7月6日至8日，2023世界人工智能大會在上海舉辦。1400余名嘉賓參會，參展企業超400家，展覽面積超過5萬平方米，共計舉辦133場主題論壇，線下參觀人數突破17.7萬人次，均創歷史新高。大會共對接210家上下游企業，達成110億元意向采購金額，推動32個重大產業項目簽約，項目投資總額288億元。大會的磁場效應已經顯現。

就在本次大會開幕的前兩天，十二屆上海市委三次全會審議通過意見，把持續增強全球資源配置、科技創新策源、高端產業引領、開放樞紐門戶“四大功能”，作為今后一個時期深化高水平改革開放、推動高質量發展的主攻方向和重大抓手。上海市委主要負責同志表示，面向未來，上海將充分利用大會的磁場效應，以更大力度推動人工智能健康發展。

【資料圖】

人工智能應用場景加速拓展

當前，我國人工智能核心產業規模達到5000億元，企業數量超過4300家，智能芯片、開發框架等創新成果不斷涌現。從個人的衣食住行，到企業的生產、銷售、服務、辦公，人工智能的應用場景已經涵蓋了各個領域。

業內人士認為，開放共建、合作共贏，是實現人工智能產業落地的關鍵。目前，上海人工智能產業鏈環節既有智能芯片、傳感器等基礎類企業，也有軟硬協同、大模型等技術類企業，還有智能機器人、智能網聯汽車等產品類企業。隨著一批行業龍頭和獨角獸企業的快速發展，整個人工智能產業集群正逐步邁向世界級。

“下肢運動障礙的患者，可以在進行早期功能訓練的時候使用我們的設備。”在展臺前，一款智能下肢康復機器人吸引了許多觀眾來體驗。展臺工作人員介紹，這款設備通過節律性步行、重心自由浮動、實際落地行走，在康復早期給用戶提供正確的感覺輸入，抑制異常步態的形成。目前，該產品已經在國內多家康復中心應用。

在無駕駛人智能網聯汽車展示活動上，多家企業的自動駕駛車輛受到關注。7月8日，3家企業的15輛車獲得浦東新區首批發放的無駕駛人智能網聯汽車道路測試牌照。隨著《上海市浦東新區促進無駕駛人智能網聯汽車創新應用規定》以及相關實施細則的落實，浦東新區自動駕駛汽車真正迎來了無人化階段。

大會報告顯示，近年來，我國人工智能產業蓬勃發展，基礎設施加快布局，融合應用深度拓展。會上發布的數據顯示，目前我國超算、智算、云算協同發力，算力規模位居全球第二；人工智能與制造業深度融合，已建成2500多個數字化車間和智能工廠，有力推動了實體經濟數字化、智能化、綠色化轉型。

工信部副部長徐曉蘭介紹，工信部將以人工智能與實體經濟融合為主線，圍繞加強政策引導、夯實產業底座、拓展應用場景、完善生態體系、深化國際合作等5個方面，加快培育壯大智能產業。

構建人工智能時代算力底座

人工智能應用場景的快速落地帶來了數據的高速增長，算力作為數字經濟時代的關鍵生產力，將賦能千行百業。

根據國家信息中心的數據，未來80%的場景將依賴人工智能。如何構建人工智能時代算力底座，讓算力成為人工智能發展的基礎資源，如同日常的水和電一樣推動科技進步和社會發展，將成為推動產業生態發展、促進科技創新和降低門檻的突破關鍵。

經初步測算，到2025年，算力核心產業規模將不低于4.4萬億元，關聯產業規模可達24萬億元。

大會期間發布的《普慧算力開啟新計算時代》報告提出，未來算力發展趨勢將具備兩大特征，即普適和智慧。未來，算力能夠強有力地推動跨層級、跨地域、跨部門數據匯聚融合、共享交換和開發應用，充分盤活數據資產。

本次大會上，上海聯通攜手產業鏈合作伙伴，以自身集“云、網、算、安、數、用”于一體的算力網絡為基礎，共同構建自主可控、算力聚合、智算共享的算力產業鏈，推進算力產業發展，解決產業數字化加速進程中，算力分布不均、供需失衡，算力度量計費、統籌管理難，偶發性算力供給不靈活等痛點，賦能千行百業數字化轉型。

深度交流為行業高質量發展集聚眾智

圍繞技術、產業、人文三大話題，重點關注智能芯片、科學智能、機器人、類腦智能、自動駕駛、法治與安全等前沿方向，本屆大會集聚眾智，組織產業界人士會同80多位著名學者展開了深度交流。大會還舉辦了人工智能治理等主題論壇，集中發布自動駕駛法律治理、生成式人工智能倡議書等一批研究成果。

業內人士認為，隨著人工智能加速發展，行業企業通過系統創新、堅持開源開放，能夠加速產業生態繁榮發展，用強大的算力支撐人工智能高質量發展。

截至去年年底，全國在用的數據中心標準機架數超過了650萬個。在算力規模提升速度上，中國速度高于全球平均速度的2倍左右。

對此，與會人士表示，人工智能技術范式變革產生智算強需求，而計算體系架構的多元變革則帶來了發展新機遇，算力供給存在結構性缺口，目前正值部署的窗口期，建議從“粗放部署”到“精細規劃”中實現普惠算力，從“多元異構”到“統籌協同”中實現協同融合，借助智算中心的東風，讓我國自主計算企業獲得更快、更好的發展。

在實現“雙碳”目標的背景下，模型在算力層面對能源和環境的影響尤為值得關注。有專家表示，當前訓練某一模型需要產生大量碳排放，如果進一步提升模型準確度，排放數字可能會更大。而在未來，研究人員有望從模型、硬件、數據中心能效、數據中心位置等方面協同著手，大幅降低機器學習的能耗與碳排放。

（文章來源：人民日報）