人工智能在产业分类中的定位与归属探讨

随着人工智能技术的迅猛发展和深度渗透，一个基础却至关重要的问题日益凸显，那便是人工智能在产业分类中的定位与归属探讨。这个问题直接关系到我们如何从统计、管理、投资和政策层面理解与推动AI相关经济活动，对于从业者、研究者及决策者都具有现实意义。下面，我们结合产业经济学的视角，梳理几种主要的观点和思考路径。

传统产业分类体系面临的挑战

现有的国民经济行业分类标准，如中国的《国民经济行业分类》（GB/T 4754），主要依据产品或经济活动的同质性进行划分。人工智能的核心——算法、模型、算力与服务——其产出形态多样，既可内嵌于硬件产品，也能以软件或云服务形式独立存在。这种高度融合与渗透的特性，让它很难被简单地归入某一个传统的“制造业”或“信息服务业”门类。将AI完全归入“软件和信息技术服务业”，可能忽视了其驱动智能设备制造、赋能传统行业的巨大价值；而将其分散计入各应用行业，又会导致其作为一个独立产业的整体规模和发展状况难以被准确度量与跟踪。

作为独立产业类别的论据与困境

主张将AI列为独立产业类别的观点认为，AI已经形成了从基础层（芯片、算力设施）、技术层（算法框架、开发平台）到应用层（行业解决方案）的完整产业链。设立独立的“人工智能产业”类别，有助于聚焦资源、制定专项政策、进行国际比较和吸引投资。然而，这种划分方式也面临实践难题。最突出的便是与现有分类的重叠与冲突。一家公司可能同时从事AI芯片设计（可归类于集成电路制造）和AI算法开发（可归类于软件开发），严格的独立分类可能导致统计上的重复或割裂。此外，AI技术迭代迅速，细分领域不断涌现，固定的分类目录可能很快滞后于技术现实。

视为横向使能技术的融合视角

与“独立产业”相对的是将AI视为一种类似电力、互联网的通用使能技术。在这种视角下，AI本身不构成一个独立的产业门类，而是作为一种核心生产要素，深度融合并改造现有的所有产业。其经济价值体现在提升各行业的效率、创造新产品和新服务上。这种定位更符合AI“赋能百业”的本质，也避免了分类上的僵化。相应的统计重点，则从测算“AI产业”的产值，转向衡量各行业运用AI所带来的增加值提升，以及AI投资占全社会研发与设备投资的比重。这要求统计方法从“供给侧”转向“应用侧”和“影响侧”，实施难度更大，但描绘的图景可能更为真实。

对政策制定与产业发展的启示

不同的定位与归属思路，直接影响政策发力的方向。如果强调AI作为独立产业，政策可能倾向于支持AI核心技术攻关、打造AI产业集群、培育AI龙头企业。如果强调AI作为使能技术，政策重心则可能转向推动AI与传统产业的融合示范、制定行业数据标准与安全规范、鼓励跨领域复合型人才培养。在实际操作中，两种思路并非完全对立，往往需要结合。例如，在宏观统计和战略规划时承认其独立产业属性以便于聚焦管理；在具体实施和应用推广时，则大力倡导其使能技术属性，鼓励跨界融合。

当我们在审视一份产业报告或参与一个相关项目时，可以留意其对人工智能的界定是基于何种分类逻辑。理解其背后的定位假设，能帮助我们更准确地解读数据、把握趋势，并做出更贴合自身需求的判断与选择。