人工智能发展趋势及工程实践探索方向有哪些？

人工智能在不断迭代升级演进的同时，应用范围不断扩大，正为全行业智能化转型拓展出无穷无尽 的新空间，迸发出源源不断的新动能。

1.行业智能化发展趋势

大模型的强大泛化能力，算力基础设施的高效供给，使得 AI 从面向行业定制走向面向行业场景微调， 大幅度降低了 AI 在行业应用的研发成本，在各个行业中得到应用。基于 AI 前沿技术研究方向和行 业智能化应用实践经验进行总结，可将人工智能在行业的应用分成 “减少人”、“超越人”、“辅助人”、“理解人”和“不如人”五种模式。

“减少人”样本数据量大，验收标准相对明确， 是 AI 应用的主战场，能够极大地提升作业的 效率和质量，甚至做到完全无人化。主要适用 于站点现场作业，财经票据识别，客户服务等 应用场景。

“超越人”系统复杂，有相对清晰的整体优化 方向，有大量数据、准确高效的仿真模拟器， 可利用白盒优化、黑盒优化、强化学习、多目 标优化等 AI 技术，超越人的能力极限。可适 用于电力能源调度、港口物流调度和油气管道 入侵检测等场景。

“辅助人”数据样本量小，依赖专家的经验， 但人工智能可以起到关键辅助作用，极大地提 高专家的效率。主要包括财经风险识别、风控 内审和长途辅助驾驶等行业应用。

“理解人”数据样本量大，验收标准不明确， 最终效果取决于服务对象个体的喜好，AI 要用 起来就要理解人，可能就涉及到隐私。如果不 能理解人，人工智能就用不起来，需要解决“即 能理解人，又不侵犯隐私”的挑战。就要利用 联邦学习、知识图谱等技术，适用于推荐搜索、 智能助手、情感对话等场景。

“不如人”数据样本量小，验收标准不明确， 专家知识也不够，无法用数学语言进行描述。 当前的 AI 技术难以介入，例如无边界的开放 域对话、创意类、美学、股票预测、黑天鹅事 件等。AI 算法只能“高仿”，不能创造并超越 真正的艺术大师。

当前主要是“辅助人”的模式，少部分重复性 的工作可以减少人，个别系统复杂有相对清晰 优化目标的场景可以超越人。未来随着大模型 等 AI 技术的快速发展，AI 从感知智能走向认 知智能，越来越多的工作将会被 AI 取代，意 味着辅助人、减少人、超越人的比例越来越高， 而不如人的比例逐渐降低。

2.工程实践探索方向

人工智能技术和产业已经取得了长足的发展，人工智能技术创新将进一步加快，产业规模持续扩大， 聚焦工程实践逐渐成为人工智能发展的重要方向。人工智能工程实践探索主要包括以下几个方向：

1）人工智能工具链是工程实践能力核心，围绕着数据处理、模型训练、部署运营和安全监测等全 生命周期的工具链要不断完善，大幅提升数据处理、模型开发效率，增强模型部署、运营监管能力， 加速人工智能大规模落地应用。

2）人工智能基础设施是人工智能的基石，为加速迈向智能社会提供强大牵引力。在全球各国多项 政策和资金支持下，人工智能技术攻关和产业应用的发展势头迅猛，于此同时，人工智能基础设施 能力建设要跟上，一方面要建设强大的计算集群，另一方面也需要高速可靠的网络让数据及时高效 流动。获得先进的 AI 算力，也是每个国家、企业在发展中的重要权利。

3）大模型轻量化后端侧部署是加速人工智能应用的必然趋势。随着大模型小型化、场景化需求增强， 推理可逐步从云端扩展向端侧，用户可以更加经济、可靠、安全地使用 AI 服务，大模型端侧的应 用布局和标准规范制定要不断加速。

4）降低大模型训练和推理成本是当前人工智能工程实践的重要探索方向，是推动 AI 技术发展和应 用的重要手段，可使得 AI 技术在更多领域得到应用，带来更大的社会效益。

5）发展安全可信的人工智能已成为全球共识，是关系到人工智能长远发展的重要课题。未来围绕 着人工智能稳定性、可解释性、隐私保护、公平性等方面的法规政策和技术研究将会形成重要的力 量。例如，要建立健全的法律政策和监管机制，规范数据处理活动，保障数据安全，促进数据流通， 保护个人、组织的合法权益，维护国家主权、安全和发展权益；行业用户数据具有隐私性和保密性 的要求，存在自有数据不出本地问题。要加强相关技术研究创新，通过加密机制下的参数交换方式， 在不违反数据隐私法规情况下 , 建立一个虚拟的共有模型。这样既可以不泄露用户数据隐私，又可 以达到高质量模型的效果。 人工智能可以提高经济效益，提升社会服务水平，更好地保障公众的安全，改善公众的生活。因此， 应充分发挥人工智能技术的优势，加强人才培养、生态建设、政策法规标准规范制定，以更全面、 更有效的力度推进行业智能化的发展。

人工智能的未来，是全人类共同的未来，每个国家都有权利 和义务参与到人工智能的发展进程中来，共同推动人工智能技术的研究创新和在千行万业的应用， 带动全球经济和社会走向一个高质量、高水平的快速发展期，以造福全人类。