布鲁盖尔研究所-是什么阻碍了人工智能在欧洲的应用？（英）-2021.11-19页_778kb
报告摘要
总结：欧洲人工智能采用的障碍
核心内容
人工智能（AI）被认为是未来经济增长的关键驱动力，能够提升劳动生产率和企业竞争力。然而，目前欧洲企业在AI采用方面进展缓慢，远低于全球其他地区。本文旨在分析欧洲企业AI采用的障碍，并提出政策建议以促进AI技术在欧盟范围内的推广。
主要观点
- AI采用现状：欧洲AI采用率较低，且在不同国家和企业类型之间存在显著差异。根据欧洲委员会（2020）和Eurostat（2021）的数据，AI采用率在不同数据源之间差异很大，且与企业规模正相关。
- 采用障碍：AI采用受到技能、数据和资金等多方面因素的限制。技能方面，企业需要具备计算机科学、IT基础设施和数据管理能力；数据方面，企业内部数据的可用性比外部数据更为关键；资金方面，研发补贴和税收优惠对非AI企业更为有效。
- 采用阶段差异：AI的三个阶段（研究、开发、采用）各自面临不同的挑战。研究阶段依赖学术资源和公共资金，开发阶段依赖外部数据和创业资本，而采用阶段则更关注企业内部数据和运营调整。
- 政策建议：为加速AI在欧盟的采用，政策制定者应关注企业所面临的环境和技术障碍，包括改善数据获取、促进技能发展和提供财政激励。
关键信息
AI采用的阶段与障碍
| 阶段 | 主要参与者 | 主要障碍 |
|---|---|---|
| AI研究 | 大学、私人研究实验室 | 缺乏公共资金和学术AI人才 |
| AI开发 | 技术公司（大科技、AI初创企业） | 缺乏外部数据、创业资本不足 |
| AI采用 | 非AI企业（所有行业） | 缺乏内部数据、技能和IT基础设施 |
AI采用率的行业分布（表2）
| AI应用类型 | 所有行业 | 农业、林业与渔业 | 制造业 | 建筑、废弃物、水与电 | 商业、运输、酒店与娱乐 | IT、金融、房地产与科学 | 教育、医疗与社会工作 |
|---|---|---|---|---|---|---|---|
| 风险与欺诈分析 | 13% | 15% | 13% | 10% | 13% | 15% | 16% |
| 设备优化 | 13% | 13% | 15% | 11% | 11% | 13% | 14% |
| 过程自动化 | 12% | 14% | 17% | 9% | 10% | 13% | 13% |
| 机器人 | 9% | 18% | 15% | 8% | 7% | 7% | 10% |
| 计算机视觉 | 9% | 14% | 8% | 9% | 8% | 11% | 9% |
| 推荐引擎 | 9% | 7% | 8% | 7% | 9% | 11% | 10% |
| 艺术与设计 | 7% | 9% | 9% | 8% | 5% | 8% | 11% |
| 情绪与行为分析 | 3% | 3% | 1% | 2% | 2% | 4% | 5% |
AI采用率的企业规模差异（表3）
| AI应用类型 | 所有企业 | 微型企业（5-9人） | 小型企业（10-49人） | 中型企业（50-249人） | 大型企业（>250人） |
|---|---|---|---|---|---|
| 风险与欺诈分析 | 13% | 13% | 11% | 15% | 21% |
| 设备优化 | 13% | 12% | 11% | 15% | 17% |
| 过程自动化（RPA） | 12% | 10% | 11% | 14% | 21% |
| 预测（非统计） | 10% | 9% | 10% | 13% | 15% |
| 自然语言处理 | 10% | 9% | 8% | 12% | 16% |
| 推荐引擎 | 9% | 9% | 8% | 10% | 12% |
| 机器人 | 9% | 7% | 8% | 11% | 15% |
| 计算机视觉 | 9% | 8% | 8% | 9% | 12% |
| 艺术与设计 | 7% | 7% | 7% | 7% | 10% |
| 情绪与行为分析 | 3% | 2% | 2% | 3% | 4% |
AI采用率的国家差异（图2）
AI采用率在不同国家之间差异显著，欧洲委员会数据与Eurostat数据之间相关性极低（-0.02），表明两者在定义和分类上存在较大差异。例如，德国和奥地利的AI采用率较高（19%和16%），而希腊的AI采用率较低（1%）。
企业规模与AI采用
- 企业规模与采用率：企业规模与AI采用率呈正相关，大型企业（>250人）的AI采用率明显高于小型企业（<50人）。
- 非线性趋势：在某些AI应用类型中，微型企业与小型企业之间的AI采用率呈现U型趋势，即微型企业采用率更高。
国际比较与历史经验
- AI采用与数字化浪潮：AI的采用与2000年代的数字化浪潮类似，当时企业面临类似的障碍，如技能短缺、IT基础设施不足和资金限制。
- 政策借鉴：通过分析过去数字化浪潮的采用经验，可以为当前AI政策提供参考，如加强技能培养、优化数据获取、提供财政激励等。
结论
欧洲AI采用率较低，主要受制于技能、数据和资金等障碍。为了推动AI在欧盟的广泛应用，政策制定者应采取措施，改善企业所处的环境和技术条件，以促进AI技术的落地与应用。
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
