第壹，完善知識產權保護。只有給予R&D人員足夠的報酬，他們才有足夠的積極性去創造，這就需要對知識產權給予足夠的尊重和保護，讓知識生產者在創造知識的過程中切實獲得收益。這裏需要說明的是，在知識產權保護的過程中，會有“激勵性”和“開放性”的權衡——如果知識產權保護過嚴，那麽知識就難以傳播；如果保護過松，會挫傷人們的創新熱情。如何平衡兩者，需要在實踐中探索。
第二，加大對具有公益性質的基礎技術的支持。人工智能的發展需要大量的基礎研究。但從經濟學的角度來看，基礎研究具有公共物品的性質，由於激勵不足，其有效供給往往小於需求。針對這壹問題，政府應以產業政策大力支持基礎技術的研究，保證其有效供給。？
第三，善用新技術，幫助解決開放式創新中的激勵問題。現代創新離不開合作，但不同主體的合作往往涉及貢獻認定的困難。比如，在壹個大型人工智能系統的開發中，要確定每個企業和成員做出了多大的貢獻，以及如何根據貢獻來計算報酬，這將是非常困難的。現階段，要應對這壹問題，不僅要完善相應的法律法規，還要依靠相關的技術手段。例如，盡管人們對區塊鏈有不同的看法，但作為壹種技術，區塊鏈技術具有可追溯性、可追溯性、不可篡改性等特點，這些特點決定了它在識別貢獻和提供相應激勵的過程中具有很強的適用性。？
最後，保護數據生產者的激勵尤為重要。目前人工智能的發展很大程度上來自於機器學習技術的進步，而機器學習技術對數據的依賴程度極高。只有收集整理海量數據作為輸入，才能訓練出高效的人工智能系統，而收集整理數據的過程需要大量的成本。從某種意義上說，數據的生產過程與技術的研發有很強的相似性，但技術受知識產權法保護，關於數據產權及其保護的法律尚有欠缺。很多人甚至認為企業收集的數據應該免費使用。在我看來，如果這樣做，會嚴重阻礙數據生產者的積極性，從而影響數據作為生產要素的供給。因此，現階段需要盡快完善數據產權和使用的相關立法，加強對數據生產者的保護是人工智能發展的當務之急。