人工智能提升行业生产率四方面着力促人工智能产业发展

  人工智能是引领未来的战略性通用技术和驱动新一轮产业变革的新引擎，对于抢占未来发展制高点、构建现代化产业体系至关重要。为此，需要准确把握人工智能技术、产业发展内在规律和基本趋势，加快推动形成先导优势、特色优势和综合竞争优势。   人工智能产业方兴未艾   作为数字化的下一个前沿，世界各国对人工智能重视程度与日俱增。中、美、日、欧等国家或地区均制定发布了人工智能发展战略。近年来，全球人工智能领域的投资增长迅猛。   人工智能产业链的核心是大模型。从产业链的角度来看，人工智能上游基础层是算力和数据，包括服务器、芯片、光模块、交换机、数据中心、液冷设备等；中游技术层是构筑在算力和数据基础上、以算法为核心能力的大模型平台，深度学习、自然语言处理、迁移学习等是关键技术；下游是应用层，包括游戏、传媒影视、金融、办公、医疗等各类产业场景。其中，大模型是人工智能产业链核心竞争力的来源，全球各大科技公司都在积极投资、研发推出各自的大模型。   人工智能当前在多数行业中的应用仍处于初期或试验阶段。从全球来看，人工智能为经济繁荣提供了新机会，也深刻影响着国际贸易，但目前仅有少数企业开展规模化部署或者将其部署于核心业务。受企业人工智能战略、应用人才储备、短期投入产出效益等因素影响，我国人工智能使用率与美、英、日、印等领先国家相比仍有较大提升空间，国内企业需要进一步强化人工智能技术与现实业务的结合创新能力。   人工智能产业布局趋于虚拟集聚。目前，人工智能企业主要集聚在京津冀、长三角、珠三角区域，其中，应用层企业数量占比超过一半。产业布局虚拟集聚的趋势判断主要基于两方面原因：一是大模型平台的市场集中度趋于提升。由于模型训练的固定成本很高以及运营的规模效应巨大，基础大模型的市场将表现出显著的市场集中趋势。二是随着新一代信息通信技术的发展，技术层企业与基础层、应用层企业将更多地采用虚拟连接的方式，地理空间上的临近性对企业成长演化的重要性会大大降低。   以人工智能赋能产业发展   我国推动人工智能产业发展主要有三大优势：一是技术水平处于全球领先地位。我国人工智能专利数量全球第一，在语音识别、自然语言处理和计算机视觉等领域均取得了不少突破，且人工智能领域“巴斯德象限”特征明显。二是产业基础雄厚。人工智能发展需要场景驱动，我国产业门类齐全、经济规模巨大，在预测、采购、营销、定价、运营及改善用户体验等方面有极大的应用潜力。同时，我国人工智能企业数量亦位居世界前列。三是政策激励持续。我国早在2017年就制定了《新一代人工智能发展规划》，之后又相继出台了《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》《生成式人工智能服务管理暂行办法》等一系列政策法规，推动国家新一代人工智能创新发展试验区建设，政策支持力度明显。   下一步，我国发展人工智能产业需要从以下四个方面发力：   优化发展策略，有序推进产业赋能。一方面，引导错位竞争，强化区域竞合。目前，全国多地纷纷布局人工智能，加强对全产业链技术、市场等的理解，共同推动计算机视觉、智能语音、自然语言处理、生物特征识别、VR/AR等领域技术的突破，积极开展机器学习、知识图谱、类脑智能计算等通用技术的联合攻关，同时在产业链环节各有侧重、有序竞争、持续发力。另一方面，完善应用策略和推进路线。人工智能技术需要在应用中不断迭代发展，应遵循先易后难、先简单后复杂的原则，明确在不同行业部署的优先级和应用重点，加快构建人工智能应用的试错机制。比如，制造业应用首先进入人力成本或综合成本较高的简单重复劳动环节，优先探索机器人协助制造、机器视觉工业检测等智能场景，进而改造全流程。   加强人才培养，搭建产业应用桥梁。一方面，加强复合型人才培养。应用驱动是我国发展人工智能的重要策略路径。相对于软件工程师、数据科学家、产品经理等，熟悉产业场景和实际业务并能将业务问题转化成解决方案的人工智能转译人才更为关键。应以行业人才再培养为主要着力点，夯实大模型在产业中应用的要素支撑。特别是要鼓励企业加强内部挖潜，坚持外引内育并举。另一方面，完善人才培养方案。高校、高职院校在人才培养上应加强电子、材料、机械、光学等现有学科专业与人工智能科学的有效融合。强化校企人才联合培养力度，丰富应用场景驱动人才成长。三是促进跨区域人工智能人才交流。创新人才招引和使用方式，注重团队招引，探索人才共享方式。   完善政策举措，有力支持应用驱动。一是抓紧制定细化人工智能产业链地图，进行全面深度产业扫描，对人工智能发展关键点的特征属性、政策需求等开展系统、深入研究。二是完善顶层设计，整合短期政策。成立全球范围内的人工智能产业专家咨询委员会，形成对产业发展总体战略、实施方案的决策支持。加强政策的普惠性、包容性、协调性和延续性，注重对需求端的补贴。三是引导上下游协同发展，开展大模型创新应用大赛，编制优秀案例集，给予国内优秀大模型企业应用迭代的机会，鼓励大模型企业与生态企业打造创新共同体和利益共同体，构建开放动态产业生态体系。四是尊重企业成长的差异性，用中长期战略眼光真正重视人工智能领域目前尚处于初创期、规模较小、贡献不大的企业。   注重发展安全，营造良好发展环境。一方面，适度超前布局支撑人工智能发展的基础设施体系。现代人工智能的发展主要依赖人力资本、数据和算力。除了优化升级网络连接类基础设施、提升传统基础设施的智能化水平，还要加强功能类基础设施的建设，特别是加强大数据基础设施和高效能计算基础设施的统筹布局及建设利用，积极推进高质量数据集、智能算力集群等相关领域技术攻关，为大型人工智能模型训练提供海量数据和强大算力支持。另一方面，完善人工智能治理。加强人工智能治理的国际交流与合作，规范数据管理和算法管理，提升技防水平，如研发人工智能风险管控软件、安全大模型等，不断提高人工智能的安全性、包容性和公众信任度，降低人工智能应用的风险以及可能对公平竞争、知识产权、社会平等、个人隐私、信息决策等产生的不利影响。   （程俊杰 作者系南京大学长江产经院特任研究员，江苏省社科院区域现代化研究院副院长、研究员）