人工智能作为引领未来的战略性技术和通用技术，被视为培育新质生产力的重要引擎。随着技术的持续迭代与创新突破，AI赋能垂直行业的趋势日益明显，如何将AI技术灵活应用于垂直行业的多样化场景中，利用前沿技术为实体经济发展增添活力，已成为社会各界关注的热点话题。

    当前，各行业数字化、高端化、智能化、低碳化转型步伐正在加快，AI技术不断为各行各业注入新的动力。在经历了一系列大模型的密集发布后，发展重点已从数量增长转向提升应用质量。“如果说通用大模型打通的是横向，那么垂直大模型打通的则是纵向，即通过加强模型对于一个垂直领域的深度理解促进其应用。因此，发展垂直大模型，要在行业知识的概括和总结深度方面下功夫。”在近日举办的“2024产学研融通创新活动”AI大模型应用场景专场活动上，中国工程院院士、浙江大学求是特聘教授谭建荣如此表示。

    AI技术创新与实际应用的紧密结合，是促使人工智能深入渗透各行各业、推动高质量发展的关键路径。在行业落地的过程中，训练数据、模型与典型应用场景的深度契合至关重要。中国信通院人工智能研究所基础软硬件部主任李论表示：“模型落地需要提升智能化水平和解决训练推广问题，当前基础模型发展收敛，行业模型落地成为新起点，未来模型发展仍遵循规模定律，关键在于解决‘最后一公里’和工程化问题，释放技术红利。”

    北京亦庄投资控股有限公司党委常委、副总经理周宇清介绍，当前北京经济技术开发区已建成高性能的公共算力平台、人工智能训练基地、数据聚合平台等。“高精尖产业基础将为大模型提供广阔的创新应用场景，丰富的高质量行业数据、精准有力的产业支持政策等将为大模型的垂直应用打造良好生态。”丰富的高质量行业数据是推动大模型发展不可或缺的关键要素之一，我们正处在一个前所未有的数据爆炸时代，如何从海量信息中提取有价值的知识，并将其转化为实际生产力成为一个亟待解决的问题。

    “当前大数据应用广泛，但在具体应用时，大数据并非总比小数据好。”谭建荣表示，在确定条件下如果一味追求数据规模，反而看不清对应关系，容易造成计算冗余。处理庞大的非结构化或半结构化信息需要消耗大量的计算资源，并且这一过程往往耗时较长。相反，如果能够获取具有充分代表性的样本，那么利用更少的资源便能迅速得出结论。这一点对于高效利用算力资源至关重要，在实际应用过程中，根据具体情况合理选择数据规模，是优化计算过程、提高计算效率的关键。

    AI赋能垂直行业的过程中，数据隐私保护问题日益凸显，不容忽视。国务院近日发布《网络数据安全管理条例》，进一步规范网络数据处理活动，保障数据安全，促进数据依法合理有效利用。人工智能领域，尤其是机器学习和深度学习，它们依赖于海量数据进行分析，以识别模式并提取有价值的信息，进而进行模型训练与系统优化。在这一过程中，对个人数据的收集、存储和使用也引发了人们的担忧。这些数据涵盖了健康、金融、教育等多个领域，其敏感性和重要性不言而喻。一旦这些数据遭到泄露或被不当使用，个人隐私将面临严重威胁。例如，医疗数据的外泄可能会曝光个人隐私，而金融数据的滥用则可能招致经济损失，对个人生活造成深远的影响。

    筑牢数据安全屏障，并不意味着要对数据流通进行过度限制或僵化管理，而是寻求安全与流通之间的动态平衡。中共中央、国务院发布的《关于构建数据基础制度更好发挥数据要素作用的意见》提出，建立安全可控、弹性包容的数据要素治理制度。筑牢数据安全屏障是一项多维度、系统性的工作，不仅涉及技术层面的安全防护，更关乎数据持有者与使用者如何围绕数据形成一套科学合理的治理体系，确保各方权益得到平衡。只有这样，才能更加合理合法地开放利用数据资源，充分释放数据要素潜能，从而催生新产业、新模式、新动能，促进培育和发展新质生产力。