admin当前，人工智能（AI）正沿着自下而上的技术创新和自上而下的应用构建的双重路径加速演进。从实验室算法迭代到行业领先场景落地，从算力基础设施融合到全球生态共建，中国人工智能通过通专融合的技术探索和应用实践，成为勾画高质量发展新图景、催生新生产力、驱动经济增长的主力军。技术进化：从推理到科学发现，通向人工智能与专业化融合的道路。 1月22日，第40届人工智能协会年会（AAAI 2026）在新加坡举行，通用人工智能的进展成为全球人工智能领域关注的焦点。场。上海人工智能研究院院长、首席研究员周博文在会议专题报告中指出，虽然人类目前正处于“通用人工智能”（AGI）的前夜，但通用知识与专业知识融合的智能缺失仍然是一大瓶颈。迫切需要推动科学智能从1.0到2.0的迭代，实现从AI4S（AI for science，人工智能驱动的科学研究）到AGI4S的跨越。 “如果AGI=通用性和专业性的融合，那么具有深度专业化的通用模型是实现AGI的可行路径。”周博文在报告中明确表示。他认为通用模型构建深度专业化面临三个主要挑战。其中包括以低成本和大规模提供有针对性的反馈的能力、持续学习和积极探索的能力以及为问题提供解决方案的能力。对同一问题有多种观点。为了克服这一困境，我们必须在三个方面共同努力：信号、规模和实施。在他看来，科学发现是人工智能的下一个前沿领域，不仅是推测智能的终极试验场，也是通用集成AGI的核心验证阶段。大规模深度推理将为科学研究注入新动力，而科学发现过程中积累的海量数据和复杂场景也将反哺AI推理能力的不断进化，形成双向赋能的良性循环。周博文和团队进一步了解大规模模型的强化学习以进行长尺度链接推理。我们的广泛研究揭示了大规模模型持续进化的一个根本障碍：熵崩溃。 “这个问题的核心是在特殊情况下保持大通用模型的好奇心和好奇心化过程中，避免过早的过度自信，如人类顶尖专家“求知若渴、思想开放”。基于这一理念，上海人工智能研究院进行了一系列探索和验证，构建了促进通识与专业融合发展的“智能”SAGE技术架构。我们整合基础、集成和演化层面，通过双向循环实现全栈技术演进，同时，研究院还建设了支撑AGI4S探索的两大核心基础设施——大规模多模态科学模型“学者”Intern-S1和科学发现平台“学者”Intern-Discovery，并取得了多项增量进展。 “如果我们将 SAGE 比作一张新世界地图，我们现在已经建立了出色的预验证和多个前沿基础。”周博文希望将这一倡议介绍给世界各地的同行并进行合作演讲制定 AGI 发展的新计划。业界认为，通用技术与专用技术融合的不断进步，正在使人工智能从“广义与通用”向“专用与专用并重”转变。原本分散的技术能力正在逐渐产生协同效应，我们正在为引入AGI打下坚实的基础。产业融合：重塑千行百业，开启价值实现新路径技术迭代的价值最终要通过产业应用体现。如今，人工智能正在系统性地重塑数千个行业。中国走出了一条独特的人工智能与产业融合发展道路，推动技术能力转化为现实产业价值，开辟了人工智能从试点验证到规模化价值部署的新路径。 “目前，人工智能正在从提供‘情感’转向“‘价值’创造‘商业价值’，正在渗透到各行业的核心生产系统。”华为云副总裁Golden表示。在能源领域，中石油利用人工智能识别油气管道亚毫米级缺陷，已得到识别；在港口运营中，天津港PortGPT正在推动港口管理效率的全面提升。在工业生产场景中，云南铝业利用AI优化电解槽运行，节约能源、提高效率……Golden透露，华为云目前已建成30余个大型工业模型，服务超过500个场景、2600多家企业，涵盖交通、港口、科教、医疗等领域。人工智能在工业领域的应用备受关注，成为工业进步的“催化剂”。铁道工程有限公司机械技术研究院通过智能巡检，将原本需要6小时的人工巡检工作缩短至20分钟。复杂故障位置识别准确率超过98%，完成从“人工巡检”到“人工智能巡检”的转变。蛙跳;宝武钢铁利用人工智能实时预测高炉工况，目前可在两小时内准确确定铁水温度和硅含量，将高炉温度精度提高到80%。一座高炉每年可节省燃料约7800吨，生产管理科学精准。 “中国的人工智能创新实践也将为全球数字化转型提供重要参考。”在生态保护领域，戈尔登透露，基于中国人工智能技术的毛里求斯珊瑚礁恢复支持系统已完成移植对 37,000 多个珊瑚进行了研究，鉴定了 200 多个物种，还支持发现了 10 多个新物种。珊瑚的类型。在海外港口运营中，拉美首个全自动化码头钱凯港采用“AI赋能+数据驱动”的模式，进行40辆无人驾驶卡车的大规模作业。视频存储和分析的计算能力是业界平均水平的1.6倍，显着提高自动化操作和数据处理的效率。总体而言，业界认为人工智能已成为全球经济增长的核心驱动力。 IDC数据显示，到2030年，人工智能将为全球经济贡献19.9万亿美元，拉动全球GDP增长3.5%，预计还会增加。普华永道研究表明，在中国，人工智能将对GDP增长贡献率达到26.1%，成为经济高质量发展的关键驱动力。这种增长需要强大的基础设施的支持t、高效且易于使用的人工智能基础设施。据工信部数据显示，我国已建成万卡智能计算集群42个，智能计算能力规模超过1590EFLOPS。 S，世界最高等级。东数据西计算工程已形成覆盖东中西地区的8个中心节点和10个数据中心集群。其中，8个中心节点构建的智能计算规模超过全国智能计算总量的80%。 “算力已经并将继续是人工智能的关键，也是我国人工智能发展的核心支撑。”黄进强调，人工智能与工业深度融合的核心在于算力基础与行业场景的精准对接。 “只有深耕核心技术，推动软硬件协同人工智能发展新规划概述 目前，我国人工智能发展已形成“技术突破、应用落地、生态共建”的良性循环。从模型迭代、算力升级到场景改进，全产业链齐心协力，勾勒出未来发展的清晰规划。瑞银证券中国互联网行业分析师熊伟表示，2026年，中国整个人工智能产业链将呈现积极发展态势，行业增长动力强劲。可以从模型、应用和计算基础设施三个层面观察。在模式层面，国内互联网企业和人工智能初创公司将持续推动技术迭代，差距将进一步扩大。中国大型模特与美国优秀模特的平均智力水平将进一步拉低。除了纯文本功能的改进之外，我们还看到多模态和代理工具调用等复杂功能的进步，使模型能够完成闭环决策等复杂任务。与此同时，中国大型车型的性价比仍保持全球竞争力。随着成本优化的继续，该模型的承受能力将会提高，从而进一步提高其采用率。部分国产车型已接近“高性能、低价位”的高品质区间，这为大型车型拓展海外奠定了基础。应用场景的不断丰富将为人工智能加速商业化提供关键支撑。熊伟认为，中美两国在人工智能货币化方面有着相似的路径。云业务和广告仍然是两个目前最可靠的货币化领域。云提供商的收入持续增长，人工智能技术也在有效推动增长。的广告业务。 2026年，基于模型技术迭代，人工智能应用预计将扩展到更多场景，智能代理将进入交易场景。各大厂商探索的AI原生广告业态将推动商业创新。模式和最终的AI也将创造新的机会，比如内容生成，促进AI与实体经济的深度融合。算力基础设施国产化进程的不断加速，也为人工智能的发展奠定了坚实的基础。 2025年，单卡性能提升与超级节点技术升级并行，国产算力不断发展，与国际顶尖水平差距缩小通过优化底盘设计。 AI模型开发商从算法层面适配国产芯片，在模型架构设计中纳入算力支撑考虑，提高软硬件协同和计算能量利用效率。到2026年，日本的计算机计算能力有望在推理、模型训练等领域获得更大的市场份额，有效缓解人们对计算能力瓶颈的担忧，保障中国人工智能产业的可持续发展。总体来看，中国人工智能产业将通过技术迭代、场景落地、算力提升等协同作用，在2026年实现高质量发展，成为产业创新和技术创新。主要发动机改进。
（编辑：刘鹏）
每日更新