huozm32831 |
2020-09-28 21:36 |
新一轮科技革命到来,产业也正在发生巨大的变革。“智能+”已经不是停留在纸面上的畅想,而已经逐渐落实到日常生活的方方面面。疫情期间,人工智能在医疗、公共管理、物流配送方面的赋能,让更多人感受到了技术驱动行业发展带来的巨大便利。
人工智能和实体经济深度融合发展是产业变革的新路径,也是新的经济增长点,而在疫情的催逼下,国内人工智能产业加速发展。今年8月,国家发改委、科技部、工业和信息化部联合发布的《国家新一代人工智能标准体系建设指南》指出:“加强人工智能领域标准化顶层设计,推动人工智能产业技术研发和标准制定,促进产业健康可持续发展。”
去年9月,科技部发布《国家新一代人工智能创新发展试验区建设工作指引》(下称《指引》)明确,到2023年,布局建设20个左右试验区,截至目前,包括北京、武汉、浙江德清在内等13个城市通过科技部的授权批准,建设国家新一代人工智能创新发展试验区(简称“试验区”)。
作为赋能型行业,对传统产业渗透是人工智能融合应用最具潜力的发展方向,特别是“AI+制造业”是提升生产力的重要途径。中国人工智能产业发展主要集中应用层,产业链的短板主要在上游基础层。
基础能力(基础层)方面,中国仍然相对薄弱,难以与亚马逊、微软、谷歌等国际巨头抗衡。产业链中游的技术层上,计算机视觉、智能语音、自然语言处理等应用算法研发是中国目前三大主要技术方向,相对成熟。应用层,人工智能赋能城市管理、医疗、交通、制造等领域较快发展。然而,人工智能对产业经济和社会生活的赋能还存在巨大未释放潜力。
围绕人工智能产业发展的问题和难点,澎湃新闻(https://www.thepaper.cn/)记者采访了全球高校人工智能学术联盟秘书处上海盖亚人工智能中心理事长、上海交通大学人工智能研究院副院长王延峰。
人工智能产业发展,该啃的硬骨头一定要自己啃。虽然目前国内所造产品工艺较为粗糙,但可以先用起来,形成生态,给这些产品迭代升级的机会。
澎湃新闻:与国外相比,我们人工智能产业链的短板主要在哪个环节?
王延峰:无论应用层,还是在核心技术层,中国人工智能发展都处于国际第一梯队。但我们基础研究确实较弱,主要是“一软一硬”两个方面。
硬件是支撑整个人工智能发展的专利技术,包括GPU、DSP、FPGA、ASIC在内的基础硬件(芯片)。在通用GPU方面,有很大的短板,特别是现在华为海思又被美国打压,我们面临很大的困难。
英伟达(NVIDIA )的GPU具有无可撼动的霸主地位,中国用的也是英伟达的GPU。虽然中国也有企业在做,比如寒武纪,但基本只做涉及到终端的推断(inference),并不是一个通用GPU、通用计算平台的概念。目前的形势下,这方面短板令人担忧。
软件方面主要是开源开放平台。 开源开放平台是人工智能技术研发和产业化的关键基础设施。目前,中国尚未形成自主可控、具有国际影响力的人工智能开源开放平台。目前全球几大开源社区主要是:Google的TensorFlow、Facebook的Presto,最大的开源社区GitHub也被微软收购了。
开源开放平台涉及到生态构建,我们的核心是要构建自己的生态。GPU也一样,要有自己的生态才行。只有形成生态,我们自己生产的东西才能运用到整个产业链。
所以,基础研究的“一软一硬”两方面要加大力度发展。美国断供,这其实也在倒逼我们发展。目前这两块已经有所布局,希望未来两到三年能够形成突破。
澎湃新闻:有没有可暂时用来缓冲的替代品?
王延峰:一个国家要发展,该啃的硬骨头必须自己啃,这是没办法的。但是,还是要把自己生产的产品用起来,形成生态后迭代升级。比如,5纳米工艺芯片不让用了,先用28纳米及以上工艺的芯片,只不过功耗、集成度等方面差一点。因为现在人工智能所用芯片更多在服务器端,功耗各方面不如手机那么严格,先不苛求最高工艺。
但是,不能说我们自己生产的没有国外好,就不用它,不用就永远没有人家的好。用起来才会形成生态,不用起来就永远没生态。国内有巨大的市场,只要我们用自己的,加速迭代前进,也是有望解决的。我们要把生态用起来,给我们自己产品迭代升级的机会。
各地争相建设人工智能试验区是好事,但是要避免地方保护主义。同时,每个城市的布局和建设要依据自身的产业优势和特色。
澎湃新闻:目前国家出台了13个人工智能试验区,还有一些地方也在申请中。这么多试验区建设,如何避免发展的同质化?
王延峰:我个人认为,这些不存在同质化竞争。人工智能的落实,大方向是以城市为载体,这些需要地方政府来引导推进。因为地方要进行产业升级和创新,而以试验区方式推进能够更好协调,也能够更好起到示范作用。
目前阶段多批一些试验区反而更能带动AI 产业发展。但是发展过程中要避免地方保护主义。建成后的人工智能地方示范区不开放给外地市场,这就有一些局限了。
至于一些大城市的主要方向相似。譬如北上广深等大城市人工智能产业方向几乎都集中在城市管理、医疗、汽车、交通等领域,我觉得这些不是问题,因为这些城市的建设和发展一定是基于自身特点的。
杭州和上海都发展城市大脑,但是两个城市的量级不同。上海的量级是杭州的2-3倍,而且两个城市又都有自己的特色,譬如社区管理、垃圾分类、交通出行等都是不同的,两个城市在自身基础上去发展这些产业,也会形成不同的经验。
同样的发展方向肯定会有重叠,但是产业发展一定要有适度的竞争才好,这个中间有协同,同时每个地方也会形成自己的特色。
澎湃新闻:对于这些进行试验区建设的城市,您有什么建议?是否需要一些错位布局?
王延峰:这些试验区的发展并不在于错位竞争,更多是如何结合城市的特点和能级做出适合该城市发展的试验区。
上海的人工智能创新与西安肯定不一样,因为两座城市截然不同。
又如,这13个试验区中有一个县级城市:浙江德清县。为什么?因为德清有地理信息产业优势,这里建设了德清地理信息小镇,2018年还召开联合国世界地理信息大会,在全球很有影响力。基于地理信息产业优势,德清在AI领域可以做很多文章,它就可以打造第一个县域经济人工智能创新示范基地,这就是特色。
人工智能赋能实体经济规模化发展,关键要从G端走向B端,数字化基础好的领域最有可能产生千亿级规模。
澎湃新闻:AI赋能百业,前景广阔。从应用层面看,目前人工智能推广到各个产业主要存在什么问题?
王延峰:目前的核心问题就在于都是政府推的。刚开始会很好,政府会根据整体状况推进,但是大规模发展必须要让市场推动。
我们现在听到更多声音是to G的。人工智能应用端的核心是怎样从大G(政府端)走向大B(商业端)。只有走到B端,才能规模化发展。
AI的未来一定是行业智能化。但前提是必须要从大G走向大B,怎么走向B端?To B的生意很简单,只要能为企业降本增效,企业就会采用。
澎湃新闻:但是从G端走到B端,仍遇到不少阻碍。特别是国企、央企更倾向单独成立人工智能研发团队,并不轻易将业务开放给中小企业,或者给到成熟的互联网企业。这些问题怎么解决?
王延峰:政府在试验区更多是点火,也就是发挥引导作用。但是政府代表不了市场,市场发展一定是需求引导型。一方面,专业的人工智能企业业务做不大,因为业务端在传统企业。另一方面,大国企虽然没有厉害的人工智能技术团队,但是他们认为智能化改造可以慢慢做,耗时长一些没关系。
这个时候怎么办呢?需要政府发挥引导作用,创新示范区建设就有这样的作用。去年开始,国家发改委在推进人工智能合作伙伴计划。AI企业有技术,国企需要智能化升级改造,两者合作便可以产生高效能。
比如中车集团的生产线和高铁产品都要进行智能化升级。这个过程,政府可以引导推动中车集团跟第三方技术企业合作。原来这些传统企业智能化升级可能要5年,现在压缩到两年,也加速了人工智能企业技术的落地,这就是人工智能伙伴计划。
政府要点个火,但是点火之后,能不能持续和这些大央企、大国企合作,要看这些AI企业的技术实力,能否真正做到帮助企业降本增效,解决行业内的问题,这是传统企业智能化升级的目标。哪怕只是一个部门的、小规模的降本增效,要让传统企业看到智能化升级带来的成果。
此外,我非常不建议国企、央企把智能制造升级的业务给互联网巨头企业。因为这些企业已经足够大了,企业本身在某一个领域都具有一定的垄断地位,我们要给成长中的AI企业。产业永远有迭代的,再过10年,中国AI领域一定会出现BAT量级的企业,要把机会给这些企业。
澎湃新闻:人工智能赋百业,那么要率先从哪些行业突破?
王延峰:AI的未来是行业智能化,所以我们说人工智能是赋能百业的,这个产业未来一定是千、万亿级的规模。率先从哪些行业突破?我认为,未来智能化将率先从数字化基础比较好的行业突破,更容易暴发智能化千亿级、万亿级规模。
像智能医疗、智能安防现在已经比较热了,这两个行业都有很好的信息化基础,所以智能化率先在这些行业展开,未来都会暴发很大的市场规模。
其次是金融领域。金融领域也有非常完善的数字化基础,也有很多企业做这个领域的智能化。
智能制造是我们国家目前在大力推进的。但是由于制造行业数字化程度还比较低,一时半会不能很快产生一个千亿级、万亿级市场,但是未来,智能制造一定会暴发更大的市场规模。
培养顶尖人才不仅需要交叉学科培养,也须有好的教育环境。
澎湃新闻:人工智能是高技术行业,行业人才情况怎样?如何培育顶尖人才?
王延峰:这行业的人才其实可以分成三类。
第一类是行业顶尖人才,或者叫开创性、创新型人才,这个不需要多。这类人才不是培养出来的,是在好的氛围下成长起来的。目前,这块我们比较缺乏。
这些一定要在顶尖高校如北清复交这些学校,好的环境成长起来。未来要更多培育出顶尖人才,我们的教育制度、考评方式等都要有所调整,不能一味地指标导向,要给人才培育提供宽松的氛围和成长环境。
第二类是优秀的工程师人才。这些年我们各个高校做得不错,包括高校跟骨干企业联合培养等都培养了大批量这样的人才。正是这类人才给行业带来了所谓的 “工程师红利”。目前中国人工智能领域,也主要以这类优秀工程师人才为主。
第三类AI复合型人才。AI发展要和各行各业去结合,所以需要培养AI+专业知识的复合型人才。AI+金融、AI+医疗等复合型人才,这块也比较少。但是这两年,国家和地方政府都出台了相关政策,促进这类人才的发展。教育部也专门出台了关于 “人工智能+X”的人才培养的文件,就是要培养出这样的人才。 |
|