“人工智能+” 如何做加法？
拍摄、剪辑：皇甫万里、王晓啸、赵梓稀（实习生）
【观点摘要】
●发挥我国超大规模市场优势和丰富场景优势，建立以用促研的产学研用金一体的创新生态。
●支持人工智能芯片攻坚与软件生态培育，加快超大规模智算集群技术突破和工程创新，降低智算的使用成本。
●进一步完善学科专业布局，加大高层次人才、复合型人才培养力度，超常规构建顶尖人才培养新模式。
身高1.7米的人形机器人正流畅完成拧螺丝、搬运零件的动作，机械臂精度控制在毫米级；不远处，另一台机器人则与观众展开语音交互，实时解答工业场景中的人工智能应用疑问……在近日举办的第十五届智慧城市与智能经济博览会上，多家人形机器人企业带来的“黑科技”，吸引了众多参会者的目光。
这样的智慧场景，正是“人工智能+”赋能各行各业的缩影。不久前，国务院印发《关于深入实施“人工智能+”行动的意见》，将“人工智能+”产业发展作为重点行动之一，为技术落地按下“加速键”。
“加法”应该如何做？如何实现创新上的突破？
“人工智能是战略性领域，发展难度大、国际竞争激烈。总体来看，需要以用促研、不断迭代，加速科技创新和产业创新深度融合。同时保持耐心、夯实基础，加强基础理论研究。”国家发展改革委创新驱动发展中心副主任徐彬做客经济高质量发展专家谈时表示，应从三方面着手推动人工智能领域创新突破：
一是强化应用牵引。发挥我国超大规模市场优势和丰富场景优势，建立以用促研的产学研用金一体的创新生态，加快将企业、大学、机构实验室研发的算法模型转化为服务和产品，推动人工智能向现实生产力转化。
这需要充分发挥政府作用，统筹推动各领域各主体，提供更多应用场景，建设一批中试基地，开展各类应用示范。加快完善人工智能的制度标准、测试体系，建立健全数据治理服务能力和安全防护等领域的相关标准制度。在无人驾驶、金融合规等领域，加强产品和服务业务测试的能力建设，支撑科学的监管，促进人工智能技术高效安全应用。
二是强化基础支撑。算力方面，支持人工智能芯片攻坚与软件生态培育，加快超大规模智算集群技术突破和工程创新，降低智算的使用成本。数据方面，完善适应人工智能发展的数据产权制度，促进数据开放使用，支持发展AI标注合成等技术，持续加强人工智能高质量数据集建设。算法方面，加强人工智能基础理论研究，包括人工智能和脑科学等融合创新，支持多路径的技术探索和模型基础架构的原始创新。
需要关注的是，打造更加开放、安全、可持续的开源生态越来越重要。需要理清利益机制，创新开源模式，推动模型数据方法等全面开放共享，帮助缩短整个AI的创新周期。
三是优化创新环境。人才方面，需要进一步完善学科专业布局，加大高层次人才、复合型人才培养力度，超常规构建顶尖人才培养新模式，提高顶尖人才密度。支持青年科技人员在国家重大项目中挑大梁、当主角，支持企业规范用好股权、期权等中长期激励方式，引才用才留才。资金方面，加大财政资金对人工智能科技创新应用创新项目支持力度。同时，要加大金融支持力度，培育耐心资本、长期资本、战略资本，实现各类创新要素向人工智能领域汇聚。