速，从而形成互补式创新喷涌的良好局面。
中国将拥有全世界无可匹敌的数据生态优势。目前，中国凭借应用场景优势和数据优势，已经在诸如人工智能算法和应用软件领域处于世界领先水平。2019年中国与国外人工智能企业技术输入和输出对比结果，如图1所示。
在人工智能的基础研究方面，就学术论文发表总量和作者数这两个指标来看，中国也已经超过美国（见图2），这说明中国在人工智能的某些基础领域也具备了一定的优势。2020年由教育部、国家发展改革委和财政部三部委共同出台的《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》中，也将人工智能纳入国家关键领域急需高层次人才培养专项招生计划。再加上，中国人口基数大，大学生规模世界第一，学生就读工科意愿一直比较积极等诸多有利因素，可以预期，未来中国人工智能人才储备量将非常可观。而这种人才优势将成为中国发展人工智能技术的基础支撑力量。据国家工业信息安全发展研究中心的数据显示，2020年中国在人工智能领域的专利申请量已经超越美国，排名世界第一[15]。即在人工智能的应用研究领域，中国正在逐步建立基础优势。
根据技术—经济范式理论，新一代通用技术的大规模应用和改进有赖于大量互补性技术的出现，人工智能作为新一轮技术革命浪潮的通用技术，要想渗透至其他部门，必然需要互补性技术的支持。如上文所述，中国大量的平台企业为人工智能技术提供了广泛的應用场景，这会进一步引发对诸如5G等更高效通讯技术的需求，从而引致相关领域创新的加速，最终为5G技术的大规模商业化应用提供巨大的市场，形成技术迭代、市场规模扩张和利润提升的正反馈。有数据显示，截至2020年1月1日，中国企业5G声明（授权或申请）专利族数量已经排名世界第一[16]，5G技术作为人工智能的互补性技术，该领域的技术创新将进一步促进人工智能技术领域的创新提速，从而形成互补式创新喷涌的良好局面。
三、中国发展人工智能可能面临的挑战
（一）人工智能的应用研究领域可能出现投资泡沫
根据技术—经济范式理论，历史上的每一次发展巨潮几乎都经历了“技术革命—金融泡沫—崩溃”的演化轨迹[3]。根据佩蕾丝的理论推演，在新的技术革命浪潮导入期的爆发阶段，金融资本会在新技术、新产品带来的巨大财富效应和高利润预期下，在短期内大量涌入新产业，从而可能引发过度投资。金融资本对新技术的过分追逐很可能造成经济的非理性繁荣，即股票价格的持续上涨会刺激投资者的热情，从而使市场形成正反馈机制——股票价格上涨经由大众媒体渲染形成放大效应，在从众心理和高利润预期等多种因素作用下吸引更多投资者进入，继而进一步助推股市繁荣。股市繁荣和投资热潮又会继续助长赌徒心理，资产价格的暴涨使其与实际价值完全脱离，金融泡沫越吹越大进而引发经济结构失衡。当泡沫破裂之后，市场对新技术的投资会进入寒冬，2000年发生在美国的互联网泡沫就是一个典型的例子。
根据历次技术革命浪潮的历史经验，导入期的投资泡沫最终也会留下本轮技术革命浪潮的基础设施，以人工智能为通用技术的第六次技术革命的投资热潮可能会留下诸如物联网、云网络、智能电网[8]等基础设施。但我们仍然要极力避免重蹈美国互联网泡沫的覆辙。近年来，中国在人工智能领域的投资额呈不断上升之势，除2019年有所回落之外，投资热潮总体趋势已经显现，已从2013年的5亿元上涨到2019年的381亿元。根据《2019中国人工智能产业投融资白皮书》数据显示，从2014年至2019年第三季度，中国人工智能行业总计获得融资3 583.65亿元，其中，人工智能应用研究领域获得融资1 140.89亿元，占比31.83%，而人工智能基础研究领域仅获得融资201.99亿元，占比仅为5.63%[9]。可见，应用研究领域的融资额远远高于基础研究领域，原因在于基础技术属于底层技术，其具有极高的技术门槛和技术壁垒且在短期内看不到利润，需要耐心资本进行长期投资，因而追逐短期利益的金融资本几乎都流向了人工智能应用研究领域，对基础研究领域的投入严重不足。 客观而言，目前中国人工智能领域投资结构的失衡现象有其历史原因。众所周知，美国引领了以ICT为通用技术的第五次技术革命浪潮，而人工智能的底层技术本质仍然是芯片、存储器和传感器等ICT的硬核技术，技术范式存在一定的延续性，这也能解释美国为何在本轮技术革命中仍然具备竞争优势。中国目前在人工智能的应用研究领域受到资本追捧，而基础研究则无人问津的局面恰恰也与这种技术范式的延续性密切相关。中国作为ICT的追赶国，一开始就是从应用研究领域的低技术环节切入，这种低技术切入点的路径依赖效应也在一定程度上影响了中国在人工智能核心技术上投资，而核心技术投资不足必然侵蚀中国人工智能的技术基础，最终影响中国在全球的竞争优势。关键点在于，中国应如何扭转技术切入点的路径依赖，破解人工智能核心技术投资激励问题，从而实现领先市场与创造市场。
（二）强隐私监管可能丧失数据优势
党的十九届四中全会首次提出，要鼓励勤劳致富，健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制。这是中国第一次在国家层面的重要文件中将“数据”作为一种生产要素，而数据的重要性亦会随着人工智能技术的发展而不断提升。如上文所述，中国的互联网用户数量排名世界第一，加之移动互联网领域带来的广阔应用场景促成了“数据生产—人工智能技术进步—数据再生产效率提升”的良性正反馈。但数据的产权仍然没有严格的法律界定，数据获取和使用也没有相应的规制措施，因此，存在个人隐私泄露等重大安全隐患，“杀熟”等侵害消费者权益的事件数量也在不断上升。但一个不争的事实是，从第二代人工智能开始，以机器学习为主的人工智能技术的发展已由知识和逻辑驱动转变为数据驱动，数据的重要性日益凸显。而未来的第三代人工智能，数据更是不可或缺的关键投入[7]。随着智能终端、可穿戴设备、智能家居和物联网设备的快速普及，数据大爆炸时代接踵而至。（未经挖掘的）数据就好比是“原油”，人工智能技术本身是将“原油”炼化成“汽油”（可信的数据）的基础技术。从这个角度来说，人工智能技术进步与数据再生产自增强机制的维持需要源源不断的数据支撑，因而数据具有基础重要性。
中国在利用数据优势推动人工智能技术进步的同时，也需要对个人隐私保护制定切实可行的政策。目前，世界各国都开始重视对数据使用规范的监管，欧盟已经出台数据使用的相关规定。如上文所述，人工智能技术具有典型的数据依赖特征，其技术进步离不开数据的哺育。因此，Goldfarb和Tucker[10]认为，隐私监管会影响基于数据创新的程度和方向，且过于严格的隐私监管会导致创新的减少。目前人工智能正处于导入期，主导产业的技术轨道并未定型，且相关领域互补式创新的潜力还没得到完全释放。因此，中国虽然同时拥有数据体量优势和数据结构优势，但如果隐私监管政策过于严苛，将可能丧失数据优势和先发优势;相反，如果隐私监管政策过于宽松，亦可能出现数据垄断和数据安全隐患，最终也不利于人工智能长远发展。因此，适度的隐私监管以及适宜的数据获取及使用规则是制定政策的关键。
数据作为第六次技术革命浪潮中新的生产要素，要充分发挥其效用必须解决去隐私、脱敏和标准化问题，这就需要开发全新的技术加以解决。就目前来看，数据的实际拥有者——各类平台企业——没有激励去开发这一技术。原因在于，即使去隐私、脱敏和标准化问题不解决，也不影响数据的使用;此外，互联网用户存在数据去隐私、脱敏和标准化的内在需求，但由于个人不可能承担这一成本，且也很难达成“集体行动”，因而在这个意义上，数据去隐私、脱敏和标准化技术具有很强的外部性，具备了准公共产品的属性，因此，这一领域必须由政府介入，但如何高效提供这一准公共产品，仍需要政府从制度和组织两方面提供保障。
（三）重应用而轻基础会动摇技术能力积累的基石
2017年国务院发布《新一代人工智能发展规划》提出了中国到2030年人工智能总体达到世界领先水平，成为世界主要人工智能创新中心的发展目标。我们应该清醒地认识到，后发国家要想在技术上追赶先发国家一定不能忽视技术能力的提升，因為技术创新的基石是技术能力的积累，而技术能力积累的基石则是基础研究。如上文所述，中国在人工智能领域的投资结构不甚合理，应用研究领域所获投资占比居高，因此，某些应用研究领域已经处于世界领先水平，甚至超过了某些先发国家，但基础研究领域投入仍然严重不足。近两年由于国际供应链的紧张局势，高端芯片等人工智能领域的核心技术已经显现出“卡脖子”风险，可见，基础研究领域的“短板”会让中国付出更大的经济代价。
根据技术追赶的机会窗口理论，后发国家要想在成熟技术上实现对先发国家追赶的可能性很低。而在新一轮技术革命浪潮的导入期，由于先发国家存在旧技术范式的路径依赖效应，新技术范式的扩散反而会受到抑制。因此，新技术很有可能在旧技术路径依赖效应较小的后发国家得以发展，因而给后发国家一个“换道超车”的契机。此外，李根[11]认为，以快速变革或短周期技术为特征的技术体制可能产生双刃剑的影响。一方面，短周期技术可以为那些已经积累了一定技术能力的后发者提供赶超的机会;另一方面，对尚未积累一定技术能力的后发者而言，技术的频繁变动可能成为阻碍其赶超的因素。人工智能作为ICT的延续，是典型的短周期技术，中国必须重视通过基础研究夯实技术能力的基础，唯有如此，才能通过“技术迂回”实现赶超。换而言之，中国除了要抓住当下弱人工智能（第二代人工智能）的技术机会窗口，更要提前谋划，将未来强人工智能（第三代人工智能）的技术轨道定义权牢牢掌握在自己的手中，从而在人工智能技术上引领世界。据此，中国政府应通过调节战略性投资，积极引导和大力支持智能芯片和先进算法等基础研究，改变仍由金融资本主导人工智能领域的投资现状，以从根本上夯实中国人工智能技术能力的基础。
（四）“赢者通吃”和失业大潮
如上文所述，人工智能是ICT的延续，其与所有网络经济一样存在典型的网络外部性：不同于传统产业的竞争模式，人工智能企业的竞争优势将取决于需求方规模经济效应[12]，即技术的普及能够吸引到更多的用户。使用的人越多，对于潜在的用户来说该企业的价值就越大，就会有更多的人使用，进而巩固企业在行业中的优势地位。具体到人工智能技术方面，先进入者在数据规模上有先发优势，算法进步越快，技术会越好，就会获得更多用户的青睐，用户的增多会进一步扩大技术的普及以及获得更多的数据，从而形成自增强机制。因此，先进入者通过网络外部性吸引更多潜在消费者，过高的转移成本又可以将“在位”消费者“锁定”在自己的技术上，而人工智能的高固定成本和低可变成本的成本结构特点又会进一步提高潜在竞争者的进入壁垒。随着时间的推移，先进入者开始支配市场，即垄断逐渐取代竞争性市场。近几年，中国诸如BAT和TMD等大型平台企业已经显示出这种趋势，而人工智能技术的发展会进一步巩固这些平台企业的市场地位。一旦“赢者通吃”效应得以维持，将深刻改变中国人工智能技术的发展趋势。 已经有学者提出，人工智能的持续技术进步终有一天会将我们带入强人工智能时代，届时不仅会有大量体力劳动被机器替代，亦会有相当一部分脑力劳动被智能机器取代。在第六次技术革命浪潮中，由于人工智能具有创造性和替代性特征，如果政府政策没有前瞻性且设计不当，那么大量技术性失业将不可避免[13]。届时大量社会财富可能会被少数垄断了人工智能技术的寡头所攫取，大部分劳动者将成为“无用阶级”[14]，贫富差距的鸿沟会越来越大，最终可能引致社会动荡。如何在促进人工智能技术进步的同时，避免人类工作被大面积替代，这对中国政府制定恰当的政策提出了新的要求。
四、中国发展人工智能的创新政策应对
随着第六次技术革命浪潮的展开，作为通用技术的人工智能将更加广泛地渗透到经济系统的各个领域，但目前的应用仍主要集中于资讯、购物和社交等消费端，新技术经济范式还未成型，正处于新旧转换时期。正如佩蕾丝[3]指出的那样：要在每一个转折点上设计出恰当的政策，就需要理解范式，确认浪潮的阶段，以辨明改革的方向。因此，中国要想在人工智能领域取得全球竞争优势，必须在技术经济范式转换的关键节点上用崭新的政策框架来制定创新政策。
Mazzucato等[2]认为，在新兴技术产业的萌芽阶段，市场还很薄弱，适用于成熟技术和市场的传统产业政策不再适用，故其倡导政府制定旨在“创造市场”的“使命驱动型”创新政策。其中的ROAR创新政策框架强调通过明确具体的“使命”，即专注于解决重大技术创新挑战和社会挑战，要求政府通过联合不同部门进行战略投资和培育新产业来确定增长方向，并引导私营部门进一步发展这些产业和技术，从而起到跨部门学习和实现智慧经济增长的目的。笔者认为，ROAR创新政策框架有助于中国探索在人工智能领域如何塑造市场，并给发展人工智能的关键核心技术和以及未来的技术方向提供新的政策思维。
（一）确定技术轨道与方向
以任务为导向，确定创新的方向和技术发展的路径，即政府要塑造和创造市场，而不仅仅是修复市场。以美国的阿波罗计划为例，登月之所以成功的关键在于该计划为需要解决的问题设定了明确的方向与具体的目标，以任务为导向按部就班地推进。目前，有相当一部分经济学家对人工智能的就业替代效应表示忧虑，如果进入强人工智能时代，那么这种就业挑战是前所未有的。这种担心不是没有依据，因为人工智能已经替代了部分脑力劳动（例如报税），笔者认为，可以预期，未来被取代的职业只会越来越多，这将对中国庞大的就业市场产生深远的影响。因此，中国有必要趁早确定人工智能的技术轨道和发展方向。
Trajtenberg[15]认为，创新大致可以分为两种类型：人类增强型创新（HEI）和人类替代型创新（HRI）。受其启发，笔者认为，可以将人工智能技术的发展方向也相应地分为人类增强型人工智能（HEAI）和人类替代型人工智能（HRAI）。HEAI指的是放大、增强和扩展感官、运动、分析和其他人类能力的人工智能。目前的应用领域有医学辅助诊断，例如，挖掘医学成像信息、药品疗效评估等。人工智能在医学的应用并没有取代医生，而是增强了医生的诊断能力和准确性。此外，案件审理也开始借助人工智能技术进行辅助分析和裁决，以提高法官审判的准确性。而HRAI则会取代那些技术含量低和重复性的劳动，例如，特斯拉借助人工智能技术的无人工厂就代替了大量的制造业工人。HEAI是对人类创造力释放，也极大地提升了生产率;而HRAI要么取代就业，要么创造没有价值的工作。对于中国这样的人口大国来说，应大力发展协助人类能力提高的HEAI，而不是大量取代人类工作的HRAI。鉴于中国的特殊国情，应及早确定人工智能的技术轨道和技术发展方向，将技术的主攻方向定为HEAI，在保障就业的同时极大地提升生产率。
（二）塑造公共部门的组织能力
公共部门组织能力的塑造，对于其更好地承担风险以及探索、预见和管理一系列挑战至关重要。要使公共部门与私营部门建立良好的共生关系，关键在于合理地配置资源、制定多主体的互动机制、完善组织结构，这些也是实施使命驱动型创新政策的基本要素。公共部门需要具备良好的领导才能，不断提升与各市场主体互动的能力，特别是当使命驱动型创新政策涉及社会政治因素时，其在政策实践过程中的政策持续能力、组合能力和协调能力的持续提升将变得非常重要。唯有如此，才能成功实施以发展HEAI为使命导向的创新政策。在这一方面，美国的经验值得借鉴。美国国防部于2015年设立国防创新试验小组（Defence Innovation Unit Experimental，DIUx），办公室设在硅谷，其目的在于整合硅谷的高科技资源和初创公司。DIUx的組织结构和运行模式经过3年的试运行和调整后，于2018年正式更名为国防创新小组（Defence Innovation Unit，DIU）。DIU有专门聚焦人工智能技术领域的团队，团队运行模式采用合伙人制度和扁平化组织结构。这种组织结构与传统科层制相比更有利于适应快速变化的技术环境，保证技术项目的快速立项、实施和转化。DIU具有合同签订权、专项预算权等并组织商业方案招标，招标流程分为“方案概要评估—提案评估—签订合同并履行”三个部分，极大地简化了采办流程。其在签订合同环节采用“其他交易协议”方式，这种方式不受政府采购和规章的束缚，允许政府更快速、更便捷地与企业达成协议，并有利于清扫公私联合创新的障碍。
根据上述经验，结合中国的实际情况，笔者认为，可以在人工智能创新资源丰富、发展基础较好的地区，如北京、上海、杭州、深圳等地设立旨在协调人工智能创新资源的专门机构，该机构宜采用扁平化的组织形式，与政府相关职能部门、人工智能的头部企业、人工智能初创企业、人工智能行业协会以及相关高校（研究机构）建立伙伴关系，促进各主体的交流互动并协调人工智能创新资源的优化配置。可以赋予该机构合同签订权和专项预算权，使其能够通过商业招标发现符合HEAI方向的潜在创新和技术，如此，该机构就具备了技术筛选和技术咨询等功能。中国想要实现人工智能创新的快速转化，就要简化人工智能相关项目的报批流程，设计更加灵活、充裕的经费管理制度，增加机动计划经费额度等。同时专设技术审查小组对该机构的整体业务进行审查和监督。 此外，为了有效解决上文提到的数据去隐私、脱敏和标准化这一公共产品供给问题，有必要建立专门的研发机构。一个可行的办法是建立大数据与人工智能国家实验室，重点开发数据去隐私、脱敏和标准化等具有强外部性的人工智能相关技术，解决技术公共产品的供给问题。数据的规范和高效使用是全世界共同关心的问题，中国完全可以利用数据优势构建全球数据技术公共产品联盟，整合全世界的研发力量，形成强大合力，促进大数据和人工智能技术的良性发展。以上组织机构设计思路，如图1所示。
（三）对创新政策效果进行动态评估
主流经济学的公共政策评估一般都聚焦于公共投资的挤出效应，并以此来静态计算政策的成本和收益，因此，找到替代性的创新政策动态评估工具也十分重要。制定公共政策一定会涉及到预算，当前公共政策多是从现有的财政约束角度思考问题，与之相符的评估工具通常基于静态资源配置效率的概念和某种形式的事前成本收益分析（CBA），CBA实际上就是反映商品或服务的最佳替代用途价值。在大多数情况下，评估都是基于市场价格的分析，即在政策干预后对其效果进行评价，并就市场失灵问题解决与否进行评估。这一静态评估工具实际上无法对政府投资重大创新的动态挤入效应进行评估，因此，对使命驱动型创新政策的评估需要考虑更长的时间和更具系统性的评估指标。
根据现代货币理论的观点，财政赤字支出可能会产生经济乘数效应，使经济增长速度快于借贷，从而降低债务与国内生产总值的比率。另外，与家庭或企业不同，拥有主权货币和中央银行的政府不会破产[16]。CBA只关注静态的创新资源约束与配置问题，无法评估动态的市场创造效应，而以发展HEAI为使命导向的创新政策恰恰能够发挥政府“市场创造者”的优势，从而在一定程度上可以对冲HEAI技术轨道未定型和相关市场微弱带来的风险。一旦市场成长起来之后，其辐射效应将大大超出其投入成本。因此，我们需要建立能够评估动态效率目标的价值体系。动态效率包括充分利用资源以应对快速的变化，其中包括创新、投资、改进和增长，最重要的还包括新技术的创造和技术前沿的转移[17]。据此，HEAI未来对其他行业的辐射和溢出效应以及由此引发的各种互补式创新，都应被评估指标和方法考虑在内。因此，评估指标不仅要关注人工智能本身的技术创新能力，更要关注与人工智能相匹配的材料、能源技术的进步，甚至还要考虑对人们生活方式的改进。
（四）理顺公共部门和私人部门的激励结构，使风险和收益相匹配
政府对重大创新的投资会使风险社会化，而创新本身的正外部性会使收益社会化，由于大部分创新收益被企业获得，因此，如何通过制度设计使公共部门与私人部门在创新过程中的风险分担和收益分享相匹配，从而实现激励相容，对创新的可持续性至关重要。针对这一问题笔者提出以下三个方案：第一，政府可以通过向愿意投资于重大技术创新的私营企业发放许可证，从而实现公私双方的风险共担和收益共享。第二，通过传统的税收机制，政府可以在重大创新和基础创新的商业化应用阶段，根据上述的许可证制度对受益企业额外收取一定的税额，以弥补在前期的大量投入，也为下一轮重大创新拓展资金来源。第三，不要“把鸡蛋放在一个篮子里”，政府可以通过投资组合的形式分散公共创新投资的风险，就算某些项目失败了，但少数项目的成功亦可以弥补其他项目的损失。当然，建立共生的公私合作伙伴关系，构建健康的创新生态系统才是实现公共价值创造、促进经济增长的长效机制。
人工智能作为通用技术，其扩散效应受限于前期技术基础设施的投入强度，作为ICT的延展，人工智能的关键共性技术具有投资额大和投资回报周期长等特征。加之，关键共性技术领域的创新不确定性最高，正外部效应较大，一般私人部门没有激励研发该种技术，此时，需要公共部门积极作为。基于公共和私人部门风险共担和收益共享的原则，笔者认为：第一，中国政府可以通过许可证制度，对于有意愿投资于HEAI领域关键共性技术的民营企业给予大力支持，积极促进该领域公私研发联合体的组建，发挥公共研究机构与民营企业的协同创新效应，并鼓励民营企业将研发成果进行商业化转换。政府从企业商业化收益中获得一部分许可证收益，注入关键共性技术创新投资资金池，以实现重大创新的风险和回报社会化。第二，公共部门通过参与研发联合体从而拥有一部分HEAI的知识产权，并在其商业化应用阶段对受益企业收取一定的知识产权使用费作为回报。如果受益企业上市，则可以通过持有HEAI相关企业优先股的形式从资本市场获得一定的回報。第三，中国政府可以扮演天使投资人的角色，通过多元化的“投资组合”形式分散HEAI投资的风险，以达到风险与回报相匹配的目标。
参考文献：
[1] Mazzucato，M.Misson-Oriented Innovation Policy：Changes and Opportunities[J].Industrial and Corporate Change，2018，27（5）：803-815.
[2] Mazzucato，M.，Kattel，R.，Ryan-Collins，J.Challenge-Driven Innovation Policy：Towards a New Policy Toolkit[J].Journal of Industry，Competition and Trade，2020，20（2）：421-437.
[3] 卡萝塔·佩蕾丝.技术革命与金融资本：泡沫与黄金时代的动力学[M].田方萌，胡叶青，刘然译，北京：中国人民大学出版社，2007.18-177.
[4] 蔡跃洲，张钧南.信息通信技术对中国经济增长的替代效应与渗透效应[J].经济研究，2015，（12）：100-114.
[5] 蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究，2019，（5）：3-22. [6] Ketteni，E.Information Technology and Economic Performance in U.S.Industries[J].Canadian Journal of Economics，2009，42（3）：844-865.
[7] 张钹，朱军，苏航.迈向第三代人工智能[J].中国科学：信息科学，2020，（9）：1281-1302.
[8] 贾根良.第三次工业革命与工业智能化[J].中国社会科学，2016，（6）：87-106.
[9] 投中研究院，崇期资本.2019中国人工智能产业投融资白皮书[R].2019-12-13.
[10] Goldfarb，A.，Tucker，C.Privacy and Innovation[J].Innovation Policy and the Economy，2012，12（1）：65-90.
[11] 李根.经济赶超的熊彼特分析：知识、路径创新和中等收入陷阱[M].陈劲译，北京：清华大学出版社，2016.64.
[12] 卡尔·夏皮罗，哈尔·瓦里安.信息规则：网络经济的策略指导[M].张帆译，北京：中國人民大学出版社，2000.157-161.
[13] 井上智洋.就业大崩溃：后人工智能时代的职场经济学[M].路邈等译，北京：机械工业出版社，2018.93-109.
[14] 尤瓦尔·赫拉利.未来简史：从智人到神人[M].林俊宏译，北京：中信出版社，2017.288-296.
[15] Trajtenberg，M.AI as the Next GPT：A Politicial-Economy Perspective[R].National Bureau of Economic Research Working Paper，2018.
[16] L.兰德尔·雷.现代货币理论：主权货币体系的宏观经济学[M].张慧玉，王佳楠，马爽译，北京：中信出版社，2017.18-24.
[17] Kattel，R.，Mazzucato，M.，Ryan-Collins，J.，et al.The Economics of Change：Policy and Appraisal for Missions，Market Shaping and Public Purpose[R].UCL Institute for Innovation and Public Purpose Working Paper，2018.
（责任编辑：徐雅雯）
收稿日期：2021-07-18
基金项目：广西高等学校千名中青年骨干教师培育计划人文社科类立项课题“第四次工业革命与中国技术赶超的机会窗口研究”（2020QGRW006）;广西壮族自治区教育厅A类教改项目“中国特色社会主义政治经济学课程体系构建”（2017JGA138）
作者简介：张海丰（1981-），男，浙江桐乡人，副教授，博士，主要从事演化与创新经济学、制度经济学研究。E-mail：75514316@qq.com
关键词：人工智能;ROAR;通用技术;技术—经济范式
中图分类号：F062.9文献标识码：A
文章编号：1000-176X（2021）09-0045-08
一、引 言
自20世纪50年代的达特茅斯会议提出人工智能的这一概念以来，人工智能经历了几轮起伏，近几年才进入快速发展的轨道。人工智能作为新一代信息通信技术（Information and Communications Technology，ICT），具有很强的跨部门渗透性，具备成为通用技术的潜质，并具有大规模商业化应用的前景。按照演化经济学对历次技术革命浪潮阶段的划分，以英国第一次工业革命为开端，人类到目前为止经历了五次技术革命，当前正处于以人工智能和大数据技术等为代表的第六次技术革命浪潮的导入期。联合国在2017年公布的《AI技术革命对劳动力市场和收入分配的影响》报告中指出，尽管人工智能技术是以上一代ICT为基础的，但从技术范式特征来看，其具有广泛的渗透性，可以被看做是一项通用技术，其在新部门创生和传统产业生产率提升方面都将起到巨大的作用。
人工智能作为一项通用技术必将成为新一轮经济增长的引擎。中国正处于迈向高质量发展的关键时期，在人工智能技术方面能否取得领先地位，直接关乎中国技术经济赶超目标的实现。对此，早在2017年国务院发布的《新一代人工智能发展规划》中就有深刻的认识：人工智能是经济发展的新引擎，是新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业积蓄的巨大能量，并创造强大引擎……面对新形势，惟有牢牢抓住人工智能发展的历史机遇，才能赢得发展主动权，带动国家跨越式发展。而其关键在于中国如何才能抓住这一技术赶超的机会窗口？传统的产业政策的效果在面对新的技术范式时很可能会减少，因而促进人工智能技术的发展需要政策范式的转型。
传统的产业政策是基于市场失灵理论提出的，其认为，政府干预的正当性就在于可以弥补市场机制的协调失灵和信息不对称问题。这一理论实际上假设市场在任何时候、任何产业中都是天然存在的，而事实上，只有在成熟技术和成熟产业中这一假设才成立。而面对新技术和新产业时，这一前提是不存在的。在一个动态演化的经济系统中，特别是在新一轮技术革命浪潮的导入期，虽然新的技术经济范式正在孕育，但旧技术经济范式仍然占据主导地位，新技术和新产业的市场是非常脆弱的，因此，政府的主要作用不是修复市场，而是创造市场。更进一步地，Mazzucato在近期倡导的任务导向型[1]和使命驱动型[2]创新政策新范式中提出的ROAR政策框架，其共分为四个部分：明确路线与方向（Routes and Directionality）;塑造公共部门的组织能力（Organisational Capabilities in the Public Sector）;对创新政策效果进行评估（Assessment and Evaluation）;使风险和收益相匹配（Risks and Rewards）。该框架的提出和借鉴对中国发展人工智能关键核心技术的分析，以及确定人工智能的技术轨道、制定相应的创新政策提供了新的理论思维。
二、人工智能的技术经济特征与中国优势
按照佩蕾丝对历次技术革命浪潮的划分：第一次技术革命源于1771年英国的产业革命，机械化的棉纺织业取代手工劳动;第二次技术革命始于1829年，蒸汽机取代水力，作为主要动力，机器开始被大规模使用，人类进入蒸汽和铁路时代;第三次技术革命始于1875年酸性转炉炼钢技术的突破，人类进入钢铁、电力和重工业时代;第四次技术革命始于1908年，石油炼化技术和内燃机的发明使人类进入石油、汽车和大规模生产时代;而第五次技术革命得益于1971年廉价微电子产品的大量生产，人类迎来了信息时代[3]。人工智能作为新技术革命的通用技术，与以往技术革命有何不同？笔者认为，有必要从人工智能的技术经济特征对其进行界定。
人工智能作为通用技术，具有渗透性、替代性、协同性[4]以及创造性[5]等诸多技术—经济特征。而渗透性是通用技术的一项基本特征，人工智能强大的渗透性意味着除本部门之外，对其他部门的生产率提升乃至生产组织方式的变迁都会产生极大的影响。
人工智能作为新一代ICT的代表性技术，其协同性也将大大超越前一代ICT。目前，人工智能技术主要应用于消费领域，未来一旦在生产领域（智能制造）大规模应用后将会发挥更大的协同效应，从而大幅降低各生产要素间的磨合成本[6]。
更为重要的是，人工智能技术的替代性很可能超越以往历次技术革命中通用技术的影响，它一定不是简单自动化趋势的延续，人类相当一部分脑力劳动也将被人工智能所替代的图景正在显现。这种对人类脑力劳动的替代，实际上就是人工智能技术创造性的重要体现，这也是以往任何一种通用技术所不具备的。即人工智能的创造性技术经济特征进一步强化了其替代性的特征，从而使人类就业面临前所未有的危机。人工智能经过六十多年的发展，其背后的技术逻辑发生了巨大的变化，第一代人工智能技术以数理逻辑表达与推理为主，其推理模型基于知识和经验，即知识驱动;第二代人工智能技术以深度学习理论为主，深度学习的核心功能是根据已经发生的同类事件来对特定事件的结果进行预测，数据量的多少对于预测结果至关重要，即数据驱动;目前已有学者提出，未来人工智能的发展方向是将第一代和第二代技术整合起来，即第三代人工智能是需要知識、数据、算法和算力共同驱动，以弥补前两代技术的不足[7]。我们不难发现，无论是目前以深度学习为主的第二代人工智能，还是未来的第三代人工智能，数据都是核心要素。中国目前的互联网普及率已达64.5%，网民规模超过9亿人，海量数据将成为中国发展人工智能技术的一个主要优势。 中国除了上述的数据体量优势之外，旧互联网巨头百度、腾讯和阿里巴巴（BAT），以及新兴互联平台企业字节跳动、美团和滴滴（TMD）均为人工智能技术的发展提供了丰富的应用场景。由于中国网民规模巨大，再加上购物、出行、娱乐、金融和物流等丰富的应用场景，产生了巨量的异质性数据。即中国除了具备数据体量优势之外，还拥有数据结构优势。在未来，如果人工智能技术在生产领域（智能制造）得到大规模应用，生产端的大数据和消费端的大数据一旦打通，数据再生产的规模报酬递增效应将会被全面释放，
从而使得中国在人工智能技术上的优势进一步加强。如表1所示，2020年，中国凭借应用场景优势和数据优势，在诸如人工智能算法和应用软件等领域的技术输出企业的数量已超过技术输入企业，表明中国在人工智能的某些领域已处于世界领先水平。
为了加强人工智能领域的基础研究，2020年由教育部、国家发展和改革委员会和财政部三部委共同出台了《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》，该文件将人工智能纳入“国家关键领域急需高层次人才培养专项招生计划”。加之中国人口基数大，大学生规模世界第一，学生就读工科意愿一直比较积极等诸多有利因素，中国未来的人工智能人才储备量将非常可观。这一人才优势是未来中国发展人工智能技术的基础支撑力量。此外，据国家工业信息安全发展研究中心的数据显示，2020年中国在人工智能领域的专利申请量已经超越美国，排名世界第一。这在一定程度表明，中国在人工智能的应用研究领域也实现了快速的技术追赶。
历史经验表明，新一代通用技术的大规模应用和改进有赖于大量互补性技术的出现，人工智能作为新一轮技术革命浪潮的通用技术，其渗透效应的发挥也离不开大量互补性技术的支持。中国大量的平台企业为人工智能技术提供了广泛的应用场景，这会进一步引发对诸如5G等互补性技术的需求，从而引致相关领域创新的加速，最终为5G技术的大规模商业化应用提供巨大的市场，形成技术迭代、市场规模扩张和利润提升的正反馈。有数据显示，截至2020年1月1日，中国企业5G声明（授权或申请）专利族数量已经排名世界第一，5G技术作为人工智能的互补性技术，该领域的技术创新将进一步促进人工智能技术领域的创新提速，从而形成互补式创新喷涌的良好局面。
中国将拥有全世界无可匹敌的数据生态优势。目前，中国凭借应用场景优势和数据优势，已经在诸如人工智能算法和应用软件领域处于世界领先水平。2019年中国与国外人工智能企业技术输入和输出对比结果，如图1所示。
在人工智能的基础研究方面，就学术论文发表总量和作者数这两个指标来看，中国也已经超过美国（见图2），这说明中国在人工智能的某些基础领域也具备了一定的优势。2020年由教育部、国家发展改革委和财政部三部委共同出台的《关于“双一流”建设高校促进学科融合 加快人工智能领域研究生培养的若干意见》中，也将人工智能纳入国家关键领域急需高层次人才培养专项招生计划。再加上，中国人口基数大，大学生规模世界第一，学生就读工科意愿一直比较积极等诸多有利因素，可以预期，未来中国人工智能人才储备量将非常可观。而这种人才优势将成为中国发展人工智能技术的基础支撑力量。据国家工业信息安全发展研究中心的数据显示，2020年中国在人工智能领域的专利申请量已经超越美国，排名世界第一[15]。即在人工智能的应用研究领域，中国正在逐步建立基础优势。
根据技术—经济范式理论，新一代通用技术的大规模应用和改进有赖于大量互补性技术的出现，人工智能作为新一轮技术革命浪潮的通用技术，要想渗透至其他部门，必然需要互补性技术的支持。如上文所述，中国大量的平台企业为人工智能技术提供了广泛的應用场景，这会进一步引发对诸如5G等更高效通讯技术的需求，从而引致相关领域创新的加速，最终为5G技术的大规模商业化应用提供巨大的市场，形成技术迭代、市场规模扩张和利润提升的正反馈。有数据显示，截至2020年1月1日，中国企业5G声明（授权或申请）专利族数量已经排名世界第一[16]，5G技术作为人工智能的互补性技术，该领域的技术创新将进一步促进人工智能技术领域的创新提速，从而形成互补式创新喷涌的良好局面。
三、中国发展人工智能可能面临的挑战
（一）人工智能的应用研究领域可能出现投资泡沫
根据技术—经济范式理论，历史上的每一次发展巨潮几乎都经历了“技术革命—金融泡沫—崩溃”的演化轨迹[3]。根据佩蕾丝的理论推演，在新的技术革命浪潮导入期的爆发阶段，金融资本会在新技术、新产品带来的巨大财富效应和高利润预期下，在短期内大量涌入新产业，从而可能引发过度投资。金融资本对新技术的过分追逐很可能造成经济的非理性繁荣，即股票价格的持续上涨会刺激投资者的热情，从而使市场形成正反馈机制——股票价格上涨经由大众媒体渲染形成放大效应，在从众心理和高利润预期等多种因素作用下吸引更多投资者进入，继而进一步助推股市繁荣。股市繁荣和投资热潮又会继续助长赌徒心理，资产价格的暴涨使其与实际价值完全脱离，金融泡沫越吹越大进而引发经济结构失衡。当泡沫破裂之后，市场对新技术的投资会进入寒冬，2000年发生在美国的互联网泡沫就是一个典型的例子。
根据历次技术革命浪潮的历史经验，导入期的投资泡沫最终也会留下本轮技术革命浪潮的基础设施，以人工智能为通用技术的第六次技术革命的投资热潮可能会留下诸如物联网、云网络、智能电网[8]等基础设施。但我们仍然要极力避免重蹈美国互联网泡沫的覆辙。近年来，中国在人工智能领域的投资额呈不断上升之势，除2019年有所回落之外，投资热潮总体趋势已经显现，已从2013年的5亿元上涨到2019年的381亿元。根据《2019中国人工智能产业投融资白皮书》数据显示，从2014年至2019年第三季度，中国人工智能行业总计获得融资3 583.65亿元，其中，人工智能应用研究领域获得融资1 140.89亿元，占比31.83%，而人工智能基础研究领域仅获得融资201.99亿元，占比仅为5.63%[9]。可见，应用研究领域的融资额远远高于基础研究领域，原因在于基础技术属于底层技术，其具有极高的技术门槛和技术壁垒且在短期内看不到利润，需要耐心资本进行长期投资，因而追逐短期利益的金融资本几乎都流向了人工智能应用研究领域，对基础研究领域的投入严重不足。 客观而言，目前中国人工智能领域投资结构的失衡现象有其历史原因。众所周知，美国引领了以ICT为通用技术的第五次技术革命浪潮，而人工智能的底层技术本质仍然是芯片、存储器和传感器等ICT的硬核技术，技术范式存在一定的延续性，这也能解释美国为何在本轮技术革命中仍然具备竞争优势。中国目前在人工智能的应用研究领域受到资本追捧，而基础研究则无人问津的局面恰恰也与这种技术范式的延续性密切相关。中国作为ICT的追赶国，一开始就是从应用研究领域的低技术环节切入，这种低技术切入点的路径依赖效应也在一定程度上影响了中国在人工智能核心技术上投资，而核心技术投资不足必然侵蚀中国人工智能的技术基础，最终影响中国在全球的竞争优势。关键点在于，中国应如何扭转技术切入点的路径依赖，破解人工智能核心技术投资激励问题，从而实现领先市场与创造市场。
（二）强隐私监管可能丧失数据优势
党的十九届四中全会首次提出，要鼓励勤劳致富，健全劳动、资本、土地、知识、技术、管理和数据等生产要素按贡献参与分配的机制。这是中国第一次在国家层面的重要文件中将“数据”作为一种生产要素，而数据的重要性亦会随着人工智能技术的发展而不断提升。如上文所述，中国的互联网用户数量排名世界第一，加之移动互联网领域带来的广阔应用场景促成了“数据生产—人工智能技术进步—数据再生产效率提升”的良性正反馈。但数据的产权仍然没有严格的法律界定，数据获取和使用也没有相应的规制措施，因此，存在个人隐私泄露等重大安全隐患，“杀熟”等侵害消费者权益的事件数量也在不断上升。但一个不争的事实是，从第二代人工智能开始，以机器学习为主的人工智能技术的发展已由知识和逻辑驱动转变为数据驱动，数据的重要性日益凸显。而未来的第三代人工智能，数据更是不可或缺的关键投入[7]。随着智能终端、可穿戴设备、智能家居和物联网设备的快速普及，数据大爆炸时代接踵而至。（未经挖掘的）数据就好比是“原油”，人工智能技术本身是将“原油”炼化成“汽油”（可信的数据）的基础技术。从这个角度来说，人工智能技术进步与数据再生产自增强机制的维持需要源源不断的数据支撑，因而数据具有基础重要性。
中国在利用数据优势推动人工智能技术进步的同时，也需要对个人隐私保护制定切实可行的政策。目前，世界各国都开始重视对数据使用规范的监管，欧盟已经出台数据使用的相关规定。如上文所述，人工智能技术具有典型的数据依赖特征，其技术进步离不开数据的哺育。因此，Goldfarb和Tucker[10]认为，隐私监管会影响基于数据创新的程度和方向，且过于严格的隐私监管会导致创新的减少。目前人工智能正处于导入期，主导产业的技术轨道并未定型，且相关领域互补式创新的潜力还没得到完全释放。因此，中国虽然同时拥有数据体量优势和数据结构优势，但如果隐私监管政策过于严苛，将可能丧失数据优势和先发优势;相反，如果隐私监管政策过于宽松，亦可能出现数据垄断和数据安全隐患，最终也不利于人工智能长远发展。因此，适度的隐私监管以及适宜的数据获取及使用规则是制定政策的关键。
数据作为第六次技术革命浪潮中新的生产要素，要充分发挥其效用必须解决去隐私、脱敏和标准化问题，这就需要开发全新的技术加以解决。就目前来看，数据的实际拥有者——各类平台企业——没有激励去开发这一技术。原因在于，即使去隐私、脱敏和标准化问题不解决，也不影响数据的使用;此外，互联网用户存在数据去隐私、脱敏和标准化的内在需求，但由于个人不可能承担这一成本，且也很难达成“集体行动”，因而在这个意义上，数据去隐私、脱敏和标准化技术具有很强的外部性，具备了准公共产品的属性，因此，这一领域必须由政府介入，但如何高效提供这一准公共产品，仍需要政府从制度和组织两方面提供保障。
（三）重应用而轻基础会动摇技术能力积累的基石
2017年国务院发布《新一代人工智能发展规划》提出了中国到2030年人工智能总体达到世界领先水平，成为世界主要人工智能创新中心的发展目标。我们应该清醒地认识到，后发国家要想在技术上追赶先发国家一定不能忽视技术能力的提升，因為技术创新的基石是技术能力的积累，而技术能力积累的基石则是基础研究。如上文所述，中国在人工智能领域的投资结构不甚合理，应用研究领域所获投资占比居高，因此，某些应用研究领域已经处于世界领先水平，甚至超过了某些先发国家，但基础研究领域投入仍然严重不足。近两年由于国际供应链的紧张局势，高端芯片等人工智能领域的核心技术已经显现出“卡脖子”风险，可见，基础研究领域的“短板”会让中国付出更大的经济代价。
根据技术追赶的机会窗口理论，后发国家要想在成熟技术上实现对先发国家追赶的可能性很低。而在新一轮技术革命浪潮的导入期，由于先发国家存在旧技术范式的路径依赖效应，新技术范式的扩散反而会受到抑制。因此，新技术很有可能在旧技术路径依赖效应较小的后发国家得以发展，因而给后发国家一个“换道超车”的契机。此外，李根[11]认为，以快速变革或短周期技术为特征的技术体制可能产生双刃剑的影响。一方面，短周期技术可以为那些已经积累了一定技术能力的后发者提供赶超的机会;另一方面，对尚未积累一定技术能力的后发者而言，技术的频繁变动可能成为阻碍其赶超的因素。人工智能作为ICT的延续，是典型的短周期技术，中国必须重视通过基础研究夯实技术能力的基础，唯有如此，才能通过“技术迂回”实现赶超。换而言之，中国除了要抓住当下弱人工智能（第二代人工智能）的技术机会窗口，更要提前谋划，将未来强人工智能（第三代人工智能）的技术轨道定义权牢牢掌握在自己的手中，从而在人工智能技术上引领世界。据此，中国政府应通过调节战略性投资，积极引导和大力支持智能芯片和先进算法等基础研究，改变仍由金融资本主导人工智能领域的投资现状，以从根本上夯实中国人工智能技术能力的基础。
（四）“赢者通吃”和失业大潮
如上文所述，人工智能是ICT的延续，其与所有网络经济一样存在典型的网络外部性：不同于传统产业的竞争模式，人工智能企业的竞争优势将取决于需求方规模经济效应[12]，即技术的普及能够吸引到更多的用户。使用的人越多，对于潜在的用户来说该企业的价值就越大，就会有更多的人使用，进而巩固企业在行业中的优势地位。具体到人工智能技术方面，先进入者在数据规模上有先发优势，算法进步越快，技术会越好，就会获得更多用户的青睐，用户的增多会进一步扩大技术的普及以及获得更多的数据，从而形成自增强机制。因此，先进入者通过网络外部性吸引更多潜在消费者，过高的转移成本又可以将“在位”消费者“锁定”在自己的技术上，而人工智能的高固定成本和低可变成本的成本结构特点又会进一步提高潜在竞争者的进入壁垒。随着时间的推移，先进入者开始支配市场，即垄断逐渐取代竞争性市场。近几年，中国诸如BAT和TMD等大型平台企业已经显示出这种趋势，而人工智能技术的发展会进一步巩固这些平台企业的市场地位。一旦“赢者通吃”效应得以维持，将深刻改变中国人工智能技术的发展趋势。 已经有学者提出，人工智能的持续技术进步终有一天会将我们带入强人工智能时代，届时不仅会有大量体力劳动被机器替代，亦会有相当一部分脑力劳动被智能机器取代。在第六次技术革命浪潮中，由于人工智能具有创造性和替代性特征，如果政府政策没有前瞻性且设计不当，那么大量技术性失业将不可避免[13]。届时大量社会财富可能会被少数垄断了人工智能技术的寡头所攫取，大部分劳动者将成为“无用阶级”[14]，贫富差距的鸿沟会越来越大，最终可能引致社会动荡。如何在促进人工智能技术进步的同时，避免人类工作被大面积替代，这对中国政府制定恰当的政策提出了新的要求。
四、中国发展人工智能的创新政策应对
随着第六次技术革命浪潮的展开，作为通用技术的人工智能将更加广泛地渗透到经济系统的各个领域，但目前的应用仍主要集中于资讯、购物和社交等消费端，新技术经济范式还未成型，正处于新旧转换时期。正如佩蕾丝[3]指出的那样：要在每一个转折点上设计出恰当的政策，就需要理解范式，确认浪潮的阶段，以辨明改革的方向。因此，中国要想在人工智能领域取得全球竞争优势，必须在技术经济范式转换的关键节点上用崭新的政策框架来制定创新政策。
Mazzucato等[2]认为，在新兴技术产业的萌芽阶段，市场还很薄弱，适用于成熟技术和市场的传统产业政策不再适用，故其倡导政府制定旨在“创造市场”的“使命驱动型”创新政策。其中的ROAR创新政策框架强调通过明确具体的“使命”，即专注于解决重大技术创新挑战和社会挑战，要求政府通过联合不同部门进行战略投资和培育新产业来确定增长方向，并引导私营部门进一步发展这些产业和技术，从而起到跨部门学习和实现智慧经济增长的目的。笔者认为，ROAR创新政策框架有助于中国探索在人工智能领域如何塑造市场，并给发展人工智能的关键核心技术和以及未来的技术方向提供新的政策思维。
（一）确定技术轨道与方向
以任务为导向，确定创新的方向和技术发展的路径，即政府要塑造和创造市场，而不仅仅是修复市场。以美国的阿波罗计划为例，登月之所以成功的关键在于该计划为需要解决的问题设定了明确的方向与具体的目标，以任务为导向按部就班地推进。目前，有相当一部分经济学家对人工智能的就业替代效应表示忧虑，如果进入强人工智能时代，那么这种就业挑战是前所未有的。这种担心不是没有依据，因为人工智能已经替代了部分脑力劳动（例如报税），笔者认为，可以预期，未来被取代的职业只会越来越多，这将对中国庞大的就业市场产生深远的影响。因此，中国有必要趁早确定人工智能的技术轨道和发展方向。
Trajtenberg[15]认为，创新大致可以分为两种类型：人类增强型创新（HEI）和人类替代型创新（HRI）。受其启发，笔者认为，可以将人工智能技术的发展方向也相应地分为人类增强型人工智能（HEAI）和人类替代型人工智能（HRAI）。HEAI指的是放大、增强和扩展感官、运动、分析和其他人类能力的人工智能。目前的应用领域有医学辅助诊断，例如，挖掘医学成像信息、药品疗效评估等。人工智能在医学的应用并没有取代医生，而是增强了医生的诊断能力和准确性。此外，案件审理也开始借助人工智能技术进行辅助分析和裁决，以提高法官审判的准确性。而HRAI则会取代那些技术含量低和重复性的劳动，例如，特斯拉借助人工智能技术的无人工厂就代替了大量的制造业工人。HEAI是对人类创造力释放，也极大地提升了生产率;而HRAI要么取代就业，要么创造没有价值的工作。对于中国这样的人口大国来说，应大力发展协助人类能力提高的HEAI，而不是大量取代人类工作的HRAI。鉴于中国的特殊国情，应及早确定人工智能的技术轨道和技术发展方向，将技术的主攻方向定为HEAI，在保障就业的同时极大地提升生产率。
（二）塑造公共部门的组织能力
公共部门组织能力的塑造，对于其更好地承担风险以及探索、预见和管理一系列挑战至关重要。要使公共部门与私营部门建立良好的共生关系，关键在于合理地配置资源、制定多主体的互动机制、完善组织结构，这些也是实施使命驱动型创新政策的基本要素。公共部门需要具备良好的领导才能，不断提升与各市场主体互动的能力，特别是当使命驱动型创新政策涉及社会政治因素时，其在政策实践过程中的政策持续能力、组合能力和协调能力的持续提升将变得非常重要。唯有如此，才能成功实施以发展HEAI为使命导向的创新政策。在这一方面，美国的经验值得借鉴。美国国防部于2015年设立国防创新试验小组（Defence Innovation Unit Experimental，DIUx），办公室设在硅谷，其目的在于整合硅谷的高科技资源和初创公司。DIUx的組织结构和运行模式经过3年的试运行和调整后，于2018年正式更名为国防创新小组（Defence Innovation Unit，DIU）。DIU有专门聚焦人工智能技术领域的团队，团队运行模式采用合伙人制度和扁平化组织结构。这种组织结构与传统科层制相比更有利于适应快速变化的技术环境，保证技术项目的快速立项、实施和转化。DIU具有合同签订权、专项预算权等并组织商业方案招标，招标流程分为“方案概要评估—提案评估—签订合同并履行”三个部分，极大地简化了采办流程。其在签订合同环节采用“其他交易协议”方式，这种方式不受政府采购和规章的束缚，允许政府更快速、更便捷地与企业达成协议，并有利于清扫公私联合创新的障碍。
根据上述经验，结合中国的实际情况，笔者认为，可以在人工智能创新资源丰富、发展基础较好的地区，如北京、上海、杭州、深圳等地设立旨在协调人工智能创新资源的专门机构，该机构宜采用扁平化的组织形式，与政府相关职能部门、人工智能的头部企业、人工智能初创企业、人工智能行业协会以及相关高校（研究机构）建立伙伴关系，促进各主体的交流互动并协调人工智能创新资源的优化配置。可以赋予该机构合同签订权和专项预算权，使其能够通过商业招标发现符合HEAI方向的潜在创新和技术，如此，该机构就具备了技术筛选和技术咨询等功能。中国想要实现人工智能创新的快速转化，就要简化人工智能相关项目的报批流程，设计更加灵活、充裕的经费管理制度，增加机动计划经费额度等。同时专设技术审查小组对该机构的整体业务进行审查和监督。 此外，为了有效解决上文提到的数据去隐私、脱敏和标准化这一公共产品供给问题，有必要建立专门的研发机构。一个可行的办法是建立大数据与人工智能国家实验室，重点开发数据去隐私、脱敏和标准化等具有强外部性的人工智能相关技术，解决技术公共产品的供给问题。数据的规范和高效使用是全世界共同关心的问题，中国完全可以利用数据优势构建全球数据技术公共产品联盟，整合全世界的研发力量，形成强大合力，促进大数据和人工智能技术的良性发展。以上组织机构设计思路，如图1所示。
（三）对创新政策效果进行动态评估
主流经济学的公共政策评估一般都聚焦于公共投资的挤出效应，并以此来静态计算政策的成本和收益，因此，找到替代性的创新政策动态评估工具也十分重要。制定公共政策一定会涉及到预算，当前公共政策多是从现有的财政约束角度思考问题，与之相符的评估工具通常基于静态资源配置效率的概念和某种形式的事前成本收益分析（CBA），CBA实际上就是反映商品或服务的最佳替代用途价值。在大多数情况下，评估都是基于市场价格的分析，即在政策干预后对其效果进行评价，并就市场失灵问题解决与否进行评估。这一静态评估工具实际上无法对政府投资重大创新的动态挤入效应进行评估，因此，对使命驱动型创新政策的评估需要考虑更长的时间和更具系统性的评估指标。
根据现代货币理论的观点，财政赤字支出可能会产生经济乘数效应，使经济增长速度快于借贷，从而降低债务与国内生产总值的比率。另外，与家庭或企业不同，拥有主权货币和中央银行的政府不会破产[16]。CBA只关注静态的创新资源约束与配置问题，无法评估动态的市场创造效应，而以发展HEAI为使命导向的创新政策恰恰能够发挥政府“市场创造者”的优势，从而在一定程度上可以对冲HEAI技术轨道未定型和相关市场微弱带来的风险。一旦市场成长起来之后，其辐射效应将大大超出其投入成本。因此，我们需要建立能够评估动态效率目标的价值体系。动态效率包括充分利用资源以应对快速的变化，其中包括创新、投资、改进和增长，最重要的还包括新技术的创造和技术前沿的转移[17]。据此，HEAI未来对其他行业的辐射和溢出效应以及由此引发的各种互补式创新，都应被评估指标和方法考虑在内。因此，评估指标不仅要关注人工智能本身的技术创新能力，更要关注与人工智能相匹配的材料、能源技术的进步，甚至还要考虑对人们生活方式的改进。
（四）理顺公共部门和私人部门的激励结构，使风险和收益相匹配
政府对重大创新的投资会使风险社会化，而创新本身的正外部性会使收益社会化，由于大部分创新收益被企业获得，因此，如何通过制度设计使公共部门与私人部门在创新过程中的风险分担和收益分享相匹配，从而实现激励相容，对创新的可持续性至关重要。针对这一问题笔者提出以下三个方案：第一，政府可以通过向愿意投资于重大技术创新的私营企业发放许可证，从而实现公私双方的风险共担和收益共享。第二，通过传统的税收机制，政府可以在重大创新和基础创新的商业化应用阶段，根据上述的许可证制度对受益企业额外收取一定的税额，以弥补在前期的大量投入，也为下一轮重大创新拓展资金来源。第三，不要“把鸡蛋放在一个篮子里”，政府可以通过投资组合的形式分散公共创新投资的风险，就算某些项目失败了，但少数项目的成功亦可以弥补其他项目的损失。当然，建立共生的公私合作伙伴关系，构建健康的创新生态系统才是实现公共价值创造、促进经济增长的长效机制。
人工智能作为通用技术，其扩散效应受限于前期技术基础设施的投入强度，作为ICT的延展，人工智能的关键共性技术具有投资额大和投资回报周期长等特征。加之，关键共性技术领域的创新不确定性最高，正外部效应较大，一般私人部门没有激励研发该种技术，此时，需要公共部门积极作为。基于公共和私人部门风险共担和收益共享的原则，笔者认为：第一，中国政府可以通过许可证制度，对于有意愿投资于HEAI领域关键共性技术的民营企业给予大力支持，积极促进该领域公私研发联合体的组建，发挥公共研究机构与民营企业的协同创新效应，并鼓励民营企业将研发成果进行商业化转换。政府从企业商业化收益中获得一部分许可证收益，注入关键共性技术创新投资资金池，以实现重大创新的风险和回报社会化。第二，公共部门通过参与研发联合体从而拥有一部分HEAI的知识产权，并在其商业化应用阶段对受益企业收取一定的知识产权使用费作为回报。如果受益企业上市，则可以通过持有HEAI相关企业优先股的形式从资本市场获得一定的回報。第三，中国政府可以扮演天使投资人的角色，通过多元化的“投资组合”形式分散HEAI投资的风险，以达到风险与回报相匹配的目标。
参考文献：
[1] Mazzucato，M.Misson-Oriented Innovation Policy：Changes and Opportunities[J].Industrial and Corporate Change，2018，27（5）：803-815.
[2] Mazzucato，M.，Kattel，R.，Ryan-Collins，J.Challenge-Driven Innovation Policy：Towards a New Policy Toolkit[J].Journal of Industry，Competition and Trade，2020，20（2）：421-437.
[3] 卡萝塔·佩蕾丝.技术革命与金融资本：泡沫与黄金时代的动力学[M].田方萌，胡叶青，刘然译，北京：中国人民大学出版社，2007.18-177.
[4] 蔡跃洲，张钧南.信息通信技术对中国经济增长的替代效应与渗透效应[J].经济研究，2015，（12）：100-114.
[5] 蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究，2019，（5）：3-22. [6] Ketteni，E.Information Technology and Economic Performance in U.S.Industries[J].Canadian Journal of Economics，2009，42（3）：844-865.
[7] 张钹，朱军，苏航.迈向第三代人工智能[J].中国科学：信息科学，2020，（9）：1281-1302.
[8] 贾根良.第三次工业革命与工业智能化[J].中国社会科学，2016，（6）：87-106.
[9] 投中研究院，崇期资本.2019中国人工智能产业投融资白皮书[R].2019-12-13.
[10] Goldfarb，A.，Tucker，C.Privacy and Innovation[J].Innovation Policy and the Economy，2012，12（1）：65-90.
[11] 李根.经济赶超的熊彼特分析：知识、路径创新和中等收入陷阱[M].陈劲译，北京：清华大学出版社，2016.64.
[12] 卡尔·夏皮罗，哈尔·瓦里安.信息规则：网络经济的策略指导[M].张帆译，北京：中國人民大学出版社，2000.157-161.
[13] 井上智洋.就业大崩溃：后人工智能时代的职场经济学[M].路邈等译，北京：机械工业出版社，2018.93-109.
[14] 尤瓦尔·赫拉利.未来简史：从智人到神人[M].林俊宏译，北京：中信出版社，2017.288-296.
[15] Trajtenberg，M.AI as the Next GPT：A Politicial-Economy Perspective[R].National Bureau of Economic Research Working Paper，2018.
[16] L.兰德尔·雷.现代货币理论：主权货币体系的宏观经济学[M].张慧玉，王佳楠，马爽译，北京：中信出版社，2017.18-24.
[17] Kattel，R.，Mazzucato，M.，Ryan-Collins，J.，et al.The Economics of Change：Policy and Appraisal for Missions，Market Shaping and Public Purpose[R].UCL Institute for Innovation and Public Purpose Working Paper，2018.
（责任编辑：徐雅雯）
收稿日期：2021-07-18
基金项目：广西高等学校千名中青年骨干教师培育计划人文社科类立项课题“第四次工业革命与中国技术赶超的机会窗口研究”（2020QGRW006）;广西壮族自治区教育厅A类教改项目“中国特色社会主义政治经济学课程体系构建”（2017JGA138）
作者简介：张海丰（1981-），男，浙江桐乡人，副教授，博士，主要从事演化与创新经济学、制度经济学研究。E-mail：75514316@qq.com