当前,世界各国普遍认为新一代人工智能有望成为新一轮科技革命和产业变革的重要驱动力量,我国2019年《政府工作报告》也提到了“智能+”,并提出“打造工业互联网平台,拓展‘智能+’,为制造业转型升级赋能”。与互联网技术相比,新一代人工智能技术具有更强的潜在颠覆性,“智能+”有望成为培育更强劲新动能的新路径,加快发展新一代人工智能成为事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。在此背景下,应深刻认识加快发展新一代人工智能的重大意义,理解“智能+”的深刻内涵,抢抓“智能+”催生智能经济形态的新机遇,促进其与经济社会发展深度融合。
“智能+”不是“互联网+”的简单升级
从所依赖的关键核心技术、所拥有的价值创造方式、所产生影响的广度深度来看,“智能+”不是“互联网+”的简单升级,而是在一条全新技术轨道上呈现的新范式。
从技术本质上看
“智能+”与“互联网+”所依赖的关键核心技术不同,计算科学的发展以及智能技术与互联网的融合,使“智能+”拥有了远超“互联网+”的发展潜能。人工智能与互联网分别是“智能+”与“互联网+”所依赖的关键技术,两者的发展路径不同,且在很长一段时间内相互独立存在。比如,人工智能是在计算机的发展过程中逐渐萌芽的,神经网络、机器学习、遗传算法的提出也早于互联网;“互联网+”往往是计算机被动接受一定规则,“智能+”则是综合利用大数据、人工智能、物联网、云计算等新一代信息技术,赋予计算机和人一同制定甚至自己独立设计规则的能力,使“人人互联”走向“万物互联”和“万物智能”。
从经济特征上看
“智能+”与“互联网+”的价值创造方式不同,“智能+”超越了“互联网+”带来的范围经济、规模经济和网络外部性,将通过智能感知、自主预测等塑造出一个更加智能化的经济形态。“互联网+”的本质是在价格机制、市场机制的基础上增加网络机制,企业不仅可以依托互联网平台扩大商品服务品类、拓展销售渠道,实现更为显著的范围经济与规模经济,还可以借助平台的网络外部性等实现更大规模的价值创造。“智能+”则使更多主体以智能化的方式连接,不仅能催生新的智能化平台深化“互联网+”所具有的经济效应,还能通过智能感知、自主预测促使需求侧和供给侧即时响应、精准匹配,使生产、消费、收入和分配等主要环节更加畅通,最终实现对有限生产要素的最优化利用。
从影响程度上看
“智能+”与“互联网+”产生的影响在广度和深度上也不同。“智能+”不仅能覆盖互联网不能“+”到的领域,还能实现智能技术对社会生产活动和关系的全新赋能,在影响的广度和深度上将远远超过“互联网+”。比如,只有新一代人工智能技术才能在自动驾驶、语音交互、无人机运输、工业互联网、智慧城市等方面真正发挥作用。更重要的是,“智能+”让网络中的节点具有更强大的能量。在分布式计算的情境下,网络中的所有节点都将具有更强大的感知、反馈、协同和预测能力,这极有可能为提升社会治理效果、优化改革设计和实施找到新路径。
“智能+”可催生智能经济形态
“互联网+”更多地是通过信息连通、资源共享和市场触达,释放出强大的经济与改革红利。而“智能+”则有望形成以人工智能为核心技术的智能经济,通过催生智能经济形态形成更强劲的新动能。
“智能+”可强化数据驱动
数据驱动的核心是将数据作为关键生产要素,通过持续有效的挖掘迭代不断推动创造新价值。“互联网+”之前,由于缺乏数字化手段,数据收集和挖掘都受到了明显约束。“互联网+”有力推动了数据量的爆发式增长,但在挖掘数据进而提炼成有用信息并转化为知识方面尚且存在问题。相比而言,“智能+”利用人工智能技术可以使系统模仿人类应用信息和知识进行自主决策,并借助大数据和云计算技术,更进一步推动对数据的智能开发利用,实现了服务对象的精准化、产品服务的多元化和商业模式的个性化,由此推动更多的数据驱动型创新加速向经济社会各个领域拓展,催生出大量新技术新业态新模式。
“智能+”可优化人机协同
“互联网+”之前,主要是以人的体能驱使机器实现低水平人机协同。“互联网+”拓展了人所能触达掌控的范围,信息技术使人的智能以编程的方式进入机器,人机协同效率有所提高,但流水线上的“人为物役”也降低了其和谐程度。相比而言,“智能+”通过赋予机器自我学习能力实现人机无障碍沟通与更高效匹配,在解决问题和提升效率方面可发挥重要作用,同时人机关系更加平衡统一、和谐高效,推动人机协同走向以人的智能为主驾驭机器的新阶段。
“智能+”可拓展跨界融合
跨界融合逐渐升级是“智能+”不断深化拓展的必然结果。“互联网+”之前,产业跨界融合催生的新业态新模式不多,产业边界也相对清晰。“互联网+”下的跨界融合主要是产业融合并形成新的平台生态,如互联网金融、共享经济等。相比而言,“智能+”下的跨界融合更多是平台融合并形成新的智能生态,如智能网联汽车、城市大脑、智慧城市等。从架构上看,智能生态依托于底层智能技术和智能平台,形成智能生产、智能产品与智能服务;从功能上看,智能生态拥有敏捷感知、自主学习、精准预测、智能决策等能力,它可通过新一代信息技术群促使智能连接,实现基于数字孪生的高度协同,释放更大的聚合效应。比如,智能网联和自动驾驶技术的跨界融合,不仅可实现无人驾驶功能、嫁接手机上的整个应用生态,还能使车辆的感知范围急速扩大,促进车、路、人的深度融合。
“智能+”可助力共创分享
“互联网+”之前,分享合作的范围受到极大限制。“互联网+”下的共创分享更多基于IT技术高效、数据透明可见、没有边界三大特性,通过互动平台的构建推动“社群经济”的形成,从而共同创造实现合理价值。相比而言,“智能+”更具平台性质和赋能特征,将利用智能技术最大限度地提升资源的战略协同性,通过提高知识复用水平构筑知识创造、传播和应用新体系,真正裂变出一个广泛且可持续的价值生态系统,把共创分享提高到新水平。在组织内部,智能技术通过赋能节点使组织内部更具组织性,“领导”“指挥”将有所弱化,“合伙”“共创”将更加凸显;在平台层面,智能技术将依靠云计算云服务等新平台新业态发挥更大作用;在个体层面,智能技术能对群体中的个体进行更精准赋能,比如,智能技术能为更具潜能的个体实施数字增信,大幅优化金融服务效率。
——文章来源:经济日报
好文章,需要你的鼓励
AI正在彻底改写创业规则:YC最新数据显示,10人团队12个月达成千万美元营收已成常态,"氛围编程"让技术不再是瓶颈,而创始人能否深度理解客户需求成为成败关键。当6人团队就能创造八位数收入时,我们看到的不仅是速度革命,更是对公司本质的重新定义。
这项由阿伯丁大学和格勒诺布尔阿尔卑斯大学研究者联合完成的研究揭示了大语言模型处理日期时的关键问题:现代分词器常将日期分割成无意义的碎片,如"20250312"被切分为"202"、"503"、"12",这严重影响时间推理能力。研究提出了日期碎片化率指标,创建了DATEAUGBENCH测试集,并通过内部机制分析发现,大型模型能在早期层快速"修复"碎片化日期,但其推理路径与人类理解方式显著不同,这解释了模型在处理非标准日期时的准确率下降。
MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架,通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据,而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现,发现其结果与传统评估方法高度一致(相关系数>0.75)。MUG-Eval揭示了模型在低资源语言上表现显著落后,并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言,为真正包容的AI评估提供了新途径。
浙江大学研究团队开发的"自制动力训练"(Self-Braking Tuning,SBT)方法解决了大型语言模型在推理过程中的过度思考问题。该方法不依赖外部干预,而是培养模型自主识别冗余推理并适时终止的能力。研究者通过分析推理效率比率和过度思考标记比率,构建了两种数据策略:SBT-E(精确版)和SBT-D(动态版)。实验结果表明,经过训练的模型在多个数学基准测试上保持原有准确率的同时,将标记消耗减少了30%到60%,显著提高了推理效率。这项创新使AI系统能更像人类一样有效思考,为资源受限环境下的AI部署提供了新解决方案。