人工智能赋能新型工业化痛点在哪里？

人工智能赋能新型工业化目前有哪些进展？二者在逐步融合的过程中，面临哪些挑战？在推进新型工业化的过程中，人工智能的发展有哪些趋势？正在武汉举行的2024中国5G+工业互联网大会上，人工智能如何更好推动新型工业化的话题成为大家关注的焦点。在大会“人工智能赋能新型工业化”圆桌论坛上，主持人武汉大学计算机学院院长、人工智能研究院常务副院长杜博，与来自中国移动(103.570, -0.31, -0.30%)、百度、TCL等不同领域企业的专家展开了深入交流与探讨。

当前AI在新型工业化进程中的应用情况如何？

总体而言，当前AI在交通、金融、政务、化工、能源等各个领域都有很多典型案例，为新质生产力的培育带来助力，但专家们也表示，AI赋能新型工业化还存在供给侧较热、需求端较冷，各企业和行业的应用程度深浅不一等情况。

中国移动研究院人工智能与智慧运营中心副总经理金镝认为，不同类型的企业对于AI的应用有着不同的需求，目前推进比较顺利的模式有两种，一种是对于大型企业，从整个公司的战略发展、顶层设计上开始系统性地考虑，怎么把AI和业务发展深度融合，通过底层算力、大模型的建设，发展各种智能化应用，从而促进一系列流程的升级；另一种适合中小型企业，利用5G边缘计算、5G专网，结合自身特有数据去解决特定场景下的生产问题，这样往往可以快速实现数据的高效利用，实现对生产流程的改造。

百度副总裁石清华认为“大模型本身不产生价值，大模型用起来才真正产生价值”。他介绍，无论是通用领域还是专业领域，在很多行业的“研产供销服”中，大模型都有了很深的应用。大模型在集团级别的经营、人力、财务、供应链等管理方面发挥了重要作用，逐渐成为企业的“中枢大脑”。而在专业领域，比如汽车的语音操控、工业生产的安全和质检、交通状况的评判分析等，大模型也都有了成功实践。

TCL实业副总裁、格创东智CEO何军坦言，AI在工业的应用与6～8年前工业互联网平台在制造业中的推广和应用情况类似，还存在一头热一头冷等情况，供给侧比较热，需求侧没有完全应用起来。同时应用也存在深浅不一的问题，在先进制造业落地场景多、应用丰富，而在一般制造业推进比较难，头部企业从AI顶层架构规划到实际场景落地推进较好，而很多中小制造企业受制于资金、技术能力应用比较难。但他认为，星星之火可以燎原，大家对AI在工业领域的价值认知程度很高，都在迫切寻找能实际落地的场景，未来发展前景看好。

技术瓶颈、人才短缺、数据安全是主要挑战

武汉长江计算科技有限公司总经理彭海波表示，随着技术应用的发展和深入，很多瓶颈出现了。比如算力的硬件基座，随着CPU、GPU的性能越来越强，从功耗到制程要求都大幅提高，电源管理芯片等问题随之而来。彭海波介绍，近年来国内外大模型迭代不断、发展火热，但无论是从软件还是硬件层面，人才还有很大的提升和培养空间，这不仅是产业要思考的问题，政学研各界也应持续关注。

APUS联合创始人、AI实验室首席科学家张旭认为，当前AI与新型工业化融合存在的最大问题是技术瓶颈、人才短缺。客观上，如今AI技术发展还处于非常早期的阶段，“很多人觉得AI虽然讲得特别好，但真正去落地总会出现这样那样的问题”。他表示，目前在人工智能落地过程中，特别短缺的是跨界人才，即既懂人工智能又懂业务、懂客户的人才。

此外，数据安全等问题也需严肃对待。金镝表示，提升大模型在工业场景下所需的高可靠性、高稳定性、高可信、高安全的新特性，当前还存在不少挑战。

人机协作和商业范式变化将是未来趋势

石清华表示，就像随着应用的普及和深入，大家没办法离开移动互联网、智能手机一样，将来我们的生产生活也可能离不开AI，未来的工作、生活、生产将会是一个人机协作的过程。如何找到好的应用点，如何配套好人才，甚至做出组织结构变革，需要我们不断探索和调整。

北京智谱华章科技有限公司副总裁吴玮杰认为，AI模型的技术迭代速度很快，新模型的研发、老模型的升级都将加速。技术范式的迭代和变化，将给整个商业范式带来很大变化，原来我们认为的核心竞争力，很可能被大模型替代，因此我们需要做出一系列调整。他认为这种趋势在工业领域也同样存在，工业领域比较关注安全生产、质量监管、降本增效，在研发、生产过程中通过多模态的方式去开发新能力、新材料，去辅助安全生产等，将会发现更多潜在的增长空间。

杜博表示，人工智能赋能新型工业化意义深远，当前已经取得了一些显著成效，但融合中也有一系列问题亟待解决，政府、企业和科研机构的协同合作将是推动融合进程的关键力量，相信在各方的共同努力下，人工智能将为我国新型工业化带来更多的创新和突破，推动我国工业经济向着更高质量、更具活力的方向发展。