1.“AI+”重構行業生態 人工智能產業前景廣闊
人工智能與各行各業的聯系緊密。人工智能與工業結合推動了工業4.0，與家居結合產生了智能家居，賦能汽車帶來了無人駕駛，醫療加上人工智能產生了智慧醫療，諸多如此。這些產業在當下所形成的形式與體量，是過去所不能比較的。
例如在醫療方面，很多的醫療設備都應用了人工智能技術，例如自動化手續設備、醫療管理系統、個人健康管理等方面。智慧醫療的市場規模近千億級，歷經疫情市場對人工智能醫療設備的認知進一步提升，市場需求也在保持較快增速發展。
在金融方面，數字人民幣的推出，進一步打破國際金融的壟斷局勢。為了推動金融系統的智能化升級，最近兩年來，從審批到審計再到注冊，我國做了大量的數據積累。
在交通方面，應用智能的系統可以幫助提高交通的安全水平，減少道路擁堵。在智慧城市建設領域里，我相信每個城市都會將智能交通作為關注的重點。
除此之外，還有教育、公共安全、商業服務、能源等方面，我相信各行各業都能找到與人工智能的結合點。
人工智能產業有三個基本元素，第 一是原材料和數據；第 二是加工設備，我們也叫算力；第三是算法。同樣的設備、不同的算法在人工智能產業里面發揮不同的作用。
在我國人工智能產業鏈中，上游產業為數字產業，數字經濟是人工智能的一種新形式；中游產業與半導體芯片的算法相關。AI芯片分有多種類型、多種用途，產業需求很旺盛，但是我們的供給能力還不夠強。這也意味著我們的人工智能產業仍有很大的發展空間，近年來無論是上、中、下游都涌現了很多新企業。隨著人工智能產業的發展，一定程度上可以幫助解決就業問題。
2.人工智能由弱到強 多維度技術融合走向實踐應用
人工智能是希望讓機器人學習人一般思考。
早期通常稱為弱人工智能，即讓機器模仿人的能力進行推理。早在上個世紀九十年代，我國就發展了專家系統，以某種數據形式存儲在計算機里后，計算機可以根據問題回復。但是機器本身是沒有感受的，只是根據原有的問題進行回答。
由弱到強，強人工智能是可以達到人類思維級別的人工智能程序，有自我學習和理解復雜概念的能力。深度學習、因果推理和大數據是強人工智能的引擎和燃料，所謂的大小模型都依靠學習過程中的數據積累。強人工智能可以理解復雜的概念，而過去的弱人工智能是比較簡單的、不具有人的意識。我們希望它有一天可以理解問題、理解解決問題的方法，這是強人工智能重要的特點。
再進一步的超人工智能，方法會不一樣，尤其是中國現在人工智能的發展途徑與國外有一些差異。我們希望把人工智能作為一種工具，幫助我們解決現有的困難。而國外的研究，則希望把人工智能改造為生物智能和非生物智能的結合，通過人工智能使人有非生物式的智能。這兩條路大家都在走，但哪一條路更好走，現在還在討論階段。
今天，如果你想做一個人工智能的技術中心或是研究院，需要掌握哪些要素，以下幾個方面值得關注：
· 一個是大數據分析和機器學習，另外還有因果推理。我國現在這方面的人才儲備較弱。雖然我們的數據比較多，但是發生問題以后，在“這個結果是如何發生的”、“是什么原因導致的”等這些問題上的研究比較少，積累的工具和系統也比較少。
· 還有一個是語音識別方面，現在已經有公司在做了。接下來是計算機視覺、無人駕駛和智能機器人。其中，機器人產業在人工智能產業中是規模最 大的，根據發展趨勢顯示，智能機器人發展前景廣闊。
· 這些不能單單作為一項技術，也要和其他的應用相結合，我們希望可以將多種技術進行融合。
3.人工智能催生全新經濟形態
人工智能產生了很多新的經濟形態，這些經濟形態是過去我們沒有遇到的，比如數據經濟、物聯經濟、長尾經濟、服務經濟、分享經濟、普惠經濟、平臺經濟、產銷者經濟、協同經濟和智能經濟。我們圍繞幾個典型的經濟形態展開探討，分析人工智能在當中的推動作用。
01 數據經濟
在我國，數據是重要的要素。農耕文明時代的基礎資源是土地，工業文明時代是原料，數據則是數字經濟時代的基礎資源。數據經濟的持續發展依賴于無數已經崛起和即將崛起的數字經濟企業，總體來說可分為融合應用、數據服務、基礎支撐三大類細分市場。
很多城市建了大數據局、大數據交流中心，數據作為一種產品和商品慢慢受到社會的認可。在數據變成可交流的商品之前，還有不少的工作要做。
第一是融合數據。將有價值的數據篩選，并與行業應用結合。我相信數據以后會變成很重要的服務于大眾的商品。
第二是發展服務經濟。數字經濟推動了服務經濟的轉型和升級。
第三是發展云計算和通信。云服務進一步發展擴容需要底層通信技術的建設和升級，通信廠家也因為人工智能產業的發展而發展。換句話說，這兩個行業是相輔相成的。
02 工業互聯網
工業互聯網是一種服務經濟，當中有三種類型的服務：工業數據、智慧工廠、應用服務。
· 工業數據
其一，通過物理終端收集一些原始數據。我們的業務流程中有很多業務相關的知識，這些數據是開發工業軟件必須用到的。我們的研發工具開發需要數據，生產工藝也是一種數據的來源。對于這個數據怎么加工，我們要代碼化、參數化和圖形化。
其二，我們要建大模型。模型主要分成兩大類型，第一種是做業務邏輯類的模型，主要是做成理論模型，包括場景的布點模型、生產工藝的模型、生產過程發生故障的模型、數字孿生的仿真模型等；第二類模型是和數據驅動相關的，包括前面提到的機器學習、數據挖掘、對數據進行關聯分析等。ChatGPT屬于第 一類，它是和業務模型相結合的。
· 智慧工廠
智能生產包括優化工藝、減少過程、提高效率。大家通常講的工業互聯網，區別于工業互聯網的研究中心或者研究院，它對于海量的數據進行處理，尊重云和端三者之間的協同，支持分布式計算，加強網絡協同。大家遇到了一些網絡問題，公域網和端怎么協同，是我們考慮的問題。
· 應用服務
有兩種不同的架構。市場上，從整體上看，每個平臺有自己的業務，另外是以微服務架構為支撐的。換句話說，每個用戶可以在這個架構上根據自己業務的需要，把這些微服務拼裝成一個需要的模型。因此可以做很多的工作，比如對于企業整個生產狀態的感知，可以對數據進行實時分析，領導可以利用實時分析的結果進行科學決策，然后推進精準執行。
03 物聯經濟
在數字經濟時代，無處不終端、處處皆計算的移動技術，讓聯系人與人的互聯網，快速進化成聯系人與物、物與物的物聯網。伴隨著物聯網演進，物聯網經濟也隨之發展。 在物聯網經濟發展過程中，零售業是物聯網經濟的先行者，其次促進了相關前沿產業技術的發展。另外，也需多加關注醫療領域的物聯網經濟，包括移動醫療器械、醫聯體、互聯網的醫療、分級診斷等。
04 智能經濟
智能經濟最早定義于2011年。在歐洲2020戰略上，它有兩個發展趨勢。第一個趨勢是，機器正在很大程度上替代人類的工作，現在很多人提到繁瑣、危險勞動的工作會被機器大量替代；第二個趨勢，在人工智能時代，從企業稅收上構建起了有利的經濟生態，可以讓社會中的每個人從技術發展中受益。
智能經濟是把人類的智慧和知識轉化為人工智能的過程。要實現這樣的轉化，就需要人工智能技術，以及以人工智能為內核的軟件和智能制造的協同發展。首先，我們要了解智能經濟到底有哪些成分。
智能經濟有三種不同類型的智能產業：
第一類是基礎類型的智能產業。再把它分成兩個分類，一類是數據與計算，另一類是硬件。數據與計算里面有數據資源和云，硬件層面主要是芯片和云平臺，其中，國家已經支持了企業的人才，積累了很多方案。
第二類是技術類型的智能經濟產業鏈，首先是感知智能，其次是認知智能。
最后一類是種類最豐富的、數量最 大的應用類的智能產業。
人工智能和智能產業之間有什么關系？智能制造的主要特征就是走向數據化、網絡化和智能化。
第一步，從數據化到智能化，要從小數據到大數據。為智能制造提供數據基礎。
第二步，從智能化進一步發展。從過去已有的計算機輔助系統到智能認知，能夠促進我們實現產品全生命周期的智能化。但多數是碎片化的產品，缺乏一個完整的數據平臺，也缺乏數字發展的底座，今后我們要推動向這個方向發展。
最后關于網絡。我們從局部網絡到泛網，提供智能制造到互聯互通的網絡基礎，我相信網絡基礎在我國的發展是比較快的。這幾年國家5G技術的發展，提供了一個基本的硬件支撐。在這個支撐上，可以發現服務可能是各個行業努力打造的方向。
4.云-邊-端一體、芯片、算法、制造，四維驅動智能企業的誕生
從一個企業變成智能企業，首先要支持云、邊、端全覆蓋的運維架構。
我們國家在前幾年花費大量資金做基礎建設，發展到今天，我們應把注意力放在對已有的技術和生產能力的運營和維護上，而不是接著投錢建更多的工廠。運維是我們整個經濟發展重要的元素和環節，其中，智能工廠要配置大量的智能感知端，比如智能網端、邊緣計算和云計算。智能運維包括設備管理、產品質量控制、生產監測和預警、故障定位等，所包含的內容還是非常豐富的。我們可以從分析中看到創新的框架。
今天是創新大會，每個企業都有創新的可能。智能經濟是非常先進的經濟，還在不斷地創新中。我們從四個方面來分析還可以做什么創新。
從技術方面來看，有和硬件有關的芯片，可以做感知可見光和紅外線、區域雷達、數據的產品庫和知識庫。從工業互聯網角度來看，這些芯片應用了4G+5G，通過藍牙和無線夯實了網絡基礎。
第二，從算法領域來看，我們要在圖像處理、計算機視覺、目標識別等方面有更加精細化的產品，現在還存在一定的距離。這其中提到的已有的學習技術，如強化學習、語言學習、深度學習、遷移學習等，都是在科技上的算法。
第三層面是運維。我們要建設數據中臺、業務中臺、任務中臺，這是我們協同分析和需求設備。設備概念近期提到的比較多，為什么做設備？因為很多技術是通用的，通用技術應用到行業中還需要進行改造，在改造的過程中，如果沒有龍頭企業牽引，每家每戶的工作量消耗非常大。我們要支持設備中心的建設，相信在海曙區會有相應的布局。
最后是關于制造。我們支持柔性制造，支持全流程的監控、自動化的測試，發展數字孿生技術在企業界的應用。
首頁