亿朋观察| 构建AI技术生态三大支柱 驱动AI高质量发展 时间： 2025-03-14 12:47:45
编者按：3月13日，人民日报刊文《以人工智能赋能高质量发展》，文章指出，从大模型技术突破到生成式人工智能的创新应用，从具身智能等新范式快速发展到通用人工智能等前沿技术领域发生革命性突破，技术发展正在驱动技术生态构建，构建起多层次的人工智能技术生态。要构建多层次技术生态首先要打造涵盖算法框架、算力资源、数据要素的通用技术池。昨日，工信部召开干部大会，再次强调持续推进“人工智能+”行动。AI算法：从技术跟随到自主创新
AI技术创新一直在围绕算力、数据和算法三个核心要素动态循环。2025年，AI再次进入算法创新阶段[1]。在AI算法一核心赛道中，谷歌、Meta等国外巨头拥有先发优势。2017年谷歌提出Transformer算法，此后Transformer广泛应于自然语言处理，并逐步在计算机视觉等领域应用，OpenAI的ChatGPT也是以此为基础构建。
近年来，国内算法框架自主创新取得了显著成果。如华为的MindSpore 、字节跳动的云雀模型算法体系、百度的飞桨框架及配套算法等。腾讯完全自主研发的混元大模型训练框架可在3000块GPU上实现89%的线性加速效率，比同期PyTorch高出15个百分点。2025年初火爆全网的DeepSeek很大程度上源于其在算法上的大胆革新。DeepSeek的推理模型R1-0完全基于强化学习进行训练，通过自我学习来提高性能。
算力基建：新型生产力基础设施
算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力中心等算力基础设施向社会提供服务。尽管DeepSeek极大地减少了对大规模算力的依赖，但是，数据海量增加、复杂的算法模型及应用场景的不断创新，对算力的需求呈指数级增长，强大的算力成为推动人工智能技术突破和应用拓展的关键因素，也因此被连续两年写入政府工作报告。
当前我国算力网络建设和应用有序推进，工信部数据显示，截至2024年底，我国算力总规模达280EFLOPS（每秒百亿亿次浮点运算，以FP32单精度计算），其中智能算力规模达90EFLOPS（FP32），占比达32%；运载力方面，规划建设234条“东数西算”干线光缆，光缆长度8.5万公里。国家枢纽节点算力中心集群间网络时延达标率超75%；存储力方面，我国存力总规模约1580EB（艾字节），其中先进存储占比达28%。
数据：数字经济的核心资产
高质量、大规模的数据是模型训练的核心原料和技术迭代的底层动力。以图像识别领域为例，ImageNet数据集包含2 万多个类别的1400多万张标记图像，谷歌的Inception系列、微软的ResNet均是利用其训练图像识别模型。据统计，在ImageNet大规模视觉识别挑战赛（ILSVRC）中，顶尖模型的准确率从早期的60%左右，随着数据量的增加和算法的优化，逐步提升到90%以上，充分彰显了海量数据在AI模型技术技术迭代中的关键作用。
数字经济时代，数据是驱动产业智能化跃迁的新型要素。例如，联影医疗整合百万级医学影像与临床文本数据，构建的AI诊断系统将早期肺癌检出率提升至92%。人工智能通过高效的数据处理与分析能力，将海量原始数据转化为可操作的深度洞察，从而释放数据价值。它能够整合多源异构数据，利用机器学习挖掘隐藏规律，实现精准预测与智能决策；通过自然语言处理和计算机视觉解析非结构化数据，扩展数据应用边界；借助实时流处理与自动化模型优化，动态响应业务需求。从个性化推荐到供应链优化，从风险预警到创新场景开发，AI将数据转化为驱动业务增长、提升效率、创造新商业模式的"智能燃料"，推动各行业实现数据驱动的数字化转型。
亿朋观点：人工智能技术生态构建和优化需要对算法、算力及数据进行系统性布局，通过技术-产业-制度的生态化协同，实现从“单点技术突破”到“全链条能力提升”。技术层面，算法迭代、算力优化与数据价值释放相互依存，形成“技术飞轮效应”，加速AI创新落地；产业层面，聚焦能源、制造、医疗等领域，以场景需求驱动技术演进；制度层面，推进芯片、开源框架等“卡脖子”技术突破、完善数据安全法规。
[1] 甲子光年,《2025年DeepSeeK开启AI算法变革元年》
