本刊記者 王紅茹 宋杰 | 北京、上海報道
在陜北毛烏素沙漠，智能開采系統(tǒng)使單井日產提升40%，噸煤能耗下降 15% ；在長江經濟帶，燃煤電廠通過燃燒優(yōu)化，每年減排二氧化碳超百萬噸；在黃驊港煤炭港區(qū)，工作人員輕點鼠標，僅一個小時就完成了 8000 噸煤炭卸車作業(yè)……這是國家能源集團以人工智能等新技術驅動各產業(yè)板塊智能化發(fā)展的新圖景。
6月28日，國家能源集團在京正式發(fā)布“擎源”發(fā)電行業(yè)大模型。
目前，“擎源”已在水電、火電、風電、光電、儲能等關鍵領域成功構建41大智能體，實現(xiàn)發(fā)電業(yè)務全流程的自動感知、智能決策與精準執(zhí)行。這一里程碑式成果，標志著我國發(fā)電行業(yè)智能化、數(shù)字化轉型邁入全新階段。
當前，我國正處在產業(yè)升級的關鍵階段，人工智能作為新一輪科技革命的核心驅動力，正在深刻改變傳統(tǒng)產業(yè)模式，成為產業(yè)變革和升級的關鍵引擎。
近日，本刊記者深入一線企業(yè)調研采訪，系統(tǒng)梳理了人工智能技術賦能傳統(tǒng)產業(yè)轉型升級的實踐與成效。
龍源電力智慧化光伏電站采用無人機智能巡檢
國能黃驊港務集控操作員正在通過對講機聯(lián)系現(xiàn)場生產
能源產業(yè)打造“新大腦”
人工智能作為新一代技術的代表，正深刻推動著各行各業(yè)的創(chuàng)新與變革。AI除了在互聯(lián)網領域成為各大公司“標配”，在能源、制造、農業(yè)等傳統(tǒng)領域，也開始深度融入。在國家能源集團，“AI+能源”的發(fā)展路徑日益清晰，不斷催生出新的業(yè)態(tài)和模式。
從煤礦“無人采掘”到電站“黑屏運行”，再到化工全流程數(shù)字化，國家能源集團吹響“AI+”行動號角，火力全開，按下“快進鍵”。
讓AI真正懂發(fā)電
“行業(yè)大模型，必須‘懂行業(yè)’?！眹夷茉醇瘓F數(shù)智科技公司（以下簡稱“數(shù)智科技公司”）研發(fā)工程師羅瑋的這句話，道破了模型研訓的核心。數(shù)智科技公司是“擎源”發(fā)電行業(yè)大模型的建設主體。
然而，讓大模型真正懂發(fā)電絕非易事。通用大模型在步入發(fā)電行業(yè)時，可能會對“鍋爐負荷調整”“配煤摻燒規(guī)則”等專業(yè)術語理解偏差，還可能對“今天煤質咋樣”這類半句話提問意圖誤判，更可能因工具庫龐大而選擇困難。
數(shù)智科技公司團隊以“數(shù)據、意圖、工具”為三大攻堅方向，展開技術突圍。在數(shù)據治理上，團隊用8個月時間，從700T原始數(shù)據中“沙里淘金”，清洗出450G覆蓋文本、視覺、時序、語音的高質量數(shù)據集，并邀請380位行業(yè)專家逐筆標注；獨創(chuàng)的多模態(tài)融合對齊技術，更讓模型能“觸象鼻、摸象身、聽象聲”，全方位掌握行業(yè)知識。
羅瑋告訴本刊記者：“傳統(tǒng)電力領域中，不同業(yè)務場景的專業(yè)系統(tǒng)因開發(fā)標準不一、數(shù)據接口各異，往往會陷入各自為戰(zhàn)的困境——用戶需反復切換系統(tǒng)登錄，數(shù)據調用依賴人工導出，新場景開發(fā)更要從頭再來。這些問題，成了制約大模型價值釋放的‘隱性壁壘’?！?/p>
為了應對這一挑戰(zhàn)，數(shù)智科技公司團隊深入分析了各類任務需求，并結合對上千種工具功能特性的理解，開發(fā)出能夠自動優(yōu)化工具調用順序的AutoTOC智能調度算法。
智能體是大模型與生產一線的“最后一公里”。數(shù)智科技聚焦火電核心場景，開發(fā)覆蓋安全環(huán)保域、電力交易域、產調中樞域、設備檢修域四大核心業(yè)務領域的智能體，用解決真問題的實效，讓“擎源”從“實驗室”走向“生產線”。
從打破應用孤島的協(xié)作平臺，到鍛造行業(yè)“最強大腦”的模型研訓，再到激活一線價值的智能體開發(fā)，數(shù)智科技公司一年多來的技術攻堅，為“擎源”發(fā)電行業(yè)大模型的發(fā)布交上了一份硬核答卷。
國家能源集團公司黨委委員、副總經理、大模型專項工作組副組長高彥超說：“作為國家能源集團‘AI+能源’戰(zhàn)略的核心技術支撐者，我們奮力擔當數(shù)字化轉型重要實施者、數(shù)字化技術關鍵提供者、智慧化信息化領域創(chuàng)新引領者，通過打造全球首個千億級發(fā)電行業(yè)大模型，樹立發(fā)電行業(yè)智能化轉型的新標桿，加速實現(xiàn)前沿技術在產業(yè)數(shù)字化和數(shù)字產業(yè)化領域的融合賦能?！?/p>
從“單點優(yōu)化”到“全局智能”
在北京二環(huán)中軸路附近的國家能源集團生產調度中心，調度人員只需輕點鼠標，可視化大屏上便立即展現(xiàn)出這些場景：智能礦山百米井下正在前進的無人化采掘工作面，與東海之濱繁忙運轉的港口智能翻車機遙相呼應；戈壁灘上旋轉的白色風車，與高峽平湖間矗立的百米水壩“隔空對話”；鋼鐵洪流般呼嘯前行的運煤列車，與電廠堆煤場的烏金交相輝映，共同構成一幅令人振奮的蓬勃發(fā)展景象。
這是國家能源集團以煤電化運一體化協(xié)同為核心、構建智能化生產運營調度平臺打造的基石系統(tǒng)。
國家能源集團電力產業(yè)部運行分析處經理王安向本刊記者詳細介紹了數(shù)字時代能源產業(yè)創(chuàng)新發(fā)展成效——
技術創(chuàng)新不斷突破。大模型成為核心驅動力。能源行業(yè)大模型通過多源數(shù)據融合與行業(yè)知識注入，實現(xiàn)從“單點優(yōu)化”到“全局智能”的跨越，如“光明電力大模型”“能源通道（基石）大模型”“昆侖大模型”等能源行業(yè)大模型不斷發(fā)展，面向不同用戶群體和不同業(yè)務應用場景，可以提供全局化服務，構筑智慧能源“大腦”。
算力基礎設施不斷完善?！八懔?能源”是深化算力賦能行業(yè)應用的重要領域之一，能源算力應用中心逐步建設，支撐能源智能生產調度體系，實現(xiàn)源網荷（如光伏、風電等能源源頭、電網、用電負荷）互動、多能協(xié)同互補及用能需求智能調控。同時，全國一體化算力網建設加速，正在不斷優(yōu)化算力與電力基礎設施的時空布局，因地制宜整合分配能源生產、消費、存儲及算力資源。
產業(yè)生態(tài)逐步構建。我國能源AI產業(yè)生態(tài)已形成“算力筑基、數(shù)據賦能、場景驅動、跨界協(xié)同”的發(fā)展格局，覆蓋從底層基礎設施到上層應用的全鏈條。高校、科研機構與能源企業(yè)形成“基礎研究—技術開發(fā)—場景驗證”的閉環(huán)生態(tài)。
“總之，人工智能的深度應用不僅有效解決了當前能源行業(yè)面臨的諸多挑戰(zhàn)，更是推動能源系統(tǒng)綠色低碳、靈活高效、安全可靠發(fā)展，以及面對日益復雜的能源市場波動，供給側響應敏捷性全面提升，為構建新型能源體系提供了強有力的技術保障?！蓖醢舱f。
“AI+ 能源”已經在多個場景應用
“AI+能源”應用場景日益豐富，催生新業(yè)態(tài)
在能源行業(yè)，“AI+能源”的發(fā)展路徑日益清晰，不斷催生出新的業(yè)態(tài)和模式。
在電力領域，AI技術貫穿于發(fā)電、輸電、配電和用電等各環(huán)節(jié)，通過優(yōu)化運行參數(shù)、調度策略和用電設備控制，顯著減少了能源浪費和損耗，提高了整個能源鏈路的效率。
例如，在發(fā)電側，AI可以優(yōu)化發(fā)電機組的運行方式，提高發(fā)電效率；在電網側，可以優(yōu)化電力調度，減少線路損耗；在用戶側，則可以通過智能控制實現(xiàn)節(jié)能降耗。在電網運行上，AI技術可以實時監(jiān)測電網運行狀態(tài)、輔助調度決策，及時發(fā)現(xiàn)并預警潛在的安全隱患，有效提升電網的安全性和穩(wěn)定性。
在煤炭領域，2024年以來，我國煤炭智能化產能占總產能的比例提升至50%以上。AI技術可以有效應用于煤礦開采、設備診斷、安全預警等方面。例如，通過實時分析礦區(qū)傳感器與監(jiān)控數(shù)據，精準判斷安全隱患，自動調整預警策略，有效預防事故。通過設備診斷模型可以實現(xiàn)掘進機、采煤機等關鍵設備故障智能預警與診斷，促進煤炭行業(yè)設備檢維修模式從被動計劃檢修向主動狀態(tài)維護轉變。
在油氣領域，以“三桶油”為代表的油氣化工企業(yè)在勘探開發(fā)、煉化銷售、裝備制造等領域積極打造特色鮮明的應用場景，如以大模型為核心的人工智能技術融合多元數(shù)據源，構建三維可視化油藏模型，提高油井產能衰減預測精度和儲層識別準確率，優(yōu)化開發(fā)方案決策，提升采收率。同時，行業(yè)也不斷推動工業(yè)機器人、無人機應用到智能鉆井、檢維修、高危作業(yè)等場景。
在可再生能源領域，針對風能、太陽能等可再生能源的間歇性和不穩(wěn)定性，AI技術能夠精準預測發(fā)電情況，優(yōu)化并網和消納流程，提高可再生能源的利用率。此外，通過智能調度和儲能技術的應用，AI有助于解決可再生能源供電的穩(wěn)定性問題，確保其持續(xù)可靠地為電網供能。
“接下來，國家能源集團將持續(xù)深化5G、AI、數(shù)字孿生等技術應用，不斷推動能源產業(yè)向‘安全、 高效、綠色、智能’方向迭代，為高質量發(fā)展和中國式現(xiàn)代化建設提供堅強能源保障。”王安說。
千行百業(yè)都在擁抱AI
不只是能源行業(yè)，人工智能正在全方位推動傳統(tǒng)產業(yè)智能化升級。
在農業(yè)領域，智能監(jiān)測和精準灌溉技術顯著提升作物產量；冶金行業(yè)借助機器學習優(yōu)化冶煉工藝，提高能效；醫(yī)藥研發(fā)則因AI的介入大幅縮短新藥研發(fā)周期。此外，港口自動化、智能印刷、AI手機和材料計算等創(chuàng)新技術，正在持續(xù)提升行業(yè)效率并創(chuàng)造新價值。
在全球科技競爭日益激烈的背景下，AI賦能已成為傳統(tǒng)行業(yè)提升生產力的關鍵——既催生新業(yè)態(tài)，也倒逼企業(yè)加速轉型。在政策支持與技術迭代的雙重驅動下，AI與實體經濟的深度融合，正深刻重塑產業(yè)格局。
在農田，在采油廠，在服裝制造廠里……
在江蘇某現(xiàn)代農業(yè)示范基地的玻璃溫室內，一架搭載多光譜相機的巡檢無人機正沿著作業(yè)通道平穩(wěn)飛行。這套由上海開放大學研發(fā)的智能監(jiān)測系統(tǒng)，成功攻克了溫室環(huán)境下的世界性技術難題——在信號復雜的封閉空間實現(xiàn)厘米級精準定位。
該基地技術團隊負責人向本刊記者介紹，該系統(tǒng)創(chuàng)新性地解決了鋼結構對無線信號的干擾問題，確保了無人機在復雜環(huán)境中的穩(wěn)定運行。
據了解，該系統(tǒng)集成了自主飛行、精確定位和多模態(tài)傳感三大核心功能，能夠對溫室作物進行無損化、高通量的數(shù)據采集，實時獲取植株的圖像、光譜、溫度等多維度生長信息。
“我們不僅采集表面數(shù)據，還通過定點植株汁液離子濃度的原位檢測進行模型校準，確保數(shù)據的精準性。”技術團隊負責人說。在數(shù)據處理環(huán)節(jié)，系統(tǒng)運用AI技術，可精準解析作物長勢、營養(yǎng)狀態(tài)和水分脅迫程度，實現(xiàn)從傳統(tǒng)“經驗管理”向基于實時需求的“數(shù)據對話”式精準調控轉變。
實際應用數(shù)據顯示，該技術使合作基地的作物產量提升3%，節(jié)水率達10%，肥料使用減少5%。“過去靠老師傅的經驗，現(xiàn)在靠精準的數(shù)據說話。”技術團隊負責人感慨道。
除了農業(yè)，人工智能技術正在向工業(yè)、服裝制造業(yè)、通信等領域加速滲透，推動傳統(tǒng)產業(yè)實現(xiàn)智能化升級。
近日，大慶油田采油三廠迎來了一位特殊的“新員工”——智能巡檢機器人。這款機器人集成了自主導航、避障、圖像分析與視覺識別等技術，可實現(xiàn)生產參數(shù)的實時監(jiān)測、異常報警以及設備優(yōu)化運行管理，不僅將工人從危險作業(yè)環(huán)境中解放出來，還實現(xiàn)了崗位資料的自動化處理，大幅提升了管理效率。
在服裝制造業(yè)，頭部企業(yè)通過引入AI輔助設計大模型，實現(xiàn)從裁剪、車縫、整燙到倉儲配對的一體化生產流程無縫對接，大幅提升定制服裝占總產量的比例。
在通信行業(yè)，中國電信自主研發(fā)全國產化星辰大模型，支持多模態(tài)。在政務領域，星辰政務大模型落地民生訴求場景，為市民提供在線文本問答服務；在經濟分析方面，星辰經分大模型落地某市經信局，利用大模型生成能力快速草擬產業(yè)研究報告。
在手機行業(yè)，各大廠商都已推出內置AI助理的AI手機。
中國電子信息產業(yè)發(fā)展研究院電子信息研究所工程師劉恩稷接受本刊記者采訪時說，AI手機作為移動通信技術迭代與人工智能范式革命的協(xié)同產物，是消費者感知人工智能能力的重要抓手，也是激發(fā)手機市場活力的重要引擎，能推動智能手機市場在經歷周期性調整后迎來結構性拐點。
“當前，AI不再是一個孤立的技術領域，而是在逐漸滲透并融合到各個傳統(tǒng)行業(yè)中。無論是制造業(yè)、農業(yè)、醫(yī)療還是金融服務等行業(yè)，AI都在與這些領域的專業(yè)知識和業(yè)務流程緊密結合，產生新的服務模式和運營方式?！眹夜I(yè)信息安全發(fā)展研究中心人工智能所副所長李衛(wèi)說。
工作人員正在對煤質快檢結果進行數(shù)據分析
龍源電力集中調控中心
在工藝優(yōu)化、市場預測、產品創(chuàng)新中……
2024年，“人工智能+”被首次寫入《政府工作報告》，產業(yè)發(fā)展進入快車道。
工信部統(tǒng)計數(shù)據顯示， 2024年我國人工智能核心產業(yè)規(guī)模接近 6000 億元，年均增長率達13.9%。特別值得注意的是，據國資委網站信息，2024年中央企業(yè)人工智能產業(yè)投資增速達46%，在工業(yè)制造、能源電力、智能網聯(lián)汽車等重點領域已部署超過500個AI應用場景，展現(xiàn)出技術與產業(yè)深度融合的強勁勢頭。
在李衛(wèi)看來，AI在助力傳統(tǒng)產業(yè)改造升級方面已實現(xiàn)諸多突破。
在提升生產效率方面，AI通過對大量生產數(shù)據的精準分析，優(yōu)化生產工藝、降低生產成本，并且在產品質量控制上表現(xiàn)出卓越能力。例如，在智能工廠中，機器人可以自動完成物料搬運、組裝、檢測等任務，極大降低了人工操作的需求，同時提高了生產的精度和效率。
在提供決策支持方面，AI能夠提供基于數(shù)據分析的決策支持，減少人為因素帶來的不確定性。例如，機器學習和深度學習等技術能夠在短時間內對生產線數(shù)據進行挖掘，幫助企業(yè)作出更加準確的市場預測和資源分配決策。
在推動產品和服務創(chuàng)新方面，傳統(tǒng)產業(yè)在轉型升級過程中，通過整合各方資源與AI技術，能夠開發(fā)出新的產品和服務，滿足市場多元化需求。例如，通過分析汽車行駛數(shù)據，AI可以提供個性化駕駛建議、智能路線規(guī)劃服務等。
在促進產業(yè)鏈重構方面，AI能夠打破傳統(tǒng)產業(yè)鏈中的信息壁壘，實現(xiàn)上下游之間的無縫對接和協(xié)作，形成智能聯(lián)動的經濟網絡組織。供應鏈上的節(jié)點企業(yè)不再是孤立的個體，而是形成了一個集成式的“虛擬+現(xiàn)實”生產和服務模式。
不僅如此，AI在產品質量的改進和企業(yè)管理方面也起到了關鍵作用。
中國電信高級專家孫道偉介紹說，“在產品質量方面，基于AI的視覺檢測技術,能夠快速、準確地對產品的外觀、尺寸、缺陷等進行檢測，及時發(fā)現(xiàn)質量問題并加以處理，從而有效提升良品率。在管理方面，它能夠對大量的生產數(shù)據、市場數(shù)據等進行分析和挖掘，為企業(yè)提供有價值的信息和決策建議，幫助企業(yè)制定更加科學合理的生產計劃和營銷策略，從而提高企業(yè)的決策效率和準確性。”
破局“不愿轉、不敢轉、不會轉”
從農業(yè)生產到能源管理，從冶金制造到醫(yī)藥研發(fā)，從印刷出版到港口物流，從智能手機到新材料開發(fā)……AI正以前所未有的速度重塑我國傳統(tǒng)產業(yè)。
在把握這一重大發(fā)展機遇的同時，也要認識到伴隨的風險挑戰(zhàn)。當前，傳統(tǒng)產業(yè)數(shù)字化轉型仍面臨諸多瓶頸：技術迭代速度滯后、數(shù)據要素價值釋放不足、技術受制于人等問題亟待突破。特別是中小企業(yè)普遍存在轉型成本高、抗風險能力弱等困難，導致“不愿轉、不敢轉、不會轉”現(xiàn)象突出。
降低成本，讓AI真正“普惠”傳統(tǒng)企業(yè)
IT團隊沒有AI開發(fā)經驗，基礎設施和數(shù)據庫待升級，這些都是傳統(tǒng)產業(yè)引入AI需要考慮的潛在成本。
傳統(tǒng)企業(yè)的IT團隊往往擅長維護現(xiàn)有系統(tǒng)，但對AI開發(fā)經驗有限。一家制造業(yè)企業(yè)負責人坦言：“我們懂生產流程，但不懂人工智能和神經網絡?！?/p>
這導致許多企業(yè)雖有AI需求，卻因技術門檻過高而遲遲未能落地。即便企業(yè)掌握了AI技術，如何將其融入現(xiàn)有系統(tǒng)也是一大挑戰(zhàn)。
“許多傳統(tǒng)企業(yè)仍在使用老舊的信息化系統(tǒng)，數(shù)據庫架構封閉，接口不兼容，導致AI模型難以直接調用業(yè)務數(shù)據。例如，一家零售企業(yè)希望用AI優(yōu)化庫存管理，但發(fā)現(xiàn)現(xiàn)有系統(tǒng)無法實時對接AI預測模型，最終只能依賴人工導出數(shù)據，效率大打折扣?！睂O道偉說。
此外，AI模型的持續(xù)優(yōu)化需要數(shù)據反饋閉環(huán)。如果企業(yè)的生產、銷售、物流等環(huán)節(jié)數(shù)據分散在不同系統(tǒng)中，AI就無法實現(xiàn)動態(tài)學習，效果會隨時間下降。
“因此，企業(yè)在引入AI前，往往需要先升級IT基礎設施，打通數(shù)據孤島，這又是一筆不小的投入。”孫道偉說。
面對這些挑戰(zhàn)，企業(yè)并非無路可走。李衛(wèi)介紹，傳統(tǒng)企業(yè)在引入AI技術時，通常面臨自主研發(fā)或與科技公司合作的選擇。
采用自主研發(fā)方式，企業(yè)可以根據自身業(yè)務流程和需求開發(fā)最適合的技術解決方案，對技術的選取原則和應用模式有較大自主權，同時也能夠積累自己的專利和技術秘密，增強長期競爭力。
“但自主研發(fā)需要大量的資金投入，用于招聘專業(yè)人才、購買設備和技術等，從零開始研發(fā)周期一般較長，容易錯過市場機會，而且如果企業(yè)前期基礎薄弱、經驗不足，可能存在較大的失敗風險?！崩钚l(wèi)說。
另一方面，與科技公司合作，可以利用科技公司的專業(yè)知識和技術，更快地將AI解決方案應用于實際業(yè)務中，減少內部研發(fā)帶來的不確定性和失敗的可能性，同時通過共享合作伙伴的研發(fā)成果和資源，節(jié)省研發(fā)投入成本。
“不過，外部提供的解決方案可能需要高度專業(yè)定制化，以適配企業(yè)的特定需求，同時過度依賴外部伙伴可能導致失去技術獨立性，引入不可控風險，嚴重情況下甚至可能影響核心業(yè)務的安全?！崩钚l(wèi)說。
選擇哪一種方式引入AI，企業(yè)要根據自身規(guī)模、業(yè)務特點等因素綜合考慮。在當前的實踐中，在傳統(tǒng)企業(yè)引入AI技術時，與科技企業(yè)合作方式占比更大。
孫道偉認為這主要基于三個方面的原因：首先，科技企業(yè)在AI技術的研發(fā)和應用方面往往具有深厚的專業(yè)知識和豐富的經驗，可實現(xiàn)專業(yè)技術優(yōu)勢互補。
其次，AI技術的研發(fā)難度大、周期長且成本高，傳統(tǒng)企業(yè)獨立研發(fā)面臨諸多挑戰(zhàn)。與科技企業(yè)合作可以降低傳統(tǒng)企業(yè)對技術研發(fā)不確定性的擔憂，避免了因技術選擇失誤或研發(fā)進度不及預期而導致的風險和成本增加。
最后，科技企業(yè)能夠提供成熟的AI解決方案和產品，幫助傳統(tǒng)企業(yè)快速部署AI系統(tǒng)，加速AI技術在傳統(tǒng)企業(yè)中的落地應用。
對于中小型傳統(tǒng)企業(yè)來說，如何以較低成本實現(xiàn)AI技術的初步應用，是一道必答題。孫道偉建議，可以通過云服務、AI能力開放平臺、數(shù)據管理、網絡服務以及培訓咨詢等一系列解決方案，能夠幫助中小型傳統(tǒng)企業(yè)以較低的成本實現(xiàn)AI技術的初步應用。
構建“三位一體”防御體系，防范數(shù)據安全風險
當人工智能技術深度融入制造業(yè)、農業(yè)、能源等傳統(tǒng)領域，伴隨海量數(shù)據的采集、分析和應用，數(shù)據泄露、算法偏見、網絡攻擊等風險也日益凸顯。如何在享受AI技術紅利的同時，筑牢數(shù)據安全防線，成為推動產業(yè)智能化升級必須回答的關鍵命題。
“當傳統(tǒng)產業(yè)擁抱人工智能時，首先遭遇的是數(shù)據采集與存儲環(huán)節(jié)的風險?！睂O道偉說，傳統(tǒng)產業(yè)在生產運營過程中積累了大量的數(shù)據，這些數(shù)據往往關系到企業(yè)的核心競爭力和商業(yè)機密。在引入AI技術時，需要對大量數(shù)據進行收集、存儲和處理，數(shù)據泄露、被惡意攻擊等安全風險隨之增加。比如：制造業(yè)企業(yè)的生產數(shù)據、醫(yī)療行業(yè)的患者病歷數(shù)據等一旦泄露，將給企業(yè)和用戶帶來嚴重損失。
更需要警惕的是，某些關鍵基礎設施行業(yè)的數(shù)據涉及國家安全，如電網運行數(shù)據、油氣管道壓力數(shù)據等，其價值已超出商業(yè)范疇。
數(shù)據安全風險的復雜性在于，它不僅是技術問題，更是管理問題和生態(tài)問題。
“從技術角度看，傳統(tǒng)產業(yè)的數(shù)據防護體系往往滯后于AI應用需求，許多企業(yè)仍依賴傳統(tǒng)防火墻，難以應對新型網絡攻擊。在管理層面，部分企業(yè)對數(shù)據權限劃分模糊，內部人員違規(guī)操作或第三方服務商數(shù)據濫用時有發(fā)生。更值得警惕的是，隨著產業(yè)鏈上下游數(shù)據共享成為趨勢，單一環(huán)節(jié)的漏洞可能引發(fā)系統(tǒng)性風險?！睂O道偉說。
化解AI賦能傳統(tǒng)產業(yè)的數(shù)據安全困局，孫道偉認為需要構建“三位一體”的防御體系。
在技術層面，隱私計算技術可在數(shù)據“可用不可見”的前提下支持AI訓練；管理層面，企業(yè)需建立覆蓋數(shù)據全生命周期的安全管理制度，如中國某汽車集團實施的“數(shù)據分級分類保護”機制；政策層面，則應加快完善行業(yè)數(shù)據安全標準，如針對智能電網、數(shù)字醫(yī)療等特定領域制定細化的數(shù)據治理規(guī)范。
企業(yè)更需既懂AI技術又了解行業(yè)的人才
在傳統(tǒng)產業(yè)向智能化轉型的浪潮中，一個突出的矛盾日益凸顯：AI人才供需嚴重失衡。一邊是傳統(tǒng)企業(yè)對AI人才的渴求，另一邊卻是專業(yè)人才供給的嚴重不足，這種結構性矛盾正成為制約傳統(tǒng)產業(yè)智能化升級的關鍵瓶頸。
李衛(wèi)一語道破AI領域專業(yè)人才困局：“AI領域的專業(yè)人才需求量大，但流向傳統(tǒng)行業(yè)的AI人才資源相對不足。傳統(tǒng)產業(yè)往往難以吸引到足夠數(shù)量和質量的專業(yè)人員來推動AI項目的實施和發(fā)展。培養(yǎng)內部員工的相關技能需要時間，而且不一定能夠完全滿足項目需求?！?/p>
從人才供給端來看，我國AI人才培養(yǎng)體系尚不完善。李衛(wèi)介紹，高校AI相關專業(yè)設置起步較晚，課程內容與企業(yè)實際需求存在脫節(jié)，導致畢業(yè)生往往需要企業(yè)二次培養(yǎng)。同時，頂尖AI人才更傾向于選擇互聯(lián)網巨頭或科研機構，傳統(tǒng)產業(yè)在人才爭奪戰(zhàn)中處于明顯劣勢。
在人才需求端，傳統(tǒng)企業(yè)對AI人才的需求呈現(xiàn)多元化特征。李衛(wèi)認為，不同于互聯(lián)網公司專注于算法研發(fā)等，傳統(tǒng)企業(yè)更需要既懂AI技術又了解行業(yè)特性的復合型人才。以智能制造為例，既需要精通機器視覺的工程師來優(yōu)化質檢流程，又需要熟悉生產制造的業(yè)務專家來確保技術落地。這種“技術+行業(yè)”的雙重能力要求，使得合適的人才更為稀缺。
面對人才短缺的困境，不少企業(yè)開始探索多元化的人才解決方案。一些大型企業(yè)選擇與高校共建實驗室，通過產學研合作定向培養(yǎng)所需人才；中型企業(yè)則傾向于與第三方AI服務商合作，以外包方式獲取技術支持；更多中小企業(yè)則嘗試內部培養(yǎng)，選拔有潛力的員工進行AI技能培訓。
然而，這些方案各有利弊：產學研合作周期長、見效慢；外包服務難以形成核心競爭力；內部培養(yǎng)又面臨人才流失風險。
要破解這一人才困局，需要多方協(xié)同發(fā)力。李衛(wèi)認為，教育部門應加快調整高校專業(yè)設置，增加應用型AI人才培養(yǎng)；行業(yè)協(xié)會可以搭建人才交流平臺，促進供需對接；企業(yè)自身則需要建立更具吸引力的人才發(fā)展機制。
“傳統(tǒng)產業(yè)不必一味追求頂尖算法人才，而應著重培養(yǎng)能夠解決實際問題的應用型技術團隊。畢竟，AI轉型的最終目的不是擁有最先進的技術，而是實現(xiàn)實實在在的效益提升。”李衛(wèi)分析說。
針對傳統(tǒng)企業(yè)擁抱AI面臨的困惑，賽迪智庫電子信息研究所數(shù)智經濟研究室副主任蘇庭棟提出四點建議：第一是立足行業(yè)特性和發(fā)展階段，結合企業(yè)自身優(yōu)勢，明確企業(yè)對AI賦能的戰(zhàn)略定位。第二是聚焦重點場景，實現(xiàn)精準賦能，避免“貪大求全”。第三是推動試點突破，降低轉型風險，避免“盲目轉型”。結合企業(yè)自身技術水平和資源供給能力，小步快跑推動重點場景應用，總結相關經驗逐步推廣，避免“一擁而上”。第四是加強與行業(yè)龍頭、科技公司的交流和對接，將自身AI賦能融入行業(yè)發(fā)展大勢，推動形成“需求牽引—技術支撐—人才培養(yǎng)—市場拓展”的正向循環(huán)。
夜間
設置
移動端
手機版
網上訂閱
網上訂閱
頂部
