把今天的技术创新变成中国长期的可持续增长引擎，需要采取精心思考的战略。政府应该奠定坚实的基础，为 AI 发展提供有启发性的目标，刺激私企的创新和新技术应用。战略由强大的工业和经济框架，教育框架，以及社会和国际政策框架组成。

工业和经济框架

虽然AI的发展还处于早期阶段，但技术似乎不太可能遵循线性增长轨迹。快速上马的可能性迫切需要确保健全的产业政策。否则，中国将面临偏袒激励、过度投资和供过于求的风险，所有这些都会破坏价值。虽然市场将推动 AI 技术及其应用的发展，但正确的政策框架可以为增长创造健康的环境。

战略重点1：建立健全的数据生态系统

丰富的数据是训练 AI 系统、吸引人才和加速创新的关键因素。为了建立更强大的数据生态系统，中国可以设定和实施数据标准，开放公共数据，用于个体研发，并鼓励国际数据流交换。

标准化是系统广泛的数据共享和互动操作性的重要前身，将提高物联网和人工智能技术的价值。鉴于全国各地有可用潜力的数据量巨大，中国具有独特的地位，需要带头确保中文数据标准得以推行。

对于特定行业的数据，政府可以呼吁现有的监管机构制定必要的规则。例如在美国，证券交易委员会在 2009 年授权所有上市公司必须以 XBRL（可扩展业务报告语言）格式披露其财务报表，从而确保公共数据具有机器可读性。

为了提高可用数据的多样性来支持人工智能开发，政府可以开辟更多的公共数据集，并带头建立一些行业特定的数据集。除了推动 AI 行业的发展之外，这些举措在提高公共服务质量和解读新的政策方面也会产生益处。例如，纽约市市政府启动了自己的开放数据门户，让公民获得有关经济发展、健康、娱乐、公共服务等方面的数据。纽约还于2012 年颁布了一项开放数据法，要求政府处理机读数据并建立 API（应用程序编程接口），使软件开发人员能够直接连接到政府系统并收集数据。

最后但并非最不重要的是，中国政府将需要考虑国际数据的价值。 MGI 研究发现，跨境数据在 2014 年为全球经济贡献了 2.8 万亿美元，对增长的影响比商品贸易的影响更大。 此外，数据的流入和流出都很重要，因为它们反映了全球经济体的思想、研究、技术、人才和最佳实践。数据是未来的货币。例如，在医学研究中，如果不从世界各地大量临床资料中获取数据，就不可能实现 AI 的全部潜力。过多的壁垒可能会妨碍中国 AI企业，妨碍其在国际市场上开发具有竞争力的产品。

战略重点2：扩大传统产业内 AI 的采用比例

在中国，实现 AI 在经济中的全部潜力，取决于 AI 系统在传统企业中的实际应用，而不仅仅是技术巨头的应用情况。通过提高广大生产单位的生产力，可以解锁大量的价值。 但中国需要解决几个关键的障碍。

需要克服的第一个障碍涉及到改变观念，并创造一种需要改变业务运作方式的紧迫感。 根据麦肯锡调查显示，AI 在中国传统行业 40％以上的公司中尚不是战略重点。因此，这些公司中有许多尚未掌握支持未来采用 AI 所需的数据。例如，农业类企业很少考虑记录种植时间表或天气对产出影响的详细信息，但这正是 AI 系统可以用来发现宝贵见解和效用的信息。相比之下，英国、美国和日本已建设了全国信息系统，以捕获这些数据，并将高级分析应用于现代农业管理。

第二个主要障碍是不懂技术。如上所述，中国将需要重点培养更多的数据科学家精英，特别是在 AI 技术短缺情况变得日益明显的地区。但是，能够将 AI 知识转化为具有实际价值的真实应用的人才也不足。更多的企业领导和中层管理人员需要掌握技术技能，以及理解和应用数据的能力。一家类似英特尔这样的中国芯片制造商认识到，制造和测试过程中产生的数据可以显著改善操作并减少残次品。但由于缺乏半导体和AI 知识方面的专家，该企业无法实施相应的战略。