9月,中国人民大学中国调查与数据中心(NSRC)对外发布了“全国公众科技创新认知度调查结果”显示:公众尤其高学历人群对人工智能大模型企业的认可度有限,落后于先进制造企业。报告显示,“腾讯在消费互联网领域的突出成就,科大讯飞在人工智能语音识别技术、小米在智能生态链建设等方面的创新,均为社会经济发展做出了重要贡献。”值得关注的是,科大讯飞成为人工智能领域公众认知得分最高的企业。在世界范围内,中美成为大模型领域最重要的两大玩家,美国长于生态系统的突破性创新,但中国拥有独特的应用场景优势,庞大的人口基数为行业产品提供了丰富的数据和多样化的应用场景。借助这些优势,人工智能在中国的场景落地和应用落地正在提速。

中国科创“民心向背”:

制造业得分超过人工智能大模型

近日,中国人民大学中国调查与数据中心(NSRC)联合多家科研机构对外发布了“全国公众科技创新认知度调查结果”。

在此之前,NSRC问卷调查了3114名18-60岁中国居民,覆盖全国31个行政区域的341个城市和地区,男女各半。但调查回收的样本主要集中在东部沿海地区,问卷参与者更偏向适用于科技创新已取得较大成就的地区。

因此,该结果从某种程度上呈现出我国对于中国科技创新的“民心向背”。

在这份长达33页的调查结果中,最重要、最有趣的结论是:我国对本土企业科技创新成果的评价,呈现出三个梯度:

第一梯队(4分以上),华为、大疆、比亚迪。

第二梯队(3.7至4分),腾讯、科大讯飞、小米、字节跳动、阿里巴巴、国家电网公司、宁德时代。

第三梯队(3.0至3.7分),荣耀、百度、蔚来、京东、格力、京东方、中国移动、中国电信、小鹏、理想、海尔、美的、vivo、oppo、海康威视、长城汽车、美的、快手、中石油、中石化。

《全国公众科技创新认知度调查报告》截图

从对企业科技创新认知度看,以华为为代表,依托在 5G、电动汽车、无人机等偏制造业的创新和技术研发进步,得到了公众最高认可;

以腾讯、科大讯飞等为代表,依托人工智能、大数据、消费互联网、新能源电池研发等方面的创新,则排在第二梯队;以传统能源行业、白色家电制造业等为代表的企业则处于第三梯队。

公众的认知在一定程度上反映出中国科技创新的现状。

中国是制造大国,拥有全球最完备产业体系,制造业总体规模连续14年位居世界首位,220多种产品产量位居全球第一。中国制造彰显出的坚实底气和创新动能被公众所深切感知。

但另一方面,已经成为未来引领科技创新和经济发展的核心驱动力的人工智能则并未在国人心智中建立优势,暂时落后于先进制造业。

实际上,调查结果显示:国人对本土企业在热点科创领域表现的评价,也呈现出两个梯度。

对“5G通信、消费互联网、航空航天、轨道交通”的科技创新成果表现出较高认可度和满意度,总评分在4.5分左右。

但对“人工智能与大模型”领域的总评分低于4分。值得注意的是,随着受访者学历的提高,总评分呈现出逐渐降低的趋势。这也体现出,在国人心目中,“重制造而轻AI”的心理预期,是一种弥漫整个社会的认知现状。

中国科学院科技战略咨询研究院周城雄研究员认为,公众尤其高学历人群对人工智能大模型的认可度有限。“这种情况需要引起重视”。

李开复的预言:

中国大模型应用普及速度领先

7月25日,AI明星人物、OpenAI创始人萨姆奥特曼罕见地在权威媒体发表了一篇指向性极强的专栏文章《Who will control the future of AI?》,矛头直指中国。

他将美国与中国划分在两个相互对立的AI阵营之中,表示“如果中国AI取得领先,将对其他国家造成危害。”

事实上,美国的生态系统在突破性创新方面具有优势,而中国的生态系统则在应用方面表现出色。

如果说GPT-4标志着自然语言处理技术进入了一个新高度;那么2024年2月发布的模型Sora,则是OpenAI针对多模态交互所开发的新一代模型;今年真正令人惊艳的是ChatGPT的o1模型,这个推理能力号称堪比博士生的模型,被认为是继AI领域的又一个“wow”时刻。o1模型被普遍认为标志着AI在复杂推理和逻辑能力上的进化。

尽管美国在人工智能开发方面一直处于领先地位,但中国正在迎头赶上。

中国的科技生态系统是以实用主义为基础的,在可预见的未来无法转化为产品的研究很难吸引到资金。尽管美国的生态系统在突破性创新方面具有优势,但随着训练大模型成本不断降低,具有“中国特色”的科创优势将会再次体现出来。

在中国,科创公司的CEO们还是习惯找到产品与市场的契合点,扩大规模,并使应用非常经济实惠。

9月11日,据CNBC报道,谷歌中国区前负责人李开复表示,中国的人工智能模型可能比美国落后至少半年,但中国的人工智能应用可能会以更快的速度腾飞。

他还预测,到明年年初,中国的应用普及速度将远远超过美国。“训练一个好的人工智能模型的成本已经大幅下降。”

由此,我们也可以理解为何中国公众对于人工智能大模型相对“冷淡”。

一方面,中国在人工智能领域大量的创新是集中在各行各业的头部公司。以电动汽车为例,中国花 26 年时间生产了第一批1000万辆电动汽车,但下一个1000万辆只用了17个月。今年被称为中国“大模型上车元年”,搭载讯飞星火大模型的汽车,跟随中国汽车“出海”步伐销往全球近百个国家和地区,中国汽车出海十强企业中,有8家企业和科大讯飞深度合作。可以预见,今年中国销售的汽车中超过一半是智能网联汽车。

另一方面,国人普遍更相信自己的体验——大模型究竟如何改变日常?公众对人工智能大模型的认可度有限,在一定程度上显示出,通用大模型还没有进入由场景和应用主导的“中国时间”——那可能也是中美在大模型创新领域的“分岔时刻”。

中国科学院科技战略咨询研究院周城雄研究员认为“公众重制造而轻大模型”的原因可能是因为“场景受限”。

“未来,在不断推进相关领域科技创新的同时,还需结合具体场景,推动更多应用创新、产业创新。”

今年7月份,工业和信息化部等四部门联合印发《国家人工智能产业综合标准化体系建设指南(2024版)》,更加系统地构建了人工智能产业的标准体系,包括基础共性、基础支撑、关键技术、智能产品与服务等,为产业发展提供了更为全面的指导。

可以预见,长远来看,政策支持和产业生态完善将进一步释放人工智能的潜力,随着一个个具体场景落地,“量变引发质变”,中国最擅长的“应用场景拓展”或将牵引人工智能迅速进入创新爆发期。人工智能大模型的价值将被中国公众重新认识。

中国AI业界:

技术、应用两手抓,静待“中国时刻”

实际上,中国人工智能业界对此有着清醒的认识。

以此次调查人工智能领域公众认知得分最高的企业科大讯飞为例,董事长刘庆峰在2023年第一次发布星火大模型时就提出明确了“1+N”体系。

2023年5月6日科大讯飞发布讯飞星火大模型

在技术路线上,它可能是国内最执着于“OpenAI”式叙事的AI公司了。

2023年5月,科大讯飞正式对外发布“星火”大模型,对标Open AI;从推出“星火”那一刻,就定下了全方位的大模型“赶超计划”。

继去年GPT-3.5后,今年科大讯飞把重点放在了追赶GPT-4上,实现了“全面对标GPT-4 Turbo”“部分能力超越GPT-4 Turbo水平”等目标。

在国务院发展研究中心、新华社研究院、《麻省理工科技商业评论》中文版等权威机构的评测中,讯飞星火的综合能力在国内排名名列前茅。

值得注意的是,科大讯飞与华为联合发布全国产万卡算力平台“飞星一号”。基于全国产万卡算力集群“飞星一号”训练的星火4.0版本据称底座能力可全面对标GPT-4 Turbo。

这也显示出科大讯飞的长期主义思维。因为搭建算力平台着眼的是大模型底座能力和全链条自主可控能力,不仅耗费心力,回报也很慢。

而在场景应用上,“1+N”体系的战略部署正初见端倪。

在教育领域,科大讯飞利用大模型技术为学生提供个性化的学习资源推送;在医疗领域,科大讯飞通过大模型打造患者全流程管理平台;在火爆的新能源汽车赛道,星火正在迅速“上车”,联合奇瑞联合打造Lion AI和Lion Melody。

此外,华为、中国移动、中国一汽、奇瑞、太平洋保险、国能集团、中国石油、交通银行、国家博物馆、中国教科院等行业龙头都选择了与科大讯飞进行深度战略合作。

今年上半年,该公司围绕大模型相关的总投入超过13亿。具体看,围绕通用大模型研发投入增加了4亿元,大模型训练推理平台工程化的研发投入增加1.6亿,大模型推广和应用推广投入增加1.2亿,各BG、BU围绕大模型产品化的投入增加超过6亿。

继续加大的对AI和大模型的投入已经成为共识,大模型在技术研发攻坚同时也在探索如何商业化落地。

不久前,科大讯飞研究院院长刘聪在采访中透露:“AI大模型应用落地的第一核心是深入理解场景,用场景需求牵引着技术的发展。”

这也为当下AI行业的竞争提供了新的视角。

借助这些优势,AI应用的商业价值得以快速显现,而核心则在于对落地场景的深入理解。

《纽约时报》近期曾撰文表示,中国正在努力缩小与美国的人工智能技术差距,而差距也确实在快速缩小。

中国拥有独特的应用场景优势,庞大的人口基数为行业产品提供了丰富的数据和多样化的应用场景。借助这些优势,人工智能在中国的应用落地正在提速,而核心就是对落地场景的深入理解。相信不久之后,公众就会看到人工智能大模型领域创新的“中国时刻”。

Source

Visited 1 times, 1 visit(s) today
Subscribe
Notify of
guest
0 Comments
Most Voted
Newest Oldest
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x