国家在人工智能领域更长期的战略布局也已开始。据悉，体现国家战略意图的中国“科技创新2030 重大项目”中将新增“人工智能2.0”，人工智能的专项规划也正加快编制之中。
如何理解“人工智能2.0”？中国在这一领域有哪些优势和劣势？人工智能科研与产业方面面临哪些障碍？记者两会期间专访了全国政协委员、中国电子学会副理事长兼秘书长徐晓兰。
人工智能2.0规划将出
记者：人工智能正在全球形成抢位发展的态势，在这一领域中国和发达国家是站在同一起跑线上的吗？
徐晓兰：在中国，人工智能已被列入推进“互联网+”行动的重点领域和《“十三五”国家战略性新兴产业发展规划》的主要任务，围绕“人工智能2.0”的发展规划即将正式出台，一批本土优秀企业和知名高校及科研机构纷纷投身其中。
可以说，在战略认识和发展积极性层面，我国与发达国家基本处于同一起跑线，在商业化尝试方面甚至还有领先。但从核心技术来看，尤其是在人工智能算法方面，与发达国家的差距还是存在的，基于认知层面的算法水平还需提升，这是未来最大的产业竞争门槛。
记者：中国在发展人工智能方面有哪些优势和劣势？
徐晓兰：优势在于，我国拥有全球增长空间最为巨大的国内市场，这将为人工智能的快速商业化提供支撑。2016年，国内人工智能市场规模约15亿元，预计到2020年将超过90亿元，年均增长率超过55%。
劣势在于，我国仍是一个发展中国家，大批传统产业未完成转型升级，自动化、信息化改造的力度和强度都有待深化，行业管理方式和政策法规制度在面对新兴领域时也相对滞后。
记者：作为一个发展中国家，中国在人工智能领域有哪些后发优势？
徐晓兰：后发优势主要有两个方面。首先，在全球化趋势下，知识传播的“溢出效应”越来越明显，技术扩散的壁垒和门槛越来越低。
其次，中国正处于工业化社会的中期后半阶段，我们不用经过漫长的摸索和试错阶段，能在空白的领域直接应用最先进的技术、建立最先进的模式、产生最具变革意义的创新。
一直以来，我国的科研与产业走得比较多的是跟随式发展。过去我们是“跟跑”，现在要变成“并跑”甚至“领跑”，在发展智能社会这个领域上，我们要做全球的领路人。
尚存瓶颈切忌一哄而上
记者：人工智能包含多个领域，从技术成熟度上看，中国的人工智能有望在哪些领域率先突破？早期的商业化应用可能集中在哪些行业？
徐晓兰：结合我国实际情况，未来人工智能早期商业化可能集中在物流、交通、教育、医疗、金融、娱乐、体育等行业。
具体来说，在计算机视觉方面，旷视科技的Face++，依图的自主视觉理解技术等已经较为成熟；语音识别方面，百度的深度语音学习技术Deep Speech2，科大讯飞的语音合成、识别等核心技术代表了世界最高水平；机器学习方面，小i机器人的语音识别和语义分析，中译语通的神经网络技术等也都可能带来突破性发展。
记者：在上述领域人工智能的突破，将为中国新旧动能的转化提供哪些机遇？
徐晓兰：新旧动能转换的关键在于，既要做好高新技术对传统产业的提升改造，更要实现新技术、新产品的开发，构建新增长点，培育新模式、新机制。
而智能社会初期是工业、信息、智能三栖并存的社会形态，传统生产要素与新兴生产要素逐步融合，既带来了传统产业的提升改造，也推动了对新兴产业增长点的发掘培育。
记者：中国科学院副院长谭铁牛去年强调，人工智能相关技术正处于期望膨胀期，但核心技术、高端设备与应用、基础理论设施仍有待建设，人工智能要切忌跟风。对此你怎么看？
徐晓兰：当前人工智能产业确实处在风口之上，虽然发展前景美好，但是的确要提防炒作过热、盲目跟风的情况出现。
应清楚的认识到，通用人工智能的发展尚处在瓶颈期，人工智能一些关键核心技术在全世界范围内尚处于攻克阶段，多数人工智能产品的精确度和可靠度都有待提高，发展人工智能依然任重道远。
如果没有良好的顶层和统筹设计，各类资源的一哄而上，往往会得不偿失，造成产业大热过后的发展低谷，反而打击人工智能产业的创新创业热情。人工智能技术目前应该苦练内功，潜心研究，重视前沿基础理论的突破以及对行业痛点的真正掌握。
应合理引导科研创新方向
记者：人工智能的发展，目前需要重点解决哪些障碍？
徐晓兰：一是科技研发投入占GDP比例还较小，中国规模以上工业企业研发投入仅占销售收入的0.9%，而其他国家为2%-3%；二是核心和关键技术对外依存度较高，一些领域“卡脖子”现象依然严峻；三是我国企业的技术创新模式较为保守、谨慎，大部分企业发展亦步亦趋，缺少具备前瞻性和洞察力的发展战略与技术创新布局模式；四是科研模式和人才评价体系固化，科研项目容易一哄而上，缺乏长期积累。
记者：在人工智能的研究领域，中国为何缺少革命性突破和差异化、变革性创新？
徐晓兰：人工智能领域是新兴学科，其快速发展只是近一二十年的事情，目前最需要突破的是通用型人工智能，该领域未来任何技术的升级都有可能带来产业的巨大推进影响。
当前，国内高校与科研院所考核理念仍停留在唯论文至上的阶段，造成了众多科研人员的短视和跟风，往往对于技术研究热点领域投入大量时间精力，而对于一些尚无人关注却有发展前景的领域热情不足。一阵风过后，科研对象又转成下一个热点领域，没能在某一领域形成长效深层次的积累，久而久之难以形成革命性突破的必要发展内力。
人工智能领域发展方向众多，研究对象广泛，应鼓励科研人员选择自己感兴趣的领域发展，加大重大基础理论突破的奖励制度，通过顶层规划与市场相结合的方式对科研创新方向进行合理引导。
