摘要：深入把握新一代人工智能發展的特點，加強人工智能和産業發展融合，爲高質量發展提供新動能。
【編者按】 當下，作爲世界新一輪科技革命和産業變革最前沿的核心成果，人工智能技術正處于集中爆發期，正在和將要催發一系列新技術、新産業、新業態、新模式的産生與發展。
人工智能技術及産業發展的現狀和趨勢如何？對經濟社會將産生怎樣的深刻影響？中國如何在這一輪科技革命和産業變革中搶抓機會窗口進行“變道超車”？
北京師範大學經濟與工商管理學院院長戚聿東教授日前在中國人民大學舉辦的“數字文明時代的未來經濟學學術論壇”發表的主旨演講中，對上述問題給出了回答。
歷經半個多世紀的發展，當下人工智能正處于創新成果集中爆發的技術奇點期。“奇點”本來是一個數學和物理上的概念，現在常被用來指代我們社會中由新技術帶來的劇烈變化。
科學技術的每一次進步都使人類認識世界的水平達到新的高度、改造世界的能力實現新的飛躍，同時也會對經濟社會産生深刻影響。
今天的演講，我將圍繞“人工智能：從技術奇點到經濟奇點”談談個人對于人工智能所帶來的技術變革與産業革命的一些思考。
人工智能發展正在進入“技術奇點”期
1997年、2016年發生的兩件大事大家可能仍記憶猶新，國際象棋、圍棋的世界冠軍相繼被機器人打敗，這是人工智能技術發展的重大進展。
人工智能技術的最新成果主要是生成式人工智能（AIGC）的發展。中國國家語言資源監測與研究中心發布了2023年十大新詞彙，生成式人工智能居于榜首，足見國人對人工智能的關注。
2023年以來，OpenAI公司相繼發布了ChatGPT4、Sora、ChatGPT-4o等多模態大語言模型“爆品”，引發世界矚目。隨後，其他一些大公司也都紛紛推出了各自的聊天機器人，在參數、數據、性能上都有所超越。國外聊天機器人的系列“競品”，標志著人工智能進入了多模態大模型的“春秋戰國”時期。
中國2023年以來發起了“百模大戰”，湧現出200多個大模型，如百度的文心一言、阿裏的通義千問、騰訊的混元助手、華爲的盤古、科大訊飛的星火等。
生成式人工智能，如聊天機器人ChatGPT-4o，可用于各種自然語言處理任務，這對客服、助手、翻譯、文創、科研、教育等領域將産生“創造性破壞”。
文圖生成視頻大模型Sora，“一個人”可包攬短視頻的攝影、導演、剪輯等任務，這對短視頻、直播、影視、遊戲、動漫、廣告等行業將會帶來“顛覆性創新”。
人工智能科學家特斯勒提出了“特斯勒定理”，意即每當AI取得突破時，它都會被重新定義，這意味著AI被定義爲“一切尚未完成的事物”。的確，隨著AI智能水平的不斷提升和應用場景的不斷擴大，它正在挑戰並嘗試解決人類的各種“難題”。
在生物學界，谷歌DeepMind公司開發的AI模型AlphaFold2，2020年曾解決了生物學界蛋白質空間預測方面50年的難題。2024年最新版AlphaFold3，幾乎能夠預測所有生命分子的結構和相互作用，爲藥物發現帶來前所未有的機會。
在數學界，一系列專業AI數學“神器”，助力推進數學新發現，提出新猜想和新方法，解決科學難題。“數學天才”陶哲軒認爲借助AI編程語言，將顛覆數學界，改變數學的研究方式。
著名數學家丘成桐認爲人工智能目前沒有辦法提出新觀念，因此“不可能取代最尖端的數學家”。言外之意，其他層次的數學家可能就要面臨“失業”的風險了。
物理、化學等學科也都面臨著類似的“創新者的窘境”。同樣，人工智能對文史哲、經管法等學科的沖擊也較大，將對高等院校人才培養、教學和科研等方面帶來一場“範式革命”。
無論弱AI、強AI還是未來的超級AI，目前大都局限于人類生活領域，而未來人工智能的演進方向將是生産領域，如農業、工業和服務業中的各種“産業機器人”和生産工藝流程中的各種智能設備，如醫療機器人、養老機器人。
以人工智能爲代表的數字技術革命，屬于通用目的技術, 可以鏈接、滲透、賦能萬物，在算力、算法和算料（數據）上所展現出的高鏈接性、強滲透性、泛時空性，不是以往任何技術革命可比擬的。
如果說曆史上前幾次技術革命給人類帶來的是身體和器官的釋放和解放，此次以人工智能爲代表的數字技術革命，釋放和解放的是人類的腦力和智力。
從發展趨勢看，無論從感知、認知的水平，還是記憶、計算的能力，抑或智商、情商的表現，人工智能幾乎在所有方面都可以囊括人類個體的最高水平，從這個意義上講，稱未來人工智能是“世界模擬器”並不爲過。總之，人工智能發展正在進入“技術奇點”期，對人類生活和生産將産生廣泛、深刻、持續的影響。
人工智能的經濟奇點蓄勢待發
接下來，我想談談人工智能技術對經濟的影響。
從産業鏈角度來講，人工智能産業鏈包括上遊基礎鏈、中遊技術鏈、下遊應用鏈等龐大的産業鏈群。與此同時，雲計算、大數據、區塊鏈等數字技術，它們與人工智能技術相互加持，你中有我，我中有你，誰也離不開誰。
其他各類數字技術都各自擁有上中下遊相當長的産業鏈，各自以其“迂回生産方式”推動人工智能産業的疊加、倍增等“乘數效應”。僅就芯片制造這一環節而言，芯片生産線涉及50多個細分行業、2000-5000道工序。英偉達高端芯片一直供不應求，“十萬卡集群”正在成爲美國人工智能大模型公司的標配。
基于Blackwell框架的最新款AI芯片，在美國售價爲每顆3萬到4萬美元。2024財年英偉達淨利潤同比增長581%，公司市值從一年前的6000多億美元飙升到目前的3.3萬億美元。據悉，爲了避免受制于上遊産品及設備約束，OpenAI正計劃籌資自建晶圓廠生産AI芯片，AI産業鏈的巨大市場前景可見一斑。
中國對人工智能技術和産業高度重視。2018年10月中央政治局就人工智能發展現狀和趨勢進行了集體學習，習近平總書記在主持會議時強調指出，人工智能是引領這一輪科技革命和産業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應，我國要深入把握新一代人工智能發展的特點，加強人工智能和産業發展融合，爲高質量發展提供新動能。
近些年，我國人工智能領域發展非常迅速，無論是論文量還是專利申請量，無論是工業機器人的使用量還是生産量，都位居世界第一，這也是中國的獨有技術路線和相對優勢。
AI技術廣泛應用推動著AI産業的不斷擴大，過去三年我國人工智能核心産業增長速度分別達到33.3%、18%、13.9%，2023年人工智能核心産業規模達到5784億元。按照國務院規劃，到2030年我國人工智能核心産業規模將達到1萬億元，帶動相關産業規模達到10萬億元。現在看來，這個規劃還是比較保守的，肯定會提前幾年實現。
人工智能産業發展不僅僅體現在人工智能核心産業上，更是以其強大外溢性體現在數字經濟發展中。從2012年到2022年，中國數字經濟增加值從11萬億元增加到50.2萬億元，年均增速達到16.4%，顯著高于同期GDP年均增速。
數字經濟占GDP比重從10年前的21.6%提高到2022年的41.5%。隨著人工智能主導的數字技術驅動數字經濟的不斷增長，將會助力中國經濟總量實現“變道超車”。
技術奇點到經濟奇點的後顯性和加速性
從技術奇點到經濟奇點，中間存在技術價值變現的滯後性或後顯性，這是個普遍規律。目前無論是生活機器人還是生産機器人，離規模化、産業化、場景化仍然有較大距離，與我們期待的經濟奇點爲期甚遠。
從歷史上看，曆次技術革命轉化成産業革命的周期都很長。第一次産業革命時期，1776年瓦特制造出了第一台改良蒸汽機，但直到1830年以後，以蒸汽機爲主的機器在英國才得以普遍使用。
以電氣化爲代表的第二次産業革命，經曆了大半個世紀才顯示出對經濟增長的影響。
以信息化爲代表的第三次産業革命，到21世紀初期還沒有給生産力和産出帶來人們期待的影響。
這些都是國外經濟學家基于實證研究得出的結論。
大家可能注意到，這裏我沒有用“工業革命”而是用“産業革命”，因爲在我看來，技術革命所帶來的大變革除了工業領域，還包括農業、服務業、金融業、基礎設施領域等。總之，從曆史經驗來看，短期內我們不能期待技術奇點立馬轉爲經濟奇點，但從長期看則是必然趨勢。
馬克思、恩格斯在《共産黨宣言》中指出：“資産階級在它的不到一百年的階級統治中所創造的生産力比過去一切時代所創造的生産力還要多，還要大。”《共産黨宣言》發表在1848年，這一年正是第一次産業革命末期和第二次産業革命醞釀期，其後發生的第二次産業革命和第三次産業革命上半場，更是驗證了馬克思和恩格斯關于技術革命引發産業革命、進而導致經濟增長倍增的規律。
從人均GDP來說，公元1000年到1820年的800多年間，世界人均GDP提高了53%，1820年到1950年的一百多年間提高了2.2倍，1950年到1998年的40多年間增長了1.7倍，1998到2023年的20多年間增長了1.5倍。
因此，按照人工智能專家庫茲韋爾提出的“加速回報律”，相信未來幾十年，世界範圍內一定會迎來人工智能的經濟奇點。
中國如何揚長補短、精准施策
多年以來，我國以人工智能爲主導的數字技術創新和應用突飛猛進，數字經濟長期持續快速發展。然而，2018年以來，美國等發達國家對我國築起“小院高牆”，實施“脫鈎斷鏈”，我國核心數字技術被“卡脖子”，關鍵産業鏈被“斷供”，高端人才被“隔離”。
我國目前數字經濟無論是規模、結構還是企業體量、水平，雖然比下綽綽有余，但比上仍大大不足。面對差距，我們如何揚長補短進行趕超？
第一，當務之急是實現高水平科技自立自強。
實現關鍵核心數字技術的突破，可以選擇相應的技術路線。
一是“集中攻關”取得關鍵突破。對于關乎國家發展和國家安全的關鍵核心技術，要發揮新型舉國體制優勢進行集中攻關，強化國家戰略科技力量，高效配置科技力量和創新資源，形成關鍵核心技術攻關的強大合力。
二是另辟蹊徑伺機“變道超車”。在顛覆性創新下，先發企業雖然具有較大的“先動優勢”，但也往往面臨下一代顛覆性創新而成爲沈沒成本的風險。後發企業若致力于新一代顛覆性技術，可直接“輕裝上陣”迅速采用新技術，實現逆襲趕超。
第二，全面開展“人工智能+”行動。
習近平總書記指出，我國經濟是靠實體經濟起家的，也要靠實體經濟走向未來。數智化時代，實體經濟普遍面臨著數字化轉型、智能化升級的緊迫任務，以實現質量、效率和動力的“三大變革”。農業、工業、服務業的“三大變革”，都離不開數字技術的支撐。
今後，數字企業需更加有效地對接實體企業，在解決其數字化轉型、智能化升級存在的痛點、卡點的同時，致力于相關數字技術的創新突破。實體企業特別是制造業企業也要積極運用人工智能技術實現智能制造，推進技術體系升級換代。
第三，強化企業科技創新主體地位。
企業了解市場需求，對技術進步方向敏感，因此要強化企業在國家新型創新體系中的主體地位。加強企業主導的産學研深度融合，骨幹企業可聯合高校、科研機構組建創新聯合體，牽頭組織重大數字技術項目，推動成果産業化應用。
在這方面，深圳“6個90%”的創新密碼值得推廣，即90%以上的創新型企業是本土企業，90%以上的研發機構設立在企業，90%以上的研發人員集中在企業，90%以上的研發資金來源于企業，90%以上的職務發明專利出自企業，90%以上的重大科技項目發明專利來源于龍頭企業。
強化企業科技創新主體地位，還要充分發揮龍頭數字企業在創新生態圈中的作用，推動創新鏈産業鏈資金鏈人才鏈深度融合。
第四，積極推進數字技術標准國際化。
技術既要創新出來，也要有效擴散出去。知識産權和技術標准化是促進數字技術創新與擴散的重要途徑，要在重視知識産權保護的同時，不斷提升技術標准化進程。需注重數字技術標准與知識産權之間的協同，推動技術專利化、專利標准化、標准國際化等。
今後中國應更加注重提升專利質量，以開源數字技術和開放式創新體系積極拓展技術標准的國際“朋友圈”，增強國際話語權。
第五，加快構築具有全球競爭力的開放創新生態。
要緊扣“四個面向”，堅持教育、科技、人才“三位一體”協同融合發展，統籌實施科教興國戰略、人才強國戰略、創新驅動發展戰略，構建具有全球競爭力的開放創新生態，形成世界科創中心和人才高地，努力培養造就從戰略科學家、一流科技領軍人才和創新團隊，到卓越工程師、大國工匠的各類互補性人才。
爲此，要重塑支持全面創新的人才發展基礎制度，在人才教育制度、評價制度、培養制度、考核制度等方面大膽探索，“不拘一格降人才”。
【思想者小傳】
戚聿東，北京師範大學經濟與工商管理學院院長、二級教授。兼任國務院反壟斷委員會專家咨詢組成員，全國數字經濟專業學位研究生教育指導委員會委員，全國企業管理現代化創新成果審定委員會委員，教育部學位中心企業案例研究首席專家，中國工業經濟學會副會長，中國企業管理研究會副會長等。（作者照片由本人提供）---來源 : 上觀新聞 -
*科研，期待“AI愛因斯坦”提出好問題*
東方IC
"提出一個問題往往比解決一個問題更重要。"愛因斯坦百年前的話語，在如今這個"答案太多，而問題太少"的AI時代正獲得更多共鳴：越來越多科學家認爲，"更好提問"是人類面對AI的最好辦法。
不過，具備超強推理能力的OpenAI o1大模型的問世，讓科學家開始期待AI能夠提出一個好問題。日前舉行的第23屆浦江學科交叉論壇上，專家們表示，隨著科學研究"第五範式"AI for Science（AI4S）的到來，"AI愛因斯坦"有望提出有價值的科學問題，並擁有理解複雜世界、探索未知規律的能力。
靶點枯竭了嗎
靶點是藥物研發的源泉，一個新靶點的出現，往往會帶來一系列重磅炸彈式的藥物。
目前，全世界新藥研發面臨的共同難題是靶點枯竭。華東師範大學藥學院院長、人工智能新藥創智中心主任李洪林表示，人體有不到三萬個基因，數百年的研究産出了數百萬篇研究論文，共獲得了近900個靶點、1600多個常用治療藥物。
科學家曾預言2003年人類基因組計劃完成後，所有疾病相關靶點都將一網打盡，但事實並非如此。由于靶點有限，熱門賽道不可避免出現了"卷靶點"。比如腫瘤靶向治療領域，"擠"滿了250個臨床候選藥物，腫瘤免疫治療賽道則有130多個藥物在研。
AI視角下，人類基因還有海量的"未解之謎"。李洪林表示，現階段只有3%的基因被確認爲"成藥性靶點"，55%的基因僅有生物學機制研究，35%的基因仍爲"黑暗基因"，即人類尚未發現它們具有明顯功能。
未知即"藍海"。正如羟甲基戊二酰輔酶A還原酶靶點開啓了他汀類降膽固醇藥物時代，1996年上市的立普妥至今仍保持著百億美元的年銷售額，科學家期待"第五範式"下的新藥研發能夠開創一個個新的"藍海時代"。
推理克服"幻覺"
GPT的出現曾掀起過一陣AI4S的討論，但是大語言模型有天生短板，比如"幻覺"問題。"這是因爲大語言模型本質上是概率預測，並不産生新知識，投喂的數據越多反而會強化它們對某一類問題的刻板印象。"複旦大學人工智能創新與産業研究院副院長、上海科學智能研究院院長助理程遠說。
傳統科學研究中，人們總是依靠"問題—實驗—數據"來獲得新發現，這個過程極其依靠專家的經驗，有時甚至是"靈光一現"。未來"第五範式"下的科學研究，可形成"AI科研助手+AI操作機器人+智能實驗環境+可信多方協作"的高效叠代。
如何打造一個垂類科學大模型？程遠表示，垂類科學大模型有兩個特點：一是數據量少，特定領域只有幾千、幾萬條數據；二是遷移性差，在訓練集、測試集上表現好的數據，在實際項目中往往表現很差。因此，垂類科學大模型需要由高質量的科學數據、科學實施方法和科學機理一同打造，缺一不可。
基于這樣的理念，上海科學智能研究院打造了"燧人"物質世界大模型——將實驗數據、合成數據以及量子力學、分子動力學、統計熱力學等物理機理都投入模型進行預訓練。"當數據和機理矛盾時，擁有推理能力的科學大模型有能力調整對數據的認知，然後它能從牛頓力學走到愛因斯坦相對論。"程遠說。
科學家與AI共創
不可否認，科研已成爲AI的下一個"主戰場"。一份對全球44家頂尖藥企AI輔助藥研行動的調查顯示，近十年來，藥企使用AI技術服務行動次數顯著增長，41家藥企與AI初創公司有合作關系，7家藥企與高校展開了合作，諾華、阿斯利康、楊森、輝瑞、葛蘭素史克、默克、拜耳等跨國藥企在AI藥研上行動最積極。
程遠所在的上海科學智能研究院，目前已經擁有"伏羲""女娲"等垂類科學大模型。其中，"伏羲"是全球氣象大模型，也是首個全球次季節預測大模型，可提供全球未來15天逐小時預測以及未來60天逐日預測。
"女娲"醫藥大模型包括DNA大模型和動態蛋白質大模型。其中，DNA大模型以全球最長序列、最細粒度的基因調控關系理解促進生物機制的發現，將應用于藥物靶點發現。"女娲"在多個預測指標上的正確率超過了DeepMind的高精度基因表達預測模型Enformer。
根據《2023AI4S全球發展觀察與展望》報告，未來幾年科研相關領域都將會完成2.0階段的算法升級，而後將逐漸進入到智能化設計的3.0階段，最終實現AI4S廣泛普及。
"AI觸發了科研範式轉型的突破點。"程遠表示，科學家應該了解AI語言，把科學問題轉化爲可計算的問題。未來，科學家將與"AI愛因斯坦"一起，共同推動創新成果的産生。
---[文 ：沈湫莎* 圖 ：東方IC* 編輯 ：範菁/來源 : 文匯報]
