中美歐人工智能產業風險研究及中國對策

孫慧敏，謝慶紅，吳 斌

（南京工業大學經濟與管理學院，江蘇南京 211816）

隨著人工智能的快速發展，各國政府高度關注人工智能的產業發展，將人工智能戰略規劃上升至國家層面，以搶占新一輪科技革命和產業變革的制高點。美國政府發布了《AI &Machine learning committee》《Artificial Intelligence Automaton,and the Economy》《American AI Initiative》等多個有關人工智能戰略部署的文件。我國政府出臺了《促進新一代人工智能產業發展三年行動計劃（2018－2020）》《國務院關于印發新一代人工智能發展規劃的通知》《新一代人工智能產業創新重點任務揭榜工作方案》等人工智能戰略措施相關文件，高度重視人工智能的產業發展和技術進步。人工智能的發展對國民經濟有著至關重要的影響，往往決定了一個國家在全球的經濟地位，這也導致各國在人工智能行業進行激烈的較量，主要表現在科技強國對于人工智能產業核心技術的技術管制與貿易制裁。2018 年，美國政府禁止所有政府機構購買華為的設備和服務，隨后，美國政府禁止向華為公司銷售產品及技術，并將涉及集成電路生產、計算機研發的幾家大型中國企業列入國家安全出口管制清單。以美國為主體的科技強國正在通過技術制裁的方式打壓我國的人工智能產業，阻礙我國的經濟發展。我國人工智能產業正面臨著嚴峻的考驗，雖然我國高度重視人工智能產業發展，但人們對人工智能產業風險的重視程度還不夠高，本文認為有必要對人工智能產業風險進行系統的研究。

1 文獻綜述

目前對人工智能的研究已經引起了廣泛的重視，研究的角度與側重點各有不同，主要集中在以下兩個方面。一類是研究人工智能技術帶來的社會風險問題，另一類是關于影響人工智能產業發展的研究。關于人工智能技術引發的社會風險問題，目前主要聚焦在就業失業問題和信息泄露兩大風險問題上。一些學者研究認為，人工智能技術可能會帶來大量工作與就業風險。他們認為隨著人工智能技術的快速發展與過程自動化的普遍使用，低技能的工作崗位的失業風險將會大大增加，甚至就業者的工資規模也將減小［1-2］。世界經濟論壇以及PWC 等關鍵機構也在報告中表示，人工智能和機器人的凈效應可能會造成大規模技術人員失業［3］。郭凱明［4］聚焦于人工智能的發展對勞動收入份額的影響，認為這種影響方向具有不確定性。隨著Facebook 和劍橋泄露用戶信息這一丑聞發生，大數據技術引發的信息泄露風險受到了公眾的重視，一些學者研究了人工智能技術與個人隱私和數據泄露問題，認為雖然互聯網能解決從地理定位、通過可穿戴設備的健康監測、銀行服務及在線購物等各種領域的問題，但也給用戶的隱私帶來潛在危害［5-6］。在很多情況下，人工智能算法已經可以代替人類進行決策和行動［7-8］。Akhter［9］認為人們對于大數據平臺如何處理個人信息的負面看法可能會影響網上交易的頻率。這些都引發了公眾對個人信息和網上隱私可能被濫用而日益增長的擔憂［10-11］。

一些學者聚焦于人工智能產業發展研究，目前我國人工智能在自然語言處理、語音識別、智能監控、計算機視覺、機器人等技術領域已享有自主知識產權，且已得到廣泛應用。目前，我國在某些關鍵領域已與發達國家水平相當，但整體上我國人工智能產業發展水平與發達國家仍存在一定差距［12］。陳軍等［13］分析中美兩國IPC 分布，發現美國在語音分析或合成、語音識別等領域申請量較多，而中國在數據識別、數據處理等領域更勝一籌；在技術領域關注重點方面，美國偏向于新興應用領域研究，而中國偏向于研究傳統應用領域。目前我國人工智能產業仍處于發展初期，面臨技術創新能力薄弱、高端人才緊缺等各方面挑戰，在頂級人才、半導體領域、技術標準方面，美國占據了絕對優勢，這使中國人工智能產業在未來很長一段時間都將扮演追趕者角色［14-16］。張振剛等［17］統計人工智能專利權人，發現全球排名前12 位的企業均為外企，中國企業在人工智能的算法基礎和綜合研發實力方面仍處于落后狀態,在人工智能領域，地方性投融資活躍度低與投融資困難等問題也較為突出［18］。從產業發展的促進效應來看，產業的自主創新能夠促進產業高質量發展，對產業安全產生顯著影響［19-20］,政府及企業的研發投入從長遠看會促進高技術產業的企業基礎研究［21］。

我國高度重視人工智能產業發展，但目前對于我國人工智能產業的發展水平及國際競爭態勢尚不明確，研究學者對人工智能產業風險現有的研究規模和深入程度目前正處于起步階段，沒有形成系統的理論。本文期望能夠建立一套科學合理的人工智能產業風險評價指標體系和評價模型，運用層次分析法和熵權法組合賦權，集成灰色綜合評價理論，以保證其評價結果的準確和客觀，并對風險主要來源分析，給出在貿易摩擦時期中國人工智能的政策建議，進行風險防控。

2 人工智能產業風險評價指標體系的構建

構建完善、合理的人工智能產業風險按評價指標體系是保證評價效果真實可靠的關鍵，應遵循以下基本原則：（1）權威機構的典型指標體系，根據權威機構產業發展評價報告中出現過的高頻率指標進行篩選；（2）全面性原則，以代表性較強、較全面的指標最大的反映出引發人工智能產業風險的信息，不僅可減少評價工作量，而且能確保評價結果的評估精度；（3）易獲取性原則，在實際操作中應依據指標數據獲取的可獲性進行篩選，應確保合理的公開渠道，力求指標含義清晰、明確、真實、有效；（4）可量化原則，構建人工智能產業風險評價體系時要充分考慮指標能否被量化處理，盡量選取可量化指標。

本文從產業競爭力和產業安全的角度出發，識別導致人工智能產業風險的因素主要包括產業創新能力、產業規模、產業融資環境、產業經濟效益、產業能源消耗等五個方面，相關風險因素導致人工智能產業風險的因素不僅取決于相對落后的產業技術創新的能力、較難的產業投融資環境、規模小的產業狀態，甚至是產業耗能巨大以及能源效率低，還取決于產業的經濟效益水平。

2.1 產業創新能力

人工智能產業對科技創新能力要求較高，屬于技術密集型產業，Glasser［22］認為產業創新能力是影響技術密集型產業發展的一個重要風險因素，為此可以從五個方面來衡量：技術進口額、PCT 專利申請數量、校企合作論文比例、論文FWCI 水平、頂端研究者數量。一是技術進口額，技術進口額是指在人工智能領域從國外向國內通過貿易、投資或者經濟技術合作的方式轉移技術所花費的金額，其中，我國技術進口額主要來源為進口集成電路相關技術和產品。技術進口額越大，表示從國外轉移的技術就越多，產業的技術水平就越低，則產業的技術風險就越大，從而導致產業風險越大。二是PCT 專利申請數量。PCT 是專利領域中一項國際合作條約，專利申請人可通過PCT 請求多國同時保護其發明專利。專利的數量及變化趨勢可以反映一個國家的科技發展水平與最新動態。PCT 專利申請越多，則國家的科技發展水平越高，產業風險也隨之降低。三是校企合作論文比例。由于企業以追求經濟利益為主，與高校的目標和定位不同，校企合作論文能夠使高校的研究方向貼合市場需求，提高創新價值，從而推動人工智能產業發展。四是論文FWCI 水平。FWCI 值通常用來表示一個國家的總體科研質量，FWCI=1 代表國家總體論文質量等同于世界平均水平，FWCI 值越低則代表國家的總體論文質量越差，越不利于人工智能的產業發展。五是頂端研究者數量。五是頂級 AI 研究者數量。頂級 AI 研究者是指在國際上具有領先研究創新能力的AI 人才，頂級AI 研究者數量通常被用來衡量研究者質量，是評價AI 產業風險必不可少的重要因素之一，當人工智能頂端研究者數量較高時，將有助于將先進知識和技術進行創新轉化，提高產業的創新效率，推動人工智能產業快速發展。

2.2 產業規模

產業規模越大越有利于產業可持續發展，產業風險則會越低。本文從國家人工智能企業數量、開設AI 專業高校數量、基礎層與技術層人才數量、AI初創企業數量四個方面來衡量人工智能產業規模的大小。一是人工智能企業數量。企業數量越多，越大，越有利于使整個產業的產量增加。企業數量少時，則不利于產業鏈的持續發展。二是開設有人工智能課程的高校數量。該指標可以反映國家培養人才的能力，開設AI 專業課程的高校越多，AI 人才越有利于得到大規模培養，“業由才廣”，隨著高校AI 課程的普及與深入，人工智能產業將會在很大程度上取得快速高質量發展。三是基礎、技術層人才數量。基礎、技術層人才指在基礎、技術層研究領域內具有創新的研究能力且有創新成果的研究者，基礎研究人才不足是AI 產業風險的重要來源。在算法、芯片等產業核心基礎領域的研究人才數量越多，對核心技術掌握的越多，有利于提高企業競爭優勢。AI 人才集中在應用層，產業基礎核心技術被他國掌握，將導致在產業競爭中受到制約且處于劣勢。四是初創企業數量。初創企業是指行業內新成立不久，缺少資金和資源支持的一類企業，一般將開發的創新技術及創新產品作為其主要競爭優勢，初創企業是產業創新、開發新技術的重要來源，初創企業數量越多，科技創新力量越大，越能激發企業的創新積極性，推動AI 產業快速變革發展。

2.3 產業融資環境

產業融資環境是指產業在研發階段獲得投融資的難易情況，從國家研發投資額、AI 初創企業融資額、私募投資總額、私募股權投資事件數4 個方面來衡量人工智能產業的投融資風險。一是國家研發投資額。該指標以國家、政府為主體對人工智能的科研投入，國家對人工智能產業的研發投資額越多，說明國家對人工智能產業的科研支持力度大，重視度越高，反之，說明國家對于人工智能產業科研支持力度低，不利于人工智能產業快速發展。二是AI初創企業融資額，該指標是指人工智能初創企業所能融資到的投資額，可以反映初創企業的生存狀況，初創企業融資額越高，則說明政府及金融機構對人工智能產業的投資興致高。人工智能的企業生存環境良好，將有利于產業發展；反之，AI 初創企業融資額低，則人工智能早期項目獲得資本的難度大，不利于初創企業的規模化發展。三是私募股權投資總額。私募股權投資對象一般為未上市的初創企業，該指標指通過私募的形式獲得投資資金，跟蹤私募股權投資可以衡量國家發展AI 公司的能力。私募股權投資總額低，說明資本市場對AI 領域的投資活躍度不高，國家發展AI 公司的能力低，阻礙產業創新與產業發展。四是私募股權投資事件數。私募股權投資事件數反映了行業的受關注程度，私募股權投資事件數越多，說明行業越受投資領域關注，吸金能力越強，活躍的投資市場將會促進AI 行業的快速發展。

2.4 產業經濟效益

經濟效益是指資金成本的消耗轉化出的有用勞動成果。產業創造的經濟效益越高，產業的勞動投入向經濟成果轉化率越高，從而提高市場競爭優勢，形成良性循環，推動產業更好發展。本文從AI 產業總產值、總產值在地區GDP 的占比、產業發展增速3 個指標衡量產業經濟效益。一是AI 產業總產值，總產值指標能在一定程度上體現出人工智能產業的經營狀況的好壞以及經濟效益的大小。當總產值持續低迷時，將會導致企業信心的喪失以及產業鏈系統的風險增加。二是總產值在地區GDP 的占比。該指標用來反映產業運用全部資產的收益能力。總產值在地區GDP 的占比越高，說明人工智能產業對整體的經濟貢獻越大，經濟效益越好，市場競爭越大。三是產業發展增速。表示AI 產業在某段時期內增長的速度，產業發展增速越大，則產業產值增長速度越快，經濟效益越好，市場競爭力越大，從而使產業更加成熟穩定地發展。

2.5 產業能源消耗風險

能源消耗是指由于人工智能設備在訓練和運行時需要處理大量的數據、占用內存和處理器，消耗大量電力。人工智能規模化發展，使能源消耗速度加快，將會占用大量的社會用電從而導致發電量不足以支持使用，因此，認為能源消耗是非常重要的風險因素。因此本文從數據中心年耗電量、數據中心電力使用效率PUE 兩個指標來衡量能源消耗的情況。一是數據中心年耗電量。據相關部門統計，全球的數據中心耗電量預計到2025 年會達到世界電量的15%，由此可見數據中心耗電量是個值得重視的指標。二是數據中心能源效率PUE。數據中心能源效率為數據中心總輸入功率與IT 負載功率的比值，指在供電、制冷和保護IT 負載方面額外消耗的電力量多少，國際通用的PUE 衡量指標。能源高效使用是產業可持續發展的重要因素，能源使用效率高，說明綠色化程度高，能源使用效率低，會產生大量能源浪費，不利于產業可持續發展，從而增加產業風險。

基于指標選取的原則,本文建立了包含產業創新能力、產業規模、產業融資環境、產業經濟效益、產業能源消耗5 個一級指標及18 個二級指標的人工智能產業風險評價指標體系,見表1。

表1 人工智能產業風險評價指標體系

3 人工智能產業風險綜合評價

層次分析法將專家思維科學層次化，根據專家經驗將評判因子轉換成評判矩陣，獲得合理權重，但存在評價專家主觀上的不確定性。熵權法為客觀賦權法，通過量化指標提供的信息熵大小計算權重，能夠避免因專家主觀不確定性而導致分析結果不準確，但當某個指標值的變動范圍較小時，熵權法就會受到局限。由于層次分析法與熵權法各有利弊，無法同時反映主客觀信息，為了更好的利用有限的信息，本文將主觀賦權與客觀賦權法相結合，使權重更加科學合理。

由于人工智能產業風險相關的評價指標十分的多且繁雜，在評價風險時,有時不可能也沒有必要列出全部指標再進行評價，鑒于此，將人工智能視為一個灰色系統，適當地選取了部分指標，通過對少量已知信息的篩選、加工、延伸和擴展建立評價方法。本文結合灰色綜合評價及組合賦權法，完成對人工智能產業發展風險評估的目標。

3.1 指標權重的確定

樣本數據無量綱處理。對收集到的m個底層指標數據進行無量綱處理:

層次分析法計算權重。本文以中、美、歐盟三大經濟體人工智能產業風險為研究對象，風險指標主觀賦權選取層次分析法，運算得出人工智能產業風險各層指標權重。考慮到此模型的應用較為成熟，其公式及原理便不再贅述。

層次分析法與組合賦權法。本文選用層次分析法進行主觀權重計算，并由層次分析法與熵權法組合計算指標權重，設層次分析法計算出的權重為，則組合權重為:

3.2 灰色綜合評價

制定評價指標的評分等級標準。風險是對將來事件發生的未知性的描繪，本文將風險等級分為“高風險”“較高風險”“中等風險”“較低風險”“低風險”，評分值分別為5，4，3，2，1，風險等級介于兩相鄰等級之間時，評分值為4.5，3.5，2.5，1.5，分值越小風險越小，具體等級標準由各專家根據經驗確定。

確定評價灰類。確定評價灰類就是要確定評價灰類的等級數、灰數及白化權函數。根據上述風險等級標準，將評價灰類劃分為5 類，灰類序號為e=1,2,3,4,5，白化權函數如下:

4 人工智能產業風險實證研究

4.1 數據來源和收集

考慮到美國、歐盟、中國三大經濟體的AI 發展水平在全球領先其他經濟體，本文以美國、歐盟、中國三大經濟體為樣本選取對象，數據來源于IDC 數據中心、中國電子協會、國家工業信息安全發展研究中心、中國信息通信研究院、華泰證券研究所、清華大學中國科技政策研究中心、Elsevier、Scopus、騰訊研究院、CAPIQ，Cruchbase、賽迪智庫、艾瑞咨詢研究院、中國科學院、德勒研究所等機構發布的數據報告，得到的基礎數據如表2 所示。

表2 人工智能產業風險指標數據

指標說明：技術進口額采用集成電路進口額進行統計測算，基礎、技術層人才數量采用人工智能各分支研究領域進行統計測算，包括機器學習、機器人、計算機視覺、可視化、知識工程、信息檢索、自然語言處理、多媒體、語音識別、數據庫、數據挖掘、自然人機交互、計算機圖形學等各分支；頂端研究者以在全球AI 學術頂會上發表論文的研究者為采集對象。

根據公式（1）-（6）計算得到各指標的相對權重和組合權重，如表3 所示。

表3 各指標的相對權重和組合權重

4.2 灰色綜合評價

由5 名專家按指標評級標準進行評分，得到美國、歐盟、中國三大經濟體的人工智能產業風險的評價樣本矩陣，。

根據公式（7）—公式（17），對美國、歐盟、中國各人工智能產業的作綜合評價，并對各一級指標進行單值化處理，得美國、歐盟、中國的一級指標的綜合評價值分別為：

5 評價結果分析

（1）從美國、歐盟、中國總體評價值及對比分析結果（圖1）來看，美國綜合評價值為2.703，整體評價值最低，根據最大隸屬度原則，美國人工智能產業處于“中等風險”狀態；歐盟綜合評價值為3.616，屬于“較高風險”狀態；中國的綜合評價值為3.789，整體上高于美國與歐盟，為“較高風險”狀態，三大經濟體的綜合評價結果符合實際情況。對比看來，目前我國人工智能產業風險等級最高，產業總體形勢嚴峻，主要受到產業創新能力不足、產業能源消耗大且效率低、產業未形成規模、產業經濟效益低、產業投融資環境較差等五方面的影響，其中，產業創新能力不足及產業能耗高、產業未形成規模化是導致我國人工智能產業處于較高風險狀態的主要原因。

圖1 美、歐盟、中國人工智能產業風險一級指標綜合評價結果

（2）根據美國、歐盟、中國一級指標綜合評價值及對比分析結果（圖1，下同），美國產業創新能力風險值最低，為2.805，歐盟為3.073，美國與歐盟產業創新能力風險等級均為“中等風險”，中國產業創新能力風險值遠高于美國，得分為4.177，屬于“較高風險”狀態，說明我國產業創新能力薄弱是引起人工智能產業風險較高的一個重要原因。由對應二級指標數據可知，技術進口規模大是我國人工智能產業創新能力薄弱的重要表現，目前諸如芯片、光刻機等的關鍵核心技術仍需要大規模進口，高度依賴外國，導致易受他國的經濟與技術牽制，這在中美貿易摩擦中表現的尤為明顯；我國擁有對先進知識和技術進行創新轉化、引領產業進步的頂端研究者數量遠遠少于美國，AI 頂端研究者的缺乏是我國AI 產業緩慢發展的重要原因；PCT 專利申請數量少是我國產業創新能力低的重要原因，我國PCT 專利申請數量也遠遠低于美國，研發者活躍度和科技發展水平與美歐強國存在差距；我國論文FWCI 值為0.8，研究水平在領域內仍未達到世界平均水平，這也是產業創新能力不足的重要風險來源。另外，校企之間合作的論文數量與比重過低也是我國創新力不足的一個重要原因，高校培育出的人才與企業的崗位需求存在一定的差距，不能很好的滿足企業的人才需求也是導致產業風險較高的不容忽視的原因。從產業規模一級指標綜合評價值及對比分析結果來看，美國產業規模風險得分為2.419，風險值最低，隸屬于“較低風險”，中國、歐盟產業規模風險得分均高于美國，風險評價值分別為4.175、3.917，其中，中國風險等級最高，屬于“較高風險”狀態。由二級指標數據可知，我國AI 產業研究者分布在基礎、技術層的數量與美歐兩大經濟體相比，存在明顯差距，研發團隊規模較小，對人才培養也屬于落后狀態，推動基礎研發進步的力量薄弱，導致AI 產業在基礎研究領域短板嚴重；我國開設AI專業的高校數量不足美國的1/8，國家和高校對于AI 人才培養的重視度低，AI 學科建設晚，無法進行人才規模化產出以滿足市場需求；初創企業數量僅為美國的1/10，作為產業創新的重要力量來源，人工智能創新群體及產業整體未形成規模，是產業規模處于“較高風險”狀態的重要原因。

（3）從產業融資環境一級指標綜合評價值及對比分析結果來看，美國產業融資環境風險值最低，為2.425，為“較低風險”，歐盟風險得分最高，為4.189，處于“較高風險”狀態，中國風險得分為3.082，得分介于歐盟有美國之間，并且遠高于美國，屬于“較高風險”等級。由二級指標數據可知，目前國家研發投資額與美國相當，而AI 企業獲得的私募股權投資額少于美國，且發生的私募股權投資事件總數明顯低于美國，說明我國投資市場對于AI 產業的投資活躍度較低，AI 初創企業的融資額與美國相比也存在一定差距，作為技術與資本密集型產業，對資本的需求極大，從而導致企業發展在很大程度上受到制約，這是目前AI 產業投資環境風險較高的主要來源。

（4）從產業經濟效益一級指標綜合評價值及對比分析結果來看，美國經濟效益風險得分為2.821，風險值最低，歐盟與中國經濟效益風險評價值分別為3.579、3.574，評價結果均遠高于美國，其中，歐盟人工智能產業經濟效益風險等級最高，根據最大隸屬度原則，屬于“較高風險”狀態，我國次之，同屬“較高風險”狀態，美國風險等級最低，為“中等風險”。從對應二級指標數據來看，目前我國產業發展增速高于美國與歐盟，而我國人工智能的總產值僅為美國的1/5，產業經營狀況較差，我國AI總產值在地區GDP 的占比比美國低1.2 個百分點，產業運用全部資產的收益能力低于美國，這是AI 產業經濟效益風險較高的重要原因。

（5）從產業能源消耗一級指標綜合評價值及對比分析結果來看，美國、歐盟能源消耗風險評價值分別為3.264、3.204，風險值較低，中國能源消耗風險得分最高，為4.096，即是我國人工智能產業能源消耗風險等級最高，處于“較高風險”狀態，美國、歐盟屬于“中等風險”狀態。從對應二級指標數據來看，我國人工智能產業能源消耗量為1 608.9kwh，在全社會用電中占據高達2.35%的比重，數據中心消耗電量龐大，是美國和歐盟的2 倍，且我國數據中心的能源效率PUE 明顯高于美國與歐盟，能源利用率低，產生的無用消耗過多，也是產業能源消耗多，風險高的重要原因，隨著AI 產業的飛速發展，這也將成為不容忽視且刻不容緩亟待解決的重要問題。

6 降低我國人工智能產業風險對策建議

（1）加快人才隊伍建設，加強基礎研究，提升技術創新能力和產業競爭力。推動技術創新是提升產業競爭力、降低產業風險的核心所在，人才是人工智能產業發展的源頭，加快人才隊伍建設是人工智能產業發展的關鍵，應加大人才引進專項項目，完善人才優惠補貼政策，吸引更多高端人才及創新型人才，防止高端人才流出；鼓勵高校建設人工智能相關學科，注重學科交叉培養，打造復合型人才；鼓勵高校等研究機構與企業合作，推動產學研用深度融合，根據社會需要培養專業型人才，依據產業發展進行前沿實用型技術創新；做好前沿基礎理論研究布局，加大新一代人工智能研發投入，掌握核心技術與前沿科技，提升技術創新能力和產業競爭力。

（2）做好新一代人工智能產業發展戰略布局，實現人工智能高端化發展。積極響應國家“新基建”戰略部署，加快人工智能及場景應用的基礎建設與深入融合，推動產業轉型升級，實現產業高端化發展；算法是人工智能的核心，應積極構建新一代人工智能理論體系，布局量子智能計算、類腦智能計算、光電計算及光電智能芯片等領域理論研究，鼓勵企業優化人工智能運算模式，建立更高效的人工智能新算法模型與量子人工智能系統架構，推動算力優化進步，實現能源高效利用，并實現由弱人工智能到強人工智能的升級轉化。

（3）完善政策，加強政策評估。我國已出臺《新一代人工智能發展規劃的通知》等人工智能相關發展政策文件，在此基礎上還應出臺更具針對性的發展政策及支撐計劃，引導金融機構增加對初創企業的金融支持；完善人才優惠補貼政策，加大人才引進力度；完善經費支出政策，在智能芯片、未來交通、智能健康、量子科學、腦科學等前沿領域加大科研經費投入，突破前沿核心科技；加強國家及地方發布的產業政策考核評估，對政策方案的合理性、有效性及完整性、政策執行情況、政策預期目標及目標完成度等進行評估，有助于提高政策質量，促進政策資源配置更合理、有效，通過對政府工作進行評估監督，激勵其制定更科學的產業政策。

（4）加強政府宏觀調控，實行投資績效考評管理，建立投資預警機制。加強國家對地方政府產業投資項目建設的宏觀調控，統籌規劃各地方產業投資建設，避免重復投資建設，保證各地方產業協調發展，從而提高國家整體產業競爭力；實行投資績效考評管理，對各省市人工智能相關投資項目實行績效考評，評估投資項目獲利情況及風險，引導地方及企業投資，提高行業投資績效；建立投資預警機制，跟蹤行業實際情況及變化趨勢，監控預警系統指標數據并做出快速反應，引導企業投資和生產經營活動，避免集中投資和盲目投資，促進行業協調可持續發展。