如何讓AI從“會聊天”走向“能生產”，正成為產業(yè)界的共同課題。中國新一代人工智能發(fā)展戰(zhàn)略研究院執(zhí)行院長、南開大學原校長龔克長期關注這一變革。在他看來，人工智能的價值在于與實體經濟的深度融合。

國務院在8月印發(fā)的《關于深入實施“人工智能+”行動的意見》，是國內AI發(fā)展的一個里程碑式國家戰(zhàn)略文件。國內人工智能發(fā)展的整體趨勢是推動技術與實體經濟深度融合，促進國家高質量發(fā)展。這不是為了“炫技”，而是要把技術作為生產力，真正推動經濟社會的進步。

在發(fā)展路徑上，《意見》提出了“三步走”目標。到2027年，實現(xiàn)人工智能與六大重點領域廣泛深度融合，新一代智能終端、智能體等應用普及率超70%；到2030年，這些應用普及率超90%，智能經濟成為我國經濟發(fā)展的重要增長極；到2035年，我國全面步入智能經濟和智能社會發(fā)展新階段。

在AI走向實體經濟的過程中，技術已經展示出了很大潛力。比如在工業(yè)領域，計算機視覺技術應用于產品生產線上的瑕疵檢測環(huán)節(jié)已比較成熟。有報道提到，中國至少有500萬工人需要靠眼睛去盯產品的瑕疵，憑著經驗調整生產線。計算機視覺不會疲勞，分辨率比人眼更高，導入成本也不算太高，因此在生產線上的應用廣泛。例如，不少汽車生產線上開始用AI檢測，大幅降低了漏檢率，有些甚至降低了90%以上，同時縮短了檢驗時間。

另一個典型例子是AI在新能源汽車電池領域的應用。傳統(tǒng)做法是在控制電池溫度的前提下，把電池充滿電再放光，通過時長來判斷容量，這個過程非常耗時耗能。深圳的一些工廠利用大模型學習電芯生產的數(shù)據(jù)，再加上電化學、先進材料學等知識，能精準預估電池容量。AI應用使整體電芯檢測時間減少了大約80%，耗電減少了50%以上，實測還提高了電芯容量的一致性。

類似的變化也在農業(yè)、金融等領域發(fā)生。個人估計，到“十五五”期間，人工智能與實體經濟融合產生的經濟效益將會更強勁地顯現(xiàn)出來。

目前企業(yè)在引入人工智能時，還存在不少困惑。調研發(fā)現(xiàn)，除了前面提到的一些好的案例，現(xiàn)階段企業(yè)里大量的AI應用主要集中在物流、財務、人事、客服這些非生產環(huán)節(jié)，還進不到生產核心環(huán)節(jié)。AI要真正和生產環(huán)節(jié)結合，必須和行業(yè)知識深度融合。從AI技術公司角度看，他們特別希望一個應用做出來后能大規(guī)模推廣，但如果深入實體經濟的核心生產環(huán)節(jié)，做完一家工廠的項目，到下一家工廠可能又要從頭再來，成本和投入非常高。而從工廠角度看，他們往往不太知道AI到底能帶來多大潛力。AI技術企業(yè)和工廠之間還需要一個“橋梁”，來解決兩邊融合的問題，幫助AI快速、有效地導入產業(yè)。

以前搞智慧城市建設時，出現(xiàn)過一些地方只做一個大屏給領導演示的現(xiàn)象，但實際問題一個也沒解決?，F(xiàn)在發(fā)展“AI+”時，希望大家都能從真實問題出發(fā)，這也是為什么中央在談發(fā)展新質生產力時特別強調要“因地制宜”。要以實際問題為出發(fā)點，按照風險分級，實事求是地推進技術落地。

在加速將人工智能深度引入各行各業(yè)時，現(xiàn)在更需要注意的是安全問題。如果工廠在引入AI過程中出現(xiàn)重大安全問題，可能會導致有關部門和企業(yè)對AI應用望而卻步。企業(yè)在引入AI時必須有安全意識，先從一些剛需且安全邊界可控的場景或者無人的場景切入，逐步推進。在引入生產特別是關鍵生產環(huán)節(jié)時，一定要重視模型的可靠性，評估模型可能產生的風險，在部署AI時明確風險邊界，即使出問題也要控制在可容忍范圍內。

美國已經發(fā)布了多個關于人工智能的總統(tǒng)令，突出目標是保持自身在人工智能領域的優(yōu)勢，采取的具體措施主要是放松監(jiān)管。歐洲也出現(xiàn)了放松監(jiān)管、鼓勵創(chuàng)新的動向。中國在全世界率先推出《生成式人工智能服務管理暫行辦法》，并在9月1日實施《人工智能生成合成內容標識辦法》，是全球唯一以法規(guī)形式強制要求所有生成式人工智能產生的內容必須進行標識的國家。此外，中國大力支持大模型開源的路線，開源創(chuàng)新本質上是一種開放的“眾創(chuàng)”模式。中國研發(fā)的開源人工智能模型在全球下載量中的占比達到了17.1%，歷史上首次超越了美國的15.8%。