1/ ChatGPT火爆出圈，人工智能領域新基建具有重要性和必要性

　　人工智能是新基建的七大核心領域之一。近期ChatGPT的火爆出圈，再次引發了全球對人工智能技術發展的廣泛關注。

　　這是一款由人工智能研究實驗室OpenAI發布的人工智能技術驅動的自然語言處理工具。它能夠通過學習和理解人類的語言，進行對話、聊天互動。甚至能完成撰寫郵件、視頻腳本、文案、翻譯、寫代碼、寫論文等各種任務。

　　ChatGPT，有可能是利用人工智能生成內容技術進展的一大里程碑，開啟人們利用人工智能技術的新時代。過去數年，互聯網上的內容生產模式歷經多次變革：首先是專業生成內容（Professional Generated Content，PGC），再是到用戶生成內容（User Generated Content，UGC）。現在是進入到利用人工智能技術自動生成內容時代（Artificial Intelligence Generated Content，即AIGC）。

　　AIGC，正在拓展數字時代下的創造力極限，為內容生產領域帶來巨大變革，對于內容生產、極限工作的完成有著極大的意義。

　　比如在內容生產上，AIGC自動生成內容的生產方式，讓內容生產變得高效容易，富有個性，它可以創建文本、音頻、圖像、視頻、3D 模型，逐漸成為內容生產創作的重要力量。通過利用AI技術，AIGC能在大數據幫助下提升創作效率，突破創作內容和創作量上限。

　　人工智能，一方面帶動了新一輪產業變革，各行各業利用人工智能技術實現數字化和智能化轉型，帶動數萬億規模的產業升級。另一方面，人工智能還可以創造出新的需求和新的增長點，比如內容創作、比如自動駕駛，都將是人工智能時代下新型應用場景。

　　未來人工智能的發展過程將是非線性的，潛力是超乎想象的。ChatGPT的推出，可能使得搜索引擎、內容創作、文案撰寫、法律咨詢等行業面臨挑戰，而智能駕駛、人工智能搜索、AI內容創作等行業可能迎來增長空間。

　　工業革命的歷史表明，不論機械技術、電力技術和信息技術，都可以極大地促進生產標準化、自動化、模塊化，具有很強的通用性，人工智能技術作為第四次產業革命的代表，同樣具有類似的特征，應用潛力巨大。

　　國務院《新一代人工智能發展規劃》表明，到2025年，我國人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平，人工智能成為帶動我國產業升級和經濟轉型的主要動力，智能社會建設取得積極進展，帶動相關產業規模超過5萬億元，到2030年，我國人工智能理論、技術與應用總體達到世界領先水平。

　　人工智能是新一輪科技競賽的制高點，對經濟增長和國家安全均至關重要。人工智能將為國家發展打造競爭新優勢、注入增長新動能。

　　未來，需要在人才培養、智能基礎設施和道德規范上進行強化，深化智能，推動人工智能技術變革，抓住智能時代的變革機遇。

　　2/ 人工智能是數字經濟時代的“新電能”，賦能各行業領域

　　人工智能的新基建是一項系統化工程，既包括網絡、計算、存儲等硬件設施，又涵蓋數據算法、開源平臺等軟實力領域，還需要對各個行業領域智能化賦能，實現應用成果落地。

　　人工智能是自機械技術、電力技術、信息技術變革后的第四次工業革命核心領域之一，將推動數字經濟產業轉型升級。

　　自18世紀以來，人類社會共發生過三次大型的技術革命，分別是蒸汽機革命、電力革命和信息互聯網革命。每一次的技術革命均伴隨著相關學科的發展，理論知識又在實際運用中得到完善，“技術突破-知識學科進步”形成良性循環，并且成為后續其他的技術發展的支撐，對社會的影響力也將隨之增強。

　　得益于互聯網信息時代的數據積累，半導體行業設計、制程進步和芯片運算能力提升，深度學習結合強化學習帶來的計算機視覺、語音技術、自然語言處理技術應用更精準，人工智能是第四次技術革命中的重要技術，如同人工智能和機器學習領域國際權威學者吳恩達所說，“人工智能是新電能，正改變醫療、交通、娛樂、制造業等主要行業，豐富充實著無數人的生活”。

　　通過與諸多垂直領域應用相結合，人工智能新基建不斷為行業產業降本增效，不斷的創造出新需求、新商業模式和新的經濟增長點。

　　自1956年達特茅斯會議上首次提出人工智能以來，人工智能已經發展了多年。一般認為，計算機需要通過不斷地自我學習、擴充知識庫，進而掌握人類擁有的“畫畫、唱歌、讀書、設計”等眾多技能，便是“智能”的表現。

　　人工智能可以理解為用機器不斷感知、模擬人類的思維過程，使機器達到甚至超越人類的智能，即人工智能需具備類人的感知、思考和決策能力。

　　人工智能基礎層、技術層和應用層快速發展，諸多應用已經深入日常生活。基礎層包括硬件、算法和海量數據三部分，其中硬件的核心是具備高運算能力的芯片，例如CPU、GPU、ASIC、FPGA等，算法的核心是機器學習，包括深度學習、淺層學習和強化學習等。

　　人工智能新基建企業逐漸完善掌握海量數據、構建機器學習核心算法，并向高運算力芯片等核心硬件環節突破發展。

　　人工智能時代，更多不規則、非線性、復雜場景大數據運算對軟硬件整合提出了新要求，芯片和算法的關系逐步走向相互定制融合。在此背景下，致力于人工智能新基建的企業開啟“涉芯”、“造芯”成為未來發展的必然。

　　在技術層，計算機視覺識別、語音交互、自然語言處理等技術不斷取得重大落地應用。比如計算機視覺中的語義分割技術，廣泛地在自動駕駛中使用。

　　人工智能語義分割技術可以精細到為單個像素分配類別，以識別理解區分人、車、道路、背景等多任務場景。比如隨著計算機視覺、語音合成等人工智能技術“基礎設施”的發展，具有“思考學習”能力，外形、動作、表情逼真，語調、語氣、說話風格自然流暢，對話內容及時反應的“虛擬數字人”逐步得到商用發展。

　　在平臺層，相關企業逐步搭建了中國人自主研發的基礎開源框架，不斷推進產業級深度學習平臺、技術開放平臺建設。

　　通過調研發現，當前主流人工智能相關企業多采用“平臺+賽道場景”的戰略架構，“平臺算法-場景數據”形成持續閉環迭代。

　　積極構建自主研發的 AI開放平臺，一是為海量的智能硬件、軟件開發者、用戶提供AI開發能力和解決方案，好的深度學習框架平臺，推動人工智能標準化、自動化、模塊化，進入人工智能工業大生產階段。

　　二是開放平臺賦能各行各業，好的平臺框架，可以驅動AI普惠，對各行業產業數字化進程起到積極推動作用。

　　應用層，人工智能新基建企業為多行業、多產業領域持續賦能，人工智能+家居、工業制造、機器人、醫療、教育、汽車出行、司法等多個關鍵核心領域，實現各場景數字資產沉淀，深化各行業全流程體系變革。

　　例如在教育領域，通過人工智能提供軟硬件一體化服務，實現對教育領域的人工智能新基建變革。把課前、課中、課后需要學習的內容數字化，形成老師、學生的個人數字化資產。

　　通過機器識別實現自動翻譯、自動閱卷，通過智慧教育試點進行分層作業、個性化作業，推動了教育領域效率優化和全流程變革。

　　盡管與科幻小說和電影里對人工智能的構想有較大差距，但人工智能產品和服務已經普遍存在我們現實生活當中，人工智能的發展已經遠遠超出早期構想，政府、企業、非營利機構都在積極擁抱這項技術。

　　從家庭智能音箱到多語言實時互動，從智慧城市安防到自動駕駛系統，人工智能新基建的發展已經遠遠超出想象。未來，人工智能產品和服務將更加深化發展，普惠到各行業領域，為我們提供更加便捷美好的生活服務。

　　3/ 從“+人工智能”走向“人工智能+”

　　人工智能已經在眾多垂直領域實現應用，目前較為成熟的領域包括家居、金融、交通、醫療等。通過與諸多垂直領域相結合，人工智能技術可以通過兩方面進行產業賦能：一是可以直接提高各行業的生產效率、降本增效，實現“行業+人工智能”，二是可以創造出新的需求和新的增長點，即“人工智能+各個領域”。

　　“+人工智能”，可以幫助各個行業領域實現快速高效處理數據，同時兼顧普通和長尾用戶，提高生產效率，實現降本增效。

　　比如在金融領域，目前人工智能主要用于風控、支付、理賠、投顧等方面，其中智能投顧應用最為成熟。

　　智能投顧在2008年誕生于美國，由于專業素養和人工服務性質，美國各大金融機構的投顧門檻較高，平均投資門檻約5萬美元，平均管理費用為所管理資產規模的1.35%，服務對象主要為中高資產階級。

　　但隨著千禧一代的成長、傳統投顧用戶逐漸飽和，金融機構對如何爭取這群長尾用戶的需求日益提高。

　　人工智能通過海量數據學習、精準算法分析，結合用戶提供的風險承受水平、收益目標、市場的動態，進行個性化定制服務。

　　對比人工服務，智能投顧投資門檻最低至500美元、管理費率約0.02%-1%。目前，國內主流金融機構也推出智能投顧產品，加強研發具備智能功能的產品和服務。

　　再比如在電力領域，電網公司可以利用人工智能技術建設模型庫、樣本庫，構建運行環境和訓練環境的智能基礎設施，搭建起模型和平臺。

　　在巡檢環節，無人機接到工作人員指令后，可在巡檢一線自主完成輸電線路巡檢作業。基于AI的智能識別算法，巡檢工作的識別準確率提升了近30%，識別效率提升了近5倍。

　　在變電站運維環節，運維人員可直接從線上接入智能調控系統，采用一鍵順控的操作，無需到場便可完成千伏變電站的倒閘操作，既保證了安全，又使得啟動送電時間縮短了80%，效率提升了幾十倍。

　　電力集團構建的智能化管理平臺，線上就可輕松管理分布在全國各地上萬臺風機，幾百座風電場。AI巡檢有效避免了巡檢工人高空作業的風險，更使得風機巡檢效率最高比過去提升近10倍。

　　“人工智能+”，可以為社會創造出新的需求、打造新商業模式、構建新的經濟增長點。ChatGPT，再一次打開了人們對人工智能內容創作的想象空間，大大增強了AIGC在編程語言領域、在新聞撰寫、文案創作等自然語言方面領域的創作能力上限，效率和可靠性大幅提升。

　　未來，諸如搜索引擎、文稿創作、藝術設計等行業的行業格局與商業模式將可能發生巨大的改變。

　　相比于傳統的專業生產內容和用戶生產內容模式，用AI生產內容似乎更具有效率和成本上的優勢，比如在工業領域，AIGC通過將工程設計中重復的、耗時的和低層次的任務自動化，可使原來需要耗費數千小時的工程設計縮短到分鐘級，大大提高工程效率。

　　目前OpenAI定價最高的文字模型達芬奇為每750詞0.14元，相比下內容生產商成本約為每750詞37元，是調用OpenAI的API完成相同文字量生產所需成本的264倍。到2025年AIGC產生的數據將占所有數據的10%。到2030年，AIGC市場規模將超過萬億元人民幣。

　　再比如在汽車智能化領域，基于人工智能技術打造的智能網聯汽車，一方面可以提升汽車的智能化，包括自動駕駛、智能語音、智能座艙等；另一方面與5G相結合，提高汽車信息溝通能力，實現網聯化，包括人員和車輛安全管理、城市道路交通規劃。

　　一是汽車將成為各種服務和應用的入口，催生新的商業模式：智能網聯汽車可以在生命周期內通過OTA空中升級持續更新應用，界面交互將賦予汽車更多應用場景——在無人駕駛的情況下，司機將有更多的自由時間，而車聯網技術使汽車隨時與辦公室、家、公共設施相聯，實現遠程控制。

　　與智能手機行業發展類似，隨著智能網聯汽車發展成熟，數據增值（包括共享出行、汽車保險、金融服務）、娛樂休閑、智能規劃等應用環節的重要性和產業價值將超過單純的汽車生產和制造環節。

　　二是汽車電子、汽車軟件等需求提升：汽車電子和軟件對汽車的重要性提高，自動駕駛、計算平臺、車載操作系統等前沿技術成為新的價值增長點。

　　4/ 人工智能技術制高點之爭

　　人工智能產業競爭是各國政策、基礎研究、技術、資本等各方面綜合實力的競爭。目前各國政府高度重視，在基礎設施搭建、基礎科研、人才培養、資助研發、合作交流等方面給予支持鼓勵。

　　資本和企業也積極尋求商業落地場景，協助技術轉化。技術落地于垂直領域，繼而產生新的數據，促進算法更新迭代，又可以進一步服務于垂直領域，如此循環往復、不斷發展。這場全球競賽中，中國企業已經積累了海量數據和實踐經驗，未來需要在基礎科研、基礎技術、前沿拓展方面持續突破。

　　4.1政策：全球主要國家和地區均高度重視

　　AlphaGo事件引發了全球各國對人工智能的關注。如今ChatGPT人工智能語言處理技術可以自動會話，再次開啟了AI技術的新時代，進一步體現人工智能超乎想象的潛力，技術發展迎來拐點，ChatGPT將帶動全行業AI發展提速，主要國家和地區紛紛加入這場事關未來大國科技實力的競爭當中。

　　目前全球包括美國、中國、歐盟、日本、韓國、印度、丹麥、俄羅斯等多個國家和地區發布人工智能相關的戰略規劃和政策部署。

　　其中，約80%的國家在2016年之后密集發布相關政策和官方計劃，例如美國《國家人工智能研究與發展戰略規劃》、英國《機器人技術與人工智能》等。

　　從發布的政策規劃來看，各國和地區認同人工智能對未來的人才、產業升級、社會福祉、全球影響力的重要性，并作為國家級戰略進行推進。根據各國科研實力、人才匯集程度、基礎設施完備度、國情等因素，各國和地區的側重點有所不同。

　　美國致力于維持全球科技霸主地位，人工智能位于其科技版圖的核心。美國一直積極支持人工智能的研究，在全球人工智能領域率先布局，并將政策態度從“引導和扶持”轉為“必須領先”。

　　美國發布了《為未來人工智能做好準備》、《美國國家人工智能研究與發展策略規劃》、《人工智能、自動化及經濟》與《美國人工智能倡議》等重要政策文件，表現美國政府對人工智能技術的高度重視和維持領先地位的決心。

　　第一，聯邦政府優先資助，美國認為政府資金支持是參與推動科研進步的重要環節，2020年5月提出的《無盡前沿法案》擬在未來5年投入1000億美元研發包括芯片、人工智能等在內的十大關鍵技術。此外，通過減稅來鼓勵企業加大研發投入；

　　第二，發揮硅谷創新力量，建立包括計算機視覺、語音語義、開源框架平臺等在內的技術和產業生態鏈；

　　第三，重視以芯片為主的硬件層，包括促進國內半導體制造產業回歸、建立多邊出口管制、保護供應鏈等；

　　第四，重視全球性人才與國家安全，包括對國內人才的培育和國際人才的吸引。在《國家安全創新途徑法案》中，為從事保護國家安全方面重要工作的非本國公民建立獲取移民簽證的途徑；

　　第五，加強國際合作，包括國內外組織研發中心或聯合實驗室、舉辦創新比賽等。2020年9月，美國和英國政府正式簽署《人工智能研究與開發合作宣言》，以促進兩國在人工智能發展方面的合作，并對人工智能規劃的優先事項提出建議；

　　第六，開展前沿技術研究。2020年2月，美國白宮科技政策辦公室發布《美國人工智能行動：第一年度報告》，從投資AI研發、釋放AI資源、消除AI創新障礙、培訓AI人才、打造支持美國AI創新的國際環境，致力在政府服務和任務中打造可信的AI。

　　歐盟重點關注工業、制造業、醫療、能源等領域，強調發揮創新創造力，應用人工智能使制造業及相關領域智能升級。

　　與美國類似，歐盟較早對人工智能進行研發，并通過頒布政策、扶助資金、推出國家級計劃、建立重點科研實驗室等行為支持人工智能技術和產業發展，例如2018年頒布的《人工智能合作宣言》。

　　此外，作為“數字歐洲”計劃和“地平線2020”計劃中的重要環節，人工智能相關項目也受到數十億歐元的投資。

　　但也有不同之處，第一，歐盟更加重視人工智能的道德和倫理研究并不斷加強倫理立法實踐，并在多份文件中表明人工智能發展需要符合人類倫理道德。

　　例如2020年3月頒布的《走向卓越與信任——歐盟人工智能監管新路徑》明確提出，為解決能力不對等和信息不透明，保障人民相關權利，需要建立人為監督的監管框架，重視數據安全和隱私保護。

　　此外，歐盟在積極推進新的人工智能立法提案，2020年12月，歐盟委員會公布了《數字服務法案》和《數字市場法案》的草案，意在遏制網絡平臺的惡性競爭行為；

　　第二，歐盟對人工智能的應用側重更細化，不同于美國的全方位領先，歐盟希望借助自身在制造業、工業、汽車等領域的優勢，利用人工智能技術進行產業強化升級，例如《歐盟2030自動駕駛戰略》。

　　日本出于應對老齡化社會所帶來的人口減少、勞動力下滑等挑戰，著重研究人工智能在機器人、醫療、汽車交通等領域的應用。

　　日本老齡化、少子化等問題造成了生產力短缺，對日本經濟、社會產生負面影響。

　　在該背景下，人工智能被認為是經濟增長的“第四次產業革命”，以2016年發布的《日本下一代人工智能促進戰略》為啟始，不斷推出相關政策規劃，圍繞“基礎研究-應用研究-產業化”三個方面，其中日本總務省下設的信息通信技術研究所和文部科學省進行人工智能理論和技術研發，經產省解決應用場景問題。

　　經產省建立的人工智能研究中心（AIRC）促進產學研合作，主要承擔成果轉化和推廣。2020年7月，日本政府發布《統合創新戰略2020》，戰略提出在控制風險的同時提高生產效率、豐富民眾生活，必須運用人工智能、超算等新技術，加快推進數字化轉型。

　　中國的人工智能政策逐步推進發展，重視與制造業和服務業的融合。自2015年起，我國人工智能相關政策從智能制造時期，“互聯網+”時期，到“智能+”國家戰略時期。

　　政策重心也從核心技術攻克到實際場景應用，從特定行業到跨界融合，從單項技術到人機協同。

　　與美國和歐盟類似，我國也強調建立相關試點項目，包括技術示范試點、政策試驗、社會實驗。

　　國務院《新一代人工智能發展規劃》，對人工智能領域進行了總體戰略部署，確定了人工智能產業發展的總體思路、戰略目標和任務，規劃確定了人工智能產業三步走的發展目標。

　　包括到2025年，中國人工智能基礎理論實現重大突破，技術與應用部分達到世界領先水平，到2030年，人工智能理論技術與應用總體達到世界先進水平，成為世界主要人工智能創新中心。

　　2020年7月，《國家新一代人工智能標準體系建設指南》明確提出，初步建立人工智能標準體系，重點研制數據、算法、系統、服務等重點標準，并率先在制造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進。

　　與此同時，我國更加注重人工智能的倫理道德問題。2021年9月，《新一代人工智能倫理規范》，旨在將倫理道德融入人工智能全生命周期，為從事人工智能相關活動的自然人、法人和其他相關機構等提供倫理指引。

　　4.2基礎科研：中美是人工智能技術大國

　　近年來，全球人工智能基礎科研飛速發展。2010至2021年，全球累計共發布人工智能相關的論文超264萬篇。2021年當年，全球人工智能論文發表量在33萬篇。

　　其中，中國、美國是論文發表大國，中美兩國發布論文合計占全球44.7%。從2010年到2021年，美國和中國在人工智能出版物方面的跨國合作數量最多，增長了5倍。

　　從出版物發表數量上看，中國在人工智能領域論文數量多、增速較快。2021年，中國在人工智能期刊、會議和出版物數量上繼續領先世界，數量占全球總量比重約為三分之一

　　4.3數據量：人工智能時代的“原材料”，中國具有規模優勢

　　數據、算力和算法作為AI三要素，是決定AI發展的重要基礎。電腦和智能手機的普及、互聯網和移動互聯網所累積的數據爆發，是促進人工智能技術和應用突破的重要原因之一。

　　人工智能需要做到“感知、思考、決策”，首先就是需要足夠多、足夠好的原始數據對計算機進行訓練，猶如培育良駒，得喂足新鮮的牧草。

　　“足夠多”代表數據的數量要大，電腦的發明讓運算簡化，并讓信息以電子化形式保存，智能手機的普及讓全球網民滲透大幅提高，兩者令大量的數據被保存。

　　“足夠好”代表數據的質量要佳，互聯網的誕生極大地縮短信息交流的物理距離、提高傳播速度，各類互聯網類服務應用誕生，其產生的數據類型也更加多樣，包括瀏覽網頁喜好、外賣點單頻率、行程記錄等，多元豐富的數據才能應對各種訓練人工智能的要求。

　　數據增長和運用依賴于信息和物理的基礎設施構建，中國是全球最大的數據中心。得益于互聯網滲透率、智能手機滲透率、網速等，2021年中國擁有數據量12.35ZB，占全球數據總量的23%。

　　隨著5G、物聯網等發展，通訊設備接入數量和承載能力提高，未來中國的數據量或將持續增長，成為全球最大的數據集中地，將極大促進和豐富人工智能訓練，相關模型結構和結果也更精準。

　　4.4技術發展：從深度學習到大模

　　足夠多、足夠好的數據支撐人工智能“感知”階段，而人工智能算法使計算機擁有思維，從而達到“理解、決策”，深度學習在這過程作出巨大貢獻。

　　深度學習是一類模式分析方法的統稱，計算機通過學習樣本數據來掌握內在邏輯和規律，從而擁有分析能力，這項研究最早可以追溯到1958年弗蘭克·羅森布拉特發明的感知機（Perceptron）。

　　利用感知機，可以進行圖像區分訓練，例如最常見的從水果堆中選出“蘋果”或者“香蕉”。

　　然而當時缺少足量的數據，該項研究陷入瓶頸，并出現過度擬合（Overfitting）問題，例如學生希望通過練習相似的題目來掌握一種題型，但是訓練量不夠大、并沒有理解題型背后的知識點，考試一旦發生些許變化便無法解出答案。

　　后來，科學家通過研究人腦，試圖模仿人腦神經網絡機制來進行圖像、聲音等分類工作，逐漸演化成深度學習。

　　深度學習的發展推動人工智能基礎應用技術突破，自2010年起，全球包括計算機視覺、語音語義等基礎應用技術的專利申請量急速增長。

　　截止2022年，中國、美國和韓國專利申請數量分別為64.8萬件、19.1萬件和5.28萬件，位列世界前三。

　　現階段，各界海量的數字化需求，使得大模型路線以“通用智能”思路降低算法邊際成本，深度學習進入到大模型迭代的技術路線階段。

　　大模型不需要每做一個項目就派出大量專家花數月駐場收集數據、調試模型、訓練模型，并且對長尾場景的解決為客戶創造了更多價值。用大量數據和足夠大的算法去訓練一個足夠大的通用模型，再通過量化、剪枝、知識蒸餾等模型壓縮方法把大模型變小，高效的進行模型生產，避免了“手工作坊”式的AI生產方式，并且由于算法足夠多，能夠覆蓋各種長尾場景，大大降低了復制成本。

　　近期的AIGC及ChatGPT關注度大幅提升，也體現了大模型的迭代優勢，弱人工智能有望實現到強人工智能的

　　4.5資本：全球投資持續上升，資本主要青睞于中、美、英等國家

　　全球人工智能投資市場近年來快速發展，整體融資規模從2015年的63億美元增長至2021年的668億美元。全球現有人工智能企業超過11000家，累計融資總額超過2500億美元。

　　其中，美國擁有人工智能相關企業達到4171家，累計融資金額達到1601億美元，在公司數量和融資規模上位居世界首位。

　　中國擁有人工智能公司1275家，融資總金額為470億美元，位居世界第二位。其他如英國、印度、加拿大等國家也各自擁有百余家人工智能公司，人工智能企業數量排名前10位的國家占全球總數的78.3%，累計融資金額達到全球總額的95%。全球大多人工智能企業和融資活動集中在美、中、英等國家。

　　5/ 發展啟示：人才培養、普惠基建、深化智能

　　在數字經濟浪潮下，5G就如同“信息高速公路”，為龐大數據量和信息量的傳遞提供了高速傳輸信道，補齊了制約人工智能、大數據、工業互聯網等在信息傳輸、連接規模、通信質量上的短板；人工智能如同云端大腦，依靠“高速公路”傳來的信息學習和演化，完成機器智能化進程；工業互聯網如同“橋梁”，依靠“高速公路”連接人、機、物，推動制造走向智造。

　　人工智能具有明顯的溢出效應，將與5G、數據中心等一起推動數字經濟時代的產業轉型升級，是當前及未來各國科技競賽的制高點。大國科技實力是國家實力的核心，能否抓住智能時代的變革機遇，是中國建設現代化強國的關鍵。

　　第一，人工智能發展，軟性支撐很關鍵。做好人才培養、前沿技術研究和聯絡合作。加強國內高校開展相關課程、培育本土人才。

　　積極吸引海外科研人員、聚集全球人才。對科研人才的加大吸引，在研究經費資助、簽證、戶口、子女教育等一系列領域推出引進高端人才的一攬子政策，切實解決科研人員后顧之憂，并為其科研、創業提供更大力度的支持。建立市場化、多層次的產學研協作體系。由國家主導加大基礎研究投入，由企業主導加大試驗開發投入，多類主體形成合理的科研分工。

　　第二，人工智能發展，需要做好“硬性”保障。加快信息化基礎設施建設，對傳統物理基礎設施進行智能化升級，實現智能基礎設施的普惠。與鐵路、公路、機場三者構成工業時代的基礎設施不同，云計算、大數據、人工智能、5G、區塊鏈等將是未來重點，所覆蓋的新基建包括兩方面，一類是以數字中心、基站等為代表的信息化設備，另一類是傳統基建設備數字化轉型。為應對未來的數字挑戰，實現智算基礎設施的普惠。

　　比如算力建設，降低算力成本需要更多國家引領IDC領域重大基礎設施建設布局。進一步推動新型算力基礎設施建設。

　　對老基建的智能化改造，把傳統的舊基建升級為智慧基建，通過傳感器、接入算法，將電力、水庫、河道、城市下水管道等傳統基建數字化，解決更多智能基建問題。

　　再比如算法建設，需要加強大模型、優算法、好平臺的建設，推動技術進步，賦能行業發展。挖掘更多的需求，探索更多的使用場景，從而吸引更多的客戶使用，增加企業和政府等社會主體的數字化率，邊際拉低算力使用成本。

　　第三，重視人工智能技術所帶來的道德問題，深化人工智能在日常生活中的應用。人工智能的發展離不開數據，由于大部分的數據是公開透明、自由流通的虛擬產物，就會引發由數據的所屬而產生的權責問題，這也涉及到數據的安全、知識產權保護和隱私問題。

　　數據的生產和使用涉及消費者、平臺、運營商、服務商等多個環節，需要關注人工智能道德、技術標準、人工智能與人類社會關系等問題，以人為本，重視數據安全。

　　編輯：黃飛