政府工作报告首次提及“支持大模型广泛应用”，推动AI落地还要靠什么？|界面新闻 · 科技

界面新闻记者 | 李彪

界面新闻编辑 | 刘方远

2023年 、2024年连续两年将“人工智能+ ”列为发展新兴产业与数字经济的重点行动后 ，今年两会的政府工作报告进一步把“支持大模型广泛应用
”纳入“人工智能+”的行动规划中。

国务院政府工作报告中提到
，要因地制宜发展新质生产力，建设现代化产业体系 。而在将科技创新和产业创新的融合过程中 ，一方面实现高新科技
、数字经济等新动能积累，另一方面推动制造业、服务业等传统经济动能的升级
。

而人工智能一直被看作国家发展数字经济产业的核心技术
，也是新质生产力的代表。政府工作报告提及“支持大模型广泛应用 ”，要推动大模型在各个行业的广泛应用 ，促进数字技术与实体经济的深度融合 。

今年开年
，来自杭州的人工智能公司DeepSeek引发全球科技圈震动，使得“AI”与“大模型
”成为了两会热词。十四届全国人大三次会议大会发言人娄勤俭称 ，DeepSeek代表着一批中国公司在人工智能领域的崛起
。同时
，又因为DeepSeek坚持开源的技术路线，开源共享推动了人工智能技术在全球的普遍应用 ，为世界贡献了“中国智慧”。

多个行业的政协委员也在提案与接受媒体采访时
，分享了AI大模型聊天机器人产品应用在影视剧本写作 、医疗问诊、金融咨询等行业领域的使用体验 。

此外
，将硬件与大模型技术结合
、开发新型智能设备也是行业看好推动AI落地应用的一个方向
。政府工作报告也强调，“人工智能+”行动要大力推动智能终端和装备发展 ，发展智能网联新能源汽车、人工智能手机和电脑 、智能机器人等新一代智能终端，以及应用在工厂产线上的智能制造装备。

但大模型相关的生成式人工智能作为一项新技术
，2023年前后才真正引发全球范围关注，目前要落地普及仍然需要一些条件作基础 。

全国政协委员
、中科院计算所研究员张云泉今年提交的是一份关有关高端智算中心建设的提案
。算力是支持AI大模型的底层基础设施 ，以提供智能算力为主的数据中心也是全球科技公司、各国政府投入AI基建的重点项目。

张云泉接受界面新闻采访表示
，虽然2024年国务院工作报告提出“适度超前 ”建设算力基础设施，去年一年国内算力中心市场也在快速扩容 ，但目前算力建设仍然存在供需结构性失衡 、高端智算供给严重不足等问题 。

以近期马斯克创办的AI公司xAI发布Grok3大模型举例
，xAI为支持模型开发建成了十万张H100组成的超大规模模型训练集群，总算力达到200Eflops（flops为衡量算力规模的基本单位 ，此处以业界通用的BF16 浮点数统计）
，而我国目前公开报道的最大单体智算中心仅为万卡，最大算力规模只有6.6Eflops ，与国际领先水平相差两个数量级
。此外
，国内的智算中心绝大多数单个规模仅在100-1000Pflops之间，而高端智算中心的性能要求需要达到10Eflops（1Eflops为1000 Pflops）。

并且国内智算中心的算力利用率也相对低下 。据其调研 ，能够支撑大模型训练的高端算力中心极为稀少且训练效率不超过30%
。

基础设施的代际差异直接制约大模型迭代的创新速度。张云泉认为，DeepSeek今年出现通过算法创新和工程优化
，实现了以低算力成本达到世界先进水平的性能，展示了算法技术创新重要性 。但无法忽视的现实是 ，国内高端算力基础设施的短缺仍是短板。

来自人工智能产业界的企业家代表也在提案中强调算力建设的重要性
。科大讯飞董事长刘庆峰在提案中写到
，目前多数全民可下载的大模型均基于英伟达卡训练，国产算力芯片厂商的产品普遍存在生态薄弱
、适配困难等问题。而受限于美国针对高端算力芯片的出口禁令 ，国内要加快构建国产算力平台上的大模型及产业生态 。

对于新的一年算力市场的建设方向
，政府工作报告中明确提到，要优化全国算力资源布局
。

张云泉认为 ，在算力市场在保持高速扩张的背景下
，迫切需要优化资源分配，确保AI基建的效率。他建议 ，国内一方面要推动建设更多国家级大算力集群
，引入先进算力调度和管理技术，提高利用率 。另一方面 ，又把中小算力中心算力融入到大计算“资源池
”
。在AI公司模型训练任务的分配上投入上下功夫，使不同算力资源能够满足不同阶段的需求
，产生更大经济价值。

有了算力作基础，大模型要探索更广泛的应用 ，可以尝试在金融、医疗 、教育
、政务等互联网科技领域之外的非AI行业寻找落地机会 。

张云泉告诉界面新闻记者
，大模型行业此前一直存在渗透率低、与产业应用脱节的现象
。产业界过于注重模型训练和参数规模，而忽视了与行业应用场景的需求相结合。

今年要推广大模型的应用 ，政府和产业界需要加强合作 。在产业层面
，可在许多行业场景有更多尝试，放宽应用准入 ，特别是无人驾驶 、生物医药
、材料设计、高端制造等AI典型领域
，开展行业试点与示范推广，打开应用市场；政府层面则可以继续出台政策支持营造宽松环境 ，央国企也可尝试开放更多应用场景
，加大资金投入和效益考核等制度供给
。