●马源 郭宁
推动“人工智能+产业”是一项系统工程，涉及方方面面，目前还有一些问题亟待解决。比如，高质量数据集还不够丰富，大模型企业在利用用户场景数据方面存在不少安全顾虑等；定制化成本高，难以规模化推广；算力基础设施布局分散，规模化、集聚化效应不够；供需匹配还不够紧密，大模型落地还面临行业知识不足、场景开放不够、适应性不强等问题；专业人工智能技术人才短缺，中小企业难以负担，加快人工智能应用渗透的公共服务短板尚需补齐。
推动“人工智能+产业”发展的关键是尊重技术创新规律，发挥市场牵引作用，由企业基于投入产出综合考量，针对自身痛点难点，拥抱相适配的人工智能产品和服务，从技术路径、行业领域、产业链环节等方面进行多维度探索，逐步探索出合适的路径。
面对人工智能技术创新和产业创新融合需求，推进“人工智能+产业”应关注以下关键着力点。
加快建设高质量数据集。人工智能技术的研发创新和产业应用落地，除了需要基础数据集外，更离不开行业高质量数据集。应分门别类打造行业数据标准体系，进一步支持加快建设重点行业高质量数据集，重视积累负面样本数据。推动自动化标注技术应用，大力发展仿真与合成数据，探索模拟稀缺高质量数据集的有效路径。分行业分领域制定企业数据治理指南，明确数据流通使用制度和安全责任规则，促进数据拿出来、动起来、用起来。
促进各行业各领域开放应用场景。针对大模型在产业链各环节应用中的“两端快、中间慢”特征，可在巩固两端应用的良好基础上，加快生产制造环节应用步伐。遴选培育一批工业领域垂直大模型典型应用场景。鼓励制造业龙头企业加快人工智能技术在新场景中的应用探索。创新和开放智能调度、无人运输、无人配送、智慧仓储等应用场景。推动国有企业深化“人工智能+”场景建设，强化高价值场景供给，拓宽场景开放广度和深度。在开放应用场景时，还应同步加快制度创新步伐，例如健全创新型产品或服务的准入、标准、认证等制度，允许人工智能新技术新产品先行先试。
推动人工智能终端产品迭代。我国作为全球消费电子产品的需求大国，智能终端与大模型融合势必会催生巨大的需求增量。可考虑制定人工智能终端产业发展相关规划，与促消费、扩内需等支持政策协同推进。进一步完善产业生态，促进硬件提供商、大模型服务商、终端厂商、人工智能应用开发商等多方协同创新发展。推动各类智能新产品如人形机器人、人工智能家居、人工智能手机、人工智能穿戴设备和健康监测设备、智能汽车等在消费使用中加快迭代升级。
在云上构建人工智能服务生态。人工智能既需要训练算力，也需要推理算力，对算力集群的规模、计算性能要求较高，云计算作为高效、便捷、集约、绿色的算力应用模式，已成为推进“人工智能+”的关键基础设施。应以增强智算云服务的经济性、普惠性和竞争力为导向，吸引供给侧将数据资源、模型服务上云。充分发挥我国电力优势，加强算力、电力、网络的一体化规划，通过绿电直供等新模式，加大绿电供应保障，同步持续提升互联网专线的经济性，降低需求侧企业用云、用模型的成本。
让人工智能广泛赋能中小企业发展。中小企业是推动创新、促进就业、改善民生的重要力量，推进人工智能赋能中小企业是趋势，但也是个难题。可考虑出台中小企业使用人工智能指引，在产业园、开发区等企业集聚区进行辅导普及。探索开展中小企业人工智能创新应用试点，注重智能化解决方案的投入产出实效，总结复制推广典型经验和做法。支持开发一批经济适用、简单易用的人工智能应用，通过算力券、模型券等支持中小企业拥抱人工智能。鼓励龙头企业联合产业链合作伙伴向中小企业免费或低成本提供算力、模型、数据集等基础能力。
（据《学习时报》）