算法与算量(大数据和其他数据资源)、算力(包括我们当下经常提及的云计算、区块链、数据中心和计算中心、“东数西算”、超算中心)共同构成人工智能产业、智慧经济和智慧化治理的三要素。2020年元旦到今年4月底的百度指数的数据显示，2020年以来，算量(大数据)的搜索指数一直保持高位，算力和算法的搜索指数都有上升，两者的关注水平正在趋近。算法要素被关注度的上升可能受到了以下因素的影响：国家《“十四五”数字经济发展规划》出台、中央网信办发布《互联网信息服务算法推荐管理规定》和实施2022年算法综合治理专项行动、部分城市政府在全国先行推动算法创新行动和算法产业化部署、全球应用算法典范大赛(BPAA)举办和典范算法团队的亮相、一批优秀应用算法技术项目获得风险投资青睐。

附图1：百度指数显示的三要素搜索水平对比

数据说明：2022年的数据仅为1-4月份的百度搜索指数数据

但目前产业界依然存在普遍忽视算法产业化发展的倾向：首先是从知识上，大家对三要素中的算法的价值、算法技术的特点、算法团队特点、算法的实际运用普遍比较陌生，因此把注意力、资源和政府支持都首先集中到了算量和算力的发展上，导致行业发展要素严重缺环;其次由于我国在算法学科设置、算法研究人才重视、算法应用人才培养、算法专题研究等方面极其薄弱，因此即使受过理工科高等教育的数字技术人才也通常没有太强的算法概念;再次由于全球基础算法的研发和开源主要由美国的互联网和软件巨头、英美德以等国的计算机大学和美日等国的工业智能领域的专业服务企业贡献，中国的互联网公司、软件企业、大学计算机专业基本没有贡献，因此专业知识界本身就存在着相应的知识偏差、技术偏差和能力偏差;最后由于算量与算力发展已经具有规模化的特征，政策上也获得了先行发展和基础建设的位置，商业投资回报的现实价值更明显，因此无论数字技术龙头企业还是地方政府都更愿意关注这两个要素资源，但仅仅在算量和算力上投入而缺乏丰富的算法模块，遇到无论是疫情防控还是其他对策事项临头，就会发现我们的智能系统茫然无措的现象。

算法技术与算法资源薄弱，实际上是我国与西方国家人工智能产业、智慧产业和智能化治理之间的核心差距所在。由于缺少对算法要素的重视，所以国内的算法技术发展，普遍缺少懂行的专家，高度依赖海归人才，未来西方也极有可能转将中国留学生学习算法相关专业、算法人才归国服务、算法技术开发双边和多边合作列入限制领域;与场景相关的应用算法开发预算碎小，因此算法开发往往也不为数字化技术“大厂”重视，甚至有意识地回避在这方面的投入。应用类算法本身也不那么高深复杂，往往就是面对一系列实际问题，结合这个领域业务人员对业务经验规则的提炼，运用各类业务相关数据，创设、训练、升级出用数字指令集构成的创新解决方案，当这样的指令集软件模块形态部署时，每当有特定的数据输入，就可以有高效的结果信息输出。算法的应用建设基于问题导向、需求导向和结果导向，进行全面、丰富和深化的数字化智慧解决方案的投入，目前我国大数据建设和数据治理已初见成效，算力建设中已推出相应的投资规划，鼓励和促进算法关键要素建设应提到数字经济发展的当前政策议程上了。

需要我们国家高层决策者在推进数据治理的基础上重视算法治理。凡已有管理系统且能够实现数据留痕的单位和行政系统，当下核心的工作就是继续充分发展数据治理，做好数据清理、清洗、标签的基础工作，使得数据具有更强的可访问性、可调用性和可防控性，然后在这样的基础上，根据本单位和本系统工作所需要针对的问题场景(比如银行之风险控制场景、终端服务场景、运营管理场景;零售单位之门店配货场景、高效订货场景、终端与分拨中心对接场景;警务单位之具体案件场景、报案立案出警处置破案场景;税务部门之税额计算、发票管理、税务风险计算等)，开发和持续升级相应的有鉴别、判断、分类、匹配、标定、解析、处置、预测、提示和推荐、搜索与查找等功能的算法与算法集合(大型城市的运行问题场景及其算法模块超过5000套，其中仅疫情防控的算法模块就不少于200套以上，公共管理中警务算法的模块就超过千套，税务算法的模块也在400~500套左右，典型的规模自动化和智能制造企业全价值链运行算法模块近千套，建筑设计和建筑行业全链数字化算法模块超千套，金融算法总量超千套)，并因此而形成自己专有的算法库，借助于算法的软件化开发和进一步的算法芯片化、硬件化，形成具有快速自动运算、分析、提示、决策参照、派单、监测和指令创制功能的算法集合，展开算法的平行开发、竞争性开发、开源推广、分享共享工作，算法治理工作需要分阶段部署、推进和积累、持续的升级，要求前期系统平台必须建设对后期算法模块部署更为开放友好的接口条件;算法治理阶段可逐步形成相应的算法货架、算法池、算法库和算法中心，与数据中心、算力中心匹配对应——算法治理提供了数据治理成效的更直接的鉴别途径，提供了更聪明的算力运用方案，从而支持三要素协同提升数字化工作的层级。数字化建设的数据智能应用阶段，最终会以智能管理平台、智慧大脑、领导驾驶舱等形态构建数字化管理中枢，目前的中枢建设采购与开发有一些重点放在建设更大容量、更快运行效率、界面更好看的呈现系统;有一些重点放在不断更新系统并加上数据治理平台;还有一些已在系统运行加数据治理的基础上尝试结合典型场景，建设感知体系、典型任务派发与追踪体系;而新一代中枢系统应是算法中心驱动下的强大的三中心协同数字化后台机制。

附图2：算法的成长历程

治理算法，是设定规范，以处置应用算法开发和应用中存在的低品质、歧视规则、不当操纵等做法，以防范算法技术被用于损害消费者、公共服务对象和网络用户的合法权益。2015年以来，西方国家也开始以《算法责任法》立法治理算法开发应用中的不良行为和算法技术滥用。最近我国网信部门针对网络推荐算法中存在问题的限制性规定和治理行动，重点针对电商算法、新媒体算法中可能涉及的运用包括歧视性指令、误导型指令、杀熟型指令等有侵犯消费者利益之嫌的算法，这也属于治理算法之举。由于算法本身就是具有快速高效运作能力的智能指令集，这些指令集既有受开发者与开发团队能力与经验所限导致的水平的参差，还有与设计者主观相关的考虑而可能导致将恶意指令置入，甚至还有具有明确的违法犯罪目的的算法成为高智商犯罪中的“新秀”。因此我们要既要运用政策力量推动算法产业化快速发展，又要用好法律手段治理不良算法及其肆意应用的现象。考虑算法治理本身的快速发展，因此对算法的监测处置，也应充分用好专项监管算法，形成“以算治算”的治理算法体系特色。

综上，零点有数团队对算法产业化工作提出以下对策建议：

第一，中央相关数字经济政策文件在阐述我国数字经济发展、人工智能产业发展、数字经济发展关键技术、国家治理能力现代化时，应开始强调算法技术与大数据、云计算、区块链等关键技术的同等重要性，为算法与算量、算力要素的平衡发展逻辑提供政策动力。

第二，明确国家对算法治理和治理算法的业务主管部门，应确定发展与监管并重的原则，制定相应的算法产业化发展规划、产业化鼓励政策和治理算法的立法准备、协调治理算法行动的执法工作。

第三，发展应用算法学科，结合应用领域和算法技术体系形成层次化和专业化的实操型应用算法课程体系。应将大学计算机和应用数学领域中的算法学科建设、算法人才培育机制改革、算法人才引进和算法实验室建设、应用算法课题攻关，列为国家教育部门、科技部门、工信部门、人社部门相关规划的重点支持项目，在国家职业分类大典中列入算法科学家、算法工程师等算法类职业技术岗位。鉴于应用算法人才的稀缺性，应高度重视将这些领域的前沿企业团队作为课程联合设计、人才联合培养、实验室联合建设、课题联合研究的核心力量。

第四，重视支持在上海、广州已开展的算法产业化推进工作，并进一步鼓励包括北京、天津、南京、武汉、成都、西安等高等院校计算机和应用数学专业相对集中的中心城市开展算法产业化创新行动，在这些地方建设聚集型的“算法谷”，激励更多的科技创新团队投入算法探索工作，并为此提供包括孵化空间、项目奖励、算法人才激励、算法应用大奖赛、算法中心合作建设、公共算法实验室、应用算法集中采购活动与算法开源、算法供应商白名单制等专项产业支持政策。

第五，启动《算法责任法》立法准备工作，吸收研究、产业、监管领域的专业人士共同组成立法研究小组，收集与研究国际立法资料，考察其相关经验教训，展开相关调研工作，为立法部门提供相关的法案草拟稿和专项研究资料。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005