2023年12月13日，美國布魯金斯學會發表最新評論文章《全球人工智能戰略叢集分析》，從資料管理、算法管理、人工智能治理、能力發展、行業和公共服務導向6個次元出發，分析全球34個國家的人工智能戰略，将其分為高、中、低三個等級。元戰略編譯文章重點内容，為分析各國的國家人工智能戰略提供參考。
一、研究發現
1. 本文分析了不同國家的國家人工智能戰略，按照其6個不同的屬性（如資料管理能力開發）分為高、中、低三類，将那些人工智能戰略在所選屬性方面淨值為“高”“中”或“低”的國家組合起來。
2. 該項分析表明，某些國家優先考慮實作人工智能的規劃，而其他國家則更關注降低人工智能的風險。
3. 該研究發現，美國擁有最完整的人工智能戰略之一，但其執行的成功率還有待觀察。
二、研究概述
通過一系列論文，研究人員探讨了各國在人工智能技術的設計、部署和管理方面的差異。之前的論文探讨了不同國家如何看待人工智能應用、各國在技術和人力資本方面的相對投入，以及美國需要做些什麼才能赢得人工智能競賽。在最近的論文中，研究人員将分析重點轉移到了各國人工智能計劃的共性上，想确定文化相似的國家是否采取了類似的方法來解決人工智能問題。研究人員發現，文化相似的國家采取類似方法以解決人工智能問題相對較少，并推測這可能是由于人工智能技術相對不成熟的緣故。該研究将已制定并釋出國家人工智能戰略的34個國家包括在内，将對人工智能戰略計劃的以下6個方面進行研究：資料管理、算法管理、人工智能治理、能力發展、行業和公共服務。綜合來看，這6個要素大緻反映了一個國家如何對待人工智能治理和管理（資料管理、算法管理和人工智能治理），如何打算發展其人工智能技能（能力發展），以及如何部署或集中其人工智能工作（行業和公共服務），是以，這6個要素是每個國家人工智能不同階段的縮影。
三、分析全球人工智能戰略的6個次元
01
資料管理
（一）高度叢集的特點：政府實體之間、與其他利益相關者之間的資料交換頻繁，有交換法規，注重資料隐私和安全。包括印度、日本、西班牙和美國在内的這些國家僅在與其他國家的資料交換方面處于較低水準。換句話說，這些國家看到了資料的價值（從其内部對資料的重視程度可見一斑），但考慮到資料的價值和敏感性，它們也不願意與其他國家共享資料。簡而言之，這些國家可能将其資料視為特定國家的資産并予以保護。
（二）中等叢集的特點：機構之間、與其他利益相關方以及與其他國家的資料交換頻繁，有資料交換規定，關注隐私但不關注安全。這些國家包括比利時、芬蘭、墨西哥和英國，與高分組國家相比，它們更有可能在國際上共享資料，但并不十分重視資料安全。簡而言之，這些國家看到了資料交換的價值，但并不認為資料交換是需要保護的。
（三）低等叢集的特點：除資料隐私外，其他方面都較低。這些國家包括奧地利、加拿大、瑞典和阿聯酋。與本文分析的其他國家不同，這些國家似乎對資料管理興趣不大，但認為有必要保護其資料。
02
算法管理
（一）高等叢集包括澳洲、俄羅斯和美國，在所有資料要素中的得分都很高，這反映出這些國家非常重視擁有明确的算法價值。雖然這個高分組中的大多數國家都以這些子要素的價值而聞名。
（二）中等叢集包括愛沙尼亞、卡達和西班牙，其偏見和透明度較高，道德和信任度較低。鑒于該組中總共隻有三個國家，這表明大多數國家要麼非常重視算法的理念，要麼根本不重視。
（三）低等叢集包括奧地利和加拿大在内，在所有子要素方面都很低。一些以關注類似問題而著稱的國家，如加拿大、瑞典和日本，卻沒有出現在這一分組。
03
人工智能治理
（一）高等叢集包括德國、英國、美國、中國和俄羅斯等國家。這個群組在每一個子要素中都很高。這些國家了解強有力的人工智能治理的價值，但也許并不打算完全遵循它。這表明了一種标準驅動的取向。
（二）中等叢集包括澳洲、波蘭和瑞典，在安全法規、社會不平等影響和風險方面水準較高，但在知識産權保護和互操作性方面水準較低。這表明了控制導向。
（三）低等叢集包括奧地利、加拿大和日本僅在法規方面較高，這表明它們隻對基本治理感興趣，或總體上缺乏對治理的投資。
04
能力發展
（一）高等叢集包括印度、墨西哥和美國，它們計劃利用所有資源進行能力發展，但商業模式創新除外。
（二）中等叢集包括澳洲和波蘭，一般側重于教育，而不是研發。
（三）低等叢集包括加拿大、俄羅斯和新加坡，主要側重于研發，隻對提供基礎教育感興趣。
05
行業
（一）高等叢集包括中國、西班牙和美國，計劃在除國防和旅遊以外的所有行業部署人工智能。
（二）中等叢集包括澳洲、印度和俄羅斯，重點關注技術、能源和自然資源、農業和醫療保健。
（三）低等叢集包括加拿大、墨西哥和瑞典，不計劃重點發展任何産業。
06
公共服務
（一）高等叢集包括澳洲、西班牙和美國，其大多數公共部門的重點都被納入了計劃中，隻有移民、法院、收入/稅收和教育除外。
（二）中等叢集的重點是醫療保健、交通和資訊與傳播技術。
（三）低等叢集隻關注醫療保健。
四、讨 論
通過計算每個國家與理想群組的接近程度（低、中、高），将群組與結果名額聯系起來，然後将這一距離與全球人工智能指數（Global Al Index）相關聯，該指數由111項名額構成，這些名額收集自28個不同的公共和私人資料庫以及62個政府，包括除塞爾維亞以外的所有樣本國家。這些名額分為3大支柱：實施、創新和投資，以及7個子支柱：人才、基礎設施、營運環境、研究、發展、政府戰略和商業。在實施方面，人才主要關注人工智能解決方案中熟練從業人員的可用性；基礎設施評估從電力和網際網路到超級計算能力等接入基礎設施的可靠性和規模；營運環境主要關注人工智能的監管環境和公衆輿論。在“創新”方面，“研究”評估專業研究和研究人員，包括在可靠學術期刊上發表的論文數量和被引用的次數；“發展”則關注創新人工智能項目所依賴的基礎平台和算法的發展。在“投資”方面，“政府戰略”衡量各國政府對人工智能的承諾深度，調查支出承諾和國家戰略；而“商業”則關注基于人工智能的初創企業活動、投資和商業計劃的水準。
第一，在“影響”方面，中等治理叢集與“基礎設施”呈正相關，在這一次元上的表現優于高或低叢集。三個群組都強調法規和社會不公平，其中的差別在于高、中群組強調安全性，而高群組還強調知識産權和互操作性。此外，研究人員認為，基礎設施能力較強的國家，政府會更加重視安全和風險，以確定這些系統的安全，而基礎設施略顯滞後的國家，要麼注重廣泛的政策，為基礎設施發展創造條件（高分組），要麼基礎設施嚴重滞後，缺乏技術深度，無法為確定系統安全創造條件（低分組）。中等産業叢集與基礎設施呈負相關，形成互補。中等産業叢集主要集中在能源、農業和醫療保健領域，而高等産業叢集則包括技術、金融和制造業。換句話說，要做出明智的政策決定，就必須在人工智能領域，特别是在合适的部門擁有最基本的技術基礎。
第二，同樣是在“實施”方面，高算法管理叢集和低算法管理叢集分别與營運環境呈負相關和正相關。這表明，與監管制度較弱、國民對人工智能的看法較為激烈的國家相比，監管制度較強、國民對人工智能的看法普遍積極的國家在人工智能的使用和控制方面需要投入的政策制定精力較少。
第三，在創新和投資方面，研究人員看到了政府對人工智能部署采取積極行為模式的強烈迹象。具體而言，政府公共服務的低發展與研究、開發、政府戰略和商業領域呈負相關。這表明，政府需要在采用和資助人工智能方面發揮上司作用，因為政府在這一領域的上司作用将鼓勵更廣泛的公共和私營部門對人工智能進行創新和投資。
五、結 論
布魯金斯學會研究發現，中國在人工智能投資和研發方面幾乎與美國平起平坐。雖然美國目前擁有一個較為完整的計劃，但這并不意味着它有能力完全執行該計劃。事實上，試圖把所有事情都做好可能會有一些弊端：它可能會抑制對最優先事項的關注。
免責聲明：本文轉自元戰略，原作者Allen Wang。文章内容系原作者個人觀點，本公衆号編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！
轉自丨元戰略
作者丨Allen Wang
研究所簡介
國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究大陸經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展态勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬号，緻力于向公衆傳遞前沿技術資訊和科技創新洞見。
位址：北京市海澱區小南莊20号樓A座
電話：010-82635522
微信：iite_er