第一重障碍是很多商业领袖还没有意识到改变现有业务运作方式的紧迫性。麦肯锡调查显示，目前在中国的传统行业中，超过 40%的公司仍未将人工智能列入战略优先项。因此，许多公司仍未开始采集未来人工智能系统所需要的数据。例如，农业公司鲜少记录如种植时间表或是气候对产出的影响，而这些信息正是人工智能生成洞见及提升效益所需要的。与此形成对比的是，英国、美国和日本都已建立了全国信息系统采集此类数据，将先进的分析技术引入现代农业管理。

　　第二重障碍是专业技术知识的缺失。如上文所述，中国需要培养更多的优秀数据科学家，特别是在一些需求紧迫的领域。而能将人工智能知识转化为商业应用创造价值的人才也同样紧缺。为了理解和应用数据，越来越多的企业决策者和中层管理者需要学习新技能。与英特尔类似，一家中国芯片制造商已经意识到，分析在制造和测试过程中的大量数据将有助于改进生产流程并降低残次率。但由于缺乏既懂半导体技术，又懂人工智能的人才，这一想法仍然没能被付诸实施。

　　第三重障碍是实施成本较高。对中国企业而言，购买人工智能系统、高价聘用专业人才有时并不合算。当人工成本较低时，引入先进技术、精简人工流程的需求也并不那么迫切。

　　减税和补助等传统经济工具可以解决一些问题。同时，政府还应率先垂范应用人工智能系统。这将产生强有力的跟随效应，激活市场，助力服务供应商的发展，积累技术经验和人才，最终达到降低应用成本的目的。

　　此外，鼓励物联网（简称“IoT”）在传统行业的应用将有助于人工智能产生更多的价值。物联网通过传感器和网络实现各类设备间的联通，为人工智能提供了海量的真实世界数据。结合“互联网+”政策，政府可协助打造物联网在关键经济领域应用的成功案例，为其他行业树立典范。

　　加强人工智能专业人才储备

　　中国面临着巨大的人工智能人才缺口。政府需要大力投资人工智能相关教育和研究项目；重新设计教育体系，突出创新和数字技术的重要性；制定吸引全球顶尖人才的移民政策。

　　政府可出资设立人工智能项目，资助顶尖大学创建人工智能研究实验室和创新中心，以推进大学、科研机构和私营企业间的合作。在这方面，韩国政府已经迈出坚实的一步，投资 1 万亿韩元（约合 8.63 亿美元）与韩国商业巨头合资建立国家级的公私合营人工智能研究中心。加拿大政府也有类似举措：政府向蒙特利尔三所大学的人工智能研究项目投资超过 2 亿美元。

　　许多受访专家表示，中国必须花大力气培养更为广泛的创新文化，方可实现人工智能领域的突破。途径之一就是引入将人工智能和其他学科相结合的大学课程。斯坦福和麻省理工等顶尖美国高等院校已经开设了计算机科学与人文学科的联合专业，旨在寻求激发创造力的新方法。此类课程能够激发人工智能在医疗、法律、金融和媒体等各领域的应用。

　　投资大学项目可带来长期收益，因为人才是未来吸引国际公司的核心所在，而非传统的税收或其他财务优惠。人工智能的大型研发团队对吸引学术人才愈发重视。谷歌 DeepMind 团队中有大约三分之二的成员来自如伦敦大学学院、牛津大学和蒙特利尔大学等学术机构。这一领域顶尖公司自然而然会向拥有大量人工智能人才的城市汇聚。例如，随着蒙特利尔在该领域的声名鹊起，谷歌和微软都宣布了将向当地大学人工智能研究所投资并拓宽公司在当地的业务。

　　除了培养国内人才，中国也需要与全球顶尖数据科学家合作，参与到国际协作之中，包括大力引进国际专家来华工作、鼓励中国人工智能研究者出国学习全球最新的创新科技。这些要求政府放松居住和移民政策，并出台奖励和支持措施。

　　教育和培训体系升级与再培训

　　人工智能在经济和社会中的普遍应用还需要数十年，但中国现在就应为一些行业的快速颠覆做好准备。某种关键技术的突破短短几年就可以让一些职业消失。

　　未来的一项长久挑战是帮助受到人工智能冲击的行业劳动力重新适应并获得新技能，这将是保障公共福利和维护社会稳定的关键。政府要及时识别哪些是最可能被自动化取代的工作，并为受到影响的劳动力提供再培训，比如与职业培训学校紧密合作，向工人提供免费教育的机会。