当前,世界百年未有之大变局加速演进,新一轮科技革命和产业变革深入发展,人工智能作为第四次工业革命的核心技术,以其独特的技术优势和变革潜力,契合新型工业化的内在要求,将全方位、深层次赋能工业发展,产业智能化、融合化、绿色化加速,全球产业链供应链深度调整。
人工智能赋能是推动新型工业化的重要任务。工业和信息化部部长金壮龙强调,我们要以人工智能和制造业深度融合为主线,以智能制造为主攻方向,以场景应用为牵引,夯实人工智能赋能底座,推动制造业全流程智能化,加快重点行业智能升级,大力发展基于大模型的智能装备、软件等智能产品,加强人才、标准、检测能力、开源机制等支撑体系建设,推动人工智能全方位、深层次赋能新型工业化,加快形成新质生产力;要充分发挥我国完备产业体系和新型信息基础设施优势,坚定信心,从供给侧、需求侧、基础侧协同发力,加快培育面向工业领域的大模型,凝练和开放工业应用场景,深化工业数据开发利用,提升算力供给能力,着力营造良好环境,积极探索人工智能和工业融合发展新路径,形成双向赋能的发展格局。
近日,在江苏省无锡市举办的人工智能赋能新型工业化供需对接深度行暨未来产业创新任务“揭榜挂帅”活动中,中国电子信息产业发展研究院未来产业研究中心研究室主任钟新龙详细介绍了人工智能赋能新型工业化存在的挑战及思考,他指出:当前,工业领域的人工智能应用呈现出大模型和小模型并存的格局。人工智能对工业的赋能效果正在从局部优化向全面提升演进。
在工业领域,人工智能的应用正在经历从传统机器学习方法到深度学习,再到大模型技术的演进过程。人工智能技术正在向工业全流程渗透,但在不同环节的应用深度和广度存在差异,主要集中在研发设计、生产制造、供应链管理、营销服务和经营管理等环节。其中,小模型在工业场景中已有较长的应用历史,通常针对特定任务进行优化,具有高效、准确的特点,特别适合处理结构化数据和进行精确预测。而大模型技术的出现为工业智能化开辟了新的可能性,凭借其强大的知识理解和生成能力,在研发设计、经营管理等需要处理复杂非结构化数据的领域展现出独特优势。
随着技术的成熟和应用经验的积累,越来越多的企业开始尝试将人工智能技术与现有的工业系统进行深度集成,构建智能化的生产和管理体系。钟新龙指出,在企业应用人工智能技术赋能新型工业化的过程中,主要面临着三方面的挑战:一是场景落地普及难。工业领域包含众多细分行业和应用场景,每个场景都有其独特的特点和需求,这为通用人工智能解决方案增加了技术落地难度。并且工业生产过程中的数据分散在不同的系统中,数据格式和标准不统一,获取和整合这些数据需要投入大量时间和资源。此外,为特定场景开发的人工智能模型往往难以直接应用于其他场景,这降低了模型的复用率,增加了总体开发成本,高成本、低回报的情况严重阻碍了企业采用人工智能技术的积极性。
二是数据集成治理难。数据是人工智能的核心驱动力,但在工业领域,数据的集成和治理面临诸多挑战。这些挑战涵盖了数据获取、整合、处理、安全应用、权属界定和价值评估等多个方面,严重制约了人工智能技术在工业领域的有效应用。
三是算法逻辑求信远。人工智能模型,尤其是深度神经网络,其内部决策过程难以用人类可理解的方式解释。这种不透明性使得用户难以理解和信任模型的输出结果,从而增加了应用风险。在工业生产中,每一个决策都可能对产品质量和生产效率产生重大影响,因此,无法解释的决策过程会引起使用者的顾虑和不信任。此外,人工智能模型还存在可控性和可追溯性差、准确性和可靠性低等问题。
为此,钟新龙建议,一方面,我们要推动人工智能赋能传统产品升级换代,推动大模型与各类智能终端产品深度融合,提升智能产品的核心能力,加强人工智能与装备制造的融合创新,提升智能装备的各项智能化能力;加强智能家居、智能穿戴等产品的研发,促进大模型技术在消费品领域的应用;充分利用大模型能力,发展智能编程等辅助软件,推动大模型与工业软件的结合,促进工业软件向低代码、平台化方向发展。
另一方面,我们要推动龙头企业与人工智能企业、科研院所组建创新联合体,协同攻关大模型关键技术,形成重大自主创新技术产品和解决方案;鼓励龙头企业建设国家新一代人工智能公共算力开放创新平台等高能级创新平台,支持企业加大研发投入,建设人工智能赋能的制造业创新中心;推动人工智能企业与工业企业联合体组建,支持制造企业与人工智能企业组建联合攻关团队;建立人工智能赋能工业化示范企业库和典型应用场景库,聚焦关键技术、前沿领域、典型场景和行业标杆,遴选一批种子企业,形成可复制可推广的特色模式。