“人工智能+”成兩會高頻詞 “+”什麼?如何“+”?
《科創板日報》3月12日訊(記者 李明明)在剛剛落下帷幕的今年兩會,“人工智能+”成爲高頻詞彙。
今年政府工作報告(以下簡稱《報告》)提出,要持續推進“人工智能+”行動,將數字技術與製造優勢、市場優勢更好結合起來,支持大模型廣泛應用,大力發展智能網聯新能源汽車、人工智能手機和電腦、智能機器人等新一代智能終端以及智能製造裝備。
就人工智能如何賦能千行百業,以及推廣應用中需要注意哪些問題等,《科創板日報》記者採訪了各行各業代表進行解讀。在“+”之後,企業代表們補上了 “ 具身智能” “教育”“安全” “ AI Agent”等詞語,在自己的專業領域“解碼”人工智能。
值得一提的是,多名業內人士指出,DeepSeek讓原本就橫亙在企業落地大模型應用中的成本與性能權衡問題更加凸顯。儘管大模型訓練和推理成本降低了,但企業實際的部署成本並不低。“一方面,需要從降低計算量的底層邏輯出發,壓低成本。另一方面,儘量做到推理引擎的標準化和算力的可重用。”
“人工智能+”激活千行百業
人工智能的迅猛發展推動了大模型與機器人技術的深度融合,顯著提升了機器人的自主決策能力和環境交互水平。
作爲一家人工智能大模型技術創新與應用落地企業,面壁智能ceo李大海告訴《科創板日報》記者,在大模型與機器人融合的 “具身智能”方面,目前,面壁智能爲人形機器人打造 “端側大腦”,落地了業界首個高效端側模型運行在人形機器人的案例。
據悉,高效端側模型與具身機器人的結合,能大大加速具身智能的快速落地。端側模型與機器人的融合,基於自然語言理解交互,泛化場景指令,端側超低指令延時,強大全面的多模態能力,高併發實時數據處理,高效硬件資源利用,場景數據隱私和安全。而面壁 MiniCPM 端側模型都已初步具備相關能力,應用潛力巨大。
在具身智能、自動駕駛等行業中面臨真實數據採集難、標註成本高、利用率低等問題。作爲一家致力於爲企業落地AI提供合成數據的解決方案商,光輪智能創始人兼CEO謝晨告訴《科創板日報》記者,報告中提到要持續推進“人工智能+”行動,這表明AI技術正在從“科研驅動”逐步走向“產業驅動”和“場景驅動”。而AI技術最終落地的瓶頸之一就是數據的供給問題,合成數據作爲真實數據的“放大器”,本質上正是爲了解決AI產業落地的痛點問題。
“首先光輪長期佈局的合成數據與仿真技術,正好滿足具身智能大規模預訓練數據缺乏的問題。其次智能製造、工業數字化的快速落地方面,過去幾年,製造業數字化的瓶頸一直在於數據難以規模化獲取,而新的政策背景下,能更好地通過合成數據技術幫助企業構建仿真環境,進行更高效、更低成本的生產優化、質量檢測和智能決策。“
數據顯示,教育在消費行業中具備剛需屬性,疊加龐大的用戶基數,AI+教育有望率先實現應用落地。
萬物引力科技有限公司創始人兼CEO肖翔峰告訴《科創板日報》記者,在AI To C教育應用方面,公司開發了一款產品 Talkface.AI ,是 AI 雅思口語教練,幫助用戶免費提升口語能力。
肖翔峰建議,政府、國有資本與科研機構、產業園區設立專項孵化通道,重點支持小企業;其次是建設先進模型/算力加速中心,鼓勵個人和中小創業者利用大模型加速各行業場景應用探索。
致力於AI+教育的北京盒智科技創始人&CEO魯雅琦告訴《科創板日報》記者,“我們看到C端智能硬件與訂閱服務會爆發,結合DeepSeek等大模型的推理能力,公司可通過低成本部署實現硬件功能升級,此外B端教育信息化與智慧校園建設也有很大的空間,解決智慧教考、智能評測、自動化批改等B端場景需求。” 魯雅琦表示。據介紹,盒智科技的核心產品爲面向兒童的隨身智能硬件,創新性地搭載自研全流程多模態模型推理架構。
作爲國內最早一批聚焦於Agent 領域的人工智能公司之一,未來式智能 Autoagents.ai 創始人 & CEO楊勁鬆告訴《科創板日報》記者,公司專注打造企業級Agent應用構建平臺。此次報告釋放出兩個關鍵信號,其一,技術產業化路徑清晰化,通過“人工智能+”明確技術擴散路徑,推動大模型落地應用,避免“重研發輕應用”的失衡;其二,將AI與新能源汽車、智能終端等優勢產業綁定,形成“技術突破—產業升級—經濟增長”的良性循環。
“這些政策若有效實施,預計將推動中國在全球AI產業競爭中獲得‘應用場景主導權’,而非侷限於基礎技術追趕。” 楊勁鬆認爲。
作爲AI安全領域的創新企業,隱拓智安 CEO張天鑫告訴《科創板日報》記者,高度關注報告中關於“統籌發展與安全”的戰略佈局。兩會代表指出,目前“90%的大模型仍處於網絡裸奔狀態”,缺乏有效的安全防護體系。
張天鑫認爲,針對端側模型的“訓練—部署—推理”全流程安全防護將成爲行業剛需,並快速催生新的安全技術與服務。建議在醫療、金融等敏感行業設立AI安全技術試驗專區,允許企業在合規監管框架下進行創新試驗,爲AI安全技術的發展提供實踐空間。
“我們看到了在DeepSeek帶來的熱度之後,各行各業擁抱人工智能的速度加快。大模型公司,應用公司和硬件公司共同配合支持 AI 在各行業落地。麥伽智能聚焦在法律科技行業,2025年會加速拓展在法院,檢察院和司法行政機關的智能輔助應用落地,業務也已經拓展到企業和事業單位的合規內控。” 麥伽智能創始人兼CEO羅成如是對《科創板日報》記者表示。
據財聯社創投通執中ZERONE統計,2023年至今,人工智能賽道共有741家公司發生1027起融資事件,1795家機構參與投資,奇績創壇(38起;34個項目)、紅杉中國(18起;15個項目)、啓明創投(15起;11個項目)、藍馳創投(13起;10個項目)、阿里巴巴(13起;9個項目)等投資機構活躍,可統計到的融資金額爲622.96億元。
“降本提算” 讓更多企業用得起大模型
年初DeepSeek的橫空出世,將人工智能帶入了“深思考”時代,這不僅加速了AI行業的滲透速度,也令算力迎來了一輪新的挑戰。
如何在保證性能的前提下,系統性降低千億級大模型的部署成本?在此背景下,聚焦智能算力優化的AI Infra賽道崛起。AI Infra,是指在大模型生態系統中,鏈接算力和應用的中間層基礎設施,包括硬件、軟件、工具鏈和優化方法等,是一個整體解決方案。
基流科技創始人兼 CEO胡效赫對《科創板日報》記者表示,DeepSeek-R1的全球影響力是對scaling law在推理和合成數據方向發展的強有力印證,這將進一步驅動算力需求的指數級增長。
當下,算力成本與效率的矛盾日益尖銳,單純堆砌硬件規模已難以滿足可持續發展需求,需通過跨層優化實現“質效雙升”,軟件系統層面需優化分佈式訓練框架與資源調度算法,從而在單位算力成本下釋放更高模型性能,這正是基流核心能力所在,也是與傳統設備廠商的核心差異。
同時,基流研發了端到端國產智算通信系統,實現智算網絡中網卡和交換機芯片的國產化替代。預期將降低對進口設備的依賴,提升算力自主可控能力。
據瞭解,千億參數模型私有化部署仍困難重重。成本高昂、推理耗時久,中小企業預算壓力巨大,部分企業無奈選用輕量化模型,這在一定程度上犧牲了模型的智能化水平。
聚焦AI infra賽道的趨境科技CEO艾智遠告訴《科創板日報》記者,從基礎設施廠商的視角來看,國家關於大模型應用和算力建設的政策導向,需要更加考慮到怎麼在終端有限設備上調用算力、優化算力利用率。“一方面,需要從降低計算量的底層邏輯出發,壓低成本。另一方面,儘量做到推理引擎的標準化和算力的可重用。”
艾智遠提及,公司特別推出 “以存換算”,通過這一新思路,能夠充分利用存儲資源,釋放存力作爲對於算力的補充,尤其在RAG(包括檢索和生成)場景中,響應延遲能夠降低20倍,性能提升達10倍。
一位頭部機構投資人告訴創投日報記者,趨境科技憑藉 “以存換算” 和全系統異構協同優化的創新路徑,一定程度解決千億參數模型落地過程中的 “成本高企” 與 “性能折損” 雙重困境。
據瞭解,在AI Infra賽道,既有硅基流動、無問芯穹、潞晨科技、清昴智能這樣的初創企業,也包括阿里雲、華爲雲、字節火山引擎、百度這樣的大廠,其通過各自的雲服務平臺,提供全棧AI Infra能力,涵蓋算力調度、模型訓練和部署等。