“国家队”带头拥抱AI 加快建设一批智能算力中心

　　近日，国务院国资委召开的“AI赋能 产业焕新”中央企业人工智能专题推进会强调，中央企业要把发展人工智能放在全局工作中统筹谋划，深入推进产业焕新，加快布局和发展人工智能产业。

　　会议还提出，中央企业应夯实发展基础底座，把主要资源集中投入到最需要、最有优势的领域，加快建设一批智能算力中心，以更好地发挥跨央企协同创新平台的作用。

　　央企落地人工智能应用，要实用、管用、解决问题

　　近年来，中央企业不断在业务场景中推广人工智能应用，探索人工智能深度应用到丰富多样的生产场景，推动不同产业领域提质增效。

　　清华大学中国现代国有企业研究院研究主任周丽莎认为，通过在人工智能领域的投资和发展，中央企业可以推动整个产业结构的升级和优化。

　　百度集团执行副总裁沈抖认为，在实际应用过程中，人工智能能做到实用、管用、解决问题、降本增效，就能带来大的收益。

　　例如，山东省港集团在日照港件杂货码头建设了智能调度系统和数字化堆场系统，依托百度文心大模型将多维生产要素和生产流程进行数学建模，实现港口的智能优化调度，达到从工厂到堆场再到船舶的全过程精准监控和高效作业，实现码头整体运转效率提升10%，设备利用率提升20%，堆场周转率提升20%，堆场利用率提升15%，并实现了大模型在港航领域的成功应用。

　　国家能源集团近期正式发布上线的“智能无人评审系统”已实现非招标采购全类别(物资、工程和服务)、全评审方式(询价通知单、最低价、综合评估法)全覆盖，智能评审准确率达97%。该系统运用人工智能技术进行采购场景创新，实现了采购评审“靠人-少人-无人”的突破。

　　国央企带头，加快建设一批智能算力中心

　　目前,国家对算力基础设施的布局和人工智能产业的发展给予了高度重视。本次会议强调，要夯实发展基础底座，把主要资源集中投入到最需要、最有优势的领域，加快建设一批智能算力中心，进一步深化开放合作，更好发挥跨央企协同创新平台作用。

　　开展AI+专项行动，强化需求牵引，加快重点行业赋能，构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。

　　赛迪顾问股份有限公司副总裁宋宇认为，国家大力推动算力基础设施高质量发展，这对中央企业而言，是责任，更是机遇。国资央企作为行业引领者，具备深厚的行业积累、资源沉淀以及自主安全的技术优势，在为产业发展打造‘数字底座’‘算力底座’的过程中将发挥重要作用。

　　随着下游算力需求集中的爆发和“东数西算”的推进，目前各级政府、行业头部企业、运营商、互联网企业纷纷开启智算中心建设计划。

　　2023年，长安汽车智算中心的计算能力达到142亿亿次/秒，已经支持长安汽车大模型训练、智能网联与自动驾驶研发相关业务，模型训练速度最高提升125倍。基于百度智能云的百舸·AI异构计算平台，该智算中心还对智能算力资源实现统一调度和管理，GPU资源利用率提升了40%以上，大大加速了项目研发进度。截至目前，已累计完成了超3万次智能AI算法模型的训练。

　　2023年5月，沈阳市皇姑区人民政府联合百度智能云建设以“智能计算中心”为核心的新基建项目，该智算中心是国内首个集智能算力与大模型技术平台一体化的新型人工智能算力基础设施，不仅包含物理数据中心建设能力、智算基础设施-AI大底座能力，还包括以大模型为代表的AI软硬件生态能力的综合性解决方案，可支持智算时代下企业不同业务场景的计算任务和大模型的产业应用需求。

　　据了解，沈阳智能计算中心是百度继阳泉智算中心、济南智算中心、福州智算中心、盐城智算中心、天津智算中心后的又一关键布局，它融合了百度智算中心的四大核心优势——强大算力(现有千卡并行环境下实现加速比90%，完美支持大规模训练场景)、绿色低碳(数据中PUE低至1.08，兼具低能耗高性能)、自主可控(自有芯片、异构计算平台实现对AI硬件和软件的全栈掌控)以及多场景应用(普惠算力、算法模型和数据服务，支持地方城市多产业多样化发展需求)。

　　用最好的大模型微调企业模型，用最好的工具链建设应用

　　自2023年以来，国资委多次强调加快推动发展人工智能，打造一批有竞争力的平台和企业。

　　关于央企如何在科技角逐中胜出，沈抖献上三点建议，第一，不要从头建设基础大模型，避免重复投入，应该用最好的基础大模型，结合各自行业特点、企业特点，微调出自己的特定行业模型。第二，要用最好的工具链去建自己的企业应用，本质在于企业高层的决策判断。第三，部署混合云，即把算力充分利用起来，同时又保护了国央企的数据隐私。

　　湖南汽车工程职业学院产教融合研究院执行副院长、中国企业联合会特约高级研究员刘兴国认为，中央企业投资发展人工智能，应当做好统筹谋划，切忌一哄而上、各自为阵、各行其是。

　　具有技术优势的企业，可以聚焦于人工智能核心关键技术的研发;具有制造能力与经验的企业，可以聚焦于人工智能重大关键产品的研发与生产;具有应用场景优势的企业，则应将重点放在人工智能技术与产品的融合应用上，同时也可以兼顾与拥有技术或制造优势的企业开展联合研发。