億朋觀察| 構建AI技術生態三大支柱 驅動AI高質量發展 時間： 2025-03-14 12:47:45
編者按：3月13日，人民日報刊文《以人工智能賦能高質量發展》，文章指出，從大模型技術突破到生成式人工智能的創新應用，從具身智能等新范式快速發展到通用人工智能等前沿技術領域發生革命性突破，技術發展正在驅動技術生態構建，構建起多層次的人工智能技術生態。要構建多層次技術生態首先要打造涵蓋算法框架、算力資源、數據要素的通用技術池。昨日，工信部召開干部大會，再次強調持續推進“人工智能+”行動。AI算法：從技術跟隨到自主創新
AI技術創新一直在圍繞算力、數據和算法三個核心要素動態循環。2025年，AI再次進入算法創新階段[1]。在AI算法一核心賽道中，谷歌、Meta等國外巨頭擁有先發優勢。2017年谷歌提出Transformer算法，此后Transformer廣泛應于自然語言處理，并逐步在計算機視覺等領域應用，OpenAI的ChatGPT也是以此為基礎構建。
近年來，國內算法框架自主創新取得了顯著成果。如華為的MindSpore 、字節跳動的云雀模型算法體系、百度的飛槳框架及配套算法等。騰訊完全自主研發的混元大模型訓練框架可在3000塊GPU上實現89%的線性加速效率，比同期PyTorch高出15個百分點。2025年初火爆全網的DeepSeek很大程度上源于其在算法上的大膽革新。DeepSeek的推理模型R1-0完全基于強化學習進行訓練，通過自我學習來提高性能。
算力基建：新型生產力基礎設施
算力是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力，主要通過算力中心等算力基礎設施向社會提供服務。盡管DeepSeek極大地減少了對大規模算力的依賴，但是，數據海量增加、復雜的算法模型及應用場景的不斷創新，對算力的需求呈指數級增長，強大的算力成為推動人工智能技術突破和應用拓展的關鍵因素，也因此被連續兩年寫入政府工作報告。
當前我國算力網絡建設和應用有序推進，工信部數據顯示，截至2024年底，我國算力總規模達280EFLOPS（每秒百億億次浮點運算，以FP32單精度計算），其中智能算力規模達90EFLOPS（FP32），占比達32%；運載力方面，規劃建設234條“東數西算”干線光纜，光纜長度8.5萬公里。國家樞紐節點算力中心集群間網絡時延達標率超75%；存儲力方面，我國存力總規模約1580EB（艾字節），其中先進存儲占比達28%。
數據：數字經濟的核心資產
高質量、大規模的數據是模型訓練的核心原料和技術迭代的底層動力。以圖像識別領域為例，ImageNet數據集包含2 萬多個類別的1400多萬張標記圖像，谷歌的Inception系列、微軟的ResNet均是利用其訓練圖像識別模型。據統計，在ImageNet大規模視覺識別挑戰賽（ILSVRC）中，頂尖模型的準確率從早期的60%左右，隨著數據量的增加和算法的優化，逐步提升到90%以上，充分彰顯了海量數據在AI模型技術技術迭代中的關鍵作用。
數字經濟時代，數據是驅動產業智能化躍遷的新型要素。例如，聯影醫療整合百萬級醫學影像與臨床文本數據，構建的AI診斷系統將早期肺癌檢出率提升至92%。人工智能通過高效的數據處理與分析能力，將海量原始數據轉化為可操作的深度洞察，從而釋放數據價值。它能夠整合多源異構數據，利用機器學習挖掘隱藏規律，實現精準預測與智能決策；通過自然語言處理和計算機視覺解析非結構化數據，擴展數據應用邊界；借助實時流處理與自動化模型優化，動態響應業務需求。從個性化推薦到供應鏈優化，從風險預警到創新場景開發，AI將數據轉化為驅動業務增長、提升效率、創造新商業模式的"智能燃料"，推動各行業實現數據驅動的數字化轉型。
億朋觀點：人工智能技術生態構建和優化需要對算法、算力及數據進行系統性布局，通過技術-產業-制度的生態化協同，實現從“單點技術突破”到“全鏈條能力提升”。技術層面，算法迭代、算力優化與數據價值釋放相互依存，形成“技術飛輪效應”，加速AI創新落地；產業層面，聚焦能源、制造、醫療等領域，以場景需求驅動技術演進；制度層面，推進芯片、開源框架等“卡脖子”技術突破、完善數據安全法規。
[1] 甲子光年,《2025年DeepSeeK開啟AI算法變革元年》
