深度报道｜新型工业化大讲堂（第一期）：拥抱人工智能驱动的产业智能革命

3月27日下午，赛迪研究院举办了第一期新型工业化大讲堂，邀请阿里云智能副总裁、科技研究中心主任安筱鹏博士做了“拥抱人工智能驱动的产业智能革命”的主题演讲，并与现场人工智能领域专家围绕人工智能产业未来发展趋势、人工智能驱动重点产业的路径等热点问题开展了沙龙式研讨。本期大讲堂由赛迪研究院党委副书记胡国栋主持。

胡国栋在开场词中强调，本期主题围绕人工智能与产业革命展开，一是把握科技创新周期机遇。生成式人工智能是人类技术进步的一个周期现象，正好和我们努力实现第二个百年奋斗目标的时期吻合，要坚定信心，顺周期而为，开展“人工智能＋”行动，培育新质生产力。二是聚焦人工智能赋能新型工业化、驱动科技和产业创新。从投资角度看，激发人工智能相关软硬件投资；从消费角度看，促进人工智能支持手机、计算机、智能汽车等重大消费升级。三是谋划落地举措，真正让大模型在产业界会“干活”。一方面要优化治理，构建体系化智能，另一方面要加强融合，分领域工程化推进。

一、关于AI驱动产业智能革命的形势研判

怎么判断这一轮以大模型为代表的人工智能驱动产业革命

去年4月28日和5月5日中央政治局和中财委两次会议对这一轮大模型发展给出了非常清晰的判断：第一次提出把握人工智能新科技革命浪潮，第一次提出通用人工智能。“问题是怎样把握，把握什么，这里面有一个关键词，就是产业体系的智能化是把握的必然要求。”安筱鹏强调。

安筱鹏认为，AI大模型带来了三场革命。一是人机交互革命，从物理设备、软件编程、图形界面交互到今天的自然语言对话交互。二是计算范式革命，当前正处于从CPU（中央处理器）主导的通用计算模式向以GPU（图形处理器）为核心的人工智能计算加速切换的技术拐点。三是认知协作革命，AI大模型是从问题到答案的最短路径，它正带来组织体系的变革。

此外，安筱鹏还强调，AI大模型会驱动一切智能硬件，比如手机、PC、汽车、机器人等等。阿里云通义千问已经基于联发科处理器，把大模型“装进”并运行在手机芯片中，打造端侧AI的Model-on-Chip部署新模式。同时AI大模型也会重构一切软件系统，无论是研发类、管理类、生产类还是后服务类工业软件，都将用大模型重新升级一遍。

中国没有“百模大战”，也没有“十模大战”

据不完全统计，国内大模型总数已经达到300个，然而，安筱鹏坦言：“百模大战”其实并不存在。中国所谓的“百模大战”并不代表真的有100家企业都在同一个赛道上竞争，这里面有真正的AI基础大模型，也有在基础模型上进行微调的垂直行业模型，有基于开源模型套壳的，也有套壳微调的行业应用模型，还有传统AI包装出来的伪大模型应用。从AI基础大模型领域来看，能够跟上国际大模型创新步伐的国内选手不超过10个。

AI基础大模型是1，垂直行业大模型是0

AI基础大模型是本轮全球科技竞争的制高点，是大国的游戏、巨人的战场，具有高技术门槛、高资本门槛、高人才门槛、高生态门槛的特征。安筱鹏认为，AI基础大模型的能力是决定性的，是所有数字前面的“1”，而行业垂直应用的AI大模型是后面的“0”。垂直行业模型的能力取决于AI基础大模型的能力。没有AI基础（通用）大模型支撑的行业垂直应用AI模型，要么浑水摸鱼，要么混淆视听。

中国大模型市场存在“加拉帕戈斯隐忧”， 要警惕统一大市场的“碎片化”

“中国大模型市场存在‘加拉帕戈斯隐忧’。”安筱鹏感慨道。加拉帕戈斯是太平洋上的一个群岛。达尔文在一百多年前写的《物种起源》中提到，这个岛上有很多物种，每个物种都在自我进化、自我净化、自我迭代、自我演进。但它一旦离开了这座岛，就会因为无法适应环境而死掉。

“加拉帕戈斯效应”本质上是在一个封闭的、局部的生态体系里，形成的非常弱的竞争力。日本的手机产业、中国SaaS产业之所以没有发展起来，与市场碎片化有很大关系，存在典型的“加拉帕戈斯效应”。这提醒我们：要警惕在特殊背景和条件下形成的独特能力，并保持开放性，不断审视以往的成功，同时不断拓展边界。

二、Al驱动产业智能革命的场景展望

产业变革的GPT时刻：技术范式的变革带来产业核心竞争力的重构

安筱鹏提出了一个概念——GPT时刻，就是技术范式的变革带来产业核心竞争力的重构。很多今天拥有的优势，在大模型时代，可能会消减。对新型工业化或者制造业，需要思考的一个核心问题就是：今天所有产业的竞争力和AI大模型之间是什么关系，什么样的产业可能在未来的两到三年，核心竞争力会被重构、会被重新定义，这是一个非常重要的话题。

AI大模型时代，许多产业正在开启GPT时刻

安筱鹏分析了视频、软件、芯片、智能汽车、机器人等行业，因为有了大模型，正在快速发生具有深远影响的变革。

比如在视频行业。安筱鹏认为，Sora的意义远超过生成视频，Sora是在比特世界上还原原子运行轨道，它在用数字化的方式模拟物理世界的运行规律。

在软行业。有机构研究表明，GPT-4软件编程能力相当于中国月薪3万元的软件工程师水平。被大模型工具武装起来的软件开发人员的能力，会变得越来越强大。

在机器人行业。大模型不仅在数字世界，也正在进入到物理世界。OpenAI今年2月投资了一家机器人公司Figure AI，获得投资的13天后，Figure AI公司就推出了OpenAI大模型加持的机器人产品——Figure 01，它基本可以完全理解人类的自然语言指令和意图并执行相应动作。

传统电网行业也在积极拥抱AI

中国电科院人工智能应用研究所的博导张东霞分享了电网领域AI应用情况，指出人工智能在电力运输行业的应用主要集中在日常巡检运维，通过发电和负荷预测、无人机和机器人图像识别、95598语音识别和智能问答、变压器多模态故障识别等方式，有效提高巡检、施工现场管理等方面的工作质效，但仍然面临行业样本数据质量差、算法可解释性差致使难以推广应用和定制化需求成本高等问题。当前，电网企业研究者仍有疑惑，主要是AI的发展方向是否是当前的大模型？

安筱鹏认为，基于Transformer的技术路线能不能走到通用人工智能，目前还没有一个清晰的答案。但是有一个判断问题的关键：那就是沿着这条路线，未来的算力成本能不能几何倍降低，同时模型性能能不能指数级提升。如今，美国科学家们仍在持续研究非Transformer的模型路线。关于大模型应用的场景，现在的大模型技术还不够精确、还有不够成熟的地方，有些场景目前还不能很好地做结合，比如制造业中那些要求精确和实时性的应用场景。

AI在钢铁等行业的应用与问题

河钢数字技术股份有限公司科技创新部负责人王凯军指出，人工智能技术在钢铁行业中的应用主要包括生产管理、设备维护、质量控制、绿色低碳等方面，但仍面临钢铁行业数据的质量和可用性参差不齐、工作环境恶劣致使模型准确性与泛化能力不足、实时环境中安全性能有待验证以及缺乏专业人工智能人才等问题。北京理工大学管理与经济学院副研究员张柱认为，人工智能技术有潜力从设计、生产、质检、物流、战略规划、客服等多个环节对新旧产业进行全链条、全方位的智能化升级，但由于目前AI的成熟度还不够，很多产业场景数据获取难，加上隐私保护、数据安全、社会伦理等问题，AI在各行各业的大规模应用尚且存在一定困难。

未来AI终端一定是云边端协同发展

赛迪研究院电子信息研究所副所长赵燕主要从事消费电子领域的研究，提出了两个问题：一是怎么看待现在AI终端的端侧、云端结合和云测部署这三条路线，二是国内外在AI智能终端领域是否有差距。

安筱鹏表示，未来AI终端一定是云边端协同发展，无论是手机、机器人还是汽车，未来的路线大概率是端侧小模型与云端大模型协同。目前国内外在端侧的差距不大，国内已经有手机、PC、机器人等智能终端厂商，利用通义千问大模型做落地应用。

数据安全、数据的使用跟大模型的关系

芯片支撑了人工智能产业，同时也存在着人工智能赋能芯片产业的问题。现在，做AI软件的人和做集成电路制造的人之间两者是割裂的，因为制造厂的核心数据不可能贡献给AI大模型去训练，集成电路研究所副所长史强提出了这个矛盾的问题。

安筱鹏强调，这个问题不是集成电路独有的，今天所有认为自己数据有价值的行业,都会关注数据安全问题。围绕数据安全、数据的使用跟大模型的关系，是存在解决的方法和路径的，可以利用隐私计算、非对称加密、VPC等建立一套技术安全保障机制。

三、把握Al驱动产业智能革命的思考建议

优先发展AI竞争力敏感型产业

安筱鹏强调，研究未来大模型在制造业、新型工业化当中的应用，首先要识别哪些是AI竞争力高敏感性的行业。例如，钢铁行业是高度不敏感的，今天用不用大模型对它的竞争力不会有根本性的影响，但是手机行业就是一个高度敏感的行业，而且它的规模巨大。人形机器人产业也是如此，其产品的竞争力主要取决于大模型的能力。未来，一部手机、一台人形机器人，如果拿掉其中的大模型，根本就不会有人购买。

建立AI大模型应用的良好生态

智能网联汽车安全咨询室副主任王铮重点关注的是人工智能生态应该包含什么？如何利用人工智能去对人工智能的升级进行一个测试？

安筱鹏指出，要建立一个AI大模型应用生态，基础闭源模型、开源模型、高质量数据集、大模型应用的ISV、AI人才、开源社区等等，可能都是应该考虑的关键要素。目前，使用AI对AI进行测试训练，已经形成了一套方法论，有很多的技术路线。典型的做法就是用一个更强的大模型去训练一个参数相对比较少的小模型。

构建Al基础设施，公共云才是新质生产力的重要代表

软件产业是一个跟AI竞争力高度相关的一个产业。有几句比较通俗的话，第一句是软件定义一切，第二句是开源吞噬软件。“现在可能要加第三句，就是AI颠覆软件。”赛迪研究院信息化与软件产业研究所副主任黄文鸿在互动环节提出这一说法，认为公共云将成为当前产业创新发展的最关键的一个创新措施。在AI的这波浪潮下，如何借助公共云模式，更好地调度好现存的所有算力，是亟待关注和解决的问题。

安筱鹏指出，公共云非常重要，公共云的使用效率是私有云的5倍到10倍。公共云弹性灵活，可以降低创新成本，也更安全，并不是一些人认为的不安全。今天，公共云是一个国家的创新基础设施。AI大模型时代，不能再走原来的“碎片化建设、算力中心睡大觉、成为数字烂尾楼”的老路。用今天的话来说，公共云是新质生产力的重要代表，而私有云不是，私有云其实是一种非常落后的生产力。

市场竞争是大模型最好的验证测试机制和平台

随着人工智能的发展，机器人企业越来越拥抱人工智能，机器人产业杂志社总编辑王沛霖、机器人检测认证室副总经理梁学修分享了机器人领域的研究心得，提出对大模型是否建立一个评价机制，以便于政府对于领先的大模型能够有一个有效的支持。

安筱鹏表示，要警惕大模型统一大市场的“碎片化”，防止产生“加拉帕戈斯效应”。今天中国已经有几个验证测试中心了，但我们需要知道产业的真实情况是什么，不要被网上各种鱼目混珠的信息所遮蔽，这可能是非常重要的。有个大国企在过去的八个月针对60多个场景，找了6家大模型公司，对它们的大模型做了一个技术能力测试，然后选择用哪个，这个做法非常好，本质上是市场在给大模型“投票”。

一手信息是研究真问题、做好真研究的“基础”

国际合作研究中心副处长侯雪部分负责国际合作的工作，也部分负责院人工智能重点实验室对外合作的工作。基于这个复合的背景，提出了如何在助推国家人工智能参与国际化竞争格局中更好地发挥作用这一问题。

安筱鹏指出，做研究应该加强一手信息的搜集和分析，二手信息乃至N手信息，既不及时，也不全面精准。今天围绕AI大模型、云计算的很多观点似是而非，需要有人静下心来去研究，敢于研究一些真问题，提出切实可行的建议举措。

最后，关于AI大模型的判断，安筱鹏一再强调指出，这些判断本身可能也不对，但重要的是我们一定要对这个问题进行深入的思考，这比说一些正确的废话，对研究来说更有意义和价值。

来源 | 院学术委员会办公室

编辑 | 办公室