争夺AI价值的不仅仅是科技强国，世界各国都在争夺AI的领导地位，这是AI的新兴地理。 2024年12月12日，《哈佛商业评论》（HBR）发布报告《绘制阿尔的新兴地理图》。 这些数据来自20多个不同的机构，包括国际电信联盟（ITU）和世界银行等公共数据库专有数据库，如美国乔治华盛顿大学数据治理中心;以及《哈佛商业评论》自己的数据库和数字星球模型，该模型评估了 25 个国家的人工智能领导力，并确定了使各国在人工智能领域处于领先地位的 4 个关键因素。 元战略汇编了报告的重要内容，为各国如何在人工智能领域保持领先地位提供了参考。
决定 AI 领导力。
关键因素和评价指标。
全球数字经济中快速积累的数据池显然是人工智能发展的关键驱动力之一。 2024年，《哈佛商业评论》引入了一个国家的“数据生产总值”的概念，该概念由数据消费的数量、复杂性和可访问性以及该国活跃的互联网用户数量决定。 在本次分析中，《哈佛商业评论》认识到，数据生产是人工智能发展的重要资产，尤其是对于需要海量多样数据集的生成式人工智能。 《哈佛商业评论》更新了其2024年的分析，作为其研究的基础，增加了对人工智能整体发展至关重要的新驱动因素。 为了比较各国的人工智能领导力，该报告确定了决定一个国家在人工智能领域领导力的 4 个关键因素：
数据。 用于训练和改进算法的核心资源的数量和复杂性。
宽带总消费（固定和移动）：一个国家的整体数据消费。
人均宽带消费（固定和移动）：一个国家/地区每个互联网用户使用的数据量，代表所使用不同类型数据的复杂性。
规则。 如何获取数据。
开放数据参与：一个经济体在多大程度上促进了公共数据源的使用和访问。
数据治理政策：国家监管数据（个人数据、非个人数据、开放数据、专有数据、公共数据和私人数据）的方式，尤其是在隐私保护方面。
跨境数据流动：一个经济体在多大程度上促进和参与进出其他经济体的数据流动，以及一个经济体在其境内积极本地化数据的程度。
资本。 为 AI 构建人力、财务、多样化和数字基础设施。
人才：现有AI人才的质量和数量。
投资：资金流入人工智能和新兴技术。
多样性：人工智能人才的多样性。
数字经济的演变：一个国家数字基础设施的演变，包括计算能力。
创新。 AI 模型、技术、创意数据**和新应用的进步。
专利申请数量：每个国家/地区的人工智能技术专利申请数量。
前 10 个国家/地区中 AI** 的引用次数：每个国家/地区作者的引用总数。
人工智能出版物总数：按国家/地区划分的人工智能领域出版物总数。
图1 人工智能国家排名）。
结合上述变量，《哈佛商业评论》得出了一种新的衡量标准，即排名靠前的人工智能国家（TRAIN），以评估25个国家的人工智能领导力（如图1所示），这并不是在塑造全球人工智能产业方面发挥关键作用的国家的完整列表，因为《哈佛商业评论》考虑的驱动因素存在数据阈值。 例如，以色列或阿拉伯联合酋长国等国家是重要的参与者，但由于影响力仍然很小，因此它们没有被纳入报告的评估中。
人工智能的领导者：美国和中国。
毫不奇怪，美国和中国在TRAIN指数中名列前两位，因为两国**都致力于成为全球人工智能的领导者。 美国顾问杰克·沙利文（Jake Sullivan）宣称，美国的目标是确保自己在人工智能尖端技术方面“尽可能领先”。 同时，中国的目标是成为全球“最重要”的人工智能创新中心，到2024年人工智能相关总产值将超过10万亿元人民币。 白宫于 2022 年 10 月禁止美国公司出口芯片制造设备，这一要求现在将扩展到人工智能芯片，进一步加剧了竞争。
美国在大多数关键驱动因素上处于领先地位，美国的.AI商业模式相对优于中国竞争对手。 单从资本因素来看，全球人工智能人才、投资、人才多样性、数字经济发展排名前四的城市都在美国，而中国第一大城市北京则排名第八。 2022 年，风险投资资助了美国 524 家人工智能初创公司，遥遥领先于所有其他国家。 在过去十年中，美国.AI公司吸引了2.2%的中国私人投资5次。 私营部门是美国人工智能的主要驱动力。 私营部门在最大人工智能模型中的份额从 2010 年的 11% 飙升至 2021 年的 96%，人工智能相关领域的 70% 博士受雇于私营部门。 美国.AI公司之间的激烈竞争可能会继续推动美国在人工智能创新方面的领导地位。
在中国，**在人工智能的发展中发挥着更大的作用。 利用大量的补贴、支持和政策指导，将其用于药物开发、基因研究和生物学等应用。 中国拥有世界上最大的互联网人口，因此，人工智能的采用速度非常快。 例如，中国的生成式人工智能工具文心易言在19小时内达到了100万用户，而ChatGPT花了5天时间才达到同样的规模。 中国有几个重要优势，可以让它在未来挑战美国：
首先，中国产生和消耗了大量数据。 因此，中国将拥有增长更快的数据池，而这些数据池是中国以外的人工智能开发人员最难访问的，这一因素可能阻碍和加强中国的人工智能领导地位;
其次，中国拥有世界上增长最快的人工智能研究社区，中国作者向顶级人工智能期刊投稿的人数比美国多出约2篇5次。
第三，中国是人工智能监管的先驱，即使白宫最近发布了关于人工智能监管的行政命令，中国仍将是该领域经验丰富的领导者。 到目前为止，人工智能监管仍处于起步阶段，在TRAIN指数中所占的比例并不高，但这可能会随着时间的推移而改变。
此外，中国还面临许多挑战：首先，严格的监管可能会削弱其创新能力;其次，芯片稀缺是短期内的关键制约因素;最后，对跨境数据流动的限制可能会阻碍中国开发尖端人工智能模型的能力。
其他国家人工智能领导地位的情况。
当然，中国和美国并不是唯一在人工智能领导力方面处于领先地位的国家，TRAIN的排名也不是一成不变的。 随着人工智能领域的发展，还有其他几个国家值得关注，如英国、印度、日本、韩国、印度尼西亚，以及欧盟的主要国家。 其中一些国家拥有更快的数据池，而另一些国家则更容易获取数据。 此外，人口因素也会影响其在TRAIN指数中的位置。
在目前对人工智能领导力至关重要的所有驱动因素中，可用数据池的变化可能会在近期和中期对25个国家的排名产生最大影响。 为了理解一些需要注意的关键变化，如图 2 所示，HBR 将 x 轴上聚合数据池的规模和动量映射到 y 轴上国家/地区的当前火车得分。
图 2 聚合数据池的大小由圆圈的大小表示，数据可用性用颜色表示：红色表示低数据获取，绿色表示高数据获取）。
虽然资本因素在一个国家的人工智能领导地位中发挥着重要作用，但其数据池的变化对于其提升列车排名的能力也至关重要，如图 2 所示，增长最快的数据池也有更多的数据访问限制。 这意味着公司应该了解世界不同地区与数据相关的法规和政策的变化，他们可以决定是否应该将人工智能开发活动转移到其他地区。 此外，受这些变化影响的国家的政策制定者必须重新考虑自己的法规和投资重点，以保持和加强其在人工智能领域的领导地位。
除中美外，印度、英国、法国、加拿大、德国、澳大利亚等国家也在AI领域投入巨资。 因此，预计这些国家将在中期取得最重大的进展。 同时，数据池的增长也是一个重要因素，印度尼西亚、南非、尼日利亚和印度等国家的数据消费总量变化率最大，因此应密切关注。 提高数据的可用性可以提高这些国家在未来列车中的地位。
a） 印度。印度在许多方面都具有优势，是最具发展潜力的国家。 预计到 2028 年，印度的数据消费将位居世界第一。 印度处理的数字支付比世界上任何其他国家都多，并拥有世界第三大人工智能人才库。 虽然该国对数据访问施加了限制，但其人工智能监管规则仍然不稳定。 今年7月，印度电信监管局（TRAI）发布了一份新文件，呼吁建立一个监管机构和一个“基于风险的框架”来监管印度的人工智能。 该文件还提议与各国**和国际机构合作，在全球范围内推进“负责任地使用人工智能”，这使得印度有可能在这一进程中发挥重要作用。
ii） 英国。至于英国，观察它如何与欧盟国家，特别是法国和德国竞争，揭示了两种截然不同的方法的利弊。 英国的人工智能产业得到了英国国家战略的支持，但致力于采取宽松的监管方法，旨在随着行业的发展“支持创新”。 事实上，英国是最具创新性的人工智能国家之一，也是DeepMind（已被Alphabet收购）等公司的所在地，该公司对蛋白质结构的研究可能对从药物发现到食品安全等领域产生突破性影响。 英国一直在努力调和其宽松的监管政策与领先的人工智能安全，包括鼓励全球就此问题进行合作的布莱切利宣言，以及成立英国人工智能安全研究所，对尖端人工智能系统进行安全评估。
c） 欧盟。相比之下，欧盟的《人工智能法案》在最终实施时可能会减缓成员国的人工智能发展。 这将有助于英国保持目前对法国和德国等国家的领先优势，这些国家承诺通过联合声明和建立“人工智能研究与创新网络”来建立共同的人工智能生态系统。 法国和德国的数据池增长速度快于英国，抵消了潜在的监管阻力，并且由于该行业的游说，关于重新考虑欧盟法规的严格性一直存在激烈的争论。 最终，法规采用了一种折衷的两层方法，要求除最大的基本模型外，所有模型都是“透明的”。 OpenAI首席执行官山姆·阿尔特曼（Sam Altman）的解雇和复职可能会为欧洲人工智能初创公司创造一个机会，将欧洲定位为“更值得信赖的人工智能”公司。
4）日本和韩国。由于各自的人口统计数据和增长重点，两国都非常需要发展人工智能，并在这一领域投入了大量资金。 日本和韩国都投资了机器人和人工智能，以协助人类完成工作。 展望未来，日本和韩国都面临不利因素，因为它们的数据池增长速度不如其他一些人口年轻、互联网用户不断增长的亚洲国家。
根据日本经济产业省的数据，到 2030 年，日本将面临 78软件工程师缺口达90,000人，这反过来又会限制他们在深度学习和软件开发方面的能力，并减缓他们在生成式人工智能领域的增长。 此外，日本缺乏足够的超级计算能力，这是阻碍其人工智能发展的另一个瓶颈。 日本风险投资公司软银集团（SoftBank Group）打算帮助该国从“防御模式”转向“进攻模式”，但其成功的可能性仍有待观察。
韩国的半导体产业及其在人工智能专利和研究方面的领导地位可能暂时处于优势地位，然而，政策制定者和专家担心，人才短缺和缺乏支持将给韩国带来巨大挑战。 据一位韩国议员称，韩国的人工智能研发预算已经削减了43%。 从2024年到2024年，韩国在人工智能方面的累计投资仅为55亿美元，远远落后于英国的182亿美元。 而且，与日本的26家AI上市公司相比，韩国的6家AI相关上市公司也逊色不少。
总结。 鉴于人工智能技术的潜在范围和影响，全球范围内争夺人工智能领导地位也就不足为奇了。 随着全球人工智能权力中心的出现和转变，人工智能领域的领先国家将决定哪些人工智能应用被优先考虑，哪些社会和经济部门受益最大，哪些数据用于训练算法，哪些偏见被纳入，哪些偏见被消除，以及如何在加速人工智能创新和建立保障措施之间取得平衡。 政策领导人和商界必须关注这一点，因为人工智能的地理位置将决定人工智能的未来及其对当地社区的有用性。