一、问题的提出

人工智能于1956年在达特茅斯会议上正式提出，是研究并开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。在互联网、大数据、云计算等新理论与新技术的驱动下，以经济拉动性、社会辐射性和国家赋能性为特征的新一代人工智能不断取得突破，逐渐渗透到社会发展的各个领域，通过释放历次科技革命和产业变革积蓄的巨大能量，成长为引领新一轮科技革命与产业变革的重要引擎，对军事变革、经济发展、社会进步、国际格局产生重大而深远的影响。为此，世界各国均将人工智能上升至国家重大发展战略规划，陆续发布人工智能相关政策，积极抢占人工智能竞争制高点，以此抓住人工智能发展所带来的新机遇，从而在国际竞争中占据主导。

以北美和加拿大为代表的北美在人工智能发展方面表现尤为突出，为此有必要持续追踪并分析两国人工智能政策的具体内容，比较归纳其人工智能政策的共性与差异并总结特色经验，以期为我国大力建设人工智能提供有益参考。

二、分析框架的构建

已有研究对人工智能政策进行了多维度分析，包括政策属性、结构、工具、主题和评价等。本研究在此基础上构建“政策目标—政策工具”比较分析框架。政策目标是政府为解决公共问题而设定的具体目标，通常分为任务导向型和扩散导向型。任务导向型目标侧重于解决特定问题或应对挑战，通常通过具体措施实现；扩散导向型目标则强调推广技术和创新，旨在通过知识分享和技术转让等方式扩大影响。政策工具是将政策目标转化为实际行动的手段，学界对此有不同的分类方法。本文借鉴Rothwell和Zegveld提出的政策工具分类方式，将人工智能政策工具分为供给型、需求型和环境型，并进一步细化为具体指标：供给型政策工具包括基础设施建设、科技支持、教育培训、信息支持、财政支持；环境型政策工具包括组织建设、法规管制、风险管理、税收优惠、知识产权保护、政策配套服务；需求型政策工具包括政府采购、服务外包、科技项目、公私合作、海外交流。

三、两国人工智能政策比较分析

（一）政策目标：任务导向型与扩散导向型并重

在政策目标上，美国在提倡投资负责任的人工智能研发（任务导向）的同时，希望为公共利益服务，保护人民的权利和安全，推进民主价值观（扩散导向）。而加拿大则支持卓越的人工智能研究、高质量培训及深厚的人才库、广泛的公私合作（任务导向），同时推进人工智能技术为人类和地球带来积极的社会、经济和环境效益（扩散导向）。两国人工智能政策目标均体现出兼顾任务导向与扩散导向的特点。一方面，强调通过高技能高素养的专业人才、基于负责任创新的开发研究、频繁密切的公私合作、对人工智能生态系统的长期稳固投资，建立成熟的人工智能理论与技术体系以及值得信赖的人工智能治理体系；另一方面，由于人工智能同时具备科技、市场、社会等多重属性，它不仅是一种能够带动全局发展的标志科技，更是一种与民生息息相关、与人民最关心、最现实和最直接利益挂钩的实用科技。因而，两国一致坚持人工智能不能仅停留于技术层面，更重要的是将人工智能的相关技术与成果进行商业化开发及转化，以此广泛应用于生产生活、社会治理、国防建设等多个领域，为本土人民、各自国家以至全球带来方方面面的积极影响。

（二）政策工具：稳步保持供给，有序扩大需求，多元创设环境

基于纵向维度而言，首先，两国均是供给型政策工具使用最多。但三种政策工具类型的使用数量并不相同，依据需求型与环境型工具的数量对比，美国的需求型工具远多于环境型工具；加拿大的需求型工具则较少于环境型工具，两者有显著差异。其次，从三种类型包含的具体工具来看，两个国家供给型工具使用较为全面，几乎所有工具都有所涉及，而需求型和环境型工具的使用则存在不同程度的缺位，其中，服务外包和政策配套服务两种工具表现得尤为明显，反映了两国人工智能政策仍需进一步完善改进。最后，美国和加拿大在政策工具的使用上有所不同，具体表现在各自侧重点的不同。1.在供给型政策方面，美国注重教育培训、信息支持和科技支持。在教育培训方面，强调将道德、法律和社会影响纳入人工智能教育，并基于此描述、评估和培训人工智能劳动力；在信息支持方面，推动数据驱动的知识发现方法，促进联合机器学习方法，并开发满足人工智能应用需求的可访问数据集；在科技支持方面，致力于可扩展通用人工智能系统的研究，推动跨真实与虚拟环境的人工智能系统开发，并增强系统的感知能力。加拿大则更侧重财政支持，提供明确资金支持人工智能各领域的发展，如6000万美元支持人工智能研究转化为商业应用，860万美元支持标准委员会推动人工智能标准的制定与采用，2.08亿美元用于吸引、留住和培养人工智能学术研究人才。2.在需求型政策工具方面，两国均采用公私合作、科技项目和海外交流，但组织方式和力度有所不同。加拿大政府与关键行业合作，共同推动人工智能在数字技术、蛋白质工业及海洋超级集群等领域的应用；而美国则通过支持全球人工智能文化的培养，促进人工智能系统和标准的全球发展，推动国际思想和专业知识的交流，并倡导人工智能发展应造福全球。3.在环境型政策工具方面，美国注重风险管理，要求国家标准与技术研究所（NIST）开发人工智能风险管理框架，帮助组织评估和管理使用人工智能的潜在风险，涵盖功能可信度、安全性、隐私保护、公平性和可解释性等标准。加拿大则专注于组织建设，推动标准委员会支持人工智能相关标准的制定与采用。

（三）两国人工智能政策的共性与差异分析

1.政策目标

从共性上来看，美国和加拿大的人工智能政策目标普遍包含三个方面：首先是增强科技竞争力，提升全球人工智能领域的科技领导地位；其次是推动经济发展，通过人工智能技术的应用和产业化促进经济增长和产业升级；最后是解决社会问题，利用人工智能应对公共卫生、交通管理和环境保护等挑战。两国的政策目标有五个共同特点：一是培养和吸引高素质人工智能人才；二是确保负责任的人工智能研发，符合伦理和法律规范；三是强调公私合作和长期稳固的投资，以促进协同发展；四是加强人工智能技术的商业化并广泛应用于生产生活和社会治理；五是通过人工智能发展提升国际竞争力和影响力。

在差异方面，两国均兼顾任务导向与扩散导向，但具体侧重点不同。美国注重负责任的研发，强调技术对公共利益的服务功能、保护公民权利与安全，并推动民主价值观的传播。而加拿大则侧重于开展研究和人才培养，强调公私合作，关注人工智能技术的社会、经济和环境效益，追求技术对人类和地球的积极贡献。

2.政策工具

在人工智能政策工具的使用上，两国在供给型、需求型、环境型三类工具上均有所涉及，但在具体使用类型与数量上存在较大差异。

就供给型政策工具而言，两国均在不同程度上应用了相关工具，以此推动人工智能的研究、开发与应用。在教育培训上，两国都注重培养人工智能人才。美国将道德、法律和社会影响纳入人工智能教育培训，加拿大通过项目和奖学金计划吸引人才并提升技能。在信息支持上，两国均在促进数据共享和标准制定上有所投入。美国推进数据集开发，加拿大增强人工智能数据管理能力。但就工具的具体使用情况而言，美国强调教育培训和信息支持，推动数据集开发和机器学习方法的联合研究；而加拿大关注财政支持，明确资金投入支持人工智能研究和应用。

就需求型政策工具而言，两国均在科技项目、公私合作和海外交流方面有相应的政策工具，据此拉动人工智能技术的市场需求与应用。在科技项目上，美国和加拿大均启动了国家级人工智能项目，推动技术应用于关键领域；在公私合作上，两国均通过政府与私营部门的合作推动人工智能发展；在海外交流上，两国均重视国际合作与交流，尤其强调全球人工智能标准和系统的协同发展。但就工具的具体使用情况而言，加拿大通过全球创新集群的研发关注关键行业的公私合作；美国致力于建立全球信任的人工智能文化和标准，通过国际合作交流促进全球人工智能发展。

就环境型政策工具而言，两国均在法规管制、组织建设等方面具有相应的政策工具，以确保人工智能技术的健康发展。在法规管制上，各国均制定并实施了人工智能相关的法规和标准；在组织建设上，美国和加拿大也设有相应的组织和委员会推动人工智能相关标准和政策的制定与实施。但就工具的具体使用情况而言，美国强调风险管理，开发人工智能风险管理框架；而加拿大则重点推动人工智能相关标准的制定与采用。

四、对我国人工智能政策的启示与建议

通过对美国、加拿大人工智能政策系统全面的比较分析，可以发现北美国家在人工智能政策目标、政策工具上既有共性也有差异。共性在于它们均高度重视人工智能对国家未来发展的战略意义，积极制定相应的政策目标，采取多样化的政策工具推动产业链布局建设；差异则反映了两国在具体国情和战略重点上的不同。美国在技术研发和国际合作上具有明显优势，加拿大在财政支持和跨部门合作上有独到之处。这些经验做法为我国制定完善人工智能政策提供了宝贵借鉴，具体体现为以下两点。

（一）明确多元化政策目标，强化任务导向和扩散导向相结合

在制定政策目标时，兼顾解决具体问题与推动技术普及，既要聚焦关键领域的突破，也要促进技术的广泛应用。

在聚焦关键领域突破上，一方面应明确重点突破方向，如医疗健康、智能制造、智慧城市等，集中资源和力量进行重点攻关。这些领域通常具有高技术壁垒和重大社会经济影响，通过突破这些领域的关键技术，可以显著提升国家的整体技术水平和竞争力。另一方面应设定具体可衡量的目标，制定明确的研究目标和时间表，以任务为导向，有助于调动科研机构、企业和社会各界的积极性，确保在特定时期内实现技术突破。

在促进技术普及应用上，首先应制定相关政策推动技术在各行业的广泛应用，尤其是针对中小企业和传统行业，帮助其实现数字化、智能化转型。其次应建立示范工程、应用推广机制，推动技术从实验室走向市场，促进技术在不同场景的实际应用，一方面能够提高生产效率，另一方面能够带来显著的社会和经济效益。最后应提供普及应用的配套支持，包括财政补贴、税收优惠、技术咨询和培训服务等，降低企业应用新技术的成本和风险，激发企业应用人工智能技术的积极性。

（二）构建全面政策工具体系，兼顾供给型、需求型与环境型配置

通过供给型、需求型和环境型政策工具的综合运用，构建系统性、协同化的政策支持体系，确保人工智能技术从研发到应用再到规范管理的全流程得到全面支持，不仅能够加快技术创新与产业发展，还能够促进技术的广泛应用和健康发展，为实现人工智能技术的社会和经济效益提供坚实保障。

在供给型政策工具上，首先，制定并实施专项人才培养计划，建立人工智能相关的教育和培训体系，从基础教育到高等教育以及职业培训，培养大量高素质的人工智能人才。其次，加大对人工智能基础研究和应用研究的资金支持，设立专项科研项目和创新基金，支持科研机构、高校和企业共同开展技术创新活动。再次，构建开放共享的科技资源平台，促进数据、算法和计算资源的共享，提升人工智能研究与开发的效率。此外，推进智能计算中心、数据中心、5G网络等基础设施建设，为人工智能技术的研发和应用提供坚实的硬件支撑。最后，稳步扩大财政支持，增加对科研项目的投入，确保充足的资金用于基础研究和技术创新。

在需求型政策工具上，第一，鼓励政府部门、科研机构和企业之间的合作，推动公私合作项目的实施，发挥各方优势，共同推动人工智能技术的发展和应用。第二，设立国家级或地方级科技项目，明确项目的实施目标、周期和资金支持，推动人工智能技术在特定领域的应用示范。第三，加强国际合作与交流，借鉴国外先进技术和管理经验，推动国内人工智能技术的进步。同时，鼓励国内企业和研究机构走出去，参与国际竞争与合作。第四，通过政府采购政策，引导和支持企业开发符合市场需求的人工智能产品和服务，推动技术创新和产业发展。第五，支持企业将部分非核心业务外包给专业的人工智能服务提供商，提高企业整体运营效率，促进人工智能服务市场的发展。

在环境型政策工具上，一是制定并完善人工智能相关的法律法规，明确技术开发、数据使用和隐私保护等方面的规范，保障技术的合法合规应用。二是建立专门的人工智能管理机构，负责政策的制定、实施和监督，协调各部门之间的工作，形成高效的管理机制。三是设立人工智能风险管理框架，帮助企业和组织识别、评估和控制人工智能技术应用中的潜在风险，确保技术的安全可靠。四是完善知识产权保护体系，鼓励和保护人工智能领域的创新成果，打击侵权行为，维护公平竞争的市场环境。五是提供政策解读、技术咨询和法律援助等配套服务，帮助企业和科研机构更好地理解和运用政策，促进人工智能技术的健康发展。六是对从事人工智能研发和应用的企业给予税收优惠政策，减轻企业负担，激励企业加大研发投入。

作者简介：李莹（1996.03-）,女，汉族，河北唐山人，研究实习员，博士研究生学历，研究方向：高等教育，比较教育