国有企业如何发展人工智能

人工智能已成为人类第四次工业革命的核心驱动力。在数字经济时代，人工智能产业对于释放经济潜力，推动科技创新具有举足轻重的作用，人工智能是引领新质生产力发展的关键引擎。

中国信息通信研究院数据显示，2023年我国人工智能核心产业规模达5787亿元，相关企业数量达4482家。人工智能产业链覆盖芯片、算法、数据、平台、应用等上下游关键环节。纵观全球，中国已经成为人工智能领域的超级大国之一。

作为中国经济的顶梁柱，央企国企正在引领并推动人工智能产业快速发展。2024年2月，国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会。会议要求，中央企业要加快布局和发展智能产业；加快建设一批智能算力中心等。

在今天，大模型和生成式人工智能所带来的机遇是堪比工业革命的大机遇，这已成为行业共识，每一家企业、每一个组织都在思考如何发展并利用人工智能——这一新技术来提高自己的竞争力。

中国人工智能产业位居世界第一梯队

数据、算力和算法，是人工智能产业发展的三大关键要素。

国家互联网信息办公室发布的《数字中国发展报告（2022年）》显示，2022年中国数据产量达8.1ZB，同比增长22.7%，全球占比达10.5%，位居世界第二；截至2022年底，中国数据存储量达724.5EB，同比增长21.1%，全球占比达14.4%。

算力是人工智能竞争的核心。从算力规模来看，《数字中国发展报告（2022年）》显示，截至2022年底，中国数据中心机架总规模超过650万标准机架，近5年年均增速超过30%；在用数据中心算力总规模超180EFLOPS，位居世界第二；存力总规模超过1000EB（1万亿GB），国家枢纽节点间的网络单向时延降低到20毫秒以内，算力核心产业规模达到1.8万亿元。

2023年7月，IDC、浪潮信息、清华大学全球产业研究院联合发布《2022—2023全球计算力指数评估报告》显示，在15个样本国家中，中国算力指数排名全球第二位，处于领跑者位置；2022年中国整体服务器市场规模仍然保持6.9%的正增长，达到270亿美元，占全球市场25%，仅次于美国，稳居世界第二。

全球格局上，浙商证券发布的研报显示，全球人工智能企业呈现“中美主导”格局。截至2023年三季度，全球人工智能企业有29542家，中美人工智能企业数占全球总数的近一半，美国有9914家（占比为34%），中国有4469家（占比为15%）。

中国工程院院士高文认为，中国已经成为人工智能领域的超级大国之一。在一些关键核心技术上，中国已经走在了世界前列，例如人脸和语音识别技术。同时，中国的人工智能发展与各行各业的结合渗透程度较高，例如百度的无人驾驶、阿里的城市大脑、腾讯的智能医疗、科大讯飞的语音识别、商汤的图像与视频处理等开放平台以及华为、寒武纪、海康威视等实体经济领域平台已经创建。

中国移动、中国石油、国家能源集团、国家电网等中央企业也在持续发力，不断在业务场景中推广人工智能的应用。4月2日，中国移动宣布，中国移动九天AI大模型可正式对外提供生成式人工智能服务，也成了同时通过国家“生成式人工智能服务备案”和“境内深度合成服务算法备案”双备案的首个央企研发的大模型。

多数研究者认为，加快推动人工智能发展，是国资央企发挥功能使命，抢抓战略机遇，培育新质生产力，推进高质量发展的必然要求。另一方面，中央企业具备需求规模大、产业配套全、应用场景多等优势，中央企业入局有利于加快完善我国人工智能产业发展基础底座，促进形成产业示范项目，为其他企业创新提供方向。

中国发展人工智能                                   应坚持“两条腿走路”

从产业链的角度看，人工智能产业的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。

青年经济学者贾铭在调研了十几家人工智能企业后发现，长远来看，仅从技术角度来讲，人工智能竞争的本质是算力的竞争，而算力的背后是芯片。尽管当前我国已经加大在半导体领域的研发投入，但短期内中国在芯片制造领域取得颠覆性突破的困难还比较大。

数据则是发展人工智能产业重要的基础性战略资源，中国是世界上数据最丰富的国家之一，但也存在缺乏优质数据的问题。

大模型是人工智能产业链核心竞争力的来源，当前，各大科技公司都在积极投资、研发推出各自的大模型。例如，科大讯飞研发的讯飞星火认知大模型在2023年6月就通过中国信通院组织的国内首个官方可信AIGC大模型基础能力（功能）评测，并且获得认证通过全部功能项。

昆仑万维于2023年8月发布国内首个AI搜索引擎——天工AI搜索，现已形成AI大模型、AI搜索、AI游戏、AI音乐、AI动漫、AI社交六大AI业务矩阵。

中科曙光在高端计算领域开发了基于国产处理器的多款服务器、工作站，均通过了国家级实验室的产品质量测试；在国产化部件方面，完成面向云计算领域和人工智能领域的存储IO模块设计。

伴随着产业的快速发展，通用大模型和垂直大模型相关应用正在与场景结合，加速走进生产生活。例如，上海人工智能实验室牵头研发了人工智能气象预报大模型“风乌”；中国石油集团测井有限公司联合华为打造出地质分层、储存划分、参数计算和油气识别的L2级应用大模型；山东能源集团联合华为发布了业界首个矿山大模型，目前已经应用在包括采煤、掘进、运输、安监等9个专业领域。

在工信部信息通信经济专家委员会委员刘兴亮看来，当前，人工智能在多数行业中的应用仍处于初期或试验阶段。放眼全球，如果说各行各业的大模型研发是万里长征的话，我们其实已经迈出了第一步。

对于当前国内人工智能产业的发展，百度创始人、董事长兼首席执行官李彦宏表示，AI原生应用正在成为主要趋势。中国的大模型很多，但是基于大模型开发出来的AI原生应用却非常少。我们看国外，除了有几十个基础大模型之外，实际上已经有了上千个AI原生应用，这在中国市场上是没有的。

“我认为，人类进入AI时代的标志，不是产生很多的大模型，而是产生很多的AI原生应用。大模型本身是一个基础底座，类似操作系统，开发者应该要依靠为数不多的大模型开发出各种各样的原生应用。不断重复开发基础大模型是对社会资源的极大浪费。AI原生时代，我们需要100万量级的AI原生应用，但是不需要100万个大模型。如果我们的产业政策能够更加鼓励基于大模型的AI原生应用，我们一定能够构建起一个繁荣的AI生态，推动新一轮的经济增长。”李彦宏说。

“另一方面，由于没有智能涌现能力，专用大模型的价值其实非常有限。”李彦宏认为，现在很多行业、企业都在买卡、囤芯片，建立智算中心，想要从头训练自己的专用大模型。殊不知这样训练出来的大模型是没有智能涌现能力的。大模型的产业化模式，应该是把基础模型的通用能力和行业领域的专业知识相结合。也就是大模型套小模型，专用的小模型反应快，成本低，大模型更智能，可以用来兜底。强大的基础模型，会驱动AI原生应用爆发。中国有领先的基础大模型，这是AI原生应用发展的坚实基础，是底层的能力。

国家外国专家局局长李萌认为，中国发展人工智能应坚持“两条腿走路”：一方面加强人工智能底层创新和能力建设，提升大模型的多模态通用化水平，推动认知能力更强、更具可解释性的智能涌现；另一方面加强大模型多场景应用，特别是在产业垂直领域的深度应用，在应用中积累数据、迭代模型、创新算法。

提升人工智能原始创新能力              是重中之重

“提升真正意义的人工智能原始创新能力，是重中之重。跟随当代人工智能热点的发展模式既不可持续，更无法形成未来的引领机遇。我国在算力和数据基础设施上仍需补短板，促进差异化发展，特别是要扶植创新型研发机构、初创企业，以加强人工智能的原始创新。”谈到中国人工智能产业，中国科学院自动化研究所研究员、联合国人工智能高层顾问机构专家曾毅如是说。

颠覆性技术创新的核心要素是“人”，这也是当下中国发展人工智能产业最明显的短板。据统计，中国最顶级的人工智能人才数量只有美国的20%。

曾任深圳市科技局副局长，现任国家海外人才离岸创新创业基地（深圳）总裁的周路明也有相似观点。

近期，美国人工智能源头创新的成果迭出，继GPT（Generative Pre-Trained Transformer，生成式预训练模型）之后，SORA（美国人工智能研究公司OpenAI发布的人工智能文生视频大模型）横空出世，每一轮都搅动着中国科研、产业界的神经，也引发了我们对于核心技术落后的担忧。

周路明认为，对核心技术落后的担忧，部分源于我们对核心技术形成路径的片面认识，以为成果转化的路径模式才是核心技术形成的必由之路，这种路径依赖已经支配了中国科技战略政策设计者、科学家和部分企业家数十年。GPT问世之后，国内人工智能产业出现了“百模大战”，但GPT很快又有被新事物取代的趋势。中国人工智能发展如果完全跟着美国起舞，结果恐怕很糟糕。

“其实，现代产业核心技术的绝大部分都是企业围绕产业问题、市场需求开展应用端的研发逐步形成。过去二十年，在电动汽车产业的发展过程中，国内产学研围绕产业的真问题开展产学研协同，用并联分工的方式解决产业提出的各种问题，在电池、电控等系统的关键环节形成了领先全球的核心技术。这对纠正国内核心技术发展的路径依赖是一个很有说服力的案例。”周路明说。

在周路明看来，人工智能领域的爆炸性发展正在产生一系列颠覆性的变革，我们真正需要认识到的问题是，中美在源头创新方面的真正差距不是技术、知识、金钱，而是方法论层面的差距。这一轮美国人工智能创新在方法论方面出现了一些新的动向：它不再沿着“基础研究—应用基础研究—开发研究”的线性方式组织源头创新，而是基础研究直接瞄准产业问题开展，把基础研究、应用基础研究、产品研究一整套创新链直接压缩在一个组织（OPEN AI）里，把产学研浓缩在一个产品形态上开展协同。这个动向值得中国研究，如果我们在人工智能领域的创新战略还沿用成果转化那套模式去组织，既浪费钱财，还会错失产业发展机会。中国应该发挥应用端优势，挖掘产业真问题，组织产学研并联式协同创新。

从技术层面看，人工智能已成为信息技术发展最活跃的领域之一。在以大模型为代表的创新浪潮带动下，人工智能技术、产业、应用等各环节将迎来快速迭代演进和探索突破的关键时期。对此，中国信息通信研究院院长余晓晖表示，现阶段，人工智能产业的发展重点已从软硬件单点技术突破向系统协同侧重，未来需要更加强调应用、算法、关键软件栈、底层硬件全方位协同发展。同时，需要从政策引导、标准规范、监管手段等方面提前做好应对部署，确保大模型等人工智能技术在我国经济社会高质量发展中发挥更大作用。