促进人工智能和实体经济深度融合——智能经济加速跑 发展引擎更强劲
习近平总书记指出，“把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量，努力实现高质量发展”。党的十八大以来，以习近平同志为核心的党中央高度重视智能经济发展，促进人工智能和实体经济深度融合，为高质量发展注入强劲动力。
广东鹅岭风电场，丘陵山脉间，数十台风力发电机迎风矗立。这里产生的每一度“绿电”，都离不开人工智能的贡献。
“检修依靠智能巡检，远在北京也能在‘云端’管理这些30层楼高的‘大家伙’，效率比人工巡检提升10倍；保供依靠智能算法，发电、用电自动匹配，解决供电不稳定问题。”百度集团执行副总裁、百度智能云事业群总裁沈抖自豪地说，百度的电力智能化技术已在20多个省份广泛应用。
蓬勃发展势头强
近年来，我国智能经济蓬勃发展，产业规模快速增长。2021年人工智能核心产业规模超过4000亿元，比2019年同期增长6倍多。广义来看，我国数字经济规模从2017年的27.2万亿元增至2021年的45.5万亿元，规模稳居世界第二。
中国信息通信研究院院长余晓晖认为，良好的设施网络、巨大的市场需求和澎湃的创新热情，为数字经济发展壮大提供了有力支撑。
基础设施更完善。我国已建成全球规模最大、技术领先的网络基础设施，5G基站超过185万个，占全球总数超过60%，培育大型工业互联网平台超过150家、连接工业设备超过7800万台（套）。在全球算力分布统计中，我国智能算力总规模占比26%。
市场空间更广阔。余晓晖分析，我国有10.51亿网民，有全球最大、最活跃、最具潜力的数字服务市场。同时，我国是世界第一制造大国，仍有大量处在工业2.0、3.0阶段的企业需要向工业4.0阶段迈进，人工智能前景看好。
创新研发更积极。当前，我国人工智能发明专利授权总量全球排名第一，人工智能领域论文发文量全球领先，图像识别、语音识别等技术创新应用跻身世界先进行列，智能经济创新热情高涨、成果丰硕。
千行百业融合深
无人驾驶、智能工厂、智慧矿山……如今，人工智能已融入千行百业，小到居家出行、大到制造研发，智能经济给生产生活带来深刻变革。
——深度融合，赋能实体经济。
随着人工智能等新技术不断拓展，我国实体经济正加速向数字化、网络化、智能化方向转变。当前，工业互联网应用覆盖45个国民经济大类，创造出大量智慧应用场景。在制造业领域，已建成700多个数字化车间/数字工厂，实施305个智能制造试点示范项目和420个新模式应用项目，培育了6000多家系统解决方案供应商，智能制造应用规模全球领先。
“人工智能与制造、交通、医疗、农业等各领域融合日益深入，持续推动质量变革、效率变革、动力变革，源源不断地为经济高质量发展提供新动能。”余晓晖说。
——提质增效，助力转型升级。
走进广汽本田总装车间，质检线上，7台球型摄像机大显身手——同步拍摄一辆车的20多种车灯，并智能识别细节瑕疵，准确率高达99%，检测过程仅需1秒。“传统质检仅凭肉眼，点位多、速度慢，很容易漏检。用上智能云后，检测效率大幅提升，不良率降低，实现精细化生产。”沈抖介绍，工业互联网品牌“百度智能云开物”，已经为汽车、电子、化工等20多个行业企业提供智能化解决方案。
中国工业互联网研究院院长鲁春丛认为，运用人工智能等新一代信息技术，促进传统产业数字化转型，将有效提高质量效率、延伸产业链条、优化管理经营、保障安全生产，实现提质降本增效。
——数智引领，激发创新活力。
无人机自主识别灾害险情、智能调控千伏变电站倒闸操作、人工智能平台帮助训练智慧电力人才……携手百度智能云，国网福建省电力有限公司整体提升了设备运检、调度运行、安全监管等业务全链条智能化水平，树立起业内创新标杆。
帮助寻找新材料、高效发掘新药物靶点、参与完成辅助驾驶……“人工智能是引领这一轮科技革命和产业变革的战略性技术，不仅能助推传统产业创新，还在不断催生新技术、新产品、新模式、新业态。”鲁春丛说。
多方合力前景广
“数字经济、人工智能产业发展壮大非一日之功，只有政府、企业、科研院所等多方参与、持续努力，才能凝聚起更大合力，开辟科技创新和产业应用互相促进的广阔前景。”鲁春丛说。
强化政策支撑。国务院印发《新一代人工智能发展规划》、“培育壮大人工智能”写入“十四五”规划纲要……至今，我国已相继在北京、上海等地建立新一代人工智能创新发展试验区。“我们要继续加快数字产业化和产业数字化，聚焦创新融合，不断做强做优做大我国数字经济。”余晓晖说。
增进开放合作。与17个国家签署“数字丝绸之路”合作谅解备忘录，同非方一道制定实施“中非数字创新伙伴计划”，申请加入《数字经济伙伴关系协定》……“开放合作将使更多发展成果普惠共享。”鲁春丛建议，对内增强各领域政策协同配套，深化各地各部门各行业合作，完善数字经济市场体系，对外扩大开放合作，在全球数字创新和治理中分享中国经验、贡献中国智慧。
加强提升规范引导治理。从发布新一代人工智能治理原则到制定数据安全法，数字经济发展越快，越离不开规范和引导。“确保数字安全、完善技术标准和市场规范是数字经济健康发展的基础，是治理体系和治理能力现代化的重要体现。”余晓晖表示，要坚持统筹发展和安全，进一步明确监管底线，加快完善相关法律法规和标准体系，筑牢安全屏障，为数字经济健康发展营造更好环境。（记者邱超奕葛孟超）
以人工智能为引擎推动产业智能化发展
作者：王林辉（吉林大学商学与管理学院教授）董直庆（华东师范大学工商管理学院教授）
党的二十大报告强调，“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎”。当前，人工智能日益成为引领新一轮科技革命和产业变革的核心技术，在制造、金融、教育、医疗和交通等领域的应用场景不断落地，极大改变了既有的生产生活方式。统计数据显示，中国2021年机器人出货量达26.8195万台，存量突破100万台，2011年后中国人工智能专利申请量高居世界首位，2020年达到46960项，这表明中国已跻身全球人工智能发展的前列，市场前景广阔。作为世界第二大经济体，我国拥有数以亿计的互联网用户以及海量大数据资源，这种大国经济特征为深化人工智能应用、加快产业智能化发展提供了丰富的数据支持和广阔的应用场景。我国门类齐全、体系完整和规模庞大的产业体系，更是为产业智能化向广度和深度发展奠定了坚实基础。展望未来，人工智能技术引领的新一轮科技革命和产业变革浪潮，将成为未来世界经济和高端制造的主导技术，更会对中国现代化产业体系建设发挥无可替代的作用。
人工智能赋能方向和产业智能化应用场景
人工智能技术可以模拟人的思维过程如归纳、推理、判断等，使机器独立或通过人机协作方式执行生产任务。在机器人参与的生产过程中，生产任务被分解成一系列连续型任务，然后通过系统集成、功能集成和网络集成统一由机器人完成。人工智能技术可嵌入技术研发、产品设计、原材料加工、中间品制造、最终品装配、产品流通与市场销售等产业链条的各个环节，全面赋能各个产业链节点，最终产生更高效的新业态与新经济模式。
基于技术高渗透性及生产任务可智能化的属性，人工智能的应用场景不断拓展。人工智能技术正在全面赋能各类行业，全方位改变传统产业的经营模式和生产业务流程，推动产业的智能化升级。在制造业领域，工业机器人可精准代替人工完成高难度、高负荷的任务，尤其是能够代替人在危险或恶劣环境中工作，目前工业机器人应用最广泛的汽车制造业已基本实现全流程智能化制造。在农业领域，智能机器人在播种、灌溉、除草和收割等农业生产中广泛应用，逐渐展现出一幅智慧农业的美好画卷。在服务业领域，智能客服机器人代替人工进行查询、咨询和业务处理等工作，在极大降低客服成本的同时也提升了服务质量。在医疗卫生行业，机器人可协助医生精准完成外科手术，快速完成数以万计影像的特征识别、标注与分析，从而提高病情诊断的效率与准确率，可以协助护理人员帮助患者恢复肢体功能。在商业方面，以人工智能为核心技术的智能化产能预测和销售系统，可以精准对接供求信息并开展智慧决策，实现以市场需求为导向的资源投入和优化决策。
人工智能技术催生新产业、重塑产业链
根据其技术属性，人工智能产业可细分为基础层、技术层和应用层三个层面。基础层主要包括芯片、传感器、云计算和大数据服务等软硬件设施及数据服务；技术层包括核心的人工智能技术诸如机器学习、计算机视觉、语音图像识别和算法理论等；应用层主要指人工智能的应用领域如智能家居、智能安防和智慧金融等。这三个层面的产业和企业相互促进，对我国的产业链进行全方位赋能。
人工智能技术通常以智能机器设备为载体，通过智能化系统实现传统生产环节的智能化改造，在替代劳动力执行生产任务的同时，也会通过创造新生产任务催生相关的新职业和新产业。具体而言，人工智能技术的应用会促进企业突破既有生产边界，向产业链上游延伸或向下游拓展，推动终端设备、产品及服务的智能化，加快技术成果的产业化和商业化，不断衍生出新的行业或新的产品，诸如无人驾驶、无人零售、智能家居等。新产品新产业的涌现，必然会催生大量新的职业。2020年2月25日，人力资源和社会保障部与国家市场监管总局、国家统计局便联合向社会发布了智能制造工程技术人员、工业互联网工程技术人员、虚拟现实工程技术人员、人工智能训练师等新职业。此外，人工智能技术结合互联网、大数据等数字技术不断催生新行业的同时，也不断淘汰旧行业，引发新旧行业更替，从而重塑现有产业格局。
人工智能技术可以促进产业链纵向延伸，不断加大产业链长度，进而实现产业链重构；人工智能技术可以促进产业链的横向拓展，拓宽产业链的宽度并形成产业集群；人工智能技术可以结合大数据和互联网等数字技术，不断提升产业链的内部关联性与外部协同性，从而全面优化产业链，形成产业链新格局。智能化系统的应用能促使互补型企业更好地关联起来，通过企业合并、重组或集群化发展实现产业链横向拓展；智能化系统的应用能接通散落于不同空间产业链的断环或孤环，形成新的产业链环，增加产业链的整体附加值和韧性，有效提高产业链抵御外部风险的能力。当然，人工智能技术也会打破产业链空间稳态，使一些企业摆脱地理区位和传统生产要素的约束，并通过进退与转移形成新的产业集群，带动新的上下游产业发展，从而引发相关产业链由线状向网状交织模式的演化，进而重塑产业链空间格局。
加快发展人工智能技术，推动产业智能化发展
人工智能技术正在成为推动我国经济持续增长的重要引擎，如何占据人工智能技术制高点并推动产业智能化发展，是当前加快产业转型升级，推动经济高质量发展的重要内容。
政府应积极搭建智能服务平台，助力企业加快智能化转型。政府充分发挥主导作用，为相关企业、高校及科研院所的产学研合作提供稳定合作的平台，促进科技成果有效转化；积极建设信息服务平台，为企业提供智能化设备采购、使用指导、维修养护、检测诊断、人员培训和市场推广等服务，多举措支持和促进人工智能产业发展。
企业注重培训在岗人员职业技能，使其快速适应人工智能领域的新技术环境。通过定期组织在岗人员技能培训，提升劳动者的职业技能水平和人机匹配效率，更好地适应新技术环境。人力资源和社会保障部门应联合企业及职业培训机构，根据现实市场需求及时开设相关技能培训课程，如计算机网络、数据存储技术、图像设计等，以及人机交互能力等新技能培训，为劳动者提供技能学习的机会，尽可能减少由于技能折旧引发的失业。
加强校企合作，构建相关劳动就业需求的动态跟踪与预测机制，准确把握人工智能应用背景下的职业技能需求，精准定位人才培养方向。高等院校增设人工智能等相关专业，重视人工智能基础算法与基础硬件等核心课程体系建设，改造和优化原有课程体系，为人工智能技术发展提供人才支持。增设相关的创新创业训练项目，并与企业共建实习实训基地，打造专业理论与实践能力协同培育模式，为社会输送应用型专业人才。
《光明日报》（2022年11月29日 11版）
[责编：丁玉冰]人工智能：从“作坊式”走向“工业化”新时代
对于普通人来说，人工智能是一个既熟悉而又神秘的词。在我国“十四五”规划中，多次提到要推动人工智能产业发展。当前产业现状如何？正在走向何方？哪些领域最有可能取得突破？带着这些问题，记者采访了中国科学院自动化研究所所长徐波。
中国科学院自动化研究所所长徐波。受访者供图
人工智能创新不断“一体两翼”快速发展
人民网：当前，人工智能技术创新不断，应用层出不穷。它究竟走到了哪一步？能否谈谈您是如何看待我国人工智能技术发展现状的？
徐波：人工智能是一个高度交叉复合、快速发展的领域。如果要对其发展现状作一个全面概括，可以从人工智能“一体两翼”构成来着手分析。
其中“一翼”是指人工智能的基础理论。人工智能快速发展无疑受益于大数据和大算力发展，但基础还是15年前深度学习基础理论和方法的突破。人工智能越发展，其计算、生物、数学、材料、心理学和社会学等交叉复合特性就越明显。我国人工智能高水平论文发表数量已经位居世界一二，人工智能基础研究发展态势良好，已经成为人工智能基础研究大国。但成为人工智能基础研究强国，还需要在需求牵引下，按照问题导向继续弘扬“十年磨一剑”的科学家专注精神。
另外“一翼”就是人工智能的应用。人工智能具有无所不在的广阔应用场景，技术落地需要和工业制造、农业发展、医疗制药、社会治理等领域深度结合。我国有市场、人才、规模、数据等方面的优势，在应用方面走得比较快，对各行业的渗透深度和广度前所未有，具有世界上独一无二的优势，已经走在世界发展最前列。
人工智能中间非常关键的“一体”，指的是人工智能的基础软硬件，包括芯片、算法、软件硬件协同、开源框架、应用开发接口等等。它作为一个桥梁，把人工智能基础研究成果和场景应用广泛地结合在一起。目前，我们的基础软硬件研发已经从“可用”走到基本“好用”的阶段，发展了自主可控的人工智能基础软硬件生态。
人民网：产业应用是技术发展中很重要的部分。您认为我国要发展人工智能产业，占领关键技术高地，未来的突破口在哪里？
徐波：随着我国新一代人工智能的发展，人工智能应用呈现出遍地开花的良好发展态势。但人工智能落地中，也碰到很多问题，例如对数据质量要求高、缺乏相应标准、落地周期长成本高、人才昂贵等。
我认为可以从这几方面寻找突破口。
首先是复合型人才的培养。智能社会发展过程中需要培养一批既懂行业需求流程、又懂人工智能的专业人才。人工智能还完全没有发展到可以通过调几个参数就能上线替代部分人工作的水平。其中行业数据的获取、清洗和加工，以及如何按照业务需求建立相应的应用模型都需要一些这样的复合型人才支撑。
其次要降低人工智能的应用门槛。现在按照专用人工智能技术发展的应用，在很多时候发现还不如用个人更省成本。所以，如何从专用型的人工智能，逐步向更具泛化能力的人工智能技术发展，是一个重要的技术突破口，也是未来5-10年人工智能技术发展的主流。
这个过程中，从推动产业发展的角度选择一些超级场景对于牵引人工智能应用发展非常关键。例如，自动驾驶会是人工智能在单一领域里最大的产业场景，也是汽车工业发展的必争之地。类似的还有人工智能+医疗，也是一个特别大的场景。中国有四百万医生、全世界最大的临床海量医疗数据，最适合人工智能去发挥智能化优势。所以，要选择一些这样的超级场景，作为推动人工智能进步的突破口。
加快原始创新策源努力占据制高点
人民网：中科院自动化所作为我国“国家战略科技力量”的重要组成部分，“十四五”期间在人工智能领域的研究和应用方面，有哪些相应的目标和计划？
徐波：我们按照“两加快一努力”要求，加快原始创新策源和关键核心技术突破，努力占据人工智能科技创新制高点。
中国科学院自动化研究所始终关注人工智能中长远发展布局。十年前在深度学习刚刚开始应用于语音、图像并产生技术突破时，我们意识到感知类人工智能应用将逐渐由产业界为主导，于是开始布局更前瞻性的类脑智能，推动人工智能和脑科学的交叉研究实现，并与科学院神经所成立脑科学与智能技术交叉研究中心。目前这个方向已经成为研究所三大主力研究方向，相信在下一代人工智能发展中也将扮演重要角色。
人工智能想要在经济发展、社会治理、大工程系统等复杂问题的决策中发挥作用，需要人工智能与复杂系统进行交叉融合，这也是人工智能从感知、认知走向决策的必然发展趋势。因此，研究所进一步布局了可自主进化智能方向，研究建模人、环境和机器之间的演化、合作和竞争等关系，并通过交互提升人和机器对环境的认识和认知。这项技术可广泛应用于大量复杂问题的智能辅助决策。
这儿要重点谈一下我们最近研发的“紫东太初”多模态大模型。这是基于我们多年基础积累形成的面向关键技术攻关的研究方向。我们人类对世界的认识天然是多模态的。举个例子，我说“猫”这个字，你马上脑子里能想到猫的图片、猫叫的声音、猫的文字。我们大脑里面把猫有关的声音、图像和文字关联在一起，共同组成了“猫”这样一个语义。这个语义是跨模态存在的。模拟人的多模态认知特点，自动化所推出了全球首个千亿参数的三模态大模型“紫东太初”，把图像、文本和语音结合起来，它采用了多层次、多任务、自监督、预训练的学习方式，不仅可以实现跨模态理解，还能实现跨模态生成。这是我们在已有多个很好技术积累基础上，通过多模态把人工智能众多方向加以融合创新的研究成果，服务于产业和国民经济主战场。
人民网：在人工智能创新链中，科研院所在扮演怎样的角色？自动化所又是如何面向国民经济主战场，为我国人工智能产业链发展赋能？
徐波：人工智能包括智能和智能化。智能即智能科学内涵、基础理论和模型算法等，智能化则是智能与各个领域行业的结合。研究所发展规划一方面要承担主责主业，大力探索智能本身。同时，需要考虑智能怎么去和社会、和企业、和政府合作，政产学研结合，面向国民经济主战场，为人工智能产业链发展赋能。无论从科研还是产业化，我们始终秉持在低潮时坚守、在高潮时冷静的理念，努力成为默默的开拓者和引领者。
六年前，人工智能落地应用刚刚萌芽，基于人工智能自身发展特点，研究所及时推出了“离岗创业”制度，鼓励已在智能应用领域深耕多年的团队进行转化。制度实施以来，已经诞生了在工业视觉、融媒体、生物特征识别等垂直行业里多家有影响力的企业。离岗创业，这是一种人工智能技术转化1.0版本形式。
作为一种赋能千行百业的技术，我们不能止步于此。我们正在探索人工智能技术转化的2.0版。2.0核心就是要利用研究所力量，以核心创新为抓手，以构建创新生态为目标，做一个大的人工智能平台。如上所述，目前人工智能存在落地周期、成本、人才等问题，同时国产基础软硬件从基本“好用”到非常“好用”，都需要协同各方力量共同努力。
为了解决这一行业痛点，今年5月，中国科学院自动化研究所、华为技术有限公司、武汉东湖高新区管委会签署《人工智能技术开发合作备忘录》，三方共同筹建武汉多模态大模型人工智能平台。该平台以自动化所的“紫东太初”大模型为核心，以全国产的昇腾AI基础软硬件为底座（包含昇腾AI处理器、异构计算架构CANN和全场景AI框架昇思MindSpore等），通过合作支撑当地产业实现智能升级。大模型、大底座、大数据形成了一个天然的合作模式，来为各个行业赋能。这是我们技术转化2.0的一个开始的初步尝试。
打破应用门槛解决人工智能“落地难”痛点
人民网：您如何看待这个平台的未来发展？
徐波：这是人工智能向更加通用化方向迈出的重要一步。以前的人工智能是属于“作坊式”的。想要做一个应用，需要从算法开始进行开发，类似于我们常说的“重复造轮子”。多模态大模型人工智能平台，是人工智能从“作坊式”向“工业化”转型升级的一次重要探索。通过对多模态大模型人工智能平台的持续研发、应用、优化、升级等，大大降低应用门槛和对应用人才要求，同时推动全自主可控软硬件体系的形成。
这个过程中大模型技术持续创新研发是我们的主责主业。例如现在计算量还比较大、成本和能耗也比较大，未来大模型在现有基础上还会有很多突破。需要我们不断融合类脑等智能新机制，使得大模型的运营成本越来越低，越来越好用。
目前，我们也正在同步研究大模型基础上蒸馏出小模型技术，这也非常重要。对于不想上云的，或者是应用场景不那么复杂的，其实并不需要用到大模型。因为大模型的参数特别多，使用成本非常高。这个时候，就可以用大模型中蒸馏出一个小模型，小到可能只有几兆的大小，不但降低成本，而且实现从通用向专用的进一步优化。
打个比方来说，大模型类似于一个知识非常渊博的老师，他学了无数多的数据，但是如果从事一件具体的工作，就不需要那么渊博的知识，这时候，我们可以根据需求，自动蒸馏出一个小模型，教出一个小徒弟来做这项工作。
人工智能要迈上工业化阶段，必须要满足以下几个条件，批量化，成本低，易访问，轻能耗以及最大程度的开源开放。未来，“云端的大模型+末端小模型”很可能会成为人工智能应用的重要模式。
人民网：这个平台，目前是否有一些成功的应用？
徐波：我们已经有一些应用，效果很好。以前解决不了或者解决不好的现在有了全新的技术手段。
我们在智慧媒体方面做了一些探索。和头部视频网站合作，针对其海量的短视频、电影和电视剧，做到了跨模态内容的检索。比如输入一段文字，就能定位到视频中的某一个片段；可以根据电视剧的简介自动生成1分钟的视频摘要；还可以指定某个特定演员出现的场景、某件事的前因后果等内容进行“跳播”。
工业视听觉已经进行了应用尝试。过去，人工智能在工业领域的应用是一个痛点，因为样本非常少，而且很多时候数据是多模态的。比如发动机的质检，往往是靠老师傅们“听”出来的。用人工智能怎么做呢？我们把各种各样的工业缺陷数据混合在一起，首先让机器进行模型自学，应用的时候只需要给两个样本，就可以达到很高的质检精度。这方面我们已经实验过了，原来可能需要一万个样本才能做到90%以上的识别率，现在只要用几个或几十个样本，精度就能达到90%，大幅降低了人工智能的应用门槛。
另外一个应用案例是具像化的教学，可以在打手语的同时生成对应图片，辅助学生理解，更好地达到教学目的。
类似的应用还有很多，只靠自动化所一家单位去落地，会错失大量的助推产业升级的机会，也会比较慢，所以一定要在推广模式上创新，吸引更多的人、更多的机构来实践，来应用。我刚才说的“2.0”就是这个意思。现在我们自己先做一些样例出来，然后进一步完善模型，通过标准化、流程化等一系列手段，将门槛降下来。未来越多人用，这个模型就会越完善，也越好用。
近期，自动化所联合大学、产业界等在积极推进“多模态人工智能产业联盟”的建设，这个联盟的成立就是为了让产学研各界都能更好的应用我们创新的成果，并基于这些成果再去推广、完善。12月18日即将在武汉举行的“2021东湖国际人工智能高峰论坛”上，我们也会就推动人工智能通用化、技术应用国产化和参会嘉宾进行进一步的探讨与合作。
人民网：多年来您在研究人工智能的过程中，有没有觉得它的发展速度超越了您的想象？
徐波：有句话说，“大多数人高估了他们一年所能做的事情，却低估了他们十年所能做的事情。”
这句话来描述人工智能的发展也很适用。它的影响是潜移默化的。目前人工智能落地碰到一些困难，但过了十年以后回头来看，人工智能的发展速度会比你原来想象的要快。
目前，全世界很多优秀的人在研究人工智能，每个人都从不同的角度攻克其中一块砖，最终合力去建立起一座人工智能的高楼大厦。人工智能的发展非常激动人心。
这里的每一块砖可能就是一个很小的研究或者应用领域，它们正在以飞快的速度不断迭代和突破。人工智能研究离终极目标还有很远的距离，但人类正在朝着它光明前景的快速道上大步前进，并看到沿途一路风景。
(责编：赵竹青、吕骞)分享让更多人看到
人工智能时代是什么时代?
工业4.0是2013年的汉诺威工业博览会上德国为提升工业竞争力而提出的一个概念。基于工业发展的不同阶段划分出4个时代，即工业1.0蒸汽机时代、工业2.0电气化时代、工业3.0信息化时代和工业4.0智能化时代。显然，这种划分只表示了工业革命以来工业领域的时代变迁。如果说“蒸汽机”、“电气化”可以表示工业革命内涵，那么“信息化”、“智能化”就远远超出了工业领域。把人工智能时代称为第4次工业革命时代显然是错误的。
在“第4次工业革命”这一错误概念的影响下，对人工智能时代性的理解出现了许多混乱。仅从工业生产力变迁的角度来看，划分成蒸汽机工业革命、电气化工业革命、信息化工业革命、智能化工业革命时代，的确具有一定道理，但是，如果把它泛化，认为人工智能的智能化是第4次工业革命时代，甚至由此衍生出第5次工业革命、第6次科技革命、第N次工业革命的提法，显然模糊了人工智能的知识革命与工业革命的本质差异。我们可以从以下5个方面看看人工智能时代与工业革命时代的本质差异:
(1)社会生产力结构的本质差异
工业革命后形成了资本整合下的社会化大生产，其社会生产力结构是“劳动者+机械化工具”，劳动者在知识基础上驾驭工具；人工智能时代，在半导体微处理基础上诞生了智能化工具，智能化工具超越了生产领域、经济领域，全面影响人类社会生活，并且具有独立的财富生产能力，其生产力结构变成了“管理者+智能化工具”。
(2)生产工具的本质差异
机械化工具与智能化工具有本质差异，前者无自主能力，必须由劳动者驾驭，后者有自主能力，可以在无人介入下自主式工作。工业革命后期虽然出现过可以自主运行的自动化工具，但不具有智能行为，它们与计算机软件控制的智能化工具有本质不同。
(3)体力劳动与脑力劳动替代的本质差异
工业革命后，机械化工具以蒸汽机械(以及后来的内燃机械、电动机械)代替劳动者的体力劳动，而人工智能时代，智能化工具普遍代替了人类的脑力劳动。
(4)知识相关性的本质差异
工业革命时代，“知识就是力量”是著名的时代口号，因为驾驭机械化工具都需要相应的知识，工人、技师、工程师形成了严格的知识与技术等级；在人工智能时代，智能化工具具有智力行为能力，使用者不需要有相应的知识。知识与知识行为分离，成为人工智能时代的重要特点。
(5)从经济变革到社会变革的本质差异
工业革命的主要变革是经济基础；人工智能变革后的数字化社会、区块链的无偏见人工智能、诚信体制建设等，从经济基础延伸至上层建筑。同时，从资本时代到金融时代、从贸易全球化到经济全球化、从两种文化到第3种文化，都表明人工智能时代从经济基础到上层建筑的延伸效应。
3人工智能时代是第3次浪潮时代
最早揭示人工智能时代与工业革命时代具有本质差异的是著名的未来学者阿尔文·托夫勒。1980年，阿尔文·托夫勒推出了《第三次浪潮》一书，该书将人类现代文明史划分为3个浪潮时代。阿尔文·托夫勒在书中写道:“到目前为止，人类经历了两次重大的变化浪潮，每一次都抹杀了早期的文化和文明，以前人不能想象的生活方式取而代之。第1次浪潮—农业革命—经历了几千年才结束。第2次浪潮—工业文明的崛起—只有300年的寿命。今天的历史速度更快，很可能第3次浪潮将横扫历史，在几十年内结束。”他十分明确地将“今天的历史”与工业革命时期相分割。26年之后，他在2006年出版的《财富的革命》一书中，将“今天的历史”定义为“知识经济”时代，即一个知识创造财富的时代。
阿尔文·托夫勒首先清醒地、科学地认识到“今天的历史”的时代特征与时代本质，它与“机器”创造财富的工业文明完全不同，是一个用“知识”创造财富的时代。托夫勒还天才地描绘了人类现代文明发展史，几千年农业文明、几百年工业文明、几十年知识经济文明演化速度的倍增现象。所有这些都集中反映人工智能时代托夫勒的知识革命观。必须从知识的本源出发，用知识的创新原理来探索人工智能时代的奥秘。不幸的是，托夫勒未能揭示知识革命的奥秘，对“知识”充满了无奈与绝望。
4人工智能时代是知识革命时代
托夫勒敏锐地认识到，人工智能时代是知识创造财富的知识革命时代，但是，对“知识经济”的定义以及“知识创造财富”的知识革命论述却显得苍白无力。在后来《财富的革命》一书中，他充满了悲观与无奈。托夫勒说:“尽管对新兴的知识经济有着数千种分析和研究，但是，知识对创造财富的影响却一直被低估了，而且现在仍然在被低估。”他充分认识到知识经济时代的知识主导作用、知识探索的重要性，书中也描述了人们对“知识”的无知、漠视与无奈，他在书中写道:知“识已经成为我们经济和社会环境中变化最快的组成部分之一。”“自从‘知识经济’开始半个世纪以来，关于知识经济背后的‘知识’我们却了解得很少，简直少得让我们感到尴尬。托”夫勒虽然界定了今天的时代是与工业革命完全不同的知识创造财富的时代，但是并没有回答知识如何创造财富。这是人工智能时代知识革命必须回答的问题。
“知识创造财富”贯穿于人类的全部历史进程中。在原始社会，人类在知识基础上打造工具、使用工具，开创了“人+工具”的社会生产力的基本结构。其后，一直延续到农业社会、工业社会以及人工智能社会。只是人工智能社会之前的生产力结构是“(人+知识)+工具”，即劳动者在知识基础上驾驭工具；人工智能的社会生产力结构变成了“人+(知识+工具)，”即人类将知识成果转移到智能化工具中，劳动者傻瓜化地使用智能化工具，出现了知识从“人”到“工具”的根本性转移。这就是人工智能时代知识创造财富的本质与知识革命的核心所在。
人们普遍意识到知识在社会生产力中的重要作用，因为没有知识，人类就不会使用工具，也不可能创造工具。然而在经济学家、社会学家、历史学家的视野中，“知识”消失了。他们用“劳动者、劳动资料、劳动对象”的生产力结构观来诠释人类社会发展史。
人类对知识的无知，经济学家对知识的忽视，托夫勒对知识的无奈与无助是有道理的。因为，尽管人类对知识的研究远早于自然科学、社会科学，然而，在自然科学、社会科学充分发展的今天，人类对知识的研究一直停留在两千年前坐而论道的“认识论”、“知识论”的哲学陷阱之中。因为，传统概念中的知识一直是虚无缥缈、捉摸不定、隐含在事物之中的东西。只有到了知识从量变到质变的人工智能时代，知识才走到前台，人们才得以从学科视角重新研究“知识”的本质，它的诞生、发展、演化、基本规律，以及它在人工智能时代的财富革命与知识力量变迁。从人工智能的实践中探索知识革命的奥秘，寻找人类知识起源，演化发展的本质与基本规律，创建科学的“知识学”。
人工智能时代的“知识学原理”走出了“认识论”、知“识论”的陷阱，成为指导实践的新兴科学。不但能有效地诠释人工智能的智能生成机理，还将人们对人工智能的认识从“是什么”的低级阶段提升到“为什么”的高级阶段。由于知识的普遍性，”知识学原理”还将全面诠释人类起源、人类演化的生态体系、工具中的第3种知识、从第2种文化到第3种文化，人类工具起源与智能化工具智能生成机理等众多未解之谜。
5人工智能知识革命的时代特征
人工智能时代，是继农业革命、工业革命后，人类现代社会的第3次浪潮时代。正如托夫勒所说，“很可能第3次浪潮将会横扫历史，生存在这个爆炸性时刻的我们会感受到第3次浪潮对这个时代的全面影响。因”此，了解人工智能的时代特征具有重要意义。
(1)人工智能时代是一个动荡的时代
人类历史呈非线性发展特征，百万年的原始社会、万年的农业社会、几百年的工业社会，以及不到百年的人工智能时代。百万年的原始社会是凝固的，万年的农业社会是缓慢的，几百年的工业社会有了显著的变化，不到百年的人工智能时代则是一个激烈动荡的时代，人们会普遍感受到生存环境与社会生活的全面动荡。
(2)人工智能时代是一个人类体力劳动、脑力劳动全面解放的时代
工业革命的动力机械代替了人类的体力劳动、智力革命的智能化工具代替人类脑力劳动，未来，机器人将养活人类，人类社会将进入一个在少数精英引领下的傻瓜化时代。体现群体智力的人工智能远远超越人类个体智力，人们寄希望于人类智慧驾驭人工智能。
(3)人工智能时代是自然人类的终结时代
不到百年的人工智能时代，众多新兴科技(生物科技、生命科技、基因工程、人工生殖、脑科学、脑机工程等)与强人工智能相结合，必将导致自然人类的终结，人们最终将迎来一个非自然人类的新时代。
(4)人工智能时代是生产力结构彻底革命的时代
人类社会生产力结构一般表达形式是“人+工具”，知识隐含其中，成为社会财富生产能力的基础因素。原始社会、农业社会，人类使用简单工具，财富生产能力的“知识重心”在原始人类；工业社会，机械化工具代替了人类体力劳动，财富生产能力的“知识重心”向工具转移；智力革命时代，智能化工具独立的行为能力，将财富生产能力的“知识重心”彻底转移到工具中，实现了生产力结构彻底变革。
(5)人工智能时代是上层建筑革命的时代
农业革命、工业革命是经济领域的革命。人工智能时代，第3种文化以科技文化对人文文化的全面入侵方式彻底改变了人文文化属性，文化艺术领域不再有纯文化、纯艺术；互联网从信息网、物联网到资源网(区块链)的诚信体系建设、去中心化的智能合约、无偏见的人工智能等，表明人工智能进入到伦理时代，从而掀起了上层建筑的全面革命热潮。
人工智能时代的知识革命改变了一切，因为人类社会的一切事物都与知识相关。
从本质上讲，我们这个时代，是人类在外部以人工方式将“知识”变革到“知识行为能力”(即智力)的革命时代。但迄今为止，我们没能用知识的基本原理准确地诠释人工智能时代，对这个时代的认识尚处于模糊阶段。人们需要从不同视角来阐述我们这个时代。（此文发表在《单片机与嵌入式系统应用》2020年第4期学习园地）
6.嵌入式系统中AI和ML的实际应用
免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。返回搜狐，查看更多
人工智能产业化应用加速
新技术不断涌现，产业规模持续增长，应用广度和深度加快扩展
人工智能产业化应用加速
数据来源：中国信息通信研究院、国际数据公司（IDC）制图：沈亦伶
核心阅读
近年来，随着数字化基础设施建设不断完善，商业化应用加速落地，人工智能产业发展驶入“快车道”。
工业质检、零件计数、自动驾驶、语音交互……人工智能在产品研发、服务升级、商业模式创新等方面为企业带来切实成效，各式各样的人工智能应用进入生产生活、服务千家万户。
新一代人工智能是推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。当前，我国人工智能领域呈现出技术创新和产业化应用双轮驱动、双向促进的发展特征。
在供需两侧的共同推动下，技术创新成果开始大规模地从实验室研究走向产业实践，人工智能产业化进程加快。根据中国信通院发布的最新数据测算，2022年我国人工智能核心产业规模达到5080亿元，同比增长18%。
应用广度和深度加快扩展，场景创新成为新路径
兔毫、油滴、曜变、鹧鸪斑……在1300摄氏度以上的高温中，建盏展现出绚丽的釉色，每盏皆唯一。古人常以“入窑一色，出窑万彩”来形容其釉色千变万化。近年来，国内建盏产业迅速发展，但也产生了假冒仿制、以次充好等乱象，通过传统防伪手段，很难解决问题。
后来，位于福建省南平市建阳区的一家建盏生产企业找到了北京旷视科技有限公司，希望借助人工智能技术来为每一只建盏打造专属的“电子身份证”。
这并非易事。一方面，分辨不同建盏之间的区别难度极高，建盏釉面还会产生很强的反光，这些都会给人工智能带来挑战；另一方面，这类项目往往需要花费大量时间做实验设计。
面对这些问题，旷视团队提出“算法量产”理念，打造了人工智能建盏溯源系统，实现了盏纹识别。团队还研发了内置可控制光源的硬件设备，以克服釉面材质反光的难题。
“我们由此实现了一盏一图、一盏一码、图码结合，既有效打击了仿造伪造行为，又推动产业的规范化发展和数智化升级。”旷视研究院算法量产负责人周而进说。
像建盏一样，人工智能应用向纵深演进，越来越多的行业实现了智能化升级。工业质检、零件计数、自动驾驶、语音交互，甚至是高空抛物检测、普洱茶茶饼识别、破皮速冻水饺检测……人工智能为企业在研发速度和流程、产品服务、商业模式创新等方面带来切实的成效，“五花八门”的人工智能应用伴随着数字化、智能化热潮，进入生产生活、服务千家万户。
“人工智能技术正沿着追求更高精度、挑战更复杂任务、拓展能力边界等方向持续演进。场景创新成为人工智能技术升级、产业增长的新路径。”科技部新一代人工智能发展研究中心主任，中国科学技术信息研究所党委书记、所长赵志耘认为，人工智能应用广度和深度不断扩大，正向更多行业和更核心的业务领域渗透，推动制造、物流、医疗等各方面的智能化程度不断提高，智能场景对经济社会发展的重要性也逐渐凸显。
新技术不断涌现，产业化路径逐渐清晰
随着新技术不断涌现，人工智能产业化的路径也逐渐清晰。近几年，国内外厂商纷纷加码巨量模型的投入与研发，让人工智能产业落地找到了新的方向。
新药研发就受益于此。华为云盘古药物分子大模型，是由华为云联合中国科学院上海药物研究所共同训练而成的大模型，可以实现针对小分子药物全流程的人工智能辅助药物设计。
西安交通大学第一附属医院刘冰教授团队利用该大模型成功研发出一种新的“超级抗菌药”，它有望成为全球近40年来首个新靶点、新类别的抗生素。借助大模型，先导药的研发周期从数年缩短至1个月，研发成本降低70%。
联想集团首席技术官芮勇认为，大模型的特点可以概括为“一大三多”：“‘一大’是指参数规模大，是千亿参数级别的超大型人工智能模型；‘三多’是指利用多来源、多模态、多任务的互联网海量数据进行训练。”
“在云服务的基础上，大模型的落地也越来越普遍。过去，我们经常强调的是针对某一类应用的小模型，比如人脸识别、语音识别等。现在随着大模型的出现，用户可以在预训练模型上进行简单的处理，就能满足自身的需要。这实际上能够帮助用户更好地应用人工智能技术。”国际数据公司（IDC）中国副总裁周震刚说。
浪潮信息基于大模型打造的智能客服机器人“源晓服”就是大模型的一个典型应用。“我们的目的是让大模型与契合场景需求的行业模型进行结合。”浪潮信息服务总监陈彬说。
凭借强大的学习能力，“源晓服”能够对知识库进行自主化学习。目前，已能覆盖终端用户92%的咨询问题。对于一些常见技术问题，如系统安装、部件异常等，解决率达80%。
“大模型并不是炫技，它更多源于人工智能产业发展的现实需求。”浪潮信息副总裁刘军指出，人工智能应用场景已经从碎片化过渡到深度融合的一体化，在算法模型方面，巨量模型将会成为人工智能算法规模化创新的基础。
核心产业规模快速增长，形成良好产业发展基础
人工智能是引领新一轮科技革命和产业变革的战略性技术。近年来，我国陆续出台多项政策，鼓励人工智能行业发展与创新。《新一代人工智能发展规划》《关于支持建设新一代人工智能示范应用场景的通知》《新型数据中心发展三年行动计划（2021—2023年）》等产业政策，为人工智能产业发展提供了保障；我国还依托领军企业建设了10余家国家新一代人工智能开放创新平台；依托地方建设国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区；以发布智能产品推广目录等方式推动人工智能技术在医疗养老、城市建设等重点领域的规模化应用……
近年来，我国形成了良好的人工智能产业发展基础。除人工智能核心产业规模快速增长外，我国人工智能企业数量超过4200家，智能芯片、开源框架等关键核心技术取得重要突破，智能传感器、智能网联汽车等标志性产品创新能力持续提升；在智能化信息基础设施布局建设方面，2022年，全国在用数据中心机架总规模超过650万标准机架，目前有超过30个城市正在建设或提出建设智算中心。
专家表示，进一步推动人工智能产业发展，将创新要素转化为物质或知识资源，形成规模效应和范围效应，关键在于协同创新平台的搭建。构建人工智能协同创新平台，要聚焦当前落地应用需求，更快实现人工智能生态伙伴的业务聚合、资源聚合和战略聚合，平台内的各方主体通过加强人工智能算力输出、服务能力优化及人才培养等层面的要素供给，形成产业链上下游通力合作的产业生态。（记者谷业凯）
【纠错】【责任编辑:刘阳】