支振鋒：鍛造人工智能創新優勢

　　工業和信息化部前不久公布數據顯示，我國人工智能產業創新活躍、發展迅速，人工智能企業數量已超4500家，智能制造裝備產業規模逾3.2萬億元。智能芯片、通用大模型等創新成果加速涌現，智能基礎設施不斷夯實，數字化車間和智能工廠加快建設，為新質生產力持續賦予強大動能。

　　黨的十八大以來，我國大力發展人工智能產業，相關核心產業規模持續增長，智能芯片、開發框架、通用大模型等創新成果不斷涌現，算力規模居全球第二位。人工智能領域發表論文數量已居全球首位，高被引論文與美國差距進一步縮小；一些科技企業推出了不同設計架構、不同應用場景的芯片加速卡，國產人工智能開發框架逐步成長，生成式人工智能在“百模大戰”中不斷迭代升級。有統計顯示，2023年我國人工智能核心產業規模達5784億元，增速達13.9%。目前，我國工業機器人銷量已占全球一半以上，連續10年居世界首位。人工智能賦能產業發展的典型場景更加真實生動，打造AI仿真模型，大幅縮短研發周期。

　　產業創新得益于戰略的指引推動。科技部、教育部、工信部等6部門于2022年7月份出臺的《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》提出，以促進人工智能與實體經濟深度融合為主線，以推動場景資源開放、提升場景創新能力為方向，加速人工智能技術攻關、產品開發和產業培育，探索人工智能發展新模式新路徑；科技部于2022年8月份出臺的《關于支持建設新一代人工智能示范應用場景的通知》明確提出，充分發揮人工智能賦能經濟社會發展的作用，圍繞構建全鏈條、全過程的人工智能行業應用生態，支持一批基礎較好的人工智能應用場景，加強研發上下游配合與新技術集成，打造形成一批可復制、可推廣的標桿型示范應用場景。《新一代人工智能發展規劃》等推出，將人工智能發展放在國家戰略層面系統布局、主動謀劃，打造競爭新優勢，開拓發展新空間。

　　也要看到，我國人工智能創新水平雖已進入世界前列，但依舊面臨一些短板弱項。比如，從“0到1”的基礎理論和原創算法研究不足，限制了突破性、顛覆性自主創新；深度神經網絡訓練所需的圖形處理器（GPU）等高端器件研發能力的不足，限制了高性能計算和大數據處理能力；人工智能開源開放平臺等重要基礎設施平臺的匱乏，限制了技術創新和迭代能力；創新領軍型人工智能人才的短缺，限制了對國際前沿技術和產業領域的創新。此外，人工智能與實體經濟的深度融合，也有待進一步深化、優化，以形成對高質量發展的體系化支撐。基于此，應多措并舉，圍繞增加人工智能創新的源頭供給，面向世界科技前沿、面向經濟主戰場、面向國家重大需求、面向人民生命健康，匯聚高質量訓練數據，加快推動智能芯片、大模型算法、框架等基礎性關鍵核心技術和產品突破。

　　一方面，持續強化人工智能對新質生產力發展的體系化支撐，在質量變革、效率變革、動力變革中發揮作用。進一步促進數字技術與制造技術深度融合、數字經濟與實體經濟深度融合、信息化與工業化深度融合、人工智能與制造業深度融合，形成對推進新型工業化的關鍵支撐。發揮新型舉國體制優勢，更好促進移動應用發達、數據資源豐富、應用場景多元、人工智能產業鏈完整度高等各領域優勢的深入融合，發生“化學反應”，以智能制造為主攻方向，以場景應用為牽引，鍛造人工智能產業生態優勢。

　　另一方面，加速推出更好滿足人民群眾實際需求的人工智能產品。企業要積極應用人工智能提升研發、中試、生產、服務、管理等環節的智能化水平，不斷豐富智慧工廠、礦山、港口、交通、家居、教育、診療、零售、農場、社會治理等應用場景，轉變組織方式和生產方式，抓住機遇，推出越來越“聰明”的產品，有效激發新質生產力。

　　（本文來源：經濟日報 作者支振鋒系中國社會科學院法學研究所研究員）