Page 26 - 基于深度学习的人工智能技术研究

Research on Artificial Intelligence Technology Based on Deep Learning
基于深度学习的人工智能技术研究

索符合本国国情的人工智能未来发展路径。总体来看，除了前沿领域（如面向未
来的新一代人工智能）外，关键共性技术（与 AI 产业相关的核心算法与架构、
先进半导体材料与加工工艺等）已成为各国布局的重中之重，人工智能的未来
竞争将是前沿技术与关键共性技术的“双驾马车之争”，而各国的 AI 伦理治理
实践不仅仅表现为一种文化异同，更涉及 AI 技术标准与产业生态的国际话语权

分配。
2020 年初以来的全球新冠肺炎疫情进一步加速了以人工智能、量子信息、
宽带无线通信等为核心的数字技术的发展与应用，未来较长一段时期仍是人工智

能发展的重大机遇期。中国作为人工智能发展大国，应在客观总结国家《新一代
人工智能发展规划》第一步阶段性成果的基础上，参考借鉴主要国家做法，根据
最新技术发展态势适时更新完善规划实施重点，坚持人工智能技术属性和社会属
性并重、加快推进人工智能伦理治理等，确保国家战略目标顺利实现。

一是更加注重 AI 关键共性技术的攻克与储备。中国在 AI 核心算法、支撑
AI 发展的半导体产业等基础层技术层面依然有明显差距。首先是 AI 核心算法
缺位，如 1960—2018 年，美国向美国专利商标局所提交的高被引专利族群达
28031 件，而中国仅为 691 件；其次是关键性半导体材料及生产工艺技术缺乏（如

GPU 研发与应用、智能芯片生产与加工等）。因此，中国应启动“AI 基础层技
术战略储备计划”，对自然语言处理、视觉 / 语音识别与处理、智能搜索、云计
算领域中的核心算法与底层技术，以及支撑 AI 产业发展的半导体技术（材料创新、
芯片设计 / 加工 / 产生工艺等）实施更有针对性的规划，维护整个 AI 产业的生态

安全。
二是结合学科前沿、产业优势与未来需求等强化下一代 AI 技术的前瞻部署。
如下一代 AI 算法预研，包括情景适应性算法、通用性算法、元学习算法、类脑
算法等；应用障碍型算法创新，突破算法可解释性、可追责性、抗干扰性等问

题；新计算体系，可颠覆冯·诺依曼架构体系的内存中计算、异构计算、神经形
态计算、量子计算等；学科交叉式核心算法创新，赋予科学研究事业，如类似于
Alpho Fold、AI 化学家等新型科研平台及工具，为科研活动提供颠覆性研究手段；
产业优势结合型前沿技术，结合中国的 5G、无人驾驶以及数据基础方面的技术

优势，发力下一代边缘计算、云计算、集群算法技术；后摩尔定律时代的新型半
导体材料、加工工艺研究，如 3D 堆栈、可改进硬件的 AI、芯片的敏捷设计、碳

18