“奇点”临近，产业应用与人工智能怎样“共同进化”

本文转自：新华日报

人工智能迈向“通用智能”，产业链条上各方寻求新机遇——

“奇点”临近，产业应用与人工智能怎样“共同进化”

(视觉中国供图)

□ 本报记者 姚政宇 付奇

眼下，以大模型为核心的人工智能技术呈现颠覆性突破。年初，OpenAI公司发布旗下的文生视频大模型Sora，距去年ChatGPT的横空出世，也仅仅过去一年。

“当前，人工智能迈向通用智能‘奇点’加速临近。”不久前，一场别开生面的人工智能产业链供需对接活动在南京举行，中国信息通信研究中心人工智能研究所高级工程师张蔚敏在会上提出，“大模型+大算力+大数据”成为人工智能发展主导路线，对未来十年算力、研发等工程化能力提出更高要求，海量专用小模型正在更深入与行业核心业务结合。“预计人工智能5年内将规模应用，并不断逼近与人、环境交互协同的通用智能。”

随着“奇点”临近，企业如何把握这轮“技术演进”机遇，推动产业应用与人工智能“共同进化”？

企业有需求：

工业级场景期待辅助升级

人工智能飞速发展，科学技术迅速迭代，人们一次次被科技惊艳，也不禁期待，如何将新科技应用到各类复杂场景中、推动工业升级？

钢铁，是国民经济的基础行业，也是国内较早进行“数智化”转型的行业之一。此前，钢铁行业AI主要应用于智能炼钢、智能热轧和冷轧等场景，以上海梅山钢铁股份有限公司为例，梅钢有着完备的信息化、自动化、数字化基础，有自主可控的AI算力环境和丰富的Al场景需求，已经部署了统一的工业互联网平台。

然而，梅山钢铁信息规划经理陈宗仁坦言，因时而需、因地制宜，当前已有的技术并不能完全满足企业智能化发展需求。“以机理模型和数据模型双轮驱动解决钢铁冶金的不确定性，是钢铁智能制造的重大突破口，这就需要打造与之配套的‘工业大脑’。”陈宗仁表示，梅钢需要综合运用多种先进人工智能技术，将机理模型、专家经验与AI模型相融合，实现炼铁生产与工艺操作的过程数字化，整体推进炼铁智能化，实现关键工艺参数的智能自动控制，显然这一过程需要各方的帮忙。

类似需求在各行业的升级转型中普遍存在。

伴随高性能计算、环境融合感知、智能线控底盘等自动驾驶核心技术的快速发展以及法律法规的完善，无人驾驶专用车在物流配送、环卫清扫、安防巡逻、移动零售等领域将迎来商用落地，并向大规模应用发展。然而，在复杂道路交通环境下，开展无人驾驶还面临困难。

“无人驾驶专用车面临行人、机动车、非机动车等复杂道路环境时，会出现交互识别准确率下降等问题。”省智能网联汽车产业创新联盟理事长、江苏智行未来汽车研究院院长华国栋举例说，比如，如何将10米以内的目标障碍物识别误差控制在5厘米以内，攻克这些无人驾驶算法关键技术指标，都需要AI辅助。

高铁、地铁转弯，这个看似简单的环节，其实极具技术“含金量”。道岔是铁路和城轨交通的重要组成部分和系统集成，“道岔轨件顶调”，正是道岔生产的重要工序之一，对产品后续成品组装，控制道岔设计线型有关键影响力。

然而，国内外对于道岔轨件的顶调及其检测仍主要以人工为主，特别是压力、位移控制对回弹量的匹配量化，未形成具体策略。中铁宝桥(南京)有限公司技术装备部副部长朱鹏杰道出需求，“我们需要相关AI大数据建模，对每一个代加工件进行数字建模，构建形成自动引调控制方案以及每个模型的独属加工方案，力争实现顶调自动化一次成型。”

供给有能力：

将“金刚钻”传送给其他企业

江苏是工业大省、科技大省。省工信厅副厅长池宇介绍，我省已将人工智能产业链列入“1650”产业体系中重点培育，初步构建了应用牵引、跨界融合、开放共享的新一代人工智能产业体系。当前，全省人工智能领域企业超过1000家，产业规模位居全国前列，产业链重点监测企业2023年开票销售额比上年增长13%，具备了“人工智能+”的相关供给能力。

江苏人工智能产业链上的部分企业提前布局，探索打磨出了自己的“金刚钻”。

驱动电机，是新能源汽车的“动力心脏”，它集成化程度高、工艺复杂，缺陷检测难度极大，如果使用人工手段进行检测，不仅费时费力，还存在漏检错检隐患。

如何实现对驱动电机的精准检测？常州微亿智造科技有限公司市场生态副总经理潘鸿生介绍了该公司基于人工智能研发的一位“工小匠”——电驱动缺陷检测行业标机。这台机器能够对检测台上的电机定子进行全方位、无死角检测，不到1分钟便可完成检测，并实时显示拍摄到的缺陷图，出具的质量数据分析报告上，前端生产工序有什么问题、哪些工序需要优化等，一目了然。

还有不少企业正在对外传授“金刚钻”。

“南钢智慧运营中心就是我们的‘工业大脑’，它是行业首个覆盖‘智造+经营+生态’集群式一体化的生产运营中心。”面对兄弟钢企发出的合作需求，南京钢铁股份有限公司数字应用研究院副院长徐发喜介绍起了经验——这个“工业大脑”汇聚了26条产线、数据采集超42万条，开发模型超300个，融合16个业务管控模块，构建全流程智慧生产与运营能力。

“我们打造了智慧工厂‘数字孪生’系统，1:1还原真实产线，通过‘工业大脑’可以实时看到物理工厂里面发生了什么，产品的生产进程、质量控制、设备运行、能源消耗等情况，通过孪生系统可以实时呈现，系统内置了业务规则、工业机理等大量模型，实现了工业数据的‘自决策’。”徐发喜说，南钢利用“人工智能+”实现了成功转型，并能够将自身模式输出，帮助其他企业植入“工业大脑”。

当天活动现场，还发布了由省工信厅牵头编制的《AI赋能新型工业化案例汇编》，通过150个成效较为明确的人工智能赋能新型工业化应用案例，为产业链上有需求的企业提供参考和解决方案。

产业有挑战：

新质生产力呼唤“新引擎”

随着“奇点”将至，人工智能产业迎来“爆发期”。数据显示，2023年，全球人工智能市场收入已突破 5100亿美元，同比增长超20%，预计到2026年，市场规模将接近9000亿美元。

看准机遇，早在2017年7月，我国就颁布了《新一代人工智能发展规划》，将人工智能作为促进产业变革与经济转型升级的关键驱动力；今年的政府工作报告指出，要深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。政策导向明确——人工智能不仅要不断“研发”，还要最终落在“应用”上。

眼下，我国正加快推动以大模型为代表的人工智能赋能制造业发展。国家数据局发布的信息显示，中国10亿参数规模以上的大模型数量已超100个，行业大模型深度赋能电子信息、医疗、交通等领域，推动传统产业加速转型升级。

不过，张蔚敏也提醒，在人工智能高速发展的同时，也面临“三大挑战”——

首先是成本挑战。人工智能行业投入高，而实体经济企业目前普遍利润率较低、智能化改造产出回报周期长，成本和收益的现实矛盾一定程度上引发了企业特别是中小企业“不敢投”或“投不起”的现实困境。

其次是能力挑战。在技术供给和需求承接能力方面，场景分散、生产流程差异大等生产现状限制应用的规模，对垂直行业AI工程化能力、小数据场景痛点解决能力、服务化价值延伸能力提出一定要求；我国部分领域数字化渗透率仍不及美国等国家，企业普遍面临数据采集难、质量低、标准不统一等“接不住”问题。

还有安全挑战。人工智能在医疗、工业生产等高风险领域的生产经营过程中，准确性和可靠性至关重要，目前，面向工业的人工智能安全体系尚不完善，相关技术和工具“用不好”的问题亟待解决。

“发展新质生产力需要‘新引擎’。对于江苏来说，机遇已经来临。”省人工智能学会秘书长房伟认为，目前AI发展呈现出明确趋势——AI与工业大数据双向驱动将全面释放价值，成为智能制造升级的关键推动力；大模型为工业智能注入认知理解能力，将柔性融入制造流程，可成为工厂“智能中枢”。

房伟建议，面对新需求，要带动机器视觉、深度学习、自主无人系统等关键技术向多元化场景纵深发展；要通过AI赋能，增强制造行业全价值链条数智化能力，提升研发生产与运营效率，提升产品核心竞争力与质量；还要强化供给与市场需求精准对接，推动形成全新的生产制造与供给服务体系。