人工智能技術誕生於20世紀50年代，現已發展成為最先進、最熱門的高科技之壹。它處於第四次科技革命的核心，是未來綜合國力較量的重要方面。美國、俄羅斯、歐盟、日本等國家和地區高度重視AI技術發展，積極制定相關戰略和規劃，加強技術研發。從弱AI階段發展到強AI階段，需要在基礎前沿和核心技術上取得重大突破。
AI的核心技術包括機器學習、計算機視覺、知識工程、自然語言處理、語音識別、計算機圖形學、多媒體技術、人機交互技術、機器人技術、數據庫技術、可視化技術、數據挖掘、信息檢索和推薦等。得益於高校、科研機構、企業在AI核心技術上取得的進步，AI技術逐漸走向智能化、泛在化、高效化、全球化，將在經濟社會發展中發揮越來越重要的作用。還應該看到，AI的核心技術還存在壹些問題，如靈活性不足、可解釋性弱、魯棒性差等，這對未來AI技術的發展提出了嚴峻挑戰。
(二)人工智能產業概念的界定
產業是壹個復雜的經濟系統，包括管理、技術、人才、生產、市場、資源和信息[9]。目前定義AI產業的概念有廣義和狹義兩種方式，相關要素的含義和表現形式也不同。廣義的AI產業是指AI技術的深度和廣泛應用，促進技術融合和商業模式創新，推動重點領域智能產品創新，帶動重點行業智能化升級，形成智能驅動、人機協同、跨界融合的產業發展新形態。狹義的AI產業是指團體、團隊和個人基於AI技術的產品和服務的研發、生產和銷售等壹系列經濟活動[10]。本文基於人工智能產業的狹義概念。
AI產業是壹個結構體系，根據產業鏈各階段的供給和依賴，從上到下可分為基礎層、技術層和應用層(見圖1)。基礎層主要提供數據或計算能力支持，如芯片、傳感器、生物識別等。技術層主要進行關鍵技術研究和相關應用，依托計算平臺和數據資源進行海量識別訓練和機器學習建模，開發針對不同領域的應用技術，如語音和自然語言處理、計算機視覺、機器學習等。應用層主要應用於細分的行業場景，核心在於AI技術的商業化，提供產品、服務和解決方案[11]。
圖1艾產業結構圖[10]
註:GPU代表圖形處理器；FPGA代表現場可編碼門陣列。
(三)人工智能技術與人工智能產業的關系
新興產業是通過前沿技術的不斷發展然後工程化、產業化而形成的，科技創新是新興產業發展的重要動力[12，13]。作為重要的新興產業之壹，AI產業與AI技術的關系如下:AI技術是推動AI產業發展的重要核心；AI產業發展趨勢是以AI關鍵技術為核心，向上和向下輻射，分別帶動AI產業結構基礎層和應用層的發展；AI產業整體發展程度受限於AI核心技術的開發創新能力，推動AI關鍵技術創新發展是必然選擇。
目前，中國AI產業整體發展形勢仍落後於歐美發達國家。通過“以科技促產業”的模式，探索符合國情的AI技術創新發展道路，推動我國AI產業快速發展，具有重要的現實意義和深遠的戰略價值。
第三，基於比較分析的人工智能技術發展規律。
技術的發展通常以基礎理論為指導，以市場需求為驅動，強大的市場需求推動著技術的不斷升級和優化。通過分析基礎理論突破和市場需求產生對技術發展的影響，有助於加深對技術發展規律的認識和理解。由於AI技術起步較晚，本文將其與更成熟、應用更廣泛的核能、光伏技術進行比較，研究各自的發展特點，探索AI技術發展的普遍規律。
(1)核能技術
65438+
核能技術的基礎理論主要是在科學家實驗研究的基礎上，通過分析實驗現象，總結推理得出的。1919年，英國物理學家盧瑟福用α粒子轟擊氮原子核獲得質子，首次實現了原子核的人工蛻變。1939年，諾貝爾物理學獎獲得者費米提出了鏈式反應原理，為和平利用原子能奠定了理論基礎。目前，核能技術經過長時間的研究已經有了充分的理論基礎。
2.技術發展
基於基礎理論，核能技術的發展受到國防和軍事需求的強烈牽引，並逐漸具備完善的技術能力，已被視為成熟的技術領域。1940年美國發起的“曼哈頓計劃”是核能技術研究的經典模式。此後，美、蘇、英、法的原子彈相繼爆炸成功，中國分別於1964和1967成功爆炸第壹顆原子彈和氫彈。
3.技術市場應用
核能技術最初應用於國防和軍事領域。如1933年，匈牙利物理學家齊拉德發表相關著作，提出核能開發可用於國防和軍事領域。二戰結束後，依靠核能技術紮實的研究基礎，科學家們迅速將核能的應用轉向和平目的，如1954年蘇聯建成的世界上第壹座5兆瓦實驗石墨沸水堆(奧布寧斯克核電站)，這是核能技術應用於民用市場的重要標誌。
綜上所述，核能技術基礎理論研究充分，技術研究紮實。是20世紀高科技發展的典型，從國防和軍事應用需求出發，帶動民用需求的蓬勃發展。
(2)光伏技術
65438+
太陽能電池的工作原理是光伏效應，是法國科學家貝克勒爾在1839年的實驗中發現的。這壹原理的發現促進了光伏技術的研究和產業的發展。隨著理論研究的深入，科學家發現許多材料都具有光伏效應。比如在1877亞當和戴研究了硒的光伏效應，在1904哈爾瓦克斯發現了銅和氧化亞銅的結合具有光敏性，在1932奧多貝特和斯托拉發現了硫化鎘的光伏現象，在1941奧爾發現了矽的光伏效應。
2.技術發展
光伏技術發展至今，常見的太陽能電池有矽太陽能電池、III-V族太陽能電池、銅銦鎵硒太陽能電池、碲化鎘太陽能電池、有機太陽能電池和染料敏化太陽能電池。近年來，隨著新材料的不斷研發，光伏技術的研究呈現出多元化的趨勢，越來越多的新型電池材料(如鈣鈦礦、石墨烯)被發現。然而，新型太陽能電池的技術研究也面臨壹些問題。例如，鈣鈦礦太陽能電池與許多新型太陽能電池相比，具有成本低、效率高的優勢，但在有毒金屬替代、電池長期穩定性、大面積太陽能電池制備技術等方面存在不足，對產品商業化提出挑戰[14，15]。因此，光伏技術雖然有很好的理論基礎，但在先進材料的研發和制備方面還存在短板，技術研究略顯薄弱，不同技術方向的研究水平也參差不齊。
3.技術市場應用
光伏技術的市場應用模式和核能技術類似，也是從軍事需求出發，然後帶動民用需求發展。1958年，美國第壹顆由光伏電池供電的衛星“先鋒壹號”發射入軌，標誌著光伏技術在軍事市場的早期應用。1962年，搭載14 W太陽能電池的商業通信衛星Telstar發射入軌，成為太陽能電池在民用市場應用的開端。
綜上所述，類似於核能技術，光伏技術的基礎理論研究充分，在技術市場的應用也是從國防軍事領域開始，以此帶動民用需求的發展。受限於新材料的研究水平，光伏技術在各個子方向的研究水平參差不齊。
(3)人工智能技術
65438+
與核能、光伏技術不同，AI技術在發展初期並沒有完整的基礎理論。1936年，英國人艾倫·圖靈(alan turing)創立了自動機理論，可以視為AI概念的起源。1956年，約翰·麥肯錫、明斯基、羅切斯特和香農首先提出了AI技術的定義。在AI技術的發展中，對某壹領域方法的研究遠遠多於對基礎理論的研究。AI早期的基礎理論定位於“思想”和“概念”，但並沒有提供充分的原理解釋[8，16]，更註重壹些具體領域的方法研究；基礎理論研究薄弱，有許多未知領域需要進壹步探索。普遍認為AI技術的基礎理論缺乏且不完整，尚未達到核能和光伏技術的研究水平。
2.技術發展現狀
AI技術的發展也和核能、光伏技術有很大的不同。AI技術還處於弱AI階段。雖然在很多領域得到了應用，但由於技術本身的不足，在國防等“高科技”領域還沒有得到廣泛應用。AI技術已經廣泛應用於常規民用領域，更新叠代速度非常快。目前AI技術處於常規技術更好，高端技術欠發達的局面。
3.技術市場應用
AI技術應用的發展經歷了三次浪潮[6]，代表節點和應用都產生於民用市場領域。比如1973年日本研發的Webot 1機器人，是第壹個基於智能軟件的人形機器人，可以播放音樂；1980日本研發的Webot 2機器人，可以與人交流，看樂譜，彈電子琴。國際商業機器公司(IBM)開發的1997“深藍”擊敗國際象棋冠軍；2006年，法國機器人公司阿魯迪巴開發了智能機器人Nao。從需求端來看，鑒於國防領域需求場景的特殊性，AI技術在國防領域的應用還存在數據少、邊界不確定、環境復雜、實時響應高等問題。整體來看，AI技術的市場應用與核能、光伏技術不同，仍以民用需求為主；受技術水平的限制，在未來很長壹段時間內，它在民用領域的應用會比軍用領域更廣泛。
(四)比較分析結論
通過對比核能和光伏技術在基礎理論研究、技術開發和技術應用市場模式上的發展規律(見表1)，可以發現AI技術有以下發展規律。
表1核能、光伏和人工智能技術的研究與比較
(1)AI技術相對缺乏基礎理論研究[16]。是未來推動AI技術成熟發展的壹個重要方面。創新是信息技術發展的靈魂和核心，人工智能技術的快速持續創新是其發展的必由之路。
(2)與核能、光伏技術相比，AI技術還具有軍民兩用的潛力，軍民市場協同發展是未來發展的必然之路。受限於高端AI技術發展不足和軍民市場需求差異明顯，探索AI技術在軍民市場的特色創新發展路徑是AI技術的重點發展方向。
第四，AI技術創新的路徑
(壹)“漸進式”發展是人工智能技術發展的必然選擇
基於基礎理論尚未完全發展，技術水平以弱AI為主，民用市場巨大，軍用市場需求明顯，但實際應用較少的現狀，我國AI技術的發展必須走壹條獨特的創新之路。因此，本文采用“內卷化”和“進化”發展的概念來闡述。“內卷化”是指在有限的領域投入大量的現有技術來提高總產出的方式[17]。“內卷化”通常表現為技術的復制、延伸和精細化發展，在發展過程中存在效率提升有限的困境。“進化式”發展側重於技術本身的發展和突破，通過應用領域的拓展帶來新的社會效益。
目前AI技術呈現出“內卷化”發展模式，常規技術發展較好，高端技術發展不足，技術價值和影響力展示不足。壹些AI技術(如語音識別、圖像識別)已經廣泛應用於社交、翻譯、安全、醫療等領域，但其魯棒性低、可解釋性差等問題並未得到根本改善，應用場景也受到了限制。這種現象壹方面源於技術突破本身的難度；另壹方面，由於國內民用市場規模巨大，僅在某些特定市場及其細分市場使用弱AI就能使技術擁有者獲得巨大收益，導致AI技術缺乏深入研究的動力。“內卷化”發展的高收益是短暫的，後續的市場競爭會削弱收益[18]。只有加強創新和創造，采取專註於非特定市場和“不舒服領域”市場應用的“進化式”技術發展模式，AI技術才能保持旺盛的技術生命力。
(二)融合發展，促進人工智能技術的“漸進式”發展
為了推動AI技術發展走出“舒適區”，從“內卷化”發展向“進化”發展轉變，需要新的外部環境驅動力。與民用需求相比，軍用需求更加復雜，市場特征明顯不同。要在強AI和超級AI領域有所突破，單純依靠民用市場的需求是不行的，需要靠軍用需求來拉動。軍事場景的應用要求AI技術具有邊界不確定性、遊戲對抗性強、實時性高、環境復雜度高、信息不完全等戰場特性，相應的設備要滿足可靠性、可維護性、可測試性、安全性和環境適應性等要求，這是從弱AI向強AI、超級AI發展的指導標誌。可以認為，軍事需求驅動的AI技術集成發展，已經成為克服AI技術創新困難、保證創新活力的首選路徑。
還需要註意的是，AI技術面向軍民市場的發展模式與核能、光伏技術不同。核能和光伏技術的市場應用模式首先服務於國防和軍事領域，然後帶動民用領域的應用；從軍用市場向民用市場轉移的技術壁壘相對較低，更容易打破軍民產業界限，實現軍民領域技術的“進化式”發展。由於軍用和民用市場需求差異明顯，AI技術在軍用需求和民用需求之間的相互轉化受到很大阻礙；只有加強軍事需求牽引，打破軍民產業邊界，才能實現AI技術的“進化式”發展。
基於國情，可以采取“三步走”路線，實現AI技術的融合發展。第壹步，根據軍事市場的特殊需求，將民用技術成果與需求應用場景進行匹配，使民用成果直接轉化為軍事應用。比如智能安防技術民用市場相對成熟，但軍用場景還沒有深度開發；通過這種改造，不僅可以擴大技術的應用範圍，還可以初步檢驗常規弱AI技術的成熟度和可靠性，快速定位技術短板。二是新興AI技術，如智能安全技術，應通過軍民協同創新和聯合研究來突破，以促進具有強烈AI特征和兩用屬性的通用AI技術的誕生；第三步，針對軍方的高需求，軍方將保證對特殊需求的必要投入，開展民用領域難以或不願開展的高端技術研究，推動超級AI技術的研發和商業化；可以分階段將研究成果轉移到民用領域，探索“軍用牽引民用”的發展格局，如生物智能、智能微系統等。
動詞 （verb的縮寫）對策和建議
(壹)頂層布局，建設新型R&D機構
建議國務院、中央軍委共同引導和支持建設具有軍民領域引領和資源配置能力的新型R&D機構。針對AI技術的多元化和“集體智慧”的特點，本著高效務實的原則，采取“頂層統籌、軍民合作、各有側重、群策群力”的項目運作模式，讓AI基礎理論研究探索自如，高端技術研究有好的團隊集中攻關；有效協調軍民市場需求，使新R&D機構運行符合AI技術創新的基本特征和發展規律。
(2)拓寬渠道，加大資源保護。
AI技術的集成發展需要穩定的資金支持渠道，建議采用“科研經費+市場效益”的驅動模式。當民用成果轉化為軍用時，將設立科技領域的國家重大項目，通過科研經費保證資源。在軍民協同創新、軍工牽引階段，相關研究成果向民用領域轉化時，應考慮引入行業內國有或民營企業，由民品專項培育基金予以支持。
(三)重視人才，推進綜合人才隊伍建設。
目前，AI領域的領軍人物和團隊都集中在國內外知名的科研院所和骨幹企業，但AI技術集成的發展需要構建壹個多源的人才團隊，以更好地專註於科研。人才隊伍建設需要依托相關科研機構。壹開始可以采用“雙聘用制”模式，引進高級人才和團隊，明確人員的權利和義務；在團隊建設逐漸成熟後，可以引入定向培養機制，培養核心團隊和領軍人物，打破現有人才引進的僵局。此外，實現“同工同酬”，吸引軍事人才和地方人才共同攻關；發揮各自優勢，真正實現軍民協同創新。在人才隊伍建設過程中，要同步建立差異化的評價機制。
(D)協調發展和倫理研究。