新一代信息技术与人工智能在垂直工业领域应用存在问题与挑战.pdf

《新一代信息技术与人工智能在垂直工业领域应用的问题与挑战》 新一代信息技术与人工智能正在逐步渗透到垂直工业领域，但在此过程中，一系列问题与挑战也随之显现。 基础算力支撑能力有限。随着多样化的人工智能应用和深度学习算法的复杂化，对计算能力的需求日益增大。尽管2020年超级计算机的计算能力达到了每秒百亿亿次的水平，但我国在规模化人工智能算力支持方面仍有不足。国内企业在人工智能芯片领域大量依赖国际巨头，如高通、英伟达等，而国内产业链龙头企业发展相对滞后。在商用服务器市场，IBM、HPE、戴尔等国际品牌占据主导地位，国内企业如浪潮、联想等市场份额有限。 开源开放的人工智能算法平台及框架的缺失也是一个关键问题。开源开放的深度学习环境对于技术的创新和发展至关重要，但我国在这方面起步较晚，参与度不足。全球主流的算法框架多由美国公司如谷歌、脸书等掌控，而国内企业如百度、旷视科技等的算法框架尚未获得广泛认可。深度学习框架核心技术的欠缺，不仅限制了技术创新，也对我国的信息安全构成潜在威胁。 再者，产业数据标准化和互联互通水平不足。数据是人工智能的重要驱动力，然而我国在数据的标准化、整合和共享方面存在显著短板。行业间数据来源多样，质量参差不齐，缺乏统一标准和共享机制，导致数据的可用性和迁移性大打折扣，阻碍了中小企业利用人工智能提升生产力。 此外，嵌入行业场景的定制化人工智能基础设施建设评估框架的缺乏也是挑战之一。虽然我国拥有庞大的数据规模和丰富的应用场景，但在如何有效利用人工智能提升行业智能化水平上，缺乏系统性的评估和策略。特别是在疫情防控期间，人工智能发挥了重要作用，但对行业特定需求的理解和深度学习算法的应用仍待加强。 专业人才的短缺是制约人工智能发展的重要因素。全球顶尖AI人才主要集中在欧美，中国虽为重要人才来源，但顶尖人才流失严重。培养和吸引深度学习专业人才，构建完善的人才梯队，是我国推进人工智能发展亟待解决的问题。 面对这些挑战，我国需要加强基础算力设施建设，发展国产人工智能芯片，增强产业链自主性；推动开源开放的算法平台和框架的研发，提升技术创新能力；制定数据标准化政策，促进数据资源的有效整合与共享；建立行业场景的定制化评估框架，精准匹配人工智能技术与行业需求；同时，加大人才培养力度，打造一流的人工智能人才队伍。只有这样，才能充分发挥新一代信息技术和人工智能在垂直工业领域的潜力，推动我国产业的智能化转型升级。