全国人大代表、科大讯飞董事长刘庆峰：呼吁制定通用人工智能发展规划

　　2024全国两会正在举行。作为人工智能行业的从业者，全国人大代表、科大讯飞董事长刘庆峰本次上会带来了一份和人工智能有关的建议，他建议制定国家《通用人工智能发展规划》，系统性加快推动我国通用人工智能发展。

　　国产大模型离全球最高水平有多大距离？刘庆峰以基于全国产算力训练的讯飞星火大模型为例，“其预计在6个月内可达到GPT4/4V当前最好水平”，但随着GPT-5的发布，这个差距可能会被拉到一年以上，如果从算力、数据、模型训练等方面组织好资源全力追赶，这个差距也有望在1-2年内被追平到相当的水平，同时我国也在语音大模型、医疗大模型等领域形成了国际领先的比较优势。“我们有信心在通用大模型底座上不会出现代差级落后的差距，在此基础上结合行业场景和数据进行打磨，有望实现典型行业领域的超越”，他认为，在追赶的同时，结合全新的技术发展、竞争格局、产业赋能以及在社会生活中的各种变化，非常有必要根据新的形势制定系统性规划。

　　对此，刘庆峰建议，在2017年《新一代人工智能发展规划》的基础上，瞄准我国通用人工智能发展中需要重点补上的短板进行设计，围绕自主可控算力生态构建、高质量数据开放共享、科学的评测标准制定、源头技术前瞻研发、人才培养、法律制定和伦理人文等维度，系统性制定国家《通用人工智能发展规划》，国家高位推动规划的制定和落地，不断缩小中美通用人工智能产业在通用底座平台方面的差距，并在行业应用和价值创造上打造我国的比较优势。（新京报）

　　全国人大代表、中国铁塔董事长张志勇：推进AI硬件计算100%国产化

　　两会期间，全国人大代表、中国铁塔董事长张志勇提交了有关大模型、新能源车、边缘算力等内容的建议。

　　当前以人工智能大模型为代表的技术突破广泛应用于各个领域，推动产业升级和变革，引发了世界范围内的研究热潮。我国虽在基础理论、原创模型方面较美国有一定差距，但我国是制造大国，拥有健全的工业门类和产业高端化、数字化、绿色化的迫切需求，为大模型创新发展提供了更为广阔的实践空间。

　　在《关于推进行业大模型高质量发展的建议》中，张志勇表示，随着各级政府支持政策陆续出台，从算力支持、场景开放、技术突破、产品生态等方面鼓励大模型发展。但现阶段算力资源不足、数据质量不高、场景开放不够、应用部署成本高、模型数据安全风险等问题，对行业大模型的发展形成了一定制约。

　　对此，张志勇提出了六点建议：一是提升算力资源供给能力；二是提升行业数据供给水平；三是加快创新应用场景建设；四是降低应用部署成本；五是加强模型数据安全；六是加强产业政策扶持和人才培养。其中，为提升算力资源供给能力，张志勇建议建立算力资源公共调度平台，促进算力资源协同共享，提升算力资源利用效能。同时，提升自主创新能力，在政策引导、品牌推广、行业采购等层面加大对国产硬件的支持力度，推进AI深度学习框架、AI硬件计算100%国产化。加快推动能够提供训练和推理一体化的单体超大规模行业智算中心建设。

　　当前我国算力网络“中心+边缘”的梯次布局正在形成，特别是随着海量终端连接和场景化应用兴起，未来将有超过75%的数据会在边缘侧产生和处理，边缘算力基础设施的重要性也逐步凸显。张志勇在《关于进一步推动边缘算力协同部署和应用的建议》中提到，从调研情况看，目前算力基础设施建设主要集中在大型集中式数据中心和算力枢纽节点，边缘算力基础设施建设刚刚起步，存在边缘算力基础设施缺乏统筹规划、边缘算力供需匹配不均、边缘算力应用不足、边缘算力基础设施共建共享不足等几方面挑战。

　　结合现有算力发展现状及存在的问题，张志勇提出建议：加强边缘算力基础设施统筹规划建设、探索建立算力供需对接机制、加大培育边缘算力创新应用、促进边缘算力基础设施共建共享。（南方都市报）

　　全国人大代表、万华化学董事长廖增太：加快人工智能与化工深度融合加速形成新质生产力

　　据悉，全国人大代表、万华化学集团股份有限公司董事长廖增太在全国两会上提交了一份《加快人工智能与化工行业深度融合加速形成新质生产力》的建议。

　　廖增太认为，中国是全球唯一拥有全部工业门类的国家，人工智能和制造业的深度融合将极大促进重点行业智能升级，高水平赋能工业制造体系，加快形成新质生产力，为制造强国、网络强国和数字中国建设提供有力支撑。化工是国民经济的基础和支柱产业，廖增太为推动人工智能与化工行业的深度融合，加速培育新质生产力，提出了以下三条具体建议。

　　一、多方协同合作，形成国家级化工行业通用数据集。

　　化工行业产品品类复杂，涉及生产生活的方方面面，人工智能与化工行业的深度融合高度依赖行业数据集的建设。目前各类基础数据(如物性库)不足、专业文献及实验过程数据量庞大、数据收集整理和标注工作量巨大、行业数据标准缺乏，同时还涉及商业机密和数据安全等问题，难以形成行业通用数据集。

　　廖增太建议，由政府牵头组织相关部门、高校、化工行业协会、数据标准组织，建立符合国际标准的化工行业数据标准，组织收集化工行业通用基础数据，并进行专业数据标注，形成国家级化工行业通用数据集，为行业基础大模型训练及智能化建设提供数据基础。

　　二、提供政策性支持，鼓励人工智能在化工行业典型应用场景先行先试。

　　目前，谷歌DeepMind成功预测出220万种晶体结构；微软MatterGen可根据化学组成、对称性等各种约束条件生成定制化材料结构。AI在材料设计和筛选方面表现出巨大潜力，必将给材料行业带来颠覆性的变革。

　　廖增太提出，在国家层面对制造业数字化转型编制指导性的规划意见，尤其是在化工材料分子发现、分子逆向合成、材料大模型、工业设备故障预警、生产工艺优化等化工制造业场景。鼓励AI技术在化工行业的广泛应用，助力化工行业高质量发展。

　　第三，建立完善的人工智能人才培养战略和引进政策，强化AI人才体系建设。

　　化工人工智能领域是一个复杂的交叉学科，涉及量子化学、物理、数学、药学、化学、控制、机械工程等多个领域，人才缺乏是当下普遍面临的问题。一方面，缺乏熟练掌握跨学科知识的人才，制约了人工智能技术的综合应用。另一方面，行业竞争激烈导致企业难以留住人工智能高端人才。