第三次发展热潮下人工智能领域产学研合作模式探讨

王绍丹 裴庭伟

[摘 要] 人工智能经历两次发展热潮后，第三次热潮更多的展现出其产业价值。中国已在世界人工智能领域抢占一席之地，但从产业布局、人才数量等上看与美国有较大差距。对中美人工智能领域产业发展状况进行对比，探讨高校在该领域的发展优势与限制，并提出了四种人工智能领域产学研的合作模式。

[关键词] 人工智能;产学研;人才培养;合作模式

[基金项目] 2018年度江苏省人民政府办公厅“江苏高校优势学科建设工程（PAPD）”三期资助项目研究成果

[作者简介] 王绍丹（1991—），女，江苏徐州人，硕士，人工智能研究院院长助理，研究方向：高校管理、高校校企合作研究与实践;裴庭伟（1992—），男，江苏宿迁人，硕士，研发工程师，研究方向：机器学习、大数据分析。

[中图分类号] G646   [文献标识码] A    [文章编号] 1674-9324（2020）31-0088-03    [收稿日期] 2020-02-03

一、第三次人工智能演化热潮及其特点

人工智能的演化进程已经历过两次热潮，即以1962年和1997年为代表的两次人机对弈所引发的民众对于人工智能的热情，以及学术界、投资界、商业界的广泛投入（1962 IBM阿瑟·萨缪尔开发的西洋跳棋程序战胜一位盲人跳棋高手、1997年IBM深蓝战胜卡斯帕罗夫）。然而，两次人工智能热潮之后是漫长的低谷寒冬。根据Gartner技术成熟度曲线揭示的技术发展规律，每一项新兴并且最终获得成功的技术在成熟之前，都要经历先抑后扬波折前进的过程。在不断的波折中迭代和积累并最终走向稳定有序的发展[1]。对应到人工智能的发展历程中可以发现，前两次所表现的热潮，更多应该被理解为一项新兴技术在技术萌芽时期的躁动，以及在泡沫期的过分膨胀[2]。而第三次人工智能浪潮与前两次相比，其特点在于人工智能在多个领域表现出了可以被大众认可的效率或性能，因此受到成熟商业模式的认可，并在产业界中展露出其价值[3]。

二、中国人工智能领域校企合作的必要性探讨

（一）中美人工智能产业发展状况对比

人工智能产业的发展，尤其是在技术的竞争推进上，其核心竞争力、资源和布局都掌握在企业巨头的手中，这些都是创业类公司无法比拟的，且将很难挤进已近完备的市场体系。因此，目前包括苹果、亚马逊、微软、Facebook在内的巨头企业都加大了对人工智能相关产线的资源投入，以抢占人工智能的市场地位。甚至有些公司正整体向人工智能驱动型公司转型。国内的BAT（百度、阿里巴巴、腾讯）也将人工智能作为重点发展战略，凭借自身的体量和优势，积极布局人工智能领域，抢占国内乃至世界人工智能市场。

从企业数量看，截至2017年6月，全球人工智能企业总数为2542家，其中，美国和中国的企业数量分别为1078家和592家，占比42%和23%，其余为瑞典、新加坡、日本、英国等国家。从企业历史来看，美国的人工智能企业发展早于中国，分别在1991年、1998年、2005年和2013年进入萌芽期、发展期、高速增长期和稳定期;而中国人工智能产业于1996年萌芽，2003进入发展期，2015达到峰值进入稳定期。从产业布局来看，美国的人工智能产业布局已初步呈现，在基础层、技术层、应用层，尤其是算法、芯片、数据等产业核心领域，积累了大量的技术基础和创新优势，各层级的企业数量全面领先中国[4]。从人才总量上看，美国产业人才总人数为78000，为中国（39000人）的两倍。从投入经费来看，自1999年以来，美国投入到人工智能相关产业的经费为978亿美元，占全球总融资51.1%;中国投入经费635亿美元，占全球总融资33.18%[5]。从资金投入上看，中国具有可以媲美美国的实力，在世界人工智能领域占有一席之地。

此外，中国拥有全球最多的用户和活跃的数据，这对人工智能研究和应用来讲是不可或缺的基础。不管是深度学习还是自然语言处理，数据量都是人工智能研究和应用的基础与保证，因此中国在人工智能领域相比其他发达国家甚至美国都有一定优势。中国需要抓住此次人工智能浪潮机遇，在短板上加大投入力度，进一步加大基础学科的建设和人才培养。而企业受到资金投入回报时间和比率的影响，在基础科研投入及人才培养上具有较大的限制。

（二）高校在人工智能领域的发展优势与限制

基础科研方面，在2006～2016年十年的时间里，近两万篇人工智能领域顶级期刊或会议文章中，由华人贡献的文章数和被引用数，分别占全部数量的29.2%和31.8%[6]，作者人数只占五分之一，但贡献了近三成的顶级文章和被引用数量。即便是只统计顶级出版物中的顶级文章，中国人/华人在人工智能领域的贡献，其发展趋势也与以上数据所展现的趋势表现一致。然而，若统计到成果转化率则不尽如人意。有数据显示，我国科技成果的转化率不足30%，而发达国家的这一数据可达60%～70%，美国的转化率可以达到80%以上，其科技创新对GDP的贡献率高达80%，居世界首位。

在人才储备方面，教育部明确，到2020年建设100个“人工智能+X”复合特色专业，编写50本具有国际一流水平的本科生和研究生教材，建设50门人工智能领域国家级精品在线开放课程，建立50家人工智能学院、研究院或交叉研究中心。《2019中国高考志愿填报与职业发展趋势分析报告》显示，人工智能专业是考生家庭在新兴专业中的首选，占比达33.6%。虽然国家层面与学生个体层面都热衷于人工智能领域专业的开设与报考，然而就目前来看，人工智能领域的缺口仍是巨大的。据《全球人工智能领域人才报告》显示，截止到2017年第一季度，领英平台的全球人工智能領域专业技术人才数量超过190万人，其中美国拥有85万人，排名第一，而中国则仅有5万人，排名第七[7]。此外，我国目前的人工智能专业设置尚未成体系，师资力量严重缺乏，尤其是具有实践经验的教师严重不足，对于人才的应用能力培养欠缺，与发达国家相比还有很大的差距。

（三）人工智能产学研合作国家方向引导

为了加快人工智能产业发展，2016年5月，国家发改委、科技部、工信部、中央网信办联合发布了《关于印发〈“互联网+”人工智能三年行动实施方案〉的通知》（以下简称《方案》）。《方案》鼓励研究机构、高等院校等相关单位依托国家重大人才工程，加快培养引进一批高端、复合型人才。鼓励高校、科研院所与企业间开展合作，建设一批人工智能实训基地[8]。《方案》从国家层面提出了人工智能产业人才培养的要求，并将从资金支持、知识产权、国际合作、组织实施等方面鼓励和保障人工智能领域产学研合作。此外，我国在《国家中长期科技发展规划纲要》中明确提出，到2020年力争实现科技进步贡献率达到60%以上的目标。该项目标的提高，更需要政府、高校、企业三方同时发力，才能研发出适合实体经济发展的高科技成果，并进一步转化为高附加值的产品，带动产业发展和经济进步。

三、人工智能领域产学研合作模式探讨

通过上文对第三次人工智能演化热潮下中国人工智能产业、研究以及人才培养现状的分析，结合政府引导趋势和学科特点，本文将产学研合作模式划分为以教学为中心的培养型合作模式、以研发为中心的开发型合作模式、以产业为中心的经营型合作模式以及结合其中两种或三种的综合型合作模式。

（一）以教学为中心的培养型合作模式

人工智能领域产业布局细节多样，不同地区的高校应考虑辐射范围，结合合作企业的应用场景和企业资源，展开多元化的人才培养。一是聘用产业优秀人才为联合教授，开展专业指导、技能培训、就业指导等方面的课程，建立面向实践、面向问题的教学氛围;二是以实际项目驱动培养系统集成人才，使基础教育与应用实践相结合，培养学生的动手能力，增加参与实际项目的经验，避免教育与社会脱节;三是设立企业奖学金和项目资助机制，增强学生对优秀企业的认同感与归属感，鼓励学生在学习过程中提高企业所需的专业素质和能力，鼓励学生参与到企业项目中去，在课程和课余生活中获得技能提升和助学资金，减少学生“打无用零工”的现象。

（二）以研发为中心的开发型合作模式

高校在人工智能领域的积累是目前企业无法比拟的，但其积累主要在基础科研论文和研发项目上，科技成果转化率不高，且人工智能项目所依赖的海量数据往往掌握在企业手中，而高校科研工作者只能获得网上公开的数据集，资源十分有限。而大多数企业无法支撑人工智能领域基础研究阶段的漫长过程和资金投入，虽能获得海量用户数据资源但无从使用。企业与高校二者以基础科研和技术开发为接口开展合作的模式能够促进数据、技术和经济的有效融合，互补高校与企业的优势与不足。具体合作形式包括：①咨询服务形式，即高校提供针对性的技术咨询或成果转让。②项目合作形式，即高校提供科研基础和科研人员，企业提供数据集、测试环境和研发资金等，联合开展新技术的研究，共享成果分配;或者高校承担企业技术开发委托，成果归企业所有。③成立联合实验、技术开发中心、工程研究中心、产学研合作示范中心等科研实体，在稳定的实体框架下开展合作。以研发为中心的合作模式能够在资源上整合优势，提高企业的技术创新能力，加大高校科技成果的转化率，在一定程度上也能获得国家相应的政策和资金的支持。

（三）以产业为中心的经营型合作模式

在第三次发展浪潮下，人工智能逐渐被成熟商业模式所接受，并开始展露产业价值。而由于人工智能产业的特殊性，计算机和人是产业的主体，代码是产物，相对于其他产业而言，受场地、原材料、环境、物流等因素的制约极小。即使是必不可少的硬件条件计算和存储设备，包括华为、阿里、亚马逊以及大中型城市园区产业园等都能提供租赁服务，创业投入成本和限制相对较低;因此，具有丰富技术基础的高校科研人员开展以谋求高附加值、开发高技术含量的产业活动更为方便，包括技术入股（参股或控股）、校办企业、大学生创业园等形式，与校外企业建立合作或由科研人员独立经营，自负盈亏。

（四）综合型合作模式

综合型合作模式有效结合以上某两种或三种合作模式，兼顾教学、科研与产业。以苏州大学计算机学院某实验室为例，该实验室与国内一家著名企业建立联合实验室，融合了“项目合作+订单人才培养”的模式。学生在校期间，跟随导师进行企业合作项目的技术开发或基础研究，或根据需要到企业工作和学习，深入接触企业文化和工作内容。学习和工作阶段同时完成科研论文和项目工作，既满足学校人才培养的要求，又增加企业项目经验，同时也能以企业“实习生”身分，增进企业与学生之间的相互了解，同等条件下，企业也更愿意招收有本企业工作经验、认同企业文化的人才。同时，实验室完成企业的研发项目，实验室的基础科研成果转化为企业上线产品，带来技术增值，是一個多赢的过程。

参考文献

[1]孟海华.Gartner：2018人工智能技术成熟度曲线[EB/OL].[2018-08-06].https：//www.secrss.com/articles/4392.

[2]李开复，王咏刚.人工智能[M].北京：文化发展出版社，2017：44-47.

[3]吴俊明.刍议人工智能化学教学研发的教学论基础[J].化学教学，2017（11）3-10.

[4]张笑容.AI泡沫前，我们怎么办？中美两国人工智能产业发展全面解读[EB/OL].[2017-08-02]https：//www.iyiou.com/p/51596.html.

[5]腾讯研究院，中国通信院互联网法律研究中心.人工智能：国家人工智战略行动抓手[M].北京：中国人民大学出版社，2017：69-72.

[6]王咏刚.AI领域，中国人/华人有多牛？[EB/OL].[2016-10-08].https：//36kr.com/p/5054731.

[7]中国大数据.工信部：中国AI人才缺口超过500万 积极推动政策吸引海归人才回国[2017-12-29].https：//chuansongme.com/n/2110043251133.

[8]本刊编辑部.解读《中国“互联网+”人工智能三年实施方案》[J].机器人技术与应用2016（3）：28-30.