基于文本量化分析的中國省級人工智能政策布局研究

楊佳雯　趙志耘　高芳　賈曉峰　李夢薇

摘要：[目的/意義]省級人工智能政策在落實國家規(guī)劃、引導地方政策實施上發(fā)揮著重要作用。研究省級政策內容，有助于明晰省級政府的人工智能發(fā)展布局與重點，為后續(xù)政策制定提供參考。[方法/過程]構建政策工具—政策目標二維分析框架，以我國東、中、西、東北四大區(qū)域共40份省級人工智能政策為研究對象，進行政策內容量化分析。[結果/結論]從總體上看，工具維度，省級政策供給型使用最多，環(huán)境型使用不足，需求型內部分配不均。目標維度，具體領域融合受關注度最高，理論研究最少。工具—目標維度，存在明顯的一對多，多對一關系，不同目標對工具的使用側重存在差異。從各區(qū)域看，東、中、西、東北部在工具運用和目標部署上呈現(xiàn)一定的相似性和差異性。東部對科技源頭創(chuàng)新的重視程度較高，中部以關鍵技術攻關和產業(yè)發(fā)展為重點，西部環(huán)境型工具整體使用最少但內部子工具占比均衡，東北部強調從金融和稅收方面助推企業(yè)發(fā)展，但需要加強法規(guī)管制力度。

關鍵詞：省級政府;人工智能政策;政策工具;政策目標;文本量化分析

DOI：10.3969/j.issn.1008-0821.2022.07.011

〔中圖分類號〕F49〔文獻標識碼〕A〔文章編號〕1008-0821（2022）07-0125-11

Research on China's Provincial Artificial Intelligence Policy

Layout Based on Text Quantitative AnalysisYang JiawenZhao ZhiyunGao FangJia XiaofengLi Mengwei

（Institute of Scientific and Technical Information of China，Beijing 100038，China）

Abstract：[Purpose/Significance]Provincial AI policies play an important role in implementing national plans and guiding the implementation of local policies.Studying the content of provincial policies will help to clarify the layout and focus of artificial intelligence development of provincial governments，and provide reference for subsequent policy-making.[Method/Process]The paper constructed a policy tool-a two-dimensional analysis framework of policy objectives，taking a total of 23 provincial artificial intelligence policies in the four major regions of China's eastern，central，western，and northeastern regions as the research objects，and conducted quantitative analysis of policy content.[Result/Conclusion]On the whole，in the tool dimension，the provincial policy shows that the supply type is used the most，the environmental type is not used enough，and the internal distribution of demand type is uneven.In the target dimension，the integration of specific fields has attracted the highest attention and the least theoretical research.In the tool target dimension，there is an obvious one-to-many and many to one relationship.Different goals have different emphasis on the use of tools.From the perspective of each region，the East，middle，West and northeast show certain similarities and differences in tool application and target deployment.The East attaches great importance to the innovation of science and technology source.The central part focuses on promoting industrial development.The overall use ofenvironmental tools in the west is the least，but the proportion of internal sub tools is balanced.The Northeast emphasizes promoting the development of enterprises from the aspects of Finance and taxation，but it is necessary to strengthen the regulation of relevant laws and regulations.4833962D-5474-40CE-AEBC-4EC1F380DA3C

Key words：provincial government;artificial intelligence policy;policy tools;policy goals;text quantitative analysis

作為新一輪科技革新和產業(yè)變革的核心驅動力，人工智能已成為提升國家競爭力、維護國家安全的重要戰(zhàn)略手段。美國、英國、日本等主要發(fā)達國家已紛紛出臺人工智能相關計劃戰(zhàn)略文件，加快重點領域部署，搶占國際競爭主導權。2017年7月，國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》（以下簡稱《規(guī)劃》）成為我國從國家層面部署人工智能發(fā)展的標志性政策。《規(guī)劃》結合我國人工智能所處的戰(zhàn)略態(tài)勢，對未來發(fā)展作出總體要求，重點部署六大任務，助推我國人工智能的全面發(fā)展。在國家規(guī)劃的推動下，地方政府陸續(xù)響應。截至2020年12月，已有北京、上海、安徽、浙江等多個省、自治區(qū)和直轄市出臺人工智能相關政策，體現(xiàn)了地方政府基于自身資源特點和基礎條件，對人工智能發(fā)展作出的任務安排和布局。基于此，為更深一步把握地方政策內容，明晰政策布局特點，本文嘗試構建政策工具—政策目標二維框架，對省級政策進行量化分析，也希望為后續(xù)政策的制定與完善提供依據。

1文獻綜述

1.1政策量化研究

政策文本是政策思想的載體，是政策科學研究的重要工具。在政策信息開放與政策文本分析方法不斷應用創(chuàng)新的雙重作用下，政策文本量化成為政策研究的重要部分，引起了國內外眾多學者的關注。目前，有關政策文本量化的國內外研究主要體現(xiàn)在政策文獻計量、內容量化分析、文本語義分析3個方面。

政策文獻計量融合了文獻計量的理論和方法，側重于對發(fā)布機構、發(fā)布時間、文種、主題詞等政策外部屬性的計量研究。如黃倩等[1]通過政策數(shù)量、主題詞、發(fā)布時間構建分析框架，研究了276份基礎研究政策的擴散特征;Kowalewski K等[2]在獲取到加拿大醫(yī)療保健相關的政策并在政策類型等方面進行描述性統(tǒng)計分析，從而揭示出國家政策的布局重點。

文本語義分析通常將政策文本拆分為詞、句、段，利用文本挖掘、機器學習、自然語言處理等技術，對大量政策文本數(shù)據深入分析，挖掘語義信息。如楊松令等[3]基于29項科創(chuàng)板政策文件，采用PMC模型評估政策效力，分析了各政策的優(yōu)勢與不足，并結合量化數(shù)據給出建議;趙洪等[4]通過公文的內容解構、主題標引、摘要生成等方法，構建了應用于大規(guī)模政府公文的知識發(fā)現(xiàn)與分析系統(tǒng);Zhitomirsky M等[5]實現(xiàn)了無需任何人工標注的政治文本全自動分類;Arenal A等[6]通過文本挖掘和集群分析，確定了歐盟576份創(chuàng)業(yè)政策的周期曲線和主題演變;Proksch S O等[7]使用自動語音識別系統(tǒng)生成政治演講文件，結合詞袋模型等技術對大文本語料庫進行分析。

內容量化是一種定性定量相結合的分析方法。在對政策內容進行系統(tǒng)編碼分類的基礎上，分析數(shù)據特點，從而發(fā)現(xiàn)政策內容背后的深層含義。其中，政策工具是內容量化的主要分析框架，并常與主體，作用場等角度結合分析。如趙筱媛等[8]結合科技活動特點和科技政策作用領域等因素，構建了公共科技政策分析的三維立體框架;黃新平等[9]結合科技金融政策的制定特點，從工具視角量化政策文本，明晰政策工具的使用特點并提出相應建議;游玎怡等[10]從生態(tài)系統(tǒng)視角分析了港深科創(chuàng)政策工具特點，分析政策合理性與改善方向。

1.2人工智能政策量化研究

結合現(xiàn)有政策量化方法，學者們對我國人工智能政策展開了大量分析：①政策文獻計量。針對發(fā)布機構、發(fā)布時間、文種等政策外部屬性的量化分析。例如金雙龍等[11]分析了五大城市群人工智能政策的發(fā)布數(shù)量、發(fā)布時間、發(fā)布層級，描述了不同區(qū)域相關政策的布局現(xiàn)狀，為后續(xù)政策的比較評價提供數(shù)據基礎;單曉紅等[12]比較了《規(guī)劃》發(fā)布前后，京津冀、珠三角和長三角區(qū)域在人工智能政策數(shù)量、文種、主體屬性上的變化，對區(qū)域自身及區(qū)域間的差異進行分析;②文本語義分析。結合自然語言處理、文本挖掘等方法深入文本內容。例如張濤等[13]通過文本相似度比較研究了我國的人工智能政策文本，分析各省份政策制定的特點和差異，并為不同地區(qū)的人工智能產業(yè)發(fā)展提出建議;袁野等[14]利用文本挖掘與可視化方法分析政策高頻關鍵詞，并對政策主體、布局和工具進行探索，明確了政策制定情況;宋偉等[15]通過語義網絡分析與聚類分析研究了我國地方人工智能政策的主題分布特征與聚集特點;③政策內容量化。以政策工具為重點，構建多樣理論分析框架，對政策內容進行系統(tǒng)編碼分類。例如湯志偉等[16]以政策工具—創(chuàng)新價值鏈為框架分析了我國地方出臺的人工智能政策，發(fā)現(xiàn)政策工具內部結構不合理等問題并提出相應解決方案;李良成等[17]從政策目標、政策工具和產業(yè)鏈3個維度構建政策分析框架，對地方頒布的30份人工智能政策進行內容定量研究，就人才引陪、環(huán)境面政策供給及產業(yè)鏈布局提出了相關建議;毛子駿等[18]以中、美、日、英、法五國人工智能政策文本為研究對象，從政策工具—創(chuàng)新價值鏈視角比較評價五國政策，指出我國人工智能政策應當重視需求型政策工具和成果轉化價值環(huán)節(jié)，關注面向市場的政策內容。

梳理上述文獻可知，學者們采用政策文本量化分析方法，從不同角度對國際、國內中央層、省市地方層的人工智能政策進行分析，形成了我國人工智能政策量化研究的初步成果。但現(xiàn)有研究仍存在以下不足：第一，在對政策內容量化分析時，已有研究多聯(lián)合中央、省市級政策進行分析，鮮有學者基于單獨省級政策展開探究。第二，在政策框架制定、不同區(qū)域地方政策的比較研究上有待進一步補充和豐富。因此，為探究省級政府在發(fā)展人工智能時，設立了哪些政策目標、使用了什么政策工具以及不同省份間政策各有何特點。本文以省級人工智能政策為研究對象，按東、中、西、東北部進行區(qū)域劃分，構建政策工具—政策目標二維框架對政策內容進行量化分析，從而厘清我國省級政策的制定情況和不同區(qū)域間的政策異同，為后續(xù)政策的制定和完善提供參考。4833962D-5474-40CE-AEBC-4EC1F380DA3C

2政策分析框架

2.1政策工具

政策工具是政府為實現(xiàn)政策目標采取的行動和手段，也是有效的政策分析方式。相關理論研究興起于20世紀80年代，并在后續(xù)經驗性研究的積累下不斷發(fā)展，形成了不同的工具分類框架。例如Rothwell R[19]提出的供給面、需求面、環(huán)境面工具;McDonnell L M等[20]根據政策工具使用的目的性，將其分為命令型、勸導型、能力建設型和系統(tǒng)變化工具;Howlett M等[21]主張的混合性、自愿性、強制性工具等。其中，Rothwell R的分類模型源于技術創(chuàng)新政策，能更好地反映出科技、產業(yè)、政策間的相互關系，且一定程度上弱化政策的強制性。因此，本文借鑒該方法，將政策工具分為供給型、環(huán)境型和需求型3類。

供給型政策工具體現(xiàn)為政策對人工智能發(fā)展的推動力，即政府擴大對人才、基礎設施、資金等要素的供給力度，多方面促進人工智能的研發(fā)和成果轉化;環(huán)境型政策工具指政府通過稅收補助、法規(guī)管制等手段，為人工智能發(fā)展提供健康有序的發(fā)展環(huán)境;需求型政策工具體現(xiàn)為政策對人工智能發(fā)展的拉動力，通過示范應用、采購外包等方式減少市場阻力，激發(fā)市場需求和主體活力。綜合考慮已有研究[13-15，22，23]，本文對3類政策工具的具體細分如表1所示。

2.2政策目標

本文結合人工智能創(chuàng)新過程，國家《規(guī)劃》的任務安排及地方政策文本特點，對政策目標的劃分如表2所示。在具體領域融合上，本文參考《規(guī)劃》中的重點布局，將其細分為經濟融合、社會應用兩部分，并分別對這兩部分進一步細分，具體如表3所示。

3數(shù)據收集與編碼

3.1數(shù)據收集

本文以地方政府官網為主要數(shù)據來源，選取2017年7月《規(guī)劃》發(fā)布以來，地方省份出臺的人工智能政策為研究對象。政策篩選時遵循以下原則：①政策標題中必須含有“人工智能”“智能”關鍵詞;②政策內容與《規(guī)劃》內容有承接性;③政策以發(fā)展人工智能為主題，能體現(xiàn)全省人工智能發(fā)展的總體規(guī)劃與整體布局，不包含聚焦于智能教育、智能制造、智能語音等單一領域的政策文本;④項目征集申請、專項資助、信息公布等類型不納入數(shù)據范圍;⑤政策文本完整。

最終，本文篩選出地方省份政策文件40份。其中，東部地區(qū)20份（北京、上海、天津、浙江、廣東、福建、江蘇、山東等），中部地區(qū)8份（湖北、湖南、河南、安徽等），西部地區(qū)9份（云南、陜西、甘肅、青海、廣西、四川、貴州、重慶等），東北部地區(qū)3份（吉林、遼寧、黑龍江）。

3.2政策編碼

本文采用內容量化分析方法研究政策文本。以具體政策條例為基本單元，對政策內容按“政策序號—章節(jié)號—條例號”規(guī)則進行編碼，并將其對應到構建的二維框架中。如果某條政策同時對應多個分類，需如實記錄。

為驗證編碼結果的合理性，本文從所有政策條例樣本中隨機抽取800條具體條例，請具有人工智能與政策工具研究經驗的兩位研究生獨立編碼。結果顯示，兩位研究生的編碼結果與原編碼的一致性分別為90.3%和85.4%，編碼結果可信。

部分編碼情況如表4所示。最終，本文統(tǒng)計處理了所選40份政策中的1 069條政策條例，得到1 548條統(tǒng)計結果。其中，東、中、西、東北部政策統(tǒng)計結果分別為766條、281條、374條、127條。編碼結果如表5所示。

4結果分析

4.1工具維度

從圖1中可以看到，在政策工具使用上，無論是整體政策還是各區(qū)域政策，都表現(xiàn)為供給型最多，需求型其次，環(huán)境型最少。該結果表明省級政策均傾向于供給型工具，加大人、財、物相關要素的支持，從供給端推動人工智能發(fā)展，而對政策環(huán)境營造方面的關注有所欠缺。四大區(qū)域中，東、西、東北三地對供給型工具的使用占比均超過一半，分別為52.74%、52.14%和52.76%，中部更加強調需求型工具，使用比例達40.57%。此外，在供給、環(huán)境、需求型的細分政策工具使用上，四大區(qū)域也呈現(xiàn)出不同的特點，具體如圖2～4所示。

供給型政策工具中，支撐平臺在四大區(qū)域的使用占比均最多，說明各地區(qū)都將開源開發(fā)、數(shù)據分析、公共服務等開放創(chuàng)新平臺的建設視為人工智能發(fā)展的重要支撐。此外，東部、中部地區(qū)對創(chuàng)新基地和科技支持的使用率較高，通過科學研究院、雙創(chuàng)基地、技術產業(yè)園等基地建設，促進要素資源聚集，同時對理論研究與技術突破提供直接支持，增強源頭創(chuàng)新動力，保持產業(yè)優(yōu)勢和競爭力，但中部在資金投入上占比僅為3.01%，后續(xù)還需加強關注，增強資金激勵。西部地區(qū)對人才和智能基礎設施的使用率在區(qū)域對比中較為突出，分別為13.85%和12.31%。人才上，西部地區(qū)從學科教育、聯(lián)合培養(yǎng)、人才計劃、激勵資助等方面加大人才培養(yǎng)與引進力度，提升人力資源儲備。基礎設施上，貴州省憑借較強的大數(shù)據和網絡通信基礎，為人工智能發(fā)展提供了良好的智能信息基礎支撐。東北在四地中科技支持工具占比最高，達22.39%，但創(chuàng)新基地工具占比只有7.46%，關注度較低。

環(huán)境型政策工具中，各地區(qū)使用最多的工具為標準與知識產權，鼓勵各方參與人工智能行業(yè)、國際標準建設，提升標準化程度的同時強化知識產權保護，加強專利標準的關聯(lián)互動，支撐引領人工智能產業(yè)發(fā)展。地方使用較多的還有金融支持工具，通過關注優(yōu)化投融資體系，激發(fā)資本活力，從而為企業(yè)市場主體提供有效金融服務。此外，西部地區(qū)環(huán)境工具整體使用最少，但內部較為均衡，對5類細分工具的使用沒有較大差別。東北對金融稅收的使用較多，均為22.22%，強調以資金形式助推企業(yè)發(fā)展。法規(guī)管制使用最少，僅有5.56%，說明在人工智能的社會、法律問題上，東北地區(qū)需提高重視，加強管制力度與細度。

需求型工具中，示范應用工具的使用比例突出，反映出地方政府對人工智能成果轉化及應用落地的高度關注，通過組織實施技術應用、試點示范、應用推廣等工程，推動人工智能與各領域的融合創(chuàng)新，提升產業(yè)智能水平。其中，西部地區(qū)使用比例最高，達到78.52%。此外，東部使用交流合作的比例較高，為18.18%，鼓勵企業(yè)、高校院所、聯(lián)盟等多方主體加強合作，并與先進國家開展海外開放交流活動，積極引進技術經驗和創(chuàng)新資源的同時，開拓我國企業(yè)機構的海外市場。在采購外包方面，只有上海、浙江、山東、安徽、廣東五省提出相應的政策措施，通過建立政府運用和采購人工智能成果機制，支持企業(yè)購買，開展外包服務推動企業(yè)智能化發(fā)展，而西部和東北部在該方面未有提及。4833962D-5474-40CE-AEBC-4EC1F380DA3C

4.2目標維度

圖5為政策目標的統(tǒng)計結果，圖中數(shù)值表示政策工具作用于某一政策目標與作用于所有政策目標的百分比，數(shù)值越大，表明政府對該政策目標使用的工具數(shù)越多，則對該目標的關注度相對更高。可以看到，各地區(qū)關注最多的為具體領域融合（包括經濟融合、社會應用兩部分），其次為關鍵技術突破和產業(yè)發(fā)展，最后是全領域布局和基礎理論研究。說明人工智能的場景應用落地仍是省級政府的重點關注方向。

在基礎理論與關鍵技術兩方面，東部地區(qū)的關注度均較高，數(shù)值分別為8.36%和18.67%，反映出東部地區(qū)對科技源頭創(chuàng)新的支持和重視。例如，上海提出要達到國際主流水平的人工智能科技創(chuàng)新能力的目標，聚焦腦智能、人機混合增強智能、感知智能等理論技術研究。天津明確要構建智能科技創(chuàng)新策源地，搶占技術創(chuàng)新制高點，依托科研院所研究優(yōu)勢開展理論技術攻關。此外，中部地區(qū)對關鍵技術的布局在四地中占比最高，但基礎理論的占比最低，僅3.56%，對理論源頭創(chuàng)新仍需加大關注。

在具體領域融合方面，地方關注度較高，尤其是經濟融合布局，在四地的占比均為第一。說明人工智能與具體產業(yè)領域的融合應用是政府關注的一大重點。本文對這兩方面的具體數(shù)據進行了統(tǒng)計，結果如表6所示，該表展示了四大區(qū)域在產業(yè)經濟與社會融合中數(shù)值前三的細分領域?？梢园l(fā)現(xiàn)，智能制造、智能軟硬件（包含基礎軟件、芯片、傳感器等）是經濟融合中關注度較高的兩大領域，智慧醫(yī)療、智能交通則是社會應用中關注度較高的兩大領域。

在產業(yè)發(fā)展方面，中部地區(qū)的數(shù)值最高，為21.35%，其次是東部地區(qū)，為18.80%。表明中、東部在成果轉化、行業(yè)應用、產業(yè)培育上較為重視。例如湖北通過搭建行業(yè)對接交流平臺，促進創(chuàng)新主體開展產學研用合作，推動重點行業(yè)應用落地;浙江通過加強政府社會資本合作，引導社會資本參與人工智能發(fā)展和成果轉化應用。

全領域發(fā)展體現(xiàn)了省級政策對提升人工智能整體發(fā)展的關注。例如遼寧省政策中提出利用傳統(tǒng)和新興媒體宣傳人工智能新發(fā)展、新成效，調動社會參與人工智能發(fā)展的積極性;湖南省政策強調加強人工智能高水平人才團隊引進與培養(yǎng);陜西省政策中提到落實智能發(fā)展中企業(yè)主體的稅收優(yōu)惠政策等。這些布局雖然著眼人工智能發(fā)展全局，但也在一定程度上存在政策目標宏觀和表述模糊問題，可能不利于政策的現(xiàn)實落地。

4.3工具—目標二維

由表5的統(tǒng)計結果看到，雖然本文的研究對象有1 069條政策條例，但統(tǒng)計結果卻達到1 548條，說明很多政策條款中都存在同一政策工具作用于多個目標，或某一目標同時使用多種政策工具的情況。結合圖6，可以進一步了解工具與目標間的對應關系。圖中結果表示某一政策目標下，各政策工具的使用比例。

理論研究和技術研發(fā)方面，以供給型工具使用為主。包括支持前沿技術攻關、建設實驗室、機構院所等科研基地及開源開發(fā)創(chuàng)新平臺，培育引進高端智能人才，以提升科技創(chuàng)新水平。同時在環(huán)境面加快技術標準制定與專利布局，在需求面通過多元交流、開放合作與科技專項布局，協(xié)同推進人工智能科技突破。

具體領域融合方面，以供給型和需求型工具使用為主。重點通過技術、模式、產品的研發(fā)應用和示范推廣等方式推動人工智能在細分領域的融合應用，同時以信息共享平臺、公共服務平臺、通用創(chuàng)新平臺等作為應用支撐。

產業(yè)發(fā)展方面，創(chuàng)新基地、支撐平臺、標準與知識產權、金融支持的使用較多。依托基地和平臺，探索開展人工智能成果轉化和應用發(fā)展。在環(huán)境面，健全行業(yè)應用標準與產業(yè)專利的互動支撐機制，加強知識產權保護，助力技術產品市場化和產業(yè)化。通過逐步建立新型投融資機制，提供適合企業(yè)發(fā)展的金融環(huán)境。

全領域是涵蓋內容較廣的一個目標，以環(huán)境型工具使用為主。該結果與環(huán)境型工具本身屬性有關（為人工智能整體發(fā)展提供環(huán)境保障），但在人工智能技術產業(yè)快速發(fā)展的背景趨勢下，環(huán)境型工具的作用目標也應逐漸明晰，以形成更具可行性的政策指導方案。此外，人才培引、智能基礎設施、交流合作的使用比例也較多，說明人才、數(shù)據和協(xié)同也是貫穿人工智能發(fā)展的重要工具。

5總結與建議

5.1總結

本文以政策工具—政策目標為量化框架，分析了我國省級人工智能政策的布局規(guī)劃特征，并比較了東、中、西、東北四大區(qū)域政策工具使用與目標部署的異同，得出以下結論：

總體來看，在工具方面，省級人工智能政策表現(xiàn)為供給型使用最多，環(huán)境型使用不足，需求型內部分配不均。其中，支撐平臺、創(chuàng)新基地、科技支持在供給型中占比較多，標準與知識產權在環(huán)境型中使用最多。需求型內部，示范應用使用頻率明顯過高，而采購外包缺失嚴重，只有上海、浙江、山東、安徽和廣東五省提出相應政策措施。在目標方面，省級政策對人工智能與具體領域融合應用的關注度最高，其次為技術研發(fā)和產業(yè)發(fā)展，再次為全領域，理論研究關注度最低。說明地方政府在人工智能發(fā)展上更多聚焦于成果轉化、技術應用、產業(yè)培育等產品化產業(yè)化方面，而在理論研究、基礎創(chuàng)新上重視程度較低，需要政府繼續(xù)加大支持力度和研究引導。在工具—目標匹配方面，省級政策中存在明顯的一對多，多對一關系。各政策工具在不同政策目標下的使用程度均有不同。理論、技術上以供給型工具為主。具體領域融合方面，主要使用工具有科技支持，支撐平臺和示范應用。產業(yè)發(fā)展方面，創(chuàng)新基地、支撐平臺、標準與知識產權、金融支持使用較多。全領域發(fā)展以環(huán)境型工具使用為主。

從區(qū)域來看，東、中、西、東北部在工具運用和目標部署上呈現(xiàn)一定的相似性和差異性。

首先，四地在3類工具的使用比例上較為相近且各工具中占比最高的細分工具相同，分別為支撐平臺、標準與知識產權和示范應用。在政策目標方面，四地均關注具體領域融合且各地區(qū)的布局重點高度相似，大多集中在智能制造、軟硬件、醫(yī)療、交通四大領域。除此之外，四大區(qū)域的政策布局也呈現(xiàn)出不同特點：東部地區(qū)主要從基地、科技支持方面推動人工智能發(fā)展，從國際國內及多元主體交流合作上拉動人工智能發(fā)展需求，同時在環(huán)境面鼓勵對相關企業(yè)的金融支持。政策目標方面，東部對理論技術研發(fā)的關注度在四地中較高，體現(xiàn)其對科技源頭創(chuàng)新支持和重視;中部地區(qū)對基地建設最為重視，通過相關要素資源聚集，推動研發(fā)與應用創(chuàng)新，但需要進一步加大資金投入力度。此外，在目標布局方面，中部相對更關注關鍵技術突破與產業(yè)發(fā)展促進;西部地區(qū)在供給型工具中更多使用人才培引和基礎設施，其環(huán)境型工具整體使用最少，但內部子工具的占比較為均衡。拉動需求方面，西部對示范應用的使用在四地中最高，而采購外包卻未有使用，需進一步改善需求型工具使用的合理性和協(xié)調性。政策目標方面，西部的具體領域應用占比超過一半，關注人工智能的具體場景應用;東北地區(qū)除科技支持工具占比突出外，其他供給型工具使用較均衡，其在環(huán)境面強調從金融和稅收方面助推企業(yè)發(fā)展，但需要加強相關法規(guī)管制力度，在需求面關注交流合作和專項設立，但也同樣缺少采購外包。各政策目標關注方面，東北部與西部較為相似。4833962D-5474-40CE-AEBC-4EC1F380DA3C

5.2建議

結合具體量化分析和上述總結，本文提出以下幾點建議：

第一，調整政策工具使用比例及內部均衡性。首先，加強環(huán)境型政策工具使用。在關注標準與專利機制完善的同時，重視人工智能發(fā)展中面臨的倫理、安全、風險、規(guī)范等問題，加快法規(guī)保障和監(jiān)測評估并注重金融財政工具的配套使用，加大對企業(yè)的支持力度，激發(fā)其主體活力。其次，優(yōu)化需求型工具內部結構。隨著智能技術的突破和平臺基礎設施的完善，人工智能產業(yè)將逐漸發(fā)展成熟，應用場景將愈加豐富，政府采購將在拉動市場發(fā)展方面起到更重要的作用，因此需要根據產業(yè)發(fā)展情況，逐漸加強政府對人工智能產品及服務的采購力度。

第二，重視基礎理論研究。結合各地區(qū)科研條件和特點，在應用基礎理論、前沿基礎理論和跨學科探索3個方面進行針對性部署。充分發(fā)揮各地高校院所、重點實驗室、研發(fā)中心的科研資源優(yōu)勢，鼓勵相關人才團隊開展成果交流與國際合作，初步建立人工智能基礎理論體系，實現(xiàn)人工智能源頭創(chuàng)新，突破技術局限，推動創(chuàng)新應用。

第三，統(tǒng)籌協(xié)調與特色發(fā)展同步。目前，智能制造、智能機器人、智慧醫(yī)療等已成為地方爭先發(fā)展的重點領域，但盲目跟風發(fā)展容易出現(xiàn)資源浪費、產業(yè)重合等問題。因此，在相關技術、產業(yè)發(fā)展中，地方應明確發(fā)展重點，推進區(qū)域協(xié)同交流，加強集體統(tǒng)籌管理，合理配置資源，以避免重復建設與惡性競爭，提升產業(yè)發(fā)展效率。此外，地方應結合自身基礎條件與優(yōu)勢領域，部署重點研發(fā)項目，探索特色發(fā)展方式，豐富人工智能應用場景。例如安徽重點發(fā)展智能語音相關技術與產業(yè)，以建設國際一流發(fā)展基地，四川提出發(fā)展智能機場，智能跨媒體系統(tǒng)，遼寧、陜西在智慧能源領域開展布局，為地方差異化發(fā)展起到良好示范作用。

參考文獻

[1]黃倩，陳朝月.基礎研究政策擴散的文獻量化研究[J].中國科技論壇，2019，（12）：12-22.

[2]Kowalewski K，Lavis J N，Wilson M，et al.Supporting Evidence-informed Health Policy Making：The Development and Contents of an Online Repository of Policy-relevant Documents Addressing Healthcare Renewal in Canada[J].Healthcare Policy，2014，10（2）：27-37.

[3]楊松令，張雄，李付彩.基于PMC指數(shù)模型的科創(chuàng)板政策量化評價研究[J].管理現(xiàn)代化，2021，41（3）：11-15.

[4]趙洪，王芳，王曉宇，等.基于大規(guī)模政府公文智能處理的知識發(fā)現(xiàn)及應用研究[J].情報學報，2018，37（8）：805-812.

[5]Zhitomirsky M，David E，Koppel M.Utilizing Overtly Political Texts for Fully Automatic Evaluation of Political Leaning of Online News Websites[J].Online Information Review，2016，40（3）：362-379.

[6]Arenal A，F(xiàn)eijoo C，Moreno A.Entrepreneurship Policy Agenda in the European Union：A Text Mining Perspective[J].Review Of Policy Research，2021，38（2）：243-271.

[7]Proksch S O，Wratil C，Wckerle J.Testing the Validity of Automatic Speech Recognition for Political Text Analysis[J]，2019，27（3）：339-359.

[8]趙筱媛，蘇竣.基于政策工具的公共科技政策分析框架研究[J].科學學研究，2007，25（1）：52-56.

[9]黃新平，黃萃，蘇竣.基于政策工具的我國科技金融發(fā)展政策文本量化研究[J].情報雜志，2020，39（1）：130-137.

[10]游玎怡，李芝蘭.粵港澳大灣區(qū)港深科技創(chuàng)新政策的現(xiàn)狀與優(yōu)化策略——創(chuàng)新生態(tài)系統(tǒng)視角的分析[J].華中師范大學學報：人文社會科學版，2020，59（4）：43-52.

[11]金雙龍，隆云滔，陳立松，等.基于文本分析的區(qū)域人工智能產業(yè)政策研究[J].改革與戰(zhàn)略，2020，36（3）：44-53.

[12]單曉紅，何強，劉曉燕，等.“政策屬性—政策結構”框架下人工智能產業(yè)政策區(qū)域比較研究[J].情報理論與實踐，2021，44（3）：194-202.

[13]張濤，馬海群.基于文本相似度計算的我國人工智能政策比較研究[J].情報雜志，2021，40（1）：39-47，24.

[14]袁野，于敏敏，陶于祥，等.基于文本挖掘的我國人工智能產業(yè)政策量化研究[J].中國電子科學研究院學報，2018，13（6）：663-668.

[15]宋偉，夏輝.地方政府人工智能產業(yè)政策文本量化研究[J].科技管理研究，2019，39（10）：192-199.

[16]湯志偉，雷鴻竹，郭雨暉.政策工具-創(chuàng)新價值鏈視角下的我國地方政府人工智能產業(yè)政策研究[J].情報雜志，2019，38（5）：49-56.

[17]李良成，李蓮玉.目標—工具—產業(yè)鏈三維框架下人工智能政策研究[J].自然辯證法研究，2019，35（10）：112-118.

[18]毛子駿，梅宏.政策工具視角下的國內外人工智能政策比較分析[J].情報雜志，2020，39（4）：74-81，59.

[19]Rothwell R.Government Innovation Policy：Some Past Problems and Recent Trends[J].Technological Forecasting & Social Change，1982，22（1）：3-30.

[20]McDonnell L M，Elmore R F.Getting the Job Done：Alternative Policy Instruments[J].Educational Evaluation and Policy Analysis，1987，9（2）：133-152.

[21]Howlett M，Ramesh M.Studying Public Policy：Policy Cycles and Policy Subsystems[M].Oxford：Oxford University Press，1995：80-98.

[22]袁野，馬彥超，陶于祥，等.基于內容分析法的中國人工智能產業(yè)政策分析——供給、需求、環(huán)境框架視角[J].重慶大學學報：社會科學版，2021，27（2）：109-121.

[23]呂文晶，陳勁，劉進.政策工具視角的中國人工智能產業(yè)政策量化分析[J].科學學研究，2019，37（10）：1765-1774.

（責任編輯：陳媛）4833962D-5474-40CE-AEBC-4EC1F380DA3C