AI競爭

誰贏了AI競賽:中國?歐盟?還是美國?

美國的資訊技術和創新基金會(ITIF, Information Technology and Innovation Foundation)所設之資料創新中心(Center for Data Innovation)於2019年8月提出一份名為“Who Is Winning the AI Race: China, the EU or the United States?”之研究報告,提出下一個世代將是以AI爭奪國力的世代,而美國、中國與歐盟三大國際組織體在AI政策上各有著墨,本報告以六項指標分析了三者實力,最後為各自提出建言,以下摘譯本篇報告:


本篇報告旨在分析全球利用
AI增加國家競爭力的趨勢下,作為全球三大經濟體的美國、歐盟與中國,彼此的實力與相對地位。

 

本篇利用了六項指標,分別為人才(talent)、研究(research)、發展(development)、應用(adoption)、數據(data)和硬體(hardware)作為評分AI實力的主要標的,其中尚有細部子指標。最終得出在總體評量下,儘管中國採取大膽的發展策略,依然無法動搖美國全球居首的事實,僅排名第二,而歐盟則落後二者處於第三,不過接下來的十年,次序可能將因為中國的大力推動而有洗牌跡象。
 

以國家角度而言,過去美國領先其他國家席捲了巨大的科技利益,代表其他國家也同時付出相對經濟代價,亦即──科技的競爭必然是零和的。卡內基·梅隆大學前電腦科學系主任,同時也是現任Google Cloud AI負責人Andrew Moore表示:AI競賽將決定誰能成為2030年的Google或Amazon。低AI採行率將導致國家安全與經濟威脅,最終影響國際地位。

因此AI作為下一波高峰,美國、歐盟、中國三者,成為市場上的主要玩家。中國以排除外資、扶持內需政策成功發展,並彰顯其利用AI取得國際競爭力的野心。歐盟則是希望成為世界AI道德與技術的領先者。誰能成為AI領導者,將決定美、歐、中三個國際組織體未來的國際政經軍事地位。
 

雖然評估一國AI實力並無明確或唯一的指標,但透過本報告的六項指標依然可以勾勒出跡象。

1. 人才:好人才能夠更好的開發與實施AI系統,並且吸引企業投入,且確保大學有足夠能量教授下一代AI研究人員。

2. 研究:學術研究將幫助各國擴張AI創新並解決本國優勢產業問題。

3. 發展程度:AI企業與新創的數量,以及投資生態系的結合是奠定新創的基礎。

4. 應用程度:AI技術的應用不僅可讓企業等組織學習如何解決相應的問題,也創造AI服務的需求。

5. 數據:作為數據科學的基石,更多更好的數據對機器學習的訓練有重大幫助。

6. 硬體:硬體領先有助於減少對其他國家的依賴,在目前中美貿易戰中,這是重點要素。

以下將針對各國在六項指標的著墨力度進行分段敘述。
 

人才

北京微軟研究人員── David Wipf表示:人工智慧的未來將是數據與人才的戰爭。人才缺乏將導致企業能力部署的限制與成本增加,進而降低競爭力。有鑒於現今產業對AI人才的廣泛需求,目前的人才將呈現短期到中長期的缺口。
 

各國目前都推行了人才政策,例如中國教育部宣布將促進AI教育,廣設大學AI相關部門。英國則投入1.15億經費提供千名學生取得AI博士學位,美國擴大發給相關獎學金與培訓計畫。
 

數據顯示,在國際學術會議上發表論文取得博士學位者,美國的人才最多,高於第二名歐盟與第三名中國的總和,且79%美國的電腦科學領域博士畢業後也都選擇留在美國,成為其最堅實的優勢。
 

但同為西方國家,歐盟雖也有不少人才,但無法與產業進行連結,又面臨外移(到美國)壓力,相對中國積極吸引人才的態度,使得歐盟即便人才濟濟,卻未能進入全球領先企業,也無法帶動資金與企業。
 

中國結合國務院與教育部策勵大量AI研究中心,發展課程與國家計畫培育數批教職員與學生,並頻繁跟進他國演算法複製進入本國研究,且公布周知使資訊流通,同時傳聞證據亦顯示相對英語系國家翻譯中文文獻,中國翻譯西方文獻更快、更多。
 

而知名企業家李開復也認為中國發展特色,就是透過中階人才進行商業發展。目前看來效果有成,且中國的數據優勢是決定性因素。
 

研究

過去十年間演算法的創新與電腦計算能力的提升減輕了訓練AI的時間,但AI技術依然並不成熟。
 

中國希望在2025年達到AI技術的突破,為此建立研究中心,提撥10億美金做於戰略AI研究。歐盟則希望在短期內先投入17億美金,10年內投入至少70億美金。美國在未分類的AI研究已投入至少11億美金,2018年美國國防部希望在5年內能投入20億研究經費。
 

研究以論文作為評斷基準,17年後中國的論文數量居冠,再者歐盟,最末美國,如果從1998年開始起算,歐盟則居於第一。但若從論文品質、研發經費還有頂尖研究團隊的數量,美國都是最頂尖的佼佼者,不過中國也已開始進行高品質研究。
 

發展程度

完善的AI生態系是引領AI技術的必要因素,生態系的構成包含:風險投資、私募股權融資、發明人、專業知識、產品服務開發與銷售團隊等等。公司數量彰顯一國的生態系健全度,專利則代表創新能力。
 

中國、歐盟、美國都有各自專注的目標,中國私募基金凱橋與廣州市政府向CloudWalk公司捐贈3.01億美元,用於開發臉部識別軟體。歐盟則利用歐洲基金在戰略投資之上,以應對市場失靈並刺激私人AI投資,同時創建了風險投資基金VentureEU來提供包含AI新創公司在內的總體新創,投資額度來到4.59億美元。美國政府納稅人資助的風險投資公司In-Q-Tel則投資了至少10家AI公司,包括Forge.ai ──具有將非結構化數據轉換為機器學習數據的技術;另一家公司Mythic,則專為AI應用程式製造電腦晶片。
 

美國的私募基金是最豐沛的,無論是總額或交易數量都遠超過中國與歐盟。企業併購更是高出兩者數倍到數十倍不止。而AI新創公司的數量與規模,也都處於領先地位。
 

不過談及將專利作為指標,因爲各國專利的標準不一,所以無法以數量進行衡量。中國雖具有專利,但多數品質不佳,不能與美國或歐盟相較。這點可以從下列事實得到證明:在中國首次申請專利的案件,只有4%會在其他司法轄區申請專利,而美國的比例為32%,且美國在PCT體系中被引用的專利家族,也都超出歐盟與中國數十倍。
 

美國的領先地位,正被中國的風投生態威脅,而歐盟卻並無挑戰美國霸權的積極態度。全球引領AI併購的公司前十名,諸如Alphabet(Google的母公司)、Apple、Microsoft等等,都是美國公司,並囊括醫療、能源、自然語言等多重領域技術。中國的銀彈則正對美國造成短暫影響,2017年中國新創募資以81億美金之譜超越美國的62億,同時中國在數量上與美國的投資筆數的差距也正縮小中。

反倒歐盟雖然力圖振作,但2016年到2018年美國任一年的私募基金都超越歐盟的三年總和,甚至落後中國10億美元量級以上。國際風險投資公司Atomico的合夥人── Irina Haivas表示:歐洲充滿技術與智慧財產轉讓的屏障,使得資本密集或者研究導向企業無法施展。確實,歐盟有70%資金投入在種子輪與天使投資上,單筆金額都低於200萬美金,反觀重點C輪融資(量級在1000萬美金以上),歐盟的數量與金額都遠小於美國與中國。

應用程度
科技創新是提高生活水準的關鍵,AI很可能成為新興科技創新的主要推力。實際上,到2030年AI的運用預估將在全球創造13兆美元的GDP。

中國透過三年計畫,呼籲製造業運用AI,歐盟則關注製造業與能源。美國則藉由行政命令,希望打造AI技術標準。

在利用AI強化作業流程方面,中國公司的應用率明顯高於美國與歐盟,試行AI的公司亦如是。多數不同調查都表明,中國應用AI的技術相對歐美都更快,中國的應用領先可能源於企業對AI價值的意識相對較高。

對於這種現象有幾種解釋可能,首先AI重要性已深入中國文化,在公家機關地方政府藉由國家計畫積極推動AI新創與AI應用,包含為公司提供資本並鼓勵私人企業採用,而在民間,中國人相信AI對經濟有正面影響的比例也高於歐美。

第二個可能因素,是中國人認為AI能帶來更多社會福利,相對就更願意使用AI。雖然,於此同時也有許多人認為在AI使用上有道德考量問題,並擔心AI可能取代勞動力,或者增進貧富、教育差距,但多數人認為AI將會創造更多工作機會。

這對比彰顯了歐美疏於廣泛教育AI的重要性,歐美公司應用AI的比率與培訓課程都低於中國,歐盟又相對美國更嚴重。且歐盟民眾對於AI在工作領域的應用設想多為負面的,歐盟的決策官員對於AI認知相對亞太與歐美也都低落許多。

數據

AI技術需仰賴大量數據進行訓練,才能開發出準確性高的模型以執行各類任務。

2015年,中國將開放數據列為十大國家項目之一,歐盟則在AI計畫中談及對數據的開放與學習,美國則專注於聯邦數據的開放使用。對於數據實力指標,需要從多方進行觀察。

使用網路將生成數據,而AI則可利用數據增進廣告有效性,因此網路可以評估數據實力,中國由於人口眾多,自然超越歐盟與美國居冠。同樣的,行動支付服務也可以生成產品分析數據,中國約有5.5億人使用行動支付,美國為5500萬,歐盟則為4400萬。而所有連網設備的數據量,也都可以運用來訓練AI,因此中國的物聯網總數據,也都超越美國與歐盟。

與數據直接相關的是法規,數據保護法規將影響可使用的數據多寡,歐盟的《一般資料保護規範》(GDPR)於2018年5月25日生效,直接限制了數據蒐集與使用。在三者中,歐盟數據控管最為嚴格,其次美國,最寬鬆者為中國。

GDPR使得歐盟境內難以進行人為數據的蒐集與共享,其規範各組織體如何使用或處理歐盟居民的數據。而美國也有多項聯邦數據隱私權法,涵蓋許多行業,例如《健康保險可攜與責任法》(HIPAA)與《家庭教育權利及隱私法》(FERPA),且各州還有自身的州法規定,例如《加州消費者隱私法》(CCPA),但總體而言,美國依然相對於歐盟來得寬鬆。

中國雖然也有對個資的保護規範,形式上也看似繁複,然而執行面卻非常鬆散,許多傳聞證據也表明,相對歐美同行,中國企業的數據限制更少。因此中國具備兩大數據優勢。

  1. 相對西方業務分割明顯,例如亞馬遜只能購買雜貨而不能預訂飯店,中國卻致力打造多合一的超級應用程式,例如微信提供叫車、訂餐、機票、飯店甚至繳電話費等服務,這些數據的整合是歐美無法比擬的。
  2. 中國科技公司積極整合離網產業,例如滴滴打車併購加油站與維修廠,美團在餐廳評分功能外提供送餐服務等。

因此中國公司的數據深度與廣度都比歐美要來得多,雖然美國科技巨頭的全球影響力仍然較中國強勢,但中國應用程式(例如:Tik Tok)的全球化將會縮小這些差距。

不過中國相對美國,有著數據結構化不足的缺點,使得價值獲取不易,同時中國缺乏統一數據交流標準,使得多數數據無法被統合運用。最後是中國自外於國際的封閉性,終究也降低了數據的多樣性。

硬體

AI的運算需要大量電腦計算能力,因此硬體支援就更顯得關鍵,以國家而言,硬體的強弱代表:

  1. 半導體貧弱國將受到他國牽制,例如中美貿易戰的禁運政策,令中國中興通訊幾乎倒閉。
  2. 許多專家認為應針對AI獨立設計晶片,令非半導體科技公司也投入研發晶片行業,例如Apple。
  3. 超級電腦將帶來突破,因此國家的超級電腦實力將帶來巨大優勢。

以半導體而言,全球銷售排名前15的公司中,美國佔有6家,歐盟2家,中國僅有1家,而全球公司研發經費排行前10名,美國有5家上榜,中國與歐盟都掛零。AI晶片設計公司數,美國領先中國兩倍,歐盟則居末。超級電腦中國數量最多,但綜合性能以美國最強,略優中國與歐盟。

美國在硬體上雖居領先,不過在特定領域還是被中國所追擊,例如超級電腦數量或者AI晶片投資。中國正積極開發晶片,不管是新創挹資或者市場巨頭研發皆有成長,不過還未能轉化成穩定市場,但目前西方半導體的優勢依然會逐漸被侵蝕。

而歐盟是硬體中最弱者,歐洲工業雖在感測器具有市場力量,卻在半導體失去市場。包含研發支出的落後,晶片設計又不如美國或中國,且新創公司因為歐洲市場破碎及法規而動能不足,加之外國公司的收購都使得歐盟缺乏動力。

結論

總體來說AI發展實力目前美國領先,中國居次,歐盟落後。美國在人才、研究、開發、硬體四項指標領先,中國則在採用與數據領域領先。歐盟沒有領先指標,但在人才指標僅次於美國。

美國領先的原因為:擁有最多AI新創團隊,且生態系中的資本雄厚。其次,在AI產業最需要的傳統半導體與晶片上也有長足發展。儘管論文產量少於歐盟或中國,但品質卻是最高的。同樣在人才數量上,雖少於歐盟,卻比歐盟更加菁英。

中國的AI之所以能快速進展的原因來自於對數據的取得,因為AI系統仰賴大量數據建模。2017年,中國的AI風險投資與私募股權融資短暫超越了美國。但中國顯然缺乏歐盟與美國具備的優質人才。但在投資方面,確實大幅領先歐盟。

歐盟的研究能力雖強,但在產學之間卻存在斷層。這樣的遲緩導致了經濟與社會的損失,更影響歐盟AI治理的全球定位。

中國若要彌補缺點,首先要解決「軍民融合」政策帶來的不信任,以及人才外移的問題,並且補足數據統一格式的缺失,最後在硬體方面應停止強迫技術轉讓與審查外資。

歐盟則尤其需要留住境內的高級人才,並對產業進行AI優點的教育,數據部分則要思考如何在GDPR上給予AI開創活路。

最後,美國若要保住領先地位,則應繼續關注人才培育政策,留住人才與創新經費,並且試圖在較小的人口基數上創造更多價值,並維持硬體優勢。
(編譯者:蕭為程)