智算大模型引发新一轮创新。
智算有多种定义方法。在某些场景下，它可能指的是智能计算，在另一些情况下，它可能指的是智能 算法，即用于解决特定问题、模拟人类智能的高效算法。智算产业是以智能计算为基础的大模型产 业，它以多模态数据为对象，以人工智能算法和智能计算系统为支撑，面向泛在应用场景部署。在这 个层面看，智算通过智能化技术手段优化和提升技术系统的功能和性能，是为满足未来人工智能发展 和相关应用场景需要而创新的技术，是面向智能、智能驱动的计算。
在理论上，智算具备自学习、可演化的特征，可以对海量数据进行规律挖掘和知识发现，实现自 我优化和提升；在架构上具备高算力、高效能的特征，向存算一体、异构集成、广域协同等新型 计算架构演进；在体系上具备高安全、高可信的特征，支撑大规模泛在互联计算、人-机-物三元 空间深度融合的跨域信任与安全防护；在机制上具备自动化、精准化的特征，计算结果自动化、 计算服务更具“瞄向性”；在能力上具备协同化、泛在化的特征，通过人机协作，实现智慧社会 万物皆需计算、计算无处不在的效果。
智算产业正在引发新一轮创新突破，推动人工智能进入新里程碑阶段。一方面，智能计算是为满 足未来人工智能发展和相关应用场景需要而创新的计算技术，是面向智能的计算；另一方面，通 过智能化技术手段优化和提升技术系统的功能和性能，是智能驱动的计算。智能计算的出现和发 展有利于推动信息技术创新、万物智能互联以及行业智能升级，为智慧社会的数字化能力建设提 供支撑，已成为全球各国前瞻布局的重点方向和新一轮竞争热点。凭借优越的泛化性、通用性、 迁移性，智算将带来多个领域的代际变革，深刻变革人类社会发展，成为推动全球经济增长、重 塑产业格局、巩固国家竞争优势的重要战略支撑技术，有望推动人类社会进入通用人工智能时 代，带动形成一批新技术、新产业、新业态。
智算处于动态发展演进的过程中。技术创新的动态模型A-U模型（Abernathy-Utterrback model, A-U model）将技术创新、产品创新和组织变革结合起来，揭示了技术创新和新型产业演进的内在逻辑关 系。我们结合A-U模型理论推演和智算产业发展脉络，以产业经济学为顶层视角，将智算与人才作为主 要要素，提出了基于A-U模型的“智算-人才”演进曲线。总体上，“智算-人才”演进大致可以分为三 个阶段：第一阶段对应A-U模型的流动时期，算力产品以数据中心为主，重点服务移动互联网的广泛应 用，智算产品开始诞生、试错和演进。第二阶段对应A-U模型的转移时期，高效能计算设施开始发挥对 人工智能应用的服务支撑能力，通过不断布局智算能力，以“视觉四小龙”为代表的第一批人工智能明 星企业开始产业化落地。第三阶段是A-U模型的特性时期，智算与其他基础设施相互协同促进，共同成 为未来城市的数字底座。
从智算发展的节奏看，智算逐步成为组织能力的基础底座，持续赋能企业价值，为组织发展夯实下限。 人工智能发展最初，算法较为简单，模型参数和训练所需数据量极少，虽然简单的大型机、个人电脑即 可满足计算需求，但是成本高昂，获取难度极大，智算资源成为限制组织能力的“天花板”。随着GPU 的出现和突破，人们发现GPU并行计算效率更高，更适应人工智能模型参数的增长和数据处理需求的提 升；智算开始吸收和融合来自不同学科的理论与方法，数据驱动的方法成为主流，深度学习、强化学习 等技术得到广泛应用，在这一阶段，智算能力布局加快，以人脸识别为代表的决策式人工智能兴起和发 展。近期，智算能力普惠化加快推进，智算可能进一步成为“即插即用”的平民化技术能力，作为一种 基础能力，加快推动工业、医疗、金融等行业的智能化转型升级，培育千行百业形成新业态新生态。
从人才演变的节奏看，随着智算普惠化进程加快推进，智算资源获取和应用难度降低，组织人才成为决 定智算能力的上限。2006年Hinton提出深度学习并实证验证，英伟达发布CUDA并行计算框架，正式拉 开智算发展的序幕，这一阶段的发展主要聚焦实验室研究和小规模产业应用，并以科学家、工程师的 单点探索为起点，逐步扩展形成智算学术体系。2010年起，“视觉四小龙”相继成立，以其创始人为 中心，围绕领军科学家和明星企业家，开始组织扩展形成第一批智算人才网络和团队，成为后续人工智能发展的组织人才基础。2016年，AlphaGo首次击败人类围棋世界冠军，开启了智算发展的新阶段， ChatGPT更进一步引发新的热潮；随着机器人“索菲娅”获得公民身份、全球首个人工智能程序员问 世，传统的“人-人”生产关系向“人-机”生产关系转变。展望未来，在智算成为基础的背景下，人才 的主观能动性将进一步放大，作为智算能力构建的核心要素，有望成为组织能力的“上限”。
2.1 引领产业升级
在人工智能和实体经济深度融合、“人工智能+”加快推进的背景下，传统模式下的制造业已经转型 升级到以数据驱动发展的新阶段，作为海量数据处理的基础，智算已经成为“新基建”的底层核心技 术，与5G、工业互联网等紧密融合，引领产业转型升级。
政策规划加快智算赋能，国务院陆续发布《关于深化“互联网+先进制造业”发展工业互联网的指导意 见》、《新一代人工智能发展规划》、《国家智能制造业标准体系建设指南》、《5G全连接工厂建设 指南》等相关政策，进一步加快了智算等技术向工业生产各领域各环节深度拓展。数据平台夯实转型 升级基座，包含数据汇聚、数据开发、数据存储、数据资产管理、数据服务等能力，强调资源整合、 集中配置、能力沉淀、分布执行的运作机制。目前制造业数据治理差异较大，矿山等领域数据标准化 困难、耗时费力、数据融合分析水平低、数据共享意愿低，智能网联汽车领域数据聚集规模效应不断 放大，但也面临数据泄露、毁损、丢失、篡改、误用、滥用等风险。云边协同成为重要路径，随着 精确泛在感知能力的发展，现场生成的数据量越来越大，全部传输到云端不仅大幅增加了网络通信负 担，效率低下，且难以满足实时交互的要求。边缘计算装置将成为制造业安全生产感知和快速决策响 应的重要载体，通过云边协同可以有效实现云端复杂大数据分析、模型训练、算法更新，边缘端负责 基于就地信息进行数据计算存储和传输功能。组织人才转型包袱较重，传统制造业转型相对滞后，有 大量“脏苦累”场景，年长职工数量较多，对智算了解较少，转型包袱较重；智算场景建设需要大量 专业人才，智能采矿、自动驾驶等专业属于交叉学科，需要大量具备制造知识、信息技术、企业管理 能力的复合型高新技术人才，但现阶段这类人才储备不足。
2.2 服务保障民生
当前大模型发展取得实质性突破，加速迈入规模应用的新阶段，医疗健康、教育、金融、法律等领域 均有相应的垂直领域生成式人工智能应用，对智算能力需求随之高涨，推动人工智能从助力千行百业 提质增效的辅助手段，升级为支撑经济社会转型升级不可或缺的基础设施和核心能力。 围绕普惠化加快智算应用，医疗、金融等行业智慧化发展需要通过数字技术赋能，提升服务和管理水 平，并且通过远程网络连接的方式实现资源均衡化。例如，《关于加快场景创新以人工智能高水平应 用促进经济高质量发展的指导意见》等政策重点布局医疗、金融等行业发展效能提质提速，在基础 设施建设、产业生态建设方面新增重点任务。数据资源丰富，服务业虽然场景丰富、数据充分，但由 于完整性不高、信息系统差异大、用户安全隐私考虑等问题，数据孤岛问题尚未得到突破性解决。例 如，医疗领域，尽管公立医院掌握了大量的医疗资源和用户诊疗数据，各地临床工作中数据共享需求 也日益强烈，但大多机构还是对数据共享持观望态度。行业算力需求差异明显，民生服务行业领域较 多，算力需求差异较大，例如，由于受到高性能GPU禁售、医疗机构安全保密要求、模型效率问题的 影响，医疗机构大模型的算力支撑主要通过企业合作、自建算力平台或租用云服务器来满足需求；金 融体系细分领域众多，应用场景丰富且数据质量相对高，通过提供快速准确的信息和自动化的任务处 理来影响金融行业。人才转型经验有待提炼推广，服务业智算转型进程较快，在数字化浪潮下，新兴 技术与医疗、金融、商贸等产业深度融合，产生了相交叉的领域，培育了一批复合型人才。如何将跨 界能力、数字技能、创新精神和管理能力培育的经验提炼和推广，进一步扩散到更大范围、更多领 域，将成为服务业智算人才转型的新课题。
2.3 提升治理效能
人工智能和AI大模型技术的快速发展，不仅能够满足城市对治理技术的需求，也能从更深层次变革社 会治理模式。在城市的智能升级建设中，智算已经在城市治理、政务服务、智慧交通等多个领域实现 落地，助力城市智能化建设，推动城市从“治理”到“智理”的转变。 部署推进数字政府平台建设，我国作出了数字中国建设、国家大数据、文化数字化等战略部署，《数 字中国建设整体布局规划》《关于加强数字政府建设的指导意见》《全国一体化政务大数据体系建设 指南》等政策规划为数字政府建设打造了健康有序的发展环境，指导形成了政务服务、“互联网+监 管”和政府信息发布等一批相对成形、在实际工作中发挥显著作用的数字化综合平台。治理领域数据 共享不充分，现阶段治理数据相关信息制度不完备，有些部门对数据和规定不甚了解，信息数据尚未 实现融合交流、资源质量无法得到切实保障，使得数字政府的建设缺少融合、灵活的多元部门协作办 公平台，进而抑制了政府信息与数据的开放共享。海量数据强化算力需求，大模型在数字政府领域的 探索应用越来越丰富，与政府数据和行业深度结合后，将大大提升政府决策的科学性、助力服务效能 的优化、智能化进行数据治理，将会对算力产生海量需求。复合型人才正加快培养，数字政府、智能 交通为代表的治理领域向纵深推进，要求投入更高数字技能水平和专业化知识的数字化人才，部分人 员逐渐暴露出智算知识储备不足、应用能力有限、工具与软件操作不熟等问题，尤其是能引领技术发 展、引领场景变革的领军人才极其缺乏。
智算与大模型人才白皮书.pdf
