拼算法模型還是拼新型基礎設施？

　　人工智能技術賦能各行各業，具有典型的長尾效應。我國80％的中小微企業需要的是低門檻、低價格的智能服務，因此，我國智能計算產業必須建立在新的數據空間基礎設施之上，率先實現智能要素（數據、算力、算法）的全面基礎設施化成為關鍵。這項工作可比肩20世紀初美國信息高速公路計劃（即信息基礎設施建設）對互聯網產業的歷史作用。

　　信息社會最核心的生產力是網絡空間（Cyberspace）。網絡空間的演進過程是從機器一元連接構成的計算空間，演進到人機信息二元連接構成的信息空間，再演進到人機物數據三元連接構成的數據空間。從數據空間看，人工智能的本質是數據的“百煉成鋼”，大模型就是對互聯網全量數據進行深度加工后的產物。在數字時代，在互聯網上傳輸的是信息流，是算力對數據進行粗加工后的結構抽象；在智能時代，在互聯網上傳輸的是智能流，是算力對數據進行深度加工與精煉后的模型化抽象。智能計算的一個核心特征就是用數值計算、數據分析、人工智能等算法，在算力池中加工海量數據后得到智能模型，再將該模型嵌入信息世界、物理世界的各個過程。我國政府已經前瞻性地提前布局了新型基礎設施，在世界各國競爭中搶占了先機。

　　首先，數據已成為國家戰略信息資源。數據具有資源要素與價值加工兩重屬性。其中，數據的資源要素屬性涵蓋了生產、獲取、傳輸、匯聚、流通、交易、權屬、資產、安全等各個環節。我國應繼續加大力度建設國家數據樞紐與數據流通基礎設施。

　　其次，AI大模型就是數據空間的“算法基礎設施”。以通用大模型為基座，構建大模型研發與應用的基礎設施，支撐廣大企業研發專用大模型，服務于機器人、無人駕駛、可穿戴設備、智能家居、智能安防等各個領域，覆蓋長尾應用。

　　最后，全國一體化算力網建設在推動算力基礎設施化上發揮了先導作用。算力基礎設施化的中國方案，應在大幅降低算力使用成本和使用門檻的同時，為最廣范圍覆蓋人群提供高通量、高品質的智能服務。

　　算力基礎設施的中國方案需要具備“兩低一高”的特征。

　　在供給側，大幅降低算力器件、算力設備、網絡連接、數據獲取、算法模型調用、電力消耗、運營維護、開發部署的總成本，讓廣大中小企業都消費得起高品質的算力服務，能夠積極開發算力網應用。

　　在消費側，大幅降低廣大用戶的算力使用門檻。面向大眾的公共服務必須做到易獲取、易使用，像水電一樣即開即用。使用者能夠像編寫網頁一樣輕松定制算力服務、開發算力網應用。

　　在服務效率側，中國的算力服務要實現低熵高通量。其中，高通量是指在實現高并發服務的同時，滿足端到端服務對響應時間的要求；低熵是指在高并發負載中出現資源無序競爭的情況下，系統通量不會急劇下降。簡單來說，“算得多”對我國而言尤其重要。

　　著重賦能虛擬經濟還是發力實體經濟？

　　“AI+”的成效是人工智能價值的試金石。我國傾向于實體經濟與虛擬經濟同步發展，更加重視發展裝備制造、新能源汽車、光伏發電、鋰電池、高鐵、5G等實體經濟。

　　我國制造業在全球產業門類最齊全、體系最完整，具有場景多、私有數據多的特點。應精選若干行業加大投入，形成可低門檻全行業推廣的范式。例如，選擇裝備制造業作為延續優勢的代表性行業，選擇醫藥業作為快速縮短差距的代表性行業。人工智能賦能實體經濟的技術難點，是AI算法與物理機理的融合。

　　人工智能技術成功的關鍵是讓一個行業或一個產品的成本大幅下降，從而將用戶數與產業規模擴大10倍，產生類似于蒸汽機對于紡織業、智能手機對于互聯網業的變革效果。我國應走適合自己的人工智能賦能實體經濟的高質量發展道路。

（作者：中國工程院院士　孫凝暉）