我国人工智能产业如何实现“弯道超车”(2)
算力是数字时代的底座，也是人工智能发展的引擎。据工信部最新消息，截至今年6月底，全国在用数据中心机架总规模超过760万标准机架，算力总规模达到每秒1.97万亿亿次浮点运算（197EFLOPS），算力总规模近五年年均增速近30%，存力总规模超过1080EB。
中国工程院院士刘韵洁表示，我国的算力产业有着广阔的发展前景，因为中国是制造大国，实体经济对于算力有着很大的需求，游戏、AR、VR等消费领域对算力的需求也很大。“有政策支持和技术发展，算力随取随用的前景可以期待。我们未来能够实现像使用水、电一样使用算力。”
但他同时强调，我国的算力网络要想满足大模型的需求，就需要方方面面协同发展。比如，建立通用大模型或行业大模型都需要训练数据，这就需要把行业的数据保护好、利用好、管理好。
把握技术趋势推进行业大模型实践
生成式人工智能的功能远不止提供信息内容服务，其可以作为“技术基座”给金融、医疗、自动驾驶等多个行业领域赋能，未来将成为社会的“技术基础设施”。《办法》明确鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系。
“在以ChatGPT为代表的通用大模型面前，我们的短板比较明显。”刘韵洁在2023中国算力大会直言，“中国的机会在于行业大模型。”
通用大模型一般指在多个领域应用广泛的大型深度学习模型，行业大模型则是专门针对某个特定垂直行业所设计的大型深度学习模型，这些模型通常在特定行业中使用的数据集上进行训练，以提高在该行业中运用的准确度和效率。比较典型的行业大模型，有金融行业的风控模型等。
刘韵洁介绍，基于通用大模型的基础能力，针对行业垂直领域知识和业务场景需求，发展行业大模型已成为技术发展的必然趋势。一方面，行业特定的知识积累和经验可以被应用到模型中，提高模型的质量和准确性；另一方面，行业大模型可以通过学习不断更新迭代，帮助企业更好地理解行业趋势，做出更为准确的商业决策。
目前，国内已逐步建立起涵盖理论方法和软硬件技术的体系化研发能力，一批具有行业影响力的预训练大模型蓬勃发展，形成了紧跟世界前沿的技术群。以华为云盘古大模型为例，据报道，该大模型已经陆续推出矿山、药物分子、电力、气象、海浪等大模型，在各行业落地创新项目超1000个，通过提供先进算法和解决方案，深入大模型的全栈自主创新，加快推动算力国产化。
同时，相比其他国家，中国拥有庞大的实体产业基础，并正加快构建现代化产业体系，对于人工智能技术与行业应用的深度融合有着更庞大、更迫切、更具价值的实际需求，为人工智能技术创新提供了更为广阔的创新实践空间。这也是在大模型时代，国内产业在人工智能领域的机遇所在。
(责编：杨曦、陈键)
