賽迪展望丨人工智能大模型將賦能千行百業(yè)

人工智能產(chǎn)業(yè)將保持高速增長態(tài)勢

2023年，我國人工智能核心產(chǎn)業(yè)規(guī)模已達(dá)5000億元，企業(yè)數(shù)量超過4400家，其中人工智能大模型市場規(guī)模將達(dá)到21億美元，同比增長110%。展望2024年，人工智能產(chǎn)業(yè)將保持高速增長發(fā)展態(tài)勢，逐步邁入深度賦能垂直行業(yè)和前沿領(lǐng)域的新階段，有力推動(dòng)新型工業(yè)化建設(shè)和經(jīng)濟(jì)高質(zhì)量發(fā)展。

人工智能產(chǎn)業(yè)規(guī)模呈快速增長態(tài)勢。當(dāng)前全球的人工智能產(chǎn)業(yè)處于高速發(fā)展期。據(jù)IDC數(shù)據(jù)，2022年全球人工智能IT總投資規(guī)模為1288億美元，2023年全球人工智能IT總投資規(guī)模預(yù)計(jì)達(dá)到1540億美元，同比增長19.6%。展望2024年，人工智能產(chǎn)業(yè)發(fā)展將成為全球經(jīng)濟(jì)復(fù)蘇的風(fēng)向標(biāo)。根據(jù)沙利文咨詢預(yù)測，預(yù)計(jì)2024年全球人工智能市場規(guī)模可達(dá)6158億美元，我國將突破7993億元。在人工智能主要細(xì)分領(lǐng)域中，大模型作為前沿?zé)狳c(diǎn)，增速最快。根據(jù)鈦媒體國際智庫報(bào)告，預(yù)計(jì)2024年全球人工智能大模型市場規(guī)模突破280億美元，我國大模型市場規(guī)模將達(dá)216億元，繼續(xù)保持兩位數(shù)以上增速。人工智能領(lǐng)域投融資數(shù)量及金額將再創(chuàng)新高，發(fā)展態(tài)勢持續(xù)向好。

揭榜掛帥工作為通用人工智能發(fā)展開啟新方向。2023年，未來產(chǎn)業(yè)創(chuàng)新任務(wù)揭榜掛帥工作穩(wěn)步推進(jìn)，揭榜任務(wù)涵蓋元宇宙、人形機(jī)器人、腦機(jī)接口、通用人工智能4個(gè)重點(diǎn)賽道共計(jì)52個(gè)揭榜題目。展望2024年，通用人工智能各項(xiàng)任務(wù)的揭榜單位將按照要求，進(jìn)一步推動(dòng)從基礎(chǔ)研究、技術(shù)創(chuàng)新、產(chǎn)品研制到應(yīng)用落地的產(chǎn)業(yè)化進(jìn)程，通用人工智能與其他前沿領(lǐng)域的融合創(chuàng)新有望發(fā)揮關(guān)鍵作用，孕育催生未來產(chǎn)業(yè)新模式、新業(yè)態(tài)，高水平賦能新型工業(yè)化，加快培育新質(zhì)生產(chǎn)力。

人工智能專業(yè)人才培養(yǎng)體系不斷完善。2023年，全球主要國家已將人工智能科技人才培養(yǎng)作為提升國家競爭力的重點(diǎn)舉措，國內(nèi)各高校圍繞核心技術(shù)、頂尖人才等方面強(qiáng)化部署，通用人工智能人才培養(yǎng)新機(jī)制構(gòu)建步伐顯著加快。展望2024年，我國人工智能人才培養(yǎng)體系將進(jìn)一步完善。在跨學(xué)科融合將人工智能基礎(chǔ)課程分梯度融入其他專業(yè)的傳統(tǒng)課程體系當(dāng)中，在不同學(xué)科視角下探索融合應(yīng)用是推動(dòng)人工智能深度賦能產(chǎn)學(xué)研用生態(tài)體系的關(guān)鍵。同時(shí)，進(jìn)一步強(qiáng)化人工智能倫理與法律教育，培養(yǎng)具備敏銳社會(huì)責(zé)任感的人工智能專業(yè)人才是推動(dòng)我國人工智能產(chǎn)業(yè)創(chuàng)新和社會(huì)發(fā)展的重要保障。

大模型深度賦能垂直行業(yè)和前沿領(lǐng)域趨勢越發(fā)凸顯。2023年，國產(chǎn)大模型一時(shí)間呈現(xiàn)出爆發(fā)式的增長態(tài)勢，僅2023年1—7月，就有共計(jì)64個(gè)大模型發(fā)布。據(jù)不完全統(tǒng)計(jì)，截至2023年11月，國產(chǎn)大模型有188個(gè)，其中通用大模型27個(gè)，目前已有超20個(gè)大模型獲得備案，大多數(shù)已向全社會(huì)開放服務(wù)?；?200家人工智能骨干企業(yè)的關(guān)系數(shù)據(jù)量化分析表明，我國人工智能已廣泛賦能智慧金融、智慧醫(yī)療、智能制造、智慧能源等19個(gè)應(yīng)用領(lǐng)域。展望2024年，大模型將逐步拓展外延賦能自動(dòng)駕駛和具身機(jī)器人等領(lǐng)域，AI for Science（人工智能驅(qū)動(dòng)科學(xué)研究）也將持續(xù)賦能科學(xué)研究，促進(jìn)科學(xué)領(lǐng)域的創(chuàng)新，提升研究效率，推動(dòng)科學(xué)家在探索“無人地”領(lǐng)域和解決重大問題時(shí)取得新突破、新成果。

行業(yè)進(jìn)入門檻變高成為最大挑戰(zhàn)

當(dāng)前，我國人工智能產(chǎn)業(yè)發(fā)展仍面臨行業(yè)進(jìn)入門檻變高、監(jiān)管體系不夠完善、重點(diǎn)行業(yè)領(lǐng)域應(yīng)用率偏低、大模型存在無序競爭的壓力和挑戰(zhàn)。

“算力需求大+成本投入高”拔高了行業(yè)進(jìn)入門檻。一方面，人工智能模型變“大”需要攻克算力挑戰(zhàn)與理論限制，讓模型變得更大并非單純增加神經(jīng)網(wǎng)絡(luò)深度、堆疊人工神經(jīng)元就可以實(shí)現(xiàn)。以CNN、RNN等人工神經(jīng)元為基礎(chǔ)的模型需要采用串行結(jié)構(gòu)，模型訓(xùn)練過程需要按順序執(zhí)行，無法充分利用所有計(jì)算資源。隨著模型參數(shù)量的提升，訓(xùn)練時(shí)間呈指數(shù)級增長，收斂性也變得更加不可控，更難尋找全局最優(yōu)解。另一方面，人工智能大模型的訓(xùn)練成本包括GPU等算力芯片成本、服務(wù)器成本、標(biāo)準(zhǔn)機(jī)柜成本、訓(xùn)練時(shí)長內(nèi)的電力消耗費(fèi)用、人力投入費(fèi)用等諸多方面。

適度監(jiān)管與促進(jìn)發(fā)展之間的平衡面臨挑戰(zhàn)。人工智能產(chǎn)業(yè)當(dāng)前處于快速成長期，其技術(shù)演變和經(jīng)濟(jì)社會(huì)影響具有很多的不確定性。一方面，人工智能具有強(qiáng)大的創(chuàng)新力，有望發(fā)展成為新的經(jīng)濟(jì)增長引擎，極大地改善社會(huì)福祉。另一方面，人工智能帶來的倫理與安全、負(fù)外部性等問題也頻頻引發(fā)社會(huì)關(guān)注。以何種力度、何種方式、在何種時(shí)機(jī)對人工智能進(jìn)行合理規(guī)制，是監(jiān)管部門需要重點(diǎn)解決的難題。

人工智能在重點(diǎn)行業(yè)領(lǐng)域應(yīng)用率偏低。一方面，人工智能對我國大多數(shù)傳統(tǒng)行業(yè)的應(yīng)用還處于小規(guī)模試點(diǎn)，頂級制造業(yè)企業(yè)人工智能應(yīng)用普及率與歐美相比有較大差距。另一方面，大模型在重點(diǎn)應(yīng)用領(lǐng)域缺乏典型應(yīng)用案例。目前工業(yè)領(lǐng)域?qū)Υ竽Ｐ偷某醪教剿餍詰?yīng)用主要集中在設(shè)計(jì)輔助、質(zhì)量預(yù)測、設(shè)備維護(hù)等方面，沒有廣泛落地或形成可復(fù)制的工業(yè)大模型。

大模型數(shù)量過多存在無序競爭風(fēng)險(xiǎn)。一方面，同質(zhì)化訓(xùn)練集會(huì)導(dǎo)致大模型同質(zhì)化。當(dāng)下國內(nèi)眾多大模型的訓(xùn)練集一般為公開可獲取的英文訓(xùn)練集，同質(zhì)化現(xiàn)象較為突出。另一方面，超高的訓(xùn)練成本和開發(fā)技術(shù)門檻決定了中小型企業(yè)不宜投資此類項(xiàng)目。高質(zhì)量訓(xùn)練語料和大規(guī)模人工標(biāo)注成本決定了只有大型機(jī)構(gòu)或領(lǐng)軍企業(yè)才具備相應(yīng)大模型開發(fā)能力，成長型企業(yè)盲目跟風(fēng)將導(dǎo)致大量投資失敗，出現(xiàn)過多泡沫。

打造人工智能行業(yè)合作生態(tài)

針對上述問題，課題組建議降低算力使用門檻并優(yōu)化算力體系建設(shè)，加快賦能千行百業(yè)打造行業(yè)合作生態(tài)，推動(dòng)監(jiān)管手段創(chuàng)新提升應(yīng)對挑戰(zhàn)能力，合理規(guī)范無序競爭促進(jìn)大模型健康發(fā)展。

降低算力使用門檻，優(yōu)化算力體系建設(shè)。一是強(qiáng)化分布式計(jì)算、量化、顯存優(yōu)化、算子融合等關(guān)鍵核心技術(shù)攻關(guān)與落地應(yīng)用，降低大模型推理的時(shí)延，提高吞吐量，減少對算力的需求。二是發(fā)布算力券實(shí)施方案支持大模型應(yīng)用落地。為企業(yè)提供算力券補(bǔ)貼支持，努力幫助企業(yè)降低智能算力使用成本，全力支持制造業(yè)等重點(diǎn)領(lǐng)域企業(yè)開展人工智能行業(yè)大模型應(yīng)用探索和落地實(shí)踐。三是建議分步驟推進(jìn)智能算力中心建設(shè)，先追求算力的普惠化，降低成本和提高利用率，再逐步擴(kuò)容。

加快賦能千行百業(yè)，打造行業(yè)合作生態(tài)。一是引導(dǎo)人工智能企業(yè)與行業(yè)領(lǐng)軍企業(yè)開展定向合作?；谛袠I(yè)企業(yè)提供真實(shí)業(yè)務(wù)場景、數(shù)據(jù)和行業(yè)真實(shí)需求，開發(fā)核心算法和預(yù)訓(xùn)練模型，共同研發(fā)落地應(yīng)用大模型。二是打造人工智能企業(yè)與行業(yè)企業(yè)的對接平臺。搭建人工智能企業(yè)與制造業(yè)、醫(yī)療、農(nóng)業(yè)等行業(yè)企業(yè)的對接平臺，幫助雙方實(shí)現(xiàn)技術(shù)、模型、數(shù)據(jù)、場景等資源對接，孵化行業(yè)領(lǐng)域應(yīng)用模式。三是依托工業(yè)互聯(lián)網(wǎng)平臺，打造人工智能企業(yè)與行業(yè)企業(yè)的大模型合作生態(tài)。通過工業(yè)互聯(lián)網(wǎng)平臺實(shí)現(xiàn)兩者的快速對接，提供保障算法、模型、數(shù)據(jù)安全的人工智能要素線上交易服務(wù)，面向不同行業(yè)建立標(biāo)準(zhǔn)化的大模型開發(fā)環(huán)境。

推動(dòng)監(jiān)管手段創(chuàng)新，提升應(yīng)對挑戰(zhàn)能力。一是密切跟蹤人工智能技術(shù)發(fā)展趨勢，及時(shí)掌握最新進(jìn)展并研判社會(huì)影響。二是鼓勵(lì)相關(guān)治理手段與技術(shù)同步創(chuàng)新，推動(dòng)人工智能文本分類器，生成式人工智能檢測方法創(chuàng)新等。三是提升監(jiān)管人才的技術(shù)素養(yǎng)。四是建立多方合作的治理格局。有關(guān)主管部門應(yīng)與人工智能領(lǐng)域科研院所、企業(yè)加強(qiáng)交流合作。

合理規(guī)范無序競爭，促進(jìn)大模型健康發(fā)展。一是探索建立超出一定規(guī)模參數(shù)量的大模型訓(xùn)練備案機(jī)制，引導(dǎo)減少同質(zhì)化大模型無序競爭。二是探索建立大模型安全性和可靠性評估標(biāo)準(zhǔn)，提出具體技術(shù)標(biāo)準(zhǔn)和評估準(zhǔn)則，確保各類大模型在各個(gè)應(yīng)用場景中能夠穩(wěn)定可靠運(yùn)行。三是對大模型的應(yīng)用場景進(jìn)行分類管理，明確不同類型大模型的使用范圍和限制，避免不當(dāng)應(yīng)用帶來的負(fù)面影響。

來源：中國電子報(bào)