宏观市场 | 人工智能与全球产业布局：这次不一样

人工智能，产业布局，机遇，挑战

伴随着人工智能技术的发展与应用，全球产业布局重构。与前几轮技术变革相比，人工智能对劳动力的替代效应由中低技能延展至高技能劳动力，降低了生产活动对劳动力的依赖，并增加了其对资本技术的依赖。由此导致，发展中经济体难以仅凭原材料和劳动力成本优势吸引投资，而发达经济体凭借资本和技术优势更易将产业保留在本土。

从人工智能影响下的全球产业布局看：一是全球与人工智能相关的外商直接投资增加，且主要流向发达经济；二是人工智能强化了高收入经济体的资本技术优势，有助于制造业流向高收入经济体；三是人工智能弱化了发展中经济体的劳动力成本优势，发达经济体制造业回流提速；四是外商直接投资更易流向人工智能准备更为充足的经济体。

对于我国而言，得益于人工智能的前瞻布局，我国人工智能发展水平位居全球前列，突出表现在：2022年我国全球最优秀人工智能研究人员（前2%）和全球高级人工智能研究人员（前20%）分别位居全球第二和全球第一；人工智能研究成果位居全球前列；人工智能风险投资位居全球第二。借助人工智能发展优势，我国在本轮产业布局中的机遇有：一是凭借人才与技术优势，吸引人工智能相关投资；二是劳动密集型行业的自动化率有望提升，产业转出压力部分缓解。不过，我国亦面临发达经济体制造业回流、技术突破的外部环境收紧、算力设施能耗高等挑战。

对此，本文建议：一是加强人工智能相关基础设施建设，构建高性能的算力基础设施；二是通过促进数据要素流动、适度开放公共数据、在WTO框架下加大政策支持等措施提升我国对人工智能投资项目的吸引力；三是推动制造业“人工智能+”，提高制造业自动化水平；四是加强人工智能人才培养，弥补人工智能领域人才缺口；五是促进人工智能绿色转型，完善东数西算所需的传输、存储等基础设施，鼓励数据中心的节能改造等。

伴随人工智能的兴起和发展，全球产业布局正发生深刻变化。一方面，与此前的自动化浪潮不同，人工智能替代劳动力的可能性正由中低技能劳动力向高技能劳动力延伸；另一方面，人工智能对劳动力的替代效应或导致劳动力、资本要素相对价格的变化，制造业中劳动力投入占比下降而资本投入占比上升。在此背景下，全球产业布局将何去何从，对我国又有哪些影响，本文将据此展开分析。

一、人工智能与全球产业布局：这次不一样

18世纪以来，人类社会已完整经历了三次工业革命，依次为：第一次工业革命，18世纪中叶棉纺蒸汽动力发明，机器生产取代手工劳作；第二次工业革命，19世纪中叶铁路、电报发明应用带来了交通和通信方式变革，同时电气、内燃机发明应用使得大规模机器生产开始取代手工生产；第三次工业革命，20世纪中叶以原子能技术、航天技术、电子计算机和可再生能源技术发展为代表，人类社会进入自动化时代。

与此同时，每一轮技术革命均伴随着全球产业在经济体间大规模转移。如，第一次工业革命时期，全球产业由英国向法国、德意志联邦及美国等经济体转移，这一阶段产业转移的代表性行业主要有纺织、钢铁为代表。第二次工业革命后，全球产业由美国向德国、日本等经济体转移，这一阶段产业转移以汽车制造、石油化工为主。第三次工业革命期间，全球发生了两轮大规模产业转移，分别为：20世纪60至80年代，美欧及日本等发达经济体将制造业生产活动转移至成本更为低廉的“亚洲四小龙”等地区，这一阶段产业转移以纺织服装、电子制造为主；20世纪80年代至21世纪初期，全球产业由欧美日、“亚洲四小龙”等地向中国大陆转移，这一阶段产业转移的代表性行业有纺织服装、钢铁化工、电子制造和汽车制造等。在技术和成本双重驱动下，全球产业由生产成本相对较高的地区向生产成本相对较低的地区转移，这一时期发展中经济体凭借低成本原材料和廉价劳动力成为主要产业承接地。

当前，全球已进入以人工智能技术为代表的智能化革命时期，人工智能在制造业中的应用场景不断增加，具体有：预测性维护，企业可借助AI技术分析预测机器可能发生的故障，并在故障发生前进行维护以节省成本并提高设备性能；自动化质量控制，人工智能基于装配线的参数和算法，使用机器视觉技术发现质量水平差异；原材料价格预测，人工智能可通过大数据分析预测原材料价格，降低企业因原材料波动而造成的损失；机器人应用，企业借助机器人执行重复性工作，减少人工错误，控制人力成本；库存管理，企业借助机器学习预测需求并组织生产供应，减少库存积压或短缺现象；流程优化，企业可借助人工智能识别和消除组织流程中的障碍并优化流程等。与前几轮技术革命不同，人工智能技术驱动下的全球产业转移范式正发生改变。具体表现为：

第一，人工智能存在就业替代效应，其降低了生产活动对劳动力的依赖。前几轮技术革命主要影响以常规性工作任务为主的中低技能工作岗位，如纺织机器主要影响手工纺织工人，电气化则替代了低等技能工作并提高了对工人的技能要求，自动化时代则减少了中等技能工作岗位。伴随AI技术的发展和应用，其对中低技能工作岗位的替代效应将进一步深化。由于中低技能工作以重复性和常规性任务为主，人工智能正影响着对中等技能工作岗位的需求（Autor, 2010; Goos, Manning & Salomons, 2014）。牛津研究院的估算结果显示，2004年以来全球制造业平均每安装一台新型工业机器人，将取代1.6名工人的工作；其中，2000年以来中国有多达55万个制造业岗位被自动化取代，相当于目前制造业劳动力总值的1 %[1]。分行业看，由于劳动密集型制造业存在大量重复性和标准化的工作内容，这些工作更易被自动化技术所取代。Hötte K et al（2023）系统回顾过去过去四十年技术变革及其对就业影响的实证文献发现，不同类型的技术进步对以低技能和生产为主的劳动力、制造业岗位以及执行常规任务的工人都有一定影响。因而，伴随人工智能技术发展和应用，企业可通过人工智能弥补劳动力密集型行业因劳动力成本抬升所带来的竞争优势下降问题，劳动力成本导向型产业向外转出的必要性下降。

第二，人工智能对不同经济体、不同技能岗位就业的影响分化。与前几轮技术的就业影响相比，人工智能对工作岗位的替代更为全面。尤其是随着生成式人工智能的发展，机器不仅能执行常规性任务，亦能执行以往需要人类智力的复杂任务如数据分析、会计分析等，人工智能对就业的影响由中低技能岗位向高技能岗位延展。IMF的一项研究表明（Georgieva K.,2024），全球近40%的就业将受到人工智能的影响，由于人工智能能影响高技能工作，发达经济体就业受人工智能的影响要大于新兴经济体和低收入经济体，发达经济体、新兴经济体和低收入经济体中就业受人工智能影响的比例依次为60%、40%和16%。

人工智能对高技能工作既有补充又有替代。一方面，人工智能具有生产力提升效应，尤其是人工智能技术广泛应用于需要与软件交互的工作，高薪知识密集型从业人员更易受益于人工智能带来的生产力提升效应；另一方面，人工智能能执行需要人类智力的复杂任务，对高技能工作具有一定的替代效应。因而，人工智能能否完全替代高技能工作取决于其对高技能工作的补充和替代程度。Pranger A. & Su Y.（2023）从美国在线招聘网站上抓取招聘信息中的文字观察人工智能对高技能员工的替代效应，其研究结果表明处于工资分配最顶层的高技能员工可能因人工智能的发展而受益，而处于工资分配最顶层之外的高技能员工的工作可能会因为人工智能的发展而变得脆弱。不同层次的高技能工作受人工智能的影响程度不一，这也意味着人工智能的广泛应用可能拉大就业市场的收入差距。

第三，人工智能为资本技术密集型，其强化了发达经济体资本技术竞争优势。人工智能技术研发叠加相关基础设施建设投资均需大量的资金投入，资本相对充裕的发达经济体天然拥有发展人工智能技术的资本优势。结合2023年人工智能投资数据观察，资本相对充裕的经济体是全球人工智能投资主力。其中，2023年美国人工智能投资规模达506亿美元，占全球人工智能投资总值的55.0%；随后依次为中国、欧盟、印度、英国等，其投资规模依次为112.0、61.0、28.4和26.0亿美元，依次占全球人工智能投资总值的13.6%、7.4%、3.4%和3.2%。

综上，一方面，人工智能对不同类型劳动力的替代效应不同，其可能影响中低技能和中低层次高技能工作机会，高层次高技能工作更容易从中受益；另一方面，人工智能降低了生产活动对劳动力的依赖而增加了对资本技术的依赖。这或意味着，随着人工智能的应用，发展中经济体难以仅凭劳动力成本优势获得竞争优势，而发达经济体凭借资本和技术优势更易将产业保留在本土。

二、人工智能与全球产业布局：加速重构

历史经验显示，每一轮技术革命均伴随着全球生产和贸易体系的重构。与之类似，伴随人工智能技术革命深化与发展，全球产业布局正加速重构。具体表现在：

第一，全球与人工智能相关的外商直接投资大幅增加。2016年以来，受中美贸易摩擦、全球大流行及地缘政治冲突多发等多因素影响，全球外商直接投资净流入规模整体趋于下行。其规模由2016年的20613.6亿美元波动下降至2022年的12809.6亿美元，较2005年有历史数据以来的峰值（2015年）下降了41.0%。同时，在人工智能技术发展驱动下，全球与人工智能相关的FDI项目数量大幅增加。数据分析公司Global Data公布的数据显示，全球人工智能相关的绿地投资项目数量由2019年的342个上升至2022年的660个，约占全球所有FDI项目的3.5%。

分区域看，印度、德国和美国为人工智能相关的绿地投资主要目的地，2022年三者依次获得122、70和51个人工智能相关绿地投资项目；随后为阿联酋、英国、法国、波兰、加拿大、新加坡和西班牙等，其获得人工智能相关绿地投资项目数位处17-36个之间。不难看出，发达经济体是人工智能相关绿地投资的主要目的地，印度则凭借其较低的运营成本和充足的人才储备成为人工智能相关绿地投资“热土”。

第二，人工智能或使得制造业向资本技术密集型经济体集中。一方面，对于高收入经济体而言，制造业劳动力成本较高驱使其将生产过程自动化，机器替代工人生产；另一方面，高收入经济体因资金和技术实力通常具有较强的人工智能投资能力，更易在其生产过程中提升机器人的使用率。结合数据观察，各主要经济体的机器人使用率与制造业增加值占GDP的比重较为吻合，即制造业增加值占GDP比重越高的经济体，其机器人密度越高。这与人工智能使得制造业向资本技术密集型经济体集中的设想一致。

以韩国为例，韩国制造业自动化率位居全球前列。其制造业中机器人强度由2015年的531台/万名工人上升至2022年的1012台/万名工人，位居全球第一。理论上，制造业自动化率提升有助于应对劳动力成本抬升压力，进而降低制造业向外转出压力。结合韩国制造业对外直接投资活动看，韩国制造业对外直接投资存量占韩国对外直接投资存量的比重由2013年的41.6%波动下降至2021年的35.5%，整体趋于下行。其中，劳动密集型行业对外直接投资存量占韩国对外直接投资存量的比重由2014年的4.6%波动下降至2018年的4.0%，随后小幅回升至2021年的4.1%。

第三，人工智能或加速发达经济体制造业回流。人工智能技术的广泛应用和推广有助于推动发达经济体制造业回流。具体原因有：一是人工智能可以通过优化生产流程、预测性维护等提高生产效率并降低生产成本，增强市场竞争力；二是人工智能可以通过降低对人工的依赖，弱化发达经济体高人力成本的不利影响。

近年来，受全球大流行及地缘政治冲突多发影响，以美国为代表的发达经济体主张制造业回流。为鼓励制造业回流，美国通过产业立法如《美国复兴与再投资法案》、《芯片与科学法案》、《通胀削减法案》等为制造业回流提供税收减免、补贴等激励措施。其中，在《芯片与科学法案》推出两年后，全球数十家公司已承诺在美国投资近 4000 亿美元半导体，且这些项目预计将为美国本土创造1.2万个工作岗位[2]，美国半导体制造业回流效果显著。2010年以来，其制造业回流及外商直接投资为美国本土带来的就业岗位不断增加，由2010年的0.6万个上升至2023年的3.7万个。其中，2023年制造业回流所带来的就业增加为1.1万个，占制造业回流及外商直接投资所带来的就业增加总值的59.0%，制造业回流是当年美国就业增加的主力之一。

从其驱动因素看，在驱使制造业回流和外商直接投资中的二十大因素中，更高的生产力、自动化/技术、更好的流程/交付/工厂控制、精益/其他业务流程改进技术、3D打印/增材制造等，表明人工智能技术的发明与应用有助于推动制造业回流。

第四，外商直接投资更易流向人工智能准备更为充足的经济体。人工智能有助于劳动力市场优化，降低成本并提高生产效率，其已成为全球直接投资的“向心力”之一。国际货币基金基于各国在数字基础设施、人力资本和劳动市场政策、创新与经济整合、监管与伦理等领域的经济发展指标评估了全球174个经济体的人工智能准备程度，即人工智能准备度指数（AI Preparedness Index，简称“AIPI”）。数据显示，2023年新加坡人工智能准备度指数为0.80，位居全球第一；随后依次为丹麦、美国、荷兰、爱沙尼亚、芬兰、瑞士、新西兰及德国，其人工智能准备度指数位处0.75-0.78之间。结合各经济体2023年外商直接投资流入量观察，人工智能准备度指数与其外商直接投资流入量一致，即人工智能准备度指数越高，其外商直接投资流入量越高。

三、人工智能与全球产业布局：机遇与挑战

早在2015年，国务院发布《中国制造2025》，将人工智能作为智能制造的关键核心技术，并明确人工智能在制造业中的应用和发展方向。2017年，国务院发布《新一代人工智能发展规划》，确立了三步走的战略目标，将人工智能上升为国家战略层面。在政策的加持下，我国人工智能发展水平位居全球前列。具体表现在：

从人才角度看，人工智能研究员是指工作在人工智能的前沿认识，其对人工智能技术的发展至关重要。按级别划分，人工智能研究人员又分为初级、中级、高级和顶级。其中，顶级人工智能研究人员最有可能在研究突破及确定商业领域的新用例方面引领潮流[3]。对此，美保尔森基金会的内部智库Macro Polo于2020年推出人工智能人才追踪系统，评估全球顶尖人工智能研究人员和科学家的平衡与流动。数据显示，2022年全球最优秀人工智能研究人员（前2%）集中分布在美国，约占全球最优秀人工智能研究人员总数的57.0%，随后依次为中国、英国、欧盟（德国+法国）和加拿大，依次占全球最优秀人工智能研究人员总数的12.0%、8.0%、8.0%、3.0%。同时，高级人工智能研究人员（前20%）主要分布在中国、美国和欧盟，依次占全球高级人工智能研究人员总数的47%、18%和12%，随后依次为印度、英国、加拿大、韩国和俄罗斯等地。

从研究成果看，人工智能研究成果可通过出版物数量与质量量化比较，Ahmed H. et al（2024）利用世界上最大文献计量数据库（SciVal/Scopus）分析了1998至2022年期间人工智能研究生产力排名前15的经济体的研究成果。从数量看，1998至2022年，中国、美国和印度人工智能出版物最多。2022年中国大陆共发表47663篇文章，随后依次为印度、美国、英国、德国、日本、意大利、加拿大、法国、澳大利亚、韩国、西班牙、新加坡、中国香港地区和瑞士。从研究质量看，Ahmed H. et al（2024）用引用次数、引用次数/出版量等指标衡量出版物质量。由于引用次数受产出数量影响，引用次数/出版量能更好衡量出版物的质量。数据显示，2022年澳大利亚的出版物引用量/出版量以8.3位居全球第一，随后依次为新加坡、中国香港、瑞士等，其出版物引用量/出版量位处5.9-7.3之间。

从风险投资看，伴随人工智能发展，全球掀起人工智能投资热潮。根据OECD（2021）对全球2012-2020年人工智能公司风险投资趋势的分析，人工智能领域的风险投资正快速增长，且美国和中国正引领这波投资热潮。数据显示，2012-2020年，美国人工智能相关风险投资交易数量为8899例，占全球人工智能相关风险投资交易数量总数的43.3%；随后依次为中国、欧盟、英国、日本和印度等地，其人工智能相关风险投资交易数量依次为4059、1948、1158、775和765例，占全球人工智能相关风险投资交易数量总数的19.8%、9.5%、5.6%、3.8%、和3.7%。从融资规模看，根据毕马威（2023），2022年美国人工智能企业吸引风险投资规模最高，占全球人工智能风险投资规模的比重为58.0%，随后依次为中国、英国、以色列和印度等，依次占全球人工智能风险投资规模的12.0%、7.0%、5.0%和3.0%。

伴随人工智能对全球产业转移的影响深化，我国在产业布局过程中的机遇与挑战并存。

3.1 产业布局中的机遇

借助于人工智能发展比较优势，我国在本轮产业转移中的机遇主要有：

第一，劳动密集型行业“自动化率”提升，产业转出压力部分缓解。2023年我国人口自然增长率为-1.48‰，人口总量进一步减少至140967万人。同时，60岁及以上老年人口占总人口数量的比重为21.2%，进入中度老龄社会。人口数量减少叠加人口结构老龄化，我国劳动力成本优势弱化。在此背景下，我国实际利用外商直接投资流入下降，且企业“走出去”步伐加快，我国直接投资由“净流入”转为“净流出”。数据显示，2023年我国对外直接投资规模为1772.9亿美元，高出同期我国实际利用外资规模139.9亿美元。

伴随劳动力成本抬升，企业“自动化”水平提升。从我国制造业机器人密度看，2015年以来我国制造业机器人密度不断提升，由2015年的97台/每万名工人上升至2022年的392台/每万名工人。结合赵宸宇等（2021）测算的各行业的数字化转型指数看，劳动密集型行业和资本技术密集型行业数字化程度更高，而资源密集型行业数字化程度较低，具体来看，仪器仪表制造业、家具制造业、计算机通信和其他电子设备制造业、纺织服装服饰业等数字化转型程度位居各行业前列，非金属矿物制品、废弃资源综合利用业、化学纤维制造业、石油加工等行业数字化转型程度较低。

受益于“自动化”生产，我国劳动力密集型行业产业转出压力有所缓解。以纺织服装为代表，每一轮产业转移均伴随着该产业向劳动力成本相对较低的经济体转移，先由英转移至美国、日本，再到“亚洲四小龙”，最终转移至中国大陆，目前正向东南亚转移。从我国纺织服装出口占全球纺织服装出口总值的比重看：在产业转入阶段（1996-2014），我国纺织服装出口占全球纺织服装出口总值的比重稳步上行，由1996年的11.2%上升至2014年的34.0%；在产业转出阶段（2014-2019），我国纺织服装出口占全球纺织服装出口总值的比重趋于下行，由2014年的34.0%下降至2019年的31.3%。受全球大流行影响，2020年我国纺织服装出口占全球比重凭借供应链优势重回历史峰值至35.3%；2021-2022年，全球大流行影响逐步消退后，我国纺织服装出口占全球比重分别维持在32.9%和33.7%的高位，高于全球大流行之前的水平。究其原因，这或与近年来该行业“自动化”提升有关。中国纺织工业联合会数据显示，截至2022年底，我国纺织行业信息化和工业化融合总体发展水平评估指数达到57.1，生产设备数字化率达到55.6％，智能制造就绪率为14.6％；服装“三衣两裤”单机与流程自动化基本实现，示范企业生产流程中自动机使用率达到80%，关键业务环节全面数字化的企业比例达到56.8%[4]。

第二，人工智能或成为我国“稳外资”的抓手之一。一方面，受国内劳动力及土地等要素成本抬升及外部环境收紧影响，我国实际利用外资规模下行。2023年我国实际利用外资同比下降13.7%至1632.5亿美元，为2016年以来首次负增长；另一方面，在国内利润空间压缩及地缘政治影响下，我国存量外资亦有“外流”压力。从外资存量看，2022年我国实际利用外资存量同比下降3.8%至34963.8亿美元。新增外资流入放缓而存量外资面临“外流”挑战背景下，我国“稳外资”急迫性上升。对此，人工智能发展或成为我国“稳外资”的抓手之一，具体着力点主要有：一是在人工智能技术发展驱动下，全球与人工智能相关的FDI项目数量大幅增加，我国可通过促进要素流动、加大税收优惠、资金支持等政策提升我国对人工智能投资的吸引力。二是通过推动本土制造业“自动化”，增强我国对外资的吸引力。綦建红和周洺竹（2024）基于考察机器人应用对外资撤离的影响及其作用机制发现，机器人应用通过优化劳动力市场、保障供应链稳定和提高市场多元化等机制，帮助降低外资撤离的概率。

3.2 产业布局中的挑战

在全球强调降低供应链风险的背景下，发达经济体利用其技术优势推动制造业回流本土，我国产业布局所面临的外部竞争压力加大。具体表现为：

第一，产业竞争压力加大。以半导体为例，2022年9月美国《芯片与科学法案》通过，该法案规定给予美国半导体制造、研发等527亿美元的资金支持。根据美国半导体协会，自《芯片与科学法案》通过以来，美国宣布了90个新的半导体生态系统项目，28个州宣布了近4500亿美元的私人投资[5]。根据Trend Force[6]，受益于半导体投资增长，美国先进制程产能占全球比重有望由2022年0%上升至2027年的12.0%，而中国台湾地区先进制程产能占全球比重则由2022年的79.0%下降至2027年的65.0%，中国大陆先进制程产能占全球比重则维持在1.0%的水平。

第二，核心技术突破面临挑战。中美技术竞争背景下，美国对我国实施“小院高墙”策略，即在核心技术领域对我国构建“高墙”抑制我国技术进步。以半导体技术为代表，2019年以来，美国通过增列出口管制“实体清单”、修改出口管制条例（Export Administration Regulations，EAR）中“外国直接产品”规则（foreign-produced direct product rule）及实体清单（Entity List）等，限制我国半导体技术发展。同时，《芯片与科学法案》规定，在接受联邦补贴之日起的10年内，受援实体不得参与任何使中国或任何其他“受关注的外国”（foreign country of concern）（包括俄罗斯、伊朗、朝鲜等对美国构成“国家安全威胁”的国家）半导体制造能力得到“ 实质性扩张”（material expansion）的重大交易（foreign country of concern），对我国半导体发展施加限制性条款。外部环境收紧限制了我国获取先进制程芯片和先进制造技术的外部渠道，半导体技术突破面临一定挑战。

第三，绿色低碳转型面临一定挑战。大模型训练消耗大量的电力，ChatGPT每天要响应大约2亿个请求，在此过程中消耗超过50万度电力，相当于1.7万个美国家庭的用电量[7]；同时，算力基础设施中数据中心产生大量碳排放，算力设备冷却需消耗大量水资源等。因此，算力需求不断增长可能带来能源消耗、碳排放及水资源消耗上升等挑战，如何兼顾人工智能发展与绿色节能是我们面临的一项重要课题。

四、人工智能与全球产业布局：政策建议

根据前文，一方面，人工智能有助于缓解我国产业转出压力并成为我国“稳外资”新抓手；另一方面，发达经济体正利用人工智能优势推动产业回流，且技术突破的外部环境收紧。为抓住机遇并应对挑战，建议：

一是加强人工智能相关基础设施建设，构建高性能的算力基础设施。随着人工智能技术不断发展和推广应用，其对算力需求不断增加。截至2023年底，我国在用算力中心机架总规模达到810万标准机架，算力总规模超过230EFLOPS (FP32)，全球排名第二。存力规模约为1200EB，其中先进存储容量占比超过25%[8]。在此基础上，我国可进一步优化算力基础设施布局，并适度超前布局算力基础设施。

二是通过促进数据要素流动、适度开放公共数据、加大税收优惠、提供资金支持等措施提升我国对人工智能投资项目的吸引力。在促进要素流动方面，在强调数据安全和隐私保护的同时，对标国际高标准开放水平，促进数据要素跨境流动和共享。如，美国通过便利对高质量联邦数据、模型和计算资源的访问，促进人工智能研发[9]。借鉴该经验，我国可在保护数据安全的前提下，适当加大公共数据开放，增加企业访问公共数据的途径。在政策支持方面，可进一步扩大全国鼓励外商直接投资产业目录，尤其是增加人工智能相关细分行业；在符合WTO补贴要求下，对人工智能外商直接投资创新活动给予一定的补贴支持。

三是推动制造业“人工智能+”，提高制造业自动化水平。根据不同行业的自动化特点制定相应的自动化率目标，通过财政补贴、贷款优惠及税收优惠等手段鼓励企业自动化设备采购和应用，降低企业自动化设备采购成本并提高其积极性。尤其是对有助于我国产业链“锻链补链”的外资企业，通过财政补贴、税收优惠等措施提升其“自动化”水平，稳定这部分外资。

四是加强人工智能人才培养，弥补人工智能领域人才缺口。根据脉脉发布的《2023人工智能人才洞察报告》，2023年1-8月人工智能行业供需比为0.39，相当于5个岗位竞争2个人才[10]，人工智能领域人才缺口有待弥补。对此，一方面，鼓励高校依市场需求加强人工智能人才自主培养；另一方面，可通过高校跨国合作、人才引进计划等加强人工智能领域人才引进。

五是平衡算力发展与绿色转型目标，促进数据中心绿色转型。目前我国通过东数西算，在清洁能源丰富的西部地区增加算力基础设施，但东数西算带来了跨区域数据传输、数据中心资源调度统筹、存算发展不均、多层级安全防护等方面的挑战。因此，需要完善数据传输基础设施建设，建立低时延、大带宽、扁平化的传输网络；培育与算力能力相配套的存储能力；理清东数西算不同参与主体的数据安全责任及责任边界等。同时，鼓励创新液冷、储能等技术，探索利用海洋、山洞等地理条件建设自然冷源数据中心，探索数据中心智能运维机器人系统创新等，促进数据中心绿色升级。

文章来源：兴业研究宏观公众号