1.“AI+”重构行业生态 人工智能产业前景广阔
人工智能与各行各业的联系紧密。人工智能与工业结合推动了工业4.0，与家居结合产生了智能家居，赋能汽车带来了无人驾驶，医疗加上人工智能产生了智慧医疗，诸多如此。这些产业在当下所形成的形式与体量，是过去所不能比较的。
例如在医疗方面，很多的医疗设备都应用了人工智能技术，例如自动化手续设备、医疗管理系统、个人健康管理等方面。智慧医疗的市场规模近千亿级，历经疫情市场对人工智能医疗设备的认知进一步提升，市场需求也在保持较快增速发展。
在金融方面，数字人民币的推出，进一步打破国际金融的垄断局势。为了推动金融系统的智能化升级，最近两年来，从审批到审计再到注册，我国做了大量的数据积累。
在交通方面，应用智能的系统可以帮助提高交通的安全水平，减少道路拥堵。在智慧城市建设领域里，我相信每个城市都会将智能交通作为关注的重点。
除此之外，还有教育、公共安全、商业服务、能源等方面，我相信各行各业都能找到与人工智能的结合点。
人工智能产业有三个基本元素，第 一是原材料和数据；第 二是加工设备，我们也叫算力；第三是算法。同样的设备、不同的算法在人工智能产业里面发挥不同的作用。
在我国人工智能产业链中，上游产业为数字产业，数字经济是人工智能的一种新形式；中游产业与半导体芯片的算法相关。AI芯片分有多种类型、多种用途，产业需求很旺盛，但是我们的供给能力还不够强。这也意味着我们的人工智能产业仍有很大的发展空间，近年来无论是上、中、下游都涌现了很多新企业。随着人工智能产业的发展，一定程度上可以帮助解决就业问题。
2.人工智能由弱到强 多维度技术融合走向实践应用
人工智能是希望让机器人学习人一般思考。
早期通常称为弱人工智能，即让机器模仿人的能力进行推理。早在上个世纪九十年代，我国就发展了专家系统，以某种数据形式存储在计算机里后，计算机可以根据问题回复。但是机器本身是没有感受的，只是根据原有的问题进行回答。
由弱到强，强人工智能是可以达到人类思维级别的人工智能程序，有自我学习和理解复杂概念的能力。深度学习、因果推理和大数据是强人工智能的引擎和燃料，所谓的大小模型都依靠学习过程中的数据积累。强人工智能可以理解复杂的概念，而过去的弱人工智能是比较简单的、不具有人的意识。我们希望它有一天可以理解问题、理解解决问题的方法，这是强人工智能重要的特点。
再进一步的超人工智能，方法会不一样，尤其是中国现在人工智能的发展途径与国外有一些差异。我们希望把人工智能作为一种工具，帮助我们解决现有的困难。而国外的研究，则希望把人工智能改造为生物智能和非生物智能的结合，通过人工智能使人有非生物式的智能。这两条路大家都在走，但哪一条路更好走，现在还在讨论阶段。
今天，如果你想做一个人工智能的技术中心或是研究院，需要掌握哪些要素，以下几个方面值得关注：
· 一个是大数据分析和机器学习，另外还有因果推理。我国现在这方面的人才储备较弱。虽然我们的数据比较多，但是发生问题以后，在“这个结果是如何发生的”、“是什么原因导致的”等这些问题上的研究比较少，积累的工具和系统也比较少。
· 还有一个是语音识别方面，现在已经有公司在做了。接下来是计算机视觉、无人驾驶和智能机器人。其中，机器人产业在人工智能产业中是规模最 大的，根据发展趋势显示，智能机器人发展前景广阔。
· 这些不能单单作为一项技术，也要和其他的应用相结合，我们希望可以将多种技术进行融合。
3.人工智能催生全新经济形态
人工智能产生了很多新的经济形态，这些经济形态是过去我们没有遇到的，比如数据经济、物联经济、长尾经济、服务经济、分享经济、普惠经济、平台经济、产销者经济、协同经济和智能经济。我们围绕几个典型的经济形态展开探讨，分析人工智能在当中的推动作用。
01 数据经济
在我国，数据是重要的要素。农耕文明时代的基础资源是土地，工业文明时代是原料，数据则是数字经济时代的基础资源。数据经济的持续发展依赖于无数已经崛起和即将崛起的数字经济企业，总体来说可分为融合应用、数据服务、基础支撑三大类细分市场。
很多城市建了大数据局、大数据交流中心，数据作为一种产品和商品慢慢受到社会的认可。在数据变成可交流的商品之前，还有不少的工作要做。
第一是融合数据。将有价值的数据筛选，并与行业应用结合。我相信数据以后会变成很重要的服务于大众的商品。
第二是发展服务经济。数字经济推动了服务经济的转型和升级。
第三是发展云计算和通信。云服务进一步发展扩容需要底层通信技术的建设和升级，通信厂家也因为人工智能产业的发展而发展。换句话说，这两个行业是相辅相成的。
02 工业互联网
工业互联网是一种服务经济，当中有三种类型的服务：工业数据、智慧工厂、应用服务。
· 工业数据
其一，通过物理终端收集一些原始数据。我们的业务流程中有很多业务相关的知识，这些数据是开发工业软件必须用到的。我们的研发工具开发需要数据，生产工艺也是一种数据的来源。对于这个数据怎么加工，我们要代码化、参数化和图形化。
其二，我们要建大模型。模型主要分成两大类型，第一种是做业务逻辑类的模型，主要是做成理论模型，包括场景的布点模型、生产工艺的模型、生产过程发生故障的模型、数字孪生的仿真模型等；第二类模型是和数据驱动相关的，包括前面提到的机器学习、数据挖掘、对数据进行关联分析等。ChatGPT属于第 一类，它是和业务模型相结合的。
· 智慧工厂
智能生产包括优化工艺、减少过程、提高效率。大家通常讲的工业互联网，区别于工业互联网的研究中心或者研究院，它对于海量的数据进行处理，尊重云和端三者之间的协同，支持分布式计算，加强网络协同。大家遇到了一些网络问题，公域网和端怎么协同，是我们考虑的问题。
· 应用服务
有两种不同的架构。市场上，从整体上看，每个平台有自己的业务，另外是以微服务架构为支撑的。换句话说，每个用户可以在这个架构上根据自己业务的需要，把这些微服务拼装成一个需要的模型。因此可以做很多的工作，比如对于企业整个生产状态的感知，可以对数据进行实时分析，领导可以利用实时分析的结果进行科学决策，然后推进精准执行。
03 物联经济
在数字经济时代，无处不终端、处处皆计算的移动技术，让联系人与人的互联网，快速进化成联系人与物、物与物的物联网。伴随着物联网演进，物联网经济也随之发展。 在物联网经济发展过程中，零售业是物联网经济的先行者，其次促进了相关前沿产业技术的发展。另外，也需多加关注医疗领域的物联网经济，包括移动医疗器械、医联体、互联网的医疗、分级诊断等。
04 智能经济
智能经济最早定义于2011年。在欧洲2020战略上，它有两个发展趋势。第一个趋势是，机器正在很大程度上替代人类的工作，现在很多人提到繁琐、危险劳动的工作会被机器大量替代；第二个趋势，在人工智能时代，从企业税收上构建起了有利的经济生态，可以让社会中的每个人从技术发展中受益。
智能经济是把人类的智慧和知识转化为人工智能的过程。要实现这样的转化，就需要人工智能技术，以及以人工智能为内核的软件和智能制造的协同发展。首先，我们要了解智能经济到底有哪些成分。
智能经济有三种不同类型的智能产业：
第一类是基础类型的智能产业。再把它分成两个分类，一类是数据与计算，另一类是硬件。数据与计算里面有数据资源和云，硬件层面主要是芯片和云平台，其中，国家已经支持了企业的人才，积累了很多方案。
第二类是技术类型的智能经济产业链，首先是感知智能，其次是认知智能。
最后一类是种类最丰富的、数量最 大的应用类的智能产业。
人工智能和智能产业之间有什么关系？智能制造的主要特征就是走向数据化、网络化和智能化。
第一步，从数据化到智能化，要从小数据到大数据。为智能制造提供数据基础。
第二步，从智能化进一步发展。从过去已有的计算机辅助系统到智能认知，能够促进我们实现产品全生命周期的智能化。但多数是碎片化的产品，缺乏一个完整的数据平台，也缺乏数字发展的底座，今后我们要推动向这个方向发展。
最后关于网络。我们从局部网络到泛网，提供智能制造到互联互通的网络基础，我相信网络基础在我国的发展是比较快的。这几年国家5G技术的发展，提供了一个基本的硬件支撑。在这个支撑上，可以发现服务可能是各个行业努力打造的方向。
4.云-边-端一体、芯片、算法、制造，四维驱动智能企业的诞生
从一个企业变成智能企业，首先要支持云、边、端全覆盖的运维架构。
我们国家在前几年花费大量资金做基础建设，发展到今天，我们应把注意力放在对已有的技术和生产能力的运营和维护上，而不是接着投钱建更多的工厂。运维是我们整个经济发展重要的元素和环节，其中，智能工厂要配置大量的智能感知端，比如智能网端、边缘计算和云计算。智能运维包括设备管理、产品质量控制、生产监测和预警、故障定位等，所包含的内容还是非常丰富的。我们可以从分析中看到创新的框架。
今天是创新大会，每个企业都有创新的可能。智能经济是非常先进的经济，还在不断地创新中。我们从四个方面来分析还可以做什么创新。
从技术方面来看，有和硬件有关的芯片，可以做感知可见光和红外线、区域雷达、数据的产品库和知识库。从工业互联网角度来看，这些芯片应用了4G+5G，通过蓝牙和无线夯实了网络基础。
第二，从算法领域来看，我们要在图像处理、计算机视觉、目标识别等方面有更加精细化的产品，现在还存在一定的距离。这其中提到的已有的学习技术，如强化学习、语言学习、深度学习、迁移学习等，都是在科技上的算法。
第三层面是运维。我们要建设数据中台、业务中台、任务中台，这是我们协同分析和需求设备。设备概念近期提到的比较多，为什么做设备？因为很多技术是通用的，通用技术应用到行业中还需要进行改造，在改造的过程中，如果没有龙头企业牵引，每家每户的工作量消耗非常大。我们要支持设备中心的建设，相信在海曙区会有相应的布局。
最后是关于制造。我们支持柔性制造，支持全流程的监控、自动化的测试，发展数字孪生技术在企业界的应用。
首页