人工智能：新基建 迎接智能新时代

本篇文章9716字，读完约24分钟

正文:恒大研究院的坐，谢

人工智能是新一轮产业转型的核心驱动力，它将推动数万亿数字经济产业的转型升级。三次工业革命的历史表明，机械技术、电力技术和信息技术能够极大地促进生产的标准化、自动化和模块化，具有很强的普适性。人工智能技术具有相似的特点和巨大的应用潜力。国务院《新一代人工智能发展规划》指出，到2025年，中国人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。

人工智能是新一轮科技竞争的制高点，对经济增长和国家安全至关重要。在这场全球竞争中，中国的优势在于，百度、华为和阿里等平台公司积累了坚实的技术基础、丰富的应用场景和海量数据(603，138)。在新的基础设施战略下，它们将为国家发展创造新的竞争优势，并注入新的增长动力，有望成为人工智能新基础设施的主导力量。当然，中国在基础科学研究、基础算法、核心芯片和高端人才方面还存在不足。一个大国的科技实力是国家实力的核心，能否抓住智能时代的变革机遇，是中国建设现代化强国的关键。

1迎接智能的新时代

1.1人工智能是数字经济时代的“新力量”

人工智能是第四次产业革命的重要组成部分，它将推动数字经济产业的转型升级。自18世纪以来，人类社会发生了三次大规模的技术革命，即蒸汽机革命、电力革命和信息互联网革命。每一次技术革命都伴随着相关学科的发展，理论知识在实际应用中不断完善。“技术突破——知识学科的进步”形成良性循环，成为其他后续技术发展的支撑，其对社会的影响也将相应增强。由于互联网信息时代的数据积累，半导体行业的设计、工艺进步和芯片计算能力都有所提高。深度学习与强化学习相结合所带来的计算机视觉、语音技术和自然语言处理技术的应用更加准确，而人工智能将是第四次。技术革命中的重要技术，正如人工智能和机器学习领域的国际权威学者吴恩达所说，“人工智能是一种新型电能，它正在改变医疗、交通、娱乐和制造等主要行业，丰富和丰富无数人的生活”

自1956年达特茅斯会议首次提出人工智能以来，人工智能已经发展了60多年。人们普遍认为，计算机需要通过不断的自学和扩大知识库来掌握许多人类技能，如绘画、唱歌、阅读和设计，这是“智能”的表现。中国信息通信研究院在《人工智能发展白皮书》(2018)中提到，人工智能可以理解为利用机器不断感知和模拟人类的思维过程，使机器能够达到甚至超越人类的智能，即人工智能需要类人的感知、思维和决策能力。

人工智能的基础层、技术层和应用层发展迅速，许多应用已经渗透到日常生活中。基础层包括三个部分:硬件、算法和海量数据。硬件的核心是具有高计算能力的芯片，如cpu、gpu、asic、fpga等。算法的核心是机器学习，包括深层学习、浅层学习和强化学习。技术层包括计算机视觉、语音、自然语言处理和其他技术。应用层是人工智能产品、服务和解决方案，适用于家电、金融、机器人(300024、诊断单元)、汽车、医疗等领域。在过去的十年里，人工智能发展迅速。面对日益增长的需求，百度、华为、阿里等一些有着长期R&D经验的企业也相继推出了人工智能开发平台或人工智能系统，有望成为人工智能新基础设施的主导力量。尽管与科幻电影中的人工智能概念有很大差距，但人工智能产品和服务已经广泛应用于我们的现实生活中，从多语言翻译软件和智能扬声器到自动驾驶系统、城市安全系统和城市大脑。人工智能的发展已经远远超出了早期的概念，政府、企业和非营利组织已经开始积极接受这一技术。

1.2从“+人工智能”到“人工智能+”

人工智能已经应用于许多垂直领域。目前，较为成熟的领域包括家庭、金融、交通、医疗等。通过与许多垂直领域的结合，人工智能技术可以在两个方面进行产业赋权:一方面，提高生产效率，降低成本，提高效率，即“人工智能+”;二是创造新的需求和增长点，即“人工智能+”。

1.“+人工智能”:快速高效地处理数据，兼顾普通用户和长尾用户，提高生产效率，实现降本增效。以金融业为例。目前，人工智能主要应用于风险控制、支付、理赔和投资，其中智能投资最为成熟。智能投资于2008年诞生于美国。由于专业素质和手工服务的性质，美国主要金融机构的投资门槛相对较高，平均投资门槛约为5万美元，平均管理成本为所管理资产的1.35%，服务对象主要是中高资产阶级。然而，随着千禧一代的增长和传统用户的饱和，金融机构对于如何赢得这些长尾用户的需求正在增加。人工智能通过海量数据学习、精确算法分析，结合用户提供的风险承受水平、收益目标和市场动态，提供个性化定制服务。与人工服务相比，智能投资的投资门槛低至500美元，管理率约为0.02%-1%。目前，招商银行(600036)(港股03968)和中国工商银行(601398)(港股01398)等国内主流金融机构也推出了智能投资产品，其他机构也加强了类似功能产品和服务的研发。

人工智能在新冠肺炎的肺炎防控中也发挥了巨大的作用，主要包括疫情监测、体温检测、病毒检测、复工复产等。春节期间新冠肺炎疫情的爆发给病毒检测、追踪、隔离和预防带来了巨大挑战。人工智能的应用，在数据的支持下，主要帮助时间追踪和流行病研究。以百度解决方案为例。1)体温监测和疫情图加强疫情监测。与非典时期相比，春节假期中新型冠状病毒正好与全国各地的高速人流同时出现，而病毒的高感染特性使得早期人工检查更加困难。人工智能计算机视觉的应用，一方面满足了机场、高铁等公共场所温度监测的需要，另一方面满足了对疑似病例和携带病毒人员身份的检查和记录的需要，提高了疫情调查的强度和效率。2)网上咨询和病毒检测减缓了医疗服务的压力，中国的医疗资源不足且分布不均。新冠肺炎疫情初期，医院门诊因恐慌引发的大量交叉感染病例给医疗资源带来了巨大压力。在线咨询工具的发展一方面减少了医务人员接触感染的机会，另一方面也聚集了医疗资源，减轻了临床医生的负担，提高了诊断效率和服务质量，弥补了人力的不足。此外，人工智能大大提高了新病毒的检测速度。百度开发了线性时间算法linearfold，将新冠状病毒rna结构的检测速度从55分钟缩短到27秒，速度提高了120倍。3)远程工作和在线教育有助于恢复工作和教育。百度刘茹和百度智能云提供企业通讯、语音视频会议、协同工作、在线教学等服务，可以保障员工和学生的健康，加快办公和教学的恢复。

2.“人工智能+”:创造新的需求、新的商业模式和新的经济增长点。以汽车为例，智能网络连接是人工智能在汽车行业应用中最受关注的领域。一方面，智能网络连接可以提高汽车的智能性，包括自动驾驶、智能语音、智能驾驶舱等。；另一方面，结合5g技术，提高汽车信息的沟通能力，实现网络化，包括人员和车辆安全管理、城市道路交通规划等。1)汽车将成为各种服务和应用的入口，这将催生一种新的商业模式:智能联网汽车可以在其生命周期内升级和不断更新其在ota空的应用，界面交互将为汽车提供更多的应用场景——在无人驾驶的情况下，司机将有更多的空闲时间，而汽车联网技术将使汽车随时与办公室、家庭和公共设施相连。与智能手机产业的发展相似，随着智能网络化汽车的成熟发展，数据增值(包括共享旅行、汽车保险、金融服务)、娱乐休闲、智能规划等应用环节的重要性和产业价值将超越简单的汽车生产制造环节。2)汽车电子和汽车软件需求增加:汽车电子和软件对汽车的重要性增加，自动驾驶、计算平台和车载操作系统等尖端技术成为新的价值增长点。

2020年4月19日，百度机器人公司推出了百度地图和百度应用智能小程序dutaxi，向长沙市民全面开放了试驾服务。这意味着在相关法律法规的指导下，百度率先在湖南省湘江新区推动机器人进入正常试驾阶段。在场景方面，apollorobotaxi已经开通了约130平方公里的出租车里程，行驶路线涵盖了长沙本地居民区、商业休闲区、工业园区等多维度的实用生活场景。在产品方面，阿波罗机器人的视觉界面可以在360度的视野范围内恢复障碍物和动态预测，并呈现道路状况，如过往车辆、车道、十字路口和交通灯，同时伴有限速提示和车道变更提醒。用户可以通过屏幕实时关注车速、剩余里程等驾驶信息。百度等企业积累了自动驾驶、车路协调、智能车耦合等平台技术的研发成果，有望进一步复制到智能交通控制、智能公交、智能停车、智能货运等应用场景中。，这不仅将推动传感器、芯片、自动驾驶算法、智能驾驶舱、汽车云服务等行业的发展，还将提高出行效率、降低出行成本，有望成为智能出行的重要增长点。

2人工智能技术制高点之战

人工智能产业的竞争是各国在政策、基础研究、技术和资金等方面综合实力的竞争。目前，世界各国政府对此高度重视，在基础设施建设、基础科学研究、人才培养、研发经费、合作交流等方面给予支持和鼓励。资本和企业也积极寻求商业着陆方案，以协助技术改造。技术落在垂直领域，然后产生新的数据，这促进了算法更新迭代，并进一步服务于垂直领域，所以它不断重复发展。在这场全球竞争中，中国的优势在于其庞大的数据和实践经验，但在基础科学研究、基础技术和前沿发展方面仍存在薄弱环节。

2.1政策:世界主要国家和地区对此高度重视

以alphago事件为分水岭，人工智能在空之前就已经受到重视，主要国家和地区也加入了这场关乎大国未来科技实力的竞赛。由于缺乏普及的基础设施、先进的技术和众多的理论分支，人工智能的发展经历了三次大起大落。直到2016年，由deepmind开发的alphago向世界顶尖棋手李世石发起挑战并赢得最后胜利，世界才再次感受到人工智能带来的魅力。阿尔法戈在人机竞争中的观察、思考和决策能力与人类相当甚至更好，吸引了世界各国和地区开始并加强人工智能领域的研究和开发。据不完全统计，近30个国家和地区包括美国、中国、欧盟、日本、韩国、印度、丹麦、俄罗斯等。发布了与人工智能相关的战略规划和政策部署。其中，约80%的国家在2016年后密集发布了相关政策和官方计划，如美国的《人工智能研发国家战略计划》、英国的《机器人与人工智能》和中国的《互联网+人工智能三年行动实施计划》。

从公布的政策计划中，各国和各地区认识到人工智能对未来人才、产业升级、社会福祉和全球影响力的重要性，并将其作为国家战略加以推广。根据科研实力、人才集聚程度、基础设施完备性、国情等因素，各国和各地区侧重点不同。

美国致力于保持全球科技的主导地位，而人工智能是其科技地图的核心。从奥巴马时代到特朗普时代，美国一直积极支持人工智能研究，并将其政策态度从“引导和支持”转变为“引导”。2019年，美国先后颁布了“保持美国在人工智能领域的领先地位”、“国家人工智能R&D战略计划”和“美国人工智能时代:行动蓝图”三项重要政策，表明美国政府高度重视人工智能技术并保持其领先地位。主要措施包括:1)加强联邦政府资助。美国认为政府资助是促进科学研究进展的重要环节，但官方资助却逐渐减少。此外，1997年，鼓励企业通过减税增加对R&D的投资；2)充分发挥硅谷的创新力量，建立包括计算机视觉、语音语义和开源框架平台在内的技术和产业生态链；3)关注基于芯片的硬件层，包括推动国内半导体制造业发展、建立多边出口管制、保护供应链；4)关注全球人才，包括国内人才的培养和国际人才的吸引，认为有必要简化相关人才的h-1b签证申请程序；5)加强合作，包括组织国内外R&D中心或联合实验室，举办创新竞赛；6)开展前沿技术研究。

欧盟专注于工业、制造业、医疗保健、能源等领域，强调创新的创造性和利用人工智能对制造业及相关领域进行智能升级。与美国类似，欧洲联盟较早开发了人工智能，并通过颁布政策、支持资金、启动国家计划和建立关键研究实验室(例如，2018年发布的《人工智能合作宣言》)来支持人工智能技术和产业发展。此外，作为“数字欧洲”计划和“地平线2020”计划的重要环节，人工智能相关项目也将获得数十亿欧元的投资。与美国相比，1)欧盟更加重视人工智能的道德伦理研究，并在许多文件中指出人工智能的发展需要符合人类伦理。例如，2020年3月颁布的《走向卓越与信任——欧盟人工智能监管的新路径》明确指出，为解决《保护人民》中能力不平等、信息不透明及相关权利等问题，有必要建立一个人性化监管的监管框架，注重数据安全和隐私保护；2)欧盟更加重视人工智能的应用，这不同于美国的全面领先。欧盟希望利用人工智能技术，利用其在制造业、工业、汽车等领域的优势，如欧盟2030自动驾驶战略，来加强和提升其工业。

由于儿童数量较少的严重老龄化问题，日本把重点放在人工智能在机器人、医疗保健、汽车运输等领域的应用上。日本的生育率长期处于低水平，其老龄化水平长期居世界首位。工作年龄人口的比例在1992年达到峰值，总人口在2008年达到峰值，这对日本的经济和社会发展产生了深远的负面影响，包括养老金和健康等挑战。从2016年发布的日本下一代人工智能推广战略开始，日本不断推出相关政策计划，重点围绕“基础研究-应用研究-产业化”三个方面，由内政通信部信息通信技术研究所和教育文化体育科技部进行人工智能理论与技术的研发，通过工商部解决应用场景问题。 通过工商部建立的以成果转化和推广为主的人工智能研究中心，促进产学研合作。

中国人工智能分三个阶段逐步推进，重点是与制造业和服务业的融合。自2015年以来，中国的人工智能相关政策已从智能制造时期、“互联网加”时期(以“互联网加”人工智能三年行动实施计划为代表)演变为“智能加”国家战略时期(以“新一代人工智能发展计划”为代表)。该政策的重点也是从核心技术到实用场景，从特定行业到跨境集成，从单个技术到人机协作。与美国和欧盟类似，中国也强调建立相关试点项目，包括技术示范试点、政策实验和社会实验。

2.2基础科学研究:美国是最强的，中国正在迅速赶上

我国人工智能领域的论文数量增长迅速，但论文质量与美国仍有差距。全世界共发表了70多万篇关于人工智能的论文，中国和美国是出版大国。2018年，中国和美国分别发表论文2.5万篇和1.6万篇，占世界总数的46.5%。从增长趋势来看，美国保持了一致的增长，而中国自2014年以来增长迅速。中国论文占全球总数的比例从1998年的8.9%上升到2018年的28.2%。从代表论文质量的fwci指数(平均加权引文影响指数)来看，中国论文质量也在稳步提高，从1998年的0.43提高到2018年的1.39。美国保持世界最高水平，多年来一直在2左右。2018年，fwci指数达到2.38。

Fwci指数:fwci标准化为1。当一个国家或机构的fwci指数为1时，表明该国家或机构的引文影响力处于世界平均水平。如果一个国家或机构的fwci指数为1.2，这意味着该国家或机构的论文被引用次数超过世界平均水平20%。如果一个国家或机构的fwci指数为0.8，这意味着该国家或机构的论文被引用次数比世界平均水平低20%。

从出版机构的类型来看，包括中国、美国、欧盟27国在内的所有国家和地区都把大学作为核心科研力量。2018年，三所大学的论文产出分别占其总产出的92.1%、84.6%和90.7%。除了大学，中国和美国的主要科研课题是不同的。2018年，中国科研机构的产出约为中国企业的3倍，而美国企业的产出约为美国科研机构的1.6倍。

2.3数据量:“原材料”在人工智能时代，中国具有规模优势

计算机和智能手机的普及，互联网和移动互联网积累的数据爆炸，是推动人工智能技术和应用突破的重要原因之一。人工智能需要“感知、思考和决策”。首先，它需要足够好的原始数据来训练计算机，就像培育好的小马和喂新鲜的草一样。“足够”意味着数据量很大。计算机的发明简化了计算并以电子形式保存了信息。智能手机的普及极大地提高了全球互联网用户的普及率。他们都保存了大量的数据。“足够好”意味着更好的数据质量。互联网的诞生大大缩短了信息交流的物理距离，提高了交流的速度。各种互联网服务应用应运而生，它们产生的数据类型也更加多样化，包括浏览偏好、销售清单频率、旅游记录等。只有丰富多样的数据才能满足人工智能训练的各种需求。

数据增长和应用依赖于信息和物理基础设施建设，中国将成为世界上最大的数据中心。得益于人口、互联网普及率、智能手机普及率和网络速度，2018年中国拥有7.6兆字节的数据，占全球数据总量的23.4%。随着5g和物联网的发展，通信设备的接入数量和承载能力都有所增加，终端消费者的数量也有所增加。中国的数据量到2025年将达到48.6兆字节，占全球数据总量的27.8%，成为世界上最大的数据中心，这将极大地促进和丰富人工智能培训，相关的模型结构和结果将更加准确。

2.4技术:深度学习促进了人工智能的繁荣

足够好的数据支持人工智能的“感知”阶段，而人工智能算法使计算机能够思考，从而实现“理解和决策”，而深度学习在这一过程中做出了巨大贡献。深度学习是一类模式分析方法的总称。计算机可以通过学习样本数据掌握内部逻辑和规律，从而具备分析能力。这项研究可以追溯到1958年弗兰克·罗森布拉特发明的感知器。使用感知器，可以进行图像辨别的训练，例如，“苹果”或“香蕉”最常见地选自水果堆。然而，由于当时缺乏足够的数据，研究陷入了瓶颈，出现了过度拟合的问题。例如，学生希望通过练习类似的问题来掌握一种类型的问题，但是训练量不够大，他们不理解问题背后的知识点。一旦考试有了一些变化，他们就不能解决问题了。后来，通过研究人脑，科学家们试图模仿人脑的神经网络机制来对图像和声音进行分类，这逐渐演变成今天的深度学习。

深度学习的发展推动了人工智能基础应用技术的突破。自2010年以来，计算机视觉和语音语义等基本应用技术的专利申请数量在全球范围内迅速增加。

计算机视觉技术主要是让计算机拥有人类的眼睛，学会“看”图片、文字、视频等。它常用于图像识别、人脸识别等。，适用于自动驾驶、安全、人脸支付等领域。根据计算机视觉和图像识别相关技术的应用情况，截至2018年12月31日，世界上同一个家族的专利有143，000项，中国、美国和韩国分别以53，000项、24，000项和23，000项成为世界前三名。从技术许可的角度来看，美国拥有世界上最多的技术许可，达到13000个，日本和中国分别排在第二和第三位，分别为10400个和10000个。根据申请人，佳能，东芝和三星是前三名，分别有2900申请，2700申请和2300申请。

语音语义技术主要使计算机学会“听和读”单词、段落、文章等。它常用于单词识别、语音情感分析、人机对话、语音定位等。适用于翻译软件、汽车操作系统、智能扬声器、语音助手等领域。根据与语音语义技术相关的技术申请，截至2019年12月20日，全球申请的专利家族有4.3万个，中国和美国仍是该领域的主要申请国，占总数的75%以上。从申请人的角度来看，语音和语义领域的申请人主要是企业，其中ibm、三星和微软是前三名，专利申请数量分别为1741、890和821件。从专利授权商的角度来看，微软、ibm和nuance是前三大授权商，分别拥有672、468和440个许可证。从国内企业的角度来看，就语音语义技术领域的申请和授权数量而言，百度已经成为全球排名前十的唯一一家企业。

中国人工智能领域的专利申请数量逐年上升。根据国家工业信息安全发展研究中心《中国人工智能专利技术分析报告》的数据，2018年国内专利申请数量达到94539件，是2010年的10倍。截至2019年10月，百度、腾讯、微软、Inspur和华为分别以5712、4115、3978、3755和3656项专利申请位列国内人工智能专利申请前五名。

人工智能芯片的出现大大提高了数据处理的速度，支持日益复杂的算法来处理复杂的数据，是人工智能发展的重要基础。随着待处理数据量的增加，从一般场景到各种具体场景，算法模型设计的框架和层次越来越复杂，这对基础硬件提出了更高的操作要求。从相关专利申请来看，中国和美国都是大申请国。截至2019年10月，中国和美国的人工智能芯片专利申请数量分别为1.6万件和1.1万件。从相关申请人的角度来看，传统芯片和半导体企业更具优势，其中三星、日立和ibm是该领域的三大专利申请人。从近年来的应用趋势来看，三星和英特尔更加活跃。从实际应用产品来看，具有代表性的产品有英特尔eyeq系列、英伟达xavier系列、华为圣腾310、寒武纪坎布里克1m系列、百度昆仑芯片等。

中国和美国是全球人工智能企业的聚集地，中国企业专注于应用层，美国企业专注于技术层。截至2019年2月，全球共有3438家人工智能企业，其中美国排名第一，有1446家，占全球的42.1%，中国排名第二，有745家，占全球的21.7%。就企业类型而言，中国主要是应用级企业，而美国主要是技术级企业。中国应用层人工智能企业所占比例最高，为75.2%；技术层位居第二，占22%；至少有2.8%的基层企业。美国更注重技术研发，三类企业分别占39.1%、57.7%和3.2%。

2.5资本:全球投资持续上升，中美人工智能公司最受资本青睐

人工智能和政策支持方面的技术突破吸引了持续的资本投资，在过去十年中，平均年增长率约为50%。根据斯坦福大学的数据，全球对人工智能初创企业的投资从2009年的不到10亿美元增加到2019年的近400亿美元，其中投资在2014年加速增长。从2014年到2019年11月，全球人工智能初创企业共收到1.6万笔投资，平均每笔投资额约为860万美元。

从国家和地区来看，美国公司和中国公司是全球投资的焦点。由于美国领先的技术，美国在投资金额和投资企业数量方面保持世界第一。虽然在中国投资的企业数量少于美国，但由于投资金额相对较高，例如，2018年3月的C轮中，忽略技术筹集了4.6亿美元，2018年4月的C轮中，上塘技术筹集了6.2亿美元，中国初创企业的投资额仅次于美国，约为250亿美元。另外，英国、以色列、加拿大、法国、日本、新加坡、德国和印度都是比较受关注的国家和地区。

3挑战和建议

在数字经济的浪潮下，5g就像一条“信息高速公路”，为海量数据和信息的传输提供了一条高速传输通道，补充了人工智能、大数据、工业互联网等方面的限制。在信息传输、连接规模和通信方面。质量差；人工智能就像云大脑，依靠信息学习和从“高速公路”进化来完成机器智能的过程；工业互联网就像一座“桥梁”，依靠“高速公路”来连接人、机器和事物，并推动制造业向智力创造发展。人工智能具有明显的溢出效应，将与5g和数据中心一起推动数字经济时代的产业转型升级，是当前和未来国家科技竞争的制高点。一个大国的科技实力是国家实力的核心，能否抓住智能时代的变革机遇，是中国建设现代化强国的关键。总的来说，中国的人工智能产业还处于发展的初级阶段，面临着基础研究和开发不足、技术和场景缺乏集成、传统基础设施跟不上技术发展等问题。建议:

1)为人工智能的发展提供“软”支持，做好人才培养、前沿技术研究和联络合作。加强国内大学开展相关课程，培养本土人才。积极吸引海外研究人员，聚集全球人才。与美国吸引科研人才的措施相比，中国应抓住这一机遇，出台一系列政策，在科研经费、个人所得税、签证、户籍、子女教育等一系列领域引进海外高端人才，有效解决科研人员的后顾之忧，为他们的科研和创业提供更大支持。加快科教体制改革，建立市场化、多层次的产学研合作体系。国家导致基础研究投资增加，企业导致实验开发投资增加，各种学科形成科学研究的合理分工。

2)为人工智能的发展做出“硬”保证，加快信息基础设施建设，智能升级传统物理基础设施。铁路、高速公路和机场构成了工业时代的基础设施，而云计算、大数据、人工智能、5g和区块链将是未来的关键。覆盖的新基础设施包括两个方面，一个是以数字中心和基站为代表的信息设备，另一个是公路和铁路等传统基础设施设备。为了迎接未来的数字化挑战，我们需要从这两个方面入手:一方面加快宽带网络和5g网络的建设，另一方面加强传感器、控制平台等公共场景的智能设备和传统铁路、机场等云平台。为后续技术开发的数据采集、传输、通信和分析打下良好的硬件基础。

3)关注人工智能技术带来的伦理问题，从立法和监管的角度跟上技术创新的步伐。人工智能的发展离不开数据。由于大部分数据都是开放、透明和自由流通的虚拟产品，因此会导致因数据归属而产生的权利和责任，这也涉及到数据安全、知识产权保护和隐私保护。例如，企业可以分析他们的偏好，并通过在互联网上浏览信息来准确地推动他们。企业可以减少营销费用，而消费者可以获得更好的信息或产品。然而，这种行为是否被消费者认可或者是否涉及侵犯个人隐私也值得考虑。由于数据的生产和使用涉及消费者、平台、运营商和服务提供商等多个环节，数据在每个环节都经过处理和整合，很难使用传统的商品产品标准进行统一管理，这也阻碍了相关立法和监管。因此，有必要关注人工智能的伦理、技术标准、人工智能与人类社会的关系等。