科技创新是发展新质生产力的核心要素，而人工智能是科技创新的前沿领域。业内专家建议，推进算力和数据建设，出台人工智能发展规划，促进人工智能和制造业的深度融合。

　　“我国工业体系全、品种多、制造业规模全球第一，可为人工智能提供巨大的应用场景和发展空间。人工智能向制造业各领域渗透，将成为制造业转型升级的加速器、高质量发展的助推器。”中国国际工程咨询有限公司董事长苟护生说，现阶段，我国人工智能技术正蓬勃发展，后续应重点推动其赋能实体经济，尤其是推动其与制造业的深度融合。

　　“人工智能将赋能制造业研发设计、生产制造、售后营销的全流程。”苟护生说。

　　京东集团技术委员会主席曹鹏建议，以政策引导、模式推广、典型案例等方式，推动实体产业和技术服务企业重视人工智能领域的自主化，形成新质生产力对产业的扎实助力。

　　采访中，多位专家表示，算力和数据是发展人工智能的关键因素。

　　“算力是支撑数字经济发展的关键基础设施，是人工智能时代全球性紧缺战略资源。我国算力基础设施建设已达到世界先进水平，算力总规模居世界第二，但标准化、普惠化的算力服务统一大市场尚未形成。目前，我国存在算力供给紧张同时部分算力未能有效利用的矛盾，算力新质生产力的作用未能充分释放。”中国信息通信研究院院长余晓晖表示，算力互联互通是形成算力服务统一大市场的关键路径，也是人工智能时代做强做优做大数字经济的关键。

　　“建议下一步，发挥全国超大规模市场优势和互联网成功经验，以算力互联、成网、构建大市场为主线，基于统一标识符实现多样性算力互联感知，通过弹性网络能力和标准化架构接口实现业务和数据流动互通，进而打造智能感知、高速弹性、安全绿色、先进普惠的算力互联网，构建全国统一的算力服务大市场。”余晓晖说。

　　曹鹏认为，算力是训练人工智能大模型的基础，实现大模型算力集成设施自主化迫在眉睫。此外，软硬协同才能最大化发挥算力底座的作用。提升算力底座的效率，既要考虑GPU，也要考虑算力调度的软件。

　　“建议抓住人工智能大模型发展的契机，通过政策鼓励国产化GPU适配国产的算力调度软件，建设自主可控的智算基础，支撑行业智能化发展。建议推动云原生、容器化、分布式的新型数字基础设施，在自主化的同时实现技术革新升级。”曹鹏说。

　　数据是发展人工智能的基本要素。苟护生认为，当前制造业生产各场景数据依然存在割裂的情况，尤其是传统制造业自身的信息化尚不完备，难以汇聚形成高质量的数据集，大模型训练、迭代所需的行业数据集明显不足。

　　“建议强化制造业高质量训练数据供给。加强制造业公共数据资源整合，依托国家权威机构，汇聚多模态制造业数据，构建行业语料库，降低预训练门槛，提升大模型的准确性和稳定性。促进制造业数据高效流通，加快数据交易市场建设，培育一批面向制造业大模型的服务商和交易所，有效盘活制造业数据资产。”苟护生说。

　　科大讯飞股份有限公司董事长刘庆峰表示，当前OpenAI的GPT-4/4V代表了全球通用大模型底座能力的最先进水平，DALL-E3、Whisper、Sora等都是基于GPT-4/4V的底座能力平台延伸出来的。

　　“预计讯飞星火大模型在6个月内可达到GPT-4/4V当前的最好水平。但随着GPT-5的发布，这个差距可能会被拉到一年以上。如果从算力、数据、模型训练等方面组织好资源，全力追赶，这个差距有望在1至2年内被追平。同时我国也在语音大模型、医疗大模型等领域形成了国际领先的比较优势。”刘庆峰说。

　　刘庆峰建议，在2017年《新一代人工智能发展规划》基础上，瞄准我国通用人工智能发展中需要重点补上的短板进行设计。围绕自主可控算力生态构建、高质量数据开放共享、科学评测标准制定、源头技术前瞻研发、人才培养、法律制定和伦理人文等维度，系统性制定我国《通用人工智能发展规划》，并且推动该规划的落地，在行业应用和价值创造上打造我国的比较优势。