中美人工智能产业创新能力比较及启示

当前国际形势复杂多变，提升产业创新能力是我国增强竞争力和培育新质生产力的有效途径。产业创新能力的概念是国家或地区在科学、技术和生产方面具有隐性或可编码的专业技术和知识,其本质是国家在某些创新领域中能够提供有竞争力的产品/产出。相关研究认为，可以从科学出版维度、技术维度和产出维度测量经济体的产业创新能力，采用的数据源包括科学出版物数据、国际专利数据和国际贸易数据。有的学者还提出复杂性指标、相关性原则和专业化策略等分析方法，其中复杂性指标用于衡量各领域产生成果所需专业知识的数量和复杂性；相关性原则是指经济体未来能否实现多元化，取决于当前掌握相关技能的情况；专业化策略适用于在了解各地科技资源禀赋的基础上，为确定当地科技投资重点提供依据。

1 AI产业创新能力比较的理论依据

目前，AI产业创新能力的比较研究包括3类。

一是AI技术和前沿的比较研究。自2017年以来，斯坦福大学发布了7期《AI指数报告》，在细分AI研究领域的基础上，分析中美等国家的论文等出版物指标。2024年，世界知识产权组织(WIPO)发布了《生成式AI的专利图景》，在细分生成式AI领域的基础上，总结了各国专利申请情况。

二是AI相关产业的比较研究。2023年，国际货币基金组织（IMF）首次发布了AI准备指数（AIPI）,从数字基础设施、人力资本和劳动力市场政策、创新和经济一体化、监管和道德4个方面，根据丰富的宏观结构指标评估了174个国家/地区的AI准备水平。

三是AI对其他领域影响的比较研究。世界经济论坛通过设置指标和调查问卷等方式研究了AI对就业、社会创新的影响。世界贸易组织（WTO）发布了关于《AI如何塑造国际贸易以及被国际贸易塑造》的分析报告,WIPO发布了一系列关于“人工智能对全球知识产权生态系统影响”的指南和研究。

上述文献为比较中美两国AI产业创新能力的差异提供了广阔的视角和良好的数据基础，尤其是对AI科研进行了系统分类和评价，对社会经济的影响等方面的研究较为深入，但仍存在若干局限性。

一是论文总量数据难以测量中美差距。中国AI论文总量已超过美国，论文引用总量也居全球首位，但不足以说明两国在原始创新方面的差距。

二是专利申请数据可能失真。专利申请过程需要公开披露技术信息，OpenAI等AI公司更倾向于通过商业秘密保护创新。我国申请AI专利受产业政策驱动等因素影响较多，如申请流程可获得加速预审和优先审查等政策支持。

三是AI产业结构具有复杂性和多样性等特点，需要开展系统分析。例如，AI技术为各行各业赋能，在统计AI企业数量、AI风险投资、产业复杂度及市场占有率等情况时，需要对相关行业进行界定和分类。因此，有必要采用新思路、新方法测量中美AI产业创新能力的差异。

2 中美人工智能产业创新能力的比较方法

2.1 概念和内涵

在梳理和分析国内外文献和报告的基础上，本文尝试提出AI产业创新能力的概念：AI产业创新能力是指国家/地区在AI相关科学、技术和生产方面具有隐性或可编码的专业技术和知识，并在AI创新领域中能够提供有竞争力的产品和产出。AI产业创新能力具有以下内涵。

第一，需要高水平的人才和科研成果提供支撑。只有具备深厚专业知识、创新思维和实践能力的人才队伍，才有可能取得高质量科研成果、才能更好地把握时代机遇，应对各种挑战，推动产业向更高层次、更智能化方向迈进。

第二，需要多维度、多层次的创新生态体系提供动力。该生态涵盖从基础层（算力、算法、数据）、技术层、工具层到应用层的全链条，每一层都扮演着独特角色，共同推动产业的全面发展。

第三，需要大量的风险投资提供资金支持以及巨大的市场规模实现其价值。风险投资是衡量AI初创企业活力的关键指标，反映了市场预期和创业生态系统的活力。AI技术的核心价值在于应用，需依托巨大的市场规模，以实现其价值。

2.2思路和框架结构

中美AI产业创新能力比较的思路是：以“投入—产出”逻辑模型作为比较研究的框架结构，以顶尖人才、顶级论文、AI风险投资和数字基础设施作为“投入”，将创新型企业和市场规模作为“产出”（图1）。

第一，顶尖人才。

美国智库MacroPolo从2019年开始跟踪分析全球顶尖AI人才的来源国和就业情况，其研究结果具有较好的稳定性和可靠性。全球顶尖AI人才是在国际顶级会议（如神经信息处理系统会议NeurIPS）上能够获得口头报告机会的人才。具体采用指标包括培养顶尖人才的比例和吸引顶尖人才的比例。

第二，顶级论文。

美国研究机构Zeta Alpha分析了顶级AI论文的主要来源国家及作者所属机构等情况。顶级AI论文是指每年引用次数最多的100篇AI论文，不仅代表了AI科研的最高水平，还指明了AI技术的发展方向。具体采用的指标包括发表顶级AI论文的数量、发表顶级AI论文的主体情况。

第三，AI风险投资。

经济合作与发展组织（OECD）对全球AI风险投资的现状和趋势进行了分析，将AI产业划分为20个大领域和228个小领域。具体采用指标包括AI风险投资的交易金额、AI风险投资的交易数量、AI风险投资的领域。

第四，数字基础设施。

IMF发布了AI准备指数（AIPI），其中数字基础二级指数设置由9个分指标构成，本文将直接采用数字基础设施二级指数。

第五，创新型企业。

许多机构对AI创新型企业及数据进行研究，美国乔治城大学动态跟踪和分析了各国的AI相关数据，Companies Market Cap对全球上市公司的市值进行了统计排名，市场研究公司CBInsights选出100家最有前途的AI初创企业，并将企业类型分为基础设施型、垂直型和水平型。具体采用指标包括AI企业总量、市值较高的AI企业、最有前途的AI企业。

第六，市场规模。

Statista、Grand View Research及IDC等市场调研公司对全球AI市场、细分市场的规模、年增长率等情况进行了预测。具体采用指标包括市场规模的预测和年增长率情况。

3 中美人工智能产业创新能力的比较结果

中美AI产业在吸引顶尖人才、关键性科研成果数量、创新主体影响力、AI细分领域发展布局等方面差距明显（表1）。

中美人工智能产业在创新能力上存在显著差距，具体表现在以下几个方面。

一是在人才方面，美国在吸引全球顶尖AI人才上占据优势，而中国在人才培养方面进步明显，但人才流动仍以美国为主导。中国培养的顶尖AI人才比例从2019年的10%上升至2022年的26%，同期美国的培养比例从35%降至28%，显示两国差距有所缩小。然而，在人才就业选择上，美国吸纳了全球57%的顶尖AI人才，中国仅为12%，且中国吸引的海外顶尖人才比例较低。

二是在科研成果方面，美国在原始创新上优势明显，且企业是科研产出的重要主体。2020—2022年，美国发表的顶级AI论文数量为68~78篇，中国为23~27篇。在顶级论文发表机构中，美国科技公司占据重要地位，而中国主要依赖高校。

三是在风险投资方面，美国在投资规模与领域布局上均领先。2012—2023年，美国累计AI风险投资总额约为4300亿美元，中国约为2400亿美元。在投资领域，美国更倾向于医疗、生物技术、IT基础设施等高复杂度行业，而中国则侧重物流、批发零售等产业复杂度较低的领域(表2）。

四是在企业竞争力方面，美国在AI企业数量、市值及创新影响力上均显著高于中国。2024年，美国AI企业总量为10098家，中国为2058家。在全球市值前25的AI企业中，美国有6家，中国仅有1家。此外，美国在最具潜力的AI初创企业数量上也遥遥领先。

五是在市场规模方面，中美市场均呈现快速增长趋势，预期乐观。2023年，中国AI市场规模接近2130亿元，预计2024—2030年复合年增长率为43.5%；美国2023年AI市场规模接近900亿美元，预计2030年将超过2000亿美元。

4 美国促进AI产业创新的相关措施

从历史角度来看，美国的金融、社会文化和移民等制度安排为其在全球AI产业创新中的独特地位奠定了坚实基础。美国风险投资体系比较健全、管理决策机制较为完善、投资收益率较高，是全球AI风险投资最发达的国家。美国还拥有极具开放性、包容性和多元化的社会文化，为AI产业创新提供了肥沃土壤。作为移民国家，美国汇聚了全世界顶尖人才，为AI产业创新提供有力支撑。近年来，美国根据竞争需求和局势变化进行调整和适应，具体措施如下。

第一，大力吸引和培养AI人才。

在签证配额不变的情况下，优先考虑向高薪外籍申请者发放工作签证。美国国家科学基金会（NSF）为数学专业的学生和研究人员提供多种奖学金和资助机会,支持其数学领域的深入研究，鼓励其参与科研项目和学术会议。

第二，布局AI基础研究新方向。

NSF建立了国家深度推理结构（NDIF）合作研究平台，为美国研究人员提供访问尖端大语言模型的途径，揭示大模型系统内部的计算原理。NSF征集人工智能数学基础（MFAI）项目,旨在破解AI发展面临的数学和统计学方面的困境，为AI技术建立创新性和原则性的设计和分析方法，产生可解释的模型，实现可持续、对社会负责和可信任的AI技术。

第三，采取创新的AI科研组织模式。

建立美国人工智能研究院，采用“小核心、大协作”的模式，涵盖世界顶尖高校和企业。定期组织跨界合作，开展学术交流和成果分享，优化资源配置，提高整体研发效率。开辟多元化的资金支持渠道，明确知识产权制度，为研究成果转化提供保障。

第四，营造良好的AI生态环境。

关注国际合作在AI监管中的作用，与其盟友共同制定AI治理框架，建立和维护符合美国价值观和利益的国际秩序。关注AI相关政策的评估与制定。例如，分析AI私营部门的优势与风险，评估AI基础设施的性能。不仅关注AI在军事层面的应用价值，还关注AI在公共安全、基础设施管理和数据分析等多个领域的社会效益。

第五，重视AI相关基础设施建设。

美国正在通过加快建设数据中心、简化许可流程、采取公私合作等多种方式，确保AI技术能负责任地发展。同时，美国加强能源基础设施建设，为训练AI大模型提供电力保障，巩固其在AI领域的主导地位。

5 启示和建议

第一，提高对顶级AI人才的吸引力。

一是依托人工智能国家实验室体系和重大项目部署、国家高层次人才计划、海外引才计划和地方专项人才计划，积极引进优秀青年人才。

二是依托人工智能国际会议、论坛、展览等活动，推动全球人才技术交流。

三是在AI领域探索建立更多聚焦原始创新、鼓励自由探索、具有公益属性的新型资助方式，为符合条件的国内外科研人员提供长期支持。

第二，加强AI基础研究布局。

一是强化基础研究系统布局，加大支持力度，强化对AI新技术、新模式、新业态的跟踪研究。

二是在理论与技术瓶颈研究、特定领域应用研究、数据智能研发等方面深入推进，为下一代AI技术发展和行业应用提供参考。

第三，建立跨学科和跨领域的新型AI科研生态。

一是建立新型AI研究院,快速推动理论研究与实际应用的结合。

二是深入推进产科教融合，以一所或多所高校为核心，汇聚跨领域的学术和产业伙伴，定期组织学术交流和成果分享。

三是加强政府、企业及非营利机构对新型AI研究院的资金投入，形成多元化的投资模式。

第四，加速推进AI基础设施建设。

一是依托国家新一代AI创新发展试验区，探索提供面向AI重大应用场景、大模型训练所需要的大规模高质量数据集。

二是鼓励科技领军企业探索构建涵盖硬件、软件、算法、模型和应用的开源开放体系，强化基础要素支撑。

三是推动数据和算力的科技创新，推进数据资源分类分级开放共享。

本文来源于《中国科技人才》2025(5)。杨娟，中国科学技术发展战略研究院副研究员。文章观点不代表主办机构立场。

◆ ◆ ◆

编辑邮箱：sciencepie@126.com