网络首发 | 中国人工智能话语权提升路径研究

经过六十余年演进，人工智能（Artificial Intelligence， AI）如今已进入发展新阶段，成为一项广泛交叉、引领未来的前沿科学技术，深刻影响着国际格局、生产力布局和国家现代化。为抢占未来科技的制高点，世界各国纷纷制定了发展人工智能的战略规划。作为先行者，美国在2016年10月发布《国家人工智能研究和发展战略计划》，在战略层面提出人工智能发展的重点。2017年3月，中国将“人工智能”首次写入全国政府工作报告，并于同年7 月发布《新一代人工智能发展规划》，明确了新一代人工智能发展的战略目标。2018年4月，欧盟发布的《欧洲人工智能战略》首次系统地阐述欧盟的人工智能发展规划，同年12月发布的第一版《人工智能协调计划》协调各成员国加强合作。各国正积极推动人工智能的创新突破，试图引领研究方向、抢占人工智能应用市场并制定各类人工智能标准。

近年来，在政策和资金的支持下，我国人工智能领域的论文、专利产出和企业数量已经位居领先地位，但其他方面相较于美国等世界主要科技强国还存在一定的差距。国际社会中，国际话语权是国家实力的重要表现。在现今国际新秩序构建渐趋深化、国际权力关系调整变化的形势下，争取人工智能领域应有的国际话语权并加强人工智能话语权建设，不仅可以有效推动我国科学技术水平的持续进步，还能够显著增强国家的国际影响力。本文拟基于主要科技发达国家人工智能研究与实践的动态，探讨现阶段中国在人工智能领域如何提升话语权。为了反映各国人工智能话语权的状态，本文通过归纳人工智能话语权测度变量体系，采用多种测算方法进行实证研究，分析测度结果的异同，比对不同方法下测度变量对最终结果的影响，揭示出关键变量与话语权提升之间的关系。结合我国人工智能话语权的当前地位以及各国人工智能话语权的变化趋势，提出我国人工智能未来重点发力方向，从而为中国在人工智能领域赢得话语权提供具体、可行的参考路径。

目前对话语权的研究已经在话语权理论的基础上扩展到社会学、传播学、政治学等多个领域，研究人员解释了福柯话语理论如何与特定领域结合，概念化不同社会实践中所体现的话语权，并建立了公共关系、媒介权力、人际传播等方面的分析框架。从现有的研究看，由于话语权这一概念的综合性以及目前缺少直接可用的话语权整体测度模型，所以需要综合现有理论与研究，提炼出人工智能话语权的构成维度及测度变量，构建人工智能话语权测度变量体系，为下文讨论提升路径提供可操作的框架。

2.1   话语权

“话语”是人类表达事实和描述思想的工具，从话语中发现权力的本质或将话语视为权力来理解，可溯源于法国哲学家米歇尔•福柯提出的著名观点“话语即权力”。“话语权”（discourse power）一词在福柯1971年的演讲 中首次出现。福柯的话语理论揭示了话语、知识都可能成为权力的表现形式，他明确指出权力和知识是直接相互连带的，知识产生权力，同时，权力制造知识。

随着话语权研究的不断深化，学者们普遍认为中文语境下，话语权的概念有双重含义：话语权利（right）和话语权力（power），权利是权力有效运作的前提，权力则是权利得以维护的手段。例如，就国家话语权而言，话语权利指以国家利益为核心发表意见的权利，以及知情、表达和参与等权利的综合运用；而话语权力则是指以非暴力、非强制的方式改变他人的思想和行为，建构社会事实甚至国家形象的能力，它更强调话语的控制力、影响力。相关研究还指出，话语权是由话语发出者、话语内容、话语对象、话语平台和话语效果或反馈等几个基本方面 组成的。从组成方面的角度来看，话语发出者输出的话语内容是话语权的基础，高质量的话语内容需要理论与技术创新作为支撑。在保障发声权利的前提下，话语对象接受认可话语内容，遵守隐含的规则是话语发出者获得话语权并发挥其作用的表现。本文认同“话语权既是一种权利，也是一种权力” 的观点，将话语权概括为：话语权是话语权利与话语权力两者的统一，话语发出者凭借自身实力和竞争优势在一定环境中享有表达话语内容的话语权利，同时具有影响他人或其他环境的话语权力。

2.2   人工智能话语权及其测度

从全球范围看，人工智能领域的创新流程大致遵循了由学术研究到技术研发再到产业应用的基本规律。科研活动中创造的研究成果为随后的技术实验提供源源不断的知识储备，学术研究的成果往往以学术论文、实现代码等形式扩散，学术界通过引用、同行评议等方式来反映成果的质量。人工智能企业基于高质量研究成果投入大量的资源开展新技术的实验测试，推动技术的应用实践，进而与多种行业深度融合，催化新模式、新业态的出现，逐步渗透改变价值链。

创新流程的不断循环和产出积累会让一个国家在细分领域的研究、技术、产品等方面占据优势，对该领域的理解和认识更为深入，具备提出更具洞察力和前瞻性观点的实力。当一国能够在国际社会贡献和推广自己的理念，那么可以视为它行使了输出话语内容的话语权利。领先国家依靠其先进的技术和成功的经验，形成了一套已被证明行之有效的规则和标准。随着这些规则和标准的不断验证和完善，它们逐渐成为了领域内的国际共识或最佳实践。其他国家为了提升自身在该领域的发展水平，开始主动寻求借鉴、追随这些权威经验。这一过程不仅是对领先国家综合实力的认可，更是对其话语内容的接受和尊重。当一国的规则和标准被其他国家自愿采纳时，这意味着该国在领域内的话语权力得到了实质性的扩展和加强。这种话语权力不仅体现在对国际规则和标准的制定和控制上，更体现在对其他国家行为和决策的引导和影响上。

结合前文对话语权的认识，本文认为人工智能话语权具有两层内容，第一层内容包括一个国家在人工智能领域的学术研究质量和技术应用水平，这部分内容决定了一个国家在国际社会是否具有话语权利；第二层内容是指一个国家能够在多大程度上主导或参与人工智能领域的国际规则制定，并得到其他国家认可，这部分内容决定了一个国家是否具备影响他国的话语权力。人工智能话语权第一层内容关注国家在学术界和商业市场的实力与地位，学术话语权主要涉及学术话语主体通过开展学术研究形成研究成果并产生效力的过程，产业话语权则考虑研发主体进行发明创造从而谋求经济效益、占领市场份额，二者共同构成了人工智能话语权第一层的内容，所以可将人工智能话语权第一层内容归纳为学术话语权和产业话语权；人工智能话语权第二层内容反映国家对规则的掌握程度，并与其在国际舞台上的影响力有关，本文将这层内容概括为规则话语权。

由于本文的目的不是构建完善的人工智能话语权测度模型，而是旨在寻找提升话语权的路径，故以下将根据对人工智能话语权的认识，围绕学术话语权、产业话语权、规则话语权这三方面展开综述，通过归纳、集成相关研究提及的重要变量来形成人工智能话语权的测度变量体系，并在变量选取时借鉴前人的类似指标用法，尽可能与现有常用的指标相一致。

学术话语权相关研究根据话语权理论、传播理论等总结了学术话语权的形成机理，并构建了学术期刊、学者、学科、学术会议 等具体研究对象的话语权测评模型。现有研究一般将学术话语权归结为学术引领力、学术影响力、学术竞争力等维度，获取发文量、被引量、作者合作网络等数据，以学术合作网络中心度 或学术权威 衡量学术引导力，以被引频次等引用类标准衡量学术影响力，以发文量等产出数量衡量学术竞争力。可以看出，现有研究大多以学术论文的数量和质量测度学术话语权。人工智能领域的学术研究一方面包括会议和期刊收录的论文，这部分本文借鉴前人测度学术话语权的要素即成果的数量和质量，同时为避免国家体量（人口数量）影响结果，选择人均人工智能论文产出量、人工智能高被引论文篇均被引量两个变量进行计算；另一方面，由于人工智能技术的实现依赖于算法代码，代码也是人工智能学术成果的表现形式，这也是人工智能技术发展的一个重要特征，所以，这部分本文以人工智能高收藏量开源代码占比测度开发实力。

产业话语权相关研究认为企业是产业中的话语主体，拥有大量数据和算法的巨头企业凭借其关键技术及人才优势掌握了巨大的话语权，成为国际市场和体系的重要参与者。企业是创新的主体，上市企业数量反映一个国家人工智能领域的产业发展规模和成熟度，融资金额体现该领域的投资活跃度和资本市场支持程度，且相关研究证明了企业上市能够缓解融资约束进而促进创新，同时为避免各国企业规模的影响，本文选择人工智能上市企业数量、人工智能企业平均融资金额两个变量来衡量产业话语权。专利文献在一定程度上反映了技术创新，现有研究将专利视为话语主体的话语内容，选取授权专利量、专利权人技术强度等指标，量化话语主体的话语权。以专利文献为代表的技术创新成果是对拥有主体技术力量的直接度量，基于此，本文利用专利数量作为度量产业话语权的变量之一，为排除国家体量（人口数量）的影响，本文使用人均人工智能专利授权量作为测度变量。

在学术话语权、产业话语权之外，还有研究指出，技术规则在技术进步与全球化的推动下扩散、国际化并形成相应的国际标准组织机制，成为大国话语权博弈的重要领域。有关规则话语权的研究还指出，小国通过机制化合作建立功能性联盟，可在部分政策领域获取超越自身政治实力的影响力，与大国建立议题联盟也是小国谋求国际话语权的通常选择。这些研究关注国际标准制定、联盟参与等要素，标准组织一般包括主导国家、参与成员国、观察成员国等，各国在标准组织中的角色通常是不同的，因此本文设置人工智能国际标准主导指数衡量各国在标准制定过程中所发挥的作用，同时以人工智能国际联盟参与指数考察各国是否具有人工智能主要联盟的会员资格。

综上，本文通过总结现有研究的分析维度、概念解释，结合本文探讨中国人工智能话语权提升路径这一目标，归纳了人工智能话语权的测度变量体系，为下文寻找提升路径提供可操作的入口，如图1所示。

基于人工智能话语权的测评变量体系，本文首先列出测评国家和各个变量的数据来源，其次说明各变量的计算方法，最后从学术、产业、规则三个维度对中国人工智能话语权提升路径进行分析与讨论。

3.1   数据获取与处理

本文拟将中国与经济合作与发展组织（Organization for Economic Co-operation and Development, OECD）中的11个重要科技创新国家（美国、英国、法国、德国、日本、意大利、加拿大、荷兰、瑞典、韩国、以色列）进行对比分析，感知各个国家在人工智能领域的发展态势与着力点，进而寻找理想路径，实现我国在人工智能话语权上的破局。选择2022年作为研究时段，该年份的数据相对完整且具有时效性，以近期数据为基础进行研究，可以更好地反映当前的实际情况和发展趋势。结合寻找人工智能话语权提升路径的研究目标，本文探讨的是在当前复杂国际环境中，一个国家如何布局人工智能各个子领域，才能实现综合实力的最快、最有价值增量。为观测自然周期内各个国家在人工智能领域的行动能力，本文使用的变量数据是在一定时间段内各国的增量数据。虽然一些国家可能由于历史积累、早期投资或其他因素在人工智能领域众多“子赛道”已经处于领先地位，但这并不意味着它们是增长最快或最具有未来发展潜力的国家，弥补与它们在所有“子赛道”的差距也并非中国的最优选择。理想做法是通过对增量数据的深入分析，找出中国在哪些方面提升较快，哪些方面发力不足以及博弈视角下其他各国人工智能话语权的变化情况，捕捉世界主要科技创新国家目前重视的人工智能“子赛道”，从而明确中国在人工智能领域提升话语权的方向和路径。

对于测度学术话语权的变量，人均人工智能论文产出量指一个国家于2022年发表在会议及期刊上的人工智能论文总量与本科及以上入学人口之比，人工智能高被引论文篇均被引量指一个国家2022年所发表的人工智能论文中被引用次数排名前500名的论文被引数与人工智能论文篇数之比，人工智能高收藏量开源代码占比指一个国家2022年在GitHub平台上共享的收藏数大于200的人工智能开源代码数量与全平台收藏数大于50的人工智能开源代码总数之比。变量数据来源于Web of Science和GitHub。

对于测度产业话语权的变量，人工智能上市企业数量指一个国家人工智能企业IPO状态为“Public”的公司数量，人工智能企业平均融资金额指一个国家人工智能企业的2022年融资总金额与当年该国参与融资的人工智能企业数量之比，人均人工智能专利授权量指一个国家在2022年人工智能专利授权数量与该国当年劳动人口数量之比。变量数据来源于 Crunchbase数据库和德温特数据库。

对于测度规则话语权的变量，人工智能国际标准主导指数指一个国家在人工智能相关国际标准制定议程中扮演的角色比例，分别为观察国、参与国以及主办国赋予不同的分值，将分值与各个角色占比相乘计算结果；人工智能国际联盟参与指数指一个国家参与人工智能联盟的数量占所获取主要联盟（包括GPAI、 RAII、Partnership on AI等6个联盟）总数的比例。变量数据来自各个标准和联盟官方网站。这里值得说明的是，在标准组织和国际联盟中，国家的角色是多样的，有主导国、参与成员和观察成员等。各国需要积极参与组织活动并发挥作用才能实现角色变化，如果一个国家在标准组织或国际联盟中的贡献被认可，那么其角色就有可能从观察成员升级为参与成员或从参与成员升级为主导国。相反，如果一个国家在组织中的贡献不足或缺失，其角色就可能会被降级或移除。在研究时段内，各国需要积极参与各项工作并做出实质贡献才能维持其影响力，得到分值。基于此，这里的主导指数和参与指数反映的是各国在承担被降级或移除等风险的情况下，所进行的不懈努力。

3.2   话语权提升路径分析与讨论

对于特定国家来说，发展人工智能的过程中，其可投入的资源往往是有限的。在这一约束条件下，为了实现人工智能更快速、更有效的发展，该国不会选择对人工智能各个“子赛道”进行同等水平的投入，因为不同“子赛道”对该国家人工智能整体水平以及话语权提升的影响是不同的。因此，分析本国在各个“子赛道”的提升态势以及各个“子赛道”对本国的重要程度，并依照“缓慢且重要> 缓慢但不重要≈ 强势且重要> 强势但不重要”的顺序对人工智能各个“子赛道”进行资源投入的分配，才能更快实现该国人工智能整体水平或者话语权的提升。本文探讨的提升路径的导向是如何布局或分配资源才能使一个国家的人工智能话语权提升最快，而非评估一个国家发展人工智能以来在各个“子赛道”是否具备累积量的优势或劣势。

以往测评话语权的研究在建立测评模型后，会采用层次分析法计算变量权重 或决策实验室分析法确定关键影响因素，而后基于一种方法如TOPSIS方法计算最终结果，结合变量的权重和研究对象的得分给出结论及对策建议。为避免单一方法可能造成的研究误差，深入探究不同计算方法和权重对各个国家在人工智能领域话语权的影响，本文将组合不同的赋权与计算方法，并对比分析多种方法下各国话语权的提升水平变化。具体来说，本文的赋权方法选用熵权法和均权法，熵权法通过计算信息熵来确定权重，均权法赋予同一维度下的变量相同权重且权重之和为1；本文的计算方法选用TOPSIS和集对分析法两种经典方法，这两种方法分别通过研究“各个国家与其他国家的差异”和“各个国家与最优国家的联系度”来量化话语权。

分析中国在人工智能各个“子赛道”的动态与该赛道的重要程度是本文的研究重点，根据人工智能话语权的测度变量体系，组合赋权方法与计算方法后，本文采用四种不同的方法来着重分析中国在人工智能三个维度的变化情况，包括熵权-集对分析法（EW- SPA）、熵权-TOPSIS法（EW-TOPSIS）、均权-集对分析法（MW-SPA）和均权-TOPSIS法（MW-TOPSIS），进而分析四种方法的测量结果与差异，指出中国应当优先发展的人工智能“子赛道”。

3.2.1  人工智能学术话语权提升路径

如图2所示，通过四种不同的方法对12个国家在人工智能学术话语权方面的表现进行了比较研究，特别关注了2022年各国在这一领域的提升水平。总体而言，所有国家的学术话语权都有一定提升，但相对提升幅度存在差异。以EW-SPA为例，德国的学术话语权提升最快，增量为0.89，而法国最慢，增量为0.56。同时，不同的计算方法和赋权方式对测算的人工智能学术话语权提升速度产生了影响。例如，基于EW-TOPSIS方法计算时，加拿大的增速排名为第7，而基于其他三种方法则排名第6。

对比四种不同方法发现，同种赋权方式下，SPA方法对学术话语权增量的计算值高于TOPSIS方法。原因是在人均人工智能论文产出量、人工智能高被引论文篇均被引量和人工智能高收藏量开源代码占比这三个变量上，各国的发展速度相对均衡。熵权和均权的结果差异不明显，潜在原因是这三个变量的数据分散程度差异不大，且各国在这三个变量上各有所长。

为了分析各个国家在人工智能学术方面的发力点与态势，本文对不同方法下各个国家在人工智能学术话语权上的相对提升水平进行可视化，如图3所示。

在EW-SPA方法中，德国以0.89的学术话语权增量位居榜首，英国和韩国分别以0.86和0.83紧随其后。中国和美国分别排在第8和第7位，尽管两国总体差异不大，但中国在人工智能高被引论文篇均被引量上相对较弱，显示其在学术引用和影响方面的相对不足。在EW-TOPSIS方法中，德国以0.72的增量再次领先，而中国和美国分别以0.47和0.52的增量位列第8和第5。在MW-SPA方法中，德国、英国和韩国依然居前三，而中国和美国分别在第8和第9位，美国相较之前略有降低。在MW-TOPSIS方法中，德国以0.70的增量居首，中国和美国分别为第9和第7位，中国的学术话语权增量降低，而美国与EW-SPA方法相同。

综上，四种方法对各国学术话语权提升速度的测算存在差异，且不同国家提升速度的位阶差异在不同方法下有所变化。德国、英国和韩国一直稳定位居前三，而中国在第8和第9之间微小波动，美国则在第5和第9之间波动较大。通过原始数据分析发现，美国在三个变量上的表现存在非常大的差异，导致其在不同计算方法下提升速度的位阶呈现差异，反映了其学术话语权在各维度上发展不均衡的现状。

对中国而言，不同方法测算的学术话语权提升水平存在一定差异。其中基于SPA方法的计算值明显高于TOPSIS方法，潜在原因是中国在学术话语权的这三个变量上与能力较差的国家差距不明显。值得注意的是，中国的相对优势为高收藏量开源代码占比，相对劣势为人均人工智能论文产出量，即对中国自身在学术话语权三个变量上的表现能力进行横向比较，其高收藏量开源代码占比在三个变量中表现最好，而其人均人工智能论文产出量在三个变量中表现最差。此外，将这三个变量的熵权权重与均权权重作差比较，人均人工智能论文产出量、人工智能高收藏量开源代码占比、人工智能高被引论文篇均被引量的差值分别为0.04、-0.15和0.11，这表明，不同赋权方式下，人工智能高收藏量开源代码占比变量的权重存在较大波动，而人均人工智能论文产出量变量的权重存在较小波动。同时，这两个变量恰巧为中国的相对优势和相对劣势。因此，建议中国在学术话语权方面，针对高质量代码贡献水平（缓慢但不重要变量），维持其相对优势即可，无需过分关注或增加投入；现阶段需要通过增加研究投入、支持学术交流合作等方式提升人均论文的产出（缓慢且重要变量），人均论文产出量的提升有助于缩小相对优势和相对劣势之间的差异，实现学术话语权下各个变量的均衡发展。

3.2.2  人工智能产业话语权提升路径

本文运用四种方法对12个国家的人工智能产业话语权进行全面研究，图4展示了各国在2022年产业话语权上的提升情况。总体而言，各国的产业话语权均有提升，但不同国家的提升幅度存在明显差异。以EW-SPA方法为例，中国的产业话语权提升最快，达到 0.87，而意大利提升最慢，仅为0.05。

不同的计算方法和权重对人工智能产业话语权的提升水平和位阶产生了一定影响，但就具体一个国家而言，产业话语权增量的差异并不明显。在同种赋权方式下，SPA方法对产业话语权增量的计算值普遍高于或等于TOPSIS方法，但中国在MW-SPA方法下的产业话语权增量低于MW-TOPSIS方法。此外，不同的赋权方式给产业话语权提升水平带来了明显的差异，这种差异不仅体现在某一国家内，例如基于MW-SPA方法测算的荷兰产业话语权增量是基于EW-SPA测算值的近2倍，同时也在不同国家之间体现，且数据体量大的国家基于熵权测算的增量值往往大于基于均权测算的值，例如中国和美国，而数据体量小的国家则相反。该现象的潜在原因是各国在人均人工智能专利授权量、人工智能企业平均融资金额以及人工智能上市企业数量这三个变量上的增量存在巨大差异，且在各变量上出现了“一超多弱”或者“少强多弱”的格局。

本文通过四种方法测算12个国家的人工智能产业话语权，并通过图5进行可视化，以分析各国在人工智能产业方面的发展态势。

在EW-SPA方法下，中国以0.87的产业话语权增量居首，主要得益于其在人工智能上市企业数量和企业平均融资金额方面有较强的表现。美国以0.76的值位列第二，以色列以0.33的值位列第三，尽管以色列排名第三，但其话语权提升水平远低于中国和美国。此外，中国在人均人工智能专利授权量这一变量上的表现也远远逊色于美国。因此不难发现，无论是单变量还是综合的产业话语权维度，主流趋势是少部分国家以引领姿态与其余各个国家竞争与共存。在EW-TOPSIS方法中，中国、美国和以色列同样是前三，产业话语权增量分别为0.82、0.68和0.28。MW-SPA 方法下，中国、美国和以色列的产业话语权增量分别为0.73、0.73和0.48。在MW-TOPSIS方法中，中国、美国和以色列的增量分别为0.74、0.63和0.37。

综上，四种方法在测算各国产业话语权提升水平上存在一定差异，但在位阶上差异不大，尤其是前三位国家的排名非常稳定。中美两国在人工智能产业方面发挥着关键作用，是市场化和产业化发展的核心推动力。两国在产业各变量上取得了快速发展，远超其他国家，这突显了中美两国在引领人工智能领域产业竞争与共存这一主流趋势。

中国在人工智能产业话语权方面表现强劲，根据MW-TOPSIS、MW-SPA、EW-TOPSIS和EW-SPA四种方法测算，中国的产业话语权增量值分别为0.74、 0.73、0.82和0.87，在12个样本国家中稳居第1。这表明，2022年在全球范围内，中国在人工智能领域的产业话语权提升水平相对较高。分析还发现，基于EW- SPA方法计算的话语权增量最高，而基于MW-SPA方法计算的话语权增量最低。这是由于中国在人工智能企业平均融资金额和人工智能上市企业数量两个变量上相比其他国家具有优势，而这两个变量在熵权法中分别被赋予0.26和0.58的权重。相反，基于均权法计算时，中国劣势变量人均人工智能专利授权量的权重被提升，导致相应方法下产业话语权增量值相对降低。人均人工智能专利授权量、人工智能上市企业数量、人工智能企业平均融资金额这三个变量的熵权和均权权重之差分别为-0.17、0.25和-0.07，这表明，不同赋权方式下，人工智能上市企业数量和人均人工智能专利授权量两个变量的权重存在较大波动，而人工智能企业平均融资金额权重波动较小。在此背景下，为了快速提升产业话语权，首先，中国应致力于维持人工智能上市企业（强势且重要变量）的规模优势；其次，也需要聚焦于劣势赛道的投入，即注重专利的新颖性和实用性，加强知识产权保护，以提升人均人工智能专利授权水平（缓慢但不重要变量），并通过国际合作提高科研成果的转化率。

3.2.3  人工智能规则话语权提升路径

本文采用四种方法对12个国家的人工智能规则话语权进行研究，图6展示了各国2022年规则话语权的提升水平。总体而言，12个国家的规则话语权普遍呈现提升趋势，但在相对提升幅度上存在明显的差异。以EW-SPA方法为例，可将样本国家分为三类，其中美国、德国、日本规则话语权提升水平接近满分，法国、韩国、荷兰、加拿大、英国和中国在0.75左右，而瑞典、意大利和以色列的规则话语权提升水平较低，与领先国家存在明显差距。

不同计算方法和赋权方式对人工智能规则话语权的提升水平和位阶产生影响。在SPA方法下，规则话语权增量计算值普遍高于TOPSIS方法，原因是12个样本国家在人工智能国际标准主导指数和人工智能国际联盟参与指数这两个变量上的增长均处于中等偏上水平。同时，不同计算方法导致第二或第三队列国家的规则话语权提升水平有明显差异。例如，在均权方式下，SPA方法和TOPSIS方法对以色列规则话语权提升水平的测算值分别为0.4和0。通过分析规则话语权维度下两个变量的熵权，发现国际联盟参与指数的权重远高于国际标准主导指数，表明在国际标准方面各国表现相对一致，而联盟方面存在较大差异。

本文通过四种方法对12个国家的人工智能规则话语权进行测算，并通过图7可视化不同计算方法下各国规则话语权的相对提升水平。

在EW-SPA方法中，美国、德国和日本位列前三，美国取得满分，主要因其在人工智能国际标准主导指数和人工智能国际联盟参与指数方面均表现领先。中国在该方法中排名第9，尤其在人工智能国际联盟参与指数上与美国存在较大差距。使用EW-TOPSIS、 MW-SPA和MW-TOPSIS方法进行测算时，美国同样获得满分，显示了其在人工智能规则引导方面的绝对能力与优势。德国和日本在前三中均稳固地保持位置，而中国在这三种方法中位列第9或第7，显示其在人工智能规则方面有突破的空间。

综上，四种方法的测算结果存在些许差异，但提升水平排名前三位的国家相对稳定。值得关注的是，美国在各方法下均表现出色，彰显了其对国际人工智能规则绝对的引导能力。相比之下，中国在该领域有待加强，需要努力提升规则话语权，特别是在国际联盟参与等方面。

中国在MW-TOPSIS、MW-SPA、EW-TOPSIS和EW-SPA四种计算方法下的规则话语权增量值分别为0.56、0.74、0.53和0.71，排名为第7或第9。在各种方法的分析与补充验证中，2022年中国人工智能领域的规则话语提升水平相对其他各国较弱。并且，同种计算方式下，均权法的计算值高于熵权法，这是因为中国在人工智能国际标准主导指数和人工智能国际联盟参与指数这两个变量的排名分别为第4和第9，规则话语权视角下国际联盟参与相对国际标准主导凸显劣势，当使用均权测算时，劣势的影响被缩小。同种赋权方式下，基于SPA方法测算的话语权增量值远高于TOPSIS方法，这是因为中国未与样本的最差值拉开差距，尤其在人工智能国际联盟参与指数上，最差值与中国水平相近。此外，人工智能国际标准主导指数、人工智能国际联盟参与指数这两个变量的熵权和均权权重之差分别为-0.2和0.2，这表明，不同赋权方式下，国际联盟和国际标准主导两个变量的权重存在相似且较大幅度的波动，但方向相反。在此背景下，为了快速提升规则话语权，国际标准主导（缓慢但不重要变量）和国际联盟（缓慢且重要变量）均应引起中国的重视，且基于补短板的现实需求，对国际联盟参与的投入相对应该更大。结合该领域相关国际制度，具体措施上，建议中国在参与人工智能联盟时主动分享研究成果和创新经验，争取领导关键工作组，通过主导战略项目提高在联盟内的影响力，并提供技术支持，解决共同技术难题，加深合作伙伴信任。在国际标准制定中，中国应致力于国际标准的本土化，从技术规范、安全性、可靠性等多个方面入手，在标准制定组织中提出新理念、新方法，吸引国际关注。

3.2.4  人工智能整体话语权提升路径

通过对人工智能学术、产业和规则三个维度的话语权进行测算，本文继续采用前述四种方法对12个国家的人工智能话语权进行研究，2022年各国在人工智能总话语权的提升水平如图8所示。

在对12个国家的人工智能话语权进行深入研究后，研究发现各国总话语权均呈现提升态势，但提升幅度存在差异。其中，中国和美国的提升速度明显领先于其他国家。同时，不同的计算方法和赋权方式对人工智能总话语权的提升水平和排名产生了明显影响。进一步分析表明，在同种赋权方式下，基于SPA方法对各个国家人工智能话语权提升水平的计算值普遍高于TOPSIS方法。这种现象的原因在于大部分样本国家在学术、产业和规则三个维度上的增量处于中上水平，仅有少数国家处于相对滞后水平。此外，除中国外，其余各国基于熵权计算话语权的值普遍低于均权法，这是因为中国在产业维度上具有绝对优势，而熵权法给予产业维度较高的权重，从而放大了中国的优势。

此外，本文对中国和美国的人工智能话语权提升水平进行了对比 。结果表明，在全球各国人工智能发展博弈的赛道上，中国与美国在最新的观察期内拥有水平相当的话语权发展形势。尽管中美两国在领域技术和资金等方面的存量存在一定的差异，但该结果可在一定程度上反映出两国在当前阶段人工智能话语权的动态发展趋势。

最后，本文对比了不同方法下中国各维度话语权提升水平的占比，如图9所示。无论是基于何种计算方式，中国在产业维度上均表现出相对优势，即产业的提升水平在三个维度中占比最高。基于SPA方法进行测算时，学术话语权相比规则话语权更有优势；而基于TOPSIS方法测算时，规则话语权相比学术话语权更有优势。这一结果表明，中国在人工智能领域的发展具有多维度的优势，但在学术和规则维度的提升速度仍需进一步强化和提升。

综上，全面分析学术、产业和规则三个维度对人工智能总话语权的影响，发现中国人工智能话语权存在以下特点，这些特点决定了提升中国人工智能话语权的发力点。首先，学术话语权对总话语权的影响相对较弱，尤其是高收藏量开源代码占比和人均人工智能论文产出量对总话语权的影响力较弱，这一现象揭示了中国学术界近年来破除“唯论文”等政策的实践意义。其次，产业话语权对总话语权的提升具有至关重要的作用。随着人工智能产业的快速发展，中美两国在该领域的竞争日益激烈。近年来我国在各类前沿技术领域尤其是人工智能领域凸显了众多“卡脖子”技术，但实际上受挫的不是实验室层次的领先技术，往往更多的是市场化的产业技术。为了摆脱“卡脖子”技术问题，我国应扩大产业规模效应，并充分利用市场化的产业技术。此外，尽管当前规则话语权对总话语权的影响不明显，但这并不代表其价值低。深入分析其原因，可以发现这与美国在该领域的绝对性、排他性优势有关。随着其他国家在规则维度的话语力度逐渐增强，规则话语权对总话语权提升的影响将变得更加明显。因此，未来我国在人工智能领域应积极争夺规则话语权，以保持人工智能总话语权的增势甚至优势。总之，为了提升人工智能总话语权，我国应注重产业规模效应的扩大，并在学术、产业和规则三个维度上寻求平衡发展，尤其需要在规则话语权上进行突破。

本文在话语权理论和相关研究的基础上，归纳了人工智能话语权测度变量体系，使用多种计算方法量化了国家在人工智能学术、产业、规则方面的话语权提升水平。对于学术话语权的提升速度，中国处于中游位置，应在人工智能基础理论和前沿技术方面加强引领性原创科学研究。对于产业话语权的提升速度，中国名列前茅，除了注重市场化和商业化，应在专利研发方面适当增加投入，促进企业与研究机构之间的紧密联系，推动科研成果的真正落地应用。对于规则话语权的提升速度，中国尚未具备与优势国家角力的能力，实现规则话语引领也是中国实现人工智能优势破局的重要方向，为减少未来人工智能技术开发和应用进程中的障碍，应重视参与或建立对应的人工智能技术标准和测试基准，输送中国标准到国际平台，并在相关功能性联盟达成共赢合作，提高号召力。积极参与全球人工智能规则制订才能让中国获得与自身实力相称的话语权，这既是维护国家利益的手段，也是负责任大国的担当。

END

版式设计

陆澜

制版编辑

王淳洋