以智启新：打通从技术到产业的 AI 跃迁之路

编者按日前，中共中央、国务院印发的《关于发展新质生产力的意见》对外发布，提出以专条系统部署全面实施 " 人工智能 +" 行动。相比此前，" 全面实施 " 的分量在于把重心转向存量传统产业，同步补齐基础理论、核心技术和要素供给短板，兼顾产业落地与风险防控。

科技创新始于实验室，成于产业主战场。打通 AI for Science 到 AI for Industry 转化通道，将科研势能转化为实体经济生产力，是发展新质生产力必须答好的现实考题。本期智荟月刊独家专访中国科学院院士鄂维南，同时约访行业专家、经营主体，聚焦从原始创新到产业转化的通道、大模型协同、安全治理等各类堵点，探访制造、政务场景落地实效，解码广东、湖北、四川因地制宜、分业施策的地方探索，为扎实推进 " 人工智能 +" 全面实施提供务实参考。

企业应由业务部门与技术团队共同明确任务、投入和验收指标，从需求明确、具备数据基础的环节起步，把模型调用、数据治理、系统改造、运维及人工复核等费用纳入全周期核算。在试点取得稳定效果后，再逐步拓展到相关业务。

——访中国信息通信研究院人工智能研究所副总工程师孙鑫

■中国经济时报记者 张一鸣 曹阳

人工智能正在加速赋能千行百业，模型如何协同发展 ? 人工智能将如何深度赋能产业 ? 就上述问题，中国经济时报记者日前专访了中国信息通信研究院人工智能研究所副总工程师孙鑫。

中国经济时报：我国算法供给体系的主要短板在哪里 ? 通用大模型与行业专用模型应如何实现同步发展 ?

孙鑫：我国大模型供给日益丰富，面向行业的供给能力还需进一步完善。当前值得关注的有三个环节：一是专业适配，行业数据和知识尚未充分转化为模型可用的资源，对工艺机理、业务规则和复杂约束的理解仍需加强 ; 二是工程交付，模型与既有软件、设备和流程的衔接成本较高，持续运行和异常处理能力有待提升 ; 三是效果评测，面向真实任务的评测与反馈机制仍需完善，企业需要更清晰地判断模型的适用范围与使用成本。

通用大模型与行业专用模型应在分工协作中共同发展。通用大模型研发应持续加强基础研究，提升推理、多模态理解能力和计算效率，为行业应用提供更好的基础支撑。行业专用模型则围绕具体任务，结合行业数据、知识库和业务规则开展适配，并根据精度、时延、成本与安全要求，选择更加适配的技术路径。企业还可根据任务特点组合使用不同模型，把研发资源集中到能够形成专业优势的环节。

两类模型的协同，还需要建立持续迭代机制。通过共建高质量行业数据集和任务评测集，将应用中的失败案例、专家校验结果经过筛选和验证，用于持续改进模型与工具。共性工具和接口逐步完善，也有助于行业经验沉淀复用，减少重复开发和适配。

中国经济时报：如何立足产业特性、因地制宜推进 " 人工智能 +" 深度赋能 ?

孙鑫：当前，人工智能与实体经济融合尚处于初期。因地制宜推进 " 人工智能 +"，应以高价值场景为牵引，把行业特点、技术成熟度和企业承受能力结合起来。我国完整的工业体系和丰富的一线实践，为人工智能应用提供了广阔空间。在落地过程中，要把业务需求、数据基础与实施条件衔接好，推动投入转化为可验证的质量、效率和成本改善。

按照成熟度分类推进，有助于提高资源配置效率。对已稳定落地的推广级场景，重点完善标准化方案和实施规范，明确适用条件，推动在相邻企业和环节复制。对已完成试点的验证级场景，重点补齐系统集成、数据治理和运维配套等关键能力，核算全周期成本，检验能否持续运行、扩大应用，并按业务需要明确人工复核和异常处置机制。对仍处于技术攻坚阶段的攻关级场景，则需要进一步加强产学研协同与中试验证，围绕工艺机理、专业模型等关键问题逐项突破，具备条件后再推进部署。

地方可以围绕优势产业集群，依托中试基地、人工智能创新应用先导区和专业服务机构，组织供需对接，提供共性数据、适配工具与测试服务。据了解，工业和信息化部已经组织了近 30 场人工智能赋能新型工业化 " 深度行 " 活动，促成 5000 余家企业供需对接。龙头企业可开放具备条件的场景，带动上下游协同验证 ; 中小企业可按需使用成熟产品和平台服务，降低初期投入。随着中试条件、标准化模板、风险补偿机制不断完善，高价值场景的转化通道将进一步畅通。

中国经济时报：在全面实施 " 人工智能 +" 行动的过程中，您对政策端、企业端分别有哪些可落地的建议 ?

孙鑫：全面实施 " 人工智能 +" 行动，需要把算力、算法、数据建设与应用需求统筹起来，形成持续供给、有效使用和迭代优化的机制，使要素投入能够转化为可核验的经营成效。在现有部署基础上，进一步提升供需对接和公共服务能力，依托 " 深度行 " 活动、创新应用先导区及行业应用中试基地，推动需求梳理、适配验证与成熟方案推广。在算力方面，推动芯片与模型协同设计、集群运行效率提升和适配成果复用，加快国产算力在行业场景中规模化应用。在算法和数据方面，加快急需标准研制应用，支持共性工具、高质量行业数据集和评测体系建设，完善数据合规使用机制。发挥产业基金的引导作用，支持具有持续服务能力的供给主体。

对企业而言，推动人工智能应用落地，应该从 " 用 AI" 走向 " 为 AI 改造 "。当前，通用大模型能力持续提升、调用成本不断下降，Agent 等工程化手段日趋成熟，好用的模型已经不难获得。但是，从调研情况看，不少企业的智能化应用仍停留在试点或演示阶段，难以规模化。差距主要在企业内部，数据、流程、组织，需要为 AI 作出调整和改造。具体而言，企业应由业务部门与技术团队共同明确任务、投入和验收指标，从需求明确、具备数据基础的环节起步，把模型调用、数据治理、系统改造、运维及人工复核等费用纳入全周期核算。在试点取得稳定效果后，再逐步拓展到相关业务。随着应用深入，持续积累企业知识、业务规则和评价方法，才能形成长期可用的智能化能力。

总 监 制丨杨玉洋车海刚

监 制丨陈 波 刘卫民

审 核丨王小霞 发 布丨邹 朵