推动人工智能和实体经济深度融合
——专访中国社会科学院财经战略研究院互联网经济研究室主任、研究员李勇坚
中国社会科学网讯（记者 潘玥斐）党的十九大报告指出,建设现代化经济体系,必须把发展经济的着力点放在实体经济上,把提高供给体系质量作为主攻方向,显著增强我国经济质量优势。加快建设制造强国,加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合,在中高端消费、创新引领、绿色低碳、共享经济、人力资本服务等领域培育新增长点、形成新动能。围绕人工智能和实体经济深度融合的相关问题,记者专访中国社会科学院财经战略研究院互联网经济研究室主任、研究员李勇坚。
记者：在您看来，为何要推动人工智能和实体经济深度融合？
李勇坚：2017年7月20日，国务院印发《新一代人工智能发展规划》。根据规划，到2020年，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。2017年12月，工信部发布的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》（以下简称《行动计划》）也强调了人工智能对相关产业，尤其是智能制造的带动作用。《行动计划》指出，人工智能具有显著的溢出效应，将进一步带动其他技术的进步，推动战略性新兴产业总体突破，正在成为推进供给侧结构性改革的新动能、振兴实体经济的新机遇、建设制造强国和网络强国的新引擎。
从规划目标可以看出，我国人工智能产业发展的重点在于其带动性，到2030年，核心产业与相关产业的比重要达到1：10。因此，人工智能和实体经济深度融合，是发挥人工智能产业对相关产业带动的重要途径。
在理论上，Erik Brynjolfsson（2017）认为，人工智能是一种通用技术（General Purpose Technologies，GPT）。GPT作为一个明确的经济学概念，由Bresnahan and Trajtenberg(1992)首先引入。在他们的定义里，技术具有一种树状结构，几个主要的技术位于顶部，其他所有技术均由他们派生出来。他们定义GPT具有三个重要特征：普遍使用、创新互补以及技术动力性（pervasiveness in use, innovational complementarities, and technological dynamism）。普遍性意味着一种GPT能够在许多下游领域使用，因为其提供了一种基础性的功能（generic function）。技术动力性是指GPT支持持续的创新活动与学习，而后者又导致GPT的生产效率随时间而大大增加。创新互补是指下游领域的许多研究与开发活动的生产率随GPT的创新递增。
人工智能作为GPT，对各个行业的渗透潜力非常大，而且，经济发展的历史证明，GPT的渗透是一个漫长的过程，这意味着人工智能在各个行业的渗透，将是一个持续的过程。这也是人工智能和实体经济深度融合发展的理论基础。
记者：人工智能和实体经济深度融合可以从哪些方面展开？要实现两者的深度融合，还有哪些亟待解决的问题？
李勇坚：人工智能和实体经济深度融合，从产业发展视角看，主要是人工智能与农业的深度融合，以及人工智能与制造业的深度融合。
在与农业的深度融合方面，人工智能主要在以下几个方面展开：第一，利用人工智能技术更好地解决农产品需求预测等方面的问题，避免农业生产的产量与价格波动。农产品价格波动大，给生产者与需求方都带来了不利影响，其中核心的问题在于需求预测。而利用人工智能技术，可以根据动态发展的数据，提供更精准的预测，解决农产品的产量与价格波动。第二，提高农业生产的智能化水平，提升农业整体生产效率，确保农产品质量安全。《国务院关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号）就明确对人工智能在农业生产领域的应用做出了非常具体的安排。第三，建立智能化的农业生产服务体系。十九大报告明确提出，要“健全农业社会化服务体系”，就是根据农业生产的新方向与新现象做出的战略安排。而人工智能技术在农业社会化服务体系建设方面大有可为。
在与制造业的深度融合方面，人工智能主要在以下几个方面展开：第一，市场销售层面：利用人工智能，更好地了解客户的需求，制造出更加符合客户需求的产品，为客户创造更大的价值；尤其是通过与客户的联系建立，实现大规模定制化生产；第二，生产研发制造层面：人工智能技术有利于大幅度提升研发效率，例如，利用人工智能技术，研发出各种制造业使用的工业机器人，有利于提升生产效率；又如，利用计算机视觉，能够在质量检验、过程控制方面做得比人更好；而人工智能在生产制造过程中的节能降耗、管理绩效等方面也将大有可为；人工智能技术也将对企业的生产流程进行再造，打造适应定制化的生产流程，提高生产线的灵活度与适应能力；第三，物流与售后服务层面：通过人工智能技术加快产品的流通速度，让产品更快地传递到客户手上。例如，智能化仓库，自动补货系统等。而人工智能售后服务不但能够节省人力，更能够将售后服务数据化。
存在的问题：
第一，目前人工智能在农业、工业生产领域的渗透率还很低，数据量小，各种数据不能共享，导致人工智能的作用无法充分发挥出来。例如，由于营销端的数据与研发端的数据无法完全共享，使人工智能在研发领域的应用并不充分。
第二，人工智能在中小微企业的应用方面仍处于空白。目前人工智能对实体经济发展的作用方面，仍未能实现普惠，对中小企业发展不利。
第三，人工智能在与实体经济的融合发展之后，必将带来新的商业模式。这些商业模式的配套政策与支持力度还不够。例如，无人驾驶将带来交通产业商业模式的创新，但是，这方面的政策基本还处于空白。
第四，对人工智能与实体经济深度融合发展的特殊政策环境研究不够。人工智能与实体经济融合发展所需要的政策环境是一个复杂的系统。因为人工智能的应用，带来了非常复杂的社会经济问题。人工智能的应用并不是简单地提高效率式的应用，而是带来了全新的产品及人机关系或人-产品关系，这使其应用的政策体系需要涉及到更多的方面。例如，数据权利的问题，人工智能的测试环境问题、人工智能的责任体系问题等，这些都是在以往的政策之中很少出现的。
记者：在您看来，要实现人工智能和实体经济深度融合，需要着力做好哪些方面的工作？
李勇坚：第一，加大宣传力度。从调查数据看，我国大部分企业对在研发、生产、营销等领域全面应用人工智能的应用缺乏信心，对人工智能在生产领域应用的效果缺乏足够的认知。因此，应该加大宣传推广力度，让企业认识到，人工智能更大的应用空间是在企业的研发设计、制造、物流、售后服务等领域，使其有应用这些新技术的认知与动力。
第二，在国家层面设立整合推进机构。人工智能的应用领域非常广泛，其技术研发、实际应用等诸多方面都涉及到多个政府主管部门。从政府主管部门看，涉及到工信部、商务部、发改委、科技部等诸多部门，这些部门对数字经济的某个部门或者某个环节进行管理。但是，从现有的政府架构看，缺乏一个统筹推进人工智能与实体经济融合发展的机构或部门，容易使这些新技术应用过程中形成碎片化，各个行业或环节之间数据缺乏共享机制。因此，应设立一个整合推进机构，统管人工智能与实体经济的深度融合，为这些技术发挥更大的作用创造良好的条件。
第三，关注人工智能带来的安全问题。人工智能带来了一系列的安全问题，这也是妨碍人工智能大规模应用的一个重要方面。国家对人工智能安全问题高度重视。《行动计划》指出，针对智能网联汽车、智能家居等人工智能重点产品或行业应用，开展漏洞挖掘、安全测试、威胁预警、攻击检测、应急处置等安全技术攻关，推动人工智能先进技术在网络安全领域的深度应用，加快漏洞库、风险库、案例集等共享资源建设。
但是，在实际运用过程中，不要把安全管理泛化。人工智能的应用给社会安全带来了新的挑战，这需要我们在政策体系上进行规制。但是，这种规制一定要是包容的，有利于产业持续发展的，不能以安全管理的名义对创新进行抑制，更不能盲目追求绝对安全，而是要基于动态的视角，建立更完善的政策制度。
第四，鼓励各种商业模式创新。人工智能融入到实体经济之后，不但会带来各种各样的技术创新，而且也会带来各种业态创新与商业模式创新。这些业态创新与商业模式创新，会给传统的监管模式与机构带来新的挑战，因此，在国家层面对这些商业模式创新应出台激励政策，监管的原则应该是包容创新，先发展后监管。又如，利用人工智能技术对用户数据的挖掘，将产生大量的个性化定制。但是，对个体数据使用方面的规范，仍未能出台。
第五，建立可实施、可落地、可操作的政策体系。当前，对人工智能产业出台的政策非常多，但是，从本质上看，这些政策宣示性、口号性的内容较多，实质性鼓励的、可落地、可实施的操作性政策较少。而且，很多政策之间相互不衔接，使人工智能的应用事实上存在着大量的政策障碍。
第六，打造国家大数据中心，支持人工智能研发。人工智能的发展离不开数据的支撑。但是，目前的政策体系在数据的所有权归属、使用规范、责任追究等诸多方面，仍缺乏符合当下技术发展态势的政策，企业之间也缺乏良好的数据分享机制，这导致了大数据行业的很多乱象。因此，在大数据方面要加强顶层设计，有必要在国家层面建立一个大数据中心，实现数据的共享，以及加快对数据的研发利用，使数据成为人工智能快速发展的燃料与助推器。
作者：潘玥斐
来源：中国社会科学网
发布时间：2018年05月27日 20:19