| 调研组在安(an)徽科大讯飞调研 |
| 3月5日至6日，调研组在深圳调研 |
| 袁晓辉 |
| 景广(guang)军 |
| 韩(han)旭 |
| 陈志列 |
| 刘佳 |
文/薛江华肖莹易娜
图/广(guang)东省政协
作为引领未来的战略性技(ji)术，人工智(zhi)能是新一轮科技(ji)革命和产业变(bian)革的重要(yao)驱(qu)动力(li)量(liang)，已成为全球(qiu)竞争的新焦点和经济发展的新机(ji)遇。7月11日，粤商·省长面对面协商座谈(tan)会在广(guang)州召(zhao)开。围(wei)绕“开展人工智(zhi)能有(you)组织科研攻关，拓(tuo)展人工智(zhi)能新赛道(dao)新场景”为主题，粤商企业家代表与省政府(fu)领导(dao)、省直(zhi)有(you)关部门负责人深入协商交流、共(gong)商发展良策、凝(ning)聚发展共(gong)识。16位粤商企业家代表结合(he)企业实际发言，看(kan)变(bian)化、提良策、谋(mou)发展，提出了不少真知(zhi)灼见。广(guang)东省政协主席林克庆指出，召(zhao)开此次协商座谈(tan)会，目的就是深入学习贯彻习近平(ping)总书记视(shi)察广(guang)东重要(yao)讲话、重要(yao)指示精神和关于发展人工智(zhi)能的重要(yao)论述，围(wei)绕推动落实省委“1310”具体(ti)部署，以新担当新作为，助力(li)人工智(zhi)能更好地赋能高质量(liang)发展，为广(guang)东在推进中国式现代化建设(she)中走在前列贡(gong)献智(zhi)慧(hui)和力(li)量(liang)。
为开好这次协商座谈(tan)会，省政协成立了调研组，组织130余名委员(yuan)跨专委会、跨界别、跨专业领域，深入珠三角9市和韶关等地级以上市调研，赴北京、上海、安(an)徽等地考(kao)察学习，向江苏(su)、山(shan)东、浙江等7个兄弟省份开展书面调研，先后召(zhao)开20多(duo)场座谈(tan)会听取有(you)关情况(kuang)介绍，并深入27家具有(you)代表性的企业调研，向70多(duo)家关联企业广(guang)泛征求意见建议，并多(duo)次召(zhao)开座谈(tan)交流会。在此基础上，数次优化调整(zheng)调研报(bao)告，紧(jin)扣(kou)广(guang)东人工智(zhi)能产业发展的4个主攻赛道(dao)、11个场景应用等方(fang)面，不断完(wan)善形成了6个方(fang)面20条对策建议。
现状
广(guang)东人工智(zhi)能产业综合(he)竞争力(li)稳居国内第一梯队
广(guang)东省委十三届三次全会强调未来产业要(yao)聚焦战略必争领域，抢占(zhan)人工智(zhi)能等发展制高点；省委十三届四次全会暨省委经济工作会议，将“加快培育(yu)人工智(zhi)能等新兴产业，大力(li)发展新质生产力(li)”作为今年经济工作的重心之一。调研报(bao)告指出，广(guang)东人工智(zhi)能产业综合(he)竞争力(li)稳居国内第一梯队。2023年，广(guang)东人工智(zhi)能核(he)心产业产值达(da)到1800亿元，位居全国前列；大模型数量(liang)位居全国第二(er)，全国共(gong)有(you)237个，北京有(you)89个，广(guang)东有(you)32个。广(guang)东的优势主要(yao)表现在芯片研发及其生态、新型算网能力(li)、创新生态链、应用场景等方(fang)面。
在看(kan)到成绩的同时，调研报(bao)告还分析(xi)指出了广(guang)东当前拓(tuo)展人工智(zhi)能新赛道(dao)新场景面临的主要(yao)问题：智(zhi)算产业整(zheng)体(ti)实力(li)有(you)待增强、数据开发利(li)用机(ji)制有(you)待健全、场景价值转化路径有(you)待探索、科技(ji)创新生态体(ti)系有(you)待优化、部分领域制度(du)建设(she)有(you)待完(wan)善。
建议
补强基础研究打造人工智(zhi)能战略科技(ji)力(li)量(liang)
为了破(po)解上述问题，调研报(bao)告提出了许多(duo)针(zhen)对性的建议。报(bao)告首先建议成立广(guang)东省人工智(zhi)能产业创新与发展领导(dao)小组，从更高站位、更高层级、更强力(li)度(du)，在前沿性、关键性、基础性等创新重点领域加强战略统筹(chou)、系统谋(mou)划和协调推进。
打造人工智(zhi)能战略科技(ji)力(li)量(liang)。基础研究是广(guang)东人工智(zhi)能的短板，需要(yao)尽快补强。调研报(bao)告建议在国家和省自然(ran)科学联合(he)基金(jin)中设(she)立“人工智(zhi)能基础研究”专项，加大资金(jin)扶持力(li)度(du)，支持开展原创性、前瞻性探索研究。构(gou)建梯次接续的实验室体(ti)系，持续推进鹏城实验室、人工智(zhi)能与数字经济省实验室等，打造国际一流实验室，在智(zhi)能机(ji)器人等细分领域支持企业等新建一批全国重点实验室和省实验室，形成“高精尖”实验室矩阵。
建议
强化算力(li)布局构(gou)建集群化智(zhi)算领先地
调研报(bao)告建议构(gou)建高效先进的全省算力(li)“一张网”。从省级层面强化算力(li)“一盘棋”布局与优化，统筹(chou)存量(liang)算力(li)资源提质增效与增量(liang)算力(li)资源集约发展，建立算力(li)评估体(ti)系，开展全省算力(li)基础设(she)施(shi)及算力(li)资源输出能力(li)摸排，协调推进全省智(zhi)算中心等算力(li)基础设(she)施(shi)空间布局，有(you)序引导(dao)和规(gui)范全省智(zhi)算中心向规(gui)模化、协同化、集约化发展。
设(she)立“粤港澳大湾区算力(li)网”重点专项工程。立足深圳市光明科学城、珠海横琴先进智(zhi)能计算中心、韶关算力(li)网络国家枢纽节(jie)点三大计算中心，将国家超级计算广(guang)州和深圳中心、广(guang)州人工智(zhi)能公共(gong)算力(li)中心等具有(you)特色优势的高性能边缘算力(li)节(jie)点有(you)机(ji)接入“粤港澳大湾区算力(li)网”，建立基于分级分类脱敏开放的公共(gong)数据共(gong)享(xiang)制度(du)，加快出台《广(guang)东省公共(gong)数据开放分级分类指南》，形成全省公共(gong)数据目录“一本账”，加大面向重点企业和应用场景的数据开放力(li)度(du)。
建议
开展“AI＋制造”试点建设(she)典型应用示范场景
深入开展产业集群“AI＋制造”试点，构(gou)建粤企智(zhi)能制造场景应用案例库，持续打造一批智(zhi)能制造示范工厂、“灯塔(ta)工厂”、未来工厂。大力(li)推动“模型＋场景＋产业”融合(he)创新应用，率先打造一批特色化行业级大模型，动态发布本土大模型推广(guang)应用清单，建设(she)一批典型应用示范场景。
加快未来机(ji)器人、元宇宙、未来新能源、生命科学等新场景融合(he)应用，挖掘(jue)和遴选一批优质人工智(zhi)能场景给予重点支持和培育(yu)，支持企业组建“未来场景实验场”，开展新技(ji)术、新模式、新业态融合(he)创新场景实测(ce)，打造一批示范性强、带动性广(guang)、显示度(du)高的国家级未来产业场景应用示范。
建议
设(she)立专项资金(jin)完(wan)善AI落地应用法律法规(gui)
大力(li)支持和配合(he)“链主”企业构(gou)建“芯片＋算力(li)＋模型＋场景＋生态”全链条赋能能力(li)和创新应用，大力(li)推进国产软硬件及应用场景开发适配，打造一批成熟的解决(jue)方(fang)案和标杆工程，打造行业人工智(zhi)能产业集群。
设(she)立省级人工智(zhi)能高质量(liang)发展专项资金(jin)，加大对核(he)心技(ji)术攻关、应用场景示范、重大创新平(ping)台等定向支持和激励引导(dao)。创设(she)广(guang)东省人工智(zhi)能创投母基金(jin)，省市企联动打造人工智(zhi)能基金(jin)矩阵，鼓励龙头企业、链主企业、平(ping)台企业等多(duo)方(fang)资本参与。
完(wan)善AI落地应用法律法规(gui)，降低民营(ying)企业准入门槛(kan)。探索以地方(fang)立法推动自动驾驶创新发展，率先建成自动驾驶全场景规(gui)模化应用高地，探索建立人工智(zhi)能风险监测(ce)及防范应对机(ji)制，引导(dao)人工智(zhi)能相关企业和组织健康(kang)发展。
建议
激励自由(you)探索构(gou)筑(zhu)年轻AI人才汇聚地
调研报(bao)告建议实施(shi)人工智(zhi)能人才引育(yu)筑(zhu)峰工程，对具有(you)世界影响力(li)的顶尖人才、青年人才采取“一人一策”“一步到位”模式，为永久居留、住房、医疗、子女上学、配偶就业等提供“上管(guan)老、下管(guan)小”全方(fang)位落地保障。
优选若(ruo)干(gan)人工智(zhi)能顶尖科学家给予专项支持。建立战略科学家负责制，对有(you)能力(li)承担国家和省旗舰项目的科学家团(tuan)队给予大额度(du)经费支持，赋予科技(ji)领军人才充分人财(cai)物支配权和技(ji)术路线决(jue)定权。创新经费管(guan)理和审计方(fang)式，建立非(fei)常规(gui)评审机(ji)制，更大力(li)度(du)实施(shi)经费包(bao)干(gan)制，实行科学家自主决(jue)策、自由(you)探索、分类评价，保障科学家“心无旁骛”专注科研。
打造全球(qiu)“年轻AI人”嘉年华盛(sheng)会。支持高校和研究机(ji)构(gou)等举办全球(qiu)标识度(du)高、吸引力(li)强、影响力(li)大的高水(shui)平(ping)人工智(zhi)能人才峰会、论坛(tan)、赛事等，打造全球(qiu)“年轻AI人”交流、合(he)作、展示、创业等新热土。
袁晓辉：支持创新环境，助力(li)企业迈过“死(si)亡之谷”
腾讯研究院首席AI专家袁晓辉说，腾讯从去(qu)年开始(shi)调研了13个行业近百(bai)位专家，希(xi)望了解大模型在各行业场景中落地的情况(kuang)。
当前大模型应用落地面临着(zhe)什么样的问题？袁晓辉指出，主要(yao)存在两个问题，一是大模型与行业结合(he)的应用落地还处于创新早期，甚至很多(duo)行业的创新应用场景都还在孵化阶段。从企业的角度(du)来看(kan)，迫于生产压力(li)，它们(men)都希(xi)望AI应用在落地后能在短期内实现正向盈利(li)。如果无法看(kan)到近期成效，大部分企业都不愿意去(qu)承担这部分的试错成本，导(dao)致AI的行业创新应用和之前其他产业孵化类似，存在着(zhe)创新应用的“死(si)亡之谷”，也就是无法跨越从创新孵化到加速推广(guang)落地的鸿沟。
如何让更多(duo)产业能迈过大模型应用落地的“死(si)亡之谷”?袁晓辉说，其实就是需要(yao)创新环境的支持。例如加大风险投资，激励更多(duo)市场资本支持行业使用AI提效；政府(fu)牵头推动开放AI落地应用场景，配套AI应用激励基金(jin)，鼓励更多(duo)企业在积极推进数字化转型的同时推进智(zhi)能化转型。特别是针(zhen)对落地较慢(man)的制造业等领域，可(ke)以通过对典型应用创新示范场景的支持，让更多(duo)企业有(you)信心迈过大模型应用创新的“死(si)亡之谷”。
她说，很多(duo)中小型企业希(xi)望应用AI，但由(you)于生产压力(li)和资源缺乏，它们(men)没有(you)机(ji)会学习了解，建议通过一些(xie)行业协会或教育(yu)培训机(ji)构(gou)，为这些(xie)中小企业提供系统性的AI应用培训支持。
景广(guang)军：广(guang)东可(ke)率先打造成为中国边缘AI产业高地
省政协委员(yuan)、广(guang)州工业投资控股集团(tuan)有(you)限(xian)公司董事长景广(guang)军开门见山(shan)地指出，在省政协的报(bao)告中，还可(ke)以加入“边缘AI”相关内容(rong)，争取将广(guang)东率先打造成为中国边缘AI产业高地。
什么是边缘AI？他介绍，边缘AI是指在物理设(she)备(bei)上本地处理AI技(ji)术，让设(she)备(bei)本身具备(bei)智(zhi)慧(hui)的大脑，而不是通过云端的大脑对设(she)备(bei)赋能。边缘AI芯片和智(zhi)能硬件的应用相辅相成，正如调研报(bao)告中所提，广(guang)东在芯片研发、创新生态链、应用场景等方(fang)面存在优势，而且广(guang)东在智(zhi)能硬件产业方(fang)面遥遥领先，能够为边缘AI的发展提供良好基础。
景广(guang)军建议，在技(ji)术层面，成立边缘AI技(ji)术攻关项目，加大对边缘AI技(ji)术资源投入力(li)度(du)，在广(guang)东率先培育(yu)出国际领先的边缘AI芯片及相关技(ji)术；在生态方(fang)面，在广(guang)东打造边缘AI生态闭环，依(yi)托广(guang)东的智(zhi)能硬件产业基础、各类开放的场景，鼓励广(guang)东企业使用本土培育(yu)的边缘AI芯片及技(ji)术；在政策方(fang)面，将边缘AI作为关键词，融入AI相关政策、行动中，提升全行业对边缘AI行业的重视(shi)程度(du)。
韩(han)旭：增强投资机(ji)构(gou)对人工智(zhi)能企业风险的容(rong)忍度(du)
“关于如何促进中国的人工智(zhi)能技(ji)术和自动驾驶产业的发展，我问自己，如果我只有(you)机(ji)会提出一条建议，我认为最重要(yao)的建议是什么？”广(guang)州文远知(zhi)行科技(ji)有(you)限(xian)公司首席执行官韩(han)旭给出的答案是——要(yao)增强投资机(ji)构(gou)对投资人工智(zhi)能企业风险的容(rong)忍度(du)。
他说，人工智(zhi)能的技(ji)术创新研发投入大、周期长、风险高，与国有(you)资本保值增值和平(ping)稳运行的特点存在较大冲突。荷兰巨头阿斯麦公司专注光刻机(ji)领域十余年，直(zhi)至2015年才最终实现EUV光刻机(ji)的商用量(liang)产。在此过程中，该公司也曾因资金(jin)困难(nan)一度(du)濒临破(po)产边缘。如果没有(you)长期性、战略性的风险投资，在技(ji)术研发阶段就可(ke)能停滞，自然(ran)无法实现商用量(liang)产。OpenAI的成功同样离不开大量(liang)长期资金(jin)的投入，要(yao)开发出像(xiang)人工智(zhi)能ChatGPT这样的产品，不仅(jin)需要(yao)技(ji)术人员(yuan)的情怀和坚持，更需要(yao)资本的长期支持。
韩(han)旭指出，实现自动驾驶是一个复杂的系统工程，需应用场景、政策法律、软硬件技(ji)术等多(duo)方(fang)面共(gong)同发力(li)。从自动驾驶人工智(zhi)能新赛道(dao)新场景来看(kan)，建议按照“从低速到高速、从简单到复杂、从货(huo)运到乘运”的路径实施(shi)无人驾驶；制定相关政策，保障国有(you)资本投资公司能够成为人工智(zhi)能产业的长期资本、耐心资本和战略资本。
陈志列：“工业人工智(zhi)能”作为广(guang)东主攻赛道(dao)之一
全国人大代表、省工商联主席陈志列认为，在电子信息产业基础良好的广(guang)东，发展工业人工智(zhi)能有(you)很好的产业优势。
他提出两点建议，一是找准人工智(zhi)能的“加速赶超点”，建议将“工业人工智(zhi)能”作为广(guang)东人工智(zhi)能产业发展的主攻赛道(dao)之一。工业人工智(zhi)能将在工业基础再造、产品技(ji)术攻关、产业供应链管(guan)理、生产与服务模式和产业系统安(an)全等方(fang)面实现提高生产效率、提高产品质量(liang)、降低能耗成本等目标，是推动广(guang)东省产业转型升级、经济增长的新引擎。
二(er)是建议省发展改革委、科技(ji)厅、工业和信息化厅制定工业人工智(zhi)能发展的激励政策，对工业人工智(zhi)能关键技(ji)术研发突破(po)和产品推广(guang)应用设(she)立专项奖励，鼓励和支持由(you)本行业高科技(ji)制造业领军企业牵头，充分发挥(hui)所依(yi)托的国家级制造业创新平(ping)台的作用，开展关键核(he)心技(ji)术及“卡脖子”技(ji)术的攻关和突破(po)，大力(li)开展工业大模型、工业云边协同智(zhi)能控制、工业智(zhi)能平(ping)台软件、智(zhi)能决(jue)策等技(ji)术研究，加大对边缘算力(li)能力(li)提升、机(ji)器视(shi)觉智(zhi)能检测(ce)应用等的支持力(li)度(du)，促进工业人工智(zhi)能在各行业的应用发展，让“科技(ji)之花”结出“产业之果”，助力(li)实现广(guang)东工业经济的新崛起。
刘佳：开拓(tuo)AI应用场景，关注轻量(liang)级小模型
广(guang)州市政协委员(yuan)、佳都科技(ji)集团(tuan)股份有(you)限(xian)公司党(dang)委书记、高级副(fu)总裁刘佳发言指出，生成式人工智(zhi)能，正在从技(ji)术突破(po)期进入应用爆发期，广(guang)东数据资源富集、产业基础雄厚、融合(he)应用场景丰富，正在迎来弯道(dao)超车的宝贵窗口期。
他建议开拓(tuo)场景，专注赋能，打造新质生产力(li)的AI应用场景。开展“人工智(zhi)能+”，赋能千行百(bai)业，AI其实不缺应用领域，但是开拓(tuo)适合(he)广(guang)东的优势赛道(dao)，做好高价值场景的培育(yu)是关键。场景的创新和落地，需要(yao)链主企业的牵引带动，更需要(yao)政府(fu)做好规(gui)划布局，敢于为AI技(ji)术的应用进行先行先试，为广(guang)东AI产业的发展抢占(zhan)市场先机(ji)。
发展自主算力(li)，提升资源效能，关注轻量(liang)级小模型的应用。“百(bai)模大战”推动扩展了产业规(gui)模，同时带来了巨大的算力(li)需求。一方(fang)面，要(yao)支持多(duo)元化的国产算力(li)厂商发展，提升供给能力(li)，重视(shi)并支持异构(gou)算力(li)调度(du)、池化、虚(xu)拟GPU等算力(li)服务能力(li)的提升，从而提高算力(li)投资运营(ying)性价比(bi)；另一方(fang)面，关注低算力(li)成本、低功耗、小数据集的“轻量(liang)级”小模型，不仅(jin)要(yao)做得出来（模型精度(du)），更要(yao)用得起（成本效率）。