半岛彩票2月19日，国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会，提出中央企业要主动拥抱人工智能带来的深刻变革。央企的优势在哪里？发展人工智能的着力点又在哪里？我们又该怎么样紧紧抓住新一轮产业变革的机遇，实现高质量的发展？《新闻1+1》邀请中国科学院科技战略咨询研究院研究员周城雄，共同关注：人工智能，中国的竞争力！
2月19日，国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会，会议认为，加快推动人工智能发展，是国资央企发挥功能使命，抢抓战略机遇，培育新质生产力，推进高质量发展的必然要求。中央企业要把加快发展新一代人工智能，摆在更加突出的位置。发展人工智能，央企，在人工智能领域实现更好发展、发挥更大作用？点击视频，了解更多内容↓↓↓
中国科学院科技战略咨询研究院研究员 周城雄：国资委召开这个会议的时机是顺应时代的需要，也就是科技革命形式的需求。人工智能是公认的下一次科技革命的一个重要领域或者重要方向，任何一个国家都不敢去冒错失这次科技革命的一个风险。国资委作为国家央企主管部门，肯定要在这方面要要求央企承担它的社会责任。最近大家看到Sora出现，有些人可能会以为是和这个有关，但其实这个会议肯定不是这几天才决定召开的，这个会议肯定已经筹备一段时间，说明主管部门已经意识到了人工智能对国家发展的重要性，也意识到了中央企业要在这方面承担的责任。
中国科学院科技战略咨询研究院研究员 周城雄：人工智能的应用场景很广，应用范围很广，相关的产业也很长，涉及技术门类也很多。目前相对来说，我们并没有全方位的有优势，只能说在某些局部，在最急需，应用最广泛的一些领域提供资源，来取得优势，比如说我们从制造业大国变成制造业强国，必须在人工智能应用的技术上取得领先优势，才能保持制造业优势。比如说农业领域，我们也是农业大国，要保持农产品安全，提高农产品效率，人工智能的应用也是有非常大的作用的，这些都是我们急需的。
这次推进会“10家中央企业签订倡议书，表示将主动向社会开放人工智能应用场景”。下一步可以开放的应用场景有哪些？
中国科学院科技战略咨询研究院研究员 周城雄：不涉及国家安全的，我认为应该尽可能向社会开放，因为我们的优势是应用场景广，比如像制造业，央企也有很多大型的制造企业，在汽车、飞机、钢铁、化工这些制造领域，假如我们能够向社会开放，那么这方面的人工智能应用就可以快速地得到迭代和进步，再比如说交通领域，我们很多的交通建设，像高铁、高速公路，都是由央企在承担，这方面的应用场景开放，也可以跟人工智能技术快速相结合。
尽管起步较晚，但近年来，中国在算力、芯片和5G等新型基础设施领域的发展，已经呈现快速增长和持续创新的趋势，也为人工智能的大规模计算和数据处理提供了强有力的支持。目前，中国的人工智能专利申请量居世界首位。如何更好地推动我国新一代人工智能的健康发展？点击视频，了解更多内容↓↓↓
中国科学院科技战略咨询研究院研究员 周城雄：我想涉及几个方面（1）人工智能的芯片。这是硬件方面的基础设施，就好比高铁列车，现在国外对我们还有一定的限制措施，高端的人工智能芯片禁运对我们人工智能研发会有一定影响。（2）算法方面。有了芯片还涉及计算方法，这是跟数学家、跟计算机结合有关，需要我们继续提升的地方。（3）应用方面。现在一些国外的人工智能大模型，对中国还没有完全开放，这对我们造成一些影响。可以采取灵活的政策，让我们能够更快的运用上当今世界最先进的人工智能技术，运用我们巨大的市场，在应用过程中，再发展我们自己的人工智能技术，实现快速迭代。
中国科学院科技战略咨询研究院研究员 周城雄：合作肯定是会有的。从最基础的方面来说，比如说数学层面、计算机层面，很多最新的研究成果都是在全世界范围公开发表的，这里面有我们中国科学家发表的论文，也有其他国家科学家发表的论文，大家都是共享的，我想这本身就是一种合作。涉及竞争，我认为更多的是在产业层面的竞争，就是到了应用层面，企业把它做成一个产品的时候，一定是存在竞争关系的，当然企业之间也会有上下游的合作，也会有一些应用场景跟技术提供方的合作，但是同行之间肯定是一个竞争的关系，但是这个竞争是良性的，技术的进步最终将会惠及全人类，带来更好的福利，更好的生活条件。
中国科学院科技战略咨询研究院研究员 周城雄：首先一个方面就是央企的规模大，抗风险能力强。我们知道人工智能是一个新兴领域，无论世界各国来说，都不能说发展得很成熟了，在这个阶段，需要投入的资金量、人力资源是非常大的，而一般的很多企业很难单独承担这样投入。虽然我们已经有一些民营企业在投入，但由于起步阶段或者说投入规模的问题，现在还不能说在全世界做到真正的领先。那么，如何让央企也能加入到里面来，央企也有人才的优势，也有研发资金的优势，肯定会加速我们在人工智能领域的发展。因为从科研的角度来说，投入是最基础的，可以说科技发展到这个阶段，科研是奢侈品，没有经济基础是很难取得科研成果的。
