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_12页_1013kb

“人工智能+产业创新”的国外实践、我国差距和对策建议

核心内容

本文由赛迪智库发布，分析了全球主要国家在“人工智能+产业创新”方面的实践路径，指出了我国在该领域存在的差距，并提出了相应的对策建议。文章强调，人工智能正成为重构创新范式的重要工具，其在芯片设计、药物研发等领域的应用已取得显著进展，而我国在技术供给、场景融合、要素支撑和治理体系等方面仍需加强。

主要观点

一、全球主要国家推进“人工智能+产业创新”的三大路径

1. 强化项目引领

   • 布局国家级科研项目，如美国能源部对量子科学中心的资助，日本在人工智能驱动生命科学领域的项目支持。
   • 支持国防项目，如美国国防部在人工智能领域的投入和项目数量。
   • 加大公共项目投入，如美国国家人工智能研究资源试点项目。

2. 发挥企业优势

   • 高科技企业推动人工智能在研发工具、智能终端和软件功能体系中的应用。
   • 例如，DeepMind的AlphaFold系列在蛋白质结构预测方面取得重大突破，微软Copilot在智能电脑中的应用，SAP的Joule在ERP系统中的集成。

3. 开展制度探索

   • 完善内部治理机制，如欧盟《人工智能法案》的发布与实施。
   • 探索双多边治理机制，如美英等国在人工智能安全科学领域的合作。

二、我国面临的差距

1. 通用大模型底座不足

   • 我国大模型产品数量虽多，但缺乏具有国际竞争力的通用大模型。
   • 存在“低水平内卷”现象，部分企业未能有效利用大数据和大算力资源。

2. 人工智能与研发场景结合不紧密

   • 企业对人工智能的“黑箱”运行方式存在担忧，影响其应用意愿。
   • 头部企业开放共性研发场景的意愿不强，阻碍了技术的扩散和产业化。

3. 关键要素结构性不足

   • 数据质量不高，缺乏高质量的科学数据用于训练人工智能模型。
   • 高端人才短缺，预计2030年将面临约400万的人才缺口。

4. 科技伦理治理体系待完善

   • 人工智能更新速度快，传统监管体系难以适应。
   • 存在价值观对齐、深度伪造识别、责任边界等伦理风险。

三、对策建议

1. 筑牢创新底座

   • 统筹布局智算中心、数据集中心等公共服务载体。
   • 鼓励大模型厂商技术协作，集聚共享关键资源。
   • 引导高校和企业加强基础理论与高端芯片的研发。

2. 突出场景牵引

   • 开展“人工智能+”行动，形成场景指引清单。
   • 鼓励龙头企业开放共性场景，降低技术门槛。
   • 定期发布优秀案例集，推动企业模仿与创新。

3. 强化要素供给

   • 培育数据服务商，提升数据质量。
   • 构建高端人才供给体系，加强实训基地和重点实验室建设。
   • 鼓励地方政府摸排企业痛点，优化政策与公共服务。

4. 完善治理体系

   • 制定人工智能训练数据集评估标准，规范数据审查。
   • 支持深度伪造识别技术的研发与应用。
   • 完善法律法规，明确责任边界，防范新型科技伦理风险。

关键信息

• 国际趋势：人工智能正成为推动产业创新的重要力量，发达国家已形成较为成熟的实践路径。
• 国内现状：我国在大模型、研发场景融合、数据与人才供给、治理体系等方面存在明显短板。
• 未来方向：需通过政策引导、技术协作和制度创新，推动人工智能与产业深度融合，培育新质生产力。

结论

“人工智能+产业创新”是未来科技与产业融合的重要方向，我国需加快补齐短板，提升自主创新能力，完善治理体系，以实现技术突破与产业应用的协同发展。