主要國家人工智能技術發展路線圖規劃模式及啟示

王彥雨，高 芳

(1.中國科學院自然科學史研究所，北京 100190;2.中國科學技術信息研究所，北京 100038)

人工智能技術作為一種通用技術，其發展日益受到各國重視。2016年AlphaGo出現以來，全球已有20 余個國家和地區密集發布了人工智能相關戰略、規劃或重大計劃，美國、德國、法國、英國、日本、韓國、俄羅斯、加拿大等主要發達國家都將發展人工智能提升到國家或區域戰略層面，對人工智能的未來發展方向、優先領域進行系統布局，以搶占未來發展制高點，美國、德國、韓國等更是根據人工智能發展的階段性特征和本國國情等及時更新了人工智能發展戰略。分析這些國家人工智能未來發展路線圖的規劃背景、特征與模式，研究其規劃布局的內在邏輯，有助于我們借鑒相關經驗，構建并持續完善符合我國國情的人工智能發展路線，科學有序地推進我國人工智能發展。

1 各國制定人工智能發展路線圖的背景及典型模式

“路線圖”作為一種規范且靈活的規劃手段，通常是將短期、中期和長期發展目標與具體的技術解決方案相匹配，進一步明確重點任務、發展方式、發展路徑和必要舉措的過程，以支撐實現相應時期的戰略目標。科學、合理的路線圖設計既可以幫助發現當前新興技術發展過程中所面臨的難題，確定未來發展方向及應用領域，同時也可以輔助管理者制定前瞻性的技術戰略管理方案[1]。人工智能作為一種通用技術，正在對人類社會各個領域產生顛覆性影響，同時處在本輪發展熱潮的人工智能技術不僅面臨諸多技術瓶頸，其引發的深度偽造、隱私侵犯、機器倫理等治理挑戰也日漸突出，亟需通過前瞻性戰略規劃引導人工智能技術發展，規范人工智能創新應用。

人工智能技術自身發展面臨諸多困境，迫使人們去探索可能的新路徑。當前，主流的以深度學習為代表的人工智能算法仍存在不可解釋、通用程度低、情景適應能力弱、抗干擾能力差等問題；數據驅動的人工智能對算力的要求越來越高，有研究顯示，2012年以來人工智能算法訓練過程中使用的算力呈指數級增長，平均每 3.4 個月就會翻倍[2]，這一周期遠遠低于半導體硬件摩爾定律18個月的周期，近年來摩爾定律正逐漸逼近極限，因此，無論是集成電路硬件設計還是高性能計算體系架構都亟待有新的方法或路徑出現。此外，確保人工智能研發及應用符合人類倫理，是管理主體和研發主體等必須積極解決的問題。作為一項顛覆性技術，人工智能引發了許多新的倫理難題，如算法歧視、決策過程的不可解釋性、算法進化的不可控性等，人工智能技術應用的廣泛性和滲透性則進一步放大了個人信息泄露、社會偏見等方面的風險，因此需要在技術進步性與倫理可接受性之間尋找平衡，將倫理納入技術演化圖景中。

各國人工智能發展的基礎條件和水平不同，且彼此之間在文化傳統、倫理道德觀念方面存在一定的差異，因此在規劃模式上也有所不同。比如，美國追求在人工智能基礎研究和技術應用等方面的全面領先，歐盟在人工智能應用和產業發展方面處于相對弱勢地位，且許多歐盟人士對于AI持完全懷疑態度……負面情緒要明顯得多，導致歐盟在設計未來AI發展路線圖時更加強調倫理要素的介入[3]。

基于上述技術、倫理以及國情等核心因素，本文在分析主要國家人工智能發展路線圖規劃特征時，提出包含橫縱兩大維度的菱形分類圖 (見圖1)。縱向兩個維度分別是技術導向優先和倫理導向優先，前者表示更傾向于從技術自身發展來進行布局，后者則強調從倫理視角來引導規范人工智能發展。橫向四個維度主要有創新的前瞻性、研究的基礎性、產業的選擇性和社會粘合度，意指不同國家在規劃重心上各有側重，或注重前沿問題探索，或關注基礎理論，或強調結合本國產業優勢等。需要指出的是，上述各維度之間的劃分只是側重不同，并不存在非此即彼的明確界限。整體來看，美國具有明顯的 “技術優先導向+創新前瞻性”特征 (圖1中的TAF維面)，強調技術領先，歐盟各國和英國重視將倫理嵌入人工智能的未來發展中，屬于 “倫理優先導向”與 “研究的基礎性”的結合 (EAB維面)，日本關注數據智能與社會各要素的結合，推動 “社會的智能性” (TAS維面)，韓國產業選擇性特征最為突出，將人工智能規劃與本國的優勢產業緊密結合在一起 (TAR維面)，俄羅斯重視夯實人工智能基礎理論與方法 (TAB維面)，加拿大重視人工智能前沿理論的顛覆性創新 (TAF維面)。

圖1 菱形分類圖

2 美國：全面技術引領型模式

同其他高技術領域的戰略發展目標相同，美國對人工智能發展的定位是保持美國在全球的領先地位。2016年奧巴馬發布首份 《國家人工智能研發戰略計劃》，并將這一戰略規劃類比為新阿波羅計劃。2019年2月特朗普簽署行政令，強調美國在人工智能研發和部署方面處于世界領先地位，未來美國在人工智能領域將繼續保持領導地位[4]。政府部門、研發資助機構等相繼發布技術路線圖，力圖進一步塑造技術優勢。總體來看，美國高度重視人工智能基礎理論研究與前沿創新，并持續加強對未來革命性算法的前瞻研判，開拓類腦智能前沿創新領域，布局面向未來的智能半導體研發，同時也注重人工智能相關倫理法律問題，為人工智能創新提供文化與社會支持，如 《國家人工智能研發戰略計劃》中的八大戰略之一便是理解和處理人工智能的倫理、法律和社會影響。

2.1 AI未來算法

美國科學技術委員會、美國人工智能協會 (AAAI)、美國國防部高級研究計劃局 (DARPA)等陸續發布相關計劃，不僅要進一步探討主流的數據智能研究范式，還努力從情境層面為未來人工智能算法應實現的功能開展前瞻性引導和布局。一方面，進一步強化數據智能基礎理論研究。 《國家人工智能研發戰略計劃 (更新版)》特別指出，確保對人工智能基礎研究的長期投資，優先領域包括以數據為中心的知識發現方法，加速異質性數據的新知識發現問題，了解AI算法的能力及局限，特別是其決策機制、推理過程等。另一方面，前瞻性探討未來算法特征。AAAI、美國科學院等發布的 《美國未來20年人工智能研究路線圖》對未來人工智能可能達到的理想功能狀態進行了預測[5]，一是集成智能發展應實現不同智能系統間的有效整合，打破當前人工智能研究僅限于單個技術領域、僅可應用于孤立問題的分立局面；二是實現人機、機機之間有意義的互動，開發具有社會特征的智能體，實現人機、機機之間的有效協作，以及可了解人類意圖的敏捷交互機器人等；三是使人工智能具有自我意識的學習能力，使人工智能主動捕獲超越表面相關性的知識，或無需人工介入便可進行長時有效學習。DARPA啟動實施的 “AI Next”計劃提出，要提升人工智能技術的情景適應性，可根據不同的應用領域、基于不同的情景主動構建學習模型，目標是讓機器從工具變成可信賴的合作伙伴，使機器具備一定的常識和識別能力，以及終身學習能力，在沒有相關經驗或提前訓練的情況下應對新的情況。

2.2 類腦智能研究

受腦科學研究成果啟發的類腦智能已成為非常重要的發展方向。早在2008年，美國DARPA便啟動了神經形態自適應可塑可擴展電子系統項目，力圖打破馮·諾依曼體系，實現計算與存儲的高度融合，構建架構層面與人腦更為相似的新型計算機[6]。該項目的主要執行者之一IBM于2011年宣布完成區別于傳統諾依曼式架構的革命性電腦芯片設計方案，2014年推出TrueNorth大腦芯片計劃，2017年設計出第五代自學習神經形態測試芯片Loihi。腦機接口、智能增強是另一個優先發展領域，2016年，DARPA發起神經工程系統設計項目 (NESD)，關注視覺、聽覺及語言系統的智能增強，開發可將大腦神經元電化學活動翻譯成數字語言的可植入芯片；2018年，DARPA推出下一代非手術神經技術項目 (N3)，旨在開發不需要手術的高分辨率神經接口技術；同時，DARPA聯合美國陸軍、美國空軍等，推進一系列腦機交互/智能增強計劃，包括定向神經可塑性訓練計劃、阿凡達計劃、腦聯網項目、腦電波控制無人機蜂群研究、腦信息提取研究、恢復性主動記憶項目等[7]。

2.3 下一代半導體研發

美國一向認為半導體領域是其確保人工智能全球領先優勢的核心關鍵，近年來持續強化下一代半導體研發，2020年8月，美國白宮在 《2022財年美國研發預算優先事項》中特別強調，要在半導體基礎材料、器件、設計和軟件方面繼續保持全球領導地位[8]。 2018年11月，DARPA宣布電子復興計劃正式進入第二階段，推動美國半導體產業向專用集成電路方向轉變，優先領域包括傳統CMOS集成電路工藝等比例縮放技術的替代路徑研究、微機電系統 (MEMS)與射頻器件的集成研究、可增強電子元器件安全性和隱私性的防護技術研發等。2020年10月，美國半導體工業協會等發布 “半導體十年規劃”[9]，推進傳感、存儲、通信、安全、高效計算等傳統硬件領域的智能化革命與轉型，重點推動感知信息智能處理技術、高密度存儲技術、智能和敏捷網絡與通信技術、安全硬件設計、異構計算與3維半導體制造等[10]。

3 歐盟：倫理深度介入型模式

歐盟及其主要成員國在布局人工智能技術、產業發展和社會應用等方面均強調倫理約束，圍繞歐洲文化與價值觀來形塑AI的未來技術演化及應用，歐盟的野心在于力圖成為開發和部署前沿性、合倫理性及安全性AI的世界領導者[11]。自馮德萊恩新任歐洲委員會主席以來，歐盟出臺的所有科技相關戰略都把 “技術主權”作為重要目標， “歐盟必須具備能力，基于自己的價值觀、根據自己的規則來做出選擇”，在人工智能領域，歐盟將在世界范圍內努力輸出歐盟價值觀。相比美國，歐盟沒有從技術層面對未來新一代AI進行詳細規劃，認為人工智能研究高度動態且創新周期短，很難對其未來發展進行可靠預測與布局[12]，而是將重點放在分析AI的倫理和社會責任邊界，以此為基礎來引導AI技術的未來發展。同時，歐盟對AI倫理體系的構建已從單純的理論探討延伸至實踐層面，最具代表性的政策文件就是2018年正式生效的 《通用數據保護條例》 (GDPR)。2020年2月發布的 《人工智能白皮書：通往卓越與信任的歐洲之路》重點圍繞 “卓越生態系統”與 “信任生態系統”兩方面展開，著重建構可信任與安全的人工智能監管框架[13]。

3.1 歐盟：為人工智能技術設立倫理邊界

為了保障AI的發展符合歐洲倫理要求，歐盟提出發展 “可信性人工智能”，重視數據隱私保護、維護人類尊嚴、可控性、可解釋性、可追責性。主要遵循三大原則：一是尊重隱私，GDPR確定了數據主體的知情權、訪問權 (查閱權)、更正權 (限制處理權)、數據移植權、被遺忘權以及明確的處罰規則，且GDPR屬于歐盟法律條例，無需各國議會通過便可在各歐盟成員國執行；二是技術的倫理嵌入， 《可信人工智能倫理指南草案》提出可信性人工智能10項要求——可追責性、數據治理、普惠設計、非歧視、尊重和強化人類自治、隱私保護、透明性等[14]，并基于這些要求提出技術方案，包括將倫理和法律納入AI設計、監測AI模型的穩定性、AI決策過程的可解釋性等；三是風險可控與安全，2020年2月歐盟委員會的 《面向卓越和信任的人工智能發展之路》突出了AI風險可控理念，要求允許對人工智能的行為或決策進行追蹤和驗證；提供關于使用高危人工智能系統的充分信息，使其按照預期可靠地運行；確保人類監督，人工智能系統不應破壞人類的自主性或造成其他不利影響。除了倫理約束型AI技術，歐盟還結合自身傳統優勢，著力優先發展以下理論與技術：在基礎理論探索中，歐盟第九期研發框架計劃 (2021—2027年)重點支持無監督機器學習，使用較少數據來訓練人工智能等研究方向；在智能機器人領域，歐盟地平線2020 “未來和新興技術”項目對具有傳統優勢的機器人領域進行大量投入，重點支持人工智能與機器人領域的融合；神經形態計算及基于AI的人類增強技術結合歐盟 “人類大腦計劃”，推動神經形態計算發展，如大型神經形態計算平臺建設及下一代神經形態芯片；加大基于AI技術來增強人類能力的相關研究，且這一方向已于2019年進入歐盟 “旗艦科學計劃”最后一輪篩選流程[15]。

3.2 德國：三位一體模式

德國提出 “AI德國造”口號，強調AI創新能力、社會責任和倫理責任三位一體，將AI創新與社會需求、公民安全、倫理責任等整合起來，以負責任為導向推動人工智能開發和利用，引導人工智能的未來發展。在AI技術創新層面，德國志在成為歐盟AI創新發展的驅動力，確保歐洲在AI研發方面的全球領先地位，重視模式識別、推理系統、基于知識的系統、機器人等基礎研究，注重提高人工智能抵御攻擊的能力、構建安全可靠的AI，支持AI軟硬件協同設計等前沿領域[16]，2020年 《德國人工智能戰略 (修訂版)》強調了 “增強歐洲AI技術主權”的理念[17]。在社會責任層面，要求負責任地開發和使用AI、確保AI為社會造福，特別強調AI對各種應用領域的賦能，如提升人工智能與關鍵技術 (例如生物技術和生產技術)相結合的潛力，推動AI與醫療衛生、護理、航空航天、農業和食品等領域的融合，同時加強AI在氣候與環境保護、可持續發展、抗擊流行病等方面的應用[18]，努力實現聯合國提出的17項可持續發展目標。在倫理責任層面，強化AI可解釋性研究，使人工智能變得可解釋、可問責、透明；推動保護消費者利益和隱私、保障公民安全的人工智能技術研發，推動以人為本的AI應用框架的完善[19]。

3.3 法國：發展有意義的人工智能

法國在規劃未來人工智能的發展時關注其承載的社會責任，強調發展對社會發展有意義的人工智能。2018年3月，法國總統馬克龍宣布實施法國人工智能戰略——AI造福人類，明確提出有意義的人工智能理念。 “有意義”主要體現在三個方面，首先，人工智能發展需要符合這個時代的普遍利益、能夠應對主要挑戰，特別指出將利用人工智能技術來保護生態作為首要任務，確保以最經濟的方式利用能源。其次，人工智能本身并不是目的，它應成為服務、造福人類的工具，如發展AI不應加劇社會不公平、破壞現有的社會福利體系，應確保基本的人權、促進社會團結等。最后， “有意義”還意味著AI應具有可解釋性，數字社會不應受到 “黑盒算法”的支配[20]。基于這一理念，法國將未來AI研發重點聚焦以下領域：①有利于公共利益的AI，推動AI技術與公共領域 (如醫療、環境、交通和國防安全)的結合；② “綠色”AI，大力推進能源節約型AI技術研發、重塑后摩爾定律時代的半導體產業，如新型半導體材料、顛覆性算法、創新性架構體系等，特別是內存計算和神經形態芯片研究；③使工程師及設計人員以合道德和倫理的方式設計、開發AI技術，此外，研發更多的可解釋性模型，理解AI決策過程的內在機制。法國希望基于其傳統的數學等基礎科學的優勢來強化AI基礎研究，如半監督或非監督學習、強化學習、表征學習、遷移學習、知識表示分布式人工智能等，通過基礎領域突破來推進AI理論創新及其與應用的結合。

4 英國：倫理約束下的雙驅動力模式

英國積極構建基于數據驅動的經濟發展模式，使AI知識創新、大數據應用成為推動英國經濟增長的新引擎。 “我們的愿景是使英國成為世界上最適合發展和部署人工智能的國家”[21]，但總體上英國較少從技術層面對AI未來發展進行詳細預測，而是更多關注如何為AI發展提供更好的數據環境。英國強調倫理約束下的雙驅動力發展模式：一是重視人工智能發展的數據基礎，開發可信任的數據、強化數據的共享性，支持文本和數據挖掘；二是積極推動AI知識創新，通過機器學習技術的發展來推動數據應用，使英國成為世界人工智能研發與應用的標桿；三是強調在數據和人工智能的合乎倫理的發展和使用方面引領世界，如2017年4月英國皇家學會發布 《機器學習：計算機通過實例學習的能力和前景》，指出下一波機器學習的新議題便是可解釋性、驗證和確認、隱私、處理真實數據、因果性、安全[22]。 2018年4月，英國上議院發布 《英國人工智能發展的計劃、能力與志向》報告，呼吁英國有能力成為人工智能領域的世界領導者，同時強調要推動合乎倫理的AI研發及應用模式，具體包括：①推進數據共享、使公共數據的價值得以最大化；②積極發展可理解的AI；③確保數據樣本的平衡和代表性；④打破數據壟斷[23]。 在2021年1月發布的 《人工智能路線圖》中，英國人工智能委員會同樣強調要在強化AI基礎研究 (如異質性數據庫間的通用語言、非結構化數據分析技術)的同時，發展安全、合道德、可解釋、可回溯的AI技術，實現對AI技術發展與應用的 “善治”[24]。

5 日本：智能社會導向型模式

日本發展人工智能是在 “超智能社會”的頂層愿景下進行謀篇布局的，重點探索基于以人為中心原則，構建一個面向未來的、基于先進AI系統的 “超智能社會”——社會5.0，通過構建智能社會體系、實現社會各要素的高效整合，來解決日本當前所面臨的各種社會問題、加速社會運轉效率。2017年3月，日本內閣人工智能技術戰略委員會發布 《人工智能技術戰略》報告，詳細描述了日本面向2030年的 “5.0社會”的人工智能研發和產業化路線圖[25]：發展人工智能基礎系統、數據和硬件；促進人工智能在生產領域的應用；推動AI在健康、醫療和社會福利領域中的應用；實現AI與交通領域的融合。2019年，日本發布 《AI戰略2019》，明確指出， “日本必須先于其他國家采取行動，解決人口老齡化、人口減少和基礎設施惡化等成熟社會所面臨的許多社會問題。” 《AI戰略2019》認為，雖然當前日本并沒有在AI技術領域形成足夠的國際競爭力，但可以在世界范圍內率先實現AI技術的廣泛社會應用，形成可持續的、以人為本的智能社會運轉系統：①使日本成為世界AI應用領域的領先者，以增強工業競爭力；②借助AI技術來發展循環生態經濟，成為國際可持續發展典范；③提出以人為本的AI社會發展準則——尊嚴、包容、可持續性[26]。 《AI戰略2019》詳細規劃了未來AI在醫療與健康、農業、國土資源、交通基礎設施與物流、地區發展五個重點領域的應用方式，積極構建數字智能社會，如在國土資源領域構建國家數字基礎設施、智能資源管理系統及災害應對系統等。

6 韓國：產業結合/領域選擇型模式

早在2016年，韓國便發布了 《為智能信息社會做準備的中長期總體規劃：為第四次工業革命做準備》報告，將信息智能化視為第四次工業革命的核心特征。韓國非常強調將人工智能的未來規劃與本國優勢產業結合起來，進行有針對性的技術布局，大力發展人工智能半導體產業，具有非常強的優勢產業關聯性。為了將韓國在信息通信技術、半導體、電子器件制造等領域的優勢轉化為發展人工智能的優勢，韓國在2019年提出從 “IT強國”向 “人工智能強國”轉型的宏偉愿景，同時還謀劃了未來4年利用數據和人工智能促進經濟發展的產業計劃。具體來說，就是利用其世界最好的ICT基礎設施和半導體制造技術，集中打造全球AI硬件研發、加工和生產中心，主要有先進元器件、材料開發，包括低能耗元件、細微工程專用裝備及工程技術等；新概念人工智能半導體開發，特別是可整合記憶 (存儲)和運算 (處理器)的新計算架構體系，如內存中計算；新一代AI算法預研，如可解釋性AI、情景適應性AI、小數據樣本學習式AI等。2020年10月，韓國發布 “人工智能半導體產業發展戰略”，進一步明確了智能半導體在未來整個產業體系中的核心地位，力圖使其成為韓國的 “第二個DRAM產業”，并圍繞智能汽車、基于物聯網的家用電器、生物技術、機器人和公共服務五大關鍵領域，定制化開發每個領域所需的智能芯片[27]。

7 俄羅斯：基礎研發夯實型模式

俄羅斯高度重視人工智能發展，2017年9月普京發表公開演講時強調人工智能是 “人類的未來”，但總體來講，相比美國、中國、歐盟，俄羅斯在人工智能研發投入、社會應用等方面尚存在差距，產業生態還不完善。因此在規劃未來AI發展路線時，俄羅斯特別注重利用國家力量 (包括國防部、聯邦教育和科學部、科學院、各公立學校等)，通過自上而下方式來推動AI研發體系改革，希望在核心算法及硬件方面有所突破，夯實AI發展所需的基礎理論及技術體系，培育本國AI產業生態[28]。這一理念集中體現在2019年10月發布的 《俄羅斯2030年前國家人工智能發展戰略》中：一是加強人工智能基礎研究，優先發展模擬生物決策的集群算法、自主學習算法、復雜任務的自主分解及解決、神經計算系統架構基礎等領域，成立算法研究基金；二是積極推動AI軟硬件、數據基礎的發展，構建AI產業生態體系，包括研發及推廣人工智能軟件，提升數據的可訪問性 (如創建、升級各類公共數據訪問平臺，開發數據采集、標記的統一方法等)，提高人工智能發展所需硬件的質量 (如發展俄羅斯國產處理器、光電元器件，建立高性能數據處理中心)[29]。

8 加拿大：前沿理論創新型模式

加拿大是深度學習理論的誕生地，在規劃未來AI發展時，加拿大注重結合其在深度學習方面的知識儲備基礎，推動AI基礎理論創新，力圖成為世界AI基礎創新和人才培養基地[30]。2017年3月，加拿大頒布 “泛加拿大人工智能戰略”，成立三個卓越AI研究中心——艾伯塔省機器智能研究所、向量研究院和蒙特利爾學習算法研究所。同時仿效硅谷，推進 “人工智能超級集群”戰略，形成 “多倫多-滑鐵盧” (多倫多大學、向量學院、加拿大高等研究院等)、蒙特利爾 (蒙特利爾大學、蒙特利爾學習算法研究所等)和埃德蒙頓 (艾伯塔大學、艾伯塔機器智能研究所)三大超級人工智能研發中心[31]。 理論基礎創新是加拿大未來AI研究的重點，各主要研究機構基于其在深度學習、強化學習基礎理論方面的優勢地位，力圖實現AI基礎理念的顛覆性突破。例如：加拿大高等研究院重點研究人機交互、機器和大腦中的基本學習原理；艾伯塔機器智能研究所則希望在未來的AI和機器學習領域做出里程碑式發現，強化學習、啟發式搜索、自然語言處理、博弈理論、深度學習是其主要研究方向；向量研究院則關注序貫決策、生成模型、AI算法的數學基礎等基礎性、前沿性基礎理論創新領域。

9 啟示

綜上所述，全球主要國家基于本國的科技、產業、社會和文化等現狀，探索符合本國國情的人工智能未來發展路徑。總體來看，除了前沿領域 (如面向未來的新一代人工智能)外，關鍵共性技術 (與AI產業相關的核心算法與架構、先進半導體材料與加工工藝等)已成為各國布局的重中之重，人工智能的未來競爭將是前沿技術與關鍵共性技術的 “雙駕馬車之爭”，而各國的AI倫理治理實踐不僅僅表現為一種文化異同，更涉及AI技術標準與產業生態的國際話語權分配。

2020年初以來的全球新冠肺炎疫情進一步加速了以人工智能、量子信息、寬帶無線通信等為核心的數字技術的發展與應用，未來較長一段時期仍是人工智能發展的重大機遇期。中國作為人工智能發展大國，應在客觀總結國家 《新一代人工智能發展規劃》第一步階段性成果的基礎上，參考借鑒主要國家做法，根據最新技術發展態勢適時更新完善規劃實施重點，堅持人工智能技術屬性和社會屬性并重、加快推進人工智能倫理治理等，確保國家戰略目標順利實現。

一是更加注重AI關鍵共性技術的攻克與儲備。中國在AI核心算法、支撐AI發展的半導體產業等基礎層技術層面依然有明顯差距。首先是AI核心算法缺位，如1960—2018年，美國向美國專利商標局所提交的高被引專利族群達28031件，而中國僅為691件[32]；其次是關鍵性半導體材料及生產工藝技術缺乏 (如GPU研發與應用、智能芯片生產與加工等)。因此，中國應啟動 “AI基礎層技術戰略儲備計劃”，對自然語言處理、視覺/語音識別與處理、智能搜索、云計算領域中的核心算法與底層技術，以及支撐AI產業發展的半導體技術 (材料創新、芯片設計/加工/產生工藝等)實施更有針對性的規劃，維護整個AI產業的生態安全。

二是結合學科前沿、產業優勢與未來需求等強化下一代AI技術的前瞻部署。如下一代AI算法預研，包括情景適應性算法、通用性算法、元學習算法、類腦算法等；應用障礙型算法創新，突破算法可解釋性、可追責性、抗干擾性等問題；新計算體系，可顛覆馮·諾依曼架構體系的內存中計算、異構計算、神經形態計算、量子計算等；學科交叉式核心算法創新，賦予科學研究事業，如類似于Alpho Fold、AI化學家等新型科研平臺及工具，為科研活動提供顛覆性研究手段；產業優勢結合型前沿技術，結合我國的5G、無人駕駛以及數據基礎方面的技術優勢，發力下一代邊緣計算、云計算、集群算法技術；后摩爾定律時代的新型半導體材料、加工工藝研究，如3D堆棧、可改進硬件的AI、芯片的敏捷設計、碳化硅材料等。

三是加快人工智能倫理治理實踐。堅持把握人工智能技術屬性和社會屬性高度融合的特征，在國家規劃層面加強倫理治理的頂層設計，并在工作機制、政策試驗和行業領域監管等方面不斷探索實踐，取得一定成效。下一步在倫理治理理念上，應統籌發展與安全，找好發展與安全的平衡點，既不能因為規制過度而阻礙技術創新應用，也不能因為規制不當而引發不可逆轉的風險[33]。在治理路徑上，堅持從技術、法律和倫理三方面共同推動符合人工智能階段性發展特征的規制體系，加強人工智能安全可信、隱私保護等方面的技術研發，強化倫理治理和風險防范的技術支撐，實現 “以技制技”。分領域、分地域開展立法試點，為國家層面立法積累實踐經驗。在 《新一代人工智能治理原則——發展負責任的人工智能》指導下，積極構建中國特色的AI倫理規范，提出可操作、可落實的AI倫理規范并加快落地實施，以開放包容共享的理念推進人工智能倫理治理的全球合作。