任泽平解析人工智能：新基建 迎接智能新时代

　　文/新浪财经意见领袖专栏作家 任泽平、连一席、谢嘉琪 

　　人工智能技术突破和政策支持吸引资本持续投入，过去十年平均投资年增速约50%。据斯坦福大学数据，全球对人工智能初创企业投资金额从2009年的不到10亿美元升至2019年的近400亿美元，其中2014年开始投资加快，2014-2019年11月，全球人工智能初创企业共获得1.6万笔投资，平均每笔投资金额约860万美元。

　　人工智能是新一轮产业变革的核心驱动力量，将推动数万亿数字经济产业转型升级。三次工业革命历史表明，不论机械技术、电力技术和信息技术，都可以极大地促进生产标准化、自动化、模块化，具有很强的通用性，人工智能技术同样具有类似的特征，应用潜力巨大。国务院《新一代人工智能发展规划》指出，到2025年中国人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。

　　人工智能是新一轮科技竞赛的制高点，对经济增长和国家安全均至关重要。在这一场全球竞争中，中国的优势在于百度、华为、阿里等平台型公司积累了扎实的技术基础、丰富的应用场景和海量数据，在新基建大战略下，将为国家发展打造竞争新优势、注入增长新动能，有望成为人工智能新基建的领军力量。当然，在基础科研、基础算法、核心芯片、高端人才等方面我国仍存短板。大国科技实力是国家实力的核心，能否抓住智能时代的变革机遇，是中国建设现代化强国的关键。

　　1  迎接智能新时代

　　1.1 人工智能是数字经济时代的“新电能”

　　人工智能是第四次工业革命的重要组成部分，将推动数字经济产业转型升级。自18世纪以来，人类社会共发生过三次大型的技术革命，分别是蒸汽机革命、电力革命和信息互联网革命。每一次的技术革命均伴随着相关学科的发展，理论知识又在实际运用中得到完善，“技术突破-知识学科进步”形成良性循环，并且成为后续其他的技术发展的支撑，对社会的影响力也将随之增强。得益于互联网信息时代的数据积累，半导体行业设计、制程进步和芯片运算能力提升，深度学习结合强化学习带来的计算机视觉、语音技术、自然语言处理技术应用更精准，人工智能将是第四次技术革命中的重要技术，如同人工智能和机器学习领域国际权威学者吴恩达所说，“人工智能是新电能，正改变医疗、交通、娱乐、制造业等主要行业，丰富充实着无数人的生活”。

　　自1956年达特茅斯会议上首次提出人工智能（Artificial Intelligence）以来，人工智能已经发展60多年。一般认为，计算机需要通过不断地自我学习、扩充知识库，进而掌握人类拥有的“画画、唱歌、读书、设计”等众多技能，便是“智能”的表现。中国信通院在《人工智能发展白皮书（2018）》中提到，人工智能可以理解为用机器不断感知、模拟人类的思维过程，使机器达到甚至超越人类的智能，即人工智能需具备类人的感知、思考和决策能力。

　　人工智能基础层、技术层和应用层快速发展，诸多应用已经深入日常生活。基础层包括硬件、算法和海量数据三部分，其中硬件的核心是具备高运算能力的芯片，例如CPU、GPU、ASIC、FPGA等，算法的核心是机器学习，包括深度学习、浅层学习和强化学习等。技术层包括计算机视觉、语音、自然语言处理等技术。应用层则是人工智能产品、服务和解决方案，适用于家电、金融、机器人、汽车、医疗等领域。近10年来人工智能快速发展，面对日益增长的需求，一些例如百度、华为、阿里等具备长期研发经验的企业也陆续推出人工智能开发平台或人工智能系统，有望成为人工智能新基建的领军力量。尽管与科幻小说和电影里对人工智能的构想有较大差距，人工智能产品和服务已经普遍存在我们现实生活当中，小到多语言翻译软件、智能音箱，大到自动驾驶系统、城市安防系统、城市大脑等，人工智能的发展已经远远超出早期构想，政府、企业、非营利机构都开始积极拥抱这项技术。

　　1.2  从“+人工智能”走向“人工智能+”

　　人工智能已经在众多垂直领域实现应用，目前较为成熟的领域包括家居、金融、交通、医疗等。通过与诸多垂直领域相结合，人工智能技术可以通过两方面进行产业赋能：一方面提高生产效率、降本增效，即“+人工智能”；二是创造新的需求和增长点，即“人工智能+”。

　　1、“+人工智能”：快速高效处理数据，同时兼顾普通和长尾用户，提高生产效率，实现降本增效。以金融行业为例，目前人工智能主要用于风控、支付、理赔、投顾等方面，其中智能投顾应用最为成熟。智能投顾在2008年诞生于美国，由于专业素养和人工服务性质，美国各大金融机构的投顾门槛较高，平均投资门槛约5万美元，平均管理费用为所管理资产规模的1.35%，服务对象主要为中高资产阶级。但随着千禧一代的成长、传统投顾用户逐渐饱和，金融机构对如何争取这群长尾用户的需求日益提高。人工智能通过海量数据学习、精准算法分析，结合用户提供的风险承受水平、收益目标、市场的动态，进行个性化定制服务。对比人工服务，智能投顾投资门槛最低至500美元、管理费率约0.02%-1%。目前，例如招商银行、工商银行等国内主流金融机构也推出智能投顾产品，其他机构也加强研发具备类似功能的产品和服务。

　　在此次新冠肺炎疫情防控中人工智能也发挥了巨大作用，主要覆盖疫情监控、体温检测、病毒检测、复工复产等方面。春节时期新冠疫情爆发，对病毒检测、追踪、隔离防控等工作带来巨大挑战，人工智能的应用，以数据为支撑，主要帮助时态追踪和疫情研判。以百度解决方案为例，1）体温监测和疫情地图加强疫情监控，对比SARS时期，新冠病毒爆发的春节假期正逢全国人员高速流动时期，而病毒高感染特性加大早期的人工排查难度。人工智能计算机视觉的运用，一方面满足例如机场、高铁等公共地区的体温监测，另一方面满足对疑似病例和携带病毒人员的身份排查记录，增强疫情排查力度和效率。2）在线问诊和病毒检测减缓医疗服务压力，中国医疗资源不足且分布不均，新冠疫情早期因恐慌而造成的多例医院门诊交叉感染病例更是对医疗资源带来极大压力。在线问诊工具的开发一方面降低医护人员接触感染几率，另一方面聚集医疗资源，减轻临床医生的负担，提升诊断效率和服务质量，弥补人力短缺。此外，人工智能极大提高新型病毒的检测速度，百度开发线性时间算法LinearFold，将新冠病毒RNA结构检测从55分钟缩短至27秒，速度提高120倍。3）远程办公与在线教育助力复工和教育，百度如流和百度智能云提供企业通讯、语音视频会议、协同办公、线上教学等服务，保障员工和学生健康的同时，加速恢复办公和教学。

　　2、“人工智能+”：创造新需求、新商业模式、新的经济增长点。以汽车为例，其中智能网联是人工智能在汽车行业应用最受关注的领域。智能网联一方面可以提升汽车的智能化，包括自动驾驶、智能语音、智能座舱等；另一方面与5G相结合，提高汽车信息沟通能力，实现网联化，包括人员和车辆安全管理、城市道路交通规划等。1）汽车将成为各种服务和应用的入口，催生新的商业模式：智能网联汽车可以在生命周期内通过OTA空中升级持续更新应用，界面交互将赋予汽车更多应用场景——在无人驾驶的情况下，司机将有更多的自由时间，而车联网技术使汽车随时与办公室、家、公共设施相联，实现远程控制。与智能手机行业发展类似，随着智能网联汽车发展成熟，数据增值（包括共享出行、汽车保险、金融服务）、娱乐休闲、智能规划等应用环节的重要性和产业价值将超过单纯的汽车生产和制造环节。2）汽车电子、汽车软件等需求提升：汽车电子和软件对汽车的重要性提高，自动驾驶、计算平台、车载操作系统等前沿技术成为新的价值增长点。

　　2020年4月19日，百度Robotaxi上线百度地图及百度APP智能小程序Dutaxi，向长沙市民全面开放试乘服务。这意味着在相关法律法规指导下，百度率先推动Robotaxi在湖南湘江新区进入常态化的测试试乘阶段。在场景端，Apollo Robotaxi开放的打车范围约130平方公里，行车路线覆盖长沙当地的居民区、商业休闲区及工业园区等多维度实用生活场景。在产品端，Apollo Robotaxi的可视化界面能够还原360度视野范围内的障碍物及动态预测，呈现途经车辆、车道、路口、红绿灯等路况，并伴有限速提示及变道提醒，用户可通过屏幕实时关注时速、剩余里程等驾驶信息。百度等企业在自动驾驶、车路协同、智能车联等平台技术的研发积累，有望进一步复制到智能信控、智能公交、智能停车、智能货运等应用场景，不仅带动传感器、芯片、自动驾驶算法、智能座舱、车云服务等产业发展，而且可以提升出行效率、降低出行成本，有望成为智慧出行的重要增长点。

　　2  人工智能技术制高点之争

　　人工智能产业竞争是各国政策、基础研究、技术、资本等各方面综合实力的竞争。目前各国政府高度重视，在基础设施搭建、基础科研、人才培养、资助研发、合作交流等方面给予支持鼓励。资本和企业也积极寻求商业落地场景，协助技术转化。技术落地于垂直领域，继而产生新的数据，促进算法更新迭代，又可以进一步服务于垂直领域，如此循环往复、不断发展。这场全球竞赛中，中国的优势在于拥有海量数据和实践经验，但在基础科研、基础技术、前沿拓展方面仍存在薄弱环节。

　　2.1  政策：全球主要国家和地区均高度重视

　　以AlphaGo事件为分水岭，人工智能获得空前关注，主要国家和地区纷纷加入这场事关未来大国科技实力的竞争当中。因为基础设施尚未普及、技术超前、理论分支众多等原因，人工智能的发展经历过三次潮起潮落，直到2016年DeepMind公司研发的AlphaGo挑战世界围棋顶尖棋手李世石，并获得最终胜利，才让全球又重新感受到人工智能所带来的魅力。AlphaGo在人机大赛中所表现出的与人类相似甚至更甚一筹的观察、思考、决策能力，吸引世界各国和地区开始着手和加强人工智能领域研发。根据不完全统计，目前全球包括美国、中国、欧盟、日本、韩国、印度、丹麦、俄罗斯等近30个国家和地区发布人工智能相关的战略规划和政策部署。其中，约80%的国家在2016年之后密集发布相关政策和官方计划，例如美国《国家人工智能研究与发展战略规划》、英国《机器人技术与人工智能》、中国《“互联网+”人工智能三年行动实施方案》等。

　　从发布的政策规划来看，各国和地区认同人工智能对未来的人才、产业升级、社会福祉、全球影响力的重要性，并作为国家级战略进行推进。根据各国科研实力、人才汇集程度、基础设施完备度、国情等因素，各国和地区的侧重点有所不同。

　　美国致力于维持全球科技霸主地位，人工智能位于其科技版图的核心。从奥巴马时期到特朗普时期，美国一直积极支持人工智能的研究，并将政策态度从“引导和扶持”转为“必须领先”。2019年，美国陆续颁布《维护美国在人工智能领域领导地位》、《国家人工智能研发战略计划》、《美国人工智能时代：行动蓝图》三部重要政策，表现美国政府对人工智能技术的高度重视和维持领先地位的决心，主要措施包括：1）加强联邦政府资助，美国认为政府资金支持是参与推动科研进步的重要环节，但官方资助力度逐渐下滑，1976年到2018年，联邦政府的研发支出占GDP比重从约1.2%下降为约0.7%。此外，通过减税来鼓励企业加大研发投入；2）发挥硅谷创新力量，建立包括计算机视觉、语音语义、开源框架平台等在内的技术和产业生态链；3）重视以芯片为主的硬件层，包括促进国内半导体制造产业、建立多边出口管制、保护供应链等；4）重视全球性人才，包括对国内人才的培育和国际人才的吸引，认为有必要简化相关人才的H-1B签证申请程序；5）加强合作，包括国内外组织研发中心或联合实验室、举办创新比赛等；6）开展前沿技术研究。

　　欧盟重点关注工业、制造业、医疗、能源等领域，强调发挥创新创造力，应用人工智能使制造业及相关领域智能升级。与美国类似，欧盟较早对人工智能进行研发，并通过颁布政策、扶助资金、推出国家级计划、建立重点科研实验室等行为支持人工智能技术和产业发展，例如2018年颁布的《人工智能合作宣言》。此外，作为“数字欧洲”计划和“地平线2020”计划中的重要环节，人工智能相关项目也将受到数十亿欧元的投资。与美国对比，1）欧盟更加重视人工智能的道德和伦理研究，并在多份文件中表明人工智能发展需要符合人类伦理道德，例如2020年3月颁布的《走向卓越与信任——欧盟人工智能监管新路径》明确提出，为解决能力不对等和信息不透明，保障人民相关权利，需要建立人为监督的监管框架，重视数据安全和隐私保护；2）欧盟对人工智能的应用侧重更细化，不同于美国的全方位领先，欧盟希望借助自身在制造业、工业、汽车等领域的优势，利用人工智能技术进行产业强化升级，例如《欧盟2030自动驾驶战略》。

　　日本由于面临严峻的少子化老龄化问题，着重研究人工智能在机器人、医疗、汽车交通等领域的应用。日本生育率长期低迷、老龄化水平长期位居世界第一，1992年日本劳动年龄人口占比见顶，2008年日本人口总量见顶，这对日本经济、社会发展产生了深远的负面影响，包括养老、健康等挑战。以2016年发布的《日本下一代人工智能促进战略》为起点，日本不断推出相关政策规划，围绕“基础研究-应用研究-产业化”三个方面，其中日本总务省下设的信息通信技术研究所和文部科学省进行人工智能理论和技术研发，经产省解决应用场景问题，经产省建立的人工智能研究中心（AIRC）促进产学研合作，主要承担成果转化和推广。

　　中国人工智能呈三阶段逐步推进，重视与制造业和服务业的融合。自2015年起，我国人工智能相关政策从智能制造时期，“互联网+”时期（以《“互联网+”人工智能三年行动实施方案》为代表），到“智能+”国家战略时期演变（以《新一代人工智能发展规划》为代表）。政策重心也从核心技术攻克到实际场景应用，从特定行业到跨界融合，从单项技术到人机协同。与美国和欧盟类似，我国也强调建立相关试点项目，包括技术示范试点、政策试验、社会实验。

　　2.2  基础科研：美国最强，中国快速追赶

　　中国人工智能领域论文数量增长较快，但论文质量与美国依然存在差距。全球累计共发布人工智能论文超70万篇，中国、美国是论文发表大国，2018年中美两国分别发布论文2.5万篇和1.6万篇，全球合计占比46.5%。从增长趋势来看，美国保持匀速增长，中国自2014年后增长较快，中国论文数量占全球总量比重从1998年的8.9%上升为2018年的28.2%。从代表论文质量的FWCI指数（平均加权引用影响指数）来看，中国论文质量也在稳步提升，从1998年的0.43提升至2018年的1.39。美国保持全球最高水平，长年保持在2左右，2018年FWCI指数达2.38。

　　FWCI指数：FWCI标准化为1，当某国或机构的FWCI指数为1时，表明该国或机构的引用影响力在世界平均水平。如果某国或机构的FWCI指数为1.2，表明该国或机构论文被引用次数超出世界平均水平20%。如果某国或机构的FWCI指数为0.8，表明该国或机构论文被引用次数低于世界平均水平20%。

　　从论文发表机构类型来看，包括中国、美国、欧盟27国等在内的各国和地区均以高校为核心科研力量，2018年三者高校论文产出占各自总产出的92.1%、84.6%、90.7%。除高校外，中美两国的主力科研主体有所不同，2018年中国科研机构产出约为中国企业产出的3倍，而同期美国企业产出约为美国科研机构产出的1.6倍。

　　2.3  数据量：人工智能时代的“原材料”，中国具有规模优势

　　电脑和智能手机的普及、互联网和移动互联网所累积的数据爆发，是促进人工智能技术和应用突破的重要原因之一。人工智能需要做到“感知、思考、决策”，首先就是需要足够多、足够好的原始数据对计算机进行训练，犹如培育良驹，得喂足新鲜的牧草。“足够多”代表数据的数量要大，电脑的发明让运算简化，并让信息以电子化形式保存，智能手机的普及让全球网民渗透大幅提高，两者令大量的数据被保存。“足够好”代表数据的质量要佳，互联网的诞生极大地缩短信息交流的物理距离、提高传播速度，各类互联网类服务应用诞生，其产生的数据类型也更加多样，包括浏览网页喜好、外卖点单频率、行程记录等，多元丰富的数据才能应对各种训练人工智能的要求。

　　数据增长和运用依赖于信息和物理的基础设施构建，中国将成为全球最大的数据中心。得益于人口数量、互联网渗透率、智能手机渗透率、网速等，2018年中国拥有数据量7.6ZB，占全球数据总量的23.4%。随着5G、物联网等发展，通讯设备接入数量和承载能力提高，终端消费者增多，中国的数据量将在2025年达48.6ZB，占全球数据总量的27.8%，成为全球最大的数据集中地，将极大的促进和丰富人工智能训练，相关模型结构和结果也更精准。

　　2.4  技术：深度学习推动本次人工智能热潮

　　足够多、足够好的数据支撑人工智能“感知”阶段，而人工智能算法使计算机拥有思维，从而达到“理解、决策”，深度学习在这过程作出巨大贡献。深度学习是一类模式分析方法的统称，计算机通过学习样本数据来掌握内在逻辑和规律，从而拥有分析能力，这项研究最早可以追溯到1958年弗兰克·罗森布拉特发明的感知机（Perceptron）。利用感知机，可以进行图像区分训练，例如最常见的从水果堆中选出“苹果”或者“香蕉”。然而当时缺少足量的数据，该项研究陷入瓶颈，并出现过度拟合（Overfitting）问题，例如学生希望通过练习相似的题目来掌握一种题型，但是训练量不够大、并没有理解题型背后的知识点，考试一旦发生些许变化便无法解出答案。后来，科学家通过研究人脑，试图模仿人脑神经网络机制来进行图像、声音等分类工作，逐渐演化成如今的深度学习。

　　深度学习的发展推动人工智能基础应用技术突破，自2010年起，全球包括计算机视觉、语音语义等基础应用技术的专利申请量急速增长。

　　计算机视觉技术主要是让计算机拥有人类的眼睛，学会“看”图片、文字、视频等，经常用于图像识别、人脸识别等，适用于自动驾驶、安防、人脸支付等领域。从计算机视觉和图像识别相关的技术申请情况来看，截至2018年12月31日，全球共申请14.3万项同族专利，中国、美国、韩国成为全球申请数量前三国家，分别为5.3万项、2.4万项、2.3万项。从技术授权情况来看，美国技术授权量全球最高、达1.3万项，日本和中国排为第二、第三，分别为1.04万项和1万项。从申请人来看，佳能、东芝、三星为前三申请人，申请数量分别为2900项、2700项、2300项。

　　语音语义技术主要是让计算机学会“听、读”文字、段落、文章等，经常用于文字识别、语音情感分析、人机对话、声音定位等，适用于翻译软件、车载操作系统、智能音箱、语音助手等领域。从语音语义技术相关的技术申请情况来看，截至2019年12月20日，全球共申请4.3万项专利族，中美两国依然是这个领域的主要申请国，合计占比超过75%。从申请人来看，语音语义领域的申请人以企业为主，其中IBM、三星、微软为前三申请人，申请专利量分别为1741项、890项、821项。从专利授权人来看，微软、IBM、Nuance为前三授权人，授权量分别为672项、468项、440项。从国内企业情况来看，百度成为唯一一家在语音语义技术领域申请量和授权量均列全球前十的企业。

　　中国人工智能领域的专利申请量呈逐年上升趋势，据国家工业信息安全发展研究中心《人工智能中国专利技术分析报告》数据，2018年国内专利申请量达94539件，为2010年申请量的10倍。截至2019年10月，百度、腾讯、微软、浪潮、华为分别以5712、4115、3978、3755、3656件专利申请量位列国内人工智能专利申请量前五。

　　人工智能芯片的出现显著提高数据处理速度，支撑日益复杂的算法处理庞杂数据，是人工智能发展的重要基础。随着处理的数据量增多、从通用场景到各类特定场景，算法模型设计的框架和层数也越来越复杂，这对基础硬件提出更高的运算要求。从相关专利申请情况来看，中美两国是申请大国，截至2019年10月，中美两国人工智能芯片专利申请量分别为1.6万项和1.1万项。从相关申请人来看，传统芯片和半导体企业更有优势，其中三星、日立和IBM是该领域的前三专利申请人，从近年申请趋势来看，三星和英特尔表现更积极。从实际应用产品来看，目前具备代表性包括英特尔EyeQ系列、英伟达Xavier系列、华为昇腾310、寒武纪Cambricon 1M系列、百度昆仑芯片等。

　　中美两国是全球人工智能企业聚集地，中国企业集中于应用层，美国企业集中于技术层。截至2019年2月，全球共有人工智能企业3438家，美国以1446家位列第一，全球占比42.1%，中国第二、共745家、全球占比21.7%。从企业类型来看，中国主要为应用层企业，美国主要为技术层企业。中国应用层人工智能企业占比最高，为75.2%；技术层居第二位，占比为22%；基础层企业占比最少仅为2.8%。而美国更重视技术研发，三类企业占比分别为39.1%、57.7%、3.2%。

　　2.5  资本：全球投资持续上升，中美人工智能企业最受资本青睐

　　人工智能技术突破和政策支持吸引资本持续投入，过去十年平均投资年增速约50%。据斯坦福大学数据，全球对人工智能初创企业投资金额从2009年的不到10亿美元升至2019年的近400亿美元，其中2014年开始投资加快，2014-2019年11月，全球人工智能初创企业共获得1.6万笔投资，平均每笔投资金额约860万美元。

　　从国家和地区来看，美国公司和中国公司是全球投资重点。由于美国的技术领先性，美国无论是被投资金额还是被投资企业数量均保持世界第一。尽管中国被投企业数量不及美国，由于每笔投资金额较高，例如旷视科技2018年3月C轮融资4.6亿美元、商汤科技2018年4月C轮融资6.2亿美元，中国初创企业被投资金额仅次美国、约250亿美元。此外，英国、以色列、加拿大、法国、日本、新加坡、德国和印度是被关注较为频繁的国家和地区。

　　3  挑战与建议

　　在数字经济浪潮下，5G就如同“信息高速公路”，为庞大数据量和信息量的传递提供了高速传输信道，补齐了制约人工智能、大数据、工业互联网等在信息传输、连接规模、通信质量上的短板；人工智能如同云端大脑，依靠“高速公路”传来的信息学习和演化，完成机器智能化进程；工业互联网如同“桥梁”，依靠“高速公路”连接人、机、物，推动制造走向智造。人工智能具有明显的溢出效应，将与5G、数据中心等一起推动数字经济时代的产业转型升级，是当前及未来各国科技竞赛的制高点。大国科技实力是国家实力的核心，能否抓住智能时代的变革机遇，是中国建设现代化强国的关键。总体而言，我国人工智能产业仍处于发展初期，面临基础研发欠缺、技术和场景尚未融合、传统基础设施跟不上技术发展等问题。建议：

　　1）为人工智能发展做好“软性”支撑，做好人才培养、前沿技术研究和联络合作。加强国内高校开展相关课程、培育本土人才。积极吸引海外科研人员、聚集全球人才。对照美国对科研人才的吸引措施，中国应该抓住这一机遇，在研究经费资助、个人税收、签证、户口、子女教育等一系列领域推出引进海外高端人才的一揽子政策，切实解决科研人员后顾之忧，并为其科研、创业提供更大力度的支持。加快科教体制改革，建立市场化、多层次的产学研协作体系。由国家主导加大基础研究投入，由企业主导加大试验开发投入，多类主体形成合理的科研分工。

　　2）为人工智能发展做好“硬性”保障，加快信息化基础设施建设，并对传统物理基础设施进行智能化升级。与铁路、公路、机场三者构成工业时代的基础设施不同，云计算、大数据、人工智能、5G、区块链等将是未来重点，所覆盖的新基建包括两方面，一类是以数字中心、基站等为代表的信息化设备，另一类是公路、铁路等传统基建设备。为应对未来的数字挑战，需要从这两方面入手，一方面加快宽带网络、5G网络等建设，另一方面加强对传统铁路、机场等公共场景例如传感器、控制平台、云平台等智能化配备。为后续技术发展做好数据收集、传输、沟通、分析的硬件基础。

　　3）重视人工智能技术所带来的人伦道德问题，从立法和监管两个角度跟上技术革新。人工智能的发展离不开数据，由于大部分的数据是公开透明、自由流通的虚拟产物，就会引发由数据的所属而产生的权责问题，这也涉及到数据的安全、知识产权保护和隐私问题。例如，企业可以通过消费者的上网浏览信息来分析倾向喜好，进行精准推送，企业降低营销费用的同时消费者可以更好的获得信息或者产品，然而这一行为是否征得消费者同意、是否涉及侵犯个人隐私也值得考虑。由于数据的生产和使用涉及消费者、平台、运营商、服务商等多个环节，数据在每个环节被加工整合，难以使用传统的商品产品标准去统一管理，这也对相关立法和监管造成阻碍。因此，需要关注人工智能人伦道德、技术标准、人工智能与人类社会关系等问题，以人为本，重视数据安全。

　　(本文作者介绍：恒大集团首席经济学家，恒大经济研究院院长。曾担任国务院发展研究中心宏观部研究室副主任、国泰君安证券研究所董事总经理、首席宏观分析师。)