新一代人工智能高歌猛进发展，日益成为推动生产力跃升的驱动力量。今年国务院发布的《“十四五”数字经济发展规划》提出，以数字技术与实体经济深度融合为主线，不断做强做优做大我国数字经济，为构建数字中国提供有力支撑。聚焦人工智能与实体经济深度融合，本期特邀4位专家进行探讨。
主持人：本报理论部主任、研究员 徐向梅
人工智能深刻影响经济社会发展
主持人：什么是人工智能？从世界范围看，人工智能研发与应用的趋势怎样？
梅建平（科技部高新技术司副司长）:人工智能（Artificial Intelligence，AI）经过60多年积累与演进，在技术驱动和市场带动下，取得了历史性进步，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，相关技术持续向实体经济渗透，正对经济发展、社会进步、全球治理等方面产生重大而深远的影响。
业界普遍认为，人工智能主要研究模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，其核心内容是模型和算法，外延包括支撑模型和算法的传感、计算和行动机构等软硬件，从而形成会看、会听、会说、会思考、会学习、会行动的智能系统。
当前阶段，人工智能有以下几个方面主要特征。一是从感知智能向认知智能逐步攀升。人工智能的发展经历了三个阶段：计算智能（能存会算）、感知智能（能听会说、能认会看）和认知智能（能理解、会思考）。人工智能系统应具备感知外界环境的能力和学习能力，具有适应性、灵活性、扩展性。深度学习已成为人工智能领域的主流范式，引领新一轮人工智能发展高潮，同时，类脑智能蓄势待发，量子智能加快孕育；在智能水平上，全球人工智能发展正逐渐由弱变强，数据驱动的感知智能日益成熟，知识驱动的认知智能渐次突破。
二是展现出很强的溢出带动作用。人工智能能够重构生产、分配、交换、消费等经济活动各环节，利用人工智能实现重大技术革新和产品创新，能够提高应用主体的管理水平、生产效率及产品质量，促进产业智能化升级。例如，智能机器人和柔性智能制造技术推动商品制造模式从流水线式的标准化制造，向大规模定制化产品供应转型；通过智能算法加速航空、码头、仓储等生产环节流程优化再造，节省设备、燃油、人力，实现产线升级和效益提升，重塑企业竞争力等。
三是具有技术和社会双重特性。人工智能是一项影响广泛而深远的颠覆性技术，一方面，技术突破将创造新产品、新功能，进而开辟新空间，创造新价值；另一方面，人工智能由于具有一定的自主性，能够进行决策和分析，因而具备一定社会属性，可能对社会、伦理和法律等带来新的挑战和冲击，如何推动人工智能的负责任发展是全球关注的前沿议题。
人工智能研发与应用方面，体现出以下趋势。
一是大数据、大模型、大算力需求增长。数字经济快速发展推动数据量爆发式增长以及场景的复杂化、多样化，引发了业界对大模型和大算力的需求增长。以GPT-3（第三代通用预训练转换器）为代表的超大规模预训练模型近年来快速崛起，带动了全球新一轮人工智能创新潮流。大模型能够更好应对复杂多样场景的共性和个性需求，从“一专一能”迈向“一专多能”，正在突破小样本学习、自然语言理解、跨模态生成等领域技术局限，目前已在蛋白质结构解析、大气模拟预测、电力调度、生物制药、光学遥感等行业场景展现出相当潜力。为更高效处理海量数据和超大规模智能模型，全球算力规模迅速增长，据《中国算力发展指数白皮书》统计，2020年全球算力总规模达429EFlops（每秒浮点运算次数），增速为39%，其中，人工智能算力规模为107EFlops。
二是人工智能与实体经济融合的深度与广度不断提升。人工智能技术具有鲜明的多层次性特征，将依技术难度和成熟度不同逐步突破，并依应用场景就绪程度不同而陆续落地，体现出明显的梯次性。经过近几年理论方法探索和实践迭代，自主智能、群体智能、决策智能等一批技术逐步走向成熟，为人工智能向更多行业拓展和产业化落地带来新机遇。多个国家以人工智能应用为牵引，正加强“人工智能+应用”的关键技术研究，推动其与医疗健康、先进制造等领域融合，同时加强在气候与环境保护、流行性疾病防控等方面的应用。
三是人工智能赋能实体经济的安全性越来越受重视。样本攻击、传感器干扰、算法漏洞都可能给人工智能系统安全带来挑战，发展安全可控可靠的人工智能技术成为赋能实体经济的重要基石。人工智能安全技术围绕算法、数据、框架、业务应用四个方面正快速迭代演进，不断提高人工智能鲁棒性及抗干扰性，为应对这些风险挑战提供技术方案，IEEE、ISO、ITU、NIST等标准化组织也纷纷开展了人工智能系统安全技术标准研制工作，保障人工智能应用向更多行业深化拓展。
深度融合引发生产方式变革
主持人：我国人工智能与实体经济融合进展如何？请介绍几个典型案例。
刘刚（南开大学经济研究所所长、中国新一代人工智能发展战略研究院首席经济学家）：自《新一代人工智能发展规划》发布以来，在国家战略引领下，开放创新平台主导的产业创新生态发展、新创企业涌现、传统产业龙头企业智能化转型和地方政府积极响应，共同推动着人工智能和实体经济深度融合。
人工智能科技产业包括核心产业部门和融合产业部门，即人工智能产业化和产业智能化部门，两个部门的技术合作代表了人工智能和实体经济融合发展的实际进展。我们基于2200家核心产业部门人工智能骨干企业技术合作关系数据的量化分析发现，2021年我国人工智能核心产业部门与三次产业技术合作关系占比中，排名第一是第三产业，占比76.85%；排名第二是第二产业，占比22.74%；排名第三是第一产业，占比0.41%。在核心产业部门与第二产业技术合作关系占比中，排名第一是制造业，占比88.01%；排名第二是电力、热力、燃气及水生产和供应业，占比5.67%；排名第三是建筑业，占比5.05%；排名第四是采矿业，占比1.27%。
在核心产业部门与制造业各行业人工智能技术合作关系占比中，排名第一是计算机、通信和其他电子设备制造业，占比30.86%；排名第二是汽车制造业，占比24.84%；排名第三是电气机械和器材制造业，占比8.57%；排名第四、第五分别是专用设备制造业、通用设备制造业，占比分别为6.57%、3.89%。排名前五的均属于装备制造业。
在核心产业部门与第三产业各行业人工智能技术合作关系占比中，排名第一是信息传输、软件和信息技术服务业，占比28.46%；排名第二是科学研究和技术服务业，占比21.25%；排名第三是金融业，占比10.95%；排名第四、第五分别是租赁和商务服务业、批发和零售业，占比分别为10.89%、9.06%。
随着产业互联网发展，人工智能与第二产业尤其是制造业融合将进入快速发展阶段。为全面掌握人工智能和制造业融合发展进程，2022年中国新一代人工智能发展战略研究院和世界智能大会联合征集了智能制造领域186个案例，包括关键技术与核心部件、智能化装备、制造过程智能化技术与系统三大智能制造领域，涉及21个应用场景。从应用情况看，人工智能和制造业深度融合将为我国经济高质量发展和产业国际竞争力提升奠定坚实基础，人工智能和制造业深度融合将释放社会生产力巨大潜力。
天士力医药集团股份有限公司中药智能制造遵循中药现代化路径，率先实现了从中药研发、种植、提取、生产到销售的全产业链标准化。通过智能化改造，进一步研发出第五代高速滴丸生产线和中药数字化智能提取生产线，建立了标准化、数字化、智能化现代中药产业体系。
以高速滴丸生产装备为核心的中药智能化生产线，实现单机产出速度提升约11倍，产品工艺流程实现连续化生产。通过在研发、注册、生产各环节上实践应用，建成了复方丹参滴丸智能制造车间，“车间内制造装备—传感及检测部件—数据采集监控系统—工艺控制模型库—生产信息化管理系统”互联互通，生产效率提升5倍，运营成本降低15.4%，平均用工人数由190人降低到40人，单位综合成本降低24.5%，劳动生产率提高32%。
天津港智能化集装箱码头依托华为5G及车路云协同技术，打造自动化集装箱码头高效智能水平运输解决方案，是人工智能在港口物流领域应用的典型案例。
天津港北疆港区C段智能化集装箱码头是新一代全自动化集装箱码头，码头运营的76台智能水平运输机器人ART是自主设计和制造的，采用超L4级无人驾驶技术，依托5G网络和北斗定位技术，实现了集装箱自动化水平运输。同时，智能化码头自主设计和研发智能水平运输系统，创新性应用全局路径规划与局部路径规划相结合方式，实现ART精确引导和驾驶的协作、管理和控制，满足了集装箱自动化水平运输过程中充电、超车、避障、绕行、缓冲调序等全工况需求，是全球首个基于超L4级无人驾驶技术的智能化集装箱码头水平运输解决方案，为传统人工码头智能化升级改造提供了可推广可复制典型案例。从实际运营情况看，与同等岸线自动化集装箱码头相比，建设投资减少30%，作业能耗降低17%以上，作业人员减少60%。
作为第四次工业革命的核心引擎，人工智能与实体经济深度融合将引发生产方式变革。新的社会生产力发展要求变革现有生产关系，如何通过生产力和生产关系重构，加快建设现代化经济体系步伐，是“十四五”期间经济高质量发展的关键。
“人工智能+各行各业”正当其时
主持人：作为人工智能专业研究者，您如何看待我国人工智能产业发展与实体经济应用？
孙茂松（清华大学人工智能研究院常务副院长、欧洲科学院外籍院士）：1957年钱学森先生在《科学通报》上发表题为“论技术科学”的文章，首次明确阐释了自然科学（基础科学）、技术科学和工程技术三个重要概念间的关键区别和内在联系。根据这一概念体系，人工智能可以分为基础理论（如人工神经网络理论及其基本模型的建立）、技术科学（如近些年大行其道的深度学习模型、AlphaGo、GPT-3等的设计与实现）以及技术应用（如线上购物推荐、智慧城市等各行各业的落地应用）三个层次。借用老子《道德经》中“道生一，一生二，二生三，三生万物”的说法，人工智能基础理论属于“从0到1”的问题，技术科学内部也有品类划分，按照创新程度不同分别包含“从1到2”和“从2到3”的问题，技术应用则属于“3+”的问题。
在人工智能发展历程中，我国成熟的“3+”类创新成果在世界范围内已有一些处于领先水平并引领产业潮流，“从2到3”类研究总体上做得也很不错，不过目前我们取得的“从0到1”类原始创新成果几乎是空缺的，“从1到2”类创新成果也为数不多。2017年国务院印发《新一代人工智能发展规划》提出，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。人工智能发展要走到世界引领位置，我们依然面临很大挑战，最大的挑战在于谋求“从0到1”类的突破非一朝一夕之功，需要较为长期的探索奋斗。
人工智能第一代和第二代分别由小知识和大数据驱动，前者没有走出研究的“象牙塔”，后者则走到了蔚为可观的技术社会应用阶段，但其理论框架实源于学界过去几十年研究的厚积薄发。当前人工智能正谋求从以深度学习为标志、以大数据为主要驱动的第二代向具有更高智能的下一代跃迁，若想取得实质性突破，关键仍在重大理论创新。
新一代人工智能技术拥有强大威力，人工智能与实体经济深度融合具有巨大潜力。但同时也要看到，作为新一代人工智能突出标志的深度学习模型仍存在可解释性差、鲁棒性弱、泛化能力不强、推理能力欠缺等缺陷，使得其面对各行各业实际场景时，由于场景的天然复杂性而常常力不从心，这需要人工智能专家与各领域专家密切合作、联合攻关。人工智能与实体经济深度融合，不仅是人工智能单向作用于各行各业，同时也对人工智能技术科学自身发展构成动力，或在基础理论层面上凝练出新的深刻问题。
我国人工智能发展可考虑建立一个全局性策略：以“人工智能+各行各业”为契机和抓手，通过脚踏实地的创新性工作，在大力推动各行各业技术与应用变革的同时，积极促进人工智能技术科学新发展，不断扩大我国人工智能技术应用整体优势。在此路径上，“人工智能+各行各业”，正当其时。
构建融合发展的支持体系
主持人：我国人工智能与实体经济融合还面临哪些瓶颈和挑战，如何进一步推动二者深度融合？
任保平（西安财经大学副校长）：人工智能与实体经济融合发展对改造传统产业、带动新兴产业、催生新商业模式以及增强生产端与消费端协同有重要意义，将为经济高质量发展提供强劲支持。不过，目前我国人工智能与实体经济深度融合还面临一系列瓶颈制约，主要表现在：超前研发布局缺乏系统性，政策法规支持体系和标准体系欠缺；缺少重大原创成果，需继续加强包括基础理论研究在内的各项研究，同时移动端或物联网设备等硬件设施难以满足人工智能算法需求，需进一步突破；人工智能网与实体经济融合的产业生态不完善，应用场景“碎片化”，与产业场景深度结合尚在探索中；基础设备改造尚不能满足要求，人工智能与实体经济深度融合的前提是自动化和信息化，在这方面无法达标将导致人工智能技术难以和实体经济有效对接；人工智能高端、复合型人才缺乏等。
突破瓶颈制约，推动人工智能加速“拥抱”实体经济，应从以下几方面着力。
首先，做好人工智能与实体经济融合发展的路径设计。一方面，确立整体推进人工智能与实体产业融合的战略规划，设立整合推进机制，有效协调部门间、区域间人工智能与实体经济融合。需构建激励机制，以全面释放经济主体活力和能动性，发挥新一代人工智能对经济各层级发展的促进作用。另一方面，构建人工智能与实体经济融合发展的支持体系：完善涉及人工智能发展的法律法规和道德框架，特别是加强对信息安全、人机一体、无人自动系统等领域规范；确立人工智能技术标准和知识产权体系，加快推进应用领域和行业协会相关标准制定，加强专利保护机制；建立人工智能安全监管和评估体系，针对其复杂性、风险性及不确定性等问题构建预警机制和风险管控体系。
其次，加强人工智能与实体经济融合发展的基础设施建设。针对目前我国数字基础设施建设存在的不平衡空间分布、低效数字信息收集、传输、挖掘和利用等问题，加强宽带基础设施建设，加大宽带网络普及程度，提高网络用户普及率，通过提速降费加快社会数字化进程。加快推进铁路通信传输网、公路基础设施数字化、全国高速公路信息通信联网等工程建设，整合各路段通信传输资源，优化交通信息网络。缩小数字基础设施空间失衡，推进网络宽带发展，化解数字壁垒，构建统一大数据信息平台，形成从基础支撑、核心技术到行业应用都比较完整的人工智能产业链。积极推进行业和企业数字化、信息化转型，把人工智能技术和智能设备装备应用于实体经济各产业和产品制造各环节，实现产业和企业设备数字化、运行智能化，提高数字化、信息化水平。
再次，培育人工智能与实体经济融合的产业生态。人工智能产业发展需要产业政策支持，也需要建设有效学习型社会环境，构建“全局促进，重点突破”的产业生态。产业层面，要全面促进新一代人工智能与各层级经济活动融合，重点推进智能制造发展，为实现创新驱动高质量发展、实现制造强国提供有力支持。区域层面，要进一步优化人工智能产业空间分布与发展。在经济水平和人工智能发展处于前沿的东部沿海发达地区，积极推进人工智能产业链发展，更好发挥人工智能技术发展辐射带动作用。对于发展滞后的中西部地区，侧重将人工智能作为共性基础技术，推动产业转型升级，促进新兴产业规模化。人才培养层面，要吸引和培养人工智能高端人才和创新创业人才，加强相关学科专业建设，引导培养产业发展急需的技能型人才，为人工智能与实体经济深度融合提供人才支持。