从“+AI”到“AI+” 人工智能如何赋能新质生产力？

陈婷婷 辛爱峰

本期嘉宾

池宪念

工信部赛迪研究院高级工程师、赛迪四川人工智能产业创新中心总经理

周涛

电子科技大学教授、成都新经济发展研究院执行院长

伴随产业快速发展，人工智能正融入千行百业，成为加快发展新质生产力的重要引擎。从“+人工智能”到“人工智能+”，这一趋势变化意味着什么？今年，四川把人工智能列为1号创新工程，传递出什么信号？让“人工智能+”发挥乘数效应，成都如何发力？本刊记者就相关热点问题专访工信部赛迪研究院高级工程师、赛迪四川人工智能产业创新中心总经理池宪念，电子科技大学教授、成都新经济发展研究院执行院长周涛。

Q1

人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的核心驱动力，被认为是发展新质生产力的主要阵地。如何认识我国人工智能技术发展情况？

池宪念：作为赋能手段，无论是孕育新产业新模式新业态，还是促进传统产业转型升级、提质增效，人工智能都蕴含着巨大的潜能。

人工智能（AI）的发展历程和技术演进，经历了从“+AI”模式到“AI+”模式的转型过程，并可相应地划分为1.0、2.0直至3.0的时代变迁，每个阶段都标志着AI技术在理论研究与实际应用上的重大突破。

“+AI”阶段，即人工智能1.0阶段，是指人工智能作为一项补充技术，被添加到传统行业的既有业务流程或产品之中，目标是提升效率或解决特定问题。这个阶段始于AI的起源，在20世纪50年代末至90年代初，人工智能主要通过符号逻辑推理、知识工程等方法构建专家系统，实现了在限定领域的自动化决策。例如，用于诊断医疗问题、设计电路、解析法律文本的专家系统，依靠预设规则和人类专家的知识库进行运作。这类AI擅长对显性规则的理解和运用，对复杂非结构化的数据处理能力和自适应学习能力较弱。

“AI+”阶段，即人工智能2.0阶段。进入21世纪，随着计算能力的显著增强、大数据的积累以及深度学习等机器学习技术的重大突破，AI不仅仅是业务流程的附属部分，而且逐渐成为各行各业创新发展的重要驱动力。这一阶段的核心是数据驱动和自我学习，利用神经网络模型进行大量数据训练，模拟人脑的学习机制，实现了在语音识别、图像识别、自然语言处理等诸多领域超越人类的表现。此外，AI开始广泛融入云计算、物联网、区块链等各种新兴技术平台，形成了跨领域的融合应用，如在自动驾驶、智能家居、智能客服等领域取得了显著成果。

当前，人工智能正迈向3.0时代，强调全面智能化和自主决策。人工智能3.0不仅包括继续深化现有的机器学习技术，还涉及强化学习、迁移学习、生成对抗网络、元学习等高级算法的广泛应用。在这一阶段，AI将具备更强大的环境适应能力、创造性思维和自主行动能力，能够在实时变化和未知环境中快速准确决策。同时，AI将进一步与物质世界深度融合，催生出新型的智能体和智能制造系统，如高度集成的人形机器人、智能医疗设备、智慧城市基础设施等。

综上，从“+AI”到“AI+”的转换，意味着AI从单纯的技术附加工具转向了引领行业变革的关键要素，从赋能单一功能升级到重塑整个业务形态。从1.0到3.0的发展，代表了AI从基于规则的机械化智能，经过数据驱动的智能化跃迁，最终走向具有更高程度自主性、创造性和普适性的新一代智能。

周涛：“+AI”和“AI+”表面上看起来相似，但两者在语境和含义上有明显的区别。“+AI”是用来描述某一行业或领域引入人工智能技术的过程，这里的“+”表示人工智能作为一种附加技术或赋能手段加入原有的行业中。例如“制造业+AI”，意味着在传统的制造业中应用人工智能技术提升效率、降低成本、改进产品质量等。“AI+”这个概念，则是从人工智能的角度出发，强调人工智能技术在各行业和领域的广泛应用。“AI+”战略指的是以人工智能为核心驱动力，推动各行各业的创新与变革。例如“AI+教育”，意味着人工智能技术与教育领域的深度融合，包括智能教学、个性化学习、智能测评等应用场景。两者都是在谈应用，“+AI”侧重于从行业角度看待人工智能技术的应用，而“AI+”更强调人工智能作为一种基础技术和跨界引擎的作用，推广其在各领域的普遍应用和深度融合。

这一发展趋势背后主要有三个原因。

一是技术成熟度提升。随着深度学习、大数据处理、高性能计算等技术的快速发展和成熟，人工智能已经能够解决越来越多复杂的实际问题，加上最近大模型技术的成熟，使其准确度、效率、通用性、灵活性都得到了显著提升，使人工智能在各行业中的应用成为可能。

二是海量数据驱动。现代社会产生的数据呈指数级增长，为人工智能提供了丰富的“养料”。有了大数据的支撑，人工智能得以更好地学习和理解现实世界，从而在各领域提供更精准的决策支持和应用服务。

三是市场需求牵引。消费者和企业客户对便捷、高效、个性化的服务需求日益增强，人工智能技术能极大地满足这些需求，例如智能客服、个性化推荐、智能诊断等，从而在各领域中得到广泛应用。

从“+AI”向“AI+”转变，说明人工智能不再局限于單一行业或实验室研究，而是开始真正融入到各行各业，成为推动社会生产力发展和提升生活质量的重要引擎；技术的发展趋势越来越倾向于与实体经济深度融合，以解决实际问题为导向，从而产生更大的经济效益和社会价值。

Q2

当前，人工智能处于技术跃迁的重要窗口期，其产业生态和产业链的不断完善，对发展新质生产力有什么积极作用？

池宪念：人工智能作为新质生产力的重要组成部分，在推动高质量发展中扮演着至关重要的角色。人工智能的发展有助于科技进步和产业升级，能够与传统产业深度融合，催生新的业态和模式，从而有力地推动新质生产力的形成与发展。各地区和各类产业经济发展的重点任务，是“牢牢把握高质量发展这个首要任务，因地制宜发展新质生产力”。

首先，发展人工智能的必要性体现在它是新一轮科技革命和产业变革的重要驱动力。在当今信息化、智能化浪潮中，人工智能作为先进生产力的典型代表，能够有效整合和优化资源配置，大幅提高生产和服务效率，对于推动产业结构优化升级、培育经济增长新动能具有不可替代的作用。

其次，发展人工智能的重要性在于其与新质生产力的紧密关系。新质生产力是指能引发生产方式根本变革、带来生产力整体跃升的创新力量。人工智能通过模拟人类智慧，实现感知、认知、决策和执行等智能活动的自动化与智能化，既革新了传统的生产工具，又催生了全新的生产模式，如智能制造、智能服务等，构成了新质生产力的核心组成部分。

但要注意的是“因地制宜”，应充分考虑产业结构、人口结构、社会压力等因素，确定符合本地区情况的人工智能发展方向及不同发展阶段的重点。

周涛：新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵。从这个意义上来说，我想重点谈人工智能契合新质生产力发展中的两个重要要素，一是颠覆性的技术突破，二是人工智能的发展所带来的生产要素的优化配置。

AI是非常典型的颠覆性技术创新，尤其是大模型，它不再是渐进式的创新，而是一次跨时代的飞跃。这种创新被业内称为“破坏性”创新，比原始创新更厉害。它把原有的一些技术和生态都“破坏”了，比如，原来做大量的自然语言处理研究，但有了大模型研究后，其价值就变得很小甚至没有价值，AI带来很多产业的价值重构。

人工智能的发展带来生产要素的优化配置，主要体现在数据要素更高效的市场化配置，这也是发展新质生产力的一个关键。与传统的四大生产要素土地、劳动力、资本和技术相比，数据要素具备显著的规模经济特性，在与传统要素融合的过程中，将对经济发展产生放大、叠加与倍增作用。

数据要素蕴含的价值因数据规模扩大与数据类型丰富而不断累积。随着数据资源的日益增长与多元化，利用数据的主体也将逐步增加，从而能够从数据中提炼出更多价值，形成“滚雪球”式的正反馈循环。这一趋势导致不同类型、不同行业、不同区域的要素在不断聚合的过程中价值呈指数级增长，并为数据处理者提供更加丰富的价值信息与洞察。

比如，一家跨境电商的法务咨询公司，原有的上千万条的咨询对话虽然是数据，但不是数据钥匙，因为这些数据没办法用于生产。而现在可用于训练大模型，通过训练对话的机器人完成法律咨询。大模型质量的关键，是对高质量的数据在一个相对合理的模型架构下进行微调，这个时候数据就发挥巨大价值。

因此，通过人工智能特别是通用大模型，我们有可能使以前一些没有办法产生价值或者价值较小的数据，变得价值较大，从而实现数据要素的优化配置，带来新质生产力。

Q3

今年，四川将人工智能作为1号创新工程。如何认识这一决策部署，因地制宜做好差异化发展？

池宪念：四川把人工智能作为今年1号创新工程，超常规最大力度精准支持人工智能产业发展，并揭牌成立四川省人工智能学院，正是其因地制宜发展新质生产力的具体行动。在此基础上，可从以下五方面着力，加快培育新质生产力，推动四川人工智能产业高质量发展。

一是依托科研优势与教育资源。四川拥有电子科技大学、四川大学等高校，在计算机科学、通信工程、自动化等相关学科上的雄厚科研力量为人工智能产业提供了坚实的技术支撑和人才储备。应充分发挥这一优势，培育和发展本土人工智能研发团队，同时引入国际领先的企业和研究机构，共同推动核心技术攻关和人才培养。

二是融合传统产业升级。应充分利用本地区域特色和传统产业基础，将人工智能与农业、制造业、服务业等深度融合，实现传统产业的智能化改造升级。例如，在农业领域推进智能农机装备、智慧农业系统的应用，在制造业发展中大力推广工业机器人、智能制造等先进技术。

三是利用产业集群效应。四川应聚焦成都等地的高新技术产业集聚区，构建起以人工智能为核心的新一代信息技术产业集群。比如，成都高新区、锦江区等地结合原有的软件和信息服务基础，可打造人工智能创新应用中心和产業基地，形成独具特色的AI产业生态圈。

四是聚焦场景应用创新。依据本地经济社会发展需求，可有针对性地开展人工智能应用场景试点示范，如在城市治理、公共服务、文化旅游等方面探索特色化的AI解决方案，通过率先应用，积累经验，推动技术创新和商业模式创新。

五是抢抓新技术高地。要紧跟国际国内人工智能发展趋势，特别是在人形机器人、智能制造、智能网联汽车、无人驾驶、低空经济等方面提前布局，结合四川省内实际场景，发展符合市场需求的特色应用场景和技术产品。

周涛：伴随着大数据的爆发增长、计算能力的飞跃提升以及机器学习尤其是深度学习和大模型技术的重大突破，人工智能正在以前所未有的速度蓬勃发展，广泛应用于自动驾驶、医疗诊断、金融服务、教育娱乐、工业制造等诸多领域，迅猛而深刻地改变着各行各业。人工智能也是第四次工业革命的核心驱动力，把握住这一发展机遇，对于推动产业升级转型，保持国际竞争力至关重要。因此，加快人工智能发展不仅是一种科技追求，更是关乎经济发展、社会稳定与国家安全的战略选择。国务院在2017年印发了我国第一个人工智能规划——《新一代人工智能发展规划》，明确提出要把人工智能作为我国新一轮科技革命和产业变革的核心驱动力，力争到2030年，我国人工智能理论、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。

四川把人工智能列为今年的1号创新工程，是紧跟国家科技创新步伐，贯彻落实国家战略的重要部署。根据《四川省“十四五”新一代人工智能发展规划》，到2025年，四川将建成5个左右人工智能特色产业集聚区，建成国家级创新平台2个以上，培育30家左右人工智能创新标杆企业，形成人工智能核心产业规模超1000亿元，带动相关产业规模5000亿元以上。

相信通过精准投放资源，鼓励创新型企业、高校和研究机构开展人工智能技术研发与应用，能够提升四川的创新能力、产业竞争力和经济社会效益，实现科技引领下的全面创新发展。

Q4

对成都人工智能产业发展有什么建议？

池宪念：一是强化创新引领能力。成都可将增强原创能力作为着力点，推动人工智能算法、算力、数据三大要素融合，形成产业创新发展的核心优势。同时，以国家新一代人工智能创新发展试验区建设为重点，加快计算机视觉、人脸识别、无人智能、深度学习等技术领域的自主创新，提升技术创新能力和产业竞争力。

二是完善产业发展生态。要有效整合创新合作和产业化资源，培育融资多元化、人才多样化、治理敏捷化的产业土壤，打造人工智能产业生态示范地。同时，加强政策支持和引导，为人工智能产业的发展提供高效公共算力服务。

三是推动企业发展壮大。要坚持企业主体地位，推动大中小微企业协同发展，打造以人工智能链主企业为核心、优势企业为支撑的企业集群。同时，推进链主企业项目引育，积极争取其硬件制造、软件研发、开源大模型、生态创新中心、场景应用等在成都落地。

四是促进产业协同发展。要推进成都人工智能载体建设，推动形成由点及面、以强带弱、协同共进的全市人工智能产业发展格局。此外，推进跨区域协同合作交流，促进人工智能创新链与产业链协同互补、数字要素与设施开放共享。

五是加快场景引领发展。要发挥好人工智能溢出带动性强的“头雁”效应，组织开展人工智能新技术新产品新模式在实体经济、民生服务、公园城市、智慧蓉城中的深度应用。通过应用带动集成，牵引科技成果转化、重大产品创新和示范应用。

周涛：我认为当前人工智能产业最大的机会在大模型——这里所说的大模型是广义的，既包括大语言模型，也包括其他生成式人工智能。成都现在在大模型相关产业方面与北京和深圳相比还存在差距。结合成都自身在产业、人才、技术和场景的资源禀赋，有四方面建议。

一是引进和培育一批大模型应用开发者。建议制定简单明了、实操性强的专项产业政策，引进和培育一批大模型应用开发企业。这些政策包括但不限于在股权投资和债权融资方面给予倾斜、提供充分的算力资源及有竞争力的算力补贴等。

二是培养领军型行业大模型解决方案提供商。建议积极寻找大模型能够发挥巨大价值的场景，例如，医疗健康、教育培训、政务服务、文化旅游等，以类似“揭榜挂帅”的模式，政府提供场景、数据和少量资金，遴選有意愿有能力的企业开发行业大模型解决方案，在成都做出示范后开展全国甚至全球服务，相应的收入、税收和知识产权需留在本地。

三是建设大规模智算中心和数据基础服务公共技术平台。建议以集约、绿色的方式建设大规模智算中心，覆盖大规模预训练、一般性训练、高并发推理等需求，支持国产化信创训练和信创推理，通过不同力度的算力补贴招引和培育大模型企业。建议建设数据基础服务公共平台，通过工具和能力的输出，整合本市和西南地区从事数据标注、元数据治理、数据质量控制等业务的企业，为大模型训练和“东数西算”背景下高速增长的数据基础服务需求做好准备。

四是加快关键共性技术研发和核心人才培养。建议以大模型为主题，支持一批针对关键科学问题和核心技术问题的科研攻关项目，设立和支持一批针对产业共性技术的揭榜挂帅项目。借鉴产业技术研究院和新型研发机构中成功运营的经验，支持有能力、有意愿的在蓉高校科研团队，设立不同规模的实体化运营大模型实验室。鼓励在蓉高校针对大模型产业人才开设系统课程或开展职前、职中培训。