[[315132]]

訪中國科學技術發展戰略研究院研究員李修全

繼第一、第二、第三次工業革命之后，人工智能可能引發人類的第四次工業革命,并且其對人類經濟社會文化的影響深度遠遠超過前三次革命。如何看待人工智能對我經濟社會發展的影響？如何形成人工智能產業新生態？記者專訪了中國科學技術發展戰略研究院研究員李修全。

記者：您認為人工智能將對經濟社會發展產生哪些影響？

李修全： 智能化變革已是全球范圍的大勢所趨，作為一項典型的使能型技術，未來人工智能向百行千業廣泛滲透將引發深度變革。很多變化現在還難以看清楚，需要隨技術的陸續突破和產業形態的持續演化逐步顯現。就目前大數據驅動的弱人工智能發展階段來看，經濟社會已經在發生著很多變化，數據開始成為新的生產要素，算法成為新的生產力，產業模式和經濟業態不斷迭代。

大家都說大數據相當于工業社會的石油，而以人工智能為代表的算法正在成為發掘數據價值的發動機，實現數據、知識與其他要素的相互滲透融合，能夠充分放大和提升各類要素的價值創造能力。黨的十九屆四中全會通過的《中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現代化若干重大問題的決定》明確將“數據”作為生產要素之一，提出“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”，就是要通過合理的產出分配機制調動數據資產參與創新和生產的積極性，充分發掘數據的資產價值。

在生產力方面，基于海量數據和知識庫的智能算法在制造、醫療、教育、金融等領域的應用不斷拓展，在生產成本控制，產品質量提升等方面顯現出巨大潛力；數據收集整理、語音客服、票據處理等大量繁瑣的工作正在由人工智能完成；加工制造、建筑、物流等領域各類智能機器人或智能化設施將以更高的效率替代體力勞動，推動生產力的直接改造。

在生產方式方面，高水平人機協同正在成為主流的生產和服務方式，跨界融合成為重要經濟形態，共創分享成為經濟生態基本特征，個性化需求與定制成為消費新潮流。智能經濟時代，通過發掘數據和知識作為新的生產要素的價值，通過發掘智能算法作為新的生產力的價值，通過變革生產、營銷、服務的組織模式，都會極大地提高各行各業的生產效率，形成新的產業形態。

記者：人工智能如何為我國經濟高質量發展助力？

李修全： 在智能化階段，人工智能技術通過與各行各業深度融合，升級傳統產品、改造傳統行業同時，一批新產品、新產業、新業態大量涌現，拓展了產業新空間。

一是催生一批人工智能新產品和新產業。各類專用智能芯片發展迅速，正在成長為芯片領域的新貴；智能醫療診斷產品、機器翻譯產品、無人機、智能機器人、健康監測可穿戴硬件等都會為用戶帶來全新價值。

二是開發更為廣闊的“舊動能”沃土。通過加入人機感知、知識交互、情感陪伴等功能，人工智能正在給音箱、門鎖、冰箱等傳統家居家電產品帶來再次產業增長；高效能的營銷大腦、智能化配送等技術推進零售業改造升級，新零售正在成長為新經濟的代表。

三是促進生產過程降本提質增效。通過靈巧操作、工業視覺、能耗優化等，實現傳統生產工藝改造，推動質量、效益和國際競爭力提升，服裝制造業等也有可能因柔性制造機器人等新技術的應用迎來全球產業格局重構。

四是孕育更高階段的知識經濟。智能醫療、智能教育實現了高水平醫生和教師的知識在更大范圍的共享，放大知識的經濟價值，推動知識經濟進入全新階段。

記者：中國人工智能產業取得了哪些發展成就，目前產業發展現狀如何？

李修全： 近年來中國人工智能產業化發展迅速，企業數量、融資規模均居全球第二，成為人工智能產業化大國之一。智能芯片、智能軟件、自動駕駛等領域的創新創業大量涌現；人工智能與實體經濟加速融合，帶動了制造、物流、金融、零售一大批傳統行業轉型升級；智能化正在為中國新舊動能轉換和國民經濟高質量發展提供有力支撐。但與此同時，中國智能產業也存在基礎層發展薄弱的問題，在共性技術平臺、芯片處理器、傳感器等基礎支撐領域的企業數量較少，發展相對薄弱。

記者：如何促進人工智能和實體經濟的融合，形成人工智能產業生態？

李修全： 全球人工智能產業化總體上看仍處于早期階段，機遇與挑戰并存。隨著人工智能產業化應用從娛樂、消費等領域開始向制造、能源、交通等更大范圍的實體經濟進軍，技術落地難度和面臨的問題將大大增加。需要避免脫離技術階段的過高預期和借概念投機式發展，以務實的態度堅持技術創新攻堅克難。一是要強化產業界和學術界的協同創新，加快突破一批人工智能產業化核心關鍵技術。二要加強智能化基礎設施建設，夯實制造業等領域的基礎信息化能力。三要加速早期落地場景探索，從實體經濟業務需求角度追求能力提升，通過應用迭代加速技術成熟。

此外，也要完善支持人工智能發展的重點政策，落實對人工智能中小企業和初創企業的財稅優惠政策，有序推進公共數據開放共享。重視“+人工智能”各領域的復合型人才培養，培養一批貫通人工智能技術和行業知識的多學科復合型人才。