近日印發(fā)的《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》，再度引發(fā)社會(huì)對(duì)人工智能產(chǎn)業(yè)發(fā)展的高度關(guān)注。國(guó)家發(fā)展改革委相關(guān)負(fù)責(zé)人明確表示，發(fā)展“人工智能+”必須堅(jiān)決避免無(wú)序競(jìng)爭(zhēng)、一哄而上。這為人工智能健康發(fā)展劃定了“紅線(xiàn)”，也要求各地和各行業(yè)因地制宜推進(jìn)“人工智能+”。

一個(gè)時(shí)期以來(lái)，綜合治理“內(nèi)卷式”競(jìng)爭(zhēng)工作持續(xù)推進(jìn)，避免新興行業(yè)盲目投資建設(shè)，是其中的重要一方面。產(chǎn)業(yè)的發(fā)展離不開(kāi)規(guī)模效應(yīng)，從過(guò)去的經(jīng)驗(yàn)來(lái)看，新能源汽車(chē)、光伏等許多行業(yè)發(fā)展初期，都經(jīng)歷過(guò)野蠻生長(zhǎng)期。資金、人才快速涌入，卻因缺乏統(tǒng)籌規(guī)劃，引發(fā)低水平重復(fù)建設(shè)，供需失衡，不僅造成資源浪費(fèi)，也拖慢產(chǎn)業(yè)向高質(zhì)量、可持續(xù)方向發(fā)展的步伐。

實(shí)踐一再證明，新技術(shù)、新業(yè)態(tài)、新模式的涌現(xiàn)，需要足夠多資源投入，但產(chǎn)能擴(kuò)張速度一旦超過(guò)需求釋放速度，反而容易抑制產(chǎn)業(yè)的良性發(fā)展，違背政策初衷。只有規(guī)模擴(kuò)張的同時(shí)，在技術(shù)突破、應(yīng)用落地和商業(yè)模式創(chuàng)新等關(guān)鍵環(huán)節(jié)厚植基礎(chǔ)，產(chǎn)業(yè)才能更快步入可持續(xù)發(fā)展階段。發(fā)展“人工智能+”同樣需要堅(jiān)持循序漸進(jìn)、合理布局。

提升政策工具的精準(zhǔn)性。一些地方在發(fā)展人工智能等新興產(chǎn)業(yè)時(shí)，過(guò)于追逐投資額、建設(shè)數(shù)量等量化指標(biāo)，政策沒(méi)有跟實(shí)際發(fā)展效益掛鉤。要更加重視政策支持的精準(zhǔn)度，引導(dǎo)各地從“規(guī)模激勵(lì)”走向“質(zhì)量導(dǎo)向”，避免重規(guī)模、速度，輕質(zhì)量、長(zhǎng)遠(yuǎn)，讓“人工智能+”真正落地見(jiàn)效。

要注重因地制宜、分業(yè)施策。應(yīng)推動(dòng)各地立足自身區(qū)位特點(diǎn)、資源稟賦和產(chǎn)業(yè)基礎(chǔ)，科學(xué)確定發(fā)展重點(diǎn)，形成各具特色、各展實(shí)效、優(yōu)勢(shì)互補(bǔ)的協(xié)同發(fā)展態(tài)勢(shì)。同時(shí)，也要結(jié)合各行業(yè)特點(diǎn)，聚焦破解痛點(diǎn)、難點(diǎn)、堵點(diǎn)，針對(duì)性挖掘人工智能賦能的深層次需求與高價(jià)值場(chǎng)景，充分釋放增量效能，讓“人工智能+”在科學(xué)規(guī)劃、差異化布局和務(wù)實(shí)應(yīng)用的引領(lǐng)下，成為推動(dòng)經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展的強(qiáng)勁引擎。

以上是央媒《經(jīng)濟(jì)日?qǐng)?bào)》的最新評(píng)論文章。中國(guó)AI建設(shè) “一哄而上”了嗎？

是有局部表現(xiàn)。比如大模型“百模大戰(zhàn)”：自從ChatGPT引爆全球AI熱潮后，中國(guó)短時(shí)間內(nèi)涌現(xiàn)出上百個(gè)大模型。科技巨頭（百度文心一言、阿里通義千問(wèn)、華為盤(pán)古等）、頂尖高校和科研機(jī)構(gòu)、以及大量創(chuàng)業(yè)公司紛紛入局。結(jié)果是，同質(zhì)化嚴(yán)重，資源消耗巨大，AI產(chǎn)業(yè)園和算力中心“遍地開(kāi)花”，應(yīng)用層的滲透率仍不足。

更準(zhǔn)確地來(lái)說(shuō)，當(dāng)前中國(guó)AI發(fā)展面臨的核心問(wèn)題不是簡(jiǎn)單的總量過(guò)剩，而是結(jié)構(gòu)性問(wèn)題。比如，通用算力過(guò)剩與行業(yè)定制算力短缺。目前，大量智算中心建設(shè)的是面向大模型訓(xùn)練的通用算力，但實(shí)際利用率低下，而企業(yè)碎片化、低精度、低規(guī)模的推理需求成為主流，符合需求的行業(yè)定制算力卻供不應(yīng)求。再如，一些智算中心的服務(wù)器上架率不足50%，已上架的服務(wù)器實(shí)際利用率也不足30%，造成了通用算力的相對(duì)過(guò)剩。

在供給側(cè)，低水平、同質(zhì)化的重復(fù)建設(shè)過(guò)多，而具有顛覆性創(chuàng)新的原創(chuàng)技術(shù)、能解決“卡脖子”問(wèn)題的關(guān)鍵核心技術(shù)（如高端AI芯片、深度學(xué)習(xí)框架）卻仍然短缺。

在需求側(cè)，許多傳統(tǒng)行業(yè)有需求，但不知道如何用AI（缺乏人才和方案），或者應(yīng)用成本太高。而AI公司又往往扎堆在熱門(mén)賽道（如內(nèi)容生成），對(duì)許多“苦活累活”的傳統(tǒng)行業(yè)滲透不足。