2.2　欧洲

人工智能已经成为当前全球最热门的投资领域之一，除中国外，美国与欧洲各国的投资较为密集、数量较多，其次为印度、以色列等国。在欧洲各国中，英国的人工智能企业数量（267家）最多，占全球总数的4.42%。其中，仅伦敦就存在223家人工智能企业，占全球总数的3.69%。

从计算机之父、人工智能概念雏形的提出者图灵，到将人工智能关注度推向新高潮的围棋软件AlphaGo，都说明了英国在人工智能领域的优势由来已久。

英国帝国理工学院数据科学研究所所长郭毅可在接受记者专访时表示，英国政府非常懂得如何把数据资源社会化。例如，英国政府会把所有收集到的城市信息都公开，免费提供给所有的初创公司，初创公司基于这些数据资源可以进行很多的创新。与此同时，伦敦、牛津、剑桥三地共吸引了约四分之三的欧美基金在此设立分支，目前在伦敦工作的研发人员达42万人。英中贸易协会技术主任马克·海德利在接受记者采访时表示：“我认为英国企业可以向微信、支付宝等平台学习如何更好地向消费者提供服务。”与此同时，英国在金融监管方面由于其成熟的监管体系而具有传统优势。

金融科技的迅速发展引发了金融风险与技术风险的叠加，进而导致人们对于系统性风险的担忧。在推动产业技术快速发展的同时，英国政府及科技创新型公司也意识到监管科技的重要性。目前业内普遍认为，随人工智能发展而生的监管科技可以实时捕捉市场动态并进行复杂的计算，更好地识别与防范金融风险和技术风险，提高企业的风控能力。预计2020年，全球对监管、合规等方面的金融科技需求将达到1187亿美元。在金融领域应用人工智能技术所创造的产品价值应首先满足风控要求，所以未来监管科技很可能成为金融科技领域的“新蓝海”。

但是从人工智能的应用范围来说，欧洲的发展受到一些来自内部及外部因素的挑战。内部挑战在于公司和公共部门对人工智能技术的应用需要建立一个适应未来技术发展的灵活监管框架，并尊重关键的根本原则，包括社会和制度原则，如捍卫民主、保护弱势群体（如儿童）及隐私，同时还包括经济原则，如促进创新和竞争。整个欧洲大陆的公司采用数字技术的进度缓慢，2017年，全球数据仅有4%存储在欧盟，而且仅有25%的大企业和10%的中小企业使用大数据分析软件。在大多数欧洲国家中，数据科学家的人数占总就业人数不到1%。大公司能够采用人工智能技术来改进自身系统，但小公司需要面对重重困难，如缺乏技术人才、面临高昂的投资和难以预估的经济回报等。对于以数据为根本的人工智能来说，没有数据的验证，算法不经过落地的挑战都是不成熟的。不过，欧洲有潜力在物联网与人工智能领域取得领先优势，只是当下这些领域仍处于模拟运作中。再次错失数字化发展，会使欧洲的公司在竞争中处于劣势，长期来看也会对经济、税收和就业产生重大影响。通过建立机器互联系统并采用人工智能技术，欧洲的公司将获得“人工智能倍增”效应，不仅使其变得更加高效，而且还能捕获和分析大量机器生成的数据作为运营的副产品。

外部挑战在于人工智能在世界各地的发展速度不均衡，一些地域会拥有结构优势。例如，硅谷具有独特的经济结构，能支持具有强大商业应用的颠覆性创新。再如，有数据显示，93%的中国用户愿意与汽车制造商共享位置数据，中国更有可能成为汽车数据革命的“热土”。如果中国的公司能够实施更先进的人工智能技术并做好数据挖掘，中国将成为有力的竞争者。中国在人工智能领域的研究也反映在学术界，目前中国的研究人员较美国或欧洲同行发表了更多关于深度学习的学术文章。虽然欧洲的科研基础比较强大，但长期以来无法将有前途的发明转化为真正的创新，因而缺乏全球性的大型数字公司。

在专利提交和投资方面，欧洲也落后于美国和中国。2016年，外部投资者将9亿～13亿欧元投入欧洲公司，但他们在亚洲投资了12亿～20亿欧元，在北美投资了40亿～64亿欧元，同时欧洲公司的内部投资也很低。尽管一些欧洲的人工智能公司在开发新的人工智能技术（如DeepMind、Skype等）方面表现良好，但往往在后期被非欧洲的公司收购。欧洲有时会成为人工智能公司的“孵化器”，却无法建立起大规模和国际化的科技公司，而其他科技公司却借机在欧洲兴建人工智能中心。

为了应对上述挑战，欧洲需要一个全面的涵盖商业和公共管理的战略部署，除了为人工智能的发展创设有利环境，还必须基于广泛认可的价值观和原则来建立全球的监管规范和框架，以保证人工智能的发展以人为本。