C919一飞冲天：中国 AI 产业突破能否复制大飞机、高铁模式？

【新智元导读】随着中国“大飞机” C919 的腾空而起，束缚着中国航空产业的“中国模式”已被冲破。也许不久以后，大飞机会成为高铁之后的又一张“中国名片”。它的成功吸取了高铁模式的哪些经验？同样是引进国外技术，高铁和中国汽车产业为何走上了一条截然相反的道路？更重要的是，这一切对于中国 AI 产业有何借鉴意义？文章后半部分带来麦肯锡对中国AI 产业的分析和5点战略建议。我们也欢迎读者在评论区发表看法。

2017 年 5月 5 日，国产大型客机C919在上海浦东机场冲上云霄，成功完成首飞任务。

图片来自微信公众号：青塔

“航空制造业揭示的或许将是‘中国模式’的限制，而不是其无限能力。一个能够制造自己波音、空中客车的中国，应该跟我们现在所知的中国不一样。”

这是 5 年前，C919国产大型客机第一个部件——飞机机头下线时，美国航空专家、《大西洋月刊》记者 James Fallows 在其出版的新著《航空中国：中国未来的试验田》中，做出的一段著名评价。

Jame Fallows 所说的“中国模式”有些玄妙。它是体制？是观念？是约定俗成的习惯？抑或是圈内人心照不宣的行规？

而今，随着 C919 的腾空而起，加诸于中国航空产业的“中国模式”已经被一点点冲破。也许不久以后，大飞机会成为高铁之后的又一张“中国名片”。它的成功吸取了高铁模式的哪些经验？同样是引进国外技术，高铁和中国汽车产业为何走上了一条截然相反的道路？

更重要的是，这一切对于中国 AI 产业有何借鉴意义？

运-10 和 MD-90 项目的失败

在国产大飞机 C919 研制前，中国首先启动的是 ARJ-21 翔凤客机项目。ARJ-21 翔凤客机项目自 2002 年启动后，在媒体、网络上出现了很多为已经下马近 20 年的运-10飞机鸣不平的声音，诸如“中国自主研制的第一种大型飞机”、“只差三千万经费即可研制成功”、“民航总局崇洋媚外导致运10夭折”等等。但实际情况又是如何呢？

• 不考虑经济性的领导人专机

根据公开资料，运-10飞机项目于1970年启动，1973年6月国务院、中央军委正式批准在上海研制大型客机，1980年9月26日首飞成功，1986年研制计划终止，共飞行了130多个起落、170多个飞行小时。运-10是中国第一个独立自主研制的大型飞机，除发动机以外，其主要部件都是国内自主研制，其整体设计更是完全由国内技术力量独立完成，其国产化程度远远高于现在的 ARJ-21 和 C-919 客机，也高于当时仿制苏联产品的 运-8 和 轰-6 飞机。如果以国产化程度而论，那么运-10无疑是非常成功的，但是在其高国产化比例的背后，我们又付出了什么样的代价呢？

运-10飞机从一开始就是作为领导人专机研制的，其研制要求一共有三项：航程超过一万公里；能直飞阿尔巴尼亚首都地拉那；不考虑经济性。之所以如此要求，是因为70年代初中国同时与华约和北约集团敌对，在国际社会上缺乏友好国家，只有同样被华约集团排斥的“欧洲社会主义的明灯”阿尔巴尼亚支持我们。为了让领导人能直飞地拉那，同时展示中国的技术实力，因此就有了运-10的航程要求；不考虑经济性这一条则是因为运-10从一开始就作为领导人专机设计，类似现代的豪华奢侈品，当然不会考虑经济性如何。而且如果只是考虑这三条要求还好办，可以从美国或者苏联订购民航机回来改装，但运-10同时还担负着“展示实力、炫耀国威”的任务，又要求必须是“自主研制”。因为要求自主研制，运-10在研制中采取了很多临时性、实验性的措施，这导致它根本不可能进行批量生产，更不可能投入商业运营。

• 仅飞行170小时就出现机体大梁变形

机体结构是飞机的骨架，起着承载全机部件、承受重力与气动载荷的作用；机翼大梁和机身大梁是机体结构的主体，其承载能力和结构强度决定着飞机的大小和重量，可以说是大型飞机研制最主要的难点。在上世纪70年代，中国重工业发展还处在较初级的阶段，缺乏大型锻压机等关键加工设备，只能采用拼接的方法加工机体大梁，这就导致飞机结构重量大、结构强度低、零部件数量多、飞机寿命短、维护时间长。运-10之所以飞行170小时后就停留于地面，直接原因就是机体大梁弯曲变形，随时有空中解体的危险；这也说明中国当时还不具备对大型飞机进行结构强度计算和试验的能力，勉强为之必然出错。退一步来说，即使运-10设计上没有出错，提高结构强度也必然导致重量增加，从而降低有效载荷（货物和燃油）在飞机起飞重量中的比重，导致无法达到“航程超过一万公里”的目标。

重新审视运-10的研制历史，我们不得不承认，以当时中国的工业实力，以运-10飞机的研制思路和性能指标，基本没有成功的可能。在运-10之前，中国航空工业制造过的最大飞机——轰-6——只有75吨，比运-10小了近一半；且轰-6完全是按照苏联的设计和工艺制造的，中国并不能设计这样大型的飞机，更不要说比它们还大的运-10。可以说，中国在当时根本不具备研制大飞机的能力，第一个此类项目就搞自主研制，注定了运-10只能是试验性质的技术验证机。

• 以市场换技术的首次尝试

经过运-10项目的教训，中国航空系统认识到，凭借自己的技术能力，想要一步登天地研制出满足民航要求的大型飞机是不可能的，唯一可行的道路就是引进仿制，在生产中熟悉、掌握大飞机的结构特点，掌握飞机的生产工艺，为以后的研制打下基础。于是在这一思想指导下，航空系统对大飞机发起了第二次冲锋。

1987年1月3日，航空工业部和民航总局管向波音、麦道、空客、通用电气、普惠、罗罗等国外六家主要干线飞机和发动机制造公司发出《征求合作研制干线飞机建议书》，目标是合作研制和生产150架150座级干线飞机，此后中航技总公司与民航总局联合与上述6家外国公司进行了历时五年的商务与技术谈判。在谈判过程中，空客公司第一个被淘汰，随后波音公司也出局，于是只能与麦道公司合作并确定引进MD-90客机技术。

• 盲目追求“自主研制”导致项目夭折

这个淘汰结果是非常奇异的。要知道，空客公司的A320是一款极其优秀的大型民航客机，在1988年2月获适航证并交付使用，中国这次干线飞机引进计划恰好在A320服役之初，如果能引进该机型，则可实现与世界先进水平的同步。波音公司提供的B737-400同样是大型民航客机的代表作，而且航空工业部和民航总局都建议以波音公司为首选合作伙伴，可是波音仍旧没成。这一切，是因为什么呢？其实原因很简单，那就是盲目追求“自主研制”这四个字，在波音、麦道、空客3家公司中，只有麦道同意中国对飞机设计作一些修改的要求。

在当时，国内提出了一个口号，叫做“牢牢掌握设计主动权”。但有些负责人却把修改部分设计作为体现这一口号的方式而特别重视。当时修改设计的重点是把起落架从两轮改为四轮，这样可以降低飞机降落时施加在跑道上的压强，使飞机能适用于一些跑道尚未改造的机场。可是起落架改为四轮就会使飞机本身的重量增加一吨，必须减少两个座位，对飞机性能是一种倒退，是不合理的。

进行这样的设计更改不但要耗费很多资金，而且将使干线飞机的试制周期至少延长两年。合理的做法应该是改造跑道，增加其可承受的压强。事实上不久以后像南昌长沙等地的机场都先后进行了改造，完全可以适应较高的压强。有些负责人之所以热衷于改起落架，更多的是为了可以对外宣称中国干线飞机为“中外联合设计”。

1993年2月3日，中国民航总局发文报国务院明确提出鉴于机场已改造好，使用MD-82T四轮飞机不便于使用与维护，国内航空公司现已不需要MD82T，故要求干线飞机机型全部改为二轮型，这等于此前要求被完全推翻。于是又与麦道修改合同，把在中国生产40架MD90-30客机改为生产20架、从美国采购20架，才使得合同进行下去。随后麦道公司与波音公司合并，国内客机项目随之下马，前期投入全部打了水漂。

纵观这次大客机选型，首先要承认国内相关工业部门比研制运-10时有所进步，采用引进生产的办法成功的解决了国内技术水平不足的问题，为项目成功奠定了基础。但是，由于在引进过程中盲目追求名义上的“自主研制”，导致机型选择彻底失败，进而导致整个项目的黯然下马，造成数亿美元的损失。

高铁的成功经验

“中华之星”下马曾让铁道部饱受批评，与大型干线客机一样，在中国高速铁路的发展初期，也出现了一款国产化程度较高的高速列车——“中华之星”。

2002年底，“中华之星”国产高速列车在秦沈客运专线进行正线试验时，曾经创造了每小时321.5公里的“中国铁路第一速”。但在2004年，铁道部作出了引进国外高速列车的决定，日本川崎、德国西门子、加拿大庞巴迪、法国阿尔斯通等公司纷纷从中国拿到大额订单，而“中华之星”却从新闻里消失了，不仅没有得到后续订单，连原型车都被打发到山海关车站作为临时旅客列车。一时间对铁道部的批评纷如潮涌，网上各路人士纷纷痛骂铁道部盲目崇洋，刻意打压国产装备。

但到了2010年，忽然间峰回路转，武广客专建成，京沪高铁上马，全国高速铁路建设如火如荼，俨然世界第一的样子，连美国都宣称要引进中国的高铁，这让一些以为美国技术天下第一的国人颇为吃惊。不到八年的时间里，中国高铁就完成了从引进技术到出口成套项目的转变，这是怎样做到的呢？

• 引进先进核心技术自主集成的成功之路

按照政策规定，国外企业进入中国铁路市场，必须与中国企业组成联合体，中国企业与外方的谈判也要由铁道部出面统一协调组织。为此国务院特意设立了技术车辆专业委员会，铁道部也成立了动车组项目联合办公室，在铁道部的统一协调下，国内重点机车制造企业分别受让了世界各国的先进技术。现在回过头来审视这段历史，可以说正是由于引进了各国的先进核心技术，才让中国高铁水平实现了大跨步；正是因为对各国技术的兼容并蓄，才让中国高铁企业具备了较强的系统集成、适应修改、综合解决并完成本土化创新的能力。

如果铁道部在当时因为期待中华之星能够逐步发展成熟而拒绝了国外技术引进，那么也许我们能等到中华之星发展成熟的那一天，但是这要等多久的时间却无法预料，国民经济的发展在此期间受到的制约又如何计算呢？而且国际环境变幻莫测，如果我们不是在高铁尚未引起重视的2004年进行引进，而是等到各国纷纷上马高速铁路的现在才开始谈判，那么付出的代价必定要大上很多，甚至可能根本无法得到核心技术。

高铁的成功，就在于铁道部在实际推进时不搞“自主研制”的噱头，踏踏实实的承认自己的不足，对引进的外国技术彻底吃透，然后形成自己的技术体系。这种做法恰恰是之前航空系统所缺乏的，盲目追求“自主研制”是导致中国大飞机项目两度失败的根本原因。

ARJ21 和 C919 的成功

在“完全自力更生”和“以市场换技术”这两条大飞机发展道路的探索均告失败后，国内大型飞机研制暂停了十几年。2000年2月15日，国务院召开专门会议，决定集中力量自主研制出具备世界水平的新型涡扇支线客机，开始了对国产大飞机的第三次冲击。2001年8月，新型涡扇支线客机被列入“十五”期间12项重点科技攻关项目。2002年4月30日国务院正式批准新型涡扇支线客机项目正式立项。2002年10月25日，中国一航商用飞机有限公司正式注册成立，全面负责ARJ21飞机的研制发展和市场销售。

ARJ21飞机项目吸取了运-10和MD-90项目盲目追求“自主研制”的教训，在一开始就确定了飞机总体设计和机体生产以我为主进行，发动机和机载设备则面向国际招标选购的思路；而且在飞机总体设计上，也依托MD-90客机相关技术资料提出方案，最大限度的确保可行性。为了保证飞机机载设备技术的先进性，设备选型采取了国际通行的招标方式，选用了罗克韦尔-柯林斯公司的航空电子系统，霍尼韦尔和派克哈尼芬公司的飞行控制系统，派克哈尼芬公司的燃油和液压系统等等。大量引进国外成熟设备，使得一飞院可以将精力集中于飞机总体设计上，极大降低了ARJ21项目的风险，加快了项目总体进度。

2007年12月21日ARJ21-700在上海飞机制造厂总装下线。2008年11月28日ARJ21-700首飞成功。2010年10月27日，ARJ21-700更是实现了4架试验机同时试飞的目标。短短数年时间，ARJ21-700的进展就达到了当年 运10十几年发展的进度，尽管这其中有科技发展的差距，但ARJ21-700的项目管理措施体制的确体现出了优越性。

就在ARJ21飞机取得突破性进展的同时，2008年中国商用飞机有限责任公司(2008年5月1日成立，专门承担中国民用大型客机的研制)正式启动了更大型客机的项目论证工作，最终形成了大型客机的初步总体技术方案。此后这一比ARJ21-700更为大型的飞机被正式命名为C919。C是China的第一个字母，也很容易与A（空客）和B（波音）相区别。C919定位于单通道150座级，19代表其最大载客量为190座。

得益于ARJ21项目的成功经验，C919采用了主制造商—供应商研制模式。中国商飞作为大飞机主制造商，定位于设计集成、管理体系、总装制造、市场营销等方面，将发动机、机载设备、材料等主要外包，因而项目风险同样大大降低，项目进度也大大加快。

从运-10到C-919，中国航空系统三次上马国产大飞机，两次以失败告终。总结这其中的教训，首要一条就是不能科学的确定项目规划，盲目提出“自主研制”的目标。而 ARJ21 和 C919 飞机的研制成功，则已经让中国掌握了大型飞机的总体设计和试飞技术，这才是项目中的关键与核心所在。为后续的飞机更换国产设备，实际上最终的决定权仍然在我们自己手中。

高铁和汽车产业的对比

我们再来看一下，同样走过引进技术道路的两个产业——汽车工业和高铁工业，目前的发展现状有何不同。我们从几个方面来一一对比。

品牌：

高铁——品牌都是中国的，如中国南车、中国北车等；CRH380A 等系列高速动车组已经

享誉全球；

汽车——市场上占据优势地位的品牌都是外国的，如德国BBA、大众，日本丰田、本田，美国福特等等。中国国产品牌如奇瑞、吉利、比亚迪等都成为低端品牌的代表。

市场：

高铁——目前国内高铁市场已经被中国南车与北车完全占领。在高铁的带动下，此前外国企业占据绝对优势的行业，如城轨地铁，目前也已经完全是中国企业的天下；

汽车——无论是从销量还是从销售额来看，中国自主汽车厂商的市场占有率近年来都有不小的进步，但仍未“能顶半边天”。

研发：

高铁——中国企业已经建立了完整的研发体系，在产品方面，形成了从研发到设计到制造一条完整的链条。

汽车——核心技术研发基本在国外完成，主要产品型号由外资公司导入，中国企业变成了实质上的代工厂。虽然部分外资企业也在中国建立了外资中心，但多是一些具体技术，能进行整车开发并投入市场的非常少。

人才：

高铁——培养了一批四五十岁的轨道交通高精尖人才，他们成为轨道交通领域最顶尖的人才，将在未来二三十年中主导世界轨道交通装备行业的发展。

汽车——已经形成了分梯次的人才队伍，但是领军人才多在外企或者合资企业。

产业链：

高铁——中国高铁已经形成了完整的产业链，一辆高速动车组包括 4 万多个零件，涉及机械、冶金、电子、化工等多个领域，目前已经形成辐射全国 22 个省市自治区、600多家企业的完整产业链。不但带动了民营经济的发展，而且在高铁“高标准”要求带动下，对我国传统工业的基础工艺、基础材料、基础器件等的研发与系统集成发挥了重要作用。

汽车——中国汽车产业的产业链也已经比较完整，但是合资企业的核心零件还是掌握在外资企业手里。目前中国企业能够批量生产的零部件多属于低端产品，高端产品则需要进口，或者由外方导入技术，由国内工厂代工生产。

开放而不封闭，立足全球化而不闭门造车，这是成功的中国高铁模式的最基本特征。2004 年以来的技术引进消化吸收再创新工程，让中国高铁有了站在巨人肩膀上的机会。原始创新当然伟大，但是放着已有的创新成果不加以利用，而一定要从头去做，其实是一种巨大的浪费。

同时，“以我为主”的创新道路至关重要。正是在这一点上，“高铁模式”与“汽车模式”形成了巨大的反差。汽车行业的做法是成立合资公司，然后由外资企业导入技术，由合资企业进行生产，然后再占领市场。合资企业的中方或许会认为，我们占有对等或者占优势的股权比例，而且工厂的工人主要都是中国人，通过这种合资，我们肯定能够学到先进的技术。当然中国人也确实学到了很先进的汽车技术，但是主要局限于制造技术，而不是研发技术。如果合资企业没有研发能力，而仅仅是制造能力，那么这个合资公司就只是技术导入方的生产代工厂。所以，一个企业只要是采用技术导入的方式而不是自我设计研发的方式去运作，那么这个企业就不可能具备真正的创新能力。

在高铁技术引进初期，也走过了与汽车行业类似的道路，但布局完全不同。最初，高铁主要也是进行技术导入，所谓从外国引进技术，其实就是拿到制造图纸，也就是一种生产能力，而不是设计能力。这个过程分为三个阶段，中标的两家单位各拿到 60 列订单，其中 3 列整车进口（派人到外国企业里学习），6 列散件组装（在外国企业的技术指导下动手实践），51 列国产化（一点一点、一步一步替换进口零件提高国产化率）。这个阶段走过之后，各个高铁制造工厂的生产能力与水平发生了质的提高，通过高标准产品的导入，对整个工厂的生产工艺、流程设置、质量把控都带来革命性的提升，这正是我们一定要引进技术的最重要的原因。但是如果中国高铁装备制造仅仅是停留在这一阶段，那么它们与汽车行业没有太大区别。但是高铁布局更高一筹，一个小小的不同将让它们走上一条完全不一样的发展道路。这个不同就是，汽车行业导入技术的是合资企业，而高铁行业导入技术的是中国的独资企业。成熟产品的导入，必然很快就会在市场上获得巨大的成功，这是由导入产品的竞争力所决定的。合资企业接下来要做的就是导入第二款产品，扩大市场占有率；引进技术的中国企业接下来要做的却是开发一款新的产品，满足市场的需求。所以一个会走上“引进—落后—再引进—再落后”的怪圈，另外一个却会走上“引进—改进创新—全面创新”的道路。所以说生产技术可以引进，创新能力却引进不来，这种创新能力必须通过创新实践才能获得。

另外，集中力量办大事的体制优势和铁道部的强力主导，也是导致高铁产业与汽车产业发展路径迥异的第二个原因。由于不能攥成一个拳头，中国的汽车企业在引进技术的过程中很容易被各个击破。毫无疑问，中国汽车企业也想使用自己的品牌，也想买断外方的生产技术，但是谈判非常艰苦，有最先投降的企业，愿意放弃使用自己的品牌，愿意成立合资企业，允许合资企业技术由外方导入的模式，于是也最终奠定了中国汽车行业的这种格局。但是在高铁引进时，铁道部只指定了两家谈判的公司，而且规定必须向中方转让技术。在此后的发展中，铁道部又定点向中方企业而不是外资企业或者合资企业采购动车组，对中国高铁研发企业的技术创新形成了巨大的拉动作用，这也是中国高铁技术创新能够最终成功的最重要原因。事实上，对于一个战略新兴产业处于生命周期的初期时，这种做法并非可有可无而是必不可少，因为这个时候，这种产业的市场还有待培育，产业链尚不完整，成长环境风险较大。当然，这也并非中国独有的做法，在战略新兴产业中，这是世界大国常有的做法。回到航空业，1970 年代成立的空中客车案例就是典型代表，为了赶超波音公司，空中客车持续享受了法国、德国、英语等欧盟国家政府的大力支持，并最终奠定了与波音公司并驾齐驱的航空双寡头格局。

学习与创新的平衡之道——对于 AI 人的借鉴意义

您也许会说，这一切和 AI 领域没什么关系。

首先，中国的 AI 技术实力本身就处于世界前列；其次，和航空、高铁等高端装备制造不同，AI 技术更为透明、公开；第三，作为新兴技术，AI 领域的人才天然会去主动关注、学习最新的技术进展；第四，AI+的时代刚刚开始，即便是行业巨头也仍处于布局阶段；而初创企业则凭借一两点技术创新，或是深度学习技术在某个领域的创新性应用，努力争夺着生存和发展空间，野蛮生长。在这场新技术、应用、项目和资本构成的游戏中，身在其中的AI 人也许并未过多地感到中国和世界的对立，反倒是更能深切体会产业巨头与初创公司、资本与创新性项目之间的角力。

是的，也许这真的是一个 AI 民主化的时代；也许在现阶段，技术落地确实比技术创新更能让一个企业存活下来。但是，从大飞机、高铁和汽车产业不同的发展模式中，AI人仍能找到值得借鉴之处：

1. 不要盲目追求名义上的自主研发，是不是原创技术并不那么重要，可以通过合作等方式积极吸纳、利用国外的先进技术。中国不管是在互联网还是AI时代，都应该走这样的道路。如果要举例，也许可以说互联网时代成功的企业，比如腾讯、阿里，都是如此；

2. 立足全球化而不闭门造车，这一点固然重要。但“以我为主”的创新实践仍必不可少。这两方面如何平衡，正是AI 人应从高铁和大飞机模式的成功中去学习的。要之，或许可以概括为，更注重研发技术而非生产技术，更注重以技术创新去带动市场，而非短视地引入产品去占领市场。

中国AI 现状：算法、数据、计算能力与其他国家的横向对比

麦肯锡最近一篇长达20页PDF的报告对中国AI当下的发展状态进行了全面而细致的介绍。文章从学术研究、算法、数据、计算能力四个角度分析中国的AI实力。文章指出，AI 对中国发展事关重大，但是目前的致命要害是人才。文章最后为中国AI的发展提出了5个战略建议：建立健全的数据生态系统；扩大传统产业内 AI 的采用比例；加强专业 AI 人才的输送等。

随着中国的大科技企业纷纷推动在 AI 方面的研发，中国成了全球领先的 AI 研发中心。中国庞大的人口基数和多样化的行业组合具有产生大量数据和形成巨大市场的潜力。广泛采用人工智能技术对中国未来的经济增长至关重要，因为全国人口老龄化加快了对生产率增长的需求，包括更开放的数据环境和受到良好训练的数据科学人才。但 AI 同时也提出了更复杂的社会和经济问题，需要审慎的思考。

中国在 AI 发展中的位置

中国和美国目前是全球 AI 发展的领导者。仅在2015年，两国在学术期刊上发表的 AI 相关的论文接近10,000篇，而英国，印度，德国和日本加起来才约相当于中美的半数。（数据来源：SCImago Journal & Country Rank, 2015）

中国 AI 发展大部分是由私营的高科技企业推动的。在海量的搜索数据及多样化的产品线的帮助下，中国的一些互联网巨头公司在图像和语音识别等技术领域处于领先的地位。而且这些技术已经被融入它们的新产品中，包括智能助理，自动驾驶汽车，等等。

中国有理由对其在 AI 定义的未来的作用感到乐观。中国庞大的人口能够产生海量的数据，这是“训练”AI系统的先决条件。中国也具有“范围经济”（economies of scope）的优势：广泛的行业为产品在市场部署提供了沃土。

但是，为了在这个迅速发展的领域保持前沿地位，中国仍需不遗余力地努力，并最大限度地发挥这些技术的经济潜力。中国需要专注于增强创新能力。例如，虽然中国学者比美国研究人员发表的 AI 相关的论文更多，但他们的论文产生的影响力并不及美英的研究者（见表2）。

表2：左图按AI相关的论文数量排名，右图按 H-index 排名。虽然中国发表了大量被广泛引用的 AI 相关的论文，但论影响力仍是美英更大。中国在绝对引用方面排名第一，但去除自引（self-citation）后，美国更有优势。

此外，中国还没有形成如美国那样的有生机的 AI 生态，体现在美国拥有比中国多得多的 AI 创业公司（见表3）。美国的生态系统是大型、创新而且多元化的（包括研究机构、大学以及私营企业），它的形成得益于硅谷的科技行业，具有难以复制的优势。

表3：美国的 AI 创业生态系统比中国更强大。上图显示中国和美国在50家最大（按总融资额排名）AI 创业公司中的占比，数据来自 CB Insight 发表的 AI 100 榜单。via： CB Insights; McKinsey analysis

数据

正如人类通过食物得到能量，AI 也不能在没有稳定的数据来源的情况下运行。这些系统必须要有大量的数据，以供它们“训练”，不断改进和完善产出的结果。在数据方面，存在几个问题可能阻碍中国的 AI 发展。

首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好（data-friendly）的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对少（见表4）。最后，限制跨国的数据流动（data flows）也使中国处于全球合作中的不利地位。

表4：政府数据的开放度，中国在全球排名第93位。

说明：每个数据类别的评估要考虑对公共可得性（public accessibility）的10个因素，包括数据是否在线发布，是否免费，是否最新，以及是否机器可读，等等。来源：Open Knowledge International, 2015; McKinsey Global Institute analysis

算法

在应用层面，中国在算法开发方面与其他国家相当。实际上，中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。

然而，中国在基础研究方面落后于美国和英国。一个主要原因是人才短缺，招纳人才对中国的 AI 发展至关重要。美国超过一半的数据科学家有10多年的工作经验，而在中国，经验不足五年的研究人员高达40％。

中国目前拥有不到30个专注于人工智能的大学研究实验室，仅靠这些实验室无法输出足够的人才满足中国AI行业的招聘需求。此外，中国的AI科学家在计算机视觉和语音识别等领域着力更多，相比其他专门领域不成比例。大学的 AI 项目也能得益于更高的数学和统计学要求，为在该领域保持全球领先付诸努力。此外也可以考虑改变提供科研经费的模式，以促进更多的创新。

计算力

计算力不是中国人工智能商业发展的直接的瓶颈。随着微处理（microprocessors）在全球市场得到广泛使用，计算能力已经成为可以轻松获得的东西。

但中国仍然不能忽视发展自己的先进的半导体、微处理器和高性能计算技术的重要性。计算能力是 AI 的基础之一，具有战略上的重要性。

中国历来严重依赖国外的微芯片供应商。对某些类型的高价值半导体，中国几乎完全依赖进口。但是，在2015年，美国政府禁止全球三大芯片供应商 Intel，Nvidia 和 AMD 向中国政府销售高端超级计算机芯片。对核心技术供应实现更强的控制有助于提高中国在未来更广泛地部署人工智能系统的能力。

为了解决这个问题，中国政府在2014年发布了《国家集成电路产业发展推进纲要》和《中国制造2025》两份政策性文件，而且政府设立了一个超过 200 亿美元的基金做这件事。这些举措已经开始取得一些成果。

专用处理器，例如可以进行大量复杂计算的图形处理单元，对 AI 来说尤其重要。随着中国IC业的发展，也应该对这类处理器的开发给予足够的重视。

中国在人工智能方面的战略，重要的是要注意技术行业的日益全球化。AI 价值链的各个方面，从基础研究，到应用开发，到硬件的制造，都涉及全球的协作。除了建立自己的数据生态系统，数据科学研究人才管道和半导体行业外，中国需要确保其 AI 行业建立在与全球市场融合的开放系统之上。

麦肯锡给中国 AI 产业支招——中国AI 产业的分析和5点战略建议

把今天的技术创新变成中国长期的可持续增长引擎，需要采取精心思考的战略。政府应该奠定坚实的基础，为 AI 发展提供有启发性的目标，刺激私企的创新和新技术应用。战略由强大的工业和经济框架，教育框架，以及社会和国际政策框架组成。

工业和经济框架

虽然AI的发展还处于早期阶段，但技术似乎不太可能遵循线性增长轨迹。快速上马的可能性迫切需要确保健全的产业政策。否则，中国将面临偏袒激励、过度投资和供过于求的风险，所有这些都会破坏价值。虽然市场将推动 AI 技术及其应用的发展，但正确的政策框架可以为增长创造健康的环境。

战略重点1：建立健全的数据生态系统

丰富的数据是训练 AI 系统、吸引人才和加速创新的关键因素。为了建立更强大的数据生态系统，中国可以设定和实施数据标准，开放公共数据，用于个体研发，并鼓励国际数据流交换。

标准化是系统广泛的数据共享和互动操作性的重要前身，将提高物联网和人工智能技术的价值。鉴于全国各地有可用潜力的数据量巨大，中国具有独特的地位，需要带头确保中文数据标准得以推行。

对于特定行业的数据，政府可以呼吁现有的监管机构制定必要的规则。例如在美国，证券交易委员会在 2009 年授权所有上市公司必须以 XBRL（可扩展业务报告语言）格式披露其财务报表，从而确保公共数据具有机器可读性。

为了提高可用数据的多样性来支持人工智能开发，政府可以开辟更多的公共数据集，并带头建立一些行业特定的数据集。除了推动 AI 行业的发展之外，这些举措在提高公共服务质量和解读新的政策方面也会产生益处。例如，纽约市市政府启动了自己的开放数据门户，让公民获得有关经济发展、健康、娱乐、公共服务等方面的数据。纽约还于 2012 年颁布了一项开放数据法，要求政府处理机读数据并建立 API（应用程序编程接口），使软件开发人员能够直接连接到政府系统并收集数据。

最后但并非最不重要的是，中国政府将需要考虑国际数据的价值。 MGI 研究发现，跨境数据在 2014 年为全球经济贡献了 2.8 万亿美元，对增长的影响比商品贸易的影响更大。 此外，数据的流入和流出都很重要，因为它们反映了全球经济体的思想、研究、技术、人才和最佳实践。数据是未来的货币。例如，在医学研究中，如果不从世界各地大量临床资料中获取数据，就不可能实现 AI 的全部潜力。过多的壁垒可能会妨碍中国 AI 企业，妨碍其在国际市场上开发具有竞争力的产品。

战略重点2：扩大传统产业内 AI 的采用比例

在中国，实现 AI 在经济中的全部潜力，取决于 AI 系统在传统企业中的实际应用，而不仅仅是技术巨头的应用情况。通过提高广大生产单位的生产力，可以解锁大量的价值。 但中国需要解决几个关键的障碍。

需要克服的第一个障碍涉及到改变观念，并创造一种需要改变业务运作方式的紧迫感。 根据麦肯锡调查显示，AI 在中国传统行业 40％以上的公司中尚不是战略重点。因此，这些公司中有许多尚未掌握支持未来采用 AI 所需的数据。例如，农业类企业很少考虑记录种植时间表或天气对产出影响的详细信息，但这正是 AI 系统可以用来发现宝贵见解和效用的信息。相比之下，英国、美国和日本已建设了全国信息系统，以捕获这些数据，并将高级分析应用于现代农业管理。

第二个主要障碍是不懂技术。如上所述，中国将需要重点培养更多的数据科学家精英，特别是在 AI 技术短缺情况变得日益明显的地区。但是，能够将 AI 知识转化为具有实际价值的真实应用的人才也不足。更多的企业领导和中层管理人员需要掌握技术技能，以及理解和应用数据的能力。一家类似英特尔这样的中国芯片制造商认识到，制造和测试过程中产生的数据可以显著改善操作并减少残次品。但由于缺乏半导体和AI 知识方面的专家，该企业无法实施相应的战略。

最后但并非最不重要的是，AI 的采用受成本的影响。 购买人工智能系统并雇用需要发挥出最大价值的稀缺和专业人才，并不总是符合中国企业的成本效益。劳动力成本低的时候，使用技术来简化人工流程就显得不那么紧迫了。

AI 能给中国带来的最大经济潜能是对传统产业的革新。如果政府能够帮助传统行业降低采纳 AI 技术的障碍，就能够推动市场的增长。

为了促进 AI 技术的采用，决策者应着重帮助市场克服本文前面讨论的三个主要障碍：缺乏战略意识，AI 采用成本高于劳动力成本以及不懂 AI 技术。

其中一些问题可以通过传统的税收抵免和补贴手段加以解决。政府也可以考虑在政府机构内采用人工智能系统。 这具有强大的后续效应，能够助推市场启动，对政府供应商产生支持效应，并通过积累技术经验和人才，最终降低采用成本。

此外，鼓励传统产业采用物联网（IoT）将为从 AI 采用中获得更多价值奠定基础，因为物联网可以将传感器和设备的网络连接在一起，为 AI 系统提供大量现实世界的实时数据。政府可以重点在关键的经济部门创造一些成功的物联网故事，作为其“互联网+”政策的补充，从而建立其他传统行业可追随的模式。

教育框架：人才对于开发和采用人工智能至关重要。强大的人才金字塔应该有顶尖的科学家推动 AI 基础技术的边界，有许多开发人员能够为现实世界环境创造人工智能应用程序，还有大量能够与在各种工作环境中与 AI 系统配合工作的工作人员。

战略重点3：加强专业 AI 人才的输送

为了解决中国 AI 人才的鸿沟问题，政府需要投资于 AI 相关的教育和研究项目，重新定位教育体系，更加注重创新和数字技能，制定移民政策，吸引全球最好的人才。

为了培养更多的计算机科学家精英，需要推进这项技术，政府可以投资创建人工智能项目，并为顶尖大学的人工智能研究实验室提供资金。这可能包括在中国顶尖大学建立人工智能中心，或赞助创新研究中心，促进大学、研究机构和私人公司之间的合作。韩国政府最近通过投资1万亿韩元（8.63亿美元）与韩国领先的大企业联合组建国家级公私合营 AI 研究中心，朝这个方向迈出了一大步。加拿大政府也做出了类似举措，给蒙特利尔三所大学的 AI 研究计划超过 2 亿美元的投资。

我们采访的很多专家认为，中国要重点建设更广阔的创新文化，才能实现 AI 突破。解决这个问题的一个方法是引入大学课程，将 AI 与其他学科结合起来。顶尖的美国大学，如斯坦福大学和麻省理工学院，创建了将计算机科学与人文学科相结合的联合专业，旨在开发新的世界观，激发创造力。这一类型的计划可以激发全球经济领域的新型 AI 应用，涉及保健、法律、媒体等等领域。

投资大学项目会有长期的收益，因为人才是吸引国际企业的重要磁铁。大型 AI 开发商越来越多地期望从学术界吸取人才。谷歌 DeepMind 的研究人员中有三分之二来自学术机构，例如伦敦大学学院、牛津大学和蒙特利尔大学。顶尖公司将自然会倾向于选择拥有大量 AI 人才的城市。例如，蒙特利尔在 AI 领域声名日隆，谷歌和微软就都做出了回应，对该城市的大学 AI 实验室进行了投资，并扩充了自己在当地的办公室。

除了培养更多的本土人才外，中国还需要与来自世界各地的顶尖数据科学家合作，并参与到全球合作中区。 这包括积极招聘来中国工作的国际专家，鼓励中国 AI 开发者走出去 ，吸收全球最新的研究成果。这可能要求政府放松一些居住和移民规定，并提供奖励和支持。

战略重点4：确保教育和培训制度做好发展技术技能的准备，并重新培训大量劳动力

虽然 AI 在整个经济社会中被广泛采用可能需要几十年的时间，但中国需要为行业层面的快速颠覆做好准备。一些关键技术得到突破后的几年内，某些工作可能会消失。大部分打字员、电话运营商和暗房胶片冲洗员已经消失，因为技术使这些岗位过时了。

帮助受影响较大的行业劳动力适应和获得更多相关的新技能将成为维护公共福利和社会稳定的至关重要的持续挑战。政府将需要主动确定最有可能自动化的工作，并确保向生活来源受到威胁的劳动力提供再培训计划。这些努力可能涉及与职业培训学校密切合作，并向工人提供教育机会。

中国也将重点发展从长远来看和 AI 相关的劳动力技能。这不仅包括构建未来数据科学家和工程师的输送渠道，还要确保更多的员工能够在各种业务和专业环境中与 AI 技术一起工作。必须在学校强调科学、技术、工程和数学; 即使是基础教育和职业课程也需要培养数据素养。

由于许多常规工作的 AI 自动化有可能扩大数字鸿沟，因此政府更需要监管 AI 自动化对不平等现象的作用。其中一个方面是保证教育机会的平等获得。这包括确保女学生和来自农村和内陆地区的学生能够充分接收到 STEM 和 AI 的相关课程。

社会和国际框架：AI 的出现有可能深刻地改变社会。在国内和国际上都需要取得道德和法律上一些最紧迫问题的共识。

战略重点5：建立中国公民和全球社会在道德和法律上的共识

在国内，达成共识需要透明、广泛的磋商进程。这在一些法律领域，比如无人驾驶的车辆隐私保护和责任等，对于人工智能的开发和采用是特别重要的。 中国立法机关需要提供一个框架来消除法律上的不确定性。

一旦制定了法律框架，政府就需要建立一个监督和监管人工智能活动的监管机构。由于 AI 技术将被广泛应用于各行业，这将需要多个行业的专业意见。例如，在卫生保健方面，不合理采纳人工智能技术的后果可能很严重; 国家卫生和计划生育委员会在指导发展方面需要有强烈的声音。

在国际上，中国可以带头组建一个理事会，促进 AI 技术的和平、包容和可持续发展。 这个国际机构的目标应该是监管人工智能，建立标准和制定道德准则。

除了监管之外，中国也可以从经济发展的角度出发。为了确保全球数字鸿沟不成为繁荣的永久性障碍，中国可以与弱势国家分享其人工智能技术和专业知识，从而形成一条 AI 的一带一路。

参考文献：

《高铁风云录》（高铁见闻，2015，湖南文艺出版社）

《从梦想到现实——中国大飞机发展思路变迁》（网易）