國際政策趨勢
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。
- 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。
- 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：
- 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。
- 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。
- 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)