产业观察 |霍福鹏： 推动“人工智能+”行动落地见效

精华速览：

“人工智能+”主要通过技术驱动、数据赋能、场景适配、生态协同和制度创新等五个环节发挥作用。以大模型为代表的人工智能技术已具备较强的通用能力，向各行业渗透应用的广度和深度前景广阔。建议多措并举，着力打破当前人工智能应用面临的堵点，加快构建人工智能应用创新生态。

| “人工智能+”应用落地面临的主要挑战

从实践情况看，当前还存在一些制约人工智能应用落地的堵点亟待打通。比如，技术可靠性还有待提升。在大模型训练和推理过程中对数据进行的采集、加工、处理等操作，将对商业秘密、个人隐私等敏感数据的保护带来挑战。当前大模型技术的可解释性还不足，可能会产生“幻觉”，当应用在医疗等领域时，可能会影响医疗诊断的准确性。

再比如，应用成本有待优化。企业本地化部署应用大模型往往涉及模型使用费、算力建设费、电费、运维费等多项开支。特别是在需要处理复杂任务或高并发请求的业务场景中，算力资源消耗会显著增加。在投入资源的同时如果应用效果不及预期，可能会影响企业应用人工智能技术的信心。

还比如，人才基础有待夯实。人工智能实现大范围规模化应用，离不开专业人才队伍的支撑。目前，人工智能技术规模化应用的门槛还比较高。特别是在模型优化、落地部署及跨领域应用等环节，专业技术人员还相对短缺，一定程度上影响了人工智能在更多行业和场景中的推广速度与应用深度。

| 以务实举措推动“人工智能+”行动落地见效

建议多措并举，着力打破当前人工智能应用面临的堵点，以务实举措推动市场“强信心、降门槛、筑基础、添活力”，加快构建人工智能应用创新生态。

（一）加快制度创新

一是建立健全适应人工智能应用特点的数据安全保护、版权管理等制度规范，完善相关法律法规和司法解释。面向不同应用场景，分类分级建立“风险识别—风险定级—风险应对”的管理链路。二是“以技治技”构建安全防护体系。通过数据脱敏、去标识化等技术去除数据中的敏感信息，利用相关手段对大模型输出进行识别、审查和过滤，加强大模型加固技术研究。三是加快普及推广人工智能风险管理理念及要求，指导企业做好人工智能技术研发、应用等全生命周期的安全防护，满足不同行业场景实践需要。

（二）促进场景开放

一是围绕工业制造、金融、通信、消费、医疗、交通、教育、科研等重点行业领域，鼓励用户企业向人工智能技术服务方开放应用场景，提供试验验证环境和配套资源保障，推进形成行业应用解决方案。二是发挥行业集群联动优势。依托行业骨干企业、行业协会等，在基础条件较好的地区开展联合攻关，共同探索行业共性应用解决方案。

（三）强化标准引导

一是强化行业标准指导作用。支持有关行业协会、标准组织加快构建人工智能应用成熟度评价标准体系，分行业细化人工智能应用技术标准，降低企业应用门槛。二是发挥领军企业示范效应。支持行业领军企业率先开展人工智能技术应用验证，总结提炼应用模式，形成行业共性解决方案，为中小企业应用人工智能提供路径参考。

（四）深化产教融合

一是加大对人工智能基础理论研究和前沿技术研发方向的人才培养力度，支持科研人员加快探索新型算法机理，促进人工智能研究的源头创新和整体创新。二是强化产学研用协同。推动人工智能场景应用方、技术服务方、高校和科研院所等协同，形成供需联动、交叉互补的一体化应用创新格局。三是加快培育人工智能领域产教融合型企业，支持企业与高校、科研院所之间建设联合实验室，促进科技成果向现实生产力转化。

来源：中国发展观察