AI导读:

中国人工智能产业在政策支持与市场需求的双重驱动下,预计在未来十年内将呈现显著增长趋势。同时,随着AI技术在各行业的广泛落地应用,智能算力成为关键支撑,智算中心迎来发展关键窗口期。

随着通用人工智能(AGI)技术的日益成熟,科技领域正迎来一场资本与人才的聚焦盛宴,共同瞩目于人工智能应用的广泛落地。

继2024年政府工作报告首次明确提出“人工智能+”行动计划后,不久前的中央经济工作会议再次将其列为年度重点工作之一,彰显了国家对人工智能产业发展的高度重视。

那么,当前中国人工智能产业的现状究竟如何?未来又将呈现哪些关键趋势?

未来十年:显著增长与全球影响

赛迪顾问最新研究报告指出,全球人工智能发展路径呈现多元化趋势,各国在特定领域的差距逐渐拉大,但在应用落地层面却日益趋同。美国侧重于技术创新,欧洲则强调规范制定,而中国则深耕市场需求,通过政策引导和市场需求双轮驱动,推动人工智能产业快速发展。截至去年9月底,我国人工智能核心产业规模已接近6000亿元,相关企业数量超过4500家。

为加速人工智能产业发展,工信部近年来出台了一系列支持政策。例如,《关于推动未来产业创新发展的实施意见》明确提出,要围绕制造业主战场,加快发展人工智能、人形机器人等未来产业,支撑推进新型工业化进程。此外,《国家人工智能产业综合标准化体系建设指南(2024版)》和《制造业企业数字化转型实施指南》等文件也相继发布,为人工智能技术在制造业全流程智能化以及重点行业智能升级提供了规范和技术要求。

赛迪顾问预测,今年中国人工智能产业将迎来爆发式增长,增速将领跑全球。在未来十年内,中国人工智能产业将呈现出显著的增长趋势,并在全球市场中占据重要地位。预计从2025年至2035年,中国人工智能产业规模将从3985亿元增长至17295亿元,复合年增长率为15.6%。其中,到2030年,中国人工智能产业规模有望突破1万亿元大关。

聚焦行业落地:人工智能赋能新型工业化

人工智能作为典型的通用技术,能够在几乎所有经济活动中发挥作用。随着技术的不断成熟和应用场景的不断拓展,人工智能在各行业的落地应用已成为今年的一大趋势。

全国工业和信息化工作会议提出,今年将实施“人工智能+制造”行动,加强通用大模型和行业大模型的研发布局和重点场景应用。同时,全链条推进基础软件、工业软件技术攻关和成果应用,加快建设先进计算产业体系。

在2024人工智能赋能新型工业化大会上,工信部总工程师谢少峰表示,将编制人工智能赋能新型工业化路线图,培育一批典型应用案例。围绕算力、算法、数据等核心技术,加大技术攻关力度,推进软硬件适配,构建从智能芯片到算法框架大模型的全栈式产业链。同时,加强产学研用协作,打造一批生态主导型龙头企业,培育一批专精特新“小巨人”企业,引导产业链上下游协同,支持开源社区建设,构建具有全球竞争力的产业生态。

报告还显示,人工智能技术在各行业的渗透和影响力呈现出三个清晰的生态位。其中,智能驾驶和具身智能处于AI应用的第一梯队,对AI技术具有紧密需求和强伴生性。此外,人形机器人作为AGI的最佳载体之一,也受到了业界的广泛关注。特斯拉CEO马斯克预测,未来人形机器人与人口比例可能达到2:1,需求量有望达到100亿~200亿台。

香港大学新兴技术研究所所长、上海人形机器人创新孵化器首席科学家席宁教授认为,人形机器人领域正迎来新的高潮,人工智能大模型的出现为机器人技术的发展提供了新的契机。通过具身智能和大模型的应用,可以解决机器人此前面临的许多困难和问题,包括应对老龄化问题等新的应用方向。同时,这也将拉动相关产业的发展。

中国电科第21研究所电科人形机器人项目研发负责人蒋志勇表示,要让人形机器人真正从事各种工作并担负起人类的任务,必须在实际场景中进行应用训练。只有真正投入应用场景中,才能发现实际应用中的问题,并通过技术迭代进行解决。同时,在这一过程中还可以持续发现机器人在其他应用场景方面的潜力。

除了AI在行业的落地应用外,智能算力也是AI技术的关键环节与核心底座。报告认为,今年智算需求将保持高速增长态势,智算中心也迎来了发展的关键窗口期。未来三年内,中国在建和拟建的智算中心规模至少为截至2023年底投产规模的5倍。

国家信息中心的《智能计算中心创新发展指南》显示,“十四五”期间,在智算中心实现80%应用水平的情况下,城市对智算中心的投资可带动人工智能核心产业增长2.9至3.4倍,带动相关产业增长36至42倍。

在“2024年国际算力标准与应用研讨会”上,中国信通院云计算与大数据研究所所长何宝宏指出,自ChatGPT诞生以来,人工智能基础设施和相关智能投资快速上升,全球对智算的关注度不断提高。相较于传统算力,智能算力主要由基于GPU、FPGA、ASIC等AI芯片的加速计算平台提供,主要用于人工智能的训练和推理计算。

然而,何宝宏也提醒道,高端算力市场仍存在短缺问题,而中低端算力市场则出现了供过于求的现象。此外,计算能力的提升速度远超网络能力的提升速度,这导致了新的网络技术需求。同时,能耗问题也是一个重要的挑战。在大模型训练过程中,电费约占总成本的2/3。因此,未来需要关注节能计算和混合计算的发展以应对能耗问题。

(文章来源:第一财经,经编辑整理)