來源標題：AI挺進智造深水區，打造產業發展新范式
“您用DeepSeek嗎?”“DeepSeek這樣的中國大模型能擺脫算力‘卡脖子’難題嗎?”“如何進一步規范大模型應用?”在今年的全國兩會上，DeepSeek火爆出圈。
今年的政府工作報告提出，持續推動“人工智能+”行動，將數字技術與制造優勢、市場優勢更好結合起來，支持大模型廣泛應用，大力發展智能網聯新能源汽車、人工智能手機和電腦、智能機器人等新一代智能終端以及智能制造裝備。可以說，人工智能大模型已經成為驅動經濟和社會創新的強大引擎。
然而，這一行業的快速發展并非坦途。算力成本不斷攀升、模型的可解釋性與可信度不足、數據泄露、數據污染與投毒等都對人工智能產業發展提出前所未有的挑戰。這些議題也引起了代表委員們的廣泛熱議。
推動技術與工業場景高度適配
工業和信息化部賽迪研究院的數據顯示，2023年，中國生成式人工智能的企業采用率已達15%，市場規模約為14.4萬億元;制造業、零售業、電信行業和醫療健康等四大行業的生成式人工智能技術采用率均取得較快增長。
然而，盡管人工智能大模型在各行各業中展現強大動力，其在深度應用中卻面臨諸多挑戰。
“傳統制造業對人工智能的可靠性、安全性、準確性有較高要求，人工智能大模型在可解釋性與安全性方面還有待提高。”中國中車股份有限公司(以下簡稱“中國中車”)首席科學家馮江華委員說。
作為中國軌道交通裝備的領軍企業，近年來，中國中車持續推動數智轉型，使得研發制造邁上了新臺階。
“為了更好地提高作業效率，提升運維質量，我們在軌道交通智能運維場景下應用了一款基于視覺的列車巡檢機器人。”馮江華說。不過，現有視覺算法對復雜工況的適應性不足，這造成機器人的檢測準確率僅維持在95%—99%。馮江華表示，因為涉及列車運行安全，目前在關鍵部件檢測環節仍然保留人工介入機制。
“制造業細分領域較廣，具有復雜的工藝流程和生產流程，以及較強的專業性。這要求大模型必須首先完成垂直類別的訓練，實現與應用場景的緊密融合。”中國科學院自動化研究所研究員趙曉光委員認為，進一步推動人工智能大模型在制造業領域中的應用，首要任務是實現技術與工業場景的高度適配。
在馮江華看來，構建自主的技術生態是促進人工智能與裝備制造深度融合的關鍵。他認為，一方面，要持續推進國產基礎大模型、自主算力集群及具身智能機器人等核心技術發展;另一方面，要依托龍頭企業建設垂直行業大模型及智能工廠、數字孿生等全場景應用，推動基礎大模型與行業需求雙向賦能，形成技術迭代與場景拓展的閉環生態。
搭建行業數據共享平臺
目前，我國國產大模型數量已超200個，覆蓋廣泛行業領域，應用場景持續拓展。國家互聯網信息辦公室的最新數據顯示，截至去年3月，我國已有117個生成式人工智能服務完成備案。
數據是大模型的重要“食材”。制造業的各個環節會產生多種類型的數據，包括研發數據、設備運行數據、生產制造數據、售后維護數據、質量檢測數據等。“但由于數據分布在不同的系統和設備中，導致行業大模型推廣困難，難以部署。”馮江華說。民革廣東省委會副主委、佛山市政協副主席唐冬生委員也表示，制造業的數據來源多樣、數據標準化程度低，導致大量優質工業數據無法有效流通和利用，正在制約制造業垂直類大模型的發展。
“AI賦能數智化，還需要解決數據數量和質量問題。”趙曉光說，要在制造業場景中積累高質量數據，并不斷優化大模型技術，讓人工智能賦能產業轉型升級。
馮江華還建議，要構建數據安全管理體系，從技術、制度、人員等多方面保障數據安全，消除企業數據隱私顧慮。
“搭建行業數據共享平臺也很重要。”馮江華說，要鼓勵企業打通內部數據鏈路，提升運營效率，引導上下游企業安全共享數據，為行業大模型提供數據支持。
事實上，圍繞人工智能大模型的應用瓶頸，國家已經陸續采取行動。例如，3月1日，國家公共數據資源登記平臺正式上線運行。開放登記首日，已有醫保、氣象、自然資源等多類國家級公共數據上線。北京、天津、內蒙古、遼寧、上海、廣東等地依托國家平臺也開展了登記工作。這一系列舉措意味著我國數據要素市場化配置改革邁出了重要一步。
