有鑒於人工智慧AI為提高生產力、提升競爭力、保障國家安全，同時能解決社會挑戰的基礎技術，可能是引領下一波數位創新浪潮的關鍵，因此各國無不努力發展AI，以於國際創新賽局中脫穎而出，而中國、歐盟、美國無疑是目前這場賽局中的三大巨頭。美國在上一波數位創新中獲得全勝，創造出不少全球知名、成功的技術公司，如Amazon、Apple、Facebook、Google、Intel、Microsoft等。中國近年來在網路經濟也收獲頗豐，甚至進而拓展至軍事力量的布局。歐盟則想要從AI的倫理及安全切入，藉以在相關領域建立全球領先的地位。

一般咸信，國家邁向創新並非為了競爭，故以此觀點來看，這場賽局沒有贏家與輸家之別。但是事實上，AI發展較落後的國家，很可能失去國際市場的份額，甚至危及國家安全。然而，發展或應用AI的競賽並非零和賽局（Zero-sum game），例如大學研發AI，可以擴散到全世界，幫助AI生態體系健全發展，某些AI應用領域如健康、環境、教育，則可以嘉惠所有人類。

由於AI技術沒有標準的產業分類，因此無法比較各國AI產業的優劣，因此該報告僅以六大面向來衡量三大經濟體在AI領域的發展與競爭態勢。各項指標及評比分析如下：
一、人才構面
指標包括AI研究人員數量、頂尖AI研究人員數量（H-Index）以及質量（在學術研討會的發表）。由於人才是AI發展的關鍵，人才不足不但限制AI的發展，也會影響AI的應用，特別是採用AI的產業域越來越多元化，包括交通運輸、金融、製造，因此三大巨頭紛紛加碼投資人才。美國近年來大量吸引外國AI人才（包括歐洲），目前在人才面仍居第1；歐盟雖然在AI人才的質與量占暫居第2，但在AI商業人才較美國少；而中國則極力栽培AI人才，在AI人才的絕對數量成長很快。但若考量勞動人口數，則中國與美歐的差距仍相當大。

二、科學研究構面
指標包括AI論文發表、論文品質、企業研發經費。美國在此面向的總積分以7.6居首，歐盟3.8、中國3.6；但若考量勞動人口數，則是美國9.3、歐盟3.9、中國1.8。美國之所以突出是因為有傑出的研究組織，全球前五大軟體與電腦服務公司都是美國公司，學研機構的論文數量與品質都名列前茅。歐盟的頂尖研究機構雖然在研究品質優於中國，但自1998年以來，領域權重引用影響係數（Field-Weighted Citation Impact, FWCI）指數只成長11%，相較美國成長24%、中國成長154%，顯得落後許多，很快就會被中國超越。中國則以後起之秀急起直追，雖然初期以量取勝，但根據艾倫人工智慧研究所預測，將在2020年居全球第10，2025年超越美國排名第1，最主要是自我引用的關係。

三、技術發展構面
指標包括風險資金與私募基金的金額與家數、企業併購數、AI新創數、AI企業數、高引用AI專利家族數、PCT國際AI專利數。雖然中國大力布局深度學習、德國西門子專攻神經網絡，但是美國在專利及併購佔有絕對優勢，其中微軟與IBM在機器學習的專利申請特別突出，此外John Deere在農業、IBM在安全、微軟在個人裝置以及人與電腦互動都有領先地位。企業收購的全球前10也都是美國公司，尤以Alphabet、Apple、Microsoft、Amazon及Facebook為最。世界領先企業加上充沛的新創投資資金，讓美國站穩技術開發的龍頭地位。而中國也不遑多讓，在2017年AI新創投資資金約81億美元，超越美國的62億美元。相較之下，歐盟在2016~2018年間雖然在AI新創的私募與創投資金成長3倍，仍遠遠落後美、中。特別是缺乏投資C輪的大型企業。

四、AI應用構面
指標包括採用AI的企業數以及開始測試AI的企業數。雖然因為調查方式不同而有不同結果，但是相同的趨勢指出中國採用AI的速度超越美國及歐盟，主要原因是中國在個人方面遠較美、歐更相信AI帶來的價值。美國企業較少將AI的重要性傳遞給員工，而歐洲人甚至懷疑AI的價值。

五、資料內容構面
指標以固定寬頻訂戶、行動支付、具生產力資料、電子健康記錄、一般性資料、高解析圖像資料、法規障礙作為評比標準。整體而言，中國無論在資料蒐集或利用上都佔上風，最主要原因是蒐集資料的技術平台公司非常集中在少數如騰訊等大型企業，而且所有生活事務都離不開微信，不若西方的平台分散；再則，中國的技術公司結合了傳統的線下活動，如滴滴打車買下加油站及自動修理商店，美團點評不只評價美食，也結合送餐服務。但是美國也不全是站在劣勢，不可否認的是美國企業擁有的國際使用者較多，臉書有20億用戶，而微信只有11億；同時，美國擁有較多結構性資料，特別是在金融與保險業。而中國企業較無法自資料中精煉出洞見，較西方缺乏跨平台資料共享的標準，政府局處也缺乏資料蒐集上的基礎標準，造成資料品質較差，也增加了利用上的難度。就整體生態系而言，中國也顯得封閉，缺乏與國際共享的可能性，造成資料的多元性不足，以至於限制了日後的發展。

六、硬體構面
指標以半導體營業額、半導體研發支出、IC晶片設計公司數、超級電腦數、超級電腦集結的系統效能作為評比標準。結果顯示，美國在硬體仍然領先，但中國緊追在後，歐盟顯得落後。特別是在超級電腦的競賽中，美國無論在質或量的表現都優於中國，10部最快速的超級電腦有6部在美國，包括前2名最快的Summit與Sierra，再加上前500大超級電腦的處理器有96%為Intel所開發。中國也不甘示弱，在AI晶片上大有斬獲，過去2年來多家AI晶片新創公司都募得超過1億美元的資金，百度、騰訊、阿里巴巴、華為也與美國公司一樣投入AI最佳化晶片的研發。歐盟在這一場賽局種遠遠落後美、中，除了缺乏前10大研發半導體大廠以外，晶片設計多來自美、中，數位新創公司還因為分散的市場而難以規模化；雖然如此，還是有跨國企業併購歐洲有潛力的半導體設計公司，如日本軟銀買下英國ARM，陸資的美國公司Canyon Bridge買下英國Imagination Technologies。

基於以上分析，報告針對六大構面給予中國、美國及歐盟的政策建議包括：
一、中國：雖然在AI的研究論文方面有長足的進步，但要超越美國的龍頭地位仍相當挑戰。主要是國家政策限制AI的發展潛力，例如軍民融合政策造成的不信任感，使得海外市場難以拓展，也影響其他國家參與中國的數位絲路倡議的意願。
（一）人才面，須鼓勵中國企業在海外發掘更多AI人才、與國際更多聯合研究、上修AI人才培訓目標、效法英國補助學生取得AI博士學位。
（二）研究面，提高論文品質、補助AI基礎研究、加強產學合作、鼓勵與海外機構合夥開發AI平台。
（三）資料面，開放政府資料、法規機構建立標準化格式、減少跨境資料流的限制。
（四）硬體面，教育部設立AI工程課程與學位，聚焦在AI晶片設計，工信部也表示，到2030年尚缺乏至少40萬名AI勞工。

二、歐盟：雖然人才足以與美、中匹敵，但甚少AI人才願意離開美國公司，且AI創投生態圈也較美、中為小。
（一）人才面，政策性鼓勵AI研究人員與創業家移往歐盟、每年100萬歐元獎勵A頂尖研究人員、由歐盟提供各國相對基金建立教師電腦科學認證計畫、以公私合營方式建立電腦教育與數位技能發展、建立更多創客空間以激勵數位製造與工程技能。
（二） 研究面，提高AI研發經費、減少對個別研究計畫補助而改由企業贊助AI研究、採用ICT研發基金系統讓產業決定技術發展方向、聚焦特定研發主題再提供資金補助、擴充風險歐盟計畫。
（三）資料面，建立跨領域資料交流的信任、建立資料相關政策以加速資料取得與交互運用、修改一般資料保護規範。
（四）應用面，善用數據科學營等活動訓練AI技能、提供中小企業AI訓練、開發無須專業知識的現成AI工具、各會員國指派數位長領導各地資料創新及凝聚歐盟發展共識。
（五）法規面，歐盟必須體認規模對於數位經濟的重要性，因此必須在政策層級移除法規障礙，面對新興技術以創新原則去取代現有的防範原則。

三、美國：在AI仍然居領導者地位，川普總統還在2019年將美國AI倡議發佈為行政命令，以改善研發、勞動力及國際參與，但仍須避免限制性政策，包括資料保護準則等。
（一）人才面，增加就業綠卡及企業雇用外籍員工限制名額以吸引更多海外人才、提供大專院校更多補助以增設更多電腦科學課程、學習英國補助學生取得AI博士學位的作法、提供競爭性獎金給AI研究人員。
（二）研究面，國會應通過AI相關法案以加速技術發展、支持國家機器人倡議促進生產力、效法空軍與MIT合作機制發展AI作為公共財、增加研究抵減稅率、促進非英語論文的分享、整合AI研究資金。
（三）資料面，促進資料共享、鼓勵資料的自由貿易、通過資料的隱私法案、確保創新友善的資料保護原則。
（四）應用面，改善聯邦政府採用AI的能力、促進軍民兩用的AI技術應用、聯邦局處與產業合作開發應用、建立各州發展計畫、協助防範深偽（deep fake）及自發性致死武器等AI技術。
（五）硬體，訂定超級電腦優先應用領域、加速國家實驗室技術移轉與商業化、協助培訓高速運算相關技能。
（六）法規，建立運算究責機制、盤點限制AI發展的法規、減少AI產品或服務出口的管制、審查並限制中國海外收購美國公司。