据中新社报道，中国信息通信研究院4月19日发布《2020年全球人工智能产业地图》显示，中国AI企业数量全球排名第二。

中国信息通信研究院副院长魏亮说，2020年，美国人工智能企业占据全球总数38.3%，中国紧随其后，占24.66%。中美两国AI企业数量占据全球半数以上，保持绝对竞争优势。美、中、英、加等名列前10名国家的AI企业数量排名连续四年无明显变化。尽管俄罗斯2020年AI产业迎来发展热潮，但对AI产业整体格局并未产生决定性影响。

在中国，北京AI企业数量占据中国30%以上。上海、深圳、济南、青岛、成都等城市也成为区域内人工智能企业最集聚、创新最活跃的城市。

《产业地图》显示，2020年，在疫情防控和复工复产中，人工智能技术发挥着重要作用，资本市场对于人工智能的热度升温，全球AI投资金额基本止跌，中国国内AI投资金额转降为升。全球人工智能产业规模达到1565亿美元，同比增长12.3%，但由于疫情影响，增速低于2019年。中国人工智能产业规模为434亿美元，同比增长13.75%，超过全球增速。

另一方面，美国谷歌前总裁埃里克·施密特、美国前国防部副部长罗伯特·沃克领军、美国国会授权的国家安全方面人工智能专门委员会发表长篇报告，分析了美中在人工智能方面的优势、劣势和美国如何在人工智能军事化方面领先中国的问题。报告指出，人才是最重要的，第二重要的是数据，再其次是硬件，然后才是算法、应用和整合。

报告认为，美国在人才、硬件方面领先，在算法方面只是稍微领先，中国在5-10年内会赶上。中国在数据和应用、整合三个方面领先，因为中国对数据私密性的要求较低，中国善于把人工智能产业化、规模化、实用化，中国还有完整的科技政策，把有关方面整合成一体。综合权衡下来，美国的优势在更加基础的层面，中国的优势在更偏应用的层面，所以报告认为美国在总体上略为领先。

必须说，这报告挺有意思的，大体上还算中肯，不过有很多非常重要的疏漏。

人工智能在高速发展，但人工智能现在的发展阶段有点像19世纪的化学，实验室里搞的热火朝天，也不断有重大的新发现，但在理论上还卡在几个关键的地方，理论大大落后于实践。人工智能有很多算法，但缺乏一个统一的理论构架，可以分析、预测系统的性能。事实上，无法预测行为、无法信赖人工智能的决策，这正在成为人工智能得到更加广泛的应用的最大障碍。“阿尔法狗1.0”和2.0在与人类棋手大战的时候，都走出一些匪夷所思的步子。事后分析好像是好棋，又说不出好在哪里，更是想不出什么思路能走出这样的步子。这只是下棋，看不懂棋路不是大问题。要是人工智能用于国家核导弹自动发射控制，也给你来几步人类看不懂的反应，那问题就大了。

人工智能能在可预见的将来在理论上有重大突破吗？不知道，但要是实现的话，肯定是通过人才的。这正是人才的重要性。

美国的人工智能人才数量和质量都世界领先，不过其中兵强马壮的中国军团到底算美国的人才，还是中国的人才，并不一目了然。他们的主力来自过去二三十年出国的大陆留学生，由于师长、亲友、同学的关系，他们中间有很多与国内同行保持紧密的私人和学术联系。如果美国排华加剧，他们中间很可能有一大部分会选择回中国，那时到底美国的人才群体更大，还是中国的人才群体更大，就不好说了。

这也说明了两个问题：

1、    中国人是聪明的

2、    中国教育是出人才的

这些人才大多是在美国成才的，这肯定有美国的教育和研究环境的功劳。还在不久之前，美国是人工智能绝对领先的国家，好种还得沃土才能成才。但在人工智能在中国也高度发达的现在，美国是否继续作为人工智能教育和研究的唯一沃土就不好说了，换句话说，在不久的将来，中国“自产自销”的人工智能人才群体也会非常强大，超过美国都不一定。

以前是认为中国的初级教育基础扎实，高等教育不行。现在这个迷思打破了，过去30年里大量出国读研然后成才的都是中国高等教育体系培养出来。那中国研究生教育也跟上去了吗？研究生教育是和研究紧密相连的，没有教授亲力亲为的研究就没有优秀的研究生教育。俄罗斯航空之父尼古拉·叶戈罗维奇·茹科夫斯基在莫斯科帝国理工学院开设航空课的时候，通过早期航空实践带出安德烈·图波列夫等门生。这些门生都不是光说不练的，图波列夫后来建立设计院，留校（后来成为国立鲍曼工学院，部份分到茹科夫斯基空军工程学院）的师弟们也承继了理论结合实际的传统，阿尔腾姆·米高扬在茹科夫斯基学习的时候，要学习飞行，同学安德烈·柯切托夫后来就是米高扬设计局的主要试飞员之一，而米高扬在校期间自己设计、装配的飞机也是自己试飞的。

30-40年前，中国也有研究生教育，但在很多先进工程技术领域，由于缺乏实践，教授只能当搬运工，从书本上搬到教室里。不是教授不愿亲力亲为，很多工程实践是需要投资支持的，没有项目哪来实践？

现在不同了，在土建、高铁、造船、航空、5G、大数据、人工智能等方面，中国的实践领先于世界，教授当然也就言之有物了，研究生们也从实践中悟出学科的精髓。不需要多久，中国的相关领域研究生教育也必然会“行的”。中国更大、更扎实的数学、物理、工程基础教育则提供了强大的人才生长基础。

还有一点不能忘记：人工智能在本质上是数学的一部分。中国人到底数学是不是天生就好，这是一个伪问题。中国人数学糟糕的多的是，数学好是刻苦学习才做到的。不管是应试教育的祸害也好，还是“学好数理化，走遍天下都不怕”的传统思维也好，中国基础教育（从幼小初高到大学）的数学基础在世界上是领先的，超过美国何止几条街，这才是中国人工智能人才军团的最强大后盾。

硬件是另一个问题。在目前，中国的硬件技术明显落后，华为也为此挨了一闷棍。但人工智能的难关不是在于野蛮算力，而是在于算法。中国也在通过架构上的创新避开芯片难关，超算领先就是例证。通过精巧的架构设计，从较低的硬件水平是实现较高的总体性能的。要紧的是，这不是空谈理论上的可能性可以做到的，是在实践中摸索出来的。这正是中国超算的成功经验，没有理由中国人工智能做不到。

中国同时也在芯片技术上正面攻坚。这里有为国争光和国家安全因素，但最重要的是，中国芯片市场巨大的商机使得这样的不计代价攻坚成为可持续的，有利可图的。科技不是巫术，在技术和投资方面的积累到位了，没有难关是攻不破的，尤其是别人已经走通的难关。人才队伍也是在攻关实践和经验传承中积累起来的。

算法方面，美国同样领先。在基础理论构架形成之前，算法更像手工业时代的各种技巧。换句话说，这也是在大量实践中形成的。在实践中逐步改进，量变形成质变，这是新算法的关键。

这一切都指向最关键的一点：人工智能的应用。在这方面，中国简直是野蛮生长，各种应用爆炸性地涌现。比如说，头条和抖音的推送就是人工智能的应用，电商杀熟其实也是。成功的应用是后续发展的物质基础，否则光在象牙塔里打转转是转不出来的。美国的问题正是在于这里：人工智能的应用受到军方的高度牵引，军方的支持成为可持续性的关键，使得商用人工智能缺乏自我发展的动力。片面依靠军方拉动正是苏联科技发展的问题根源，大力依靠民用需求拉动则是美国的成功经验。有意思的是，美国在走苏联的路，而中国在走美国的路。

报告还指出，中国在人工智能的整合方面领先。这是更高层次的应用，把人工智能整合进入更加宏大的架构，成为超级应用的一部分。作为团队的一份子，而不是单打独斗，这也是人工智能施展拳脚的另一个途径。

大量的人工智能实践正是中国人工智能赶超美国的底气。工程技术不是研究出来的，是干出来的。吴仲华研究出三元流理论，但罗尔斯-罗伊斯才是把三元流变成可靠、省油、大推力的“斯贝”涡扇发动机的，也只有在这样的基础上，理论才得以进一步发展。

报告对于中国在数据领先方面的说法是误导的。中国在数据方面领先，不是因为对私密的要求较低。所谓私密要求，只于人脸识别、语音识别、用户消费习惯分析这些方面有关。且不说中国的数据私密性是否有问题，人工智能远远不止这些方面。远的不说，“阿尔法狗”就不涉及私密问题，人工智能辅助的天气预报、空战辅助决策、自动驾驶都不涉及数据私密问题。

中国如果在数据方面领先，可能得益于后来优势。中国进入工业化的时代已经是数字时代了，大量数据已经数字化和海量储存了。相比之下，美国的数据积累可能更多，但早期数据没有数字化，现在在很多方面也没有中国的数字化程度高，从生产到生活到政务到商务甚至文化，都是如此。

如果说芯片、软件是当今科技高地的话，人工智能是未来科技高地。美国很担心中国会抢占这个高地，担心就对了。