钱锋委员：让人工智能为新型工业化注入新动力

转自：中国科技网

沈涵科技日报记者 王春

正在召开的全国两会上，强化工业智能核心技术自主创新已经成为代表委员们关心的重点。

近年来，我国高度重视人工智能对科技和产业创新的强大驱动力。特别是在新型工业化方面，我国人工智能赋能具有市场规模大、应用场景多、数据资源丰富等优势，未来发展潜力巨大。但全国政协委员、中国工程院院士钱锋表示，我国目前在核心技术、产业赋能、数据算力、人才队伍等方面还存在短板。

“高端工业软件90%以上依赖进口，被人‘卡脖子’风险大。”钱锋表示，目前我国人工智能基础研究和工业智能前沿技术布局还较为分散，行业更多关注人工智能应用，但针对特定科学和工程问题的算法创新与世界领先水平差距较大，工业智能关键核心技术亟待突破。

钱锋介绍，我国人工智能在工业领域的应用仍以单个环节、单个企业为主，能够有效运用数字技术在全生命周期、全产业链提高生产效率、降低成本消耗、提升产品质量、减少环境污染的企业还不多。同时我国数据开放共享机制不完善，缺少训练大模型的高质量工业数据语料库，算力资源分散严重，高校人才培养无法匹配行业需求，能将模型、算法与应用场景匹配的人才稀缺。

全国政协委员、中国工程院院士钱锋。受访对象供图

为此，他建议强化工业智能核心技术自主创新，打造人工智能物理建模、高性能计算等研发工具，构建自主可控的工业智能软硬件应用和生态。

钱锋认为，我国当前应布局“人工智能赋能新型工业化”等科技创新专项，加大对人工智能通用和垂直大模型支持力度。鼓励行业龙头企业开放应用场景，打造高质量工业语料库，构建垂直行业人工智能训练验证平台。打造重点领域人工智能开源平台，降低大模型训练成本。

“要加强数据和算力要素共享整合。”钱锋建议，依托隐私计算、区块链、联邦学习等技术，构建安全可信的共享平台，引导行业用户开放核心业务场景，对政府投入的场景数据“应采尽采”。同时构建国家人工智能公共算力平台，鼓励有条件的单位贡献剩余算力，探索多元异构、多卡并行的算力统筹规划机制，攻关大规模并行训练等前沿领域，打造超大规模算力集群。

“推动人工智能赋能产业创新和应用，必须教育、科技、人才协同发展。”钱锋说。他建议，推动“链主”企业和科技领军企业联合国家实验室、国家技术创新中心、高校和科研院所等战略科技力量建设创新联合体，以国家重大战略和制造业重大需求为导向，共同凝练基础科学问题，共同支持基础科学、人工智能、技术应用和工程技术人才，深度融入人工智能创新和应用，并推动高校加强交叉学科人才培养。