前兩天人民日報(bào)發(fā)表了一篇文章《人工智能產(chǎn)業(yè)化應(yīng)用加速》,，提到2022年我國人工智能產(chǎn)業(yè)規(guī)模達(dá)到5080億元,，同比增長18%，特別強(qiáng)調(diào)應(yīng)用的廣度和深度正在加快擴(kuò)展,。文章中還舉了三個(gè)例子：一是新藥研發(fā)就受益于此,，華為云盤古藥物分子大模型，是由華為云聯(lián)合中國科學(xué)院上海藥物研究所共同訓(xùn)練而成的大模型,。二是西安交通大學(xué)研發(fā)出一種新的“超級抗菌藥”,，它有望成為全球近40年來首個(gè)新靶點(diǎn)、新類別的抗生素,。借助大模型,，先導(dǎo)藥的研發(fā)周期從數(shù)年縮短至1個(gè)月,，研發(fā)成本降低70%。三是浪潮信息基于大模型打造的智能客服機(jī)器人“源曉服”就是大模型的一個(gè)典型應(yīng)用,。顯而易見,，這些都指向的是AI+ 應(yīng)用端，未來各行各業(yè)的公司都可能受益于AI的應(yīng)用,。

今天科技部又添了一把火,，宣布啟動“人工智能驅(qū)動的科學(xué)研究”專項(xiàng)部署工作。為貫徹落實(shí)國家《新一代人工智能發(fā)展規(guī)劃》,，科技部會同自然科學(xué)基金委近期啟動“人工智能驅(qū)動的科學(xué)研究”專項(xiàng)部署工作,，緊密結(jié)合數(shù)學(xué)、物理,、化學(xué),、天文等基礎(chǔ)學(xué)科關(guān)鍵問題，圍繞藥物研發(fā),、基因研究,、生物育種、新材料研發(fā)等重點(diǎn)領(lǐng)域科研需求展開,，布局“人工智能驅(qū)動的科學(xué)研究”前沿科技研發(fā)體系,。

別的行業(yè)不說，醫(yī)藥行業(yè)確實(shí)與AI有很大的結(jié)合空間,。英偉達(dá)官網(wǎng)3月22日也顯示,，全球 100 多家醫(yī)療保健企業(yè)正在與 NVIDIA 就 Clara 模型合作 ，推動人工智能加速解決方案,。AI+醫(yī)藥,，前景可期。

促進(jìn)科技的進(jìn)步的主要因素是土壤,，而不是扶持,。溫室大棚里的秧苗多有扶持，但它們永遠(yuǎn)也長不大,，因?yàn)榇笈锢锏淖魑锶狈︼L(fēng)吹雨打的錘煉,，沒有優(yōu)勝劣汰的篩選。

當(dāng)下OpenAI基于生成式語言模型的GPT出盡風(fēng)頭,，可幾年前態(tài)勢可不是這樣的,。之前Google收購的DeepMind可謂是大放異彩，但alphaGo享譽(yù)世界,，但始終也沒找到好的盈利方向,。倒是讓微軟注資OpenAI使其迸發(fā)出了強(qiáng)大的生命力。

但由此就可以斷言挾OpenAI就一騎絕塵也為時(shí)尚早,。生成式語言模型不是終點(diǎn),，在這個(gè)賽道上還會生出什么變數(shù)是由包括微軟谷歌meta等一眾大廠甚至未知的追趕者決定的,。
現(xiàn)在砸下百億千億的競爭者會不會在將來因?yàn)閾溴e了方向而血本無歸是完全無法預(yù)測的。

那么,，假設(shè)科技部的領(lǐng)導(dǎo)們都是專家中的專家,，他們就能保障指哪兒打哪兒的方向就是對的么？誰能保證去年大熱而今年式微的元宇宙web3在未來不會柳暗花明又一村取代人工智能這鍋熱灶呢,？

我國在人工智能技術(shù),、科研數(shù)據(jù)和算力資源等方面有良好基礎(chǔ)，需要進(jìn)一步加強(qiáng)系統(tǒng)布局和統(tǒng)籌指導(dǎo),，以促進(jìn)人工智能與科學(xué)研究深度融合,，推動資源開放匯聚，提升AI for Science創(chuàng)新能力,。

中國的算計(jì)資源是全球第三,，數(shù)據(jù)精算領(lǐng)域有很大的上升利用空間,。AI 技術(shù)節(jié)省人力,，提高工作效率，有廣泛的應(yīng)用前景,，也是未來科技進(jìn)步的抓手,。我國 AI 技術(shù)研發(fā)進(jìn)步的很快，國家與社會各界都非常重視,。相關(guān)的技術(shù)布局已經(jīng)開展的很充分,。
相信未來，中國能夠站在 AI 技術(shù)的制高點(diǎn),，為我國成為科技強(qiáng)國貢獻(xiàn)一份力量,。

摸著石頭過河的路徑 依然是國內(nèi)IA不可避免的問題 關(guān)于人工智能科技部所謂的布局個(gè)人更覺得是像一幫懂人情世故的官員突然換到了科技公司去做程序員的感覺 而不是專業(yè)的事專業(yè)的人去做

考慮到AI對數(shù)據(jù)的需求度以及研發(fā)人員和工程師往往需萃取多個(gè)領(lǐng)域的知識，決策層應(yīng)將重點(diǎn)放在打通數(shù)據(jù)孤島,，促進(jìn)相關(guān)組織和機(jī)構(gòu)之間的數(shù)據(jù)流通以及知識共享,，使之真正賦能到R&D上，否則利好政策很可能只能是又換了一種提法,，換湯不換藥,。