人工智慧：新基建，迎接智能新時代

文：恒大研究院 任澤平 連一席 謝嘉琪

人工智慧是新一輪產業變革的核心驅動力量，將推進數萬億數字經濟產業轉型升級。三次工業革命歷史表明，不論機械技術、電力技術和資訊技術，都可以極大地促進生產標準化、自動化、模塊化，具有很強的通用性，人工智慧技術同樣具有類似的特征，應用潛力巨大。國務院《新一代人工智慧發展規劃》指出，到2025年中國人工智慧核心產業規模超過4000億元，帶動相幹產業規模超過5萬億元。

人工智慧是新一輪科技競賽的制高點，對經濟成長和國家安全均至關重要。在這一場全球競爭中，中國的優勢在於百度、華為、阿裡等平臺型公司積累了紮實的技術基礎、豐富的應用場景和海量數據，在新基建大戰略下，將為國家發展打造競爭新優勢、註入增長新動能，有望成為人工智慧新基建的領軍力量。當然，在基礎科研、基礎算法、核心晶片、高端人才等方面我國仍存短板。大國科技實力是國家實力的核心，能否抓住智能時代的變革機遇，是中國建設現代化強國的關鍵。

1 迎接智能新時代

1.1 人工智慧是數字經濟時代的「新電能」

人工智慧是第四次工業革命的重要組成部分，將推進數字經濟產業轉型升級。自18世紀以來，人類社會共發生過三次大型的技術革命，分別是蒸汽機革命、電力革命和資訊互聯網革命。每一次的技術革命均伴隨著相幹學科的發展，理論知識又在實際運用中得到完善，「技術突破-知識學科進步」形成良性循環，並且成為後續其他的技術發展的支撐，對社會的影響力也將隨之增強。得益於互聯網資訊時代的數據積累，半導體行業設計、制程進步和晶片運算能力提升，深度學習結合強化學習帶來的計算機視覺、語音技術、自然語言處理技術應用更精準，人工智慧將是第四次技術革命中的重要技術，如同人工智慧和機器學習領域國際權威學者吳恩達所說，「人工智慧是新電能，正改變醫療、交通、娛樂、制造業等主要行業，豐富充實著無數人的生活」。

自1956年達特茅斯會議上首次提出人工智慧（Artificial Intelligence）以來，人工智慧已經發展60多年。一般認為，計算機需要通過不斷地自我學習、擴充知識庫，進而掌握人類擁有的「畫畫、唱歌、讀書、設計」等眾多技能，便是「智能」的表現。中國信通院在《人工智慧發展白皮書（2018）》中提到，人工智慧可以理解為用機器不斷感知、模擬人類的思維過程，使機器達到甚至超越人類的智能，即人工智慧需具備類人的感知、思考和決策能力。

展開全文

人工智慧基礎層、技術層和應用層快速發展，諸多應用已經深入日常生活。基礎層包括硬件、算法和海量數據三部分，其中硬件的核心是具備高運算能力的晶片，例如CPU、GPU、ASIC、FPGA等，算法的核心是機器學習，包括深度學習、淺層學習和強化學習等。技術層包括計算機視覺、語音、自然語言處理等技術。應用層則是人工智慧產品、服務和解決方案，適用於家電、金融、機器人、汽車、醫療等領域。近10年來人工智慧快速發展，面對日益增長的需求，一些例如百度、華為、阿裡等具備長期研發經驗的企業也陸續推出人工智慧開發平臺或人工智慧系統，有望成為人工智慧新基建的領軍力量。盡管與科幻小說和電影裡對人工智慧的構想有較大差距，人工智慧產品和服務已經普遍存在我們現實生活當中，小到多語言翻譯軟體、智能音箱，大到自動駕駛系統、城市安防系統、城市大腦等，人工智慧的發展已經遠遠超出早期構想，政府、企業、非營利機構都開始積極擁抱這項技術。

1.2 從「+人工智慧」走向「人工智慧+」

人工智慧已經在眾多垂直領域實現應用，目前較為成熟的領域包括家居、金融、交通、醫療等。通過與諸多垂直領域相結合， 人工智慧技術可以通過兩方面進行產業賦能：一方面提高生產效率、降本增效，即「+人工智慧」；二是創造新的需求和增長點，即「人工智慧+」。

1、「+人工智慧」：快速高效處理數據，同時兼顧普通和長尾用戶，提高生產效率，實現降本增效。以金融行業為例，目前人工智慧主要用於風控、支付、理賠、投顧等方面，其中 智能投顧應用最為成熟。智能投顧在2008年誕生於美國，由於專業素養和人工服務性質，美國各大金融機構的投顧門檻較高，平均投資門檻約5萬美元，平均管理費用為所管理資產規模的1.35%，服務對象主要為中高資產階級。但隨著千禧一代的成長、傳統投顧用戶逐漸飽和，金融機構對如何爭取這群長尾用戶的需求日益提高。人工智慧通過海量數據學習、精準算法分析，結合用戶提供的風險承受水平、收益目標、市場的動態，進行個性化定制服務。對比人工服務，智能投顧投資門檻最低至500美元、管理費率約0.02%-1%。目前，例如招商銀行、工商銀行等國內主流金融機構也推出智能投顧產品，其他機構也加強研發具備類似功能的產品和服務。

在此次新冠肺炎疫情防控中人工智慧也發揮了巨大作用，主要覆蓋 疫情監控、體溫檢測、病毒檢測、復工復產等方面。春節時期新冠疫情爆發，對病毒檢測、追蹤、隔離防控等工作帶來巨大挑戰，人工智慧的應用，以數據為支撐，主要幫助時態追蹤和疫情研判。 以百度解決方案為例，1）體溫監測和疫情地圖加強疫情監控，對比SARS時期，新冠病毒爆發的春節假期正逢全國人員高速流動時期，而病毒高感染特性加大早期的人工排查難度。人工智慧計算機視覺的運用，一方面滿足例如機場、高鐵等公共地區的體溫監測，另一方面滿足對疑似病例和攜帶病毒人員的身份排查記錄，增強疫情排查力度和效率。 2）在線問診和病毒檢測減緩醫療服務壓力，中國醫療資源不足且分布不均，新冠疫情早期因恐慌而造成的多例醫院門診交叉感染病例更是對醫療資源帶來極大壓力。在線問診工具的開發一方面降低醫護人員接觸感染幾率，另一方面聚集醫療資源，減輕臨床醫生的負擔，提升診斷效率和服務質量，彌補人力短缺。此外，人工智慧極大提高新型病毒的檢測速度，百度開發線性時間算法LinearFold，將新冠病毒RNA結構檢測從55分鐘縮短至27秒，速度提高120倍。 3）遠程辦公與在線教育助力復工和教育，百度如流和百度智能雲提供企業通訊、語音視訊會議、協同辦公、線上教學等服務，保障員工和學生健康的同時，加速恢復辦公和教學。

2、「人工智慧+」：創造新需求、新商業模式、新的經濟成長點。以汽車為例，其中 智能網聯是人工智慧在汽車行業應用最受關註的領域。智能網聯一方面可以提升汽車的智能化，包括 自動駕駛、智能語音、智能座艙等；另一方面與5G相結合，提高汽車資訊溝通能力，實現網聯化，包括人員和車輛安全管理、城市道路交通規劃等。 1）汽車將成為各種服務和應用的入口，催生新的商業模式：智能網聯汽車可以在生命周期內通過OTA空中升級持續更新應用，界面交互將賦予汽車更多應用場景——在無人駕駛的情況下，司機將有更多的自由時間，而車聯網技術使汽車隨時與辦公室、家、公共設施相聯，實現遠程控制。與智能手機行業發展類似，隨著智能網聯汽車發展成熟，數據增值（包括共享出行、汽車保險、金融服務）、娛樂休閒、智能規劃等應用環節的重要性和產業價值將超過單純的汽車生產和制造環節。 2）汽車電子、汽車軟體等需求提升：汽車電子和軟體對汽車的重要性提高，自動駕駛、計算平臺、車載操作系統等前沿技術成為新的價值增長點。

2020年4月19日，百度Robotaxi上線百度地圖及百度APP智能小程序Dutaxi，向長沙市民全面開放試乘服務。這意味著在相幹法律法規指導下，百度率先推進Robotaxi在湖南湘江新區進入常態化的測試試乘階段。在場景端，ApolloRobotaxi開放的打車範圍約130平方公里，行車路線覆蓋長沙當地的居民區、商業休閒區及工業園區等多維度實用生活場景。在產品端，Apollo Robotaxi的可視化界面能夠還原360度視野範圍內的障礙物及動態預測，呈現途經車輛、車道、路口、紅綠燈等路況，並伴有限速提示及變道提醒，用戶可通過螢幕實時關註時速、剩餘裡程等駕駛資訊。百度等企業在自動駕駛、車路協同、智能車聯等平臺技術的研發積累，有望進一步復制到智能信控、智能公車、智能停車、智能貨運等應用場景，不僅帶動傳感器、晶片、自動駕駛算法、智能座艙、車雲服務等產業發展，而且可以提升出行效率、降低出行成本，有望成為智慧出行的重要增長點。

2 人工智慧技術制高點之爭

人工智慧產業競爭是各國政策、基礎研究、技術、資本等各方面綜合實力的競爭。目前各國政府高度重視，在基礎設施搭建、基礎科研、人才培養、資助研發、合作交流等方面給予支持鼓勵。資本和企業也積極尋求商業落地場景，協助技術轉化。技術落地於垂直領域，繼而產生新的數據，促進算法更新迭代，又可以進一步服務於垂直領域，如此循環往復、不斷發展。這場全球競賽中，中國的優勢在於擁有海量數據和實踐經驗，但在基礎科研、基礎技術、前沿拓展方面仍存在薄弱環節。

2.1 政策：全球主要國家和地區均高度重視

以AlphaGo事件為分水嶺，人工智慧獲得空前關註，主要國家和地區紛紛加入這場事關未來大國科技實力的競爭當中。因為基礎設施尚未普及、技術超前、理論分支眾多等原因，人工智慧的發展經歷過三次潮起潮落，直到2016年DeepMind公司研發的AlphaGo挑戰世界圍棋頂尖棋手李世石，並獲得最終勝利，才讓全球又重新感受到人工智慧所帶來的魅力。AlphaGo在人機大賽中所表現出的與人類相似甚至更甚一籌的觀察、思考、決策能力，吸引世界各國和地區開始著手和加強人工智慧領域研發。根據不完全統計，目前全球包括美國、中國、歐盟、日本、韓國、印度、丹麥、俄羅斯等近30個國家和地區發布人工智慧相幹的戰略規劃和政策部署。其中，約80%的國家在2016年之後密集發布相幹政策和官方計劃，例如美國《國家人工智慧研究與發展戰略規劃》、英國《機器人技術與人工智慧》、中國《「互聯網+」人工智慧三年行動實施方案》等。

從發布的政策規劃來看，各國和地區認同人工智慧對未來的人才、產業升級、社會福祉、全球影響力的重要性，並作為國家級戰略進行推進。根據各國科研實力、人才匯集程度、基礎設施完備度、國情等因素，各國和地區的側重點有所不同。

美國致力於維持全球科技霸主地位，人工智慧位於其科技國界的核心。從歐巴馬時期到川普時期，美國一直積極支持人工智慧的研究，並將政策態度從「引導和扶持」轉為「必須領先」。2019年，美國陸續頒布《維護美國在人工智慧領域領導地位》、《國家人工智慧研發戰略計劃》、《美國人工智慧時代：行動藍圖》三部重要政策，表現美國政府對人工智慧技術的高度重視和維持領先地位的決心，主要措施包括： 1）加強聯邦政府資助，美國認為政府資金支持是參與推進科研進步的重要環節，但官方資助力度逐漸下滑，1976年到2018年，聯邦政府的研發支出占GDP比重從約1.2％下降為約0.7％。此外，通過減稅來鼓勵企業加大研發投入； 2）發揮矽谷創新力量，建立包括計算機視覺、語音語義、開源框架平臺等在內的技術和產業生態鏈； 3）重視以晶片為主的硬件層，包括促進國內半導體制造產業、建立多邊出口管制、保護供應鏈等； 4）重視全球性人才，包括對國內人才的培育和國際人才的吸引，認為有必要簡化相幹人才的H-1B簽證申請程序； 5）加強合作，包括國內外組織研發中心或聯合實驗室、舉辦創新比賽等； 6）開展前沿技術研究。

歐盟重點關註工業、制造業、醫療、能源等領域，強調發揮創新創造力，應用人工智慧使制造業及相幹領域智能升級。與美國類似，歐盟較早對人工智慧進行研發，並通過頒布政策、扶助資金、推出國家級計劃、建立重點科研實驗室等行為支持人工智慧技術和產業發展，例如2018年頒布的《人工智慧合作宣言》。此外，作為「數字歐洲」計劃和「地平線2020」計劃中的重要環節，人工智慧相幹項目也將受到數十億歐元的投資。與美國對比， 1）歐盟更加重視人工智慧的道德和倫理研究，並在多份文件中表明人工智慧發展需要符合人類倫理道德，例如2020年3月頒布的《走向卓越與信任——歐盟人工智慧監管新路徑》明確提出，為解決能力不對等和資訊不透明，保障人民相幹權利，需要建立人為監督的監管框架，重視數據安全和隱私保護； 2）歐盟對人工智慧的應用側重更細化，不同於美國的全方位領先，歐盟希望借助自身在制造業、工業、汽車等領域的優勢，利用人工智慧技術進行產業強化升級，例如《歐盟2030自動駕駛戰略》。

日本由於面臨嚴格的少子化老齡化問題，著重研究人工智慧在機器人、醫療、汽車交通等領域的應用。日本生育率長期低迷、老齡化水平長期位居世界第一，1992年日本勞力年齡人口占比見頂，2008年日本人口總量見頂，這對日本經濟、社會發展產生了深遠的負面影響，包括養老、健康等挑戰。以2016年發布的《日本下一代人工智慧促進戰略》為起點，日本不斷推出相幹政策規劃，圍繞「基礎研究-應用研究-產業化」三個方面，其中日本總務省下設的資訊通訊技術研究所和文部科學省進行人工智慧理論和技術研發，經產省解決應用場景問題，經產省建立的人工智慧研究中心（AIRC）促進產學研合作，主要承擔成果轉化和推廣。

中國人工智慧呈三階段逐步推進，重視與制造業和服務業的融合。 自2015年起，我國人工智慧相幹政策從智能制造時期，「互聯網+」時期（以《「互聯網+」人工智慧三年行動實施方案》為代表），到「智能+」國家戰略時期演變（以《新一代人工智慧發展規劃》為代表）。政策重心也從核心技術攻克到實際場景應用，從特定行業到跨界融合，從單項技術到人機協同。與美國和歐盟類似，我國也強調建立相幹試點項目，包括技術示范試點、政策試驗、社會實驗。

2.2 基礎科研：美國最強，中國快速追趕

中國人工智慧領域論文數量增長較快，但論文質量與美國依然存在差距。全球累計共發布人工智慧論文超70萬篇，中國、美國是論文發表大國，2018年中美兩國分別發布論文2.5萬篇和1.6萬篇，全球合計占比46.5%。從增長趨勢來看，美國保持勻速增長，中國自2014年後增長較快，中國論文數量占全球總量比重從1998年的8.9%上升為2018年的28.2%。從代表論文質量的FWCI指數（平均加權引用影響指數）來看，中國論文質量也在穩步提升，從1998年的0.43提升至2018年的1.39。美國保持全球最高水平，長年保持在2左右，2018年FWCI指數達2.38。

FWCI指數：FWCI標準化為1，當某國或機構的FWCI指數為1時，表明該國或機構的引用影響力在世界平均水平。如果某國或機構的FWCI指數為1.2，表明該國或機構論文被引用次數超出世界平均水平20%。如果某國或機構的FWCI指數為0.8，表明該國或機構論文被引用次數低於世界平均水平20%。

從論文發表機構類型來看，包括中國、美國、歐盟27國等在內的各國和地區均以高校為核心科研力量，2018年三者高校論文產出占各自總產出的92.1%、84.6%、90.7%。除高校外，中美兩國的主力科研主體有所不同，2018年中國科研機構產出約為中國企業產出的3倍，而同期美國企業產出約為美國科研機構產出的1.6倍。

2.3 數據量：人工智慧時代的「原材料」，中國具有規模優勢

電腦和智能手機的普及、互聯網和移動互聯網所累積的數據爆發，是促進人工智慧技術和應用突破的重要原因之一。人工智慧需要做到「感知、思考、決策」，首先就是需要足夠多、足夠好的原始數據對計算機進行訓練，猶如培育良駒，得喂足新鮮的牧草。 「足夠多」代表數據的數量要大，電腦的發明讓運算簡化，並讓資訊以電子化形式保存，智能手機的普及讓全球網民滲透大幅提高，兩者令大量的數據被保存。 「足夠好」代表數據的質量要佳，互聯網的誕生極大地縮簡訊息交流的物理距離、提高傳播速度，各類互聯網類服務應用誕生，其產生的數據類型也更加多樣，包括瀏覽網頁喜好、外賣點單頻率、行程記錄等，多元豐富的數據才能應對各種訓練人工智慧的要求。

數據增長和運用依賴於資訊和物理的基礎設施構建，中國將成為全球最大的數據中心。得益於人口數量、互聯網滲透率、智能手機滲透率、網速等，2018年中國擁有數據量7.6ZB，占全球數據總量的23.4%。隨著5G、物聯網等發展，通訊設備接入數量和承載能力提高，終端消費者增多，中國的數據量將在2025年達48.6ZB，占全球數據總量的27.8%，成為全球最大的數據集中地，將極大的促進和豐富人工智慧訓練，相幹模型結構和結果也更精準。

2.4 技術：深度學習推進本次人工智慧熱潮

足夠多、足夠好的數據支撐人工智慧「感知」階段，而人工智慧算法使計算機擁有思維，從而達到「理解、決策」，深度學習在這過程作出巨大貢獻。深度學習是一類模式分析方法的統稱，計算機通過學習樣本數據來掌握內在邏輯和規律，從而擁有分析能力，這項研究最早可以追溯到1958年弗蘭克·羅森布拉特發明的感知機（Perceptron）。利用感知機，可以進行圖像區分訓練，例如最常見的從水果堆中選出「蘋果」或者「香蕉」。然而當時缺少足量的數據，該項研究陷入瓶頸，並出現過度擬合（Overfitting）問題，例如學生希望通過練習相似的題目來掌握一種題型，但是訓練量不夠大、並沒有理解題型背後的知識點，考試一旦發生些許變化便無法解出答案。後來，科學家通過研究人腦，試圖模仿人腦神經網路機制來進行圖像、聲音等分類工作，逐漸演化成如今的深度學習。

深度學習的發展推進人工智慧基礎應用技術突破，自2010年起，全球包括計算機視覺、語音語義等基礎應用技術的專利申請量急速增長。

中國人工智慧領域的專利申請量呈逐年上升趨勢，據國家工業資訊安全發展研究中心《人工智慧中國專利技術分析報告》數據，2018年國內專利申請量達94539件，為2010年申請量的10倍。截至2019年10月， 百度、騰訊、微軟、浪潮、華為分別以5712、4115、3978、3755、3656件專利申請量位列國內人工智慧專利申請量前五。

人工智慧晶片的出現顯著提高數據處理速度，支撐日益龐雜的算法處理龐雜數據，是人工智慧發展的重要基礎。隨著處理的數據量增多、從通用場景到各類特定場景，算法模型設計的框架和層數也越來越龐雜，這對基礎硬件提出更高的運算要求。從相幹專利申請情況來看，中美兩國是申請大國，截至2019年10月，中美兩國人工智慧晶片專利申請量分別為1.6萬項和1.1萬項。從相幹申請人來看，傳統晶片和半導體企業更有優勢，其中三星、日立和IBM是該領域的前三專利申請人，從近年申請趨勢來看，三星和英特爾表現更積極。從實際應用產品來看，目前具備代表性包括英特爾EyeQ系列、英偉達Xavier系列、華為昇騰310、寒武紀Cambricon 1M系列、百度昆侖晶片等。

中美兩國是全球人工智慧企業聚集地，中國企業集中於應用層，美國企業集中於技術層。截至2019年2月，全球共有人工智慧企業3438家，美國以1446家位列第一，全球占比42.1%，中國第二、共745家、全球占比21.7%。 從企業類型來看，中國主要為應用層企業，美國主要為技術層企業。中國應用層人工智慧企業占比最高，為75.2%；技術層居第二位，占比為22%；基礎層企業占比最少僅為2.8%。而美國更重視技術研發，三類企業占比分別為39.1%、57.7%、3.2%。

2.5 資本：全球投資持續上升，中美人工智慧企業最受資本青睞

人工智慧技術突破和政策支持吸引資本持續投入，過去十年平均投資年增速約50%。據史丹佛大學數據，全球對人工智慧初創企業投資金額從2009年的不到10億美元升至2019年的近400億美元，其中2014年開始投資加快，2014-2019年11月，全球人工智慧初創企業共獲得1.6萬筆投資，平均每筆投資金額約860萬美元。

從國家和地區來看，美國公司和中國公司是全球投資重點。由於美國的技術領先性，美國無論是被投資金額還是被投資企業數量均保持世界第一。盡管中國被投企業數量不及美國，由於每筆投資金額較高，例如曠視科技2018年3月C輪融資4.6億美元、商湯科技2018年4月C輪融資6.2億美元，中國初創企業被投資金額僅次美國、約250億美元。此外，英國、以色列、加拿大、法國、日本、新加坡、德國和印度是被關註較為頻繁的國家和地區。

3 挑戰與建議

在數字經濟浪潮下，5G就如同「資訊高速公路」，為龐大數據量和資訊量的傳遞提供了高速傳輸信道，補齊了制約人工智慧、大數據、工業互聯網等在資訊傳輸、連接規模、通訊質量上的短板；人工智慧如同雲端大腦，依靠「高速公路」傳來的資訊學習和演化，完成機器智能化進程；工業互聯網如同「橋梁」，依靠「高速公路」連接人、機、物，推進制造走向智造。 人工智慧具有明顯的溢出效應，將與5G、數據中心等一起推進數字經濟時代的產業轉型升級，是當前及未來各國科技競賽的制高點。大國科技實力是國家實力的核心，能否抓住智能時代的變革機遇，是中國建設現代化強國的關鍵。總體而言，我國人工智慧產業仍處於發展初期，面臨基礎研發欠缺、技術和場景尚未融合、傳統基礎設施跟不上技術發展等問題。建議：

1）為人工智慧發展做好「軟性」支撐，做好人才培養、前沿技術研究和聯絡合作。加強國內高校開展相幹課程、培育本土人才。積極吸引海外科研人員、聚集全球人才。對照美國對科研人才的吸引措施，中國應該抓住這一機遇，在研究經費資助、個人稅收、簽證、戶口、子女教育等一系列領域推出引進海外高端人才的一攬子政策，切實解決科研人員後顧之憂，並為其科研、創業提供更大力度的支持。加快科教體制改革，建立市場化、多層次的產學研協作體系。由國家主導加大基礎研究投入，由企業主導加大試驗開發投入，多類主體形成合理的科研分工。

2）為人工智慧發展做好「硬性」保障，加快資訊化基礎設施建設，並對傳統物理基礎設施進行智能化升級。與鐵路、公路、機場三者構成工業時代的基礎設施不同，雲計算、大數據、人工智慧、5G、區塊鏈等將是未來重點，所覆蓋的新基建包括兩方面，一類是以數字中心、基站等為代表的資訊化設備，另一類是公路、鐵路等傳統基建設備。為應對未來的數字挑戰，需要從這兩方面入手，一方面加快寬帶網路、5G網路等建設，另一方面加強對傳統鐵路、機場等公共場景例如傳感器、控制平臺、雲平臺等智能化配備。為後續技術發展做好數據收集、傳輸、溝通、分析的硬件基礎。

3）重視人工智慧技術所帶來的人倫道德問題，從立法和監管兩個角度跟上技術革新。人工智慧的發展離不開數據，由於大部分的數據是公開透明、自由流通的虛擬產物，就會引發由數據的所屬而產生的權責問題，這也涉及到數據的安全、智慧財產權保護和隱私問題。例如，企業可以通過消費者的上網瀏覽資訊來分析傾向喜好，進行精準推送，企業降低營銷費用的同時消費者可以更好的獲得資訊或者產品，然而這一行為是否征得消費者同意、是否涉及侵犯個人隱私也值得考慮。由於數據的生產和使用涉及消費者、平臺、運營商、服務商等多個環節，數據在每個環節被加工整合，難以使用傳統的商品產品標準去統一管理，這也對相幹立法和監管造成阻礙。因此，需要關註人工智慧人倫道德、技術標準、人工智慧與人類社會關係等問題，以人為本，重視數據安全。

恒大研究院「疫情與新基建」相幹研究報告：

25、《，2020年4月20日

25、，2020年4月10日

24、，2020年4月9日

23、《》，2020年4月3日

22、《》，2020年3月29日

21、《 5G時代：新基建，中美決戰新一代資訊技術 》，2020年3月25日

20、《》 ，2020年3月24日

19、《》，2020年3月23日

》，2020年3月19日

17、《》，2020年3月18日

16、《》，2020年3月17日

15、《 中國新基建研究報告 》，2020年3月16日

14、《 我們正站在全球金融危機的邊緣 》，2020年3月15日

13、《》，2020年3月11日

12、《》，2020年3月10日

11、《》，2020年3月9日

10、，2020年3月6日

9、《》，2020年3月3日

8、，2020年3月2日

7、《》，2020月3月1日

6、，2020年2月28日

5、《》，2020年2月18日

4、，2020年1月31日

3、，2020年1月6日

2、，2019年12月6日

1、，2018年7月24日