在日前举行的2023世界人工智能大会上，首发首展新品达30余款，来自全球的超400家AI行业知名企业和机构拿出人形机器人、大模型等“新赛道”上的“硬核产品”。这是人工智能产业蓬勃发展的缩影。最新数据显示，我国人工智能核心产业规模达到5000亿元，企业数量超过4300家，算力规模位居全球第二。
记者获悉，相关部门将进一步加强政策引导、夯实产业底座、拓展应用场景、完善生态体系，加快培育壮大人工智能产业。
7月8日，在2023世界人工智能大会期间，中国移动正式发布九天·海算政务大模型和九天·客服大模型，前者是面向政务领域的行业大模型，具备多维度的信息关联能力、面向复杂事项和流程的多元交互能力等；后者则在人工客服领域，可以根据用户提供的自然语言描述，解析用户问题并提供答案。此前于7月6日，中国电信发布TeleChat大模型，该模型使用了大量高质量中英文语料进行预训练，并采用了千万级问答数据进行微调，可用在赋能数据中台、智能客服和智慧政务等领域。
近段时间，以ChatGPT为代表的人工智能大模型引领新一轮全球人工智能技术发展浪潮。仅在2023世界人工智能大会期间，就有30多个大模型集体亮相，不少通用和行业垂直模型都是首次登场。
根据科技部新一代人工智能发展研究中心5月底发布的《中国人工智能大模型地图研究报告》，我国10亿参数规模以上大模型已发布79个。在大模型方面已建立起涵盖理论方法和软硬件技术的体系化研发能力，形成了紧跟世界前沿的大模型技术群。
工信部副部长徐晓兰在2023世界人工智能大会上表示，以深度学习算法为代表的新一代人工智能引领发展热潮，以大模型为代表的通用人工智能不断取得技术突破，实现了人工智能从感知向认知、从量变到质变的跨越。
“以大语言模型为代表的人工智能技术在全球掀起科技和产业创新浪潮，深度学习框架和大模型构成了产业智能化基座，将支撑各行各业的应用智能化重构。”百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰认为。
技术追“新”的同时，应用也在持续挖“潜”。
人工智能驱动的科学研究是当下热点话题。7月6日，腾讯公布“探星计划”新成果，2023年通过AI技术，从大量观测数据中发现快速射电暴。此前，由复旦大学、阿里云等共同打造的国内高校云上科研智算平台CFFF在复旦大学正式上线，该平台以公共云模式提供超千卡并行智能计算，支持千亿参数的大模型训练。
“在海量数据的基础上，为了发现和解决科学研究中的重大问题，算法需要不断迭代，从关联发现到靶点发现再到靶点验证，其中蕴藏着巨大的计算量。”复旦大学校长、中国科学院院士金力在接受记者采访时表示，未来有希望借助人工智能的帮助，识别出最有可能突破的科研方向，协助发现和筛选科学问题。
有的瞄准通用、有的深耕行业，记者在采访中获悉，人工智能融合应用深度与广度不断拓展。在中信戴卡融合AI技术打造的全球铝车轮行业“灯塔工厂”里，人工智能识别技术应用到工业检测中，减少80%人工干预，检测效率提高40%；在多个重点基建铁路中，网易伏羲无人装载机器人，基于工业大模型实现了多项技术突破，比如自主定位精度优于5厘米，为自动化操作提供稳定安全支撑……
工信部数据显示，我国已建成2500多个数字化车间和智能工厂，示范工厂改造后，研发周期缩短了约20.7%、生产效率提升了约34.8%、碳排放减少了约21.2%，有力推动实体经济数字化、智能化、绿色化转型。
在业内人士看来，我国拥有广阔的人工智能应用市场，但在基础性技术等方面还处在相对弱势地位，产业自主创新的生态体系还需要进一步建设。
2023世界人工智能大会期间发布的《2022全球人工智能创新指数报告》显示，中国人工智能创新指数近三年一直保持全球第二水平，在人才、教育、专利产出等方面均有所进步，但基础资源建设水平仍有待提高。相较于自身快速增长的创新产出而言，中国人工智能创新投入规模和质量还有很大提升空间。
中国工程院院士、清华大学计算机系教授郑纬民告诉记者，目前国内人工智能基础资源在生态建设方面还存在不足。“国产硬件对大模型软件的适配程度还有待提升，除了对现有软件的兼容性，还需要提高硬件对软件开发的支持能力，提供友好的开发环境，进而推动我国人工智能生态建设。”
记者注意到，多方正加快部署，整合创新资源，抢抓人工智能发展机遇，推动人工智能自主技术体系建设及产业发展。
今年5月召开的二十届中央财经委员会第一次会议明确，“要把握人工智能等新科技革命浪潮”“推进产业智能化、绿色化、融合化”。
工信部表示，将加强政策引导，结合全球通用人工智能发展的新态势，会同相关部门加快研究制定产业政策，进一步明确产业发展目标和重点任务；拓展应用场景，提升人工智能赋能制造业水平。科技部也明确，将加大人工智能基础理论和前沿技术研发布局，打造一批人工智能区域高地和基础平台，深化企业牵头的产学研用融合，推动人工智能赋能经济社会发展。
产业发展的底座也将进一步夯实。徐晓兰说，将围绕算力、算法、数据、框架等底座技术加大创新攻关，加快推进软硬件适配，构建从智能芯片到算法框架到大模型的全栈式产业链，加快人工智能技术和产业发展。