当前，人工智能商业化应用加速落地，不断渗透至生产生活的各个领域，给政治、经济、军事、教育等各领域带来变革。如何利用人工智能技术，实现科技进步、产业升级、经济高质量发展，成为当前中国各级政府关切之所在。但我们应该清醒地认识到，人工智能的发展不会一帆风顺，技术发展瓶颈、伦理道德冲击、底层技术与人才储备不足等问题都将给中国人工智能发展带来挑战。

为更好地服务于中国社会经济发展，利用人工智能技术推动两个一百年奋斗目标的实现，2018年10月18日，国务院发展研究中心国际技术经济研究所（IITE）与《环球财经》杂志社召开《中国人工智能未来发展的挑战与机遇》研讨会，邀请学术、产业、伦理等各界知名专家共同探讨人工智能发展的技术瓶颈与突破口、人工智能带来的法律伦理冲击及解决之道、中国人工智能产业发展的挑战与机遇等议题。

出席本次研讨会的专家有：中国航天系统科学与工程研究院总工程师刘海滨，中科院自动化研究所研究员曾毅，清华大学电子工程系党委副书记、深鉴科技创始人汪玉，北京大学哲学系副系主任刘哲，清华大学交叉信息研究院助理教授邓东灵，明势资本合伙人曾颖哲，深圳能信安科技股份有限公司董事长李向阳，碳云智能生物信息与人工智能实验室执行主任王敏昆 ，华为产业战略与政策部高级产品经理张涛，京东金融研究院研究员刘元兴。国际技术经济研究所副所长魏强、《环球财经》杂志副总编辑赵京城、国际技术经济研究所研究一室副主任宫学源出席会议并参与研讨。

下面分享各位专家的部分观点，供大家参考。精彩不容错过的详细内容请参考《环球财经》杂志的后续报道，以及国际技术经济研究所、中国电子学会、智慧芽即将合作完成的《人工智能：未来趋势与中国位势》一书。

 刘海滨 中国航天系统科学与工程研究院总工程师

• 世界各国纷纷发布了自己的人工智能战略。相比之下，美国人工智能国家战略比较宏观，涉及内容包括长期投资、人工智能的伦理与法律问题、人工智能的安全性等问题，而中国的人工智能战略多是具体的项目和计划。

• 人工智能日益成为新一轮科技革命的引擎，中国与世界发达国家的进展基本同步，完全有能力跻身新工业革命的前列，但中国在基础理论和创新方面仍是追随者。

• 人工智能的重点发展领域包括农业、工业、交通运输业、社会服务与保障，相关细分方向的发展需引起重视。

   

 曾毅 中科院自动化研究所研究员

• 目前产业界的人工智能发展可以归结为“数据智能”，AlphaGo的发展跟智能的本质是没有关系的；相信未来的人工智能是向“机制智能（mechanism-based AI）”发展的。

• 经过数亿年的演化，人类大脑具有很高的鲁棒性和抗噪能力，并且能够完成复杂多任务。深度学习系统在理想状况下可以较好的工作，但在复杂环境、含噪环境和多任务场景中，表现的不如人意。

• 智能的进化有两个方向，一个是人类（碳基）的“Mechanization（机械化）”，一个是人工智能（硅基）的“Humanization（类人化）”，未来两个发展方向将会逼近。

• 没有自我意识的智能模型才是更危险的，希望未来的人工智能是建立理解人类基础上的，具有认知、共情、揣测别人的思维的能力。

• 人工智能的伦理治理非常关键。未来的人工智能需要有正确的模型，并在正确模型的基础之上发展伦理，这样一环扣一环的才能够避免所有的风险。

汪玉 清华大学电子工程系党委副书记、副教授；深鉴科技创始人

• 从互联网到移动互联网再到如今的人工智能，其关注度是不断上升的，这是因为身边的很多设备都需要智能，量变引起关注度的“质变”。

• 生态对于人工智能行业非常关键，像英伟达、谷歌等公司都打通了AI应用、训练与硬件间的关系，因此AI芯片也有能用、好用、喜欢用和离不开几种层次。

• 怎样让传统行业愿意用智能硬件是非常关键的，我们不应该从计算平台这个角度推动全社会的产业升级，更应该从应用角度来去推动，因为做应用的人才会掌握全部数据。

 刘哲 北京大学哲学系副系主任、副教授

• 中国过去几十年的发展模式都是以消费驱动，而非以伦理和社会价值驱动，这导致了中国人工智能伦理研究的滞后。而人工智能在军事、民用、工业领域的使用都包含很多关于人的价值以及社会价值的思考，在以硬科技推动经济发展的阶段时，人工智能伦理的研究必须推进。

• 法律治理具有明显的滞后性，人工智能治理体系的思路要进行调整，要以伦理治理为主，并且在技术发展的初期就要融入伦理价值，而不是事后进行批评、敲打。

• 在全球多元文化和多元价值观的背景下，必须要考虑到针对新兴行业的伦理标准和价值需要达成国际性的共识。

邓东灵 清华大学交叉信息研究院助理教授

• 近两年，量子人工智能领域的研究和项目开始爆发，这主要得益于量子计算的快速进展，如谷歌开发出72量子比特的量子处理器。量子人工智能是一片没有开垦的领域，未来有非常广阔的空间，需要获得科技政策的支持。

• 量子人工智能还没有明确的定义，一方面可以理解为利用量子算法解决经典的人工智能问题，一方面可以理解为利用机器学习等解决量子力学的问题。

• 利用量子计算指数级的运算加速能力，和人工智能结合起来，能够更好地解决人工智能的问题。目前已经探索的算法包括HHL算法、量子生成模型和量子对抗神经网络等。

曾颖哲 明势资本合伙人

• 目前市面上的人工智能主要基于海量数据的分析和推演，不能算真正意义上的智能。这一波人工智能兴起是数据、算法和算力上的突破。

• 数据层面，对整个行业的健康发展考虑，规范数据的标准、建立跨平台的分享机制，比数据的垄断更能促进人工智能的发展。

• 算法层面，中国在应用领域的聚焦点集中在语音识别、图像识别和自动驾驶等领域，而人工智能最有价值的是拓展到各个领域，尤其是在传统行业的应用。人工智能技术与行业的融合还有很长的路要走。

• 弯道超车任重道远。中国在技术底层上的创新还很不足，想在算法领域超车挑战非常大。

李向阳 深圳市能信安科技股份有限公司董事

• 人工智能产业商业模式与互联网商业模式不同。受限于现阶段人工智能技术发展水平的制约，人工智能真正能够落地的场景有限，因此人工智能企业的创始人要有战略定力和耐心。

• 人工智能本身并不是直接的应用技术解决方案，必须与各行各业融合才能创造价值。因此要尽快形成人工智能技术产品化、产品市场化的产业发展正循环。

• 现阶段人工智能产业发展存在着各种机会与挑战。中国应努力推动人工智能的全球合作，吸引人工智能领域的科技人才，研判好人工智能的发展态势。

王敏昆 碳云智能生物信息与人工智能实验室执行主任

• 生命健康的大数据维度很高，人工智能的应用潜力非常广泛，我们关心的是如何将人工智能应用到生理研究上来。

• 初创企业在研发中遇到的问题：一是成本高，项目拓展时的成本增加很快；二是商业模式进展慢，用户的商业转化是很大的问题；三是伦理方面的问题，样本数据的隐私非常敏感。

张涛 华为产业战略与政策部高级产品经理

• 在AI企业的孵化过程中，美国环境优于我国：一是美国在个人数据和隐私保护上做得比较好；二是美国有公共数据交换和分享机制，值得我们借鉴。

• 中国人工智能发展存在的矛盾：一是中国有市场，但没有相应的隐私保护；二是中国有全生产链，但设备依赖美国、日本、欧洲。

• 在人工智能发展前期政府应以鼓励为主，不要设定太多限制。

刘元兴 京东金融研究院研究员

• 制定信息化社会背景下的数据和科技监管规则，形成以法律监管为主轴、以标准化监管为抓手的灵活式监管体系。

• 国家人工智能标准化总体组制定了人工智能伦理白皮书《人工智能伦理与社会影响研究报告》，其核心有三点：一是将人工智能伦理归结为人类根本利益原则和责任原则；二是人工智能伦理的分场景探讨；三是伦理白皮书以风险控制为出发点。

• 人工智能承担法律责任的问题，也应按照技术程度和应用场景的不同来分别判定。