人工智能深度賦能實體經濟要在基礎研究和行業應用上下功夫

■ 文/徐 立

基礎研究是產業發展的命脈，應用場景為基礎研究源源不斷地提供了試驗環境，二者雙向反哺才能夠打造我國自己的一體化生態，人工智能才能得到更穩健、更健康的發展。

上海已處于國內人工智能發展的第一梯隊

目前，世界各國都將人工智能作為未來經濟轉型發展的重要驅動力，人工智能領域已經成為國際競爭的一個必爭高地。《上海市國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》提出，要著力打造具有國際競爭力的三大產業創新發展高地，將人工智能作為優先發展的重要戰略選擇。在產業規模方面，2020年上海人工智能產業規模超過1500億元。在科研設施方面，經過多年的積累，上海已擁有各類與人工智能相關的研究機構數十家，這些科研機構能夠為人工智能的發展提供良好的科研基礎條件支撐。在人才方面，全國有超過1/3的人工智能領域的專業人才集聚上海，尤其是在計算機視覺、語音語義識別、腦智工程、AI芯片等領域，上海具有較強的話語權。在行業應用方面，上海擁有豐富的實體經濟應用場景，包括城市數字化、醫療、金融、汽車、制造等，為人工智能的發展提供了天然的試驗場，反哺人工智能技術不斷創新迭代。

基礎與應用雙向反哺才能打造完善的產業生態

近年來，盡管我國人工智能產業蓬勃發展，但是依然面臨“重應用、輕基礎”的問題，這一問題的產生是由我國產業發展的一般特性所決定的。我國擁有的非常大的人口基數和人口紅利，帶動了實體產業和消費經濟的繁榮發展，進而產生了海量的涵蓋各行各業的大數據資源，這些都為人工智能技術提供了很好的應用場景。諸多企業為了實現快速商業變現往往選擇應用環節作為切入點，從而相對更快地取得投資回報。基礎研究和原始創新往往需要更長的研發周期，需要長期的量變積累才能夠實現質變突破，大多數企業不愿意做這樣的長期投入。基礎研究方面的落后和斷層會導致我國在一些關鍵核心技術領域被“卡脖子”，產業發展（如芯片、操作系統等）容易處處受制于人。因此，基礎研究是產業發展的命脈，應用場景為基礎研究源源不斷地提供了試驗環境，二者雙向反哺才能夠打造我國自己的一體化生態，人工智能才能得到更穩健、更健康的發展。

“十四五”時期促進上海人工智能產業發展的3個著力點

一是著力提升基礎研究水平。人工智能企業在發展過程中不僅要關注商業化的應用變現，還要將更多的投入和精力放到底層的基礎理論研究和原始技術創新上。企業要善于發揮主體作用，牽頭科研院所、高校、其他頭部企業開展深度合作。在前沿理論研究、關鍵共性技術創新以及科技成果轉化等方面發揮各自優勢，打造軟硬一體、產學研用聯動的自主可控生態。政府在這個過程中可充分發揮“政策之手”的作用，進一步加大對基礎研究的投入，并鼓勵頭部企業牽頭承擔更多基礎研究和科技創新的重點任務。

二是推動人工智能加速賦能實體經濟。一方面，可以是人工智能企業搭臺，實體企業來唱戲。人工智能的發展離不開底層重大算力基礎設施和平臺的支撐，但平臺搭建的投入非常高且周期長，導致進入壁壘很高，很多實體企業和中小企業在智能化和數字化轉型的過程中不大可能通過自建的方式搭建這些底層設施。人工智能企業恰好可以在其中發揮重要作用，將算力能力、平臺能力開放共享給這些實體企業、個人開發者，幫助實體企業提升運營管理全流程的數字化和智能化，進而推動整個實體經濟的轉型升級。另一方面，也可以是人工智能企業既搭臺又唱戲。人工智能企業基于自身的基礎設施和平臺能力，直接研發并推出行業解決方案和產品，幫助實體企業深度解決行業痛點。由此，人工智能能夠有效助力供給側改革，深度賦能實體經濟發展。

三是全面推動城市數字化轉型。第一，加快建設城市級搜索網絡，發揮人工智能平臺效應，進一步完善上海“兩張網”建設，實現現實世界的人、物、事在線上打通。一方面接入更多的結構化模塊，使能搜索的模塊更全；另一方面接入更多治理和發展的需求，使要搜索的應用更多。第二，推動大規模人工智能基礎設施建設，進一步實現關鍵技術攻關，大幅度提高運算效率，解決數字化進程中大量算力的需求，使城市綜合治理能夠運行更多、更大的算法模型。第三，政府牽頭，協同各區域完成數據資產化過程中關于產權、安全、使用模式等相關標準的制定和評估體系的建立，標準先行，用數據資產化推動長三角一體化建設。

未來人工智能最具發展前景的三大領域

一是能夠運行超大模型的新型算力基礎設施。人工智能的應用場景特別是城市的數字化轉型正在向著復雜的末梢需求深化，精細化數字場景的實現需要大量成本極高的定制化研發投入，破解這一問題的關鍵就是大模型和大算力的支撐。微軟公司在2019年向OpenAI投入10億美元研究超大規模訓練網絡，2020年5月OpenAI發布了全球規模最大的預訓練語言模型GPT-3，其訓練費用超過1200萬美元。商湯公司在2018年啟動了AI計算平臺原型機研制，推動通用模型發展，2020年又在臨港新片區投入56億元建設3740 Petaflops（1 petaflop等于每秒1000萬億次浮點運算）的AI計算與賦能平臺。

二是充分發揮硬件效能的AI操作系統。針對AI計算的特點，對軟硬件資源進行調度的中間件稱為AI操作系統，包括深度學習訓練框架、算法與模型的自動部署、存儲、通信、調度和虛擬化。硬件體系以及應用形態發生重要變革是新一代操作系統興起的契機，現有的操作系統已經難以滿足AI對系統能力日益增長的需求，也難以充分發揮新型芯片和硬件體系的性能。因此，計算、存儲、通信硬件升級推動下一代AI操作系統是未來5年人工智能發展的一個重要趨勢。

三是頭部和長尾兩極分化的行業應用。人工智能只有應用到具體的行業場景中才會體現其技術價值。未來，隨著人工智能技術進一步成熟，一些頭部、大型的應用場景仍將成為企業競相進入的領域，如公共安全、智能汽車、智慧文旅、智慧醫療、智慧金融等領域。同時，隨著邊緣端和終端場景的成熟與分化，人工智能技術的應用也正逐漸顯現出長尾效應，城市管理中的垃圾堆放管理、共享單車傾倒、非機動車占道、大型犬只未牽繩、生命通道占道等碎片化場景以及很多針對個人用戶的終端場景中也會有很多值得深耕的價值機會。