深度融合賦能實體經濟——加強人工智能發展和監管述評(中)

近年來,我國人工智能(AI)技術發展日新月異,大模型已經在重點工業領域完成規模化部署,與實體經濟融合不斷加快,賦能效應日益明顯。

“當前,人工智能不但是提升效率的輔助工具,而且是作爲一種關鍵生產要素,深度融入研發設計、生產製造、供應鏈管理、市場營銷等全價值鏈環節。正從消費互聯網的模式創新,全面轉向工業、農業、能源等實體經濟領域。”賽迪研究院電子信息研究所數智技術研究室副主任王麗麗說。

產學研用協同創新

工信部發布數據顯示,我國已累計培育400餘家人工智能領域國家級專精特新 “小巨人”企業。

“我們聯合財政部設立600億元規模的國家人工智能基金,加快佈局投資項目;印發《國家人工智能產業綜合標準化體系建設指南》,累計共制定了40餘項行業關鍵標準和10餘項國際標準,大力促進產融合作。”工業和信息化部總工程師謝少鋒說。

在激烈的市場競爭中,企業最先察覺到行業痛點,創新需求也最爲強烈。因此,構建以企業爲主導的產學研用創新體系,將加快人工智能與實體經濟的深度融合。

在紡織行業,布品質量檢測曾經一度靠人工完成,不僅效率低,還存在漏檢誤檢等問題。爲此,中電信人工智能科技有限公司與中國電信人工智能研究院聯合攻關,基於星辰視覺大模型研發出AI驗布機,將AI視覺算法應用於織造、布行、印染、成衣等階段的面料質檢環節,能夠精準檢測出布面的疵點、色差問題,較人工提效100%,布匹缺陷檢出率達90%。

人工智能在與實體經濟融合的過程中也暴露出安全治理缺失、高端人才不足等行業難題。“在工業領域,安全永遠是第一位的。應由權威機構牽頭、聯合產業界,共同制定針對工業AI系統的評測標準和認證流程,特別是在覈心生產環節加強標準引領。”王麗麗建議,在人才培養上,鼓勵高校設立“人工智能+X”的交叉學科,推動產學研深度融合,讓AI人才直接到一線解決真實問題。

賦能傳統制造業轉型

“我國已形成了覆蓋基礎層、框架層、模型層、應用層的完整產業體系。算力規模居全球前列,建成鋼鐵、煤炭等高質量行業數據集,培育出一批競爭力強的通用大模型和行業大模型。”謝少鋒介紹,大模型在能源、電子、原材料、消費品等行業加快落地。

設備故障預測準確率達到90%以上,斷鏈響應效率提升70%,單位能耗降低25%……山東浪潮智能生產技術有限公司依託自主研發的智產大模型,融合工業機理與人工智能技術,爲山東榮信集團有限公司打造煤化工行業大模型,具有設備故障預測、供應鏈優化、碳排放管控等功能,助力企業降本增效。

浪潮集團副總裁張金龍認爲,工業是大模型應用的主戰場,要以數字化場景爲抓手,以數字技術爲支撐,加快工業大模型應用,推動傳統產業完成數字化改造。

在王麗麗看來,人工智能賦能傳統產業,一方面通過引入預測性分析,建立以狀態感知和風險預判爲基礎的主動式管控體系,在設備預測性維護中,將突發的、隨機的設備故障轉變爲可預知、可規劃的維護活動,提高生產確定性;另一方面,改變了傳統研發範式,這一環節曾高度依賴工程師的經驗和知識積累,在AI助力下,設計效率、產品性能、迭代速度都大幅提升。

數據資源開發利用

數據作爲人工智能應用的底座,爲大模型提供關鍵支撐。

“人工智能發展離不開數據資源開發利用。”國家數據局局長劉烈宏介紹,2024年以來,國家數據局聯合14個部門深入實施“數據要素×”三年行動計劃,數據要素正深入各行業、各領域,釋放出千姿百態的乘數效應。

交通運輸行業具有海量數據資源和豐富應用場景,是發揮數據要素乘數效應、釋放數據要素價值的重點領域。據悉,交通運輸部正按照“1+N+X”的技術架構,加快建設綜合交通運輸大模型,即建設1套通用大模型底座、N個行業垂域大模型、一批面向應用的智能體。

“數據是支撐大模型建設,實現行業落地應用的重要基礎。我們建成交通運輸數據共享交換系統,橫向連通國務院各個部門,縱向直達地方交通運輸主管部門,實時對接國家數據共享交換平臺,累計匯聚數據27億條,數據存儲容量達74TB,提供服務14億次,有力支撐了跨地域、跨層級、跨系統、跨部門業務協同。”交通運輸部科技司司長徐文強告訴記者。

有關數據顯示,2024年,我國數據生產量同比增長20%,數據流通交易量同比增長超過30%。

“數據要素市場化配置改革和‘人工智能+’行動是同向發力、同頻共振的。我們將加快推動數據要素和人工智能產業賦能、終端應用和場景培育相結合。”劉烈宏表示,當前,全國數據系統正在加快建設高質量數據集。未來,國家數據局將進一步構建數據流通交易標準體系,細化流通交易規則,推動發佈數據流通交易標準示範合同,降低數據流通交易制度性成本,提升數據流通交易效率,更好地助力“人工智能+”行動。(經濟日報記者 李芃達)