中国AI如何“弯道超车”？浅论AI算力与与行业大模型的发展

随着ChatGPT等生成式人工智能技术的崛起，人类社会正面临着一次前所未有的科技革命。人工智能已经成为数字时代的底座和引擎，推动着经济社会的发展和变革。

【资料图】

中国已将生成式人工智能技术应用于多个领域，同时，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，这为人工智能技术创新提供了更为广阔的创新实践空间。

在大模型时代，国内产业在人工智能领域的机遇在于，针对特定行业领域的知识和业务场景需求进行优化，将具有更高的应用价值和前景。

一、算力是数字时代的底座和引擎

随着人工智能技术的不断发展，算力已经成为数字时代的底座和引擎。据数据显示，截至今年6月底，我国在用数据中心标准机架总规模超过760万台，算力总规模达到每秒1.97万亿亿次浮点运算，年均增速近30%，存力总规模超过1080EB。

这些数据表明，中国在算力产业方面有着广阔的发展前景，且已经具备了相当的实力和基础。

在人工智能领域，算力的提升不仅可以提高算法的精度和效率，还可以推动算法的创新和发展。

生成式人工智能技术是当前人工智能领域最受瞩目的方向之一，它可以通过对大量数据进行训练和学习，产生出新的、有价值的、甚至是创造性的信息。这种技术对于数字时代的底座和引擎，提出了更高的要求，需要更强大的算力支持。

二、行业大模型是通用大模型的补充

通用大模型是指大型深度学习模型，可以在多个领域中应用，具有广泛的应用前景。然而，通用大模型也存在一些短板和不足。

相比之下，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。

行业大模型的优势在于，其针对特定行业领域的知识和业务场景需求进行了优化，因此具有更高的应用价值和前景。

目前，国内的研发能力，已经逐步建立起涵盖理论方法、软硬件技术的体系化能力。一批具有行业影响力的预训练大模型正如树上的明珠，在科技的舞台上大放异彩，形成了紧跟世界前沿的技术群。

例如，华为云盘古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。

三、把握技术趋势推进行业大模型实践

在以ChatGPT为代表的通用大模型面前，我们的短板比较明显。因此，中国的机会在于行业大模型。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。

为了推动生成式人工智能技术的发展和应用，中国已经出台了《生成式人工智能服务管理暂行办法》，推动生成式人工智能基础设施和公共训练数据资源平台建设，促进算力资源协同共享，提升算力资源利用效能。

同时，该办法还鼓励采用安全可信的芯片、软件、工具、算力和数据资源，推动公共数据分类分级有序开放，扩展高质量的公共训练数据资源。

未来，中国将把握技术趋势，积极推动行业大模型的实践。一要将加强对行业大模型的研发和应用支持，鼓励科企加大投入和创新力度；二要加强与实体经济的结合，推动人工智能技术与行业应用深度融合，为AI创新提供更为广阔的创新实践空间。

四、面临的挑战和风险

然而，行业大模型的发展也面临着一些挑战和风险。首先，技术难度较大，需要具备深厚的算法和数据科学功底；其次，需要大量的数据和算力支持，成本较高；此外，还存在隐私和安全等问题。

因此，需要加强管理和监管，确保技术的健康发展和社会效益的最大化。

总之，行业大模型是生成式人工智能技术的重要发展方向之一，对于推动数字时代的发展和经济社会变革具有重要意义。

中国在算力产业方面有着广阔的发展前景，应当把握技术趋势推进行业大模型实践，加速人工智能技术与各行业应用的深度融合，为人工智能技术创新提供更为广阔的创新实践空间。

关键词：