赛迪前瞻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 - 水印版

“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。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、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。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