人工智能技术的发展已成为评判一个国家竞争力的重要指标，全球各主要国家都开始对人工智能进行系统性布局，竞争态势愈演愈烈。北京是国际科技创新中心，也是国内人工智能产业最集聚的区域，如何推动新兴的人工智能技术发展，孵化培育出顶级人工智能企业，是目前亟需探讨和解决的问题。
北京目前专注于人工智能领域的孵化器有北大科技园、创客总部、启迪之星集智未来、亦创智能机器人创新园区、中关村智造大街、骏一人工智能产业园、洪泰智造等。但业内享有盛名的企业，却少有出自以上园区。商汤科技、旷视科技、寒武纪等一众明星企业的创始团队都出身于高校实验室，是计算机视觉、语音语义、深度学习、开源框架等各领域顶尖人才，整个行业圈子依然较窄，师徒、师兄弟相互帮扶带现象比较显著，并不缺少一般初创企业所稀缺的“人脉和机会”，因此多数有实力和背景的人工智能初创企业不会选择从孵化器开始发展。
一
北京人工智能孵化器发展存在的问题
1、缺乏对企业涉及的伦理风险与数据安全的管控
人工智能技术的安全性已经成为全球性热点问题，AI技术的伦理风险、AI技术诈骗、数据滥用与信息盗取等话题也频繁进入大众视野。人工智能企业初创期各项流程都不规范，很容易陷入伦理纠纷与数据泄露的危机中，极大影响企业的下一步融资与发展规划。目前很少有北京人工智能孵化器对入驻企业的伦理风险、数据管理方面提供专业化的指导服务，更缺乏这方面的监管职能，导致企业对安全合法应用人工智能技术的认识、理解不足，无法做到技术发展与规范运营兼顾。
2、无法帮助企业便利获取传统行业的应用场景
孵化器缺乏与传统行业之间的直接合作，无法为初创企业提供相应产业资源，导致企业“拿着锤子找钉子”，往往先研发出技术和产品，却不能进行最终的商业化落地和规模化量产。同时大多数传统企业的信息化和智能化水平仍然偏低，导致对其业务各环节的数据采集、场景获取非常困难，初创企业只能自己深入对接各传统行业，对散落于各个环节的结构化、非结构化、半结构化等各类数据进行统一标准和收集整理，再对所有环节与工序进行剖析，探索发现潜在应用场景，耗费极大的精力与成本。
3、无法在信息基础设施上为企业提供支持
作为AI技术发展的核心要素之一，信息基础设施是承载人工智能技术应用的基础，对人工智能技术的快速演变有极强的推动作用。北京现有信息基础设施主要集中在行业内的龙头企业和科研院所。随着人工智能技术的发展，数据体量的要求呈指数级爆发增长，普通的云计算等基础设施也越来越无法满足企业的需求，初创企业为满足其技术研发环境的搭建要求，进一步完善数据、算法、算力三大支撑，只能从商业公司购买价格高昂的算力、网络、数据等基础设施服务，给企业带来了极大的成本负荷。
二
政策建议
1、加强顶层设计与完善监管框架
一是推进人工智能行业标准制定。加强人工智能各细分领域标准化顶层设计，推动人工智能产业技术研发和标准制定，并鼓励孵化器对入驻企业进行行业标准的指导培训，避免企业走上弯路，促进应用加速推广与产业健康发展。
二是支持孵化器提供私有云存储服务。设立专项补贴资金与减免优惠政策，鼓励孵化器搭建私有云环境，构建专业的维护团队，为入驻企业部署安全性能更高的关键信息储存服务，确保用户数据的安全与稳定。
三是赋予孵化器一定程度的监管职能。支持孵化器聘请领域专家，设立事前监督和事后评估机制，对入孵企业在产品设计时进行算法审核，并实时评估应用过程中存在的问题，确保落实好人工智能的安全责任问题。
2、促进人工智能企业与传统行业融合
一是建立以北京市政府为主导的产业联盟，对人工智能孵化器进行统筹协调，建立行业资源训练库，加强在制造、农业、物流、金融等重点行业和领域的融合与推广应用，鼓励更多的产业应用场景开放，促进传统产业智能化升级。
二是加强人工智能应用场景需求征集，遴选一批深度应用场景项目予以重点支持并推广，将需求信息优先同步至孵化器，破解供需两端对接瓶颈，推进我市人工智能发展与经济社会渗透融合。
三是打造人工智能产业创新试点，发挥中关村园区改革试验田的作用，扶持一批优秀的人工智能领域专业化孵化器作为试点载体对各行业能促进人工智能技术与应用推广的创意性概念想法进行验证，对优秀成果在北京市层面进行复制推广，并完善标准评测体系，促进市场规范化发展。
3、夯实基础设施建设提升区位优势
一是支持信息基础设施建设，完善传感器、第五代移动通信(5G)、工业互联网、物联网等网络基础设施建设专项政策，鼓励孵化器利用多种方式参与基础设施布局，重点发展智能传感器、神经网络芯片、开源开放平台等关键环节，夯实人工智能产业发展的软硬件基础。
二是打造大数据资源共享平台，加强推进数据共享方面的法律法规规范尽快落地，实现北京数据资源安全有序开放共享，打造高质量的数据信息池，为初创企业提供技术提升与算法优化的土壤，支持其充分挖掘公共数据的商业价值。
三是加强算力基础设施建设布局，设立专项资金补贴孵化器建设数据中心、智能计算中心等算力基础设施，加强数据处理引擎、异构计算调度和深度学习训练框架等的融合，通过构建专业设施，填补算力不足，提升入驻企业对基础算力的使用效率和自主原创算法的迭代效率。