文 ｜ 《中国科学报》 记者 陈彬
钱锋
近年来，我国高度重视人工智能对科技和产业创新的强大驱动力。特别是在新型工业化方面，我国人工智能的赋能具有市场规模大、应用场景多、数据资源丰富等优势，未来发展潜力巨大。然而，全国政协委员、中国工程院院士钱锋表示，目前相关工作仍然存在一些短板。
具体而言，我国人工智能基础研究和工业智能前沿技术布局还较为分散，人工智能关键领域自主创新能力较弱，针对特定科学和工程问题的算法创新与世界领先水平差距较大。高端工业软件90%以上依赖进口，“卡脖子”风险巨大。
同时，我国人工智能在工业领域的应用仍以单个环节、单个企业为主，能够有效运用数字技术在全生命周期、全产业链提高生产效率、降低成本消耗、提升产品质量、减少环境污染的企业还不多。当前，我国数据开放共享机制不完善，缺少训练大模型的高质量工业数据语料库，算力资源分散严重。此外，目前国内能将模型、算法与应用场景匹配的人才极度稀缺。我国高校学科设置交叉融合程度不高，人才培养无法匹配行业需求。
对此，钱锋提出以下建议。一是加快突破工业认知智能、工业操作系统等关键核心技术瓶颈，打造人工智能物理建模、高性能计算等研发工具，构建自主可控的工业智能软硬件应用和生态。鼓励原始创新，促进大模型共性技术发展和算法研究。
二是布局“人工智能赋能新型工业化”等科技创新专项，加大对人工智能通用和垂直大模型的支持力度。引导企业通过人工智能赋能，构建集多要素为一体、需求快速感知、供需精准匹配的“产业大脑”。鼓励行业龙头企业开放应用场景，打造高质量工业数据语料库，构建垂直行业人工智能训练验证平台。打造重点领域人工智能开源平台，降低大模型训练成本。
三是推动科研和产业数据共享，构建安全可信的共享平台。引导行业用户开放核心业务场景，对政府投入的场景数据“应采尽采”。构建国家人工智能公共算力平台，鼓励有条件的单位贡献剩余算力，探索多元异构、多卡并行的算力统筹规划机制，打造超大规模算力集群。
四是推动“链主”企业和科技领军企业联合国家实验室、国家技术创新中心、高校和科研院所等战略科技力量建设创新联合体，以国家重大战略和制造业重大需求为导向，共同凝练基础科学问题，共同推动人工智能赋能产业创新和应用。支持基础科学、人工智能、技术应用和工程技术人才深度融入人工智能创新和应用，推动高校加强交叉学科人才培养。
《中国科学报》 (2024-03-06 第1版 要闻)
编辑 | 赵路
排版 | 郭刚
