孫春暉，柳學(xué)智

（1.中國信息通信研究院，北京 100191；2.中國人事科學(xué)研究院，北京 100101）

1 引言

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要戰(zhàn)略性技術(shù)，正在對經(jīng)濟社會發(fā)展產(chǎn)生重大深遠的影響。人工智能基礎(chǔ)研究是技術(shù)創(chuàng)新的源頭，而人才是基礎(chǔ)研究的主要驅(qū)動因素。近年來，學(xué)者和政策研究者高度關(guān)注人工智能人才，發(fā)表了大量的文章，發(fā)布了很多的報告，以描述和分析中國及全球人工智能人才發(fā)展情況。

領(lǐng)英發(fā)布的《全球AI領(lǐng)域人才報告》顯示，截至2017年一季度，基于領(lǐng)英平臺的全球人工智能領(lǐng)域技術(shù)人才數(shù)量超過190萬人，其中，美國超過85萬人，中國為5萬多人。清華大學(xué)科技政策研究中心發(fā)布的《2018年中國人工智能發(fā)展報告》，從3個角度描述了中國人工智能人才情況：一是國際人工智能人才。全球共有國際人工智能人才204 575人，各國按人數(shù)排名依次為美國28 536人，占13.9%，排名第一；中國18 232人，占8.9%，排名第二；印度17 384人，占8.5%；德國9 441人，占4.6%；英國7 998人，占3.9%。二是高端國際人工智能人才。各國按人數(shù)排名依次為美國5 158人，英國1 177人，德國1 119人，法國1 056人，意大利987人，中國977人（排名第六）。三是中國人工智能人才。相對于國際人才，中國人工智能人才特指在過去10年間，用中文或英文發(fā)表過專利或論文的中國研究者，共有201 281人。2019年，數(shù)據(jù)創(chuàng)新中心發(fā)布的《人工智能發(fā)展研究報告》顯示，美國在人工智能人才方面排名第一，歐盟第二，中國第三，其中在2018年高端研究人員（學(xué)術(shù)會議）數(shù)量上，中國、歐盟、美國分別為2 525人、4 840人、10 295人。

因此，有學(xué)者認為，中國高端人工智能人才數(shù)量不足，與美國相比，大概只占其20%。然而，與人才發(fā)展相比，作為基礎(chǔ)研究的產(chǎn)出，中國人工智能期刊論文和會議論文的數(shù)量增長顯著。

《人工智能指數(shù)2019年度報告》顯示，1998—2018年，全球經(jīng)過同行評議的人工智能論文數(shù)量增長超過300%，分別占同期期刊論文的3%和會議論文的9%。中國每年發(fā)表的人工智能論文數(shù)量已于2006年超過美國，期刊論文總數(shù)的世界占比從2000年的10%快速上升到2018年的28%。艾倫人工智能研究所對2018年年底之前發(fā)表的200多萬篇人工智能論文進行分析發(fā)現(xiàn)，1982—2018年，美國論文數(shù)量的世界占比不斷下降，中國論文數(shù)量的世界占比直線上升，且中國論文的質(zhì)量越來越高。中國將在2018年、2019年、2025年，分別在被引最多的前50%、10%、1%的論文上超越美國。

與人工智能基礎(chǔ)研究產(chǎn)出相比，關(guān)于其基礎(chǔ)研究人才的探討更具爭議性，主要表現(xiàn)在兩個方面：一是關(guān)于基礎(chǔ)研究人才的界定。有研究將用英文發(fā)表論文的人才界定為“國際人工智能人才”，將用中文或英文發(fā)表論文的中國研究者界定為“中國人工智能人才”；將h指數(shù)位于前10%的國際人工智能人才界定為“高端國際人工智能人才”；將近兩年被引次數(shù)位于前18%的國際學(xué)術(shù)會議論文作者界定為“高端人工智能人才（學(xué)術(shù)會議）”。顯然，這些概念的界定并沒有采用統(tǒng)一的標準，相互之間也存在某種包含關(guān)系。二是關(guān)于數(shù)據(jù)的來源。有些研究數(shù)據(jù)來源于科睿唯安，有些來源于愛思唯爾，不同的數(shù)據(jù)來源具有不同的代表性，由此得出的結(jié)論也不盡相同。另外，即使基于相同的數(shù)據(jù)來源，如果同一數(shù)據(jù)庫的地區(qū)代表性存在差異，也會得出不同的結(jié)論。例如，領(lǐng)英在美國和中國的普及率分別為44%和3%，那么，僅僅依據(jù)領(lǐng)英數(shù)據(jù)得出的有關(guān)美國和中國的結(jié)論，顯然是不全面的。

鑒于上述研究的局限性，本文從文獻計量視角，提出一種界定“人工智能基礎(chǔ)研究人才”的思路和方法，并構(gòu)建出基礎(chǔ)研究人才指數(shù)，進而描述和分析中國人工智能基礎(chǔ)研究人才的發(fā)展趨勢，以彌補既有研究的不足。

2 數(shù)據(jù)來源與篩選方法

本文的數(shù)據(jù)來源于科睿唯安InCites數(shù)據(jù)庫?？祁Ｎò沧裱陀^性、選擇性和動態(tài)性的文獻篩選原則，將文獻被引次數(shù)作為主要影響力指標，篩選每一研究領(lǐng)域中最有影響力的會議、期刊等文獻，確保文獻的代表性。

筆者從InCites數(shù)據(jù)庫中抽取了計算機科學(xué)中的人工智能（Artificial Intelligence）、機器人學(xué)（Robotics）、自動化和控制系統(tǒng)（Automation&Control Systems）、控制論（Cybernetics）等4個學(xué)科數(shù)據(jù)，數(shù)據(jù)更新時間為2021年4月30日。

這4個學(xué)科涉及人工智能，即創(chuàng)制具有人類智力特征（例如，有效的知識表征、推理、演繹、問題解決、啟發(fā)、對相互沖突的或模棱兩可的信息的分析）的機器的研究和技術(shù)。其中，人工智能相關(guān)技術(shù)包括專家系統(tǒng)、模糊系統(tǒng)、自然語言處理、言語認知和模式認知、計算機視覺、決策支持系統(tǒng)、知識庫和神經(jīng)網(wǎng)絡(luò)等；機器人學(xué)涉及機器人的設(shè)計、制造和操作；自動化和控制系統(tǒng)是指設(shè)計與開發(fā)替代人類干預(yù)的系統(tǒng)及其過程，包括自適應(yīng)控制、穩(wěn)健控制、離散事件控制、動態(tài)控制、模糊控制和最佳控制等；控制論涉及人工（機器）系統(tǒng)與生命系統(tǒng)或自然系統(tǒng)內(nèi)部或之間的通信和控制。

本文抽取上述4個學(xué)科文獻共計2 332 682篇，文獻的主要類型有會議論文、期刊論文、編輯材料、綜述和圖書章節(jié)，占比依次為63.38%、34.25%、1.04%、0.40%和0.21%。文獻涵蓋的時間為1980—2020年，雖然包含了2020年，但2020年的文獻發(fā)表時間較短，被引次數(shù)還很小甚至為0。由于被引次數(shù)不能代表或者充分代表基礎(chǔ)研究文獻的質(zhì)量，所以本文剔除了2020年的數(shù)據(jù)，選擇1980—2019年的相關(guān)文獻作為計量對象。

此外，一篇文獻可能有一名或多名作者，而多名作者可能屬于一個或多個國家，一篇文獻也可能屬于一個或多個學(xué)科。在本文中，如果一篇文獻有多名作者，視為一名作者；如果一篇文獻的多名作者屬于多個國家或地區(qū)，視為作者所屬的每一個國家或地區(qū)都擁有該篇文獻；如果一篇文獻屬于多個學(xué)科，則視為文獻所屬的每一學(xué)科都擁有該篇文獻。例如，某篇文獻有7名中國作者，3名美國作者，那么中國和美國各自計1篇文獻；如果某篇文獻既屬于控制論，又屬于機器人學(xué)，那么控制論和機器人學(xué)各自計1篇文獻。

本文將基礎(chǔ)研究人才界定為，在某一學(xué)科某一年度的研究成果中，被引次數(shù)累計百分比處于前10%的文獻的作者。為了對基礎(chǔ)研究人才進行更細致的區(qū)分，繼續(xù)以1‰、1%、10%為標線，將其劃分為A、B、C 3個層次（表1）。

表1 人工智能基礎(chǔ)研究人才的層次劃分

基于人才層次的劃分，本文構(gòu)建了3個人工智能基礎(chǔ)研究人才指數(shù)：

A層人才指數(shù)：某一國家或地區(qū)在某一年度某一學(xué)科中的A層人才的人次數(shù)。

B層人才指數(shù)：某一國家或地區(qū)在某一年度某一學(xué)科中的B層人才的人次數(shù)。

C層人才指數(shù)：某一國家或地區(qū)在某一年度某一學(xué)科中的C層人才的人次數(shù)。

3 全球人工智能基礎(chǔ)研究人才的總體發(fā)展趨勢

依據(jù)上述標準，本文依次計算了1980—2019年全球A、B、C層人工智能基礎(chǔ)研究人才指數(shù)，如圖1—3所示。

圖1 1980—2019年全球A層人工智能基礎(chǔ)研究人才指數(shù)

圖2 1980—2019年全球B層人工智能基礎(chǔ)研究人才指數(shù)

圖3 1980—2019年全球C層人工智能基礎(chǔ)研究人才指數(shù)

從圖中可以看出，全球人工智能基礎(chǔ)研究人才發(fā)展總體上呈現(xiàn)快速增長趨勢。具體而言，人工智能基礎(chǔ)研究人才在2000年之前，處于發(fā)展的初期，盡管增速很快，但總量較??；在2000年之后，處于高速增長期，人數(shù)急劇增長；最近幾年處于震蕩增長期，總?cè)藬?shù)很多，但年度之間波動較大。

4 中外人工智能基礎(chǔ)研究人才的發(fā)展趨勢比較

4.1 絕對趨勢比較

在全球人工智能基礎(chǔ)研究人才中，各個國家的人才分布如何？本文選擇了1980—2019年A、B、C層人工智能基礎(chǔ)研究人才指數(shù)最高的5個國家，對比中國（在本研究中指中國大陸）與其余4國人才發(fā)展的絕對趨勢，如圖4—6所示。

圖4 1980—2019年中美英澳德A層人工智能基礎(chǔ)研究人才指數(shù)

圖5 1980—2019年中美英澳德B層人工智能基礎(chǔ)研究人才指數(shù)

圖6 1980—2019年中美英德澳C層人工智能基礎(chǔ)研究人才指數(shù)

從圖中可以看出，中國A、B、C層人工智能基礎(chǔ)研究人才指數(shù)增長迅速，盡管在2006年以后，美國、英國、澳大利亞、德國的人才指數(shù)增長緩慢，甚至在一些年份明顯下降，但是中國的人才指數(shù)持續(xù)增長態(tài)勢沒有改變。

4.2 相對趨勢比較

本文計算了1980—2019年A、B、C層人工智能基礎(chǔ)研究人才指數(shù)最高的5個國家人才指數(shù)的世界占比，對比中國與其余4國人才發(fā)展的相對趨勢，如圖7—9所示。

圖7 1980—2019年中美英澳德A層人工智能基礎(chǔ)研究人才的世界占比

圖8 1980—2019年中美英澳德B層人工智能基礎(chǔ)研究人才的世界占比

圖9 1980—2019年中美英德澳C層人工智能基礎(chǔ)研究人才的世界占比

從圖中可以看出，中國A、B、C層人工智能基礎(chǔ)研究人才的世界占比快速上升，而美國的世界占比持續(xù)下降，這反映出中國正在改變?nèi)瞬虐l(fā)展的劣勢，并逐漸獲得了相對優(yōu)勢。

對比艾倫人工智能研究所的報告，可以看出，雖然中美人工智能論文和人才的世界占比具體數(shù)值存在差異，但是表現(xiàn)出來的發(fā)展趨勢是一樣的。

5 中外人工智能基礎(chǔ)研究人才的層次比較

在人工智能基礎(chǔ)研究人才中，A、B、C各層人才分布如何？本文選擇了中國、美國、英國3個國家，計算其1980—2019年人工智能基礎(chǔ)研究人才中A、B、C層人才的世界占比，對比中國與美英的人才層次結(jié)構(gòu)，如圖10—12所示。

圖10 1980—2019年中國A、B、C層人工智能基礎(chǔ)研究人才的世界占比

圖11 1980—2019年美國A、B、C層人工智能基礎(chǔ)研究人才的世界占比

圖12 1980—2019年英國A、B、C層人工智能基礎(chǔ)研究人才的世界占比

從圖中可以看出，中國A層人才的世界占比小于C層人才，C層人才小于B層人才；美國和英國A層人才的世界占比大于B層人才，B層人才大于C層人才。這反映出中國雖然總體上在人工智能基礎(chǔ)研究人才方面有長足發(fā)展，但在更高層次的A層人才上，發(fā)展趨勢與總體并沒有完全同步，尚有一定的差距；而美國和英國在更高層次人才上具備優(yōu)勢。

在人工智能基礎(chǔ)研究人才中，A、B、C層人才之間的相關(guān)性如何？本文計算了1980—2019年中國、美國、英國A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)，對比中國與美英的人才層次之間的相關(guān)程度，如表2—4所示。

表2 1980—2019年中國A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)

表3 1980—2019年美國A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)

表4 1980—2019年英國A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)

從表中可以看出，中國、美國、英國A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)均大于顯著相關(guān)的臨界值，這說明A、B、C層人才之間是相互聯(lián)系的，不能孤立地看待各層人才的發(fā)展，尤其是不能不顧較低層次人才的發(fā)展而只強調(diào)較高層次人才的發(fā)展。在制定促進人才發(fā)展的相關(guān)政策時，要關(guān)注各層人才發(fā)展的協(xié)調(diào)性。

6 中國人工智能基礎(chǔ)研究人才與經(jīng)濟社會發(fā)展的關(guān)系分析

人工智能基礎(chǔ)研究人才與經(jīng)濟社會發(fā)展密切相關(guān)，本文選擇國內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費、基礎(chǔ)研究經(jīng)費、研究人員全時當量、基礎(chǔ)研究人員全時當量等作為經(jīng)濟社會發(fā)展指標，運用回歸分析方法，對其關(guān)系進行實證研究。

本文從《中國統(tǒng)計年鑒2021》中抽取了1980—2019年中國國內(nèi)生產(chǎn)總值，從《中國科技統(tǒng)計年鑒2020》中抽取了1995—2019年中國研究與發(fā)展經(jīng)費和基礎(chǔ)研究經(jīng)費以及1992—2019年中國研究人員全時當量和基礎(chǔ)研究人員全時當量。

為了揭示中國人工智能基礎(chǔ)研究人才與經(jīng)濟社會發(fā)展之間的關(guān)系，分別對基礎(chǔ)研究人才指數(shù)與中國國內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費、基礎(chǔ)研究經(jīng)費、研究人員全時當量、基礎(chǔ)研究人員全時當量等進行回歸分析。所有回歸結(jié)果的方差分析顯示，回歸方程通過顯著性檢驗，檢驗統(tǒng)計量的值遠小于顯著性水平0.01；自變量的回歸系數(shù)通過T檢驗，值小于0.01。這說明自變量國內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費、基礎(chǔ)研究經(jīng)費、研究人員全時當量、基礎(chǔ)研究人員全時當量等對因變量基礎(chǔ)研究人才指數(shù)均有顯著影響，回歸關(guān)系成立。回歸方程和擬合優(yōu)度2如表5所示。

表5 中國人工智能基礎(chǔ)研究人才與經(jīng)濟社會發(fā)展的回歸分析

從表中可以看出，基礎(chǔ)研究人才指數(shù)與國內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費、基礎(chǔ)研究經(jīng)費、研究人員全時當量、基礎(chǔ)研究人員全時當量等回歸方程的 擬合優(yōu)度2分別為 0.949、0.959、0.969、0.900、0.942，也就是說，因變量 94.9%、95.9%、96.9%、90.0%、94.2%的變化可以用回歸方程來解釋。因此，經(jīng)濟發(fā)展、研究經(jīng)費投入、研究人員增長等是人工智能基礎(chǔ)研究人才發(fā)展的重要影響因素。

從經(jīng)濟發(fā)展看，一方面，經(jīng)過改革開放40多年的持續(xù)快速發(fā)展，中國國內(nèi)生產(chǎn)總值從1980年的4 588億元增加到2019年的986 515億元，中國經(jīng)濟的快速發(fā)展有力地推動了中國人工智能基礎(chǔ)研究人才的發(fā)展；另一方面，無論是經(jīng)濟總量還是人均國內(nèi)生產(chǎn)總值，中國與發(fā)達國家之間仍然存在較大的差距，中國經(jīng)濟還有較大的發(fā)展空間。因此，中國人工智能基礎(chǔ)研究人才還將繼續(xù)快速發(fā)展。與此同時，也看到，改革開放以來中國經(jīng)濟的高速發(fā)展主要是依靠自然資源、勞動力等要素實現(xiàn)的。隨著人均自然資源占有量的降低和勞動力的減少，這種經(jīng)濟增長方式難以為繼，中國面臨經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級的巨大壓力。如果中國未能及時轉(zhuǎn)變經(jīng)濟發(fā)展方式、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，或創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略未能落到實處，就容易陷入“中等收入陷阱”，經(jīng)濟發(fā)展趨勢便會出現(xiàn)嚴重下滑甚至逆轉(zhuǎn)，中國人工智能基礎(chǔ)研究人才的發(fā)展趨勢也將隨之改變。

從總體科技經(jīng)費看，中國的科技經(jīng)費投入總量仍低于美國，科技經(jīng)費占國內(nèi)生產(chǎn)總值的比例也低于發(fā)達國家，人均科技經(jīng)費更是難以望其項背。在中國經(jīng)濟的持續(xù)發(fā)展下，科技經(jīng)費投入仍有較大的增長空間，其必將推動中國人工智能基礎(chǔ)研究人才繼續(xù)發(fā)展。

從基礎(chǔ)研究經(jīng)費投入看，改革開放以來中國經(jīng)濟的快速發(fā)展同時保障了基礎(chǔ)研究經(jīng)費的快速增長，基礎(chǔ)研究經(jīng)費從1995年的18億元增長到2019年的1 336億元?；A(chǔ)研究經(jīng)費的快速增長是中國人工智能基礎(chǔ)研究人才發(fā)展的直接動力。

從研發(fā)人員總體看，盡管中國的研發(fā)人員總量較多，但是每百萬居民研發(fā)人員、每千人勞動力研發(fā)人員、每千人就業(yè)者研發(fā)人員的數(shù)量均遠低于發(fā)達國家。

從基礎(chǔ)研究人員全時當量看，中國經(jīng)濟的持續(xù)發(fā)展和研究經(jīng)費的快速增長推動了研究人員數(shù)量增長，基礎(chǔ)研究人員全時當量從1992年的6萬人年增長到2019年的39萬人年。而基礎(chǔ)研究人員的數(shù)量增長自然意味著人工智能基礎(chǔ)研究人才隊伍的壯大。

從人工智能人才培養(yǎng)看，J F Gagne等以2018年的21個人工智能學(xué)術(shù)會議參會人員為研究對象，調(diào)查在會議上發(fā)表論文的作者獲得博士學(xué)位情況，其中44%的人在美國獲得博士學(xué)位，11%在中國獲得，6%在英國獲得，5%在德國獲得，4%在法國、加拿大和日本獲得。可見，在人工智能人才培養(yǎng)上，中國與發(fā)達國家仍存在較大差距。

總之，經(jīng)濟發(fā)展、研究經(jīng)費投入、研究人員數(shù)量增長等都與人工智能基礎(chǔ)研究人才發(fā)展密切相關(guān)，其中尤以基礎(chǔ)研究經(jīng)費投入為甚。

7 結(jié)論與建議

7.1 結(jié)論

本文依據(jù)科睿唯安InCites數(shù)據(jù)庫中的人工智能學(xué)科數(shù)據(jù)，以地域和時間為維度，構(gòu)建基礎(chǔ)研究人才指數(shù)，勾勒出中國人工智能基礎(chǔ)研究人才分布的全景圖，描繪了中國人工智能基礎(chǔ)研究人才的發(fā)展趨勢，同時比較了中國與美英等發(fā)達國家人工智能基礎(chǔ)研究人才發(fā)展的特點，為全面客觀地了解中國人工智能基礎(chǔ)研究人才發(fā)展趨勢提供了翔實準確的資料，為精準制定人才發(fā)展相關(guān)政策提供了實證參考。

本文從文獻計量的定量評價視角出發(fā)，通過分析人工智能文獻被引次數(shù)的變化，區(qū)分基礎(chǔ)研究人才的層次差異。為此，基于文獻被引次數(shù)分布的特點，研究并未包含所有文獻的作者，而是截取了被引次數(shù)累計百分比處于前10%的優(yōu)秀人才，并且依據(jù)1‰、1%、10%標線對優(yōu)秀人才進行了更細致的分層，即A、B、C 3個層次。通過分析這3個人才層次之間的關(guān)系，發(fā)現(xiàn)人才層次之間具有高度相關(guān)性，由此更為立體地考察了人工智能基礎(chǔ)研究人才的層次分布。

本文選擇國內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費、基礎(chǔ)研究經(jīng)費、研究人員全時當量、基礎(chǔ)研究人員全時當量等作為經(jīng)濟社會發(fā)展指標，運用回歸分析方法，分析人工智能基礎(chǔ)研究人才與經(jīng)濟社會發(fā)展之間的關(guān)系，發(fā)現(xiàn)上述變量均與人工智能基礎(chǔ)研究人才指數(shù)密切相關(guān)，其中基礎(chǔ)研究經(jīng)費的相關(guān)程度最高。

當然，本文也存在一些局限性。首先，本文依據(jù)的是文獻被引次數(shù)，其反映的是學(xué)者的學(xué)術(shù)影響力和學(xué)術(shù)話語權(quán)。需要注意的是，被引次數(shù)僅是一種間接評價指標，并非是對學(xué)術(shù)水平的直接評價。因此，本文站在國家和學(xué)科的宏觀層面，對人工智能基礎(chǔ)研究人才進行評估。這種評估不同于對個體、團隊、組織等微觀層面的評估。在進行微觀評估時，文獻計量要針對實踐中的人才個體，還應(yīng)運用同行評議等直接評價指標，才能全面、綜合地進行評價。

其次，本文所用文獻數(shù)據(jù)來自科睿唯安In-Cites數(shù)據(jù)庫，盡管采用嚴格的程序和方法來確保文獻選取的代表性，但該數(shù)據(jù)庫畢竟未能包含全部文獻，且目前學(xué)界就人工智能的內(nèi)涵和外延并沒有達成共識，實踐中某一文獻是否屬于人工智能領(lǐng)域可能存疑。因此，科睿唯安數(shù)據(jù)庫的代表性是相對的，本文基于其數(shù)據(jù)進行統(tǒng)計分析并得出結(jié)論，代表性也不完全充分。

最后，時間對文獻被引次數(shù)有顯著影響，總體上隨著時間增加而逐漸減小，越遠期影響越小，越近期影響越大；較新文獻產(chǎn)生影響需要一定的時間。因此，本文在分析時剔除了2020年的數(shù)據(jù)，盡管如此，2018年和2019年的文獻發(fā)表時間相對較短，并沒有被學(xué)界充分了解和引用。這樣，本文基于文獻已有的被引數(shù)據(jù)進行分析，同樣具有某種程度的不確定性，特別是對近期文獻而言。

7.2 建議

改革開放以來，中國經(jīng)濟持續(xù)快速發(fā)展，推動了基礎(chǔ)研究，包括人工智能基礎(chǔ)研究的快速發(fā)展。而經(jīng)濟發(fā)展是人工智能基礎(chǔ)研究人才發(fā)展的根本前提。與發(fā)達國家相比，中國人均國內(nèi)生產(chǎn)總值仍較低，還有較大的增長空間，這意味著中國的基礎(chǔ)研究和人工智能基礎(chǔ)研究人才還有較大的發(fā)展空間。當前，中國正處在發(fā)展方式轉(zhuǎn)變和經(jīng)濟結(jié)構(gòu)調(diào)整的關(guān)鍵時期，創(chuàng)新能力不足成為制約經(jīng)濟社會發(fā)展的主要瓶頸。人工智能既是中國實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的重要領(lǐng)域，也是推動經(jīng)濟社會各領(lǐng)域創(chuàng)新的重要手段。因此，中國要從戰(zhàn)略高度把握好經(jīng)濟社會發(fā)展與人工智能發(fā)展的關(guān)系，繼續(xù)保持中國經(jīng)濟持續(xù)穩(wěn)定發(fā)展的勢頭，培養(yǎng)和集聚大批人工智能基礎(chǔ)研究人才，推動人工智能快速發(fā)展，同時通過大力發(fā)展人工智能，推動各領(lǐng)域的創(chuàng)新，為經(jīng)濟社會發(fā)展注入強大動力。

基礎(chǔ)研究經(jīng)費的持續(xù)投入直接推動著人工智能基礎(chǔ)研究的快速發(fā)展。在過去十幾年間，中國的基礎(chǔ)研究經(jīng)費投入雖然有了長足的增長，但在人均科技經(jīng)費上與美國等發(fā)達國家相比仍然存在較大差距，需要繼續(xù)加大基礎(chǔ)研究經(jīng)費投入，進一步擴大基礎(chǔ)研究經(jīng)費的總體規(guī)模，提高人均科技經(jīng)費水平。同時，應(yīng)完善基礎(chǔ)研究經(jīng)費管理的激勵約束機制，不斷提高經(jīng)費的使用效率，激發(fā)研究人員的積極性。

經(jīng)濟發(fā)展和研究經(jīng)費增長也推動著研究人員的數(shù)量增長。盡管中國研發(fā)人員總量已經(jīng)位居世界前列，但每千人就業(yè)者中研發(fā)人員的數(shù)量遠遠低于發(fā)達國家，中國研發(fā)人員數(shù)量仍有較大的增長空間。在未來，須提高人工智能基礎(chǔ)研究人才的比例，通過培養(yǎng)、培訓(xùn)、引進、交流等多種方式，集聚大批優(yōu)秀人才，形成一支規(guī)模龐大、業(yè)務(wù)精良的人工智能基礎(chǔ)研究人才隊伍。