2024年第40期（总880期）：“人工智能 产业创新”的国外实践、我国差距和对策建议

2024年12月27日 第40期 总第880期 “人工智能+产业创新”的 国外实践、我国差距和对策建议 2024年诺贝尔物理学奖和化学奖接连颁发给人工智能领域 的科学家，显示出人工智能在创新领域的巨大贡献。当前，发达经济体依托技术领先优势，积极推进“人工智能+产业创新”应用进程，已在芯片设计、药物研发等领域取得进展。与此相比，我国在技术供给、产业应用、要素支撑、治理体系等方面，较发达经济体仍存在一定差距，应针对性补足短板，推动“人工智能+产业创新”融合应用，为培育新质生产力注入强大动力。 -1- 一、全球主要国家推进“人工智能+产业创新”呈现三大路径 全球主要国家，尤其是发达经济体将人工智能作为重构创新范式的关键变量，立足自身技术优势和产业基础，持续布局“人工智能+产业创新”，初步形成三大路径。 强化项目引领，以人工智能为中心牵引创新链和产业链深度 融合。发达经济体重视人工智能在科学创新中的潜力，布局一系列重点项目，凝聚政产学研用等各方主体合力，推动创新链和产业链深度融合。一是布局国家级科研项目，支持人工智能在产业 科技创新中的深度应用。比如，美国能源部计划在未来五年内为 量子科学中心提供1.15亿美元资助，包括支持人工智能辅助量 子材料发现和设计等项目。日本科学技术振兴机构从2021年开始，在人工智能驱动生命科学研究领域公开征集项目，至今已采纳并支援了17项研究课题。二是支持国防项目先行探索。发达经济体将国防军事作为科学创新的重要“试验场”，支持重大研发 项目采用人工智能技术，为“人工智能+产业创新”规模化推广积累经验。比如，美国国防部在2016财年至2025财年期间，计划 在人工智能领域累计投入140亿美元，目前已支持各军种研发实 验室开展685个人工智能项目，涉及反无人机、卫星图像识别、 -2- 多系统智能协作等前沿领域。三是加大公共项目投入。发达经济体围绕数据、算力等关键要素，持续布局一批公共项目，降低“人工智能+产业创新”规模化推广的共性成本。比如，美国于2024 年1月24日启动为期两年的国家人工智能研究资源试点项目， 覆盖国防部、能源部等14家政府机构和微软、谷歌等26家科技企业，围绕人工智能研究与科研发现所需的计算能力、数据集等资源进行统筹，以满足创新需求。 发挥企业优势，加快人工智能在产业科技创新中的场景化应 用。发达经济体注重发挥高科技企业的行业带动、技术引领优势，加快人工智能在知识创新、产品创新、服务创新中的扩散应用。一是变革研发工具。谷歌学术数据表明，近3年使用人工智能的 论文数量增长率超3倍，材料科学、生命科学、能源科学使用人 工智能开展科研的比例超过34.5%。比如，英国DeepMind公司 自2018年推出AlphaFold1模型后，6年间迭代三次，2020年推出的AlphaFold2能够预测98.5%的蛋白质结构，2024年推出的AlphaFold3能够预测蛋白质与其他分子相互作用时的结构，有 效提高药物研发速度和准确性，该成果获得2024年诺贝尔化学奖。二是优化智能终端性能。汽车、手机、电脑等行业的头部厂 -3- 商加快推动人工智能嵌入产品终端，实现基于自然语言的人机协作方式，有效改善用户体验水平。比如，美国微软公司内臵人工智能助手Copilot采用GPT-4o大模型，支持笔记本电脑集成即时 字幕、文生图、智能搜索等功能，预估2025年搭载Copilot的笔 记本电脑出货量将达5000万台，约占全球人工智能电脑的50%。三是变革软件功能体系。个人级、企业级等领域的软件开发商积极引入人工智能技术，推动软件开发流程由“流水线”向“搭积木” 演进，推动软件服务模式从“流程驱动”向“数据驱动”升级，及时响应高频变化的需求场景。比如，德国SAP公司将智能助手Joule内臵于ERP产品及开发工具中，可支持用户与产品实现对话沟 通，并大幅改善开发者工作方式，预计可使拓展组件开发效率提升10%。 开展制度探索，同步完善内外部“人工智能+产业创新”治理 体系。大模型问世之后，人工智能以前所未有的速度和规模发展， “人工智能+产业创新”的边界不断拓展，部分领域超出传统治理范畴。发达经济体认识到“人工智能+产业创新”是一把双刃剑， 针对新的乱象，正逐步探索完善科技伦理治理体系。一是完善内 部治理机制。面向内部产业动态研判潜在风险，在现有治理框架 -4- 基础上进行完善和调整，确保“人工智能+产业创新”在可控范围内发展。比如，欧盟发布的《人工智能法案》是全球首部全面监管人工智能的法规，构建了风险分级的治理方案，已于8月1日正式生效。二是探索双多边治理机制。发达经济体加强与国际盟友的制度合作，在更广范围内先行探索具有普适性的科技伦理体 系，试图抢占“人工智能+产业创新”的规则制高点。比如，2024年7月，欧盟委员会、英国竞争与市场管理局、美国联邦贸易委 员会和美国司法部签署了关于人工智能竞争的联合声明，强调通 过人工智能合作应对全球挑战，其中美英还宣布达成人工智能安全科学合作伙伴关系。 二、我国面临的差距 与发达经济体相比，我国“人工智能+产业创新”应用仍处于局部探索阶段，广度和深度尚且不足，在大模型供给、技术场景融合、关键要素支撑、治理体系布局等方面仍存在差距。 通用大模型底座较世界领先水平仍存在差距。“人工智能+ 产业创新”的应用效果一定程度上取决于通用大模型底座的性能 水平。目前，我国仍然缺少能与国际一流水平相媲美的通用大模型产品。从国内看，截至2024年8月，我国已备案并上线超190 -5- 个大模型，存在各自为战的现象，部分消解了大数据、大算力等 基础资源的规模优势，存在大模型行业“低水平内卷”的隐患。从国外看，美国对我出口管制政策一直在“打补丁”，2024年5月份开始考虑增加大模型出口管制措施，计划限制专有或闭源大模型 向我出口，短期对国内大模型产品竞争力提升产生影响。 人工智能与研发创新场景结合不够紧密。“人工智能+产业创新”的应用应遵循“产品化—场景化—产业化”的发展路径，目前，我国人工智能应用与研发创新场景存在脱节问题。人工智能“黑 箱”运行加大企业担忧。人工智能工具存在“黑箱”特征，使研究 人员难以对实验进行仔细检查、验证和复制，导致大多研发机构 对“人工智能+产业创新”场景应用存在顾虑。龙头企业共性研发场景开放意愿不强。行业龙头企业是开展“人工智能+产业创新”应用的主力军，但是这些企业出于商业机密、数据安全等考虑， 不愿开放共性研发场景，加大了链上企业看样学样的难度，阻碍了“人工智能+产业创新”的产业化推广。 数据、人才等关键要素结构性不足。数据质量不高。科学数 据普遍规模大、类型多，如卫星遥感等领域的科学数据总量可达数百万亿字节，但可直接用于人工智能的高质量数据较少，降低 -6- 人工智能工具输出结果的参考意义。高端人才不足。麦肯锡预计， 2030年我国面临对人工智能熟练的人才缺口将达到400万左右，不足以支撑“人工智能+产业创新”的大范围推广。 适应人工智能的科技伦理体系亟待完善。人工智能更新速度 快，“人工智能+产业创新”模式持续创新，传统监管体系亟待优化革新。在价值观对齐方面，训练数据缺乏审查机制，若包含社会和文化偏见，应用人工智能的创新成果会存在违背社会主义核心价值观的危害。在深度伪造方面，人工智能降低专业人员技能门槛的同时，也会降低伪造行为成本，并增加伪造行为的识别难度，会冲击科研诚信体系。在责任边界方面，“人工智能+产业创新”领域尚无明确的法律法规，一旦出现错误或不当行为时，难 以确定不同主体的责任边界。 三、几点建议 筑牢创新底座，聚力发展一批具有国际竞争力的通用大模型。一是结合各地优势资源和产业基础，在全国范围内统筹布局一批智算中心、公共数据集中心、模型训练中心等公共服务载体， 优化共性服务供给，降低大模型产品创新成本。二是鼓励不同大模型厂商之间加强技术协作，探索训练数据集、高端人才、应用 -7- 场景等关键资源的集聚共享，共同打造一批国际一流的通用大模型。三是引导高等院校、龙头企业等主体，加强在大模型基础理论、高端芯片等领域的多元化布局，降低对少数国家的过度依赖。 突出场景牵引，以项目带动场景指引清单建设。一是开展“人 工智能+”行动，分行业梳理“人工智能+产业创新”重点需求，形 成“人工智能+产业创新”场景指引清单，布局一批重大标志性项目，引导企业探索“人工智能+产业创新”落地路径。二是鼓励龙头企业开放“人工智能+产业创新”共性场景，向外输出成熟解决 方案，降低上下游开展“人工智能+产业创新”实践的资金成本和技术门槛。三是定期编制并发布“人工智能+产业创新”优秀案例集，带动更多企业看样学样，加快打造以人工智能为引擎的“新 技术—新产品—新业态”产业科技创新闭环。 强化要素供给，支撑“人工智能+产业创新”规模化推广。一是培育发展一批数据服务商，完善数据采集、清洗、标注等专业 服务体系，优化海量科学数据质量，筑牢“人工智能+产业创新”的应用基础。二是面向“人工智能+产业创新”技能需求，着力构建全方位的高端人才供给体系，加强重点实验室、实训基地等载 体建设，培养和引进一批理论与实践相结合的复合型人才队伍。 -8- 三是鼓励地方定期摸排重点企业开展“人工智能+产业创新”的痛 点需求，及时调整政策手段，优化公共服务供给，充分释放“人工智能+产业创新”价值潜力。 完善治理体系，加强研判和防范新型科技伦理风险。一是研 制人工智能训练数据集评估标准，加强对各厂商数据集的规范性 审查，完善数据清洗与安全对齐措施，保障人工智能内生安全。二是支持研究和开发能够有效识别深度伪造内容的技术工具，加大对深度伪造的惩戒力度，避免“人工智能+产业创新”的“负作用”。三是综合研判“人工智能+产业创新”可能出现的重大风险和滥用情况，完善相关法律法规，明确主体责任边界，减少安全风险。 本文作者：赛迪研究院 联系方式：18810201106 张朝 电子邮件：zhangzhaoxr@ccidthinktank.com -9-