三大要点驱动我国人工智能发展

源自：中国科学报

---

▲　李太豪 汪严磊
　　近10年是我国发展人工智能（AI）并取得突出成绩的10年。当前，从AI相关研究和发文数量、专利数量上看，我国已经位居全球第一。
　　现阶段，AI技术主要聚焦于信息处理策略的拟人化和方式的智能化，由此延伸出成千上万的产业应用场景。其中，第二产业和第三产业是实现上述技术转化应用的重点。
　　然而，我国在工业生产方面的整体水平还处于基本实现数字化的阶段。只有少数的领军企业实现生产的智能化进程。可见，我国现阶段在AI技术的应用和实践上与科研和创新水平几乎脱钩。相反，美国及其他西方国家在AI的转化应用方面却繁荣发展。对此，笔者将中美两国的AI转化应用情况进行对比，总结出三大发展驱动要点。
　　第一，加强业界力量参与，提升主导地位。AI是一种以应用端需求为研究策动的前沿技术。因此，行业和企业单位应成为AI技术发展的核心力量。然而，国内AI技术发展始终以科研机构或院校为驱动核心，导致研究成果与应用实践青黄不接，这样的认知需要改变。纵观国内在AI技术领域发展和应用繁荣的企业，如百度、腾讯、阿里巴巴、网易等，都在内部设立研发机构驱动技术的迭代和创新，如百度研究院、网易伏羲实验室等。个别领先企业还在技术转化和开发能力得以夯实的基础上，向更加前端的理论研究领域进行拓展，如阿里达摩院。在实际的技术研究过程中，这些机构扮演着项目管理者、顶层设计者、资源管理者等角色，而科研机构或院校更多是参与者和协同者。因此，加强社会力量尤其是企业在AI研究方面的参与，鼓励企业作为研究和发展的主导方，将更有利于推动AI相关技术的应用普及和发展。
　　第二，优化科技组织运作，推动研究效能。AI是一种根据应用端需求变化进行敏捷迭代的前沿技术。因此，在新场景和新需求的驱动下，快速找到构建方案并开发出符合需求且性能强、运行稳的子技术十分重要。在日益激烈的市场竞争环境下，很多尚无能力出资建设和运营自有研发部门的企业，就只能向符合能力要求的科研机构或院校提出合作需求。然而，国内大部分科研机构和院校在人均科研及技术转化产出方面的周期很难满足现在市场和企业所需。导致这一现象的直接原因是科研机构和院校在员工效能上的管理机制尚不健全。
　　目前，很多企业通过将业务成本和员工工时考核相绑定的形式计算员工绩效，并形成高效能的组织行为模式。比如，很多智力服务型企业要求员工填报8小时工作时间中每一个小时在某项业务上的占比。这一占比数据与该员工的小时用工成本相关联，因此可以计算出业务对外报价中员工用工费用的占比。当员工在某项业务上所填报的时间过多就会导致实际用工费用超出业务所要求的成本阈值，这就会导致该笔业务经营亏损。显然，这种操作方式实现了对业务成本和利润的精确计量以及对员工工作效能的有效记录，形成了以工作效能而非单纯工作体量为导向的组织行为促动方式。在这样的机制加持下，整个组织的全面效能提升将会得到更好的保障。当然，这种方式能否顺利应用于国内科研组织和院校仍需研究、权衡和尝试。
　　第三，构建多元角色生态，输出全面价值。AI技术的应用涉及社会力量的方方面面。在理论研究开发上，科研机构和院校以及领军企业的研究部门是主要力量；在产品转化封装上，当前市场上的诸多互联网企业将形成核心产能；在价值输出实现上，擅长数字化和商业咨询的机构及业界企业将成为核心，并确保相关技术价值转化的效能。另外，上述3个领域在协同时，会涉及知识产权机构、投融资机构、孵化器/加速器等。因此，在一个原始需求变为真正行业价值载体的过程中，涉及的角色是多元的。
　　当前，我国已形成了囊括上述所有角色的开放市场环境。但是，在实际协同过程中，每个角色仅关注自身所处环节。这就对整个价值生态的全面协同和科技创新价值的流通及变现造成阻碍。关联方除了要意识到自身在整个价值环节中的角色和定位外，也要时刻考虑和融入前后端协同方的价值和利益。唯其如此，才能真正形成生态网络的共赢。
　　2021年，德勤中国公司在一项关于“创新经济时代下商业特征描述”的研究中明确提出，在以创新和科技为驱动的商业市场中，去中心化的生态合作网络将成为实现科创价值落地的重要业务阵型。与过去的单向或循环供应链阵型不同，在特定业务或项目的生态合作网络构建中，价值的关联双方应该形成价值共生关系，即在同一项业务下，一方的价值增长能够引发另一方的价值增长。这样的生态合作网络在未来AI发展进程中将越来越普遍，从而更好地打通AI领域基础研究-应用研究-转化应用-规模输出的创新价值链。
　　目前，我国在下一代AI技术的研究和开发上已经取得部分突破。2022年，之江实验室跨媒体智能研究中心已经成功开发了包含文本、图像、视频和电生理等多模态的融合情感计算技术。在此基础上，越来越多的AI技术将实现对人类全面心智能力的模拟，从而实现机器的全面智能。这些技术一旦在业界进行转化和应用，所引发的产能提升是量变向质变的跨越，而推动这些技术的落地势在必行。

＠　联系方式
　　分别为之江实验室跨媒体智能研究中心、德勤·科学加速中心）