發(fā)展新質(zhì)生產(chǎn)力，推動(dòng)人工智能+新質(zhì)生產(chǎn)力的概念內(nèi)涵新質(zhì)生產(chǎn)力新質(zhì)生產(chǎn)力是創(chuàng)新起主導(dǎo)作用，擺脫傳統(tǒng)經(jīng)濟(jì)23人工智能成為發(fā)展新質(zhì)生產(chǎn)力的關(guān)鍵抓手和關(guān)鍵引擎2024年《政府工作報(bào)告》提出開展“人工智能+”行動(dòng)。人工智能正在成為產(chǎn)業(yè)創(chuàng)新的關(guān)鍵抓手和驅(qū)動(dòng)新質(zhì)生產(chǎn)力的關(guān)鍵引擎。新質(zhì)生產(chǎn)力的發(fā)展也為人工智能技術(shù)發(fā)揮價(jià)值和作用提供了+什么？為何+前沿技術(shù)+傳統(tǒng)行業(yè)與互聯(lián)網(wǎng)、6G、低空智聯(lián)網(wǎng)、機(jī)器人等更多前沿科技進(jìn)行協(xié)同做加法，形成創(chuàng)新合力。與制造業(yè)、農(nóng)業(yè)、建筑業(yè)、航運(yùn)業(yè)等傳統(tǒng)行業(yè)深度融合，提高經(jīng)濟(jì)社會(huì)運(yùn)行效率。大模型技術(shù)的出現(xiàn)和快速發(fā)展大模型技術(shù)的出現(xiàn)和快速發(fā)展，為“人工智能+”戰(zhàn)略提供了強(qiáng)大的技術(shù)支撐。算法、算力和數(shù)據(jù)都在向大模型集中，AGI的前景初現(xiàn)，將極大提高人類社會(huì)的生產(chǎn)效率?！叭斯ぶ悄?”戰(zhàn)略的提出恰逢其時(shí)。政策、技術(shù)、產(chǎn)業(yè)端共同發(fā)力政策、技術(shù)、產(chǎn)業(yè)端共同發(fā)力，“人工智能+”駛?cè)肟燔嚨溃瑢樾沦|(zhì)生產(chǎn)力的培育和發(fā)展注入澎湃動(dòng)能。核心標(biāo)志是：全要素生產(chǎn)率大幅提升特點(diǎn)是：創(chuàng)新關(guān)鍵在：質(zhì)優(yōu)本質(zhì)是：先進(jìn)生產(chǎn)力全球經(jīng)濟(jì)隨著人工智能發(fā)展獲得新動(dòng)能人工智能技術(shù)經(jīng)過60余年發(fā)展已經(jīng)從專用智能逐漸邁向通用智能。人工智能技術(shù)經(jīng)過60余年發(fā)展已經(jīng)從專用智能逐漸邁向通用智能。大模型作為人工智能最新發(fā)展成果，AI3.01956AI1.02006深度學(xué)習(xí)泛化程度AI2.02017大模型引領(lǐng)了人工智能新一輪發(fā)展浪潮AI3.01956AI1.02006深度學(xué)習(xí)泛化程度AI2.02017大模型引領(lǐng)了人工智能新一輪發(fā)展浪潮 ——2022年StabilityAI推出大模型投資激增企業(yè)成為發(fā)展主力助力經(jīng)濟(jì)社會(huì)快速發(fā)展助力經(jīng)濟(jì)社會(huì)快速發(fā)展數(shù)據(jù)來源：中國信息通信研究院和Statista數(shù)據(jù)庫數(shù)據(jù)來源：《2024年人工智能指數(shù)報(bào)告》數(shù)據(jù)來源：《2024年人工智能指數(shù)報(bào)告》4?深度學(xué)習(xí)在未來十年仍將持續(xù)，“大模型+大算力+大數(shù)據(jù)”成為主導(dǎo)路線，逼近人機(jī)交互環(huán)境下的有限度通用智能，對(duì)算力、研發(fā)等工程化能力提出更高要求。?海量專用小模型正在更深入與行業(yè)核心業(yè)務(wù)結(jié)合。?兩類路線疊加驅(qū)動(dòng)下，預(yù)計(jì)人工智能5年內(nèi)將規(guī)模應(yīng)用，并不斷逼近與人、環(huán)境交互協(xié)同的通用智能。向開放環(huán)境的智能體演進(jìn)?向開放環(huán)境的智能體演進(jìn)?側(cè)重開放環(huán)境（真實(shí)世界）交互?強(qiáng)調(diào)人+機(jī)器+環(huán)境協(xié)同?具有實(shí)體形態(tài)，實(shí)現(xiàn)自主進(jìn)化化程度演進(jìn)演進(jìn)路線1：類GPT代表的有限度通用智能發(fā)展落地路線2：專用小模型與行業(yè)場(chǎng)景融合深入落地深度學(xué)習(xí)主導(dǎo)路線興起深度學(xué)習(xí)主導(dǎo)路線興起模型架構(gòu)多樣CNN/RNN……55橫向路徑：大模型以通用人工智能為目標(biāo)，從通用大模型出發(fā)向更強(qiáng)能力、更通用的方向發(fā)展；縱向路徑：大模型構(gòu)筑了智能基座，結(jié)合模型微調(diào)步驟，賦能更多行業(yè)與場(chǎng)景的應(yīng)用。路徑二：縱向發(fā)展路徑一：橫向發(fā)展路徑二：縱向發(fā)展路徑一：橫向發(fā)展縱縱:行業(yè)大模型AgentAPI插件AI作文指導(dǎo)電力大模型金融大模型教育大模型電信大模型GPTsAgentAPI插件AI作文指導(dǎo)電力大模型金融大模型教育大模型電信大模型GPTs基礎(chǔ)大模型橫基礎(chǔ)大模型橫：通用大模型走向AGIl大模型構(gòu)筑基礎(chǔ)的支撐能力，賦能若干行業(yè)大l大模型構(gòu)筑基礎(chǔ)的支撐能力，賦能若干行業(yè)大模型和場(chǎng)景大模型，使模型應(yīng)用門檻更低、見效更快。更通用方向發(fā)展，需要持續(xù)高強(qiáng)度投入資源。67由美提出的Transformer是承載大模型大參數(shù)量的核心架構(gòu)；我國原創(chuàng)算法基礎(chǔ)弱，但工程化能力較強(qiáng)。模型底層算法逐步趨于統(tǒng)一（以模型底層算法逐步趨于統(tǒng)一（以Transformer為核心）nTransformer由谷歌提出，支持巨量模型參數(shù)，有效提升模型性能，已成為大模型的主流架構(gòu)。理...我國算法原創(chuàng)性不足我國算法原創(chuàng)性不足，但在算法的工程化優(yōu)化方面具有優(yōu)勢(shì)n我國缺乏底層算法原創(chuàng)理論，但算法工程化能力較強(qiáng)。面向?qū)嶋H產(chǎn)業(yè)需求，進(jìn)行算法調(diào)優(yōu)，產(chǎn)業(yè)落地速度快?；诘讓蛹夹g(shù)架構(gòu)，結(jié)合行業(yè)場(chǎng)景及數(shù)據(jù)進(jìn)行調(diào)優(yōu)，形成一批面向行業(yè)的大模型，并開始落地應(yīng)用。政務(wù)、金融、制造、礦山等行業(yè)大模型航天、金融、能源等政務(wù)、金融、制造、礦山等行業(yè)大模型醫(yī)療模型“大醫(yī)”自動(dòng)駕駛DriveGPT8強(qiáng)大算力是驅(qū)動(dòng)人工智能階躍式發(fā)展的核心引擎OpenAI（2020年）和谷歌DeepMind（2022年）先后發(fā)現(xiàn)大語言模型存在擴(kuò)展定律（ScalingLaw）：擴(kuò)大模型參數(shù)、增大訓(xùn)練數(shù)據(jù)量，或增加訓(xùn)練輪次，可以持續(xù)提升模型能力。AI訓(xùn)練成本持續(xù)攀升，Google的GeminiUltra訓(xùn)練算力成本為1910萬美元，是GPT-4的2.4倍我國AI算力供需失衡，制約人工智能技術(shù)創(chuàng)新應(yīng)用發(fā)展我國人工智能算力受芯片供給影響，供給短缺，且智算算力的區(qū)域布局分散，區(qū)域間算力資源供給與需求關(guān)系不均衡，不僅制約前沿大模型訓(xùn)練，也限制了AI+的普及。以北京為例，2022年北京市溢出算力需求1.37倍，且算力供給不足問題仍在加劇。打通環(huán)京地區(qū)的算力屏障，構(gòu)建京津冀蒙晉算力互聯(lián)互通的協(xié)同生態(tài)迫在眉睫。我國算力資源相對(duì)分散我國算力資源相對(duì)分散國內(nèi)算力多頭林立國內(nèi)算力多頭林立算力碎片化進(jìn)一步凸顯算力找不著的問題我國算力建設(shè)、運(yùn)營的主體超萬家，算力資源碎片化問題嚴(yán)重。國家級(jí)超算中心13所智算服務(wù)商20余家云服務(wù)商對(duì)地方算力資源的整合、接管效率低，進(jìn)展緩慢難以像國家級(jí)超算中心13所智算服務(wù)商20余家數(shù)據(jù)中心服務(wù)商其中云服務(wù)商截止2023年3月截至2023年上半年，三大運(yùn)營商對(duì)外可用機(jī)架數(shù)139.2萬，占全國數(shù)據(jù)中心總機(jī)架數(shù)（760萬）的18.3%。大量算力資源掌握在地方，難以被更大范圍的用戶調(diào)用。區(qū)域算力供需匹配嚴(yán)重不足（北京為例）2022年底，北京市建算力規(guī)模12414P，實(shí)際使用算力規(guī)模17053P，算力需求溢出1.37倍。京內(nèi)通算、智算資源供給嚴(yán)重不足，智算需求溢出1.89倍；超算內(nèi)需不足，供給外溢。環(huán)京地區(qū)算力成為重要支撐。人工智能會(huì)加劇北京算力需求，但受地域限制大規(guī)模的算力建設(shè)基本不可行，整合京津冀蒙晉算力資源實(shí)現(xiàn)跨地域、跨服務(wù)商、跨架構(gòu)的算力互聯(lián)互通成為解決北京算力供給的解決方案。通算10552P智算6416P超算85P力力智算3402P通算8672P超算340P9“以數(shù)據(jù)為中心的人工智能”（Data-centricAI即在模型相對(duì)固定的前提下，通過提升數(shù)據(jù)的質(zhì)量和數(shù)量來提升人工智能大模型的訓(xùn)練效果。大模型需要什么樣的數(shù)據(jù)？80%的高質(zhì)量數(shù)據(jù)與20%的模型訓(xùn)練構(gòu)成了更好的模型大模型需要什么樣的數(shù)據(jù)？80%的高質(zhì)量數(shù)據(jù)與20%的模型訓(xùn)練構(gòu)成了更好的模型GPT-4的數(shù)據(jù)規(guī)模：1.8萬億參數(shù),13萬億訓(xùn)練數(shù)據(jù)，是GPT3.5（45T）的190倍,未來大模型的訓(xùn)練數(shù)據(jù)集規(guī)模還將逐步增加高質(zhì)量高質(zhì)量大規(guī)模大規(guī)模豐富性豐富性高質(zhì)量數(shù)據(jù)能夠提高模型精度與可解釋性，減少訓(xùn)練時(shí)長獨(dú)立增加訓(xùn)練數(shù)據(jù)量、模型參數(shù)規(guī)?；蛘哐娱L模型訓(xùn)練時(shí)間，提升訓(xùn)練效果豐富的數(shù)據(jù)能夠提高模型泛化能力,避我國數(shù)據(jù)產(chǎn)量和數(shù)據(jù)存量均僅次于美國居全球第二。但AI可用、公開共享的數(shù)據(jù)占比低，多數(shù)數(shù)據(jù)仍未充分開發(fā)利用，能夠應(yīng)用至模型訓(xùn)練的數(shù)據(jù)資源有限。我國數(shù)據(jù)資源居全球第二我國數(shù)據(jù)資源居全球第二2022年我國數(shù)據(jù)產(chǎn)量達(dá)8.1ZB，同比增長22.7%，占全球數(shù)據(jù)總產(chǎn)量10.5%，僅次于美國居全球第二。9876543210截至2022年底，我國存力總規(guī)模超1000EB,數(shù)據(jù)存儲(chǔ)量達(dá)724.5EB，同比增長21.1%，占全球數(shù)據(jù)總存儲(chǔ)量的14.4%。用于用于AI訓(xùn)練數(shù)據(jù)資源有限從數(shù)據(jù)處理角度看，由于數(shù)據(jù)權(quán)屬合規(guī)、清洗復(fù)雜、隱私安全等挑戰(zhàn)，數(shù)據(jù)資源匱乏。權(quán)屬合規(guī)權(quán)屬合規(guī)清洗復(fù)雜隱私安全…從業(yè)界主體角度看，由于資金投入高、國內(nèi)企業(yè)開源意識(shí)較低，相關(guān)工作推進(jìn)困難。資金投入高企業(yè)開源意識(shí)低…資金投入高企業(yè)開源意識(shí)低…根據(jù)Epoch調(diào)查團(tuán)隊(duì)的最新研究結(jié)果，用于訓(xùn)練大模型的高質(zhì)量數(shù)據(jù)資源預(yù)計(jì)在2026年耗盡。大模型升級(jí)迭代需反復(fù)實(shí)驗(yàn)，是一個(gè)復(fù)雜的系統(tǒng)工程大模型目前仍是一種實(shí)驗(yàn)科學(xué)裝置，依靠經(jīng)驗(yàn)進(jìn)行網(wǎng)絡(luò)設(shè)置及參數(shù)調(diào)優(yōu)。模型的創(chuàng)新與基礎(chǔ)軟硬件體系加速耦合，需先進(jìn)AI基礎(chǔ)架構(gòu)、關(guān)鍵軟件棧等端到端的人工智能系統(tǒng)支撐1.模型迭代依靠反復(fù)實(shí)驗(yàn)試錯(cuò)進(jìn)行升級(jí)2.模型原始創(chuàng)新與底層硬件協(xié)同顯著加強(qiáng)?構(gòu)建新模型結(jié)構(gòu)與組件，需研發(fā)底層硬件新算子。如Flash3.新型訓(xùn)練范式與軟硬件整體系統(tǒng)耦合度加深通信帶寬計(jì)算能力系統(tǒng)能夠支撐的迭代訓(xùn)練樣本容量、控制參數(shù)更新?專用算法時(shí)代，框架、芯片或算法等任一環(huán)節(jié)的極致優(yōu)化即可大幅提升AI效果；大模型時(shí)代，需綜合考慮從集群、芯片到算法、應(yīng)用的軟硬協(xié)同優(yōu)化，實(shí)現(xiàn)系統(tǒng)收益最大化，應(yīng)對(duì)大模型對(duì)軟硬件支撐體系帶來的挑戰(zhàn)行業(yè)場(chǎng)景專用算法框架芯片 應(yīng)用應(yīng)用算法框架數(shù)據(jù)芯片集群多樣終端場(chǎng)景化部署軟硬件兼容適配高效可靠分布式訓(xùn)練我國大模型作為目前最受矚目的人工智能領(lǐng)域發(fā)展迅猛我國眾多廠商將大模型視為重要發(fā)展機(jī)遇我國眾多廠商將大模型視為重要發(fā)展機(jī)遇，積極投身大模型技術(shù)和產(chǎn)品研發(fā)。大模型應(yīng)用滲透至政務(wù)、金我國大模型行業(yè)主要參與者2024年2月國內(nèi)大模型應(yīng)用領(lǐng)域比例我國大模型行業(yè)主要參與者2024年2月國內(nèi)大模型應(yīng)用領(lǐng)域比例eAlibabaeAlibaba劃分析等場(chǎng)景劃分析等場(chǎng)景典型行業(yè)大模型滲透程度和應(yīng)用案例大模型滲透程度典型案例互聯(lián)網(wǎng)辦公●金融100%教育●交通100%制造●應(yīng)用賦能上，大模型將在“人工智能+”大顯身手規(guī)模可擴(kuò)展性強(qiáng)參數(shù)規(guī)模、計(jì)算量和訓(xùn)練數(shù)據(jù)增加可帶來模型性能持續(xù)提升多任務(wù)適應(yīng)性強(qiáng)一個(gè)模型同時(shí)支持多種任務(wù)和多個(gè)模態(tài)，甚至實(shí)現(xiàn)跨模態(tài)任務(wù)能力可塑性強(qiáng)通過模型微調(diào)、思維鏈提示等措施即可實(shí)現(xiàn)能力進(jìn)一步增強(qiáng)近期應(yīng)用布局重點(diǎn)：率先沖擊知識(shí)密集型行業(yè)近期應(yīng)用布局重點(diǎn)：率先沖擊知識(shí)密集型行業(yè)與以往自動(dòng)化、信息化替代低端勞動(dòng)不同，大模型為代表AI技術(shù)率先影響學(xué)歷和收入較高的中產(chǎn)階級(jí)，典型如編程、寫作、創(chuàng)作等知識(shí)密集型領(lǐng)域。程任務(wù)效率提升文稿撰寫成本大幅下降，兩年內(nèi)下降超99.96%，且已經(jīng)達(dá)到人類寫作的中長期中長期賦能展望：通用AI全方位、深層次賦能實(shí)體經(jīng)濟(jì)和科技前沿算法能力提升領(lǐng)域知識(shí)融合——AI賦能工業(yè)：以智能制造為主攻方向2023年9月2023年9月，習(xí)總書記就推進(jìn)新型工業(yè)化作出重要指示：推進(jìn)新型工業(yè)化，要以智能制造為主攻方向，推進(jìn)信息化與工業(yè)化的融合，鞏固已有產(chǎn)業(yè)體系的優(yōu)勢(shì)地位，開展重點(diǎn)領(lǐng)域核心技術(shù)攻關(guān)，提升關(guān)鍵產(chǎn)業(yè)自主可控能力。AI+工業(yè)：高價(jià)值到2035年AI應(yīng)用使制造業(yè)增長4萬億美元高增速中國制造業(yè)AI將在未來5年保持40%以上的增速驅(qū)動(dòng)因素：降本增效產(chǎn)品高質(zhì)量需求人口老齡化賦能多類應(yīng)用無人機(jī)設(shè)備巡檢礦物勘探預(yù)測(cè)AI節(jié)能分析采礦機(jī)器人采礦業(yè)制造業(yè)能源無人機(jī)設(shè)備巡檢礦物勘探預(yù)測(cè)AI節(jié)能分析采礦機(jī)器人工業(yè)機(jī)器人無人工廠——AI賦能工業(yè)：當(dāng)前仍以大語言模型為主，尚處初步探索階段●大語言模型專用大模型多模態(tài)大模型視覺大模型8%15%2%75%●大語言模型專用大模型多模態(tài)大模型視覺大模型8%15%2%75%工業(yè)各環(huán)節(jié)圍繞語言、專用、多模態(tài)和視覺四類大模型開展探索當(dāng)前以大語言模型為主，4類模型應(yīng)用占比：75%、15%、8%和2%通用模型的場(chǎng)景化適配調(diào)優(yōu)是主要部署方式，問答交互為主要應(yīng)用模式——AI賦能金融，打造大模型+金融新應(yīng)用范式金融機(jī)構(gòu)同質(zhì)化競(jìng)爭加劇金融機(jī)構(gòu)人力成本上升金融市場(chǎng)監(jiān)管趨嚴(yán)產(chǎn)品、服務(wù)、品牌內(nèi)容相似產(chǎn)品、服務(wù)、品牌內(nèi)容相似金融監(jiān)管政策持續(xù)出臺(tái)依賴經(jīng)驗(yàn)、驗(yàn)證難度大生成式AI能夠自動(dòng)生成營銷文案、海報(bào)，分析客戶情緒升級(jí)傳統(tǒng)風(fēng)控方式，促進(jìn)風(fēng)控時(shí)效提升、實(shí)現(xiàn)事前事中處理生成式AI生成式AI能夠自動(dòng)生成營銷文案、海報(bào)，分析客戶情緒升級(jí)傳統(tǒng)風(fēng)控方式，促進(jìn)風(fēng)控時(shí)效提升、實(shí)現(xiàn)事前事中處理模仿人類工作狀態(tài)，在電腦或移動(dòng)端自動(dòng)執(zhí)行簡單、重復(fù)、煩瑣、規(guī)則性業(yè)務(wù)流程大模型+金融新應(yīng)用范式大模型+金融新應(yīng)用范式大模型平臺(tái)》智能數(shù)據(jù)分析》產(chǎn)品設(shè)計(jì)》場(chǎng)景應(yīng)用——AI賦能民生，醫(yī)療服務(wù)全生命周期應(yīng)用價(jià)值凸顯預(yù)約就診預(yù)約就診預(yù)檢分診AI提升導(dǎo)診、分診環(huán)節(jié)工作效率，提升用戶體驗(yàn)導(dǎo)診排隊(duì)導(dǎo)診排隊(duì)AI解決醫(yī)患資源錯(cuò)配、患者專業(yè)知識(shí)缺乏，提升服務(wù)質(zhì)量診斷治療診斷治療AI提高篩查效率、降低誤診率、提升手術(shù)精度電子病歷電子病歷AI提高工作效率，幫助實(shí)現(xiàn)輔助臨床決策康復(fù)管理康復(fù)管理健康管理緩解資源稀缺，提高康復(fù)質(zhì)量；實(shí)時(shí)監(jiān)測(cè)健康狀況，減少患病風(fēng)險(xiǎn)——AI賦能社會(huì)治理，推動(dòng)安防行業(yè)智能化升級(jí)新技術(shù)將為安防行業(yè)帶來新突破AI推動(dòng)安防行業(yè)向智能化方向發(fā)展新技術(shù)將為安防行業(yè)帶來新突破n隨著我國“雪亮工程”的大力推進(jìn)，“AI+安防”在維護(hù)國家安全、重點(diǎn)行業(yè)安全監(jiān)管、治理突出治安問題等領(lǐng)域成效顯著。n“AI+安防”相較于傳統(tǒng)安防，可大幅提升安防監(jiān)控的效率和準(zhǔn)確性，為預(yù)防和應(yīng)對(duì)各種安全問題提供更加全面和智能化的支持。提升識(shí)別效率提高決策準(zhǔn)確性增強(qiáng)數(shù)據(jù)挖掘能力提升智能追蹤能力20——AI賦能科學(xué)發(fā)現(xiàn)，拓展人類智慧、提升轉(zhuǎn)化速度現(xiàn)代科學(xué)研究的三大支柱：科學(xué)實(shí)驗(yàn)、理論研究、科學(xué)計(jì)算—肯尼斯·威爾遜（82年諾貝爾獎(jiǎng)得主）科學(xué)實(shí)驗(yàn)理論研究科學(xué)計(jì)算搜索空間大、周期長、成本高依賴經(jīng)驗(yàn)、驗(yàn)證難度大維度災(zāi)難（算不動(dòng)、算不快、算不準(zhǔn)）科學(xué)智能（AIforScience，AI4S）AI指導(dǎo)和加速科學(xué)實(shí)驗(yàn)AI啟發(fā)理論發(fā)現(xiàn)