既要“All in AI”，也要“AI for All”

□ 本报记者 李嘉豪

从语言智能、具身智能到物理智能，AI正逐步强化与现实生产生活的协同，“人工智能+制造”的结合点和发力点在哪里？中国工程院院士戴琼海日前在南京进行了专题解读。

“基础研究是产业革命的根基，从瓦特、比特再到Token的要素转变，都对工业制造带来前所未有的提升。”戴琼海举例，比如在成像技术进步下，封装缺陷、锂电池、航空叶片等的检测效率和精度都得到很大提升。人工智能要想理解物理的世界，具备清晰的感知是前提。通过扫描光场成像技术，戴琼海院士团队实现了对物体的高清晰度全景观测，并在多种工业场景进行适配应用。

打通AI与物理世界的路径，离不开大模型的全面赋能。“未来要做的，就是实现可理解、可编码、可执行的任务决策，让AI在工业控制等关键场景中变得可信可靠。”戴琼海指出，“高效、稳定、精确的智能模型，能够赋能端侧设备智能化发展，提高现场自知能力，通过多任务装配、工艺过程闭环控制、设备健康微诊断等应用支撑高端制造业的发展。”

此外，实现人工智能的规模化应用，还需要高质量数据的支撑。“让各行各业各岗产生的数据得到高效处理应用，人工智能在很多场景的工程化实践就会更加顺畅有力。”他认为，江苏作为制造大省和科技大省，推动人工智能在制造业各环节深入应用方面已经取得很好的成效，下一步可以着力推进行业数据集建设，推动大小模型协同攻关，探索实现人工智能在制造业领域的规模化商业化应用，“推动‘All in AI（为AI押上全部）’和‘AI for All（通过AI赋能全行业）’的双向赋能，‘AI+’将能产生突破性的进展。”