c7c7cnm

c7c7cnm

在发展路径上，《意见》提出了“三步走”目标。到2027年，率先实现人工智能与六大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%；到2030年，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极；到2035年，我国全面步入智能经济和智能社会发展新阶段。值得注意的是，这些目标都是以人工智能的普及应用作为衡量指标来规划的。

有报道提到，中国至少有500万工人需要靠眼睛去盯产品的瑕疵c7c7cnm，凭着经验调整生产线，去发现和纠正这些问题。计算机视觉不会疲劳，分辨率比人眼更高，导入成本也不算太高，所以把它引进生产线做瑕疵检测，现在已经比较成熟，应用也比较广泛。例如，现在不少汽车生产线上开始用AI检测了，大幅降低了漏检率，有些甚至降低了90%以上，同时也大幅缩短了检验时间。

我们了解到，深圳有的工厂利用大模型学习电芯生产的数据，再加上电化学、先进材料学等知识，能精准预估电池容量。AI应用使整体电芯检测时间减少了大约80%，耗电减少了50%以上，实测还提高了电芯容量的一致性。去年12月，我在联合国工发组织的一场报告里就以此例说明c7c7cnm，中国电动车之所以能实现低成本，如今靠的已不是政府补贴，而是技术创新。

而从工厂这边来看，他们往往不太知道AI到底能带来多大潜力。AI技术企业和工厂之间，还缺一个“桥梁”，我们也在一些报告里建议过，要发展数字化转型或智能化转型的服务业，来解决两边融合的问题，帮助AI快速、有效地导入产业，这是当前的一个关键问题。正如今年的政府工作报告所指出的，要“培育一批既懂行业又懂数字化的服务商，加大对中小企业数字化转型的支持”。

在引入生产，特别是关键生产环节时，一定要重视模型的可靠性c7c7cnm，评估模型可能产生的风险。在部署AI时，要明确风险边界，即使出问题，也要控制在可容忍范围内。在实际引入应用的过程中c7c7cnm，必须建立非常严谨的安全防护措施，这是非常必要的一条。从我们观察到的情况来看，企业在引入AI时还是非常谨慎的，逐步在应用中熟悉它、了解它，再不断深化使用。

目前大多数AI应用者主要基于开源基础模型进行开发，虽然也有企业选择闭源模型API的，但主流仍是使用开源模型。去年8月之前，全球使用最广泛的开源模型是美国的Llama，去年8月之后，中国的千问模型实现赶超，还出现了DeepSeek。最近美国的一份报告显示，在刚刚过去的一年里，中国研发的开源人工智能模型在全球下载量中的占比达到了17.1%，历史上首次超越了美国的15.8%。