在全球科技竞争日益加剧的背景下，人工智能（AI）已经成为大国争夺未来竞争优势的重要领域。作为人工智能领域的技术领先者，美国面向长周期、学科交叉、多机构合作的人工智能领域细分赛道组建国家人工智能研究院，进一步激发了本国人工智能发展潜力。借鉴美国成功经验，建议我国依托区域优势资源分批成立国家级人工智能研究院，推动人工智能研究院的广泛覆盖与集聚发展。同时，人工智能研究院应涵盖基础理论创新与技术应用拓展，构建既有理论支撑又注重实践应用的可持续发展体系。为了保障人工智能研究院的稳健运行，我国需进一步吸引企业资金和金融资本注入，构建长期稳定的投资体系，形成多方参与的协同创新网络。

一、美国国家人工智能研究院建设进展

（一）从地理分布看，以西部和东部为核心，逐步向全美范围扩展

一是西部与东部为核心集聚区。人工智能研究院的牵头机构主要集中在美国西部（如加利福尼亚州）和东部（如马萨诸塞州）的15个州，这些地区不仅拥有加利福尼亚大学、麻省理工学院、哥伦比亚大学等世界顶尖的高等学府，还汇聚了大量的科研机构与高新科技企业。

二是沿海地区成为重要分布区域。人工智能研究院大多数位于美国沿海地区，在地域分布上呈现出明显的沿海地区聚集现象。例如，下一代食品系统人工智能研究院（AIFS）、大规模学习优化人工智能研究院（TILOS）和基于代理的网络威胁情报和运营人工智能研究院（ACTION）的核心机构均位于美国西海岸的加利福尼亚州。

三是覆盖范围逐步扩展至全美。从2020年至2025年，美国分五批确立29个研究院为国家人工智能研究院。2020年成立的人工智能研究院分散于美国各地，覆盖范围有限。至2021年，十余家人工智能研究院陆续成立，成功覆盖美国五分之四的州。时至今日，人工智能研究院的数量已增至29个，其核心机构和共建机构几乎遍及全美每个州。

（二）从研究领域看，全面覆盖基础理论研究、技术应用、伦理监管和人才培养等多个方面，推动人工智能技术与社会可持续发展融合

一是基础理论研究与技术应用并重。2020—2023年，美国国家科学基金会陆续发布了4个版本的国家人工智能研究院申报指南，并进行了相应的更新。围绕科研、教育、产业、基础设施、气候农林等关键性、战略性问题，这些研究院聚焦领域可大致分为基础研究和面向特定场景的应用研究两大类。其中，基础研究涵盖“可信赖的人工智能”“机器学习基础”“人工智能的神经和认知基础”等主题，面向特定场景的应用研究涵盖“气候智能型农林业的人工智能”“人工智能和先进的网络基础设施”“促进物理学发现的人工智能”“促进分子合成与制造的人工智能”等主题。

二是高度重视人工智能技术的伦理法律与社会影响。人工智能研究院围绕人工智能技术的伦理风险、法律框架及社会影响等关键议题进行探讨与交流，为人工智能技术的健康发展提供伦理指导和法律保障。以法律与社会可信人工智能研究院（TRAILS）为例，其愿景是把人工智能实践从“技术驱动”转向“以人为本”，强调伦理、人权与社会价值的统一。该研究院在设计、开发与应用过程中融入透明性、可解释性与问责机制，增强人工智能技术的可靠性与公众信任。同时，该研究院还关注人工智能的社会影响，强调公众与边缘群体在人工智能治理中的参与，力求实现技术与社会价值的协调。

三是以人工智能赋能人才培养。人工智能研究院的研究主题覆盖K-12（从幼儿园到12年级）基础教育和高等教育等多个阶段，且广泛涉足在线教育、特殊教育等关键领域，积极探索人工智能技术在教育中的创新应用。代表性的研究院包括AI包容性智能教育技术研究院（INVITE）、成人学习和在线教育人工智能研究院（AI-ALOE）和AI卓越教育研究院（AI4ExceptionalEd）等。同时，人工智能研究院还积极探索AI技术在教育中的创新应用，关注教育资源的均衡分配，致力于通过技术手段缩小教育差距。以AI包容性智能教育技术研究院（INVITE）为例，该研究院的目标与愿景是推动教育技术的创新和包容性发展，确保不同背景和需求的学习者都能受益，从而提升教育的公平性和质量。INVITE致力于通过人工智能技术重塑教师与学习者的互动方式，专注于开发支持学生非认知技能发展的工具。

（三）从运营模式来看，以长期大规模投资为基础，构建跨学科、多利益相关方的创新生态网络

一是强调在人工智能基础研究方面的长期投资。与传统联邦资助研究或企业研发项目相比，人工智能研究院项目鼓励各研究院在自有研究领域成为领导者。美国国家科学基金会以5年为一个周期进行可持续发展规划并投资，每个人工智能研究院经费投入约每年400万美元，5年共计2 000万美元。这种大规模、长期的资金支持确保了研究的持续性和前瞻性。

二是注重跨学科、多利益相关方的合作。人工智能研究院不仅聚集了人工智能领域的科研人员，还吸引了高新技术企业参与。以人工智能和自然智能研究院（ARNI）为例，该人工智能研究院由哥伦比亚大学牵头，联合贝勒医学院、纽约市立大学、哈佛大学、普林斯顿大学、霍华德·休斯医学研究所、米拉魁北克人工智能研究所、塔斯基吉大学及宾夕法尼亚大学等顶尖学府，并与亚马逊、DeepMind、谷歌、IBM、Meta等科技巨头及纽约科学馆建立合作。

三是致力于构建广泛的创新生态网络。29个人工智能研究院共同设立虚拟组织（AIVO）作为连接枢纽，将各人工智能研究院连接成“网络的网络”（美国国家人工智能研究院计划的目标是将各个研究院连接起来形成一个价值大于所有研究院总和的整体）。AIVO发挥“纽带作用”，旨在促进各人工智能研究院之间的资源共享、知识交流和合作创新。AIVO每年召集人工智能研究院领导峰会（SAIL）为各研究院领导提供交流平台，并收集各研究院对国家人工智能研究院项目的意见。此外，AIVO致力于拓展公私合作伙伴关系，有效整合各方资源，共同推动人工智能领域的进步。例如，AIVO通过举办AI研究院博览会等会议加强人工智能研究院与公众之间的互动和参与度。

二、美国国家人工智能研究院建设经验

（一）依托地域集群优势，形成广泛覆盖的多点布局

一是以区域特色产业为切入点，推动人工智能深度嵌入地方经济。美国各个人工智能研究院并非简单复制，而是结合所在地区的优势产业展开人工智能相关研究，形成区域产业与人工智能协同发展的格局。例如，智能劳动力转化与决策支持人工智能研究院（AgAID）依托华盛顿州果蔬种植业集群，开发农事智能化决策支持系统和劳动力转型培训项目，不仅解决了当地农业“用工荒”，还形成了可推广至全美的智慧农业范式。

二是通过跨区域合作网络，实现“核心—节点—辐射”效应。美国国家人工智能研究院通常由一所高校牵头，联合周边及跨州高校、科研机构和企业，共建跨区域创新网络。这种多点联动的布局提升了成果扩散与共享效率。例如，环境计算学习智能网络基础设施人工智能研究院（ICICLE）由俄亥俄州立大学牵头，联合多个州的高校与企业，共同建设智能网络基础设施，使中西部地区也能获得与沿海地区相当的算力和应用能力，显著缩小了区域创新差距。

三是注重向全国纵深拓展，带动区域均衡发展。美国国家人工智能研究院建设并未局限于第一批研究院所在的州，而是通过分批建设逐步将研究院布局扩展至全国范围。首批研究院多集中在美国西部和中西部地区，如天气、气候和海岸海洋学可信任人工智能研究院（AI2ES）。2021年和2023年，研究院数量迅速增加，覆盖至东部地区，如位于纽约州的人工智能和自然智能研究院（ARNI），形成多点分布格局。2024年又在得克萨斯等南部地区设立天文学方向的研究院，提升了内陆地区的科研能级。到2025年，新成立的人工智能-材料研究院（AI-MI）和人工智能助手交互研究院（ARIA）落地纽约州与罗得岛州，使得东北部在新材料与人机交互领域形成新的创新高地。

（二）动态推动人工智能基础研究与应用研究，强化人工智能人才多层次培养

一是聚焦核心技术突破，加强基础理论研究。人工智能研究院将研究重心聚焦于人工智能领域的核心技术和基础理论，特别是深度学习、机器学习、自然语言处理等前沿领域。人工智能研究院积极组建跨学科的研究团队，汇集多领域的顶尖人才共同探索人工智能技术的本质和规律，力求在理论层面实现颠覆性的创新和突破。例如，机器学习基础人工智能研究院（IFML）研究院的研究领域涵盖计算机科学、电气工程、数学和生物学等，致力于解决机器学习的基本挑战和应用，为更安全、更可靠的人工智能应用提供基础。

二是聚焦关键应用领域，提升实际部署能力。人工智能研究院将人工智能技术融入农业、食品、交通、教育等多个领域，通过智能化手段推动技术创新与产业升级，为经济社会发展注入新的活力。例如，网络协助和响应式交互人工智能研究院（AI-CARING）专注于开发个性化协作人工智能系统，该系统能够学习人类行为模式，并捕捉人类行为的变化，通过智能设备对老年人等需要监护的人群进行紧急情况监控和长期护理，并将这些技术推广到医院和家庭。

三是强化人工智能教育体系，培养多层次人才。人工智能研究院通过设计多样化的教育项目，如高中生夏令营、面向黑人学院等机构的大学培训计划等，满足不同学习阶段和背景的需求。例如，AI优化研究院（AI4OPT）通过在多个学校举办夏令营来吸引高中生，同时该研究所的大学培训项目侧重于面向历史悠久的黑人学院和大学，以及为少数族裔服务的机构教师。

（三）构建多元化投资机制，巧妙搭建“小核心大协作”模式架构

一是整合政府与企业资金，完善资金渠道。人工智能研究院采取多元化的投资策略，确保研究的可持续发展。联邦政府作为主要出资方，提供稳定的资金支持，而企业则通过资金注入参与其中。例如，人工智能助手交互研究院（ARIA）的主要资金来源为美国国家科学基金会，而第一资本金融公司（Capital One）将在五年内提供100万美元支持ARIA的研究工作。

二是构建核心引领的协作网络，汇聚跨学科创新合力。人工智能研究院以一所高校为核心，联合多所高校跨学科或跨领域共同组成新的研究机构，从而使参与研究人员的专业知识涵盖了多个学科。例如，人工智能与基础交互研究院（IAIFI）由麻省理工学院牵头，与哈佛大学、塔夫茨大学和东北大学3所大学共建，合作企业单位包括阿贡国家实验室、能源部费米国家加速器实验室、能源部杰斐逊国家实验室，以及瑞士欧洲核子研究委员会和LIGO科学合作组织，共同开展人工智能和物理学的跨学科合作。通过吸引高校、企业、研究院所等各方积极参与人工智能跨界合作，加速了人工智能知识的转移和应用，构建了完整的创新生态链，从而提升了人工智能技术的引领力与驱动力。

三是设计灵活的决策机制，快速响应需求。借鉴企业管理模式，人工智能研究院由各自的首席研究员领导，并配备常务董事或项目经理及专业管理团队，确保运营顺畅。例如，天气、气候和海岸海洋学可信任人工智能研究院（AI2ES）由俄克拉荷马大学的一位首席研究员领衔，并配有来自奥尔巴尼大学、科罗拉多州立大学、北卡罗来纳州立大学以及德州农工大学科珀斯克里斯蒂分校的四位双首席研究员，以及众多专业研究人员。此外，人工智能研究院还设立外部咨询委员会，该委员会由业界顶尖专家组成，定期评估研究进展，为人工智能研究院提供宝贵的战略指导。例如，下一代边缘网络和分布式智能人工智能研究院（AI-EDGE）由执行委员会领导，并设有外部顾问委员会。这种首席研究员领导、管理团队支持、外部专家参与的多方共同决策机制，使人工智能研究院在研究方向、知识产权、资金管理及流程规范上均具备高度的科学性和灵活性，能够满足快速变化的研发需求。

三、启示与建议

2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出以科技、产业、消费、民生、治理、全球合作等领域为重点，深入实施“人工智能+”行动。尽管清华大学、北京大学、浙江大学等高校已相继成立人工智能学院，其定位仍侧重学术人才培养与基础科研，而“人工智能+”行动的落地亟须国家级人工智能平台的支撑。在此基础上，建议我国参考美国人工智能研究院的成功经验，建设国家级人工智能研究院体系。

（一）建设国家级人工智能研究院体系，夯实国家战略支撑能力

一是以国家战略需求为导向，统筹规划建设国家人工智能研究院。我国可借鉴美国国家科学基金会主导成立人工智能研究院的经验，明确战略定位和建设目标，布局国家级人工智能研究院。由科技部、教育部、工业和信息化部等部委联合主导，在现有人工智能战略规划和科研布局的基础上，设立若干具有国家战略地位的人工智能研究院。明确各研究院的分工定位，避免资源重复和低效竞争，集中力量突破人工智能关键核心技术。

二是构建灵活高效的运行与治理机制。可参考美国的“首席研究员负责制+理事会决策制”，建立“国家统筹+研究院自治”的运行架构。即由享有学术声誉的科学家牵头科技攻关，理事会则由政府、学界、产业界代表共同组成，负责战略决策和资源配置。在研究方向上强调任务导向与自由探索相结合，一方面要设立面向国家重大需求的专项课题，另一方面也要给予研究人员探索前沿技术的自由空间，从而兼顾基础研究的长期性与应用转化的紧迫性。

三是确立“核心引领+网络化协同”的共建模式。借鉴美国“小核心大协作”的运营模式，构建具有中国特色的国家人工智能研究院组织形态。以一家在基础理论或关键领域具有顶尖实力的高校或科研机构作为牵头核心，负责前瞻布局、学术引领与平台管理。联合多所学科特色互补的高校、多家行业领军企业及国家级重点实验室，共同组建我国国家人工智能研究院。核心机构发挥“中央处理器”作用，牵头建立跨机构的联合聘任制度，共享数据与算力平台以及清晰的知识产权共享方案，从根本上破除创新要素流动的体制壁垒。

（二）依托区域优势资源，推动人工智能研究院广泛覆盖与集聚发展

一是建设核心创新集群，布局高水平人工智能研究院。借鉴美国国家人工智能研究院的区域集聚发展经验，充分依托京津冀、长三角、粤港澳大湾区等区域，集中建设若干国际一流的人工智能研究院集群。通过强化基础研究与产业应用的深度融合，推动形成一批具有自主知识产权的关键技术与产品体系，引领我国人工智能研究院实现跨越式发展。

二是强化沿海与内陆联动，加速沿海地区的技术辐射与产业输出。沿海地区拥有先进的科技水平和丰富的产业经验，我国可借鉴美国国家人工智能研究院沿海分布的区位特点，在沿海发达城市和区域建设人工智能研究院。鼓励沿海地区的人工智能研究院、高新技术企业和科研院所在内陆地区设立分支机构或研发中心，加速内陆地区的人工智能研究院建设和人工智能产业发展，实现全国均衡发展。

三是推动人工智能研究院由点及面梯度发展，促进人工智能研究院全国覆盖。借鉴美国分阶段扩展的经验，我国可以从重点区域向全国拓展，推动人工智能研究院逐步实现全国覆盖。以北京、上海、深圳、杭州等人工智能研发和产业基础强的城市为核心增长极，率先成立国家人工智能研究院。以核心增长极为辐射源，在国家级城市群内布局一批特色鲜明、功能互补的研究院或联合实验室。通过政策引导和资源下沉，将上述研究院的发展模式向中西部、东北等地区推广，支持有条件的省份发展具有区域特色的人工智能产业研究院。

（三）实现基础理论创新与技术应用拓展并重，构建可持续发展体系

一是重点关注基础理论研究，夯实技术创新基础。美国人工智能研究院的申报指南中多次提及基础研究，我国研究院也应重点关注并强化基础理论研究。加大对基础理论研究的支持力度，鼓励研究院的科研人员深入探索人工智能的底层逻辑和基本原理，如深度学习、机器学习、自然语言处理等领域。建设高水平的研究平台并加强与国际顶尖学术机构的交流合作，推动人工智能基础理论研究的突破与深化，为人工智能的未来发展注入源源不断的创新动力。

二是深化关键领域技术应用，推动人工智能落地与示范应用。借鉴美国人工智能研究院与农业、医疗和教育等领域的深入融合，我国的人工智能研究院应积极探索人工智能技术在智能制造、智慧城市、智慧医疗、金融科技等关键领域的创新应用，通过实施一系列示范项目和构建多样化的应用场景，加速人工智能技术从实验室走向实际生产和生活。例如，在智慧医疗领域，人工智能研究院可以探索借助人工智能手段提高医疗服务的精准性和效率。又如，在金融科技领域，研究院可以通过人工智能技术革新金融服务模式，增强金融系统的安全性和便捷性。

三是完善人工智能教育体系，培养高层次技术人才。美国人工智能研究院利用AI技术推动教育改革的经验表明，我国人工智能研究院应立足国情，构建多层次和开放协同的人才培养体系。人工智能研究院应主动设计与各学段衔接的教育项目，激发青少年对人工智能的兴趣。由研究院牵头，联合高校、科研院所及行业龙头企业成立AI教育联盟，共同设计大学生课程体系和开放实践平台，鼓励大学生将理论知识与行业实践深度结合。此外，研究院应关注中西部、偏远地区的教育需求，通过在线开放课程、开展“AI教育下乡”计划、与地方院校结对帮扶等方式，系统性推动优质AI教育资源向更广泛区域覆盖，助力国家整体人才水平提升。

四是强化伦理治理与制度保障，确保人工智能研究院健康发展。借鉴美国人工智能研究院对伦理治理和社会影响的关注，我国人工智能研究院应着力构建贯穿技术研发全周期的伦理治理体系，将伦理规范与社会价值内嵌于创新链条。鼓励研究院开展符合中国国情的伦理与法律研究，制定涵盖数据隐私、算法公平与安全问责的行业准则。重点研发可解释AI、公平性检测与偏见消减等核心技术，将透明性与可问责性直接嵌入系统架构。同时，研究院应牵头建立多元协同治理机制，联合法律、伦理、社会学专家及公众代表成立伦理审查委员会，针对重大应用场景开展社会影响评估。

（四）构建长期稳定的投资体系，形成协同创新网络

一是加大政府长期投入力度，形成多元化资金支持体系。借鉴美国实施长期稳定资助的经验，我国亟须建立与之相当的可持续投入机制。设立人工智能专项国家基金，以五年为一个基础支持周期，对每个入选研究院提供稳定的经费支持。建立分层支持和滚动发展的资助体系，对处于不同发展阶段的研究院给予差异化支持。通过税收优惠、资金补助等手段，鼓励社会资本通过风险投资、私募股权等方式积极参与国家人工智能研究院项目，形成政府引导、企业主导、社会参与的多元化投融资机制。

二是推动跨学科与跨行业协同，形成产学研合力。借鉴美国在推动跨学科融合与多主体协同上的做法，我国人工智能研究院应致力于打破机构壁垒与学科界限。鼓励研究院定期举办学术研讨会、技术交流会、创新工作坊等活动，促进不同学科领域的知识、技术和人才的深度融合。推动研究院成为连接基础研究、技术突破与产业应用的战略枢纽，系统性地组织跨学科、跨领域、跨主体的协同攻关。鼓励研究院、高校和企业共同开展前沿技术研究，积极开展创新应用示范项目，将先进的技术成果应用到实际生产和生活场景中，形成产学研用协同创新的良好生态。建立人工智能研究院与高校、科研院所、企业之间的人才“旋转门”制度，鼓励科研人员到企业兼职，同时允许企业工程师和科学家到研究院授课、联合培养研究生。

三是打造人工智能研究院跨区域协作平台，提升全国一体化发展效能。搭建人工智能研究院跨区域协作平台，推动不同区域的研究院在科研设施、算力平台、数据资源和成果转化等方面的互联互通。建立统一的标准体系和数据共享机制，使研究院的科研成果和创新资源在区域间能够高效流动。围绕共性技术或“卡脖子”难题，设立跨省份、跨机构的人工智能研究院联合专项课题，支持多方协同攻关与成果落地，形成全国人工智能研究院“一盘棋”的发展格局。

四是健全人工智能研究院治理机制与动态评价体系，提升资金使用效率。建立由政府牵头、多方参与的投资决策与监督机制，确保人工智能研究院专项资金投向基础研究、关键技术与重大应用的平衡，避免资源过度集中或分散浪费。构建动态化的绩效评价体系，定期评估人工智能研究院资金使用情况，优化资金配置与项目布局，形成“投入—产出—反馈—优化”的良性循环。鼓励地方政府、高校、企业和科研机构积极参与人工智能研究院治理过程，提升政策透明度和执行力，营造公开、公正、可持续的创新环境。

来源：张亚楠 王楠 石晨 王凡（中国电子信息产业发展研究院科技与标准研究所）/文，首发刊载于《科技中国》杂志2026年第5期 观点与观察栏目