智库访谈 | 管震：人工智能+,开启科技新纪元

3月20日晚，我们有幸邀请到了智用人工智能应用研究院院长、原微软公司首席技术顾问 管震，做客《智库访谈：聚焦两会》直播栏目，为我们带来了一场《人工智能+：开启科技新纪元》的主题探讨。

以下根据直播访谈内容整理：
物联网智库视频号可观看直播回放

从“互联网+”到“人工智能+”

输入一段文字就能立刻生成稿件、图片、视频，ChatGPT、Sora等生成式AI模型的出现，让人工智能变得备受瞩目。不同以往， AI在产业变革中的潜力和应用前景也受到了前所未有的关注。

今年2月，国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会，提出开展“AI+专项行动”，提出构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。

今年政府工作报告中提出，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。

“人工智能+”这一新概念的提出体现了国家对未来人工智能普及推广和应用方面的高度重视。

智次方：从2015年提出的“互联网+”到今年提出的“人工智能+”， 这种变化的背后有什么内在的逻辑和原因？“人工智能+”行动意味着什么？

管震：二十年前我们谈论的是互联网时代，而现在我们称之为人工智能时代。从产业升级的角度来看，这两个阶段是必然的。

回想2014、2015年左右，那时候“大众创业、万众创新”的热潮涌动，移动互联网和物联网的概念广受推崇。基于互联网的应用层出不穷，深刻地改变了我们的生活，无论是精神层面还是物质层面。我们感受到每个产业都可能被互联网模式所改造，事实也确实如此。例如，共享单车的兴起改变了我们的出行方式，购物、观看视频、聆听音频的习惯也已被互联网彻底改变。在生产制造过程中，智慧零售的平台化已成为现实。

经过了十年的演变，产业界目前正站在一个新的转折点上。一方面，是受到全球经济趋势的影响；另一方面，当产业发展到一定阶段，人们会开始寻求新的刺激点来对抗经济周期的波动。人类社会是建立在叙事基础之上的，因此我们需要一个新的叙事。

人工智能的普适性

管震：虽然之前提出了Web 3和元宇宙的概念，但这些概念与普通人和行业之间的联系相对较少，没能产生互联网那样广泛的影响。然而，自从ChatGPT问世以来，人们开始意识到，原来人工智能与每个人的生活都息息相关。甚至有关人工智能的讨论已经渗透到家庭层面，家长们也开始担忧孩子的未来教育方向。有些家长朋友开始咨询我，孩子要不要学Python？在这些家长看来，随着现在人工智能的发展，编程等技能在未来可能变得不再重要。

自去年以来，我们智用人工智能应用研究院帮助许多企业去探索人工智能与B端产业相融合的方式。我们发现，几乎每个行业都在寻求通过人工智能来推动产业升级、产品创新或服务优化的机遇。这就需要企业打破传统的思维模式，寻求新的发展方向。这是一个普遍的趋势，对每个人、每个企业来说，都必须跟随这一趋势。

人工智能+：实现跳跃式折叠空间超越

管震：对于那些相对落后的产业、企业或个人，人工智能的影响尤为显著。这一现象可以类比教培机构，辅助学生将成绩从基础的50分提升至70分相对容易实现，但是对于那些已经具备90分高水平的学生，要进一步将成绩提升至95分，则困难得多。

这次人工智能的革新浪潮为这些企业和个人提供了前所未有的机遇，使他们能够追赶甚至超越原有产业赛道当中的既有竞争者，或者说人工智能的应用就像是“折叠空间”，使得参与者能够跳过某些发展阶段，而非简单地弯道超车。

特别是从国家发展的宏观视角来看，许多领域仍处于追赶状态，在这个时候提出“人工智能+” 的概念，相当于帮助每一个人、每一个企业或组织，找到一个快速发展的新赛道，或者叠加人工智能能力，实现超越。

人工智能的无限潜能

管震：人工智能的潜力是巨大的。与传统技术相比，人工智能的能力更为广泛。例如，人工智能结合机器人技术，使得机器人不仅能听懂指令，还能识别周围的物品并进行相应的操作。这种结合了机电控制和自动化的人工智能，可能会引发工业升级的新引擎，为我们带来新一轮的增长曲线，这是时代特征的显著变化。

人工智能+的驱动力：算力引擎

像GPT等大模型之所以能够展现出卓越的性能，与其背后庞大的算力是密切相关的。

今年的政府工作报告中也明确提出，“适度超前建设数字基础设施，加快形成全国一体化算力体系。”

去年12月，国家发展和改革委员会、国家数据局等五部门联合印发《关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》。提出，统筹通用算力、智能算力、超级算力协同计算，算力、数据、算法协同应用。目标到2025年底，初步建成普惠易用、绿色安全的综合算力基础设施体系。

我们注意到，一些地方政府也正在加快建设人工智能算力中心，贵州、河南、浙江等地推出了“算力券”，支持人工智能发展。

智次方：如何理解算力与AI之间的关系？国家算力政策的支持，对企业来说有哪些新的机遇？

管震：人工智能的发展依赖于三大基石：算力、算法和数据，这三者缺一不可。在算法方面，目前大模型对人工智能发展的影响尤为显著。尽管全球已有众多开源或我们自主研发的算法，但算法的优劣及其适用性仍需进一步探讨。

那么有了算法之后数据是怎么来的？在算力网建设过程中，数据和算力同样重要。中国在数据方面其实是既富有又匮乏：消费类数据极为丰富，但真正适用于人工智能训练的高质量数据却相对稀缺。数据的积累需要循序渐进，包括文字数据和特定领域沉淀的数据，以及结构化的仿真数据等等。

此外，随着人工智能模型向更高层次和性能发展，对基础算力的需求也随之增加，无论是在模型训练阶段还是推理阶段。例如，OpenAI的Sam Altman通过融资来增强算力，因为现有的算力不足以支撑大型模型的广泛应用。我们最近都看到了一个叫做Sora的文生视频模型，但是为什么它只能一点一点的公开呢？为什么不能把它开放出来让大家使用呢？因为一旦开放，大家一用，所有的算力可能会被它耗尽。由此可见算力是非常重要的。

中国目前在算力政策上的支持显示出一定的前瞻性，就是我们先去建立基础算力设施，然后通过算力券等措施，实现区域产业的升级。然而，这一过程中的一体化算力网建设具有深远意义，需要跨越地域界限，实现资源共享和优势互补。

算力政策为各类企业带来了新的机遇，关键在于如何把握和利用这些机遇。在企业探索过程中，专业的指导显得尤为重要。我们在当地与一些算力中心及数据交易领域的领导交流时发现，尽管他们的想法不能完全否定，但在当前这个摸着石头过河的阶段，更重要的是能否将各方力量整合起来，从更高的维度审视问题，以便更清晰地认识和规划产业发展。然而，即便是清晰的认识也不足以保证产业的顺利发展，因为其中涉及的相互制约因素众多。例如，建立算力中心后，如何确保当地产业的实际使用，而非依赖云计算？算力中心的建设究竟应服务于当地产业，还是更广泛的产业融合？我们是否应专注于大模型的训练，以提升特定垂直场景的应用，还是应该为通用或专用模型提供支持？超算中心的建设是否应超越单一模型的模式，更多地服务于特定需求？

在这些选择面前，尽管我们拥有算力券和地方政策的支持，我们面临的不仅是短期的机遇，而是需要考虑长远的发展。我们需要以大工业的思路，松耦合的方式考虑未来的发展。而不是说仅仅建立算力中心，却不知道其具体用途和长远规划。

对于算力中心的建设与发展，一个明确的规划和目标至关重要。如果在开始之前没有清晰的方向或者目的，那么建议暂时放慢脚步，进行更深入的思考和规划。一旦拥有了至少20%的确定性，即对算力中心的潜在用途或者服务对象有了初步的了解，就可以开始着手进行升级和探索更多的应用场景。

AI大模型的商业化曙光

国内对于大模型的态度分为两派：技术信仰派和市场信仰派。技术信仰派认为应该追求更大更强的AI能力，而市场信仰派则认为应该将足够的AI能力投入可以快速变现的商业场景中。
智次方：您如何看待两派之争？

AI大模型的技术信仰派 VS 市场信仰派

管震：我自认为是一个骑墙派，坚持两手抓，两手都要硬。

追求AI模型的性能至关重要，这一点我在2022年微软工作时便已深有体会。当时OpenAI与微软的合作，如何训练、如何去工程化的过程，我都有所了解。目前，性能最接近GPT的模型是谷歌Claude 3。至于GPT-5何时发布，以及它将带来何种变革，这些都是未知数。模型的演进速度之快，让我们一时难以赶超，但是我们不能因此放弃追赶。设想未来世界，人工智能已经能够自我编程，自主安排科研任务，这种agent模式的高效运作，将使我们目前依赖人力的努力显得落后，就如同19世纪面对现代武器的无力感一样。

我们应当认识到，尽管面临挑战，无论是依靠国家力量还是商业化模式，我们仍要不断追赶AI性能。目前国内已有多家机构愿意投入巨资，以千亿人民币计，致力于AI性能的提升。我对他们的远见和决心表示由衷的敬意。然而，这样的投入并非小公司所能承担。对于规模较小的公司而言，更重要的是将开源模型应用于具体场景，进行创新和优化。

以我们智用人工智能应用研究院为例，近一年来，我们专注于将人工智能技术在不同行业领域里落地应用。随着AI模型的发展，人们一定会问：这些技术如何落地？是否会像之前的人工智能浪潮一样，仅仅被用于简单的考勤机或监控摄像头？我们当然不希望AI的应用仅限于此，我们期望的是更高层次的变革。而且我们能看到，机器已经具备了“大脑”，能够在各种场景中发挥作用。虽然目前可能还不够灵活，反应时间较长，但它的潜力是巨大的。

随着算力的提升，尤其是超级计算中心和边缘计算的发展，以及具身智能领域的小模型的算力增强，我们有望显著提高AI的响应速度，加速其商业化进程。

在这个关键时刻，我们应当积极推动AI技术在制造业、能源、金融、教育、化工、矿山等领域的商业化应用和探索。我们不能仅仅等待AI模型的开发者们自行降低门槛，变成商业化公司来销售产品。这种做法不仅速度慢，而且只靠几家公司是不够的。

实际上，需要更多的公司参与到这场技术革命中来。不仅是那些专注于自动化和操作技术（OT）的设备制造商，所有涉及智能设备的公司都在开始向AI领域靠拢。

通过与学术界的交流，我们可以发现AI模型商业化落地的巨大潜力，高校也渴望利用AI技术帮助学生抓住未来的机遇。

在政策制定方面，地方政府也应考虑如何有效地利用有限的资源来推动AI的发展。假设政府部门可能会考虑如何使用1000万的预算来制定当年的AI发展补贴政策。对于工业互联网平台可能是传统的补贴模式，比如一个示范单位补贴50万，那么1000万预算一共可以补贴20个单位。但是对于AI的发展，社会未来不是差这 20 个单位，而是差 100 个单位。

现在应该鼓励每个行业、每个企业都将AI作为必修课，通过小额补贴激励他们去寻找适合自己企业的AI应用场景。相比之下，仅仅组织参观先进企业的演示中心，虽然能够提供一些启发，但可能无法直接解决企业的实际需求。

当我们谈论企业在人工智能领域的商业化落地时，我们希望企业能够尝试将AI模型应用于其业务流程中。例如，有些企业可能已经在使用AI来辅助日常运营，甚至人事任命书都是利用AI辅助生成的。在过去的一年里，我们的智用人工智能应用研究院也积极参与了这一进程，完成了二三十个概念验证（POC）项目。这些项目旨在帮助不同企业找到最适合的场景和AI应用方案，从而确定哪些方案有效、哪些具有较高的投资回报率（ROI），以及哪些可能面临挑战。

AI大模型的商业化落地挑战

智次方：对于企业来说如何去做大模型的商业化落地？有哪些难点？

管震：我认为首先是做大模型的头部企业，只要它们能冲到一定的位置，理论上就有变现的方法。但是对于大部分软件类的公司，特别是原来做人工智能或软件的公司，面临的挑战则完全不同。它们可能已经在特定的技术领域，如自然语言处理（NLP）或语义理解上投入了大量资源。但是当AI模型出现后，这些企业可能发现自己原有的技术和产品不再具有竞争力。这个问题需要每家企业自己去解决。

对于那些能够跳出现有框架，采用新思维方式的企业来说，AI技术提供了许多新的机遇。例如，一些领先的ERP公司已经开始要求全员all in 大模型，也在探索将AI技术应用于企业内部流程，如审计。这是人工智能非常擅长的一个领域。原来的审计或审核都是靠人力来完成的，但当人力无法满足需求时，就会被堆起来搁置。但是通过AI来进行预审，就可以排除掉大量的工作，减少人力资源的消耗。但是这并不意味着裁员，而是意味着企业可以处理更多的工作，满足更多客户的需求。

前段时间，在与广东中小企业促进会合作的活动中，我们了解到了许多企业在实际运营中遇到的问题。其中，一家提供定制化污水处理解决方案的企业董事长，提出了他们在制作标书时的难题。他们虽然拥有强大的技术能力，但在准备招标文件时却感到尤为头疼和费时。面对数百页的招标文件，需要投入大量时间和精力去理解和响应。这位企业董事长提出了一个需求，他希望人工智能帮助他提取标书中的核心要点，以及区分它们与过去的标书有何不同。这个需求并不复杂。我询问他是否还有其他困难，他表示他们有时候只能制作几份标书，甚至有很多招标网的信息他们都不去查看，因为他们没有足够的人力去做。这种情况其实通过使用RPA技术，结合网络爬虫工具，自动化工具，以及人工智能，我们可以帮助他过滤掉很多不必要的信息，从而做更多的事情。所以说人工智能技术的商业化应用有着巨大的潜力和价值。

1.认知差异阻碍

对于传统企业而言，人工智能和大模型技术的应用是一个需要深入探讨和理解的领域。

在与企业的合作中，我们发现最大的挑战之一就是认知差异。企业内部不同层级的员工对于人工智能的理解程度和接受程度往往存在显著差异。对于董事长和中高层领导来说，他们可能对AI技术的概念和潜力有所了解，但对于如何将这些技术应用到具体业务中却可能感到迷茫。而对于一线员工，他们可能对AI技术并不熟悉，甚至可能存在一些误解。这种认知上的不一致往往阻碍了AI项目的有效推进。

在上次与广东中小企业促进会合作的活动中，我们发现许多董事长和CEO对人工智能有一些误解。他们原本认为人工智能就是出图，而且图形漂亮。然而经过三天的研讨会，他们发现人工智能可以做的事情远远超过他们的想象。他们开始理解人工智能如何落地，如何一步步实现目标。他们甚至希望我们能到他们的公司去，帮助他们的高管团队理解人工智能，从而做出明智的决策。另一方面，一些业务负责人则表示他们的领导对人工智能持怀疑态度。他们认为，他们在某一领域做了二三十年的生意，人工智能是无法改变的。然而，这些业务负责人在参加完第一天的研讨会后，就开始主动给他们的高管打电话，说服他们来参加研讨会，因为他们意识到了人工智能的重要性。

2.AI应用场景体验缺乏吸引力

第二个挑战是人工智能在实际应用场景中的打磨不够“性感”，即缺乏吸引力和直观的效果。这个问题确实在很多传统企业中普遍存在。

例如，去年我们为一家大型制造企业做了一个项目，该公司的所有员工都可以通过聊天机器人（Copilot模式），完成在公司中的各种流程，无论是小到修理宿舍的灯泡，还是大到生成工单，都可以通过这种方式来完成。但是这其中一个关键的问题是成本。在使用AI的过程中，每一次交互都会消耗一定数量的token（大模型文本处理的基本数据单元），而这些token往往是需要付费的。当全员都开始频繁地与AI进行互动时，累积起来的成本可能会让企业感到压力。企业领导也会觉得人工智能在这个阶段里面其实并没有达到他预想的那种非常惊艳的效果。这种情况下，企业可能会重新评估AI技术的实际价值和投入产出比。

这让我回想起与软件开发者的交流，软件其实是人机交互的，这种方式是受限的，我们期待未来的人机交互可以摆脱这种方式。原来的软件有一个限制，那就是我们需要点击按钮或者输入信息。如果今天我们想要加入一个新的功能，比如让用户能够做一个报表，或者是做一个帕雷托分析，我们都需要点击或者输入大量信息。我们设想中的未来人机交互将不再受限于物理界面，而是能够通过自然语言的交流来实现用户的需求。用户只需简单地表达他们想要的功能或结果， AI agent便能够理解这些需求，并在后台进行智能编排和数据处理。未来的交互场景将会有所不同，无论是软件、硬件，还是机器与机器人的对话，场景都会有所不同。

3.打破现有模式的勇气不足

还有一个难点是胆子不够大。在人工智能的浪潮下，企业决策者，无论是高层管理者还是像排班经理这样的中层决策者，都有机会跳出传统的二维思考模式，从三维的空间去审视问题。

传统的工业生产依赖于明确的分工，每个环节都有其特定的职责和任务。这种分工虽然提高了效率，但也导致了信息孤岛和数字鸿沟的问题。自2000年以来，大家一直在寻找解决方案，比如企业服务总线（ESB）和2010年左右兴起的数据中台或业务中台，目的都是为了打通这些孤岛，实现信息的流通和整合。

但是人工智能技术的出现为我们提供了新的可能。它能够跨越传统的界限，整合不同来源的数据，从而提供更全面的业务洞察。这种能力使得我们能够识别并改进不科学的生产模式，推动业务流程的创新。但这也意味着我们需要勇气去挑战和改变现有的经营和分工模式。这种改变可能会引起某些管理者的担忧，因为它可能会打破他们熟悉的工作方式。其实也有很多人愿意接受人工智能这个新的事物，虽然接受并应用人工智能技术并不意味着一定就会成功，但是拒绝接受则可能错失发展机遇。

4.人工智能的稳定性

最后一个落地的难点就是人工智能技术的上限或者说成熟度在不断提高，它的一些能力还没有实现我们想象中的效果，比如他还会说胡话，可能会在某些情况下产生错误的输出，或者在处理相同的输入时给出不同的结果，这些都是当前技术需要解决的问题。

在商业化过程，特别是泛工业化场景中，人工智能的稳定性和可靠性是至关重要的。企业在采用人工智能技术时，应该更倾向于使用经过验证、表现稳定的版本，而不是追求最新的版本。

人工智能与新质生产力

“加快发展新质生产力”写入今年的政府工作报告，被列为2024年十大工作任务之一。

“新质生产力”的说法于2023年9月首次被提出，是指创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。2023年底举行的中央经济工作会议强调，要以科技创新推动产业创新，特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能，发展新质生产力。

现在一些先进的AI大模型、机器人技术等，正在颠覆我们的生产生活方式，人工智能也被认为是形成新质生产力的重要引擎。

智次方：人工智能与新质生产力有着怎样的关系？

管震：新质生产力这一概念是去年提出的，我认为它非常贴切、恰当地描述了人工智能对未来生产力变革的影响。“质”，强调了本质上的变化，无论是形式还是实质内容，都发生了转变。

当前的人工智能发展与以往提到的人工智能有本质的不同，它的影响力之所以如此之大，是因为它首次采用了类似人类理解世界的方式来进行判断、抽取、归纳、抽象和演绎。尽管新质生产力目前尚未完全成熟，但它已经为我们提供了许多启示，尤其是关于如何驱动生产力的发展。

回顾2018年，我曾计划写一本《重启工业革命》的书籍。当时，工业4.0等概念被广泛讨论，但我在多个市场活动中对此表示质疑。我认为，工业4.0存在一些根本性的问题，尤其是缺乏一个能够整合整个价值链、帮助供给侧和消费侧每个环节提升的统一解决方案。当大家都在讨论工业互联网平台时，我也开始了讨论。但是到了2016年，我被企业家们问到关于工业互联网平台解决哪些具体问题的时候，我无言以对。而且在平台和平台之间的竞争中，情况变得更加恶劣。例如，你不能期望一家公司的供应商使用另一家公司的平台。因此，有许多问题无法解决，比如如何让平台能够汇集整个链条的所有元素。第二个重大问题是，如果有一种东西能够汇集所有元素，我需要它能够帮助我找到增量市场，而不仅仅是存量市场。如何做到这一点呢？这是一个很大的挑战。

然而，当前的人工智能技术为我们提供了新的启示：它不仅是高科技，能够惠及每个人和每个生产力环节，而且具有高效能，能够显著提升个人和企业的效能。

例如，我们团队虽然只有二十多人，但通过人工智能的辅助，我们能够高效地满足众多企业的需求。我们还将这一经验转化为一体化的人工智能模型调度平台，使之成为产品，帮助企业在短短五天内就能将人工智能应用于企业内部，并满足安全性、系统接入、数据隔离等要求。所以说人工智能在提升效能方面的潜力巨大。

此外，新质生产力还具有高质量特征。中国产品在全球市场上的质量不断提升，赢得了海外消费者的认可。产业发展的质量也得到了提升，整个产业链条和价值链通过每个工作节点的提升而共同进步。这种高质量发展不仅使自身富裕，还能带动整个产业链条共同繁荣。

总之，人工智能通过提升科技、教育、人才和产业的协同发展，为传统产业注入新活力，创造新的增量市场。虽然人工智能的应用可能会导致一些岗位的减少，但我们更希望通过新质生产力的提升，通过教育、人才和产业的转型，创造新的就业机会和市场空间。

推荐关注