拼算法模型还是拼新型基础设施？

　　人工智能技术赋能各行各业，具有典型的长尾效应。我国80％的中小微企业需要的是低门槛、低价格的智能服务，因此，我国智能计算产业必须建立在新的数据空间基础设施之上，率先实现智能要素（数据、算力、算法）的全面基础设施化成为关键。这项工作可比肩20世纪初美国信息高速公路计划（即信息基础设施建设）对互联网产业的历史作用。

　　信息社会最核心的生产力是网络空间（Cyberspace）。网络空间的演进过程是从机器一元连接构成的计算空间，演进到人机信息二元连接构成的信息空间，再演进到人机物数据三元连接构成的数据空间。从数据空间看，人工智能的本质是数据的“百炼成钢”，大模型就是对互联网全量数据进行深度加工后的产物。在数字时代，在互联网上传输的是信息流，是算力对数据进行粗加工后的结构抽象；在智能时代，在互联网上传输的是智能流，是算力对数据进行深度加工与精炼后的模型化抽象。智能计算的一个核心特征就是用数值计算、数据分析、人工智能等算法，在算力池中加工海量数据后得到智能模型，再将该模型嵌入信息世界、物理世界的各个过程。我国政府已经前瞻性地提前布局了新型基础设施，在世界各国竞争中抢占了先机。

　　首先，数据已成为国家战略信息资源。数据具有资源要素与价值加工两重属性。其中，数据的资源要素属性涵盖了生产、获取、传输、汇聚、流通、交易、权属、资产、安全等各个环节。我国应继续加大力度建设国家数据枢纽与数据流通基础设施。

　　其次，AI大模型就是数据空间的“算法基础设施”。以通用大模型为基座，构建大模型研发与应用的基础设施，支撑广大企业研发专用大模型，服务于机器人、无人驾驶、可穿戴设备、智能家居、智能安防等各个领域，覆盖长尾应用。

　　最后，全国一体化算力网建设在推动算力基础设施化上发挥了先导作用。算力基础设施化的中国方案，应在大幅降低算力使用成本和使用门槛的同时，为最广范围覆盖人群提供高通量、高品质的智能服务。

　　算力基础设施的中国方案需要具备“两低一高”的特征。

　　在供给侧，大幅降低算力器件、算力设备、网络连接、数据获取、算法模型调用、电力消耗、运营维护、开发部署的总成本，让广大中小企业都消费得起高品质的算力服务，能够积极开发算力网应用。

　　在消费侧，大幅降低广大用户的算力使用门槛。面向大众的公共服务必须做到易获取、易使用，像水电一样即开即用。使用者能够像编写网页一样轻松定制算力服务、开发算力网应用。

　　在服务效率侧，中国的算力服务要实现低熵高通量。其中，高通量是指在实现高并发服务的同时，满足端到端服务对响应时间的要求；低熵是指在高并发负载中出现资源无序竞争的情况下，系统通量不会急剧下降。简单来说，“算得多”对我国而言尤其重要。

　　着重赋能虚拟经济还是发力实体经济？

　　“AI+”的成效是人工智能价值的试金石。我国倾向于实体经济与虚拟经济同步发展，更加重视发展装备制造、新能源汽车、光伏发电、锂电池、高铁、5G等实体经济。

　　我国制造业在全球产业门类最齐全、体系最完整，具有场景多、私有数据多的特点。应精选若干行业加大投入，形成可低门槛全行业推广的范式。例如，选择装备制造业作为延续优势的代表性行业，选择医药业作为快速缩短差距的代表性行业。人工智能赋能实体经济的技术难点，是AI算法与物理机理的融合。

　　人工智能技术成功的关键是让一个行业或一个产品的成本大幅下降，从而将用户数与产业规模扩大10倍，产生类似于蒸汽机对于纺织业、智能手机对于互联网业的变革效果。我国应走适合自己的人工智能赋能实体经济的高质量发展道路。

（作者：中国工程院院士　孙凝晖）