【干货分享】信通院魏亮：发展新质生产力，加快推动人工智能+
【干货分享】信通院魏亮：发展新质生产力，加快推动人工智能+
2024-07-09 18:10:59 来源：
抢沙发
2024-07-09 18:10:59 来源：
摘要：2024年6月16日，在由CIO时代主办、新基建创新研究院作为智库支持的“基于数据要素的新质生产力——科技至卓 同行至远 | 2024 CIO百人会高峰论坛”主论坛上，中国信息通信研究院副院长魏亮带来了主题为《发展新质生产力，加快推动人工智能+》的精彩演讲。
关键词：
新质生产力
人工智能+
今年政府工作报告提出，发展新质生产力，深入推进数字经济创新发展。数据作为形成新质生产力的优质生产要素正受到前所未有的重视。充分释放数据要素价值，激发数据要素的乘数效应，是促进全要素生产率不断提升，赋能新质生产力发展的关键举措。
2024年6月16日，在由CIO时代主办、新基建创新研究院作为智库支持的“基于数据要素的新质生产力——科技至卓 同行至远 | 2024 CIO百人会高峰论坛”主论坛上，中国信息通信研究院副院长魏亮带来了主题为《发展新质生产力，加快推动人工智能+》的精彩演讲。
中国信息通信研究院副院长 魏亮
金句：
深度学习在未来十年仍将持续发力，“大模型+大算力+大数据”成为主导路线，海量专用小模型也正在更深入与行业核心业务结合。两类路线叠加驱动下，预计人工智能5年内将规模应用，并不断逼近于人、环境交互协同的通用智能。
以下为主题演讲的精华内容，经编辑后的文字实录：
当前，我国正从高速发展进入高质量发展阶段，高质量发展所需新质生产力的最大特征是高科技、高效能、高质量。人工智能作为发展新质生产力的关键抓手和关键引擎，正受到前所未有的重视。今年政府工作报告提出的“人工智能+”行动，就意在将生成式AI为代表的人工智能技术与互联网、6G、智能机器人等这些前沿技术协同做加法，同时与制造业、农业、建筑业等传统行业深度融合，共同形成创新的合力生产力，以此来提高数字经济社会的运行效率。
大模型、大算力、大数据：
AI变革的关键驱动力
去年到今年，人工智能都非常火，为推动全球经济发展提供了新动能。人工智能虽然是一个相对较新的领域，但自其诞生以来，已经经历了快速的发展和变革。从最初的符号主义到现在的连接主义，再到当前的深度学习和大模型技术，人工智能正引领着新一轮的发展浪潮。特别是大模型技术，已经成为当前人工智能发展的主要方向，并且得到了全球范围内的广泛认同。
在探讨AI领域的最新进展与未来趋势时，有个比较显著的好现象——企业成为了推动这一领域发展的主力军。AI在助力经济社会快速发展、提升生产率以及创造新经济增长点方面的巨大潜力。
AI技术的广泛应用正深度赋能工业、教育、医疗等多个行业，大模型、大算力与大数据成为了推动AI发展的主导力量：
大模型演进路径存在两条主要发展路线——横向通用智能模型、纵向专用小模型。以GPT为代表的通用智能模型正逐步向开放环境下的智能体演进，通过不断增加参数、扩大训练数据集及提升算力，以增强其泛化能力、扩展能力和多模态处理能力，最终目标是实现通用人工智能。专用小模型则在工业等特定领域迅速落地，形成行业大模型，通过结合行业知识，实现更为精准的应用和生产力转化。横向拓展与纵向深化的双重路径，共同推动着AI技术向更加智能化、实用化的方向发展。
算力作为AI发展的动力源泉，算力的重要性不言而喻。目前，我国在算力供应方面仍存在失衡问题，地域分布不均、算力资源分散等现象较为突出。为应对算力挑战，我国正积极推进“东数西算”等战略，旨在优化算力资源配置，实现算力协同。
数据作为AI技术的核心原材料，其质量和数量直接决定了模型的能力上限。在模型相对固定的情况下，提升数据质量成为提升AI能力的关键。因此，加强数据治理、提高数据利用效率成为行业共识。
未来五年内，随着大模型、大算力与大数据的深度融合与应用，AI技术将不断逼近通用智能的目标，为经济社会带来更加深远的影响。同时，我国也需加快算力资源建设、优化数据治理体系，以更好地应对AI技术发展的挑战与机遇。
发展大模型的关键：
高质量、大规模、丰富的数据
在探讨大模型的发展路径时，一个不可回避的核心问题是：大模型究竟需要什么样的数据？答案清晰而明确：高质量、大规模且丰富的数据。以上数据特性是构建强大AI模型的基石，不仅为模型提供了深厚的“知识”储备，更是模型避免过拟合、提升泛化能力、实现智能决策的关键。
当前，我国数据资源状况虽然总量上丰富，位居全球第二，仅次于美国，但在人工智能领域可利用、可公开、可共享的数据比例却极低。大量的数据如同沉睡的金矿，尚未得到有效地开发与利用，能够直接用于模型训练的高质量数据更是稀缺。这一现状直接限制了我国大模型发展的速度和深度。与此同时，国际上即便是使用全球最大的训练集进行模型训练时，中文数据的占比也往往停留在个位数，这一数据不平衡问题亟待解决。
为了打破这一僵局，我国已迈出重要一步——成立数据局。2023年10月25日，国家数据局正式揭牌亮相，旨在推动我国数据资源从潜在的生产要素转变为实际的生产力，通过制度设计和技术创新，促进数据的开放、流通与高效利用。
为了促进大模型的持续迭代与升级，还需要建立完善的数据流通利用基础设施，为数据的收集、处理、分析和应用提供强有力的支撑。同时，制定科学合理的制度安排，明确数据使用的权利与义务，保障数据主体的合法权益，促进数据的合理共享与交易。
大模型：突破重点及应用落地
大模型的进步不仅仅是算法层面的革新，更是软硬件深度耦合的结果。随着技术的不断进步，大模型对底层硬件的利用效率要求越来越高，需要充分利用各种算子和算力资源，以实现新型训练范式与软硬件系统的紧密融合。这种趋势要求我们在软硬件协同方面取得重大突破，以应对大模型时代带来的新挑战。
在应用场景方面，大模型正逐步渗透到各行各业，展现出强大的赋能能力。从办公、翻译、图像生成到视频创作，大模型的应用领域日益广泛，且渗透率不断提升。互联网厂商、科技公司、创业公司以及研究机构等各方力量纷纷投入其中，共同推动大模型技术的发展和应用落地。
知识密集型领域，大模型应用不仅能够显著提升生产效率，还向着通用人工智能的方向迈进。在编程、写作、创作等需要高度专业技能和知识的领域，大模型展现出了强大的替代能力，为学历和收入较高的中产阶级带来了深远的影响。
在工业领域，智能制造成为大模型应用的主攻方向。通过引入AI技术，制造业实现了高价值和高增速的双重提升。大语言模型在工业场景中的应用探索正逐步深入，为研发设备、生产管理等领域带来了全新的解决方案。此外，多模态视觉模型也在工业中发挥着重要作用，共同推动着智能制造的快速发展。
在金融行业，大模型的应用同样引人注目。它不仅能够实现智能营销和大数据分析，还能通过数字员工降低人力成本，并在风控方面展现出显著优势。在医疗领域，大模型贯穿诊前、诊中、诊后全生命周期，为智能分诊、智能诊疗等应用提供了有力支持。在社会治理方面，大模型与安防技术的结合则推动了安防行业的智能化发展，为维护国家安全和行业监管提供了更加全面和智能的支持。
此外，大模型还在科学领域展现出巨大潜力。通过人工智能赋能科学 AI for science，大模型能够解决高维、复杂的科学问题，大幅提升创新应用转化的速度。在科学实验、理论研究和科学计算三大支柱的支撑下，人工智能正逐步成为科学探索的重要工具。
当前，大模型的规模化应用落地还有很多挑战，包括逻辑推理、离线训练、平台建设、数据治理这四个方面，其中数据治理非常重要，企业只有真正将数据是让大模型能够理解、应用，才能够在企业中很好地使用。
接下来，人工智能要解决共性的挑战——回答索洛悖论，可能要解决几个问题：首先要降低成本，让中小企业敢投敢用；其次要提升能力，提升供给侧的技术提供能力，还有强化需侧、需求侧的数据的基础；第三，聚焦安全，安全对于人工智能的发展和治理都至关重要，可以帮助企业解决确定性、可靠性以及技术落地、场景高风险等问题。
★ 结束语 ★
人工智能+提供了强大的技术支撑，算法、算力、数据都在向大模型集中，通用人工智能将极大地提高人类社会的生产效率，人工智能+的战略提出可谓相当及时。作为推动社会进步和产业变革的关键力量，人工智能带来了新的挑战和机遇，我们也期待人工智能在催生并推进新质生产力高质量发展方面有更多新惊喜。
✦主办单位✦
CIO时代：
CIO时代成立于2003年，由北大CIO论坛创始人姚乐博士带领论坛骨干创建。成立20年来，CIO时代以传播“新技术、新商业、新管理”知识为使命，专注CIO人群的培养和技术专题培训，为CIO提供数字化相关的资讯和专业研究内容，打造CIO领域专业、精准、多维度的垂直媒体平台，致力于成为“个人和组织数字化业务、管理和技术知识的赋能者”。
新基建创新研究院：
新基建创新研究院是CIO时代旗下的智库研究机构，汇聚院士、政府领导、央国企、医疗、教育、能源、制造等十多个行业专家组建智库，拥有千余位智库专家阵容。研究院的主要目标是建立政府、科研机构、高校和行业数字化转型从业者之间的合作，发挥政、产、学、研的桥梁、纽带作用，促进政府与企业间、企业与企业间的交流合作，促进数字产业落地。研究院希望将数字化的优秀实践提炼成理论方法，进行推广应用；助力提升行业数字化转型效率，促进数字中国建设。
✦往期推荐✦
（点击下方图片查看详情）
添加CIO时代“小希”，
领取“2024数字化转型资料”大礼包！
小 希：15701060895
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：zhanghy
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
