文章最后为中国AI的发展提出了5个战略建议：1、建立健全的数据生态系统；2、促进传统行业对AI的采用；3、加强专业AI人才管理；4、针对挑战设立教育和培训制度；5、并在中国公民和全球社会之间建立道德上和法律上的共识。

以下为报告主要内容：

随着人口红利的快速消失，中国急需寻找新的增长引擎。基于人工智能的自动化可以提升生产力，帮助中国实现其经济发展目标。

人工智能意为机器对人脑思维认知功能的模拟。这一概念长期以来只存在于人类幻想和科幻小说中，直至20世纪五六十年代，有关人工智能的理论初步形成后，才开始引发普遍乐观情绪和第一波热潮。但由于技术未能实现突破性进展，人工智能无法达成预期效果，因此陷入了一段沉寂期。往后数十年间虽然不乏成功案例，但因为人工智能在现实世界的成功案例太过孤立，所以不足以支撑大规模商业化。

让我们快进至 21世纪。

数据收集及整理、算法、机器学习，以及高性能计算等技术的突飞猛进促成了革命性进步。例如，在以往被认为无法取胜的围棋比赛中，AlphaGo成功击败人类世界冠军，从而赋予了这场获胜历史性的意义。

而变革不仅发生在理论前沿。

金融、医疗、制造等行业应用发展迅速，人工智能领域的全球风投也从2012年的 5.89亿美元猛增至2016年的50多亿美元。麦肯锡预计，至2025年人工智能应用市场总值将达到1270亿美元。

理解 AI 以及它能做什么

传统上，我们已经使用计算机的处理能力来更有效地产生输出（例如，比人类可以执行更快更复杂的计算）。传统的软件程序一直以特定的指令编写需要执行的任务。AI系统采取非常不一样的方法。它们可以通过巨大的“大数据”集，挖掘出模式，联系和见解，而且它们也采用广义的学习策略，这使得它们能够适应新的数据输入而不需要明确地重新编程。利用机器学习的系统具有归纳和决策能力，深度学习的出现更是将这种能力的边界扩展得更远。现在的机器学习系统能够自己学习、发现和适应规则。

虽然深度学习最近的突破已经产生了可以在某些关键功能中匹配或超越人类智力的人工智能系统，但是我们离“通用AI” - 或者说可以像人类一样执行全面的认知任务的机器还有一段距离。许多机器学习系统已经被用于特定的商业用途，并且应用程序是非常多样的。他们可以为客户提供服务，管理物流，监控设备，优化能源消耗，分析医疗记录。最近麦肯锡全球研究所（MGI）的研究表明，机器学习技术在几乎每个行业都有广泛的应用。

要认识AI 的能力，从下面四个维度是一个不错的方法：

• 感知

• 预测

• 指导方法（prescription）

• 综合解决方案（与机器人、自动驾驶等技术的结合）

目前的商业化程度因各种AI功能而异。虽然具有感知和预测能力的系统已经投入市场，但更多的规范性工具和集成解决方案仍在开发中（图1）。

图1：AI 技术当下的商业化，麦肯锡认为，IBM 和讯飞的商业应用属于感知技术。而百度和亚马逊则是结合硬件的解决方案。

AI 的未来：艰难的挑战与可能性

过去的技术进步主要是增强执行清晰划定生产任务的能力。但是现在，AI使机器能够做出反应和调整，以优化结果。结合物联网（IoT）和机器人技术，它可以创建一个综合的信息物理世界。

目前的发展趋势表明，AI技术最终将在更广泛的环境和行业范围内被全球接受，而最重要的成果之一就是处理长期以来一直由人类来完成的各种任务。 麦肯锡的报告分析了全球经济800多个职业的2000多个工作活动。在技术上看来，现在50％的工作活动都可以使用当前演示的技术进行自动化。

但技术可行性只是影响自动化步伐和程度的一个因素。其他还包括开发和部署具体应用，劳动力市场动态，经济利益以及监管和社会接受的成本。考虑到这些因素，麦肯锡对自动化的研究表明，直到2055年，现在的一半工作活动才能实现自动化，但在这个时机上存在相当程度的不确定性。在积极采用的情况下，这种自动化程度可能早于20年，而在较晚的采用情况下，可能会在20年后发生。

沿着这一思路，AI 可以成为一个强大的工具，适用于一些社会的核心挑战。在医疗方面，AI将大大增强我们分析人类基因组的能力，并为每个患者开发个性化和更有效的治疗方法。它可以大大加快治愈癌症，阿尔茨海默病和其他疾病的过程。人工智能系统可以大范围分析天气模式，提高能源效率，提高我们监测和应对气候变化的能力。其可能性甚至是我们想象不到的，比如，AI系统可以有一天开拓对火星和外太空层的探索。

随着中国的大科技企业纷纷推动在 AI 方面的研发，中国成了全球领先的 AI 研发中心。中国庞大的人口基数和多样化的行业组合具有产生大量数据和形成巨大市场的潜力。广泛采用人工智能技术对中国未来的经济增长至关重要，因为全国人口老龄化加快了对生产率增长的需求，包括更开放的数据环境和受到良好训练的数据科学人才。但 AI 同时也提出了更复杂的社会和经济问题，需要审慎的思考。

中国在 AI 发展中的位置

中国和美国目前是全球 AI 发展的领导者。仅在2015年，两国在学术期刊上发表的 AI 相关的论文接近10,000篇，而英国，印度，德国和日本加起来才约相当于中美的半数。（数据来源：SCImago Journal & Country Rank, 2015）

中国 AI 发展大部分是由私营的高科技企业推动的。在海量的搜索数据及多样化的产品线的帮助下，中国的一些互联网巨头公司在图像和语音识别等技术领域处于领先的地位。而且这些技术已经被融入它们的新产品中，包括智能助理，自动驾驶汽车，等等。

中国有理由对其在 AI 定义的未来的作用感到乐观。中国庞大的人口能够产生海量的数据，这是“训练”AI系统的先决条件。中国也具有“范围经济”（economies of scope）的优势：广泛的行业为产品在市场部署提供了沃土。

但是，为了在这个迅速发展的领域保持前沿地位，中国仍需不遗余力地努力，并最大限度地发挥这些技术的经济潜力。中国需要专注于增强创新能力。例如，虽然中国学者比美国研究人员发表的 AI 相关的论文更多，但他们的论文产生的影响力并不及美英的研究者（见表2）。

表2：左图按AI相关的论文数量排名，右图按 H-index 排名。虽然中国发表了大量被广泛引用的 AI 相关的论文，但论影响力仍是美英更大。中国在绝对引用方面排名第一，但去除自引（self-citation）后，美国更有优势。

此外，中国还没有形成如美国那样的有生机的 AI 生态，体现在美国拥有比中国多得多的 AI 创业公司（见表3）。美国的生态系统是大型、创新而且多元化的（包括研究机构、大学以及私营企业），它的形成得益于硅谷的科技行业，具有难以复制的优势。

表3：美国的 AI 创业生态系统比中国更强大。上图显示中国和美国在50家最大（按总融资额排名）AI 创业公司中的占比，数据来自 CB Insight 发表的 AI 100 榜单。via： CB Insights; McKinsey analysis

数据

正如人类通过食物得到能量，AI 也不能在没有稳定的数据来源的情况下运行。这些系统必须要有大量的数据，以供它们“训练”，不断改进和完善产出的结果。在数据方面，存在几个问题可能阻碍中国的 AI 发展。

首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好（data-friendly）的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对少（见表4）。最后，限制跨国的数据流动（data flows）也使中国处于全球合作中的不利地位。

表4：政府数据的开放度，中国在全球排名第93位。

说明：每个数据类别的评估要考虑对公共可得性（public accessibility）的10个因素，包括数据是否在线发布，是否免费，是否最新，以及是否机器可读，等等。来源：Open Knowledge International, 2015; McKinsey Global Institute analysis

算法