500万质检工，危机来临

如何让AI从“说”过渡到“做”成为业界共同话题。中国新一代人工智能发展战略研究院执行院长、南开大学原校长龚克长期以来一直关注着这一变化。在他看来，人工智能的价值不在于“展示技能”，而在于深度融入实体经济。围绕人工智能落地的路径与挑战，《中国新闻周刊》对龚克进行了专访。龚克摄/采访者给出“已知应用导向” 《中国周刊》：今年以来，行业内AI有哪些明显的变化或趋势？龚克：国务院8月份印发的《关于深入实施“人工智能+行动”的意​​见》（以下简称《意见》）是国内人工智能发展具有里程碑意义的国家战略文件。去年，“阿蒂“人工智能+”在全国两会首次写入政府工作报告。今年，全国两会政府工作报告进一步呼吁继续实施“人工智能+”行动，明确提出“更好地将数字技术与制造优势、市场优势结合起来”，努力打造新一代智能终端和智能装备，推动大型机型广泛应用。目前，国内人工智能发展的总趋势是“AI+”，推动了人工智能的发展。科技与实体经济深度融合，推动国家高质量发展，不是“炫技”，而是用科技作为生产力真正推动经济社会发展。智能化六大重点领域，新一代智能终端、智能车身等应用渗透率将超过70%；到2030年，新一代智能终端、智能车身等应用渗透率将超过90%，智能经济成为我国经济发展的重要增长支柱；到2035年，我国将全面进入智能经济和智能社会发展的新阶段。值得注意的是，这些意图都是以人工智能的普及和应用作为衡量指标来规划的。 《中国新闻周刊》：调研过程中，有没有让您印象深刻的申请情况？龚克：随着人工智能走向实体经济，我们看到这项技术展现出了巨大的潜力。比如在工业领域，我们的研究发现，当今最成熟的应用之一就是应用计算机视觉技术来破解检测。在产品生产线上。据介绍，中国至少有500万工人需要观察产品缺陷并根据经验调整生产线，以发现并纠正这些问题。计算机视觉不会产生疲劳，比人眼有更高的分辨率，而且引入成本也不太高，因此被引入生产线进行缺陷检测。它已经相当成熟并被广泛使用。比如，现在很多汽车生产线都开始使用AI进行检测，大大降低了漏检率，有的甚至达到90%以上，同时也大大缩短了检测时间。另一个典型的例子是人工智能在新能源汽车电池领域的应用。制造电池的成本很大一部分来自于测试电池容量。传统的方法是对电池充满电后放电，在控制电池电量的前提下，根据时长判断容量特里温度。然而，这个过程非常耗时耗力，已经成为制造动力电池成本的难题。我们发现深圳的一些工厂利用大型模型来学习电池电芯生产数据，结合电化学、先进材料科学等知识，准确预测电池容量。 AI应用使整体细胞检测时间减少约80%，功耗减少50%以上。实际测量也提高了电池容量的一致性。去年12月，我在给联合国工业发展组织的报告中用这个例子来说明，中国电动汽车之所以能做到今天的低成本，不是靠政府补贴，而是靠创新技术。类似的变化也在农业、pananapali等领域发生。我个人估计，“十五五”期间，经济增速将进一步加快。人工智能与实体经济融合产生的效益将更加强劲。 2025年10月，四川安岳县一家主要生产新鲜柠檬水果的企业，利用计算机控制程序和AI智能算法，实现了柠檬水果上线、清洗、杀菌、采摘等流水线作业。图像/IC应用 “AI尚未进入主要生产环节” 《中国新闻周刊》：AI1.0时代，技术在产业落地时面临诸多挑战。当前推动人工智能与实体经济深度融合的进程取得了哪些突破？龚克：首先，人工智能技术较2017年有了重大突破。上一轮成果以计算机图像识别为代表，其中最典型的是人脸识别，广泛应用于医学图像识别、交通图像识别等领域。当最后一轮人工智能的实现，比如医学图像识别，需要专门的团队为医学图像开发单独的模型。但在这一轮技术革命中，大量数据被用在基础训练阶段。人们可以通过微调并与主要大模型对齐来快速将其用于特定领域。尤其是今年发展迅速的AI智能体，可以根据任务自动分解和调度各种模型和工具，还可以对结果进行交叉验证和审查。人工智能进入专业领域的门槛比以前更低，成本也会降低，人工智能变得更加可用。今年，斯坦福大学相关团队发布了《人工智能指数2025年度报告》，对大型模型的识别成本进行了跟踪分析。结果表明，为了达到GPT-3.5的性能水平，识别成本降低了99.65%从2022年11月到2024年10月。从硬件角度来看，成本每年降低约30%，能源效率每年提高约40%。麦肯锡的一份报告还显示，到2024年下半年，78%的受访者公司将在至少一项业务中使用生成式人工智能。大多数公司都指出，这项技术确实帮助他们降低了成本，但对财务业绩的总体影响尚不清楚。但这些迹象表明，人工智能在实体经济中发挥作用的前景非常好，并逐渐显现。 《中国新闻周刊》：在推动人工智能与生物深度融合的过程中，企业有哪些共同的担忧？实施过程中面临的主要挑战是什么？龚克：现在很多企业都在引入人工智能，但仍然存在很多困惑。我们的研究发现，除了前面提到的一些比较好的案例之外，还有大量的案例。现阶段企业人工智能应用的规模主要集中在物流、财务、人力资源、客户服务等非制造环节，尚未进入生产的主要环节。人工智能要真正融入生产流程，必须与行业知识深度融合。必须克服这个障碍。现在有什么困难？从AI科技公司的角度来看，他们尤其期望一个应用开发出来之后，能够大规模落地。但如果深入实体经济的主要生产环节，完成了这个工厂的项目，下一个工厂可能还要从头再来，成本和投入会非常高。从工厂方面来看，他们往往没有意识到人工智能可以带来的潜力。科技公司与AI工厂之间还缺乏一座“桥梁”。我们在一些报告中也提出数字交通服务业信息化或者智能化转型就是为了解决两者的融合问题，帮助人工智能快速有效地引入行业。这是当今的一个重大问题。正如今年的政府工作报告指出，要“培育一批懂行业、懂数字化的服务者，加大对中小企业数字化转型的支持力度”。尤其是随着国家层面开始组织大型培训平台的建设，并且不再鼓励地方政府建设自己的计算中心，地方政府也开始将注意力转向微调和了解企业真正需要的服务的模式。 《中国新闻周刊》：您之前提到，要防止“AI+”成为一个肤浅的工程或者政治政绩工程。实际表现又是怎样的呢？我该怎么办注意什么？龚克：过去建设智慧城市时，有这样一个现象：有的地方搭建了一个大屏幕，给来访的领导做演示、讲解，但没有解决任何实际问题。今天发展“AI+”，我们希望大家都能从现实问题出发。这就是为什么中央在谈到发展新生产力时强调“因地制宜”。我理解，因地制宜，这个“区域”不仅仅是一个地理区域，还包括各个行业、各个企业。它们都是不同的“地方”。即使在同一个公司内，具体问题也会因“领域”而有所不同。要以实际问题为出发点，根据风险分类，切实推进技术落地。这是行业引入人工智能时最需要的态度，ins团队做了一些项目安排，比如向领导汇报工作。这是一种需要避免的倾向。 《抓住开源创新大趋势》《中国新闻周刊》：如何看待大模式是幻想？工业等重点场景如何保障生产安全？龚克：是的，在加速人工智能深入各行各业的同时，现在需要关注的是安全问题。如果在引入人工智能的过程中，帕布里卡出现重大安全问题，那将是一场灾难，相关部门和企业将失去人工智能应用的机会。投资者也会失去耐心，可能断崖式撤资。大模型的错觉等问题仍然存在，可能会出现一些错误。例如，当控制生产线上的生产过程时，产生缺陷产品是微不足道的。但如果导致发动机坠毁、死亡或爆炸等安全事故，问题就来了。我会认真的。企业在引入人工智能时必须具有安全意识。首先应该从一些只需要的、安全边界可控的场景或者根本没有场景开始，然后逐步推进。比如，矿井开采如火如荼，即使发生事故，人也不会被困在里面，反而可以真正减少人员伤亡。再比如，现在的数控生产线往往有很多大的手册。过去，工人遇到问题时，只能查阅手册，依靠经验来处理。现在有些工厂已经将这些指令数字化，系统可以自动读取错误代码并直接调用手册中的对策。这种方法是比较安全的。在引入生产尤其是主要生产环节时，一定要关注模型的可靠性，评估模型可能产生的风险。消除人工智能时，必须明确风险界限即使出现问题，也要控制在可以承受的范围内。在实际引入应用的过程中，必须建立严格的安全防护措施，这是必要的。从我们的观察来看，企业在引入人工智能方面仍然非常谨慎。渐渐地他们熟悉了它的应用，理解了它，然后继续深化它的使用。但未来人工智能广泛应用时，安全问题将难以完全避免。主管部门也应实事求是，具体问题具体分析，明确责任，避免“一刀切”，适当增加试错宽容度。只有这样，才能促进整个行业的健康发展。 《中国新闻周刊》：您提到人工智能竞争不仅是技术的竞争，也是政策和制度的竞争。美国已积极推出A我政策上，欧洲也开始放松监管。随着全球政策不断重塑，中国该如何定位自己的人工智能政策体系？龚克：特朗普上台以来，美国已经发布了七八项关于人工智能的总统令。美国已知的目标是保持在人工智能领域的优势，采取的具体举措主要是放松监管，这是一个非常重要的政策导向。如今欧洲也出现了放松监管、鼓励创新的趋势。美国的一系列举动确实激励了中国和欧洲继续应对人工智能发展的管理。即使在激烈的技术竞争中，也必须不断处理好创新与安全的关系，避免安全问题在技术竞争中被忽视。这一观点正是巴黎人工智能宣言所强调的。今年年初，包括中国在内的60多个国家签署了该协议。国际社会不少人士认为，中国的政策更注重创新而非安全。欧洲的严格监管不利于变革，美国则处于中间。这是一个误解。中国从一开始就强调创新与安全的平衡。到2023年，中国在全球率先推出《生成式人工智能服务管理暂行办法》。今年，我们于9月1日正式实施了《关于标记人工智能生成的合成内容的提案》。我们是世界上唯一一个以法规形式强制要求对所有人工智能生成的内容进行标记的国家。另外我们的政策优势是中国大力支持大模型开源。目前大部分AI应用主要是基于运行中产生的n 源模型。尽管有些公司选择了闭源模式，但开源模式仍然被主流所采用。去年之前，全球使用最广泛的开源模型是美国的Llama。去年之后，中国的Qianwen模型迎头赶上，Deepseek也出现了。美国最近的一份报告显示，去年中国开发的开源人工智能模型下载量占全球下载量的17.1%，历史上首次超过美国的15.8%。目前，闭源模型和开源模型之间的性能差距正在迅速缩小。开源创新本质上是一种开放的“众创”模式。例如，Deepseek开源后，数以百万计的开发者可以为它做出贡献并对其进行优化。我认为，我们应该拥抱开放创新的现代科技大趋势，这就是“更高水平的对外开放”的具体体现。发布编于2025年12月15日《中国新闻周刊》杂志第1216期。杂志标题：龚克：防止“AI+”成为政治成功工程。记者：杨志杰([email protected]) 编辑：敏杰 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（包括图片和视频，如有）由网易HAO用户上传发布，网易HAO为社交媒体平台，仅提供信息存储服务。