新一輪科技革命到來，產業也正在發生巨大的變革。“智能+”已經不是停留在紙面上的暢想，而已經逐漸落實到日常生活的方方面面。疫情期間，人工智能在醫療、公共管理、物流配送方面的賦能，讓更多人感受到了技術驅動行業發展帶來的巨大便利。

人工智能和實體經濟深度融合發展是產業變革的新路徑，也是新的經濟增長點，而在疫情的催逼下，國內人工智能產業加速發展。今年8月，國家發改委、科技部、工業和信息化部聯合發布的《國家新一代人工智能標準體系建設指南》指出：“加強人工智能領域標準化頂層設計，推動人工智能產業技術研發和標準制定，促進產業健康可持續發展。”

去年9月，科技部發布《國家新一代人工智能創新發展試驗區建設工作指引》（下稱《指引》）明確，到2023年，布局建設20個左右試驗區，截至目前，包括北京、武漢、浙江德清在內等13個城市通過科技部的授權批準，建設國家新一代人工智能創新發展試驗區（簡稱“試驗區”）。

作為賦能型行業，對傳統產業滲透是人工智能融合應用最具潛力的發展方向，特別是“AI+制造業”是提升生產力的重要途徑。中國人工智能產業發展主要集中應用層，產業鏈的短板主要在上游基礎層。

基礎能力（基礎層）方面，中國仍然相對薄弱，難以與亞馬遜、微軟、谷歌等國際巨頭抗衡。產業鏈中游的技術層上，計算機視覺、智能語音、自然語言處理等應用算法研發是中國目前三大主要技術方向，相對成熟。應用層，人工智能賦能城市管理、醫療、交通、制造等領域較快發展。然而，人工智能對產業經濟和社會生活的賦能還存在巨大未釋放潛力。

圍繞人工智能產業發展的問題和難點，澎湃新聞（https://www.thepaper.cn/）記者采訪了全球高校人工智能學術聯盟秘書處上海蓋亞人工智能中心理事長、上海交通大學人工智能研究院副院長王延峰。

人工智能產業發展，該啃的硬骨頭一定要自己啃。雖然目前國內所造產品工藝較為粗糙，但可以先用起來，形成生態，給這些產品迭代升級的機會。

澎湃新聞：與國外相比，我們人工智能產業鏈的短板主要在哪個環節？

王延峰：無論應用層，還是在核心技術層，中國人工智能發展都處于國際第一梯隊。但我們基礎研究確實較弱，主要是“一軟一硬”兩個方面。

硬件是支撐整個人工智能發展的專利技術，包括GPU、DSP、FPGA、ASIC在內的基礎硬件（芯片）。在通用GPU方面，有很大的短板，特別是現在華為海思又被美國打壓，我們面臨很大的困難。

英偉達（NVIDIA ）的GPU具有無可撼動的霸主地位，中國用的也是英偉達的GPU。雖然中國也有企業在做，比如寒武紀，但基本只做涉及到終端的推斷（inference），并不是一個通用GPU、通用計算平臺的概念。目前的形勢下，這方面短板令人擔憂。

軟件方面主要是開源開放平臺。開源開放平臺是人工智能技術研發和產業化的關鍵基礎設施。目前，中國尚未形成自主可控、具有國際影響力的人工智能開源開放平臺。目前全球幾大開源社區主要是：Google的TensorFlow、Facebook的Presto，最大的開源社區GitHub也被微軟收購了。

開源開放平臺涉及到生態構建，我們的核心是要構建自己的生態。GPU也一樣，要有自己的生態才行。只有形成生態，我們自己生產的東西才能運用到整個產業鏈。

所以，基礎研究的“一軟一硬”兩方面要加大力度發展。美國斷供，這其實也在倒逼我們發展。目前這兩塊已經有所布局，希望未來兩到三年能夠形成突破。

澎湃新聞：有沒有可暫時用來緩沖的替代品？

王延峰：一個國家要發展，該啃的硬骨頭必須自己啃，這是沒辦法的。但是，還是要把自己生產的產品用起來，形成生態后迭代升級。比如，5納米工藝芯片不讓用了，先用28納米及以上工藝的芯片，只不過功耗、集成度等方面差一點。因為現在人工智能所用芯片更多在服務器端，功耗各方面不如手機那么嚴格，先不苛求最高工藝。

但是，不能說我們自己生產的沒有國外好，就不用它，不用就永遠沒有人家的好。用起來才會形成生態，不用起來就永遠沒生態。國內有巨大的市場，只要我們用自己的，加速迭代前進，也是有望解決的。我們要把生態用起來，給我們自己產品迭代升級的機會。

各地爭相建設人工智能試驗區是好事，但是要避免地方保護主義。同時，每個城市的布局和建設要依據自身的產業優勢和特色。

澎湃新聞：目前國家出臺了13個人工智能試驗區，還有一些地方也在申請中。這么多試驗區建設，如何避免發展的同質化？

王延峰：我個人認為，這些不存在同質化競爭。人工智能的落實，大方向是以城市為載體，這些需要地方政府來引導推進。因為地方要進行產業升級和創新，而以試驗區方式推進能夠更好協調，也能夠更好起到示范作用。

目前階段多批一些試驗區反而更能帶動AI產業發展。但是發展過程中要避免地方保護主義。建成后的人工智能地方示范區不開放給外地市場，這就有一些局限了。

至于一些大城市的主要方向相似。譬如北上廣深等大城市人工智能產業方向幾乎都集中在城市管理、醫療、汽車、交通等領域，我覺得這些不是問題，因為這些城市的建設和發展一定是基于自身特點的。

杭州和上海都發展城市大腦，但是兩個城市的量級不同。上海的量級是杭州的2-3倍，而且兩個城市又都有自己的特色，譬如社區管理、垃圾分類、交通出行等都是不同的，兩個城市在自身基礎上去發展這些產業，也會形成不同的經驗。

同樣的發展方向肯定會有重疊，但是產業發展一定要有適度的競爭才好，這個中間有協同，同時每個地方也會形成自己的特色。

澎湃新聞：對于這些進行試驗區建設的城市，您有什么建議？是否需要一些錯位布局？

王延峰：這些試驗區的發展并不在于錯位競爭，更多是如何結合城市的特點和能級做出適合該城市發展的試驗區。

上海的人工智能創新與西安肯定不一樣，因為兩座城市截然不同。

又如，這13個試驗區中有一個縣級城市：浙江德清縣。為什么？因為德清有地理信息產業優勢，這里建設了德清地理信息小鎮，2018年還召開聯合國世界地理信息大會，在全球很有影響力。基于地理信息產業優勢，德清在AI領域可以做很多文章，它就可以打造第一個縣域經濟人工智能創新示范基地，這就是特色。

人工智能賦能實體經濟規模化發展，關鍵要從G端走向B端，數字化基礎好的領域最有可能產生千億級規模。

澎湃新聞：AI賦能百業，前景廣闊。從應用層面看，目前人工智能推廣到各個產業主要存在什么問題？

王延峰：目前的核心問題就在于都是政府推的。剛開始會很好，政府會根據整體狀況推進，但是大規模發展必須要讓市場推動。

我們現在聽到更多聲音是to G的。人工智能應用端的核心是怎樣從大G（政府端）走向大B（商業端）。只有走到B端，才能規模化發展。

AI的未來一定是行業智能化。但前提是必須要從大G走向大B，怎么走向B端？To B的生意很簡單，只要能為企業降本增效，企業就會采用。

澎湃新聞：但是從G端走到B端，仍遇到不少阻礙。特別是國企、央企更傾向單獨成立人工智能研發團隊，并不輕易將業務開放給中小企業，或者給到成熟的互聯網企業。這些問題怎么解決？

王延峰：政府在試驗區更多是點火，也就是發揮引導作用。但是政府代表不了市場，市場發展一定是需求引導型。一方面，專業的人工智能企業業務做不大，因為業務端在傳統企業。另一方面，大國企雖然沒有厲害的人工智能技術團隊，但是他們認為智能化改造可以慢慢做，耗時長一些沒關系。

這個時候怎么辦呢？需要政府發揮引導作用，創新示范區建設就有這樣的作用。去年開始，國家發改委在推進人工智能合作伙伴計劃。AI企業有技術，國企需要智能化升級改造，兩者合作便可以產生高效能。

比如中車集團的生產線和高鐵產品都要進行智能化升級。這個過程，政府可以引導推動中車集團跟第三方技術企業合作。原來這些傳統企業智能化升級可能要5年，現在壓縮到兩年，也加速了人工智能企業技術的落地，這就是人工智能伙伴計劃。

政府要點個火，但是點火之后，能不能持續和這些大央企、大國企合作，要看這些AI企業的技術實力，能否真正做到幫助企業降本增效，解決行業內的問題，這是傳統企業智能化升級的目標。哪怕只是一個部門的、小規模的降本增效，要讓傳統企業看到智能化升級帶來的成果。

此外，我非常不建議國企、央企把智能制造升級的業務給互聯網巨頭企業。因為這些企業已經足夠大了，企業本身在某一個領域都具有一定的壟斷地位，我們要給成長中的AI企業。產業永遠有迭代的，再過10年，中國AI領域一定會出現BAT量級的企業，要把機會給這些企業。

澎湃新聞：人工智能賦百業，那么要率先從哪些行業突破？

王延峰：AI的未來是行業智能化，所以我們說人工智能是賦能百業的，這個產業未來一定是千、萬億級的規模。率先從哪些行業突破？我認為，未來智能化將率先從數字化基礎比較好的行業突破，更容易暴發智能化千億級、萬億級規模。

像智能醫療、智能安防現在已經比較熱了，這兩個行業都有很好的信息化基礎，所以智能化率先在這些行業展開，未來都會暴發很大的市場規模。

其次是金融領域。金融領域也有非常完善的數字化基礎，也有很多企業做這個領域的智能化。

智能制造是我們國家目前在大力推進的。但是由于制造行業數字化程度還比較低，一時半會不能很快產生一個千億級、萬億級市場，但是未來，智能制造一定會暴發更大的市場規模。

培養頂尖人才不僅需要交叉學科培養，也須有好的教育環境。

澎湃新聞：人工智能是高技術行業，行業人才情況怎樣？如何培育頂尖人才？

王延峰：這行業的人才其實可以分成三類。

第一類是行業頂尖人才，或者叫開創性、創新型人才，這個不需要多。這類人才不是培養出來的，是在好的氛圍下成長起來的。目前，這塊我們比較缺乏。

這些一定要在頂尖高校如北清復交這些學校，好的環境成長起來。未來要更多培育出頂尖人才，我們的教育制度、考評方式等都要有所調整，不能一味地指標導向，要給人才培育提供寬松的氛圍和成長環境。

第二類是優秀的工程師人才。這些年我們各個高校做得不錯，包括高校跟骨干企業聯合培養等都培養了大批量這樣的人才。正是這類人才給行業帶來了所謂的“工程師紅利”。目前中國人工智能領域，也主要以這類優秀工程師人才為主。

第三類AI復合型人才。AI發展要和各行各業去結合，所以需要培養AI+專業知識的復合型人才。AI+金融、AI+醫療等復合型人才，這塊也比較少。但是這兩年，國家和地方政府都出臺了相關政策，促進這類人才的發展。教育部也專門出臺了關于“人工智能+X”的人才培養的文件，就是要培養出這樣的人才。

（實習生倪瀾瑛對本文亦有貢獻。）