文章主题：人工智能, 发展进程, 国内市场
人工智能的发展进程让人喜忧参半。
在过去五年到十年间，人工智能（AI）在全球范围内取得了显著的发展，其增长速度远超全球信息技术市场的平均水平。然而，当我们把时间线追溯到五十到六十年前，与二战后迅速崛起的信息技术相比， AI 的出现显得相对较晚，其发展历程也相对较短，目前仍处于初级阶段。
如此强烈反差，只是AI领域诸多矛盾现象的冰山一角，国内市场的数据可呈现更丰富的层面。
根据中国互联网协会发布的报告，2020年我国人工智能产业的规模达到了3031亿元，同比增长了15%，这一增长速度超过了全球平均水平。然而，值得注意的是，尽管我国人工智能产业发展迅速，但在各行业中，其应用渗透率的分布并不均衡。具体来看，电子行业是渗透率最高的行业，达到了10%以上，而汽车、石化、制药等行业渗透率仅在5%～10%之间，建材等传统行业的渗透率则低于5%。这些数据充分反映出我国人工智能产业发展的不均衡性，未来需要进一步加强各行业的普及和应用。
“表面上看，看多与唱衰只是关于人工智能发展的两种不同观点，但要真正突破迷茫，我们需要深入探讨滋养AI成长的土壤。据《IT创事记》报道，人工智能的发展壮大并非偶然，它源于人才储备、AI技术行业融合以及开发模式变革等多方面因素的综合影响。因此，若想拨开迷雾，我们需要从这些根本性问题入手，进行深入反思和探讨。”
令人欣慰的是，走在时代前列的人才已经开始采取行动。近期，在成都举行的华为云AI院长峰会上，包括中国科学院和中国工程院院士在内的国内外知名学者，以及我国30多所顶级大学的40多位院长、教授和专家，共同深入探讨了人工智能的最新技术发展动态，分享了行业领先的技术见解，并尝试找出加速人工智能前沿理论研究成果转化的途径，以及构建新型人才培养和学科体系的新模式。
华为云AI院长峰会嘉宾合影
产学研协同合作，预示着国内AI土壤将进入持续改善的良性循环。
人才培养是AI健康成长的根基
在探讨人工智能（AI）的健康发展时，我们需要关注一个关键因素，那就是人才。正如动植物和微生物的活动程度对于土壤的生产力具有决定性作用一样，人才的数量和质量对于AI的发展也至关重要。根据权威数据显示，我国AI领域的人才规模远低于美国，而顶尖人才的占比优势更加明显。这种状况亟待改变，以促进我国AI技术的更好发展。
高校在AI人才的培养方面扮演着关键角色。自2019年起，人工智能已被纳入大学本科专业，同时，硕博研究生的培养也逐步展开。作为一门新兴学科，AI在边界设定、课程设计以及师资力量等方面仍有待进一步的完善，然而，其千里之行已始于足下，这一步的迈出具有重大的历史意义。
人工智能基础理论的构建既是AI产业快马加鞭的推进器，也是催生高端学术人才的孵化池。图灵机、信息论、控制论奠定了现代计算机产业发展的基石，而人工智能在基础理论层面建树有限，可解释性存在缺陷，谋求理论研究重大突破是高校义不容辞的责任。
浙江大学计算机学院教授教育部人工智能协同创新中心主任庄越挺
与此同时，跨学科、交叉性的教育模式创新则是培养AI复合型人才的有益尝试。在接受《IT创事记》采访时，浙江大学计算机学院教授、教育部人工智能协同创新中心主任庄越挺阐释了浙大“AI+X”的人才培育思路：采用计算机学院与其他学院合作的双导师制，将人工智能和医学、法学、经济、体育等学科交叉教学，取得了不错的效果。
北京航空航天大学人工智能研究院常务副院长李波
在打破学院壁垒、重塑知识体系的基础上，提高学生动手操作、解决实际问题的能力尤为重要。北京航空航天大学人工智能研究院常务副院长李波认为，产学研应该紧密结合，可从企业请客座教授或联合课题攻关，提高学生介入应用场景和工程项目的能力。
苏州大学计算机学院和软件学院院长张民认同这一观点，他用“愉快”来形容与华为云的合作：“合作取得系列研究成果，而且学生作为项目的主要研发人员得到了锻炼和培养。企业也可以充分考察学生，优秀的学生会拿到好的工作机会”。
苏州大学计算机学院和软件学院院长张民
不难看出，企业多层次、全方位地参与高校人才培养，是AI人才规模化、实战化的必由之路。华为云Marketing部部长董理斌表示：从顶层设计到产品规划，从数据标注、模型训练再到模型泛化，企业需要不同类型的AI人才，这与高校的人才培养思路不谋而合。在2020年首届华为云AI院长峰会上，华为云就发布了“AI十百千”、“AI产学研”、“AI俱乐部”、“AI训练营”、“AI人才汇”五大人才培养计划，推行至今已取得丰硕成果。
华为云Marketing部部长董理斌
在AI十百千学术计划中，华为云联合各大高校的老师和学生开展数十期论文复现活动，鼓励全国高校师生积极参与基于华为云一站式AI开发平台ModelArts，对AI经典论文进行学习、复现和解读。截至目前，“AI十百千”学术计划共完成超过百篇经典论文复现，并将复现的经典论文算法上线于AI Gallery，供开发者学习和使用，让更多的AI学习者更快地掌握AI。
值得一提的是，华为云还与上海交大、中国科技大学、苏州大学、中国矿业大学、暨南大学等多所高校联合成立超过26个AI俱乐部（含MDG社区），组织逾百场AI主题活动，通过AI知识竟赛、MDG 技术沙龙、实战演练技术分享等环节向学生普及AI技能，累计参与者逾千人。
此外，华为云联合上海交通大学，已共建三届华为云人工智能大赛无人车挑战杯。大赛依托华为云一站式AI开发平台ModelArts、端云协同多模态AI应用开发套件HiLens及无人驾驶小车，旨在全面锻炼和提高参赛选手的AI解决方案能力及无人驾驶编程技巧，如今该大赛已成为无人车领域的顶级赛事。
知识与数据双轮驱动
正如兼容性、酸碱度是衡量土壤潜在活力的重要指标，AI技术与行业知识的结合程度也会影响人工智能的渗透进程。在各种路径探索中，知识计算是最被看好的方向，方法论上的突破有助于勾勒未来的路线图。
数据和知识是驱动AI前行的两个车轮，二者相辅相成，不可偏废。但在相当长一段时间里，大数据受重视程度更高、发展速度更快，而知识图谱的研究与知识计算体系的构筑稍显落后，导致很多行业的数字化转型浅尝辄止。
华为云语音语义创新Lab主任&首席科学家袁晶博士
痛点中也蕴藏着机遇。华为云语音语义创新Lab主任&首席科学家袁晶博士向《IT创事记》透露：“我们更关注AI怎么和千行百业的应用场景去结合，以知识计算为核心构筑整个认知能力，并进行技术布局。”
华为云与中国石油大学的合作案例，可以证明机理模型知识与数据驱动的融合，能够更有效地解决行业难题。双方自2019年起从石油勘探的地震波入手，通过地震波反馈的各类数据，研究智能油气田的相关课题。
油气开发的全生命周期环节众多，主要业务逻辑异常复杂，纯数据驱动不可能达成决策目标，因而需要依托完备的知识体系——油气层到底在哪里、到了井口以后怎么控制产量等问题才能找到解决方案。经过两年多的努力，双方的合作结晶将作为生产系统很快在中石油的油田全面部署。
以知识计算的方法论为牵引，校企协作模式更容易催生优秀成果：苏州大学-华为联创实验室的全栈式可定制自然语言处理项目，创立并研制出业界首个多粒度分词、语法分析统一建模方法，以及短文本和超长文本事件抽取模型和平台,并以云服务形式赋能行业客户；华为云、华为诺亚方舟实验室、哈尔滨工业大学联合研发中文医疗信息处理模型，提出KGMask方法，在信息抽取、文本分类和语义匹配等单项任务中大幅领先，在CBLUE榜单总成绩荣登榜首。
从“以大为美”到“落地为荣”
与科学施肥、育苗可以提升土壤产出效率相似，预训练大模型可谓AI开发从小作坊迈向工业化的催化剂。眼下，千亿乃至万亿级别的大模型风起云涌，如何将“以大为美”转化为“落地为荣”，任重而道远。
华为云人工智能领域首席科学家IEEE Fellow田奇
“如果从应用场景倒推回来，遵从以终为始的思路，就可以化解很多关于大模型的争论。”华为云人工智能领域首席科学家、IEEE Fellow田奇认为，AI技术要真正实现大规模应用、低成本复制，必然要经历标准化、模块化的过程，离不开产学研的紧密合作。
例如：端侧的应用必须要做模型的蒸馏，高校在小模型上的创新能力很强，产学协作空间巨大；大模型训练方面，目前NLP和CV采用不同架构，未来多模态统一架构可实现更高效的训练和推理，企业与高校、科研院所的合作机会将成倍增加。
西安交通大学与华为云在抑菌和抗肿瘤药物研发合作中，就充分挖掘了预训练大模型的价值。来自ICU的统计显示，超过5成以上的死亡病例都与细菌耐药有关，但由于投入产出的回报周期过长，多年未有新药面世。
借助华为云盘古药物分子大模型，西安交大第一附属医院发现一款广谱抗菌化合物，使用结构优化器可提高小分子化合物与目标抗菌靶点蛋白的结合。在药物发现过程中，联合团队还使用大模型的属性预测器，对生成的化合物实时评估成药性指标，以及后期量产需要考虑的理化指标。
以更宽阔的视角看，AI大模型很可能带来科学研究与产品研发的范式变革。科研工作通常包含前期实验、理论建模、计算机仿真、大数据挖掘等阶段，大模型的涌现会颠覆各个环节的运作方式，甚至成为AI进入下一个时代的跳板。
身处异国他乡的著名作曲家德沃夏克，受到印第安原住民音乐和黑人灵歌的启发，创作了人生中的第9部交响曲《自新大陆》。华为云与高校在AI领域的探索，同样要经历很多跨界的“刺激”，才有机会找到值得共同奔赴的前程——前者有知识计算+大模型，后者有基础理论+交叉学科，“四手联弹”方能奏响最强乐章。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
