11月8日上午，2025年世界互联网大会乌镇峰会“人工智能引领科技创新和产业创新融合发展”论坛在浙江乌镇举行。论坛以“人工智能引领科技创新和产业创新融合发展”为主题，重点探讨了推动人工智能与千行百业深度融合、协同创新的方向与路径。本次论坛由浙江省人民政府主办，浙江省经济和信息化厅、浙江省互联网信息办公室共同承办，浙江省工业和信息化研究院、西湖大学、浙江省数字经济联合会、浙江邮电职业技术学院协办。本次论坛以“人工智能时代的创新模式”为主题，开展对话交流。
【对话交流】第二部分全文如下：
陈宗年（主持）：谢谢6位，人工智能创新发展需要算力，数据等基础能力建设先行，提供强力的支撑，我想请咱们曙光信息的任总和联通数据的陈总来谈谈当前的算力，数据的人工智能关键基础设施建设的最新实践进展还存在哪些短板？未来应从哪些方面进行突破，才能更好地支撑人工智能时代创新模式的变革？
陈海锋：谢谢主持人，刚刚任总很谦让，本来我是想着算力先讲我再讲数据，我们经常讲在AI这个产业里面，如果算力是引擎，那么数据就是燃料，它决定你在这个产业创新里面走得有多远，扎得有多深，飞得有多高。刚刚陈总问我，过去这段时间数据要素这个领域有什么变化？我觉得大家可以关注两个变化。
第一个可信数据空间的推广使用让数据真的动起来了，随着国家数据局在数据流通基础设施的布局和推广，目前全国各个行业可信数据空间的建设正是如火如荼。
这个可信数据空间就是让供数者以他自己的规则，在一个可溯源的不可篡改的可以授权使用的空间里面流动，所以这种标准已经成为一个国家标准，已经得到行业的共识，最近国家数据局建设的63个可信数据库空间试点中，我们一家公司要承担12个，这个也成为将来数据流通使用，不管是给人使用、还是给模型使用最有力的支撑。
第二个变化就是大模型，真正让数据用起来了，数据的价值变现开始出来了。过去联通有一家很出名的消费出行的大数据平台，过去中央2台每一年到了大节假日，如春节、国庆都会引用我们的数据做出行数据的分析。最近我们把这个出行数据通过大模型和经济的小模型进行升级，升级为经济运行大模型，能够为地方政府在宏观经济的监测、预测、施策、决策方面提供很好的依据，现在准确到小数点后1位，我们正在做小数点后2位。这样的大模型，它快速地把数据变现，现在已经有20多个部委，23个省，还有80多个地市在应用这套经济运行的大模型来指导自己的经济运行指挥调度。
所以这都是最大的两个变化，当然我们还是有很多挑战的，比如说这个数据要素在跨主体、跨行业的流通比较难，第二个数据的授权使用法治机制还不是太健全正在努力建设中，第三个是数据服务的价值，刚刚卢山副省长谈到这个问题，价值凸显和投入目前还是在一个剪刀差的上升过程当中，这些问题我相信经过模型的发展，空间的使用也会得到逐渐地改善，谢谢！
任京暘：我从算力这个维度谈一谈，AI时代算力现在主要面临两个方面的问题，一个是算力有瓶颈，因为这个AI对算力需求太大了，现在可以看到巨头都在搞算力的竞赛，资本开支动不动就是千亿规模，甚至是千亿美元规模，使得资本市场一片欢腾。
但是这个实际上是难以为继的，而且就咱们国内的情况来讲，因为面临一些“卡脖子”问题，所以这方面的问题会更突出一些，所以算力的瓶颈如何突破这是一个问题。
还有一个是算力贵，今天我们说希望算力像用水用电，这个愿景好多年前就在提了。原来搞云计算的时候就在说，像用水用电一样；但是水电你得便宜，今天我们没有几个人在为水、电感到心疼，是不会的。尤其到了AI时代算力越来越贵，我们都知道一台标准的，比如说拿英伟达做的标准的AI计算节点，一台机器一个节点高峰的时候卖300多万（一台），现在价格相对也要200多万，在中国绝大多数的城市里，这一个节点就相当于是一套房，一个机柜插满了节点，就相当于一个门栋的价值。
那这个转化在像阿里以及运营商这样的巨头，咱们有很大的资本开支，可能还能够支撑得上，但是今天咱们讨论的问题是AI+，千行百业要用，很多中小企业要AI，那存在这个算力的门槛，算力贵的问题。
所以这两方面我们看到的如何解决这个问题？其实这俩问题往核心上归，跟芯片大有关联，芯是贵的，而且是快速地迭代。但是今天看要解决这个问题我们讲就是没有芯片是万万不能的，但是芯片也不是万能的，今天这个计算比如说存算一体可以解决一部分问题，靠冷却技术让它达到比较好的运营状态也能解决一部分问题，然后通过异构融合，或者是通过软硬的协同都能各自解决一部分问题（电方面），所以今天要从单点的突破向全系统，全面的融合，多点突破，追求系统的能力，所以大家就看到现在特别火的一个词，芯片虽然火，但是今年特别火的一个词，在算力里面叫超节点。
前两月在上海召开的人工智能大会，384节点的超节点摆上面引起全场轰动。巨头们都在推超节点。
我们展位上有一个640的超节点，就按我刚才说的从芯片一直到存到网，到软硬一体综合的一套系统，我上我那个省地，一个机柜里面可以装640张卡做到全互联这种超节点，那这样的话算力的集成度就大幅度提升。可能过不了俩月，年底之前我准备把这个东西搭成万卡集群，那个时候大家可以亲眼看看，一个万卡集群用一个东西，这个超节点搭出来占地面积有多大。
原来我估计咱们这个场地搞个万卡集群够不够都难说，好像还有很多的周边设备，所以通过这种方式，同时也可以有效地降低算力的价格。
当然降低算力价格单纯靠硬件还不行，还要靠算网其他的相关技术，所以未来需要干的活还不少，因为这两个问题，算力贵的问题，算力瓶颈的问题应该说长期的会困扰业界，但是咱们是有方向的，我相信一定是通过多方协同努力，最终是能够达到咱的愿景，用水、用电式的使用这个算力，谢谢大家！
陈宗年（主持）：谢谢，产业创新格局的变革最重要落在规模应用上面，形成以创新带应用，以应用促创新的良性循环，国务院关于深入实施人工智能+行动这个意见提出了6个重点的应用领域，我想请吴主任、张总和索总谈谈，当前，在人工智能赋能千行百业产业创新变革过程中，哪些场景的应用较为成熟？一位致力于时空信息技术落地，一位长年深耕智慧医疗领域，一位是能源化工行业智能化转型的专家，想必对此有深刻体会。能否请三位结合一个具体的实践案例，谈谈在人工智能技术场景应用的“最后一公里”里，贵方遇到了哪些挑战，又是如何逐一攻破并实现成功应用的？
吴洪涛：人工智能领域在自然资源领域方面的应用我想两个方面，首先自然资源领域人工智能的应用时间还是比较早的，特别是我们在遥感解译这方面用得比较早，D5识别这些应用上面用得比较早，只不过这些应用是传统的小模型，不是大模型的概念。
陈宗年（主持）：可以结合自己的实践谈谈“最后一公里”的问题。
吴洪涛：所以在我们这个领域应用这个方面遥感解义是最成熟的应用，现在一个地物识别，从过去50%、60%、70%，80%，现在达到了90%，甚至到了二级地类的识别也有长足的改进，大量的应用在里面跟传统的小模型还是有一定的局限性，因为人工智能发展这一块到空间领域的智能方面还是正在探索过程当中，所以我们这边也是在积极地做这方面的探索，结合应用找一些在我们领域的突破点。
比如说还是在遥感领域这方面，大模型对于遥感影像的分割做得非常好，差在哪里呢？差在“识别对象是什么”这方面，所以我们就把语义的东西加进来，加上地理系的语义加进来，再加上自然资源合起来，完整地识别地物的范围是什么，这方面从原来的70%，有一些一级地类达到了90%，二级地类达到了80%的突破，这个是最成熟的一块应用。
张俊杰：好的，举个在浙江做的案例，2023年10月份到今天刚刚好2年的时间，就做了安诊儿，就是希望给每一个浙江老百姓陪伴一生的数字家庭医生，这个上线完之后我们觉得坚持了三件事情：
第一个用户视角，第二个技术驱动，第三个产品导向，我们做所有的事情技术只是一个手段，靠技术的推动怎么给用户很好地服务和体验，所以我们做了四件事情。
第一个希望所有的健康档案可以互联互通的，大家可以想象一下所有的健康档案来源在哪里？第一个是在医疗机构，我们去浙一、浙二、邵逸夫或者是家门口的社区卫生中心，我们希望所有的档案是按照用户的维度全部串联的，这个在浙江省完全做到。
第二个是在居家的设备和穿戴的设备上，比如说穿戴的手表，居家的血糖、血压、呼吸机等等，如果把这些数据串联起来肯定能够变成最懂我的健康档案。
还有围绕用户的痛点，我们去每一家医院流程都不一样，挂号、缴费、查报告再到中间的排队叫号等等，我们现在在杭州已经做到每一家医院流程全部标准化，我们看到一个数据用什么样的指标衡量AI应用的成熟度？我们就看门诊的渗透率，比如说像浙江省妇保每天的门诊量1万，现在有6000人通过安诊儿就医完成全流程，全省平均的数字是20%-30%，我们很相信说再过一年的时间，到40-50%的用户在就医的过程当中都会用安诊儿做云陪诊。
第三个是怎么样让用户在居家的时候也能享受很好的服务，所以我们也做了家庭医生的签约，我们希望每一个用户能找到你的家庭医生，在安诊儿上找到，所以家庭医生签约的服务在逐步地做。
下一步会把线上线下联动起来，用户咨询完，如果需要有线上的问诊再加上购药，离开医院的随访，我们希望把互联网医药这些服务全部串联起来，整体来看一下成绩单，两年的时间，浙江有6-7000万的人口，已经有1500万的用户累计使用过我们的服务，我估计明年差不多会2000万到3000万。
从这个案例上，如果说一个AI的应用是能够贴近老百姓的真实的使用场景去做扎扎实实的创新，那么这个效率是非常非常高的，包括医疗机构、医生、患者都会很快地去拥抱，这个给大家一个借鉴。
索寒生：谢谢主持人，其实我们整个中国石化推进智能工厂还是比较早的，当时从2012年开始做，到目前为止，智能石化工厂在全国水平是比较高的，包括位于浙江的镇海炼化是国家唯一一个达到领航级的（石化行业），我们这么多年推进人工智能有几个工作体会。
其实在打通“最后一公里”比较重要，第一个还是要把人工智能技术与石化先进的制造技术结合起来，我们在推进过程当中一直是把人工智能技术与石化行业的工艺技术、设备技术、操控技术紧密地结合起来，这个我觉得是对于场景来说打通“最后一公里”比较重要。
第二个是在整个高价值场景的选择，因为我们从集团公司这个层面来统筹在高价值场景的推进，目前从4个角度来选择。
1，场景的业务价值度。
2，技术的成熟度。
3，数据完备度。
4，可推广性。
从这4个方面把我们面向石化集团的高价值的场景选出来。
第三，在人工智能应用当中，我们把自顶向下的顶层设计和自下而上的创新结合起来，说白了就是把统筹的顶层设计和下边的星星之火结合起来，因为上面的高价值的场景来解决科技研发的加速的创新，解决我们在勘探开发领域的增储上产，解决在炼油化工的生产协同优化，解决安全环保。
从上到下有了人工智能的平台和工具以后，业务人员可以做一些解决身边的一些业务的事情，这两个结合起来推进。
第四，整个的应用效果评估，这个还是比较重要的，我觉得从昨天到今天有很多的专家在提出人工智能投资回报率往往不是特别清晰地计算出来，因此对于领导决策压力比较大。我们也在开始的时候就在推荐大模型的时候，把行业大模型的评测体系同步建立起来了，我们知道大模型在业界有很多的评测，但是这个落地到行业以后差距比较大。
因此我们把行业大模型的评测体系给建立起来，比如说我们把油层的物理，工艺的优化，设备管理，安全管理，能源管理，环保管理这些专业知识给建立起来，然后这个评测体系建立起来以后，一个是能衡量行业大模型在行业落地的水平，关键的一点是有了这个行业评测体系以后，我们的业务人员更加信任它，有了这个评测体系以后看到原来AI确实能够为行业做很多事情，这个也是比较重要的。
第五，标准。因为我们在做人工智能的时候，在2022年就跟工信部一起，做了一个《石化行业智能制造标准体系》，在2022年发布出来了，通过这个标准体系把人工智能的边界，把人工智能互联互通的一些标准，把人工智能平台的标准固化下来，这个对于统一共识，对于整个人工智能的技术验证比较重要，这个对我们来说也比较重要。
第六，工程化。因为人工智能落地行业在工程化的关键是比较重要，一个是模型的私有化要布在私有环境里面，对实时AI要求比较高，因为对模型的轻量化，包括在现场要实时的反馈出来，这个也比较重要。长尾数据，我们石化行业是流程长的行业，一个设备就价值几百万，但是设备一旦坏了或者是停工，导致工艺的损失就上千万，所以设备不能坏，这种非计划停工要尽量避免。
在这里这个设备出故障的概率比较小，我们必须解决低频的但是高危害性的数据，因此我们也想了一些办法，利用工业软件来模拟出一些异常工况数据出来，把场景覆盖到位，还要对模型的鲁棒性要求比较高，因为现场的噪声，数据质量参差不齐，因此对于模型的稳定性标准会比较高一些，谢谢！
陈宗年（主持）：谢谢三位精彩的见解，今天来到我们现场的除了深耕在人工智能领域多年的企事业单位，还有智能原生企业的代表——炽橙科技。下面，我想请纪总来谈一谈，人工智能技术如何打破传统创新边界，共同构建“虚实共生”的创新模式？又有哪些互通的底层技术创新逻辑能为智能产业发展提供借鉴？有请。
纪尧华：谢谢陈总，其实在这一路探索走下来，确实有很多超出原来传统方式的方法，也踩过坑，也有很多问题，但是就今天这个话题，我觉得从做工业智能或者是工业智能平台的经验来看有三点做一个简单的分享。
一是在核心的理念层面，确实需要做一些颠覆或者是迭代，其实很多技术大家盯在技术本身上，但是尤其做产业智能或者是工业智能这一块，其实核心就是要回归场景本身，特别是要重视一线的落地。
在工业体系里面大多数在用的还是通知常规事项，其实在工业产业里，比如说面向复杂的制造运维，装备的运维体系场景，我们是哪一个单一技术去用都不太好解决，实际回归到问题本身就变得简单，一个工业操作人员到了运维现场之后需要什么，我们要重新思考，怎么才能好用？需要的这个设备能不能结构可视化？能不能看到得到图纸支持？能不能得到维修保障的操作规程？以及最好是能够给它提供历史的经验记录，甚至是提供操作规程的选项。
其实在这个环节当中只要解决第一步，人工智能能赋能一线，立体地得到体验和感受其实可能就走通了这个路，这里面很重要的一点就是回归场景本身，一定程度上可以忘记技术，在场景的需求作为根本出发点重新组织和梳理这个流程。
二是在相应的方法和途径，我们走下来感觉能够把虚实共生的工业体系走通，很核心的一点接下来就要建立基于云原生的智能底座系统和工具系统，这个内容做起来的核心不只是服务于一个客户，或者是只是做技术试点，回归到技术经济性的时候发现共性的能力能不能赋能更多的人、更多的工厂、更多的工程师？这一点我们也特别感谢在浙江，尤其是浙江省经信厅“一行业一试点”的AI推广模式。
我们以台州路桥很小的一个区县电机产业作为试点，到目前为止把通用的能力上云端底座，然后每一个中小企业付4000到5000块的门槛就能用到轻量化智能体，然后我们再结算给云平台或者是算力中心。
这样把一个行业吃透之后，数据得到了反馈和验证，大家用这样的工具和平台能够低成本、快速地铺向市场，形成非常好的循环，在这个当中这个行业又反向赋能给大模型，或者是智能体，能反馈和迭代。我认为这样的话是一个方式，基于云原生的底座和平台的工具体系。
三是有重要的落地突破口。所有的都得回归，其实有一个词叫工业智能一体双生，工业智能和工业软件一样，没有工业实体企业参与反馈和持续的合作，工业智能是走不起来的，所以工业企业和智能科技公司两个缺一不可，我们也非常荣幸在浙江这片土壤上与杭钢集团、杭实集团、央企的中船集团有很深度的合作，甚至有合资，然后在这样的闭环环境下，我们才能真正把工业物理仿真，工业智能走通走广。
总体来说还是在探索过程当中，现在还有很多的东西需要去克服，也需要非常多的生态伙伴大家共建共创，相信能够走得出来。特别重要的一点，我觉得在这个时代，尤其是工业智能，中国有得天独厚的优势，全球唯一一个工业41大门类齐全的就是在中国，我们有广阔的场景和数据空间，当然前景广阔我们自己也是责任在肩，谢谢！
扫码下载
中文网微信