作者：

文雨，編輯：小市妹

在《世界經濟千年史》一書中，安格斯·麥迪森曾對人類兩千年的經濟增長資料做出統計：

從公元元年到1820年，全球經濟年均增速僅為0。1%，而在1820年至2000年，全球經濟年均增速達到2。2%。

▲圖源：Visual Capitalist

人類在近200年取得了遠超之前2000年的經濟成果，最根本的驅動力就是工業革命。如果說18世紀是蒸汽時代，19世紀是電氣時代，20世紀是資訊時代，那麼21世紀註定屬於人工智慧。

自1956年達特茅斯會議之後，完成AI對現實世界的廣泛賦能就成了整個行業的共識與理想。而今，夢想正在被實現。

【

破萬重山

】

人工智慧之所以離全面爆發越來越近，首先是得益於算力、演算法、資料等核心三要素在過去幾年均取得了跨越式進步。

以算力為例，根據中國信通院釋出的《中國算力發展指數白皮書（2022年）》，全球算力總規模從2016年的不到150EFlops增長到2021年的615EFlops，期間增長了三倍還多，其中智慧算力增長最為顯著。

▲圖源：中國信通院

再比如資料，IDC報告顯示，全球資料量從2010年的2ZB增長到2021年的將近60ZB，十年時間翻了30倍，並預計2025年將繼續增長至175ZB。巨量的資料給人工智慧提供了充足的養料。

與此同時，以CNN與DNN為主的神經網路演算法在過去幾年高速迭代，極大縮短了演算法訓練的時間與成本。

根據斯坦福DAWNBench團隊的測算，2017年訓練一個現代的影象識別系統需要1100美元，但到2020年就僅需7。5美元，直降99%以上。

成本下降，效能提升，這些都為AI的大面積爆發提供了理論基礎，但真正讓人看到現實可能性的是預訓練大模型的普及。

傳統的小模型一般只用於特定領域有標註的資料訓練，通用性較差，一旦切換到另外一個應用場景中就會水土不服，一把鑰匙開一把鎖，大大降低了AI擴散的效率。而AI預訓練大模型採用“預訓練大模型+下游任務微調”結合的模式，有類似“萬能鑰匙”的效果。

以科大訊飛為例，在無監督學習的預訓練演算法框架下，科大訊飛開放了輕量化的中文語音、中英文多模態預訓練模型，支援語音識別、聲紋識別、情感識別、多模態語音識別等多個任務。該預訓練模型不僅創造了業界最優效果，同時還使訓練機時下降了八成。

這樣一來，AI便可實現應用場景廣度與深度在短時間內的擴容，其與實體產業的結合向前邁出了一大步。

【

助百業興

】

從宏觀角度出發，AI的賦能對於當下的實體經濟可以說是雪中送炭。先看一個公式。

GDP=全員勞動生產率*勞動人數

很顯然，在全球走向老齡化的背景下，勞動人口堆積對於GDP的貢獻度將不斷削弱，維持經濟的持續增長，勞動生產率必須頂上，但現實卻並不樂觀。

2000年-2010年，中國勞動生產率年平均增速高達9。7%，而2010年-2021年，這一資料直接降到了6。7%。

美國的情況更加堪憂。

今年一季度，美國非農勞動生產率下降7。5%，創下1947年第三季度以來的最大降幅，二季度繼續下滑4。6%。

所謂勞動生產率，簡單說就是一定時間內勞動產出與消耗的比值。因此，提高勞動生產率究其本質其實就是老生常談的降本增效。而這，恰恰是AI的價值所在。

2021年，科大訊飛與安徽省經信廳聯合打造“羚羊工業網際網路平臺”，圍繞“人工智慧+大資料+羚羊職業技術經理人”三方協同機制，全面對接企業“研產供銷服管”各類需求。

▲圖源：科大訊飛

其結果是，羚羊工業網際網路平臺透過幫助企業更好的掌握機器裝置執行和生產排程情況，已經讓一些中小企業的裝置執行效率提升了20%以上，小工單的滿足率提升了40%以上。

不只是賦能工業，AI在醫療、教育、安防、政務等社會服務領域也有著顯著的提效作用。

就拿和每個人生活息息相關的醫療來說，AI完全就是一個多功能助手，疾病篩選、輔助診療、影像識別等無所不能。

以抑鬱症篩查為例，根據《柳葉刀》的統計，基層全科醫生的準確率只有47。3%，而科大訊飛智慧抑鬱定量準確率可以達到80。7%，此外還能夠根據患者情況進行分類關注或引導。而這項技術成果在北京安定醫院的實測準確率已經達到了91。2%。

在輔助診療方面，科大訊飛的智醫助理已累計在全國完成輔助診療5。1億人次，其中對基層開出來的用藥處方提示了超過3800萬人次，發現有52%屬於無適應症用藥（對病不僅沒有幫助反而可能帶來損傷）。AI的介入，實打實的降低了用藥錯誤。

總之，無論是從經濟發展角度出發，還是從社會服務角度出發，人工智慧都是未來世界執行不可或缺、甚至是最核心的引擎，其與各個行業的結合已經時不我待。目前，中國在這一輪AI引領的數字化革命浪潮中的表現，可謂喜憂參半。

“喜”的是，中國在規模上已位居前列。

2021年，全球47個主要經濟體的數字經濟增加值規模達到38。1萬億美元。其中中國數字經濟規模達到7。1萬億美元，排名僅次於美國。

“憂”的是，還有相當一部分，特別是中小企業，未能將數字化轉型落到實處。

根據《中小企業數字化轉型分析報告（2021）》，2021年，國內僅有約12%的中小企業處於數字化應用實踐階段，79%尚處於探索階段。

必須明確的一點是，人工智慧的廣泛普及與滲透，需要調動整個社會的力量，既需要AI專業企業自上而下的推動，又需要各個領域玩家的廣泛參與。

【

聚天下力

】

AI走向生態共創，有其內生必然性。

▲圖源：科大訊飛

首先是技術發展和演進的客觀需要。

在今年的科大訊飛全球1024開發者節上，著名應用數學家鄂維南院士就旗幟鮮明的指出：如今AI的資料孤島問題已經基本被解決，轉而出現的是模型孤島，打通這一壁壘，需要各個領域相關方的共同參與。

其次，商業化要求也註定了這不是一個單打獨鬥的局。

經歷之前多年的技術攻關和積累，AI已進入商業化大考的關鍵期，能否將技術成果快速轉化為商業成果決定著AI企業的命運。

中國信通院在之前的一份報告中就曾給出預測，

到2025年，建立人工智慧工程化實踐的企業，其智慧化產出的價值，將至少比未建立該實踐的企業高出3倍。

問題在於，單純的AI技術公司缺乏對業務場景的理解和高質量業務資料所有權，而且也無法單方面建立標準化、規範化的工具產品體系、組織管理體系和安全體系。因此，要推進工程化實踐，必須與數字化程度高、資料資源豐富的合作伙伴建立廣泛互動。

在AI領域摸爬滾打了幾十年，科大訊飛早就看清了這一點。所以早在2010年，公司就釋出了國內首個人工智慧開放平臺，旨在為創業開發者和海量使用者提供人工智慧開發與服務能力。

去年“開放平臺2。0戰略”釋出後，整個平臺從原來“訊飛+開發者”的二維結構升級為“訊飛+行業龍頭+開發者”的三維結構。引入行業參與者後，平臺活躍度被徹底啟用。

目前，訊飛開放平臺已經對外開放513項AI能力及方案，訊飛開發者團隊數量已經達到了370萬，過去一年內增長了32%，AI呼叫量增長了36%。行業解決方案也已經落地14個，有超過1600家第三方合作伙伴加入共創。

訊飛AI開發者大賽的參賽團隊數量更是直接從去年的2。2萬支增加到今年的3。2萬支，大增44%。

具體實踐方面，科大訊飛已與多個領域的頭部企業建立廣泛的聯絡合作。

以實體機器人為例，聯合宇樹科技推出了支援戶外巡檢、化工巡檢等多元場景巡檢的四足機器人；聯合珞石機器人推出了柔性機械臂實現與人更安全的配合，可用於工業巡檢、商業服務等場景。

一定程度上，AI與實體的結合具有顯著的“飛輪效應”，AI賦能實體，實體反補AI資料與演算法，一旦形成良性互動，便能以加速度的形式迭代。

而像科大訊飛這樣的AI巨擘，有望以點帶面，引領中國人工智慧產業建制化突圍，在新一輪工業革命中佔得先機。

免責宣告

本文涉及有關上市公司的內容，為作者依據上市公司根據其法定義務公開披露的資訊（包括但不限於臨時公告、定期報告和官方互動平臺等）作出的個人分析與判斷；文中的資訊或意見不構成任何投資或其他商業建議，市值觀察不對因採納本文而產生的任何行動承擔任何責任。

——

END

——