人工智慧持續火爆 北京上海深圳躋身第一梯隊

　　人工智慧産業發展持續引發熱潮。

　　今年以來，多地在人工智慧方面推出政策、謀劃佈局。5月30日，在2023中關村論壇閉幕式重大成果發佈會上，北京圍繞著人工智慧發佈兩個重磅政策，引起廣泛關注。隨後，多個城市出臺了支援AI産業發展的政策文件。

　　7月6日，2023世界人工智慧大會在上海開幕。大會聚焦從創新、創造至創想的AI生成之路，展現AI驅動的高品質發展精彩圖卷和AI促成的現代化産業體系煥新局面。

　　近些年來，北京、上海、深圳、廣州、合肥等多個城市圍繞人工智慧發展和建設，相繼印發政策文件，發力搶佔新一代人工智慧創新發展高地。

　　例如，《北京市加快建設具有全球影響力的人工智慧創新策源地實施方案(2023-2025年)》提出，充分發揮北京市在人工智慧領域的創新資源優勢，持續提升全球影響力，進一步推動人工智慧佔先發展。

　　這些政策措施的出臺夯實了人工智慧産業發展的“底座”。那麼，國內哪些城市進入了人工智慧發展第一梯隊？相關城市人工智慧發展和建設面臨哪些難點？新京報新京智庫結合各地實際情況，採訪了權威專家，進行解讀。

　　第一梯隊城市優勢突出

　　哪些城市算得上是人工智慧發展第一梯隊？官方雖然沒有給出一個明確的劃分，但是從相關單位發佈的與人工智慧發展有關報告可以窺見一二。

　　7月6日，2023全球數字經濟大會專題論壇“全球變化下的智慧城市”發佈了《2023亞洲智慧城市排名》《2023二十國集團(G20)智慧城市排名》兩份報告。報告顯示，北京、上海、深圳、重慶四個中國城市無論是在亞洲智慧城市排名中，還是在G20智慧城市排名中，均位列前10。此外，南京、成都、廣州、蘇州、杭州、香港六個中國城市也位列亞洲智慧城市前10行列。

　　此外，新京報新京智庫梳理多份研究報告發現，北京、上海和深圳三座城市在人工智慧綜合實力方面排在全國前三，可視為第一梯隊。例如，由創新型AI企業北京上奇數字科技有限公司聯合新一代人工智慧産業技術創新戰略聯盟發佈的《中國城市人工智慧發展指數報告(2020-2021)》中，北京、深圳和上海三座城市的得分均超過60分，分別為88.72、77.63和68.59分，位居前三。

　　在人工智慧融資額方面，企業信用資訊平台啟信寶在今年稍早前發佈的《中國人工智慧産業圖鑒》數據顯示，2016年至2022年期間，人工智慧相關企業融資金額總量前三城市分別為北京(67161.82億元)、上海(43557.43億元)、深圳(27066.35億元)。

　　可以看出，就國內而言，北京、上海和深圳在人工智慧綜合實力中可以排在第一梯隊。

　　第一梯隊的綜合實力也體現在人工智慧基礎設施建設上。拿重點科研平臺來説，北京人工智慧領域的國家重點實驗室、省部級實驗室等科研平臺數量位居全國首位。清華大學、北京大學和中國科學院三家高校院所在AI學科綜合排名高居全球前列。深圳則圍繞第三代半導體、人工智慧和腦科學等前沿領域設立了10多家基礎研究機構。

　　此外，在深圳，政府方面主導成立了鵬城實驗室、深圳人工智慧與大數據研究院等研發機構。公開資料顯示，深圳“鵬城雲腦”的建設以開放共用和支撐産業創新發展為目標。試運作期間，約70%的機時服務於鵬城實驗室以外的企業、高校、科研院所，已支撐近千個國産AI模型訓練。

　　上海作為2018年至2023年六屆世界人工智慧大會的舉辦地，在類腦研究、電腦視覺、核心晶片、演算法平臺、智慧機器人等人工智慧關鍵基礎設施領域具備領先優勢。例如，上海擁有上海量子科學院研究中心、上海腦科學與類腦研究中心張江實驗室等一大批人工智慧研發機構。

　　不過，第一梯隊城市的人工智慧基礎設施建設也大多是以市場為導向。浙江大學國際聯合商學院數字經濟與金融創新研究中心研究員盤和林曾在接受相關媒體採訪時表示，這三個城市是根據自身的産業層次來制定人工智慧發展的方案措施。比如深圳的重點是賦能千行百業，因為深圳的産業基礎雄厚。北京則聚焦晶片發展，因為北京有很強的科研優勢。上海的重點則在於民營企業參與，突出市場激勵。

　　人工智慧基礎設施是為人工智慧技術研發、應用和服務提供支撐的基礎設施，因此也包括數據集、算力、開源開放平臺等。在人工智慧創新平臺建設上，第一梯隊城市也具備明顯的優勢。

　　近日，科技部批復了九個國家新一代人工智慧公共算力開放創新平臺。上海交通大學網路安全技術研究院院長李建華向新京報新京智庫透露，平臺將重點建設人工智慧算力網路與算力資源共用平臺，人工智慧軟體資源供需對接與任務調度平臺。九個開放創新平臺中，北京就有兩個入選。

　　其他城市具備差異化優勢

　　因經濟實力、地域等資源稟賦不同，國內各城市在人工智慧基礎設施建設上存在差距，但有的城市也建立起了具有自身特色的基礎設施優勢。

　　例如，就經濟實力而言，廣州一直跟北京、上海和深圳處在同一陣營，不過就人工智慧綜合實力而言，廣州跟上述三座城市相比還存在一定的差距。

　　不過，在人工智慧基礎設施方面，廣州也有自己的優勢。聯通(廣東)産業網際網路有限公司是廣州乃至整個廣東人工智慧基礎設施的重要運營商。該公司副總經理程偉告訴新京報新京智庫，廣州聯通現有16個數據中心，機櫃總規模超2.3萬架。其中中國聯通網際網路應用創新基地是廣東聯通近十年傾力投資超9億元、按國A和T3+標準打造的“智·雲”數據中心標桿項目，也是國家超算廣州中心—聯通分中心、廣東聯通算力網路省級樞紐、中國聯通5G華南大區的關鍵節點。

　　據程偉介紹，依託于優質的數據中心及算網資源，廣州聯通目前承載政務雲(20萬核)，醫療雲(10萬核)、企業雲(10萬核)等重要雲平臺業務，並以高等級綠色低碳數據中心+低時延算力網路助力國家級金融基礎設施廣州期貨交易所落地部署核心樞紐節點。

　　中山大學管理學院副教授韋立堅博士在接受新京報新京智庫採訪時表示，廣州雖然缺少像百度、華為、騰訊和阿裏等巨頭企業，在通用人工智慧尤其是通用大語言模型的投資和數據等方面面臨短板，但在行業性人工智慧基礎設施建設以及垂直領域大語言模型研發方法方面，廣州具有差異化競爭優勢。

　　韋立堅表示，在人工智慧通用基礎設施上，中山大學的國家超級計算廣州中心的商業應用全球領先、全國第一。人工智慧需要基於CPU的高性能計算、基於GPU的智算以及雲計算等異構算力支撐，並需要高速網路進行算網融合。國家超算廣州中心等機構已經牽頭研發出面向人工智慧的異構算力融合計算基座，廣州可以借此迅速發力。在行業性人工智慧基礎設施佈局上，廣州在電子政務、生物醫藥、産業數字金融、風險管理、財富管理、財經資訊、文創遊戲、新能源汽車等領域具有領先優勢，可以圍繞這些領域的行業需求，打造垂直領域的大語言模型。

　　除了廣州之外，蘇州也是國內佈局人工智慧産業較早的城市，尤其是在人工智慧基礎設施建設上，蘇州也是走在地級市前列。

　　2021年，科技部發文支援蘇州市建設國家新一代人工智慧創新發展試驗區。文件要求蘇州加強機器學習、智慧計算等人工智慧前沿理論和關鍵核心技術的研發應用，提升智慧化基礎設施水準，促進人工智慧與製造業深度融合。

　　李建華表示，蘇州有上海交通大學蘇州人工智慧研究院，該研究院打造了全生態人工智慧綜合配套服務平臺，其中包含三大組成部分。人工智慧超算服務平臺提供異構並行計算、分佈式數據存儲系統和智慧調度系統。數據智慧分析中心提供音頻、圖像、視頻等數據集存儲和管理支援服務。人工智慧技術標準測試中心包含了靜音室、錄音室、智慧家居、智慧車載和人工智慧展廳。

　　新京報新京智庫梳理髮現，除了廣州和蘇州，杭州、重慶和武漢等城市也在智慧感知、智慧計算和智慧語音等方面積累了豐厚的基礎。例如，位於杭州的之江實驗室作為浙江重要的科技創新平臺，主攻智慧計算、智慧感知、人工智慧、智慧網路和智慧系統五大科研方向。

　　企業是基礎設施建設的關鍵

　　2019年，科創板正式開板，成為推動我國網際網路、大數據、雲計算、人工智慧發展的標誌性事件。

　　實際上，企業已經成為各個城市人工智慧基礎設施建設的關鍵力量。

　　例如，在今年5月，上海市發展改革委制定了《上海市加大力度支援民間投資發展若干政策措施》並印發。其中提出，充分發揮人工智慧創新發展專項等引導作用，支援民營企業廣泛參與數據、算力等人工智慧基礎設施建設。推動“補需方”改革，支援高校、科研機構、國有企業通過政府採購、租用等方式使用民間投資的數據儲存和算力資源；通過科技創新券支援民營企業租用算力、存儲資源；推動政府部門租用民間投資專用算力支援大語義學習、元宇宙、時空底圖等專業場景應用。

　　另外，深圳市人工智慧行業協會發佈的《2021人工智慧白皮書》也顯示，截至2020年底，北京、深圳、上海、杭州聚集人工智慧企業數量分別近1500家、1318家、1298家、近700家，深圳相關企業數量位居全國第二。其中，深圳22.89%的企業佈局在基礎層，重點聚焦在物聯網、大數據以及雲計算領域。

　　全國政協委員、中國科學院計算所研究員張雲泉在接受新京報新京智庫採訪時表示，北京、上海、深圳、杭州等地人工智慧基礎設施發展較好很大程度上是這些城市有大的網際網路公司和專注於人工智慧發展的公司。例如，北京有百度，深圳有華為和騰訊，杭州有阿裏等。

　　“這些公司需要大量的晶片去進行訓練和推理，所以在人工智慧基礎設施和設備的採購上就會産生巨大的需求，然後採購相關的服務，所以這個是跟城市人工智慧基礎設施建設高度相耦合的。”張雲泉説。

　　在張雲泉看來，相關城市的人工智慧基礎設施能夠走在前列，很大程度上是基於這些城市擁有相關的上市公司比較多，比較發達，“人才也比較密集，所以在這一波走在前面”。

　　對於現在比較火的大模型，張雲泉也表示，目前北京的做法值得借鑒，一個方面是扶植一些算力夥伴計劃的企業，另一個方面是徵集算力的大模型的場景來進行扶植。

　　“這對整個産業發展都是很好的，未來在怎麼釋放數據的能力上，也可以選取一些企業作為合作夥伴來推進。”張雲泉説。

　　催生實體經濟模式創新

　　人工智慧基礎設施的不斷完善，除了夯實科技創新和産業發展的底座外，也在成為智慧技術與實體經濟融合的“催化劑”。

　　2019年3月，中央全面深化改革委員會審議通過的《關於促進人工智慧和實體經濟深度融合的指導意見》指出，要構建數據驅動、人機協同、跨界融合、共創分享的智慧經濟形態。

　　對外經濟貿易大學資訊學院教授陳振嬌在接受新京報新京智庫採訪時表示，當前，我國正處於工業經濟向數字經濟和智慧經濟轉型的關鍵階段。所謂智慧經濟是人工智慧新基建與實體經濟深度融合産生的新型經濟形態；近年來增長迅速，2021年人工智慧核心産業規模較2019年同期增長6倍。目前，智慧經濟在製造、交通、醫療及商業等場景應用廣泛，對實體經濟模式創新、轉型升級和提質增效方面發揮了重要作用。

　　例如，廣州聯通是承接資訊安全産業鏈、人工智慧産業鏈雙鏈主單位，其聯合行業龍頭企業建立聯合實驗室，打造産學研用一體化成果展示平臺，攜手6家科研教科單位共建16個專項課題項目。

　　程偉告訴新京報新京智庫，目前該公司已與香港科技大學合作，基於香港和內地跨境的數據方面做探索，通過合作，香港科技大學兩個校區大量調用中山大學“天河二號”超算中心算力，其中算力匹配、調度是由聯通負責。

　　“這種網路需求與原來不同，原來是面向雲化，現在是面向算網服務。”程偉説。

　　對於智慧經濟和數字經濟的關係，張雲泉也有不同的觀點，他認為，人工智慧基礎設施主要是作為數字經濟的要素來建設的，可以看作是數字經濟的發展基座，主要是來促進數字經濟的發展。

　　“因為數字經濟有不同的行業，它又和實體經濟通過不同的産業發生關聯，作為數字經濟發展的基座，某種意義上人工智慧基礎設施催生出的智慧經濟跟實體經濟是間接的促進關係。”張雲泉説。

　　作為數字經濟和平臺經濟的一個重要技術支撐，人工智慧基礎設施建設對實體經濟的發展産生重要影響。

　　如何更好地推動人工智慧基礎設施建設與實體經濟深度融合？在李建華看來，可以從兩個方面入手。一是推動民間投資參與人工智慧基礎設施建設。從數據存儲、算力支援、模型共用等各個環節引導民間投資深度參與，通過人工智慧基礎設施的建設，拉動一波經濟發展。二是通過政策引導，發行科技創新券，讓智慧製造企業和産業網際網路企業，能夠通過消費券享受價格補貼，積極使用人工智慧基礎設施，從而創造智慧經濟的價值。

　　不過，陳振嬌也指出，人工智慧新基建與實體經濟融合的過程中也存在亟須解決的問題。

　　例如，人工智慧基礎設施建設區域不均衡，主要集聚在京津冀、長三角、珠三角、成渝四大城市群和重點城市；關鍵技術的創新資源分散，資金投入過高，但高端技術自主創新不足；實體經濟智慧化改造過程中存在監管缺位，出現“資訊繭房”“強制消費”等數據和演算法濫用現象，對智慧經濟生態建設産生不利影響。

　　基礎設施建設需要提質增效

　　人工智慧進入大模型階段，夯實AI新型基礎設施意義重大。不過，對相關城市來説，在基礎設施建設方面如何避免同質化、貪大求全和一哄而上的現象，如何提質增效，是擺在相關城市面前的現實問題。

　　陳振嬌表示，相關城市在加強人工智慧基礎設施建設過程中要具備鮮明的問題意識，推動人工智慧基礎設施建設與實體經濟深度融合。

　　就此，陳振嬌建議，要加快5G、物聯網、雲計算、工業網際網路等的建設，提高算力水準，充分釋放數據要素潛能，紮實推進智慧經濟高品質發展。其次，強化智慧財産權保護，為智慧科技創新保駕護航。高端智慧科技創新，離不開智慧財産權保護。除完善相關智慧財産權保護規則體系外，還應增強産業領域智慧新技術的智慧財産權創造保護，關注人工智慧數據治理和數據基礎設施建設的智慧財産權管理。最後，加強有效監管。繼續規範數據流動和演算法應用，創新人工智慧實時監管模式，更新和完善監管體系，生産合法合規的人工智慧産品和服務，構建安全的智慧經濟生態圈。

　　韋立堅則認為，人工智慧基礎設施，不僅包括算力，還包括數據、演算法、算網和人才。大語言模型是基於人類反饋的強化學習機制，因此是龐大的帶有人類反饋的語料庫。即使是訓練垂直領域的行業大語言模型，對於語料庫的要求也很高，但由於各種限制，目前很多行業數據還存在數據孤島，急需通過政策和技術的支援來打通。

　　韋立堅指出，在演算法層面，國內相關企業目前基本還是基於國外開源的技術進行二次研發，還急需重視底層核心演算法的研發。算網層面，急需打破傳統的數據存儲、算力和網路分離模式，實現算網深度融合。

　　“人工智慧是高精尖科技行業，其發展最緊缺的是高端人才，歸根到底是高端人才的競爭，所以一方面需要給予人工智慧高端人才優厚的條件和舒適的工作生活環境，吸引人才；另一方面，中長期看，高端人才主要靠本土培養，因此特別需要給予高校培育人工智慧高端人才的專項投入和從産學研合作方面給予重大支援。”韋立堅説。

　　對於未來相關城市如何佈局人工智慧基礎設施，李建華也給出了自己的建議。

　　李建華表示，當前人工智慧在基礎設施建設方面的困難和挑戰主要來自兩個方面，一是錢的問題，二是有效利用的問題。李建華建議，政府目前可以鼓勵民間投資，支援民營企業廣泛參與數據、算力等人工智慧基礎設施建設。政府同時又可補貼高校、科研機構、國有企業去採購民營資本構建的人工智慧基礎設施。這樣政府就用“四兩撥千斤”的手段，激活了人工智慧基礎設施建設的市場。

　　至於如何實現對人工智慧相關平臺的有效利用，李建華表示，主要可通過平臺主導構建産業創新生態。

　　“新型平臺通過人工智慧通用目的技術的研發、整合和專用化，依託現有的和創建新的垂直業務子平臺，構建賦能産業智慧化發展的産業創新生態。新型平臺主導的産業創新生態不僅包括平臺、新創企業和傳統企業，還包括研究型大學、科研院所和投資機構。”李建華説。

　　查志遠