今年政府工作报告提出，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。“人工智能+”行动是被首次提出。工业和信息化部近期表示，今年将开展“人工智能+”行动，促进人工智能与实体经济深度融合，推动人工智能赋能新型工业化。

　　我国为何要开展“人工智能+”行动？“人工智能+”，“+”什么？怎么“+”？近日，云端会客厅邀请北京大学武汉人工智能研究院副院长、北京大学智能学院教授马修军，中国信通院教授级高级工程师、武汉市数字经济发展研究院副院长谭敏和深圳市数字经济产业促进会产业部部长王嘉，围绕上述话题展开探讨。

　　专家们认为，人工智能已是大国竞争胜负手，也是发展新质生产力的重要引擎。丰富的应用场景和数据资源是我国发展人工智能最大的优势。目前，我国人工智能正与工业制造进行深度融合，智能制造是需要主攻的方向。

　　大模型虽表现出一定的泛化性，但它究竟是不是拥抱产业的通用人工智能平台，换句话说，未来所有产业是否都需要大模型，无论是在我国还是其他国家，还有待观察和探索。

　　长江日报：从当前国际国内形势来看，各国发展人工智能产业为什么已时不我待？我国为何要开展“人工智能+”行动？

　　马修军：从外部环境来说，我国正面临大国竞争关键节点。某种意义上说，人工智能和集成电路是大国竞争的胜负手。从内生需求来说，我国要发展新质生产力，人工智能是赋能各行各业的重要引擎，也是高质量发展的重要手段。

　　谭敏：文生视频大模型的出现不是偶然，是算力、模型、应用数据等多种综合能力孕育下的产物，是创新的体现，更是国力的体现。

　　人工智能是引领新一轮科技和产业变革的战略性技术，具有溢出带动性强的“头雁”效应。加快人工智能全面赋能新型工业化，对我国发展新质生产力起到决定性作用。人工智能赋能生产要素向多元化、融合化和复杂化方向发展，以生成式人工智能为代表的数字化产业正爆发式增长，越来越多面向应用场景的行业大模型不断涌现，表现出产业价值创造的“乘数倍增效应”。人工智能技术作为新质生产力的代表，极大地促进生产力发展，进而对经济发展、科技创新、国际格局等产生深远的影响，由此带来的改变，将影响到我们每一个人。

　　AI画画、复活逝者等并不是人工智能最前沿的技术，而是让大众更好了解人工智能的场景或工具。人工智能最前沿的技术载体，我首先想到的是人形机器人。

　　谭敏：“人工智能+”就是人工智能技术将作为最基础的能力融入各行各业和人们的日常生活之中，成为一种新质生产力，驱动人类社会的快速发展。“人工智能+”类似于“互联网+”，它要像水和电一样，渗透到工作和生活的每个角落。

　　未来产业是颠覆性的，需要颠覆性的技术去驱动。我国为达到2035年基本实现新型工业化的目标，需要充分发挥“人工智能+”的新引擎作用。在自主能力方面，一方面是要有核心的智能芯片，包括推理芯片、训练芯片等等，目前国内厂家如华为、寒武纪等等都在为之努力；另一方面需要有大模型的支撑，目前国内有类似ChatGLM这样在世界范围内都具有竞争力的模型。国内推动“人工智能+”行动应是协作而不是竞争。人工智能需消耗的资源太大，这只能是大国之间的竞争，城市之间只能协作。

　　王嘉：“人工智能+”，就是人工智能所具有的提效、降本等综合能力，要与社会中的千行百业高效深度融合，让原有行业的效率上升、成本下降，实现快速发展和迭代。总之，就是使存量产业发展得更快、更好、更低成本，从而带动形成增量产业。

　　在“人工智能+”行动中，要从全国一盘棋的产业布局出发，各地应根据自身的产业特色、科技优势，进行人工智能差异化产业定位。

　　长江日报：当前，全球人工智能技术处在什么发展阶段？我国人工智能技术发展现状如何？在这一背景下，我国推进“人工智能+”行动已积累哪些优势？

　　马修军：目前，大模型作为人工智能的操作系统，其产业生态的雏形已经出现。我认为，人工智能正处在类似互联网爆发的生态前夜，但人工智能能不能成为类似移动互联网的操作系统、网络协议这样的基础设施，还有待验证。高昂的算力成本、模型的局限性，导致大众对人工智能的使用尚处观望阶段，目前人工智能还处在通用人工智能生态形成的前夜。

　　我国的优势在于有丰富的人工智能场景。虽然数据质量可能暂时比不上国外，但未来的人工智能数据不光是自然语言，还有图像、视频、音频以及各行业的感知数据。从多模态、度的角度来说，我国在数据资源的广度、深度和规模上远超其他国家，这是我们未来发展人工智能最大的优势。整体来看，我国人工智能的发展水平处在国际第一梯队。

　　谭敏：生成式人工智能的快速发展，标志着感知型人工智能向认知型人工智能转变，预示着人类社会正在迈进通用人工智能时代。

　　我国人工智能产业正处在追赶期。人工智能的比拼主要在算力、算法和数据三大领域。根据业内观点，在算法，特别是大模型方面，我国对比国际最先进水平，差距大约在1年左右；在算力，特别是芯片方面，差距可能在5年甚至更长的时间；但在数据方面，不论是短视频还是行业应用，我们都具备一定优势。

　　特别值得注意的是，国家近期组建成立了国家数据局，各省也成立了省级数据局，相信未来对数据要素的发展能够起到关键的引导和推动作用。

　　目前，我国人工智能正与工业制造进行深度融合，智能制造正是需要主攻的方向。这是我国人工智能目前对行业或者产业最能带来爆点的应用场景，也是“人工智能+”在产业领域的主要体现，且已积累了一定优势。前两天雷军在小米SU7的发布会上说，他最大的底气在于小米拥有世界上最先进的智能化工厂，也是这个逻辑。

　　王嘉：发展数字经济涉及传统行业的技术迭代，以及包括人工智能、大数据、区块链、云计算、边缘计算等在内的新型技术的发展。这些新型技术在过往的发展中此起彼伏，并驾齐驱。

　　人工智能最新一轮的发展浪潮，从2017年基础大模型被提出开始，到如今2024年新一轮人工智能深度学习浪潮，已经七年。我国国产的月之暗面kimi大模型近期发布，意味着我国在长文本方面有了很大的技术优势。

　　纵观这一年多的发展历程，我国与世界最先进水平仍有一定差距。随着kimi大模型的出现，国产的大模型算法也走到了世界前列。但我国在通用大模型体系、基础研究建设路径等方面，处在努力追赶的阶段。

　　长江日报：我国人工智能技术与国际最先进水平还有一定差距，这是否会对“人工智能+”行动的效果产生影响？我国在推进“人工智能+”行动的过程中，应该注意什么？

　　王嘉：推进“人工智能+”行动，要从全国一盘棋的产业布局出发。各地应根据自身的产业特色、科技优势，进行人工智能差异化产业定位。

　　目前我国人工智能整体仍然处于学习成长阶段，未来会不断走向纵深。需遵从客观规律，各地要走出自己的特色，走差异化定位。各地政府、研究院、投资机构等，在人工智能产业生态上要实现环环相扣，基于国际、国内的最新技术路径，结合资本、产业、招商引资等形成完整的人工智能生态。

　　马修军：目前，大模型表现出一定的泛化性，但它究竟是不是拥抱产业的通用人工智能平台，换句话说，未来所有产业是否都需要大模型，无论是在我国还是其他国家，还有待观察和探索。

　　人工智能的本质是用网络对人类的知识进行压缩，通过给它一个提示，就可以生成想要的东西。各行业在应用人工智能技术的时候，希望不仅具备自然语言的知识，还有各行业模态的知识。因为每个行业都有特定的数据结构和类型。

　　那么针对这些行业数据，如何用网络进行压缩、表达，以及和应用场景进行结合？我国不能简单模仿国外基于大模型的技术路线，去无限堆叠网络参数的数量，而是要结合行业场景，用行业最高质量的数据，确定行业的小模型、中模型。大模型承载不了的，可以用其他技术来弥补，这才达到了人工智能赋能产业的效果。这才是务实的人工智能产业路线。

　　长江日报：近年来火热的大模型是否等同于人工智能技术？如何理解人工智能技术的颠覆性？大模型是否可以看作是人工智能颠覆性的体现？

　　谭敏：人工智能技术的颠覆性集中体现在感知智能到认知智能的转变。这意味着拥有意识的人工智能不仅仅只存在于科幻小说之中，在未来的一二十年可能就会成为现实，而破局的关键技术正是大模型。

　　相关数据显示，预计2028年国内仅大模型的市场规模就将达到1179亿元。人工智能由来已久，其发展的模式呈螺旋结构。记得上一次人工智能的热点是深度学习，而这一次的热点则是大模型。虽然大模型将人工智能的热度送上了新的高度，但人工智能并不等同于大模型。大模型是从感知智能向认知智能迈进的分水岭，使得AI从“看、听、说”，走向“学、思、研”，大模型或是开启通用人工智能的一把钥匙。

　　人工智能目前的前沿是认知智能技术，即让机器具备初步的意识。AI画画、复活逝者等并不是人工智能最前沿的技术，而是让大众更好了解人工智能的场景或工具。人工智能最前沿的技术载体，我首先想到的是人形机器人。

　　王嘉：把“人工智能”四个字拆开解读，很像一个婴儿从小学到中学、大学、研究生，再到工作的四个阶段。“人”是婴儿从慢慢长大到上小学的基础学科阶段；“工”是初高中到大学的工具型知识阶段；“智”是大学毕业后的研究生、博士阶段，开启自主创新。“能”是工作后，将前三阶段的知识转化成应用场景。每一个阶段，都有属于这个周期的颠覆技术。

　　在科学的定义中，有性科学和常识性科学两类。而在人工智能中的颠覆性科学，整体来看，是近5到10年多模态体系多角林立的竞争。

　　在整个开发和研究的路径上，如果在全世界范围内再没有类似这样颠覆性路径的改变，就会呈现人工智能在大模型领域的多模态竞争和非多模态竞争两个方面。但这两方面都不是颠覆性技术，因为学术路径并没有发生改变。目前我们看到的一些具体应用场景，都不能称为颠覆性技术。

　　马修军：从技术的角度看，人工智能的核心基于深度学习原理，它的突破在于引入了预训练框架，即可以无限堆叠网络的宽度、深度和参数，把看得到的数据当成知识，无限、高效地压缩到一个网络里。看得越多，懂得越多，会的越多，这是和以前的人工智能最大的不同。它不是为某个任务训练一个特定的模型，而是这个模型可以泛化地解决通用任务，这就是颠覆性的体现。

　　大模型之所以让人震撼，在于它能写文章，能做PPT，能写代码，能画图，有通用能力。它的颠覆性在于，第一次实现了对人类知识高效压缩的表达。

　　不过，人工智能达到这样就够了吗？还存在一定观望空间。它的上下文窗口、算力成本以及和其他信息系统、业务系统连接的能力，还需要其他技术来补充。目前人工智能有一定的颠覆性，但还不足以成为我们真正想象中的通用人工智能。