构建完善、合理的人工智能产业讽刺按评价指标体系是保证评价效果真实可靠的关键，应遵循以下基本原则：①权威机构的典型指标体系，根据权威机构产业发展评价报告中出现过的高频率指标进行筛选；②全面性原则，以代表性较强、较全面的指标最大的反映出引发人工智能产业风险的信息，不仅可减少评价工作量，而且能确保评价结果的评估精度。③易获取性原则，在实际操作中应依据指标数据获取的可获性进行筛选，应确保合理的公开渠道，力求指标含义清晰、明确、真实、有效；④可量化原则：构建人工智能产业风险评价体系时要充分考虑指标能否被量化处理，尽量选取可量化指标。
本文从产业竞争力和产业安全的角度出发，识别导致人工智能产业风险的因素主要包括产业创新能力、产业规模、产业融资环境、产业经济效益、产业能源消耗等五个维度，影响人工智能产业风险的因素不仅取决于相对落后的产业技术创新的能力、较难的产业投融资环境、规模小的产业状态，甚至是产业耗能巨大以及能源效率低，还取决于产业的经济效益水平。
1产业创新能力
人工智能产业对科技创新能力要求较高，属于技术密集型产业，Glasser认为产业创新能力是影响技术密集型产业发展的一个重要风险因素，可以从五个方面来衡量：技术进口额、PCT专利申请数量、校企合作论文比例、论文FWCI水平、顶端研究者数量。一是技术进口额，技术进口额是指在人工智能领域从国外向国内通过贸易、投资或者经济技术合作的方式转移技术所花费的金额。技术进口额越大，表示从国外转移的技术就越多，产业的技术水平就越低，则产业的技术风险就越大，从而导致产业风险越大。二是PCT专利申请数量。PCT是专利领域中一项国际合作条约，专利申请人可通过PCT请求多国同时保护其发明专利。专利的数量及变化趋势可以反映一个国家的科技发展水平与最新动态。PCT专利申请越多，则国家的科技发展水平越高，产业风险也随之降低。三是校企合作论文比例。由于企业以追求经济利益为主，与高校的目标和定位不同，校企合作论文能够使高校的研究方向贴合市场需求，提高创新价值，从而推动人工智能产业发展。四是论文FWCI水平。FWCI值通常用来表示一个国家的总体科研质量，FWCI值越低代表国家的总体论文质量越差，越不利于人工智能的产业发展。五是顶端研究者数量。顶端研究者是指在国际上具有领先研究创新能力的专业人才，通常被用来衡量国家的人才质量和研究水平，是评价AI产业风险必不可少的重要因素之一，当人工智能顶端研究者数量较高时，将有助于将先进知识和技术进行创新转化，提高产业的创新效率，推动人工智能产业快速发展。
2.产业规模
产业规模越大越有利于产业的可持续发展，本文从国家人工智能企业数量、开设AI专业高校数量、基础层与技术层人才数量、AI 初创企业数量四个方面来衡量人工智能产业规模的大小。一是人工智能企业数量。该指标能够直接反映出一个产业的规模大小，企业数量多，有利于使产业产量增加，促进产业规模的扩大。二是开设有人工智能课程的高校数量。该指标可以反映一个国家培养人才的能力，开设AI专业课程的高校越多，AI人才越有利于得到大规模培养，‘业由才广’，随着高校AI课程的普及与深入，人工智能产业将会在很大程度上取得快速高质量发展。三是基础、技术层人才数量。该指标是指在基础、技术层研究领域内具有创新的研究能力且有创新成果的研究者。基础研究人才不足是AI产业风险的重要来源，在基础核心领域的研究人才越多，往往能够突破并掌握更多关键技术，产业竞争优势更明显。四是初创企业数量。初创企业是指行业内新成立不久，缺少资金和资源支持的一类企业，一般将开发的创新技术及创新产品作为其主要竞争优势，初创企业是产业创新、开发新技术的重要来源，初创企业数量越多，科技创新力量越大，越能激发企业的创新积极性，推动AI产业快速变革发展。