（原标题：两会圆桌丨人工智能如何加快技术普惠和应用落地？广东省政协委员有话说）
南方财经全媒体记者丁莉 广州报道
过去一年，人工智能加速落地，广东省大模型累计发布数量居全国第二。
2025年广东省政府工作报告提出，实施“人工智能+”行动，加快智算中心和数据基础设施建设。
这意味着，“人工智能+”将作为广东接下来的重点任务，各行各业继续求索通用或垂直大模型深化应用的机会；同时，广东在AI底座方面也开出了包括韶关数据中心集群、鹏城云脑网络智能设施、国家超算深圳中心二期等在内的一张清单。
向上游看，人工智能如何实现技术普惠？向下游看，大模型又要如何走向垂类行业，在此过程中的数据、人才、机制卡点如何去除？
围绕这些问题，南方财经全媒体记者对话了中山大学计算机学院教授、国家超级计算广州中心主任卢宇彤，佳都科技集团股份有限公司执行总裁陈娇。
两位广东省政协委员分别站在上游算力底座与下游场景应用的视角。她们认为，生态协同是关键，这既包括算力建设与高效应用之间的平衡，也包括技术与场景侧的打通，而这种打通，涵盖了数据归集、人才培养、场景开放等多方面。
南方财经：大模型的下半场要拼成本，其中，算力起到怎样的决定作用？
卢宇彤：如果把人工智能比作火箭，算力就是火箭的加速器。新一代人工智能发展的核心是规模扩展带来的核心能力提升，所以它极度依赖计算的规模。特别是很多模型推理趋于大规模、多场景、多模态，对算力的耗费更大。
陈娇：大模型训练需要大量的GPU算力。随着模型参数量的增加，算力需求也在持续递增。除了训练阶段，生成式AI应用的高并发推理也会进一步推高算力需求。此外，算力成本还包含基础架构、集成、维护以及各种处理器的功耗等等。
南方财经：广东要大力发展人工智能产业，如何解决未来的算力成本、算力短缺等一系列问题？
卢宇彤：要建设多维多元、高效协同、超智融合、互联互通的算力要素和技术要素。我们广东拥有广州和深圳两大国家级超算中心，还建有韶关数据中心集群、鹏城云脑、横琴先进智能计算平台等一系列智算中心，综合算力指数居全国前列。未来可以继续携手港澳打造大湾区超算应用互联网，实现大湾区15个超算分中心的高速互联互通，聚集和发挥算力应用效益。
陈娇：其实对中小企业而言，很难通过自建算力设施解决训练和推理算力需求。这就需要政府层面给予更多支持，比如，推动公共云的规模效应和技术创新，为中小企业提供更低成本、可灵活调度的算力资源；向企业发放算力券，通过算力包和按需消费的模式降低企业算力使用成本和AI应用开发。
企业之间也应当加强生态共享，特别是龙头企业应当更有格局，能够将自己算力资源开放一部分给到链上中小企业，减轻后者在算力方面的投入成本。
南方财经：据了解，现在还有不少算力中心被空置，或使用效率不高。一边是企业算力不足，一边是算力中心消纳困难，为何会出现这种供需不对称？
卢宇彤：光有算力是不够的，忽视软件建设，会导致硬件用不起来。
所以我们现在更应该关注的是有序的算力建设和高效的应用之间的平衡。我们还要构建应用服务体系，推进相关政策法规、技术标准和服务标准的制定，提升算力资源开放程度，提升算力服务的市场适应性，优化算力产业协同能力。
事实上，人工智能不同应用领域，对算力的需求差异巨大。比如，就生成式AI而言，越来越需要将训练和推理集合起来，构建训推一体机。现在业内普遍认为国家超级计算广州中心的算力使用效率很高，背后我们团队做了很多工作，包括充分考虑用户的需求，根据需求进行优化、推出相应软件等等。
南方财经：现在我们强调国产算力，要如何加速这一进程？
陈娇：要支持多元化的国产算力厂商发展，提升供给能力，特别是重视异构算力调度、池化、虚拟GPU等算力服务能力的提升，提高算力投资运营的性价比。国产化趋势下如何降本增效是很关键的现实问题，算力运营商也需要尽快完成商业模式的自洽，否则很难建立投资的信心和决心。
形成生态合力也十分必要。以英伟达的CUDA生态为例，其能大大提升算力效能，但背后有近2万人开发。但目前国内企业间仍然山头林立，相互“内卷”，无法形成合力，普遍很难达到这样的开发团队规模。
除了突破强算力芯片等的“卡脖子”问题之外，还应该依托市场机制，培育并增强我国在异构算力、软件生态、能源基础设施等方面具有的国际差异化优势。
南方财经：大模型终究要向具体场景侧落地，你如何理解“人工智能+”？
陈娇：人工智能的应用场景可以分成两类。一类是新技术激发的新需求、新产品，另一类是在传统场景中帮助进行降本绩效，这部分存量市场更值得重视。从前我们强调“互联网+”，现在强调“人工智能+”，归根结底它们都是提质增效的工具。
南方财经：前年“佳都知行交通大模型”已经落地，应用进展和成效怎么样？
陈娇：2023年我们在全球首发了知行交通行业大模型，去年迭代到了2.0版本，在很多场景已经有成熟落地。
比如，大模型应用在了地铁的智能客服和智能运维领域，结合数字人技术以自然语言与乘客交互，并协助维修人员排查故障、分析解决方法、提供维修辅助决策。此外，佳都“混合模型+AI算法”的新一代空调系统节能控制技术也应用到了长沙智慧地铁6号线，将既往约28%的节能率提升到了64%。
南方财经：向垂类行业落地过程中，来自数据层面的挑战突出吗？
卢宇彤：大模型迭代速度非常快，数据也是很重要的推手。现在比较棘手的问题在于，网络空间已公开数据资源趋于“消耗殆尽”，高质量数据匮乏。特别是垂类产业领域对模型的专业性要求更高，数据不准确，算法模型性能就无法达到理想状态。如何生产出高质量的合成数据可能是后续需要进一步关注的话题。
陈娇：大模型需要大量数据进行有效的预训练，大多数项目需要超过100000个数据样本才能表现良好。数据的收集、标注、清洗和预处理都耗资不菲，高质量数据往往需要人工标注，成本高昂，专业领域尤其如此。
但目前，数据共享与协同方面仍然壁垒重重。比如，在交通领域，相应的监管机制和政策法规尚不完善，数据安全、隐私保护以及数据标准统一、跨领域的拉通等问题仍是一大挑战。这些问题限制了数据的充分利用和交通系统的整体优化。
广东的人工智能应用场景广泛，但也存在小和散的情况，是满天星式的应用格局。散落在各处的数据如果能归集起来，对于人工智能的发展将产生巨大推动力。
因此，我们也期望能完善数据市场化流通和交易体系，特别是民营企业参与的项目中，合理开放并利用好数据等资源，提升行业数据转化利用价值。
南方财经：除了数据以外，通用技术和具体行业结合过程中是否还面临堵点？
陈娇：目前，很多场景还不够开放，科技成果转化不畅，全产业链融合水平有待提升。事实上，广东的大模型突出特点就在于和垂直行业结合紧，其人工智能发展的优势也在于应用场景丰富，应该走“应用倒逼技术迭代”的路径。
未来如果能推动市场环境更加公平开放，破除各类制度和非制度性壁垒，敢于为AI技术的应用进行先行先试，相信技术瓶颈和创新难题都能迎刃而解。
南方财经：人工智能落地还需要跨学科、跨领域的知识，如何培养相应人才？
卢宇彤：事实上，在全世界人工智能的人才都非常短缺。因为我来自高校，我们也一直在思考，产业侧需要怎样的人才。
我觉得，一方面，计算机专业仍然是基础，这个根基要打牢，不能“吃快餐”；另一方面，跨学科的培养非常重要，无论是计算机还是人工智能，其本质都是某种超级工具，终究是为了解决具体领域的应用问题。
因此，大湾区要构建多层次的算力人才培养体系，依托丰富的应用场景，开展跨学科的信息技术人才、工程技术人才培养，充实算力产业发展人才库。
陈娇：站在企业角度，我们真真切切感受到人才卡点，我们既需要人工智能的专家，也需要具体行业领域的专家。
未来，整个生态应当加强产学研用各环节的紧密度，比如，在人才机制方面，鼓励科技机构的科学家到企业任职，把科研课题的横向转化成果作为考核指标；支持人工智能产业链企业与科研院所合作，双聘引进海外高端科技人才；成立高校、企业、科研机构三方共建的实验室和产业化平台。
首页
微信公众号
证券之星APP
