我国人工智能政策特征与PMC指数模型量化评价研究

高秀娟，彭春燕

（1.中华女子学院管理学院， 北京 100101；2.中国科学技术发展战略研究院，北京 100038）

1 研究背景

人工智能是第四次工业革命中爆发的领先技术，是科技创新的前沿阵地，也是推动国家数字经济发展的重要基石。作为引领性新技术，人工智能相关领域的发展为推动国家社会经济的发展提供了重要支撑与强大动力。人工智能（artificial intelligence，AI）术语最早出现于1956年的达特茅斯会议，发起4 人组John McCarthy、Marvin L.Minsky、Nathaniel Rochester、Claude Elwood Shannon 被称为“一小群科学家发起的会议催生了人工智能革命”，会议上将具有像人类思考能力的机器称为人工智能，各国就此对人工智能强大技术的益处与风险展开激烈的辩论，也对人工智能技术广泛深刻的影响以及带来的不确定性从人工智能治理、政策和伦理角度予以规范，形成大量的立法、标准与政策[1]。其中，在个人信息保护、算法规制、机器人相关法律方面，欧盟走在前列，关注人工智能伦理的《通用数据保护条例》（2018）影响最广，条例规定任何收集、传输、保留或处理涉及欧盟所有成员国内个人信息的机构组织均受条例约束，还设计了问责机制并允许“长臂管辖”。欧盟最新推出的《人工智能（AI）法规》致力于将欧洲打造为全球值得信赖的人工智能中心。美国则是在2016年发布国家级人工智能战略，近几年加大了在人工智能领域的投入，将战略目标定位为全球人工智能领导者地位，力图确保全球领先优势，2019年2月时任美国总统特朗普签署了《维持美国在人工智能领域的领导地位》第13859 号行政命令，推动弱人工智能走向强人工智能。可以说，人工智能治理竞赛已经成为各国在新兴技术领域的一个新角斗场，如何进一步发挥人工智能领域的创新驱动值得深入探究。

全球人工智能竞争优势争夺战的日趋激烈，使我国面临的竞争压力也日益凸显，“十四五”期间，作为国家优先发展领域，人工智能需要走向综合治理的发展格局。我国自2015年发布高端制造发展战略以来，中央与地方政府印发一系列文件对人工智能技术与行业进行规范与指导，提出以信息技术与制造技术深度融合的数字化、网络化、智能化制造为主线的8 项战略任务，之后人工智能相关政策呈现密集出台的态势，人工智能技术规则的确立、算法与数据的规范与伦理保障、数字平台建设等成为发展重点。反思当前我国人工智能政策治理的设计与实施，在规则设计、标准制定、技术细则、激励与监管、扶持与保障方面政策目标的落实情况如何？政策总体特征与趋向如何，政策效力是否存在供需偏差？如何优化与完善现行政策以发挥制度创新的效果？上述问题的回应是政策决策者的关切，也是处于市场主体地位的企业与科研机构迫切期待能有所推动的焦点。本研究立足于我国人工智能政策体系的解构与评估，从政策特征挖掘发现现行政策的聚焦点、从政策评估视角发现实施有效性，并针对性地提出促进我国人工智能政策发挥实效的建议，以期为我国人工智能领域在全球竞争态势中获取更大优势、形成具有竞争力的政策治理体系提供参考。

2 文献回顾

目前，国内外学者对人工智能政策的研究主要涉及3 个层面，一是政策分类研究，通过从政策内容本身与政策工具类别划分来归类政策，从而探究每类政策的发展状况与存在的问题。从政策内容来看，政策分类主要涉及政策供给、需求和政策原则等。如周庆山等[2]认为人工智能政策的伦理原则嵌入在人工智能产品、技术和服务研发、应用和治理等方面。宋琪等[2]从供给、需求和环境三层面将人工智能政策划分为公共服务、教育培训、科技资金投入等类别。二是政策评价研究。按照评价阶段来划分，政策评价分为政策事前评估、政策事中评估、政策事后评估以及政策全过程评估，通过统计数据或政策计量来评估政策从制定到实施全过程的实际效果。例如，藏维等[4]综合运用政策工具与政策评价模型，探寻我国人工智能政策的未来设计方向。费艳颖等[5]运用文本挖掘法进行解构分析，发现人工智能产业政策中形成了“价值+技术+制度”三轮驱动的负责人创新发展导向体系。蔡翠红等[6]对美国人工智能的战略目标、手段与评估效果展开分析，发现美国人工智能战略依然存在资金问题、与私营企业的适配度问题、人才培养与移民政策问题、伦理道德制约以及与中国的战略竞争问题。三是政策比较研究。主要是围绕各国的人工智能政策情况，梳理各国相关做法、政策特征和效果，进行政策的对比分析。如关皓元等[7]对新时期中欧人工智能战略与政策环境进行了比较研究，将2013—2018 划分为人工智能优先发展阶段，2019年至今为注重人工智能伦理与社会治理阶段。陈婧嫣等[8]基于“目标—理念—路径”的静态视角与“学习—扩散”的动态视角，构建人工智能的跨国比较框架，发现各国具有显著化差异且相互学习与融合。吴瑜等[9]运用CiteSpace 数据分析工具对中国和美国人工智能背景下科技政策进行比较研究，发现中国的研究更微观且聚焦当下，美国的研究更宏观且关注未来差异。

学者还力图建立人工智能政策分析的整合性框架，如苏竣等[10]基于场景生态提出一个人工智能社会影响整合分析框架；景慧昀等[11]设计了一个人工智能安全框架，作为安全治理体系的一部分，涵盖了人工智能安全目标、安全分类能力、安全技术和管理体系。也有对人工智能伦理与治理体系的问题的探索，在伦理准则与治理体系方面提出具体措施[12]。综合以上分析可以发现，目前人工智能政策研究的深度和广度都有所拓展，从研究方法来看，既包括政策文本分析和内容分析等定性评价方法，也包括政策计量分析、政策指数分析等定量评价方法，对于全面梳理各级政策设计与实施情况、开展政策的效力评价具有很强的指导意义。在新一代人工智能引领各行业快速发展并深刻变革的今天，对人工智能的研究现状进行分析、对国家政策脉络与政策系统展开研究十分必要，有助于回答政策关切、政策科学性与合理性的问题。

本研究旨在呈现现行政策的聚焦点、发现政策特征并评估政策效力，找出政策供给与市场需求的差距，为进一步优化政策设计提供参考。研究结构如下：首先，基于政策文献计量和内容分析法梳理政策特征和深层语义关联，发现政策关切点及政策规律；其次，借助内容分析法构建政策工具分析框架，系统剖析我国人工智能政策的供需与环境型特征，解读政府注意力配置特征；再次，构建PMC 指数模型获得政策效力的实际感知，总结政策各维度设计的缺漏；最后，总结我国人工智能领域的研究热点与前沿问题的基础上，提炼学者对人工智能研究的时间线特征，并基于上述分析、结合我国人工智能发展的国家战略目标，提出优化政策设计与布局的主要建议。

3 研究设计与研究方法

3.1 分析框架

Kuhn[13]提出政策范式（policy paradigm）理论，之后被引入政策研究领域，被视为政策制定者习惯在一个由各种理念和标准组成的框架中工作，这个框架指明了政策目标、目标实现的工具类别及需要解决的问题的性质[14]。政策范式能够将政策分析细化为政策问题、政策目标、政策工具等要件，然后根据研究需要来匹配和组合各要件。本研究将政策范式置于我国人工智能政策情境中，构建“政策语义—政策工具—政策评估”框架，由此形成的分析框架如图1 所示。

图1 我国人工智能政策分析框架

3.2 文本挖掘分析

政策文本量化是一种常用的政策研究工具，以政策主体、政策工具、政策关联网络等为研究对象，借鉴和引入统计计量等学科的知识和方法，通过对政策文献内容与外部属性特征的实证分析，揭示政策工具的选择和使用、政策嬗变的内在逻辑[15]。政策文本量化主要包括政策内容分析法、文本挖掘与政策评价。其中，文本挖掘分析法是一种研究方法，能够从文本中得到有效推论[16],是通过一定的规则，将传播媒体的内容系统分配到各个类目中，并使用统计工具对包含在这些类目中的关系进行分析[17]。文本挖掘常用政策工具作为政策框架的组成部分并予以分析，如Kirschenti[18]提出了64 种政策工具类型后，学者们开始将政策工具划分不同类别，例如，Stigler[19]将政策工具划分为授权型和诱导型2 类。Rothwell 等[20]划分的供给型、需求型、环境型三大类政策工具，在政策量化分析中使用最为广泛。

3.3 PMC 指数模型与曲面

PMC（policy modeling consistency）指数模型源于Mobilis 假说，认为变量都是相互关联的，Arturo[21]建立了PMC 指数评价模型，从政策量化角度尽能考虑相关变量的联系，在政策内部一致性基础上，对政策文本展开量化分析。该方法在国际上较为先进权威，学者用之对社科领域的各类政策展开评估，评价结果为政策制定、政策修改提供了科学依据。PMC 指数模型假定变量服务二进制分布，通过平衡变量避免人为评价的主观性，并通过指数与曲面图直观呈现政策特征，指数测算公式如式（1）～式（3）。

其中，Xt(X取值为X1，X2， ，X9)为一级变量，T取值为1，2, ,9,j为二级指标，n为每个一级变量包含的二级变量的数目。

PMC 指数模型通常构建涉及9 个主变量和若干个子变量的矩阵，研究各子变量对整体变化的累积效应，且通过多指标构建来评价政策制定的一致性问题。PMC 曲面的模型见公式（4），曲面由3×3矩阵构成，数值为9 个一级变量的指标值，形成的曲面模型图以三维可视化空间构造的方法来展现政策优劣势。PMC 指数模型的整体分析流程包括4 个步骤：（1）选取变量及参数识别；（2）多投入产出表构建；（3）PMC 指数计算；（4）PMC 曲面绘制。

4 实证分析

4.1 数据来源

本研究以2016—2021年为政策文本选取区间，所选取的人工智能政策主要包括中央和各部委（财政部、发改委、教育部、工信部、人社部、国家标准化管理委员会、全国信息安全标准化技术委员会等）、地方省市人民政府与有关下属政府机构公开发布的政策、规划、通知、意见，政策文本来源为各部委官方网站及北大法律信息网。经过筛选以及文本内容的初步分析，确定了31 项政策（以下简称“样本”）。其中，中央级政策为15 项，占比48%，地方政策16 项，占比52%。

4.2 政策文本挖掘

政策文本挖掘中的政策语义分析用于反映政府人工智能领域部署的注意力分配，本研究运用共词分析法分析政策内部结构关系，通过对研究主题的多个关键词出现在同一篇文献中的现象进行分析，展现政策文本的内容与结构[22]。将31 件政策文本进行分词处理，选择词频分析功能统计高频词汇。分词结果显示出人工智能政策的注意力关切主要集中于5 个方面（见图2，表1）。

图2 2016—2021年中国人工智能政策高频词语义网络

表1 中国人工智能政策高频词和词频聚类

由图2 和表1 可见，一是对于创新、研发与研究的关注度较高，说明人工智能的发展过程是由创新与研发推动的，凸显了自主研发的战略途径，并且较为关注基础性的研发推动，说明政策关切人工智能技术底座，对领域内国家基础性创新与技术发展的重视度很高，成为政策设计的基线；二是人工智能的发展、应用、服务功能凸显，表明我国的人工智能发展方向更多是为了行业应用，为行业提供服务，注重技术的应用性和科研成果转化，希望人工智能技术创新能带来更多的行业与企业发展、服务于智能化产品的开发与应用；三是对平台、系统、数据、安全、标准、计算等提及较多，表明国家在搭建人工智能系统平台的同时，对平台的算法、算力和伦理安全较为重视，关注数据安全和行业企业标准，为人工智能行业的良性发展提供了政策依据，另一方面，表明国家对数字平台的人工智能研究与发展颇为重视，映射到诸如阿里巴巴、美团、腾讯等头部数字平台上，近年来广受关注的算法与数据使用等问题，国家在政策法规层面提出了规范性响应；四是人才问题得到关注，从教育与人才发展的角度予以扶持，重视专业人才的能力培育，为人工智能的产业发展提供了人力资源基础；五是一些重点产业上榜，例如大数据、机器人、芯片，都是我国在先进技术领域试图突破的重点领域，暗示了人工智能在上述行业的应用与要素组合，共同推动国家数字技术进步与数字经济的发展。上述关键词形成一整套系统化和集成化的政策体系关切点，实现了由点到面的政策覆盖面，政策重点突出并构成完整的“创新→应用→标准与安全→人才培育”政策链，为我国人工智能领域的健康有序发展提供了良好的政策氛围与政策支持。

语义网络可视化分析是将政策文本中的关键主题词之间的关联关系与关联度以图示的方式予以呈现，直观地表现出政策文本的语义特征，呈现政策结构的内部关系与主题分布情况。运用CiteSpace 软件分析节点度数与主题词聚类分析，形成人工智能政策的语义网络图，如图3 所示（其中#数字表示人工智能政策主题词聚类，如#1 技术创新表示我国人工智能政策可以提取聚类主题词1：技术创新）。从分析中可以识别出我国人工智能政策的基本特征：我国人工智能政策的发布与发展与技术创新密不可分，长期以来以企业作为主要的政策受体，国家充分鼓励企业加快技术更新与技术应用；政策的关注点包括数据挖掘、大数据、机器学习、人力资本等十余个聚类项，形成人工智能政策设计的主线；包括脑机接口、语音助手、认知无线网络等在内的基础研发为人工智能平台搭建与技术发展提供保证，即通过研发活动以及研发的转化过程，帮助搭建人工智能平台，并且推动企业和行业的技术进步；人工智能发展中的透明度与风险问题也获得较高的关注度，其中较重视信息披露与信用风控；人工智能技术在经济领域的规范体现在，一方面政策中多次提到产业问题，一方面则通过货币政策、人力资本的积累、资本权力等经济手段予以调控。

图3 中国人工智能政策的语义可视化网络

4.3 政策工具分析

借鉴Rothwell 等[20]将政策工具划分为供给型、需求型、环境型三大类的方法，将人工智能政策工具分为3 种类型，并借鉴中国通信院的二级政策工具划分方法，将政策工具细分为一级和二级政策工具，根据政策工具分类表对31 份人工智能政策进行内容编码，编码的原则为：首先逐条阅读政策文本，将政策文本排序作为一级编码号，政策文本的相关条款作为基本政策单元，按照顺序进行二级编号。对编码结果进行“1”（是）和“0”（否）数值处理，测算编码一致性系数达到87.2%，通过编码信度检验（〉80%）,形成政策工具频数分布见图4 所示。

图4 中国人工智能政策工具频数分布

我国人工智能政策总体来看依靠环境型和供给型政策，即营造人工智能行业和技术发展的外部条件与环境氛围，同时从推动人工智能行业发展的角度给予各种支持，而从直接拉动行业发展角度的需求型政策工具相对使用较少。供给型政策工具中，科技研发与教育培训占比最多，符合行业和技术特点，在政策文本中，多数发文机构都提出突破关键技术，例如《‘互联网＋’人工智能三年行动实施方案》主要任务即推动计算机视觉、智能语音处理、生物特征识别等关键技术的研发，并以专业人才引进与培养来保证人力的推动作用，鼓励相关研究机构和高等院校、专家开展人工智能基础知识和应用培训，例如湖北省制定了“楚才引领计划”，向人工智能领域高端紧缺人才发放“楚才卡”，并提供“一卡通”专员服务，以留住及激励人工智能高端人才。环境型政策工具中，除了目标规划之外，公私合作二级政策工具使用较多，表现为以军民融合、国家与私营企业共建等多种方式，实现合作共同推动技术与行业发展的态势，既可以分担成本和风险，又可以群策群力发挥政府和民间的力量一起办大事。同时，以资金、税费等保证行业资金来源，但是环境型政策工具中，知识产权和法规监管方面的规范性不足，未来行业逐渐成熟过程中，有必要提高知识产权保护力度、促进法规监管强度，在保护产权利益的同时对行业加强监督与管控。在需求型政策工具中，市场应用占比较多，体现为政策文本多数提到智能家居、智能医疗、智能文旅等人工智能在各行业的市场应用，并将之作为各部门的任务加以层层落实，此外，海外机构也有一定的占比，表现为与海外合作、在海外投资设点、引进海外技术与人才等方面，如结合“一带一路”建设，整合国内外创新资源，支持产业联盟等形式搭建的服务平台以提供国际合作和海外创新业务。但需求型政策工具内部结构不平衡，对政府采购、对外贸易管制、反他国管制、购置补贴4 项需求型政策工具重视度不够。

4.4 PMC 指数评价

4.4.1 变量的确定

通过上述文本分析和内容分析方法，根据所提取政策关键词，并借鉴已有学者的研究成果，以确定研究变量。本研究设置了9 个一级变量和41 个二级变量，一级变量包括政策性质、政策时效、政策级别、政策功能、政策工具、政策重点等（见表2）。其中，二级指标Xi,j表示第i个一级指标的第j个二级指标。

表2 中国人工智能政策评价指标体系

表2（续）

4.4.2 PMC 指数测算与曲面

（1）PMC 指数测算。根据Mobilis 理论假设的要求[21]，对二级指标的估计遵从二进制[0,1]设置，对41 个二级指赋值，如果政策文本涉及到相关内容，则赋值为“1”，否则赋值为“0”,据此得出对41 个二级指标的政策评价值。然后根据所设计的一级和二级体系构造多投入产出表，多投入产出表作为一种数据分析框架，可以显示指标模型所反映出的政策策略演变。随后构建PMC 指数计算模型，测算政策赋分值并划分政策等级（见表3），根据政策评估分数确定政策优良性与政策特征。根据PMC指数测算公式，对31 份人工智能政策中的每一项政策进行一级和二级指标的评价，形成政策等级认定（见表4）。31 项政策中4 项政策等级为“优秀”（占比12.9%）、24 项政策等级为“良好”（占比77.4%）、3 项政策等级为“一般”（占比9.7%），据此可以将31 项政策划分为3 个不同的等级：

表3 人工智能政策质量级别

表4 中国人工智能政策PMC 指数测算结果

1）Ⅰ级政策：政策得分在7 ～9 分之间，政策等级为优秀，如P4，政策得分为7.14 分，排名第一位，政策等级为优秀。在具体的变量评分中，该政策分别在X1政策性质、X4政策功能、X5作用层面、X6政策工具、X7政策操作性、X9激励约束分别达到最高值，该政策涉及到行业目前的发展态势、指导思想与原则、战略愿景、主要任务和保障措施，基本涵盖了PMC 指数测算模型中的各指标测量项。政策中的“主要任务”与“保障措施”两项条款设计较好，前者从构建协同开放的智能汽车技术创新体系到各种创新产业发展形态，都有所涉及，后者则从组织保障、政策保障、人才保障、国际合作和发展环境五方面给予保障和支持。政策设计的覆盖性和科学性使得其评分明显高于平均水平，因此该项政策评级为优秀。

2）Ⅱ级政策：政策得分在5.00 ～6.99 分之间，政策等级为良好，如P1、P3、P8，以P21为例，政策得分为6.92 分，排名第3 位，是由湖北省颁布的关于新一代人工智能发展规划，涉及近期和远期关键技术突破的多点目标、拓展人工智能融合应用场景、推动人工智能核心产业发展等多层面的管理制度，且该政策在政策性质、作用层面、政策操作性、政策评价、激励约束高于全部政策的均值，但是该政策在政策工具层面评分不及优秀等级的政策。

3）Ⅲ级政策：政策得分在3.00 ～4.99 分之间，政策等级为一般，如P10，政策得分为4.83 分，排名第21 名，是教育部颁布的关于开展人工智能助推教师队伍建设行动试点工作的通知，涉及探索人工智能主推教育的目标、试点工作的内容、组织引导和经费保障等细则，该政策在政策功能、作用层面、政策工具、激励约束这几项变量上的评分较低，主要是因为该项政策主要针对教师群体开展试点，政策内容具有较强的专指性，仅涉及试点工作的布置与保障方面的内容，政策覆盖面比较狭窄，因此在多个变量上评分较低。此外，该项政策作用对象仅为事业单位，不涉及其他客体，所以在作用层面上得分也较低。综合各维度的评分，所以政策评级为一般。

表4（续）

（2）PMC 曲面。根据PMC 指数构建曲面，该三维曲面以直观图谱呈现政策评价效果，曲面凹凸及颜色差异表明政策得分的不同，凸起部分对应政策评价得分较高，凹陷部分对应政策评价得分较低（见图5 ～图7）。为了对比“优秀”等级与“一般”等级的政策差异，本文选取国家发改委《关于印发〈智能汽车创新发展战略〉的通知》（P4）（“优秀”等级）和教育部《关于开展人工智能助推教师队伍建设行动试点工作的通知》（P10）（“一般”等级）两项政策。结合曲面图与PMC 指数测算情况，发现《关于印发〈智能汽车创新发展战略〉的通知》政策在各维度得分都较高，尤其是政策性质、作用层面、政策操作性、政策评价与激励约束五个维度上评价较高。《关于开展人工智能助推教师队伍建设行动试点工作的通知》在政策功能、作用层面与激励约束维度得分较低。

图5 PMC 评价“优秀”与“一般”的政策均值对比

图6 国家发改委《关于印发〈智能汽车创新发展战略〉的通知》政策曲面

图7 教育部《关于开展人工智能助推教师队伍建设行动试点工作的通知》政策曲面

在监管方面，《关于印发〈智能汽车创新发展战略〉的通知》（P4）较之其他政策更为严厉地明确了加强数据安全监督管理，提出建立覆盖智能汽车数据全生命周期的安全管理机制；政策功能方面，制定了规范引导、制度约束、技术创新的政策规范；政策作用层面则从国家、区域、产业和企业4 个层面的人工智能发展都提出了政策要求，还提出了培育智能汽车创新发展平台等新型市场主体，从基础设施体系、商业模式、人才培养，以及增强产业竞争力各方面提供政策依据；政策工具方面呈现出多种工具综合使用的特点，尤其从国际合作角度提出支持国内企业加快国际市场布局，从知识产权角度提出加强知识产权保护，健全技术创新专利保护与标准化互动支撑机制；激励约束方面更多涉及了对行业的监督考核，设计了相应的机制与考核办法,并对相关主体提出了技能培训方面的要求与举措，一方面加快培养复合型专家和科技带头人，另一方面协同培养创新型中青年科技人才；明确提出健全领域的法律法规，如开展智能汽车“机器驾驶人”认定、责任确认、网络安全，以及数据伦理规范方面的法律权利、义务和责任。

我国人工智能政策文本分析中的结果表明，政策整体科学性较好，从单项指标来看则仍存在不足之处，政策性质主要体现在监管、诊断层面，约束性不足，说明政策对行业发展过程的监督管理规定有所缺失，同时对行业发展问题的总结与诊断不足，侧面反映出人工智能行业还处于快速粗放发展期，未能总结过往的问题，也没有加强监管部门的职能。政策功能主要体现在政府采购、制度约束功能不足，尤其各项政策均鲜见政府采购功能的应用，说明行业以市场竞争获取产品需求为主。政策工具主要体现在知识产权工具未能充分使用，说明对创新结果的产权保护力度不够。激励约束主要体现在技能培训层面，监督考核、法律保障不足，说明政策发文后，对于落实到具体操作层面的监督制度未得到政策的充分重视。

5 人工智能的研究前沿拓展

对人工智能研究前沿的探究，有助于进一步为人工智能政策的设计与实施提供理论基础，探寻未来政策制定和修改的方向。本文选取2010—2021年中国知网期刊数据库,对“人工智能”全文字搜索并手工筛选，去除会议文章等，得到中文文献449 篇。运用CiteSpace 软件对人工智能研究的相关关键词进行时空分布可视化分析，结果如图8 所示。其中年份由左到右排列，节点表示关键词，图形表示关键词的时间聚合，连线表示某一关键词被关注的时间跨度。

图8 人工智能研究时间线

前沿研究表明，自2010—2021年，我国学术界对人工智能的研究一直保持持续性。2010年左右关注的焦点在于创新、全要素生产率、技术进步等方面；到2015年左右，人工智能的研究呈现爆发式增长，大数据、战略规划、人工智能时代等关键词纷纷被提出；到2021年，学者开始研究人工智能科技产业和颠覆性技术，产业升级以及在医疗器械等方面的应用也逐渐进入学者的视野。将人工智能的研究分为3 个阶段：2010—2013年，属于人工智能研究的初始阶段，主要研究人工智能新国际化趋势与创新等问题； 2013—2016年，属于人工智能研究的发展期，提出大数据、未来人工智能方向等问题；2016—至今，属于人工智能研究的爆发期，研究议题的广度与密度都增多，特别是一些新提法的提出，丰富了研究领域，同时，新一代人工智能、人工智能的科技产业、人工智能产业升级是2021年以来的研究热点，近年来人工智能作用于劳动收入份额、专利互引、冲击就业结构等热点研究领域都得到了广泛关注。

由图8 可见，以近3年的文献热点来看，当前我国人工智能的研究领域聚焦于4 个方面：人工智能的伦理建设，体现在人类命运共同体、新一代人工智能建设、融合发展等方面，表明我国人工智能研究关注到宏观环境与伦理建设；人工智能的教育与培训，体现在以学生为中心的人才培养模式、规范化培训、教学改革与实践教学、专业人才培养等方面，表明我国人工智能教育与培训受到重视；人工智能的技术层面建设，体现在产业领域，如人工智能医疗器械、区块链、动态规划算法等方面；监管领域，如产品质量管理体系、公司估值等方面。此外，诸如颠覆式创新、对就业结构的冲击、“互联网＋”政务服务，以及“十四五”展望与人工智能行业及研发的发展，都是学者关注的关键词，相关研究为政策设计提供了前沿观察和前瞻思路。

6 结论与建议

本研究依据政策范式理论构建了“政策语义—政策工具—政策评估”框架，从政策特征分析与政策效果评价框架下对我国人工智能政策进行了各维度的评估与挖掘，研究结果显示，我国人工智能政策主要围绕各行业的智能化和技术突破展开，国家对创新、研发与研究颇为重视，在政策文本中多次出现相关提法，凸显了通过自主研发与创新，走自主发展人工智能行业之路的决心。在政策文本挖掘中，还发现大部分政策文本都倾向于技术应用，关注人工智能在交通、文旅、家居等方面的市场前景，从中央到地方各级政府都着力打造自己的人工智能全行业应用图景。政策工具的分析呈现出使用不均衡的特征，供给型和环境型工具多、需求型工具少，而且对政府采购、对外贸易管制、反他国管制、购置补贴四项需求型政策工具重视度不够，对监管政策的重视程度也不足。PMC指数模型评价的结果表明，我国各级政府发布的人工智能政策总体情况良好，而且政策在一定程度上还显现出地方政府发布政策优于中央部委发布的政策，主要原因是地方政府更重视对中央一级政策的落实、更关注市场化推广、使用的政策工具较为丰富、任务分解到位且责权明确，上述原因使得地方政府发布的文件更具可操作性、更落地，但政策之间具有效力差异性，相关政策条款亟待加强和完善，据此提出以下政策建议：

（1）加大需求端政策工具的组合性和灵活性应用、优化环境政策工具包。需求型政策工具起到直接拉动政策主体的作用，作用效果直接、效力较大。在人工智能快速发展过程中，通过政府采购的方式来拉动行业发展，直接为行业注入利润是必要的，尤其在世界各国争相发展人工智能行业的今天，通过政府采购的方式，可以酌情为市场中还相对实力弱、但成长性较好的企业提供一定的市场份额作为扶持性政策。加强对贸易管制和反他国管制方面政策的应用，并通过直接补贴的方式，让人工智能企业更好周转资金、以更高利润率更高来抗击市场风险。增加对知识产权保护环节的政策关切，人工智能作为高科技领域，发展进程中必然会产生很多专利和创新，在我国人工智能技术逐渐成熟的过程中，需要及时将专利和知识产权握在手中，以实现对研发外溢的保护。

（2）充分重视行业监管与行业标准的制定，确保行业安全发展。政策制定者要遵循行业发展规律，在各发展阶段设计和实施有效的行业监管规定，一方面注重对国内行业发展现况的认识和摸底，适时出台相应的监管措施，需要注意的是人工智能领域的高度自主性、自适应性和自生长性决定了行业监管有别于传统模式，需要探索在潜在安全风险、技术预判等方面的前瞻，并据此立法予以规范；另一方面要关注国外的行业监管政策和模式，尤其是近来美欧对人工智能监管政策方面呈现的趋同和对标态势要有清醒的认识，积极应对以影响和适应国际人工智能治理格局。尤其需要注意的是，美欧等技术高地都致力于通过或灵活或强硬的监管规则，以高标准立法来确保在该领域的科技和经济领导地位，并借此重塑全球数字发展模式，我国应当及时与各国政策对标和协同，在积极变化与协调中形成体系化的特色政策，保证我国参与全球人工智能供应链的平稳运行，并且通过人工智能安全规范、伦理规范、行业标准等环节的调试，提升科技竞争力和规则话语权。

（3）开展对人工智能政策的整体系统性评估。随着国内外人工智能技术的快速发展与科技环境的不确定性波动，政策注意力与需求也在不断变化，需要建立一套对政策整体性、系统性评估的机制，找出对人工智能技术与经济领域发展有促进效果的因素，以保证政策的科学性、及时性和体系性。当前，需要进一步加强政策覆盖面以增强政策的功能，增加对政策诊断（问题的总结）、政府采购、知识产权和海外机构合作等政策工具的运用，一方面通过政策问诊及时发现政策设计、执行和反馈中出现的问题，另一方面通过各类供求与环境政策的应用，保护创新型自主研发成果、促进与国外更多展开交流合作，以激励行业快速健康地发展。人工智能政策系统与科技管理体制、创新成果市场转化、行业人才的培育与发展等环节密不可分，对相关政策的落实和优化情况展开追踪和评估，可以发现运行政策与创新主体需求不一致的地方，从而为政策调试与完善提供有益的参考，提升政策协同性和体系性。此外，我国将在数字经济与人工智能领域的发展中实现向国际高端价值链转移的战略目标，人工智能作为多个行业的技术底座，实现其强大效能可以促进各行业整体的高端转化，因此对现行政策系统的欠缺之处进行调整，有利于发挥政策能动性和效力，有利于国家数字化战略的落地，通过制定政策细则、构建服务于细分行业的政策管理模式、“一企一策”的具体实施方式等，提高政策供需匹配性，以更好实现政策效果。