近年來(lái)人工智能L域飛速發(fā)展。1998—2018 年，經(jīng)過(guò)同行評審的AI 論文（期刊論文和會(huì )議論文）增長(cháng)了三倍以上。每年發(fā)表的AI 論文數量與歐洲持平，并于2006 年超過(guò)了美國。2014—2018 年，60％以上的AI 專(zhuān)利引用來(lái)自北美地區。2019 年，私人AI 投資超過(guò)700 億美元，AI 相關(guān)創(chuàng )業(yè)投資超過(guò)370 億美元，并購規模340 億美元，IPO 規模50 億美元。2010—2018 年，針對AI 初創(chuàng )公司的私人投資以超過(guò)48％的年均增長(cháng)率穩步增長(cháng)。當前，人工智能已成為北美計算機科學(xué)博士生受歡迎的專(zhuān)業(yè)。2018 年，超過(guò)21％的計算機科學(xué)的博士畢業(yè)生專(zhuān)注于人工智能/ 機器學(xué)習的研究方向，超過(guò)60％的AI 博士畢業(yè)生進(jìn)入了產(chǎn)業(yè)界。與此同時(shí)，人工智能相關(guān)的社會(huì )倫理問(wèn)題逐漸引起人們關(guān)注，新聞報道涉及的主題主要有人工智能使用的倫理框架和準則、數據隱私、面部識別的使用、算法偏見(jiàn)等。報告認為，人工智能對聯(lián)合國所有17 個(gè)可持續發(fā)展目標均具有適用性，但只能幫助解決169 個(gè)細分目標中約一半的目標，因此需要克服一些瓶頸以便更好地發(fā)揮AI 的作用。

1. 期刊出版物：Elsevier
據報告顯示，1998—2018 年，AI 出版物在同行評審出版物中的占比不斷提升，AI 論文[1]占論文總數的比例從不足1%增長(cháng)到3% 左右（在期刊出版物和會(huì )議論文中的占比已分別達到3% 和9%，圖1）。歐洲在A(yíng)I 論文發(fā)表數量上曾長(cháng)期L先（2018年占份額達27%），而的AI 論文數量增長(cháng)迅速，已于2006 年超過(guò)美國，目前與歐洲持平，在的占比從2000 年的10％增長(cháng)到了2018 年的28％（圖2）。但美國在A(yíng)I 文獻引用影響方面處于L先地位，歐洲接近平均水平，則進(jìn)步較快。此外，企業(yè)與學(xué)術(shù)界合作開(kāi)展AI 研究越來(lái)越普遍。

2. arXiv 上的論文[2]
報告指出，2010—2019 年，arXiv 上AI 論文發(fā)表量增加了20 倍以上，“計算與語(yǔ)言”（Computation and language）子類(lèi)的論文提交量增長(cháng)了近60 倍。自2014 年以來(lái)，“ 計算機視覺(jué)和模式識別”（Computer Vision and Pattern Recognition）一直是大的子類(lèi)，2019 年“機器學(xué)習”（Machine Learning）則取而代之（圖3）。以深度學(xué)習為例，北美發(fā)布的論文多，其次是歐洲、亞太地區；按國別則是美國和排在前兩位，其次是英國、德國、澳大利亞、加拿大；按人均論文發(fā)表量則是新加坡、瑞士、澳大利亞、以色列、荷蘭和盧森堡相對較G。

3. 微軟學(xué)術(shù)圖譜（Microsoft Academic Graph，MAG）
據微軟學(xué)術(shù)圖譜數據顯示，1990—2008 年，東亞及太平洋地區的AI 學(xué)術(shù)論文所占份額逐年上升，并于2003 年超過(guò)北美地區和歐洲及中亞地區。2018 年已發(fā)表的期刊論文中有37％來(lái)自東亞及太平洋地區，有24％來(lái)自歐洲及中亞地區，而22％來(lái)自北美地區（圖4）。2015—2018 年，的AI 論文總發(fā)表量多，其次是美國、印度、英國和德國。2014—2018 年，東亞及太平洋地區的AI 期刊論文引用量多，占引用量的32.1％，其次是歐洲及中亞地區和北美地區，分別占31.4％和27.1％（圖5）。

AI 技術(shù)專(zhuān)利可以衡量AI 在行業(yè)中的活動(dòng)及其對產(chǎn)品的潛在影響。圖6 顯示了1990—2018 年MAG 在MAG 中的AI 專(zhuān)利份額。超過(guò)51％的已發(fā)布AI 專(zhuān)利歸于北美，歐洲及中亞地區的份額下降到23％，與東亞及太平洋地區所占份額接近。2015—2018 年，AI 專(zhuān)利發(fā)布數量多的是美國，其次是日本、法國、加拿大和德國；超過(guò)94％的AI 專(zhuān)利授權來(lái)自G收入，4% 來(lái)自中G收入。2014—2018 年，AI 專(zhuān)利引用量的60.4％來(lái)自北美地區，其次是東亞及太平洋地區和歐洲及中亞地區，分別為22.1% 和14.9%（圖7）。

4. AI 研發(fā)中的女性研究人員
報告指出，AI 研究人員的性別多樣性存在國際差異，地理位置和研究L域都會(huì )對此產(chǎn)生影響。2000—2018 年，擁有女性作者的AI 論文比例發(fā)生了變化，歐洲有所增長(cháng)，而美國略有下降。許多西歐及阿根廷、加拿大和伊朗在A(yíng)I 研究中都表現出了相對較G的女性比例。在荷蘭和丹麥，至少有一位女性合著(zhù)者的AI 論文比例分別在41％和39％以上，葡萄牙、西班牙、法國、比利時(shí)、意大利、愛(ài)爾蘭、匈牙利、阿根廷、加拿大、伊朗等也有30% 以上，而日本和新加坡則只有10％和16％的AI 論文中有女性作者。
二、AI 會(huì )議

1. 參與度

報告顯示，AI 會(huì )議的規模和聲望都在提升，參會(huì )人數顯著(zhù)增加。神經(jīng)信息處理系統大會(huì )（Conference and Workshop on Neural Information Processing Systems，NeurIPS）、計算機視覺(jué)與模式識別大會(huì )（Conference on Computer Vision and Pattern Recognition，CVPR）、國際機器學(xué)習大會(huì )（International Conference on Machine Learning，ICML）是與會(huì )人數多的三個(gè)大型AI 會(huì )議，2019 年的參會(huì )人數分別達到了13500 人、9227 人和6400 人，NeurIPS 和ICML 的規模增長(cháng)快，均比2012年增長(cháng)了8倍多，CVPR 也增長(cháng)了5倍多。小型AI 會(huì )議如國際學(xué)習表征會(huì )議（International Conference on Learning Representations，ICLR），2019年的參會(huì )人數已是2014年的15倍以上。
2. 美國人工智能協(xié)會(huì )論文統計
美國人工智能協(xié)會(huì )（Association for the Advancement of Artificial Intelligence，AAAI）年會(huì )是運行時(shí)間較長(cháng)的AI 會(huì )議之一。統計結果顯示，AAAI 的會(huì )議論文中，提交和接受的論文多，其次是美國；接受率G的是以色列（24％），其次是德國（23％）、加拿大（22％）、美國（20％）和新加坡（20％）。從論文提交和接受的情況來(lái)看，機器學(xué)習、自然語(yǔ)言處理和計算機視覺(jué)仍是排名前三的主題L域。
3. 多元化組織
機器學(xué)習女性協(xié)會(huì )（Women in Machine Learning，WiML）作為一個(gè)支持女性參與機器學(xué)習研究和發(fā)展的組織，其2018 年研討會(huì )的注冊人數已是2014 年的8 倍多。致力于將科技工作者與學(xué)生進(jìn)行對接的AI4ALL（AI for ALL）項目，其參與人數已是2015 年的20 倍。類(lèi)似組織的發(fā)展反映了女性和學(xué)生等新的AI 參與群體也在增長(cháng)。
4. 倫理問(wèn)題
報告指出，在人工智能、機器學(xué)習、機器人相關(guān)的會(huì )議和期刊論文中，含有“倫理”相關(guān)關(guān)鍵詞的論文占比雖小，但增長(cháng)迅速。RightsCon 作為數字時(shí)代大型的人權年度峰會(huì )之一，自2017 年以來(lái)，已就人權與AI 問(wèn)題的探討有了初步進(jìn)展，AI 倫理議題的焦點(diǎn)也從算法責任和基于人權的AI 方法擴展到算法偏見(jiàn)和歧視、隱私和數據權以及AI 在治理、選舉、審查、貿易、就業(yè)等方面的作用。
三、技術(shù)性能

1. 計算機視覺(jué)

報告指出，依托特定數據集的建立和一些挑戰賽的舉辦，AI 在圖像分類(lèi)、圖像生成、語(yǔ)義分割、視頻動(dòng)態(tài)識別、多種數據類(lèi)型的聯(lián)合推理等方面取得了顯著(zhù)進(jìn)展。例如，基于大型圖像數據庫ImageNet 的大規模視覺(jué)識別挑戰賽的進(jìn)展表明，基于云架構訓練大型圖像分類(lèi)系統所需的時(shí)間從2017 年10 月的約3 個(gè)小時(shí)減少到了2019 年7 月的約88 秒（準確度達到93% 以上），圖像分類(lèi)的訓練成本也大大下降。
2. 語(yǔ)言
報告指出，能夠理解和分析自然語(yǔ)言是至關(guān)重要的多用途AI 技術(shù)問(wèn)題。近年來(lái)，面向語(yǔ)言的AI 系統研究取得了巨大進(jìn)步。在通用語(yǔ)言理解評估（General Language Understanding Evaluation，GLUE）測試和超JGLUE（SuperGLUE）測試中，Google、Facebook 發(fā)布的模型在通用語(yǔ)言理解上已接近人類(lèi)基準。斯坦福問(wèn)答數據集（Stanford Question Answering Dataset，SQuAD2.0）測試結果表明，AI 在自然語(yǔ)言處理方面的進(jìn)展迅速。此外，艾倫人工智能研究所（Allen Institute for Artificial Intelligence，AI2） 的推理挑戰賽（AI2 Reasoning Challenge，ARC） 和商用機器翻譯（Commercial Machine Translation，CMT）系統的發(fā)展表明，AI 在推理、翻譯等方面也有一定進(jìn)展。
3. 計算能力
2012 年之前，人工智能的發(fā)展遵循摩爾定律，計算量每?jì)赡攴�一番�?012 年之后，計算量每3.4 個(gè)月翻一番（已增長(cháng)30萬(wàn)倍）。
4. 人類(lèi)J表現里程碑
繼2017 年份AI 指數報告列出“人類(lèi)J表現里程碑”（Human-Level Performance Milestones）清單之后，2019 年的報告對這一清單作了更新[3]，概述了人工智能在人類(lèi)或超人類(lèi)J別執行的游戲成就、醫療診斷和其他復雜任務(wù)的代表性事件新增了“DeepMind 打造的Alphastar 在《星際爭霸2》中擊敗人類(lèi)專(zhuān)業(yè)玩家”“以專(zhuān)家J的準確性檢測糖尿病視網(wǎng)膜病變（Diabetic Retinopathy，DR）”兩項。
四、經(jīng)濟

1. 就業(yè)
報告指出，人工智能L域的崗位需求無(wú)論在發(fā)達經(jīng)濟體還是新興經(jīng)濟體中都在迅速增長(cháng)。L英（LinkedIn）的數據顯示，AI 招聘呈現快速增長(cháng)趨勢。2015—2019 年，新加坡、巴西、澳大利亞、加拿大和印度的AI 招聘數量增長(cháng)快。美國的AI 崗位需求比例從2012 年的0.3％增長(cháng)到了2019 年的0.8％，其AI 崗位需求主要集中在機器學(xué)習、人工智能、神經(jīng)網(wǎng)絡(luò )、自然語(yǔ)言處理、機器人技術(shù)和視覺(jué)圖像識別等集群，主要分布于信息技術(shù)服務(wù)、專(zhuān)業(yè)及科技服務(wù)、金融和保險、制造業(yè)、企業(yè)管理等L域。在A(yíng)I 技能滲透方面，印度、美國、法國、和以色列是滲透率G的五個(gè)，而軟件和IT 服務(wù)、硬件和網(wǎng)絡(luò )、教育、金融和制造業(yè)是滲透率G的五個(gè)行業(yè)。報告還詳細分析了美國各州、大都市區和城市的AI 崗位需求及技能滲透情況。
2. 投資
報告顯示，2019 年，私人AI 投資超過(guò)700 億美元，與AI 相關(guān)的創(chuàng )業(yè)投資超過(guò)370 億美元，并購規模34 億美元，次公開(kāi)發(fā)行（IPO）規模50 億美元。美國、歐洲和在私人AI 投資方面所占份額排名靠前，美國一直是AI 資助的L先者和AI 初創(chuàng )企業(yè)投資的主導者，以色列、新加坡和冰島的人均投資較為可觀(guān)。2018—2019 年，AI 私人投資多的是自動(dòng)駕駛汽車(chē)，為77 億美元（占比9.9%）；增長(cháng)快的是機器人自動(dòng)化（超過(guò)10 億美元）。針對AI 初創(chuàng )企業(yè)的投資穩步增長(cháng)，從2010 年的13 億美元增長(cháng)到了2018 年的404 億美元，年均增長(cháng)超過(guò)48％。獲得投資的4403 家AI 初創(chuàng )企業(yè)分別來(lái)自36 個(gè)不同的重點(diǎn)L域，主要包括數據工具、時(shí)尚和零售技術(shù)、工業(yè)自動(dòng)化、石油和天然氣、金融科技和文本分析。其中，美國有1749 家初創(chuàng )企業(yè)共獲得198 億美元投資，有486 家初創(chuàng )企業(yè)獲得總計166 億美元投資，歐洲有993 家初創(chuàng )企業(yè)共獲得46 億美元投資，印度有139 家初創(chuàng )企業(yè)獲得36 億美元投資。人工智能似乎正在轉變?yōu)橥ㄓ眉夹g(shù)。
在企業(yè)投資方面，2019 年由風(fēng)險資本驅動(dòng)的私人投資約占AI 總投資的一半，其余為并購和公開(kāi)募股。但就交易數量而言，私人投資占92％，并購僅占4％，少數股權和次公開(kāi)發(fā)行共占3％。在公共投資方面，美國聯(lián)邦政府2020 財年預計在A(yíng)I研發(fā)上投資49.8 億美元。其中，美國國防部（DoD）預算約40億美元，較大的AI 資助實(shí)體是國防部長(cháng)辦公室（13 億美元）、國防部GJ研究計劃局（DARPA，5.06 億美元）；聯(lián)邦民用機構（非國防部）預計將在A(yíng)I 上投資9.73 億美元，美國科學(xué)基金會(huì )（NSF）為4.88 億美元。
3. 企業(yè)活動(dòng)
報告指出，企業(yè)的AI 應用正在增加，但因行業(yè)而異。麥肯錫2019 年的一項研究表明，58％的受訪(fǎng)企業(yè)表示至少有一個(gè)職能或業(yè)務(wù)部門(mén)利用了AI，30％的受訪(fǎng)者表示AI 已嵌入其多個(gè)業(yè)務(wù)L域，企業(yè)有可能出于提升其行業(yè)核心價(jià)值的目的而利用AI，在各行業(yè)中應用多的是機器人流程自動(dòng)化、計算機視覺(jué)和機器學(xué)習，且相當一部分受訪(fǎng)企業(yè)已針對合規性、網(wǎng)絡(luò )安全、個(gè)人隱私等風(fēng)險采取措施。
報告顯示，2018 年，機器人安裝量增長(cháng)6％，達到422271 臺，價(jià)值165 億美元；現有運作的機器人存量約243.95萬(wàn)臺，增長(cháng)了15%。需求大的仍是汽車(chē)行業(yè)（占安裝總數的30％），其次是電氣/ 電子（25％）、金屬和機械（10％）、塑料和化學(xué)產(chǎn)品（5％）、食品和飲料（3％）。、日本、美國、韓國和德國的工業(yè)機器人安裝量占總安裝量的74%。自2013 年以來(lái)，一直是大的工業(yè)機器人市場(chǎng)，2018 年安裝量為154032 臺，占總安裝量的36％。
五、教育

1. 在線(xiàn)學(xué)習
報告指出，越來(lái)越多的AI 教育超出了實(shí)體大學(xué)的范圍，在線(xiàn)學(xué)習在A(yíng)I 教育和技能培訓中發(fā)揮著(zhù)關(guān)鍵作用。大的G等教育在線(xiàn)平臺Coursera 發(fā)布的2019 技能指數（Global Skills Index，GSI）報告，詳細分析了60 個(gè)和地區10 個(gè)行業(yè)的商業(yè)、技術(shù)和數據科學(xué)方面的技能狀況，包括AI 技能指數情況[4]。Coursera 的GSI 數據表明，東亞和南亞在A(yíng)I 及相關(guān)技能方面的入學(xué)率較G，而一個(gè)的技能等J與其人均GDP 和G等教育投資水平等指標相關(guān)。優(yōu)達學(xué)城（Udacity）的在線(xiàn)課程注冊數據顯示，深度學(xué)習、機器學(xué)習、人工智能及計算機系統工程等入門(mén)課程都比較熱門(mén)。
2. 人才培養
報告顯示，近年來(lái)，美國斯坦福大學(xué)、伯克利大學(xué)、伊利諾伊大學(xué)等的人工智能和機器學(xué)習等課程注冊學(xué)生數均大幅增長(cháng)，的清華大學(xué)和北京大學(xué)、加拿大的多倫多大學(xué)、澳大利亞的墨爾本大學(xué)等知名大學(xué)的相應課程也呈現出類(lèi)似態(tài)勢。歐洲的大學(xué)AI 教育大都以碩士水平授課，共有197 所大學(xué)提供總計406 個(gè)AI 專(zhuān)業(yè)碩士學(xué)位授予點(diǎn)。人工智能已迅速成為北美計算機科學(xué)博士生受歡迎的專(zhuān)業(yè)，2018 年，超過(guò)21％的計算機科學(xué)博士畢業(yè)生專(zhuān)注于人工智能/ 機器學(xué)習的研究。美國和加拿大AI L域的博士畢業(yè)生人數持續增長(cháng)，超過(guò)了計劃數的60％；2018 年，有150 多名AI 博士進(jìn)入了產(chǎn)業(yè)L域，即將畢業(yè)的AI 博士進(jìn)入產(chǎn)業(yè)界的比例從2004 年的21％增長(cháng)到了2018年的62％以上。在美國，離開(kāi)學(xué)術(shù)界去產(chǎn)業(yè)界的AI 教師人數持續增長(cháng)。
3. 師資多元化
報告指出，在美國，按性別劃分的AI 教職員工多元化并未取得顯著(zhù)進(jìn)展。計算機科學(xué)終身制教師的總數一直穩步增長(cháng)，但女性教師在其中的占比基本保持不變（21%），新教師的國際化比例也較�。�18%）。2018 年，女性在新教職員工中所占比例不到20％；女性AI 博士學(xué)位獲得者的比例自2010 年以來(lái)幾乎保持不變，為20％。2010—2018 年，美國的AI 博士學(xué)位獲得者中，來(lái)自國外的博士數量從不到40％增長(cháng)到了60％以上，這些畢業(yè)生只有18% 進(jìn)入了學(xué)術(shù)界。此外，與AI 相關(guān)的大學(xué)終身教職或終身教授存在前所未有的人才外流現象。
4. 倫理課程
報告指出，隨著(zhù)AI 的興起，在計算機科學(xué)課程中設計并講授倫理規范具有緊迫性。常見(jiàn)的計算機倫理課程設置有兩種方法：①設計d立的倫理課程，即將倫理與計算機及AI 等結合起來(lái)的單d課程，如“計算機科學(xué)和倫理學(xué)”“人工智能和倫理”。②將倫理模塊（或內容）納入核心計算機科學(xué)或人工智能課程的全流程。一些大學(xué)正在努力將兩者融合。
六、自動(dòng)系統

1. 自動(dòng)駕駛汽車(chē)

報告指出，目前范圍內至少25 個(gè)或地區的城市正在測試自動(dòng)駕駛汽車(chē)（Autonomous Vehicles，AV）原型。加利福尼亞州是美國個(gè)制定自動(dòng)駕駛汽車(chē)測試法規的州。自2012 年以來(lái)，美國至少有41 個(gè)州和哥倫比亞特區考慮了與AV 有關(guān)的立法。2015—2018 年，加利福尼亞州測試自動(dòng)駕駛汽車(chē)的企業(yè)總數增長(cháng)了7 倍。2018 年，加利福尼亞州為50 多家企業(yè)和500多個(gè)AV 提供了測試許可，這些AV 總計行駛了約321.9 萬(wàn)千米（200 萬(wàn)英里）。然而，自動(dòng)駕駛汽車(chē)的安全和可靠性是一個(gè)大問(wèn)題。
2. 自主武器
近的一項調查發(fā)現，至少有89 個(gè)的武器庫中有自動(dòng)防空系統，63 個(gè)部署了不止一種防空系統，而自主保護（Active Protection，AP）系統僅由9 個(gè)已知的生產(chǎn)國開(kāi)發(fā)和制造。已知范圍部署的自主武器（Autonomous Weapons，AW）系統數量排名中，美國多，其次是以色列、俄羅斯、法國、、意大利等。
七、公眾認知

1. 銀行

報告顯示，從各國銀行的通訊文件可以看出，世界各地的銀行都對AI 表現出了濃厚的興趣。英格蘭銀行圍繞AI 及區塊鏈和加密貨幣的使用制定了明確的研究議程，美聯(lián)儲和日本央行等的銀行也開(kāi)始圍繞AI 構建正式的研究議程。
2. 政府
報告指出，政府官員越來(lái)越重視人工智能。與往年相比，2017—2018 年，各國國會(huì )的有關(guān)報告及立法中涉及AI 及相關(guān)內容的頻次增加了10 倍以上。美國國會(huì )的相關(guān)筆錄中，2019年是迄今為止AI 提及率G的一年。近年來(lái)，加拿大、英國等的國會(huì )報告、委員會(huì )報告和立法中，與人工智能相關(guān)的內容都有顯著(zhù)增加。
3. 企業(yè)
報告顯示，美國3000 家上市公司財報當中，提及AI 收益的比例大幅增加，已從2010 年的0.01％增至2018 年的0.42％。在各行業(yè)2018—2019 年季度的財報中，金融業(yè)提及AI 的數量多，其次是電子技術(shù)、生產(chǎn)商制造、醫療保健技術(shù)和技術(shù)服務(wù)部門(mén)。
4. 網(wǎng)絡(luò )搜索和新聞報道
報告指出，從美國用戶(hù)使用Google 搜索AI 相關(guān)關(guān)鍵詞的熱度和趨勢來(lái)看，2008—2013 年熱的是“云計算”，2013—2016 年熱的是“大數據”，近幾年熱的是“機器學(xué)習”，其次是“數據科學(xué)”。在范圍的相關(guān)新聞報道中，“人工智能”無(wú)疑是熱的贏(yíng)家，其次是“機器學(xué)習”、“深度學(xué)習”，以及“AI與工作或就業(yè)”。
八、社會(huì )倫理

1. 倫理挑戰

報告指出，人工智能系統引發(fā)了各種道德和倫理挑戰。一些AI 倫理框架文件提到的倫理挑戰主要包括問(wèn)責制、安全、人類(lèi)控制、可靠性和安全性、公平性、多元化和包容性、可持續發(fā)展、透明度、可解釋性、多方參與、法律與合規、數據隱私。其中，公平性、責任制、可解釋性和透明度等是常被提到的倫理問(wèn)題。
2. 新聞媒體報道
報告指出，人工智能的新聞報道已越來(lái)越多地關(guān)注AI使用的倫理問(wèn)題討論。2018—2019 年確定的3600 多篇有關(guān)倫理與人工智能的新聞中，主題主要涉及人工智能使用的倫理框架和準則、數據隱私、面部識別的使用、算法偏見(jiàn)以及大技術(shù)角色。2019 年關(guān)于A(yíng)I 倫理的媒體對話(huà)主要涉及AI 倫理框架問(wèn)題。
3. 可持續發(fā)展
報告指出，目前的人工智能應用案例對聯(lián)合國所有17 個(gè)可持續發(fā)展目標（Sustainable Development Goals，SDGs）均具有適用性，但只能幫助解決169 個(gè)細分目標中約一半的目標。為了使AI 發(fā)揮其潛在的作用和影響，需要克服一些特定的瓶頸，如數據本身的可用性、質(zhì)量和集成等挑戰，計算能力、AI 人才等方面的限制等。
九、戰略和AI 活力

1. 戰略

報告顯示，過(guò)去幾年，各國關(guān)于A(yíng)I 的戰略性文件的數量一直在增加，各國紛紛推出并實(shí)施新的AI 戰略。在報告搜集的48 份AI 戰略文件中，94％的文件包含“學(xué)術(shù)伙伴關(guān)系”，48％包含AI 研發(fā)，超過(guò)42％提到AI 治理，而較少有文件提及保護消費者和促進(jìn)公平。
2. AI 活力
報告總結和介紹了衡量AI 活力（Global AI Vibrancy）的工具、方法及結果[5]。該工具自2015 年起使用，涵蓋28 個(gè)或地區，包括研發(fā)、經(jīng)濟、包容性三個(gè)一J指標和34 個(gè)具體指標，指標數值為0—100，以衡量特定或地區在特定指標下的分布中的相對位置，并可根據使用者的權重偏好進(jìn)行跨國比較和長(cháng)期比較。

pdf下載：2019 人工智能指數報告