中国人工智能产业火爆背后的“基础设施”与“飓风”

■社论

的火爆，进一步向中国相关企业展示了新的可能性人工智能，以及加速让可能性落地的确定路径。

近日，凭借精准的对话理解能力和互动模型，美国科技初创公司旗下智能聊天工具在全球范围内再度掀起了一阵“人工智能飓风”。而据新京报报道，我国现存人工智能相关企业超109万家。9年多来，我国新增人工智能相关企业注册量逐年上升。2020年新增人工智能相关企业18.52万家，新增量同比增长201.54%。2021年新增35.50万家，新增量同比增长91.71%。2022年新增42.08万家，新增量同比增长18.55%。

在全球范围内，类似于的智能聊天交互系统并不罕见，国内的创业公司、大型企业均研发过不少类似产品。比起同类的诸多产品，的领先之处在于其可以持续理解人类文字意图，从而实现连续多轮交互对话，继而制造出了“有思想可交流”的智能感。从底层技术的角度看，这不算是突破性的进阶，更多是量变引起质变的必然结果。的核心是“算法+数据”，而抛开数据量来看，在算法相关的技术上，全球几乎是平行前进，关键的差别是算法背后的“基础设施”。

从理论上看，穷尽所有的测试数据和训练材料，AI就会呈现出恐怖的准确率。而正是沿着这个“理论上”的路径一路狂奔，海量的数据加上充分的训练人工智能，共同造就了今天的结果。

这对中国正在发展中的人工智能产业提供了新的启示。当前，中国人工智能产业正处在加速缩小差距的关键时期。的火爆，进一步向中国相关企业展示了新的可能性，以及加速让可能性落地的确定路径。

可以说，在资金、人才、底层技术等关键环节上，中国人工智能产业已经补齐了短板。以及其背后的作为比较的坐标轴来看，如何让中国的政策资金等优势，催生出“量变引发质变”的结果，创造出属于中国的人工智能领先级产品，仍有一些可参考的经验。

比如，鼓励科技创新力量资源更多向行业基础设施集中。值得注意的事，并非一家聚焦于“场景应用”的人工智能企业，其技术和模式就是对人工智能的训练、模型进行长期重度投入，从而系统性提升底层技术能力。

而中国相对领先的人工智能企业，则更多擅长在具体的场景、领域应用入手，喜欢先研究“如何用起来”，而不是“用什么最好”。早期，这有助于中国各行各业迅速借助人工智能实现生产力提升，但从长期来看，各家企业建一套模型、搞一套数据来训练，客观上也使得中国的“小产品众多，拳头产品不够”。

因此，应当从政策、市场、资金投入等领域，鼓励企业围绕着基础模型的运维训练管理、云算力支撑、中文语料反馈优化、中英文数据互补等关键点进行长期投入，尤其要解决未来长期发展中的一些潜在难点，如算力问题等。

当然，也需继续坚持“引进先进经验，实现本土优势”。当下，既是一场全球范围的人工智能大竞赛，同时，也应当视为是全球合作共同探索未知领域的合作赛。

因此，我们尤其要注意避免重复造轮子，不应反复投入做轻量的测试产品，而应当加大对海外先进技术模型、模式、人才的引进，同时，深入中国的制造、消费等产业底层，在中国最需要的应用领域中做落地突破，做出能实际改变中国的生活消费、制造业升级的产品，在局部应用中寻求超越。

一款产品出圈，表面上是短跑竞赛的结果，但实际上，任何竞赛背后都是长期性系统性的比拼。尊重规律、持续积累，是中国人工智能产业完成关键跃升的必经之路。

">

更多详细新闻请浏览新京报网