广东省政协委员陈娇:依托产业应用场景优势,打造更多垂直大模型产品丨南财对话·广东两会

21世纪经济报道 21财经APP 丁莉,视频柳润瑛 广州报道
2024-01-23 18:20

南方财经全媒体记者丁莉   广州报道

自ChatGTP火爆以来,大模型已成为人工智能产业新风口。

2023年年底,广东省发布的《关于加快建设通用人工智能产业创新引领地的实施意见》,已进一步提出打造国家通用人工智能产业创新引领地。数据显示,截至2022年,广东省人工智能相关企业已达到24.2万家,数量居全国第一;全省人工智能核心产业规模超1500亿元,同比增长15%;同时,一批科技企业已相继推出华为盘古、腾讯混元、佳都知行等近30个大模型产品,数量居全国第二。

1月22日,广东省政协十三届二次会议开幕首日,南方财经全媒体记者对广东省政协常务委员、佳都集团联席董事长兼执行总裁陈娇进行了采访。她表示,“广东优势在于产业化规模和应用,但仍面临数据要素机制和生态不健全的问题,需尽快完善数据底座,同时也建议加快推进广东数据中心、智算中心和超算中心等算力基础设施建设,并鼓励聚焦具体产业定制更多垂直大模型产品。”

广东实体经济场景丰富

南方财经:请结合企业自身案例谈谈,数字化如何赋能实体经济?

陈娇:就人工智能产业而言,广东的优势在于实体经济场景丰富,产业化应用广。我们重点布局关注了城市交通、公共安全、应急管理等方面的数字化转型。

比如,在轨道交通领域,我们将AI大模型技术与地铁深度融合,通过赋能客服、运维和应急指挥智能化升级,构建城轨智慧体。这推动轨交行业首次见证了大模型技术的应用,AI、区块链、云计算深度融合引领轨道交通步入了一个全新时代。

再比如,城市交通领域,基于佳都首创的“IDPS”智慧交通理念,全新一体化智慧交通管理系统“IDPS城市交通大脑”产品矩阵已在全国多个超大型城市落地应用。通过“可计算路网”与“个体行为模型”两大核心技术,我们成为国内率先且目前唯一实现万级路口、十万级路段、百万级车辆个体运行状态实时在线孪生计算的企业,这将推动超大城市全域、全时、全量交通出行精细化规划管理。

南方财经:目前广东迈向数实融合还面临哪些堵点?

陈娇:主要挑战还是在于数据要素机制和生态尚不健全。比如,数据交易机制不成熟,供需匹配效率低;产业数据分布不均衡,中小企业用数难;公共数据开放不充分,民营企业用数门槛高;一些企业数字化转型不到位,自我造血能力弱。

在推动数实融合方面,佳都科技一方面对内坚定战略布局AI领域,持续在人工智能、大数据、数字孪生等技术领域创新,为交通等领域提供个性化、实用性的核心技术产品和解决方案,包括向多模态方向发展,依托在相关领域长期积累的数据资源,不断加强数据与大模型的训练与适配;另一方面,加强与华为、思必驰、云从等生态伙伴的融合协同,共同推动大模型等技术的产业化创新落地。

畅通数据跨境流通“双循环”

南方财经:经济社会的数字化转型已经推动数据要素成为“新黄金”和“信息时代的石油”,你如何看待数据要素的重要性?

陈娇:数据可以说是人工智能行业的底座,是数字化价值落地的一个前提。昨天发布的政协工作报告中,我也注意到,这两年广东越来越关注数字湾区建设,包括“商事通”“产业通”“生活通”等,均需要尽快构建扎实的数据底座。

南方财经:为进一步发挥数据要素的乘数作用,广东还应当怎么做?

陈娇:首先应当积极推动公共数据授权运营,建议加大政府数据的整合共享,分阶段有序开放,组织省内机构汇集电子信息、交通、教育、医疗、应急、安防等重点行业数据资源,构建安全合规的开放训练数据集;并明确公共数据授权运营的数据范围,建立分级分类的公共数据授权运营商业模式。

在数据资产管理方面,要规范和指导数据资产“入表”,率先指导和培训企业开展相关实践盘活企业现有数据资产价值,为企业依据数据资产开展投融资、提升内部管理与决策水平、获得更多商业机会和竞争优势提供支持。同时还可以加快出台公共数据的政府指导定价的管理办法,促进公共数据合规高效流通使用。

鉴于跨境数据已经成为支撑国际贸易、金融活动,促进跨国科技合作和资源跨境配置流通的关键要素,畅通数据跨境流通“双循环”也十分重要,比如可以实施跨境数据分类分级管理、探索建设离岸数据中心和离岸数据服务外包试验区等。

此外,数据要素人才仍相对缺乏,需要加快构建我国数据要素人才体系,打造数据要素人才流动生态。这包括建立数据要素人才标准、评价规范和支持政策,鼓励高校和科研院所、企业机构合作开设相关课程体系、开展人才培训和评价认证。

以超算中心促进算力资源普惠供给

南方财经:这几年ChatGTP异常火爆,中国也出现了所谓“百模大战”,佳都科技在这方面是否有一些新筹划、新动态?

陈娇:这几年我们也在大模型的研发上投入了大量资金。特别是在交通大模型方面,我们已经举行了三次技术产品发布,并不断地迭代更新。除了加大底层技术研发和投入之外,我们也在同用户单位、政府部门等全生态链一起探讨如何深化大模型在垂直领域的应用、如何拓展应用场景,目前已经有一些试点开始逐渐落地了,不少试点项目也得到了不错的反馈。

南方财经:在大模型为代表的通用人工智能方面,广东若要打造产业高地还存在哪些短板?你有什么建议?

陈娇:随着大模型的演进,算力需求在指数级增长,各大云计算厂商算力均面临不同程度的紧缺,算力资源供不应求已经成为创新研发的首要挑战。

此外,目前中文开源高质量数据少,国内专业数据服务仍然处于起步阶段,数据资源紧缺还制约着大模型的训练、完善;而且目前大模型仍然以通用类为主,垂直类的行业大模型相对较少。

我认为,首先应当推进广东数据中心、智算中心和超算中心等算力基础设施建设,提升算力资源普惠供给能力;同时归集省内算力资源,明确供给技术标准和支持措施,比如对租用纳入本省统筹调度的算力进行大模型研发的创新主体,经评估按算力集群规模和成果水平给予适度租用补贴。

为进一步推动大模型技术创新场景应用,有关主体也应当聚焦具体产业,定制垂直大模型。这方面可以从广东省优势产业为起点,支持骨干龙头企业将垂直大模型技术融入终端产品,为大模型的市场化应用创造有利条件。

(作者:丁莉,视频柳润瑛 编辑:喻淑琴,李振)