提要：人工智能作为当今世界的一项关键技术，正在改变全球经济和社会。2023年11月，德国联邦教育与研究部发布《人工智能行动计划》，以“以机遇为导向应对新的挑战”为主题，从基础设施、应用与转移转化和成功条件三个方面的十一个行动领域出发，全面梳理了德国人工智能发展的现状、目标和具体措施，旨在为德国人工智能生态系统的发展及其与教育、科研和经济的互联提供动力。
近年来，人工智能（以下简称“AI”）的发展进程以及围绕其展开的竞争表明，未来AI将成为一个重要的区位因素。2018年11月，德国联邦政府发布《人工智能战略》（Strategie Künstliche Intelligenz der Bundesregierung），提出希望能和欧洲成为世界领先的AI基地，加强德国未来竞争力。2021年4月，欧盟委员会发布《人工智能法案》（AI Act）提案，将“维护欧盟技术领先地位”作为原则之一。2023年11月，德国联邦教研部通过《联邦教育与研究部人工智能行动计划——以机遇为导向应对新的挑战》（BMBF-Aktionsplan Künstliche Intelligenz. Neue Herausforderungen chancenorientiert angehen），作为对国家战略的补充更新，结合AI的最新动态，提出要将德国卓越的研究和能力基础转化为切实的经济成果和社会效益。在欧洲整体背景下，重点关注AI与工业4.0的啮合，AI与生物、能源和环境科技的结合，以及关注B2B行业、开源生态系统开发和初创企业，打造“德国制造”或“欧洲制造”的AI品牌。对此，《行动计划》确定了十一个最迫切的行动领域，以及联邦教研部在其中已采取和必须采取的措施。
一、基础设施
（一）持续加强研究基础
为发掘德国AI技术潜力、应对AI带来的风险，必须开展更高质量、更有效、更安全、更透明和更可靠的研究。
1.现状
（1）德国与欧洲的AI研究位居世界前列。就AI出版物和发文数量而言，德国通常在世界范围内排名第5/6名（2022/2023年），其发展活力落后于部分其他国家（如中国、美国、印度）。（2）在大型生成式AI（基础）模型领域，德国近年来也开发了具有竞争力的领先产品，如Luminous (Aleph Alpha) 和Stable Diffusion。然而，总体而言，美国在该领域仍占据主导地位。（3）AI研究正越来越多地转向私营部门，研究焦点将因此受到影响，从中长期看，具有社会意义的议题或将退居次要地位，如AI在卫生健康领域的应用和AI的社会伦理影响等。（4）欧盟《人工智能法案》对AI的研究和发展提出了问题，因此，必须从技术解决方案和规范标准两个角度加以规范高风险AI的应用，如从透明性、稳定性、可靠性和可验证性方面等。
2.目标
德国必须以位居研究前沿和作为欧洲范围内研究的有力推动者为目标，包括：（1）在AI出版物数量方面超越英国，跃居欧洲首位。（2）建立欧洲领先的AI能力中心。（3）在AI可解释性和可信性方面取得重大进展。（4）成为大型生成式AI模型尤其是多模态AI模型领先参与者，确立德国的独特点。（5）加强机器学习研究与其他专业学科和应用领域的跨学科联网。
3.联邦教研部措施
（1）启动灵活、弹性和高效的机器学习模型资助方案。（2）扩大AI能力中心的卓越和战略导向。（3）为AI的可解释性、稳定性和数据基础提供针对性研究资助。
（二）为新的前景制定研究议程
近年来，AI备受瞩目的成功应用主要基于机器学习的统计算法，后者与明显增长的可用数据与算力不无关联。然而除此之外，仍有更多具有潜力的AI算法亟需利用，更多随之而来的挑战需要应对。
1.现状
（1）大型AI模型存在系统性局限，如“幻觉&偏差”，缺乏对数学、逻辑、时序和因果关系的理解，对数据和能源的海量需求等，因此需要对此做进一步研究。（2）在个人电脑上运行的小型AI模型已具有强大算力。（3）AI对环境的影响（例如在能源消耗方面）正收到越来越多的批评，需要采用新方法提高AI能源和资源效率。（4）新的计算机架构为AI研究提供了新的可能性。（5）AI既带来了机遇，也带来了IT安全方面新的风险。
2.目标
除热门主题之外，德国也必须重视其他AI研究领域新路径，并加强研究、把握趋势、抢占先机。（1）将混合AI作为德国AI研究重点主题。（2）有针对性地推动数据节约型、能源高效型AI系统、联合学习与边缘AI、小型AI模型的研究和应用。（3）有针对性地加强AI研究和IT安全研究之间的衔接，在安全AI和基于AI的安全解决方案方面发挥德国IT研究安全优势。（4）尽快推进AI研究与新计算机架构（尤其是神经形态计算与量子计算）研究的啮合。（5）推进人工智能的硬件和软件开发。
3.联邦教研部措施
（1）在德国和欧洲范围内借助大型研究机构为地理、环境、能源和气候主题开发AI基础模型。（2）在受神经生物科学启发的AI（Neuro-KI）领域建立研究网络。（3）推进“超级互联世界中的安全未来技术”资助项目。（4）构建一个评估IT安全领域生成式AI的测试环境，以识别该技术的机遇与风险，并快速推进相适应的研究重点。（5）借助“NeuroTEC II”项目与相关研究工厂，扩大神经形态计算和量子计算领域的微电子研究结构。
（三）以目标为导向扩大人工智能基础设施
算法、数据与算力是AI变革的核心驱动力。生成式AI模型展示了该三个因素互相作用的结果，计算中心与数据平台正日益成为“关键设施”，为发展AI提供了基础条件。
1.现状
（1）数据数量、可用算力与基于机器学习的领先AI算力在近些年呈指数级增长。（2）已有构建10万GPU计算中心的布局。（3）2022年发布的36个最重要AI机器学习系统中，2个来自德国，12个来自欧洲（含英国）。在参与的开发者数量方面，德国位于全球第七位。（4）在超级计算机500强榜单中，德国在数量上排名第三（次于美国和中国），在总性能上排名第六（次于美国、日本、中国、芬兰和意大利）。
2.目标
拥有和使用国际顶尖的AI计算基础设施是取得AI研究、开发和应用领先地位的基础。（1）为科学目的，尤其是为科学界和经济界的AI研究人员提供具有国际竞争力的高性能计算基础设施。（2）大幅提升德国和欧洲的高性能计算系统的AI用户数量，使AI社区跻身高性能计算用户社区前十。（3）保障作为AI基础的安全数据的可用性。（4）为经济界，尤其是中小型企业与初创企业提供计算机和数据的准入。（5）在德国和欧洲有针对性地研究和开发大量大型AI模型。
3.联邦教研部措施
（1）通过有针对性的倡议使基础设施具备“AI能力”（KI-ready），有针对性地改善AI社区尤其是初创企业的准入。（2）有针对性地推动公共和私营部门的合作，例如在“欧洲高性能计算共同计划”（EuroHPC）的框架下支持欧洲工业计算机的落地。（3）作为德国计算基础设施的基础，进一步加强高斯超级计算中心、国家高性能计算网络及欧洲高性能计算共同计划框架下的欧洲合作，并开放其在欧洲整体背景下的应用。（4）从2024年第四季度起，先后在于利西研究中心的JUPITER计算机、慕尼黑莱布尼茨超算中心和斯图加特高性能计算中心投入使用Exascale级高性能计算系统。（5）通过AI服务中心提供AI专用计算设施的准入。（6）通过国家研究数据基础设施（NFDI）、欧洲开放科学云（EOSC）和其他资助通道进一步提高卫生健康领域的科学数据可用性。（7）通过确立《研究数据法》，提高数据的可查找性、准入性和连接性。
（四）大力推进人工智能能力建设攻势
相适应的AI能力既是独立自主处理AI技术和充分发挥该技术潜力的关键，也是德国在该领域实现技术主权和获得竞争力的关键。众多学术和职业教育领域正日益将AI能力视为基本数字化能力的一部分。普通民众需要AI能力，以应对AI的日常使用及其带来的机遇和风险。
1.现状
（1）专业人才短缺仍是制约AI相关投入的最大障碍。（2）社会尤其是女性对AI发展的参与不足。（3）《专业人才移民法》的出台为关键技术领域带来了新机遇，需要有针对性地加以运用。
2.目标
（1）持续加强从基础知识到专业知识各个层级以及全教育链的AI能力培养。（2）吸引全世界青年AI人才，有针对性地利用《专业人才移民法》。（3）在AI领域建立科学界与经济界间跨学科、跨地区的网络，以开展相关培训与研究。（4）为青年AI研究人员建立从高校学习到教授职位的资助路径，确保至少50%为女性参与者。
3.联邦教研部措施
（1）推动资助以女性为主导的青年AI学术人员的倡议落地。（2）利用和进一步加强现有举措，如AI能力中心、联邦教研部支持设立的150个AI教席（包括亚历山大洪堡基金会的AI教席）、AI校园倡议等。（3）通过“MINT（数学、信息学、自然科学与技术）行动计划2.0”“数据能力工具箱”项目和数据能力中心为学术界加强AI基础能力。（4）通过“未来电子健康”（Zukunft eHealth）资助项目，有针对性地培养AI、数据学和卫生健康研究的交叉学者。
二、应用与转移转化
作为一项关键技术，AI在各个行业及应用领域都有着巨大潜力。德国在AI应用实例方面也取得了一定成果，然而从应用实例到经济增长和繁荣的道路仍相当漫长。除Celonis、Aleph Alpha和DeepL之外，德国在AI领域几乎没有取得其他经济上的成果。将良好的科学基础转化为经济实力和社会效益对于AI这样的基础技术而言至关重要。这一过程中，一个巨大的挑战在于，将自主系统（如机器人技术）系统地、以人为本地融入实践，从而发展创新型产品和服务及可持续的工作流程，促进转移转化和应用。
（一）推进人工智能向增长和经济机遇的转移
1.现状
（1）仅有15%的德国企业使用AI技术。（2）德国的AI初创企业数量众多：2023年，德国新增AI初创企业数较上年增加一倍，超40%系基于学术研究而建立。（3）尽管如此，在2013—2022年间，德国的新增AI初创企业数量（245家）在全球排名第九，落后于日本、印度等国家，更远落后于中国（1337家）、美国（4643家）。（4）2022年，德国AI领域的私人投资额为23.5亿美元，约为英国（43.7亿美元）的一半、中国（134.1亿美元）的六分之一和美国（473.6亿美元）的二十分之一。（5）AI专利数量方面，德国通常居于前列，一般在美国、中国、日本和韩国之后。（6）大部分生成式AI模型为闭源模型，并且为美国和中国企业开发。
2.目标
（1）在对德国至关重要的AI应用领域建立国际知名的区域化创新生态系统。（2）大幅提高AI的应用广度、融合度及实践转移转化力，改善操作能力，提高使用AI的企业占比。（3）在与生产相关的应用中（尤其是中小企业中）引入成熟的AI方法与模型。（4）使用具有创新潜力的基于AI的机器人技术。（5）使专利数量翻倍，与日本和韩国齐平。（6）提高基于学术研究的新建AI初创企业数量。
3.联邦教研部措施
（1）借助联邦教研部“机器人研究”（Robotikforschung）行动计划，进一步加强基于AI的机器人尖端研究。（2）通过AI服务中心、“工作研究区域能力中心—AI”和“AI为中小企业”资助项目，有针对性地为中小企业提供使用AI的咨询和资助。（3）重点关注生产。通过更多地使用AI，制定提高生产机械设备性能和功能的措施；在使用AI的价值创造网络中推进工业4.0—GAIA-X应用；通过转移转化和示范中心推进AI在生产中的使用。（4）以卓越研究区位为基础，有针对性地建立以AI为重点区域创新生态系统。（5）改善AI领域深科技（Deep Tech）的发展条件，例如与AI能力中心和AI服务中心合作。（6）开发与测试低门槛资助渠道，尤其针对中小企业和初创企业。（7）与联邦州展开对话，改善科学界与经济界的交流机会。（8）推动AI（研究、计算基础设施、数据、应用）不同元素/层级及不同利益相关者有针对性合作的整体项目。（9）支持联邦跃进创新局（SPRIND）的AI项目。
（二）卫生健康领域的人工智能：惠及全民的社会效益
在卫生健康领域，AI也有着广阔的应用场景，不仅可以更好地为病人提供服务，提高成本效益，减轻医护人员的负担，还可为研究提供快速、智能的数据分析并将其应用于医疗相关问题，实现巨大创新潜力。
1.现状
（1）在诊断和治疗及日常护理过程中，AI已可提供相关的支持，然而其潜力远未被发掘。（2）AI支持的方法与分析工具正在推动对生物医学进程的理解，并为在预防和诊断阶段建立个性化和早期风险档案奠定了基础。（3）制药和生物科技领域，AI的使用加速了新的活性成分的开发。（4）AI的应用极其依赖可用数据数量及其质量和代表性，这也对卫生健康数据的可靠性、安全性和相关数据防护提出了要求。
2.目标
（1）在卫生健康和护理领域开展广泛的AI研究资助。（2）吸引和支持卫生健康领域的AI青年学术人员和人才，以应对人口变化和专业人员短缺。（3）扩建和加强数据基础设施，以加强AI应用生物医疗数据的可用性。
3.联邦教研部措施
（1）为长新冠/后新冠（Long-/Post-COVID）研究的数据共享和数据分析发起一项资助倡议。（2）建立“受神经生物科学启发的AI”网络，以进一步开发相关技术和应用。（3）推进并扩大资助计划，为癌症研究中的数据分析和数据共享提供新方法。（4）启动一轮资助计划“计算生命科学”（„Computational Life Sciences“），开发AI分析工具，用于研究急性感染后综合征。（5）推进“加强严重传染病传播建模能力”（MONID）资助方案，利用AI进行数据评估和模型校准。（6）推进“基于AI的卫生健康应用流程辅助系统”资助方案，利用AI方法支持医院的医疗、组织或行政流程。（7）推进“可用于日常护理的数据库和AI系统”资助方案，支持护理相关人员，并在AI应用的帮助下提高受护理者的自理能力和生活质量。（8）推进AI项目中数字化伦理、法律和社会方面研究的资助方案。（9）通过一项新的资助计划“未来电子健康”，可持续地吸引并招募MINT学术人员。（10）受联邦教研部资助的生命科学领域相关机构就AI在医疗领域的应用采取多样化的措施。（11）六所“健康数字进步中心”（Digitale FortschrittsHubs Gesundheit）通过创新的IT解决方案以及大学医院与地区医疗机构之间的数据共享（包括AI应用），改善研究可能性与患者护理。（12）大学医学网络（NUM）已建立了一系列使医学数据更好用于AI应用的基础设施，其中部分基础设施是与医学信息学倡议合作建立的。
（三）有针对性地挖掘人工智能在社会和科学领域的应用
AI不仅能为诸如能源供应、保护生物多样性等社会领域提供巨大的帮助，还可在未来的科学进程中发挥核心作用。
1.现状
（1）AI有助于实现联合国可持续发展目标的169项子目标中的134项。（2）AI已在当今科学进程的多个阶段得到应用，并将为提高科学生产力提供更多潜力。（3）AI在科学领域的应用也提出了新的问题（例如科学质量标准、版权和著作权等），也导致了“伪科学”的大幅增加。（4）基于AI的应用可以为学术期刊业带来新的机遇，以应对信息洪流，并为学术界的新兴话题和当前趋势提供早期信息。
2.目标
（1）将AI发展为促进数字可持续创新与转型的工具。（2）以可持续发展为重点，建立AI研究与气候、环境研究之间的网络。（3）开发决策支持平台，帮助市镇地方当局快速为城市气候适应做出合理决策。（4）综合利用AI作为生物多样性研究的工具。（5）通过基于AI的用户友好型数字工具，提高公民安全。（6）将AI确立为科学标准工具，并为之创造必要条件，尤其是在非大学研究机构中。（7）加强AI研究与其他专业学科及应用领域之间的跨学科网络。
3.联邦教研部措施
（1）推进新一轮“数字绿色技术”资助方案。（2）加强AI在研究机构中的应用。（3）有针对性地资助AI在材料研究、气候研究等方面的应用。（4）制定和实施AI与可持续发展方面的措施，资助AI在生物多样性研究的应用，加强AI在市镇规划中的应用，以提高气候适应能力。（5）为基于AI和以应用为导向的安全解决方案项目提供资助。（6）为科学媒体中心（SMC）提供资助，以在技术上加强和改善学术期刊业。
（四）在教育系统中研究与构建基于人工智能的技术
AI创新改变着教育系统以及教学方式，对教育系统的能力与资质、教与学过程、成绩衡量和考试形式以及教材媒体的质量控制和认证提出了新的要求。
1.现状
（1）迄今为止缺少关于AI在教育系统（含职业教育）中的应用的相关研究。（2）AI在教育系统中的潜力尚未得到充分利用。（3）随着AI的不断发展，教育和培训系统面临着重新思考和进一步发展教育与培训设计以及考试形式与学校组织、管理的挑战。（4）学生与教师需要在使用AI时掌握主动权。
2.目标
（1）推动以改善知识基础和支持教育系统适应和应对AI为目的的研究。（2）提高中小学生和教师的AI能力。（3）推动和支持AI在教育领域中的应用。（4）塑造教育领域数字化和AI的国内及国际化进程。（5）将AI作为广泛的“教育传记”（Bildungsbiografien）1的学习内容和工具。（6）就数据保护和数据管理、责任制度、控制和透明度以及包容性和社会福利等主题，制定AI使用和应用指南。
3.联邦教研部措施
（1）加强教育研究，探索AI支持学习过程、课程设计和教育机构组织流程优化的可能性与局限性。（2）观察AI应用在职业教育中的机遇、挑战和影响。（3）在INVITE创新竞赛、中小学数字公约、开放教育资源战略、学校和继续教育数字化课堂能力中心、教育和文化教育研究重点数字化等战略和倡议的框架下，对AI项目开展资助。（4）加强AI能力中心与学校和继续教育数字化课堂能力中心的连接。（5）采取针对性措施，在教育系统中使用生成式AI。（6）促进跨州倡议，为中小学制定AI指导方针。（7）更多地参与国际委员会和国家公共讨论，以推动教育领域AI国家和国际化进程的管理和设计。（8）继续推进实施联邦和各州联合倡议“高等教育中的AI”，以改善AI专业人才劳动力市场，并利用AI改善高等教育。
三、成功条件
（一）寻求更广泛的欧洲和国际合作
市场规模是全球AI技术竞争的一个重要因素。与美国和中国的大型经济创新空间相比，单个欧洲国家处于战略劣势。此外，AI基础设施也需要共同投资。因此，在欧洲层面以及国际层面与其他与德国有着相同价值观的合作伙伴开展有针对性的合作十分重要。
1.现状
（1）过去十年，AI研究国际合作数量急剧上升。在国际合作发文数量方面，美国、中国、英国之间的（两两）合作程度最强，德国与美国之间居于第四位。（2）在AI领域，德国与欧洲国家，尤其是与奥地利、瑞士、意大利和斯堪的纳维亚国家之间的联系尤为紧密。（3）德国高校与研究机构是欧洲AI网络“ELLIS”和“CLAIRE”、“地平线欧洲”（Horizont Europa）研究框架计划“AI、数据和机器人学”合作伙伴关系以及迄今为止启动的四个欧盟AI测试和实验设施（TEFs）的合作伙伴和主要推动者。
2.目标
（1）在德国的大力参与下，扩大欧洲和国际合作的范围。（2）促进青年国际合作，以尽早建立网络。（3）积极共建关于AI的欧洲和国际对话。
3.联邦教研部措施
（1）组织一次欧洲科学界高级别AI研讨会，以通过联合倡议加强欧洲的AI合作。（2）继续开展德法AI倡议。（3）进一步加强同与德国有着相同价值观的合作伙伴在AI领域的双边和多边合作。（4）将ELLIS打造为青年AI研究人员的网络平台。（5）通过国际AI未来实验室促进AI研究国际合作及吸引国际青年学术人员来德发展。（6）在德国—加拿大尤里卡计划双主席2024/25任期内，积极推动欧洲和国际合作。（7）在AI背景下就当前欧洲数字教育行动计划的倡议进行谈判。（8）支持AI成为未来“欧洲研究区政策议程”的行动之一。（9）将AI主题与欧洲研究区框架下德国的行动计划更系统地结合起来，并将其推广至欧洲层面。（10）推动国家AI相关活动与欧洲创新议程框架内活动的结合。（11）在欧盟第十个研究框架计划谈判中明确AI研究需求。
（二）推进人工智能的社会对话和多学科研究
作为一项关键技术，AI将渗透到社会的几乎所有领域。仅从技术角度看待AI是不够的，而应有针对性地整合不同视角和观点，同时为基于充分信息的讨论创造前提。
1.现状
（1）AI的发展目前由少数私人和国家行动者及其利益所驱动，这对研究和开发方法以及民主社会基石产生了直接影响。（2）AI为民主进程提供了多样化机遇的同时也产生了诸多风险。（3）对AI的充分理解需要多学科和跨学科的AI研究。（4）通过以AI为主题的“科学年2019”，联邦教研部成功地促进了关于AI的社会对话。
2.目标
（1）为信息充分和以科学为基础的社会AI讨论创造平台。（2）促进AI的多学科和跨学科研究，并将其视角纳入AI方法和系统的进一步开发。（3）以数据为基础，推动针对AI作为关键技术、AI国际发展状况和德国在全球地位的分析。（4）评估AI对生活、个人及社会的机遇与影响以及如何应对这些影响。（5）通过相适应的社会创新补充AI技术发展。
3.联邦教研部措施
（1）举办国际研讨会“数字民主中的AI”。（2）发起有关社会可信的AI系统的跨学科项目，以澄清应用过程中感知、预知以及处理AI的相关基本问题。（3）将学习系统平台建设成为以科学为基础的AI讨论的核心平台。（4）推动有关AI伦理、法律和社会影响的多学科和跨学科辅助研究，并将其反馈至AI研究。（5）推动AI的跨学科研究，例如可解释性研究。（6）以机遇为导向，评估AI可能的影响。（7）加强以AI为基础的社会创新。
（三）采取合适、灵活和创新友好的监管措施
为了塑造有利于社会的AI革命，必须识别和研究AI的风险，并采取适当措施加以监管。德国对AI的接受程度很大程度上也将取决于是否能通过监管控制AI的有害或不道德影响。另一方面，对AI 的过度监管则被认为是使用AI的主要障碍。因此，德国当前面临的挑战之一在于，既要最大程度地降低风险，又要避免限制AI的使用及其潜力的发挥。
1.现状
（1）2016年起，德国AI相关的法律数量大幅上升。（2）欧盟正在推进通过《人工智能法案》，由此也成为全球最早制定全面、横向的AI监管规则的地区。（3）《人工智能法案》采取基于风险程度的监管方法：AI系统对基本权利或安全的风险越大，对其的监管要求就越严格。（4）为保证符合监管要求，必须在欧洲范围内建立相关测试和认证机构，欧盟委员会已委托相关机构制定相应标准。
2.目标
（1）继续促进研究与创新，尤其是在中小企业和初创企业中。（2）以平衡的方式监管AI的应用（而非研究），为AI研究制定特别规定。（3）在制定、实施AI系统监管要求时将技术可能性纳入考虑。（4）在研究的基础上制定规范和标准，加强学术人员在此过程中的参与和与测试、认证机构的合作。
3.联邦教研部措施
（1）致力于构建以机遇为导向、创新和研究友好的规章制度。（2）支持欧洲议会的立场，利用AI进行科学研究不应受到监管。（3）加强制定AI标准化路线图过程中的专业支持。
