环球数字经济体中快速积累的数据池显然是AI发展的关键驱动力之一。
2019年，HBR提出国家“数据生产总值”（Gross Data Product）的观点，这一观点由数据消费的数量、繁芜性和可访问性以及该国生动互联网用户的数量决定。
在本次剖析报告中，HBR认识到数据生产总值是AI发展的主要资产，特殊是对付须要海量、多样化数据集的天生式AI而言更为主要。
HBR更新了其2019年的剖析结果作为研究根本，新增了对AI整体发展至关主要的驱出发分。
为了比较各国的AI领导力，报告确定了决定国家AI领域领先的4个关键成分：

● 宽带消费总量（固定和移动）：一个国家的总体数据消费量。

● 人均宽带消费量（固定和移动）：一个国家每个互联网用户的数据利用量，代表不同类型利用数据的繁芜程度。

● 开放数据参与：一个经济体促进利用和获取公共数据源的程度。

● 数据管理政策：国家对数据的监管办法（个人数据、非个人数据、开放数据、专有数据、公共数据和私有数据），特殊是在隐私保护方面。

● 跨境数据流动：一个经济体促进和参与与其他经济体之间数据流动的程度，以及一个经济体在其境内积极实现数据本地化的程度。

●人才：现有AI人才的质量和数量。

● 投资：流入AI和新兴技能的资金。

● 多样性：AI人才的多样性。

● 数字经济的演化：一个国家数字根本举动步伐（包括打算能力）的演化。

● 专利申请数量：各国AI技能的专利申请数量。

● 排名前10位国家AI论文的引用次数：各国作者的论文被引用的总次数。

● AI出版物总数：各国在AI领域的出版物总数量。

（图 1 顶级AI国家排名）

综合上述变量，HBR得出新的衡量标准，即顶级AI国家（Top Ranked AI Nations，TRAIN）指数，来评估25个国家的AI领导力（如图1所示），这并不是在塑造环球AI家当方面发挥关键浸染的完全国家名单，由于HBR考虑的驱出发分存在数据门槛。
例如，以色列或阿联酋等国家都是主要的参与者，但其不在报告评估的范围之内，由于这些国家影响力仍旧很小。

美国和中国位列TRAIN指数的前两位并不令人意外，由于两国政府都致力于成为环球AI的领导者。
美国国家安全顾问杰克·沙利文（Jake Sullivan）流传宣传，美国的目标是确保其在AI前沿技能方面“尽可能领先”。
与此同时，中国的目标是成为环球“最主要的”AI创新中央，到2030年，AI干系总产值将超过10万亿元公民币。
美国白宫于2022年10月禁止美国公司出口芯片制造设备，这一哀求现在将扩大到AI芯片，从而进一步加剧了竞争。

在大多数关键驱出发分方面，美国处于领先地位，而且美国AI企业的模式相对优于中国竞争企业。
仅从成本成分来看，环球AI人才、投资、人才多样性和数字经济发展排名前4的城市均在美国，而中国排名第1的城市——北京位列第8。
2022年，风险投资为美国的524家AI初创企业供应了资金，远远领先于其他所有国家。
在过去十年中，美国AI公司吸引的私人投资是中国的2.5倍。
私营部门是美国AI的紧张推动力。
私营部门在最大的AI模型中所占的份额已从2010年的11%飙升至2021年的96%，70%的AI干系领域的博士受雇于私营部门。
美国AI企业之间的激烈竞争可能会连续推动美国在AI创新的领先地位。

在中国，政府在AI发展中发挥着更大的浸染。
政府利用大量补贴、支持和政策勾引，将其引向药物开拓、基因研究和生物学等运用领域。
中国拥有天下上最多的互联网人口，因此，采取AI的速率非常快。
例如，中国的天生式AI工具“文心一言”在19小时内就达到了100万的用户，而ChatGPT则用了五天韶光才达到同样的规模。
中国有几个主要的上风，可以使其在未来寻衅美国：

第一，中国产生并花费大量数据。
因此，中国将越来越多地拥有增长更快的数据池，而这些数据池是中国以外的AI开拓者最难得到的，这一成分既可能阻碍也可能增强中国的AI领导力；

第二，中国拥有天下上发展最快的AI研究社区，中国作者在顶级AI期刊上的投稿率大约是美国投稿率的2.5倍；

第三，中国是AI监管的先行者，纵然最近美国白宫发布了年夜志勃勃的AI监管行政令，中国在这一领域仍将处于履历领先地位。
到目前为止，AI监管仍处于起步阶段，在TRAIN指数中的占比并不高，但随着韶光的推移，这种情形可能会发生变革。

此外，中国也须要应对许多寻衅：首先，严格的监管可能会削弱其创新能力；其次，芯片稀缺是近期的一个关键制约成分；末了，对跨境数据流动的限定可能会阻碍中国开拓尖端AI模型的能力。

当然，AI领导力的领先国家不止中美两个国家，TRAIN的排名也不是一成不变的。
随着AI领域的发展，还有几个国家是值得关注，如英国、印度、日本、韩国、印度尼西亚以及欧盟主要国家。
个中一些国家的数据池增长较快，还有一些国家则更随意马虎获取数据。
此外，还有一些国家的人口成分也将影响其在TRAIN指数中的位置。

目前，在对AI领先地位至关主要的所有驱出发分中，可获取数据池的变革可能会对25个国家近期和中期的排名产生最大影响。
为理解一些值得关注的关键变革（如图2所示），HBR将X轴上的聚合数据池的规模和势头与Y轴上各国当前的TRAIN得分逐一对应。

（图 2 聚合数据池的规模用圆的大小表示，数据可获取性用颜色表示：赤色代表数据获取量少，绿色代表数据获取量多）

虽然成本成分对一个国家的AI领导力起到了强大的推动浸染，但其数据池的变革对其能否在TRAIN榜上更上一层楼也至关主要，如图2所示，数据池增长最快的国家也是对数据访问限定较多的国家。
这意味着，企业应关注天下不同地区与数据干系的法规和政策的变革，它们可以决定是否该当将AI的开拓活动转移到其他地区。
此外，受这些变革影响的各国的政策制订者都必须重新考虑本国的法规和投资重点，以保持和加强其在AI领域的领先地位。

除中美外，印度、英国、法国、加拿大、德国和澳大利亚等国在对AI领域的成本投入也很大。
因此，从中期来看，这些国家有望取得最显著的进步。
与此同时，数据池的增长也是一个主要成分，印度尼西亚、南非、尼日利亚和印度等国的数据消费总量变革率最大，因此应密切关注。
加强对数据的可获取性可以改进这些国家在未来TRAIN中的地位。

（一）印度

印度在许多方面都具有上风，是最具发展潜力的国家。
估量到2028年，印度的数据消费量将居天下首位。
印度处理的数字支付数量已超过天下上任何其他国家，并拥有天下第三大AI人才库。
虽然该国对数据获取施加了限定，但其AI监管规则仍不稳定。
今年7月，印度电信管理局（Telecom Regulatory Authority of India，TRAI）发布了一份新文件，呼吁设立一个监管机构，并通过“基于风险的框架”来监管印度的AI。
该文件还建议与各国政府和国际机构互助，在环球范围内推进“负任务地利用AI”，这使得印度在这一进程中可能会发挥主要浸染。

（二）英国

至于英国，不雅观察它如何与欧盟国家（特殊是法国和德国）竞争，可以创造两种截然不同方法的利弊。
英国的AI家当得到了英国一项国家计策的支持，但在监管方面却致力于采纳宽松的监管办法，旨在随着该领域的发展不断“支持创新”。
事实上，英国是最具创新精神的AI国家之一，是DeepMind（已被Alphabet收购）等公司的发源地，DeepMind在蛋白质构造方面的研究可能会对从药物创造到食品安全等领域产生打破性影响。
英国一贯在努力折衷其宽松的监管政策和引领AI安全方面的关系，包括达成一项鼓励在此问题上开展环球互助的《布莱切利宣言》，以及启动英国AI安全研究所，并对前沿AI系统进行安全评估。

（三）欧盟

比较之下，欧盟的《AI法案》在终极履行时可能会减缓成员国的AI发展。
而这有助于英国保持目前相对法国、德国等国的领先上风，这两个国家已通过联合声明以及构建“AI研究与创新网络”，致力于建立共同的AI生态系统。
法国和德国的数据池增长速率快于英国，抵消了潜在的监管阻力，而且由于行业的游说，关于重新考虑欧盟法规的严格程度也进行了激烈的辩论。
终极，法规采取了折中的两级方法，哀求除最大的根本模型外，其他所有模型都必须“透明”。
OpenAI的CEO萨姆·奥尔特曼（Sam Altman）开除后又复职，这次事宜可能为欧洲的初创AI企业创造一个机会，并让人们将欧洲定位为“更值得相信的AI”企业。

（四）日韩

日韩两个国家都因其自身的人口数据和增长优先事变而对发展AI有着强烈的需求，并在该领域进行了大量投资。
日韩均对机器人和AI进行了投资，以赞助人类的事情。
未来，日韩均面临着不利成分，它们的数据池增速不如其他一些人口构造年轻、互联网用户数量不断增长的亚洲国家。

根据日本经济家当省的数据，到2030年，日本将面临78.9万名软件工程师的人才缺口，这反过来会限定其在深度学习和软件开拓方面的能力，并减缓其在天生式AI方面的发展。
此外，日本还缺少足够的超级打算能力，这也是阻碍其AI发展的另一个瓶颈。
日本风险投资公司软银集团打算帮助该国从“防御模式”转向“进攻模式”，但其成功的概率还有待不雅观察。

韩国的半导体家当以及在AI专利和研究方面的领先地位可以使其暂时处于上风地位，然而，政策制订者和专家担心人才短缺和政府支持不敷会给韩国带来巨大的寻衅。
据一位韩国立法者称，韩国政府的AI研发预算减少了43%。
从2013年到2022年，韩国在AI领域的累计投资仅为55亿美元，远远掉队于英国的182亿美元。
而且与日本的26家AI上市公司比较，韩国的6家AI干系上市公司也显得逊色不少。

鉴于AI技能的潜在范围和影响，环球各国争夺AI领导地位的竞赛不足为奇。
随着环球AI权力中央的涌现和转移，AI领域领先的国家将决定哪些AI运用被优先考虑，哪些社会和经济部门能得到最大利益，哪些数据被用于演习算法，哪些偏见被纳入，哪些偏见被中和，以及如何在加速AI创新和建立保障方法之间取得平衡。
政策领导者和商业界必须予以关注，由于AI的地理位置将决定AI的未来及其对地区社会的实用性。