ChatGPT引爆“人工智能+”，新基建新机遇

泽平宏观

文：任泽平团队

正文
1、ChatGPT火爆出圈，人工智能领域新基建具有重要性和必要性
人工智能是新基建的七大核心领域之一。近期ChatGPT的火爆出圈，再次引发了全球对人工智能技术发展的广泛关注。这是一款由人工智能研究实验室OpenAI发布的人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言，进行对话、聊天互动。甚至能完成撰写邮件、视频脚本、文案、翻译、写代码、写论文等各种任务。
ChatGPT，有可能是利用人工智能生成内容技术进展的一大里程碑，开启人们利用人工智能技术的新时代。过去数年，互联网上的内容生产模式历经多次变革：首先是专业生成内容(Professional Generated Content,PGC)，再是到用户生成内容(User Generated Content，UGC)。现在是进入到利用人工智能技术自动生成内容时代（Artificial Intelligence Generated Content，即AIGC）。AIGC，正在拓展数字时代下的创造力极限，为内容生产领域带来巨大变革，对于内容生产、极限工作的完成有着极大的意义。比如在内容生产上，AIGC自动生成内容的生产方式，让内容生产变得高效容易，富有个性，它可以创建文本、音频、图像、视频、3D 模型，逐渐成为内容生产创作的重要力量。通过利用AI技术，AIGC能在大数据帮助下提升创作效率，突破创作内容和创作量上限。
人工智能，一方面带动了新一轮产业变革，各行各业利用人工智能技术实现数字化和智能化转型，带动数万亿规模的产业升级。另一方面，人工智能还可以创造出新的需求和新的增长点，比如内容创作、比如自动驾驶，都将是人工智能时代下新型应用场景。未来人工智能的发展过程将是非线性的，潜力是超乎想象的。ChatGPT的推出，可能使得搜索引擎、内容创作、文案撰写、法律咨询等行业面临挑战，而智能驾驶、人工智能搜索、AI内容创作等行业可能迎来增长空间。
工业革命的历史表明，不论机械技术、电力技术和信息技术，都可以极大地促进生产标准化、自动化、模块化，具有很强的通用性，人工智能技术作为第四次产业革命的代表，同样具有类似的特征，应用潜力巨大。国务院《新一代人工智能发展规划》表明，到2025年，我国人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展，带动相关产业规模超过5万亿元，到2030年，我国人工智能理论、技术与应用总体达到世界领先水平。
人工智能是新一轮科技竞赛的制高点，对经济增长和国家安全均至关重要。人工智能将为国家发展打造竞争新优势、注入增长新动能。未来，需要在人才培养、智能基础设施和道德规范上进行强化，深化智能，推动人工智能技术变革，抓住智能时代的变革机遇。

2、人工智能是数字经济时代的“新电能”，赋能各行业领域
人工智能的新基建是一项系统化工程，既包括网络、计算、存储等硬件设施，又涵盖数据算法、开源平台等软实力领域，还需要对各个行业领域智能化赋能，实现应用成果落地。
人工智能是自机械技术、电力技术、信息技术变革后的第四次工业革命核心领域之一，将推动数字经济产业转型升级。自18世纪以来，人类社会共发生过三次大型的技术革命，分别是蒸汽机革命、电力革命和信息互联网革命。每一次的技术革命均伴随着相关学科的发展，理论知识又在实际运用中得到完善，“技术突破-知识学科进步”形成良性循环，并且成为后续其他的技术发展的支撑，对社会的影响力也将随之增强。得益于互联网信息时代的数据积累，半导体行业设计、制程进步和芯片运算能力提升，深度学习结合强化学习带来的计算机视觉、语音技术、自然语言处理技术应用更精准，人工智能是第四次技术革命中的重要技术，如同人工智能和机器学习领域国际权威学者吴恩达所说，“人工智能是新电能，正改变医疗、交通、娱乐、制造业等主要行业，丰富充实着无数人的生活”。通过与诸多垂直领域应用相结合，人工智能新基建不断为行业产业降本增效，不断的创造出新需求、新商业模式和新的经济增长点。
自1956年达特茅斯会议上首次提出人工智能以来，人工智能已经发展了多年。一般认为，计算机需要通过不断地自我学习、扩充知识库，进而掌握人类拥有的“画画、唱歌、读书、设计”等众多技能，便是“智能”的表现。人工智能可以理解为用机器不断感知、模拟人类的思维过程，使机器达到甚至超越人类的智能，即人工智能需具备类人的感知、思考和决策能力。
人工智能基础层、技术层和应用层快速发展，诸多应用已经深入日常生活。
基础层包括硬件、算法和海量数据三部分，其中硬件的核心是具备高运算能力的芯片，例如CPU、GPU、ASIC、FPGA等，算法的核心是机器学习，包括深度学习、浅层学习和强化学习等。人工智能新基建企业逐渐完善掌握海量数据、构建机器学习核心算法，并向高运算力芯片等核心硬件环节突破发展。人工智能时代，更多不规则、非线性、复杂场景大数据运算对软硬件整合提出了新要求，芯片和算法的关系逐步走向相互定制融合。在此背景下，致力于人工智能新基建的企业开启“涉芯”、“造芯”成为未来发展的必然。

在技术层，计算机视觉识别、语音交互、自然语言处理等技术不断取得重大落地应用。比如计算机视觉中的语义分割技术，广泛地在自动驾驶中使用。人工智能语义分割技术可以精细到为单个像素分配类别，以识别理解区分人、车、道路、背景等多任务场景。比如随着计算机视觉、语音合成等人工智能技术“基础设施”的发展，具有“思考学习”能力，外形、动作、表情逼真，语调、语气、说话风格自然流畅，对话内容及时反应的“虚拟数字人”逐步得到商用发展。
在平台层，相关企业逐步搭建了中国人自主研发的基础开源框架，不断推进产业级深度学习平台、技术开放平台建设。
通过调研发现，当前主流人工智能相关企业多采用“平台+赛道场景”的战略架构，“平台算法-场景数据”形成持续闭环迭代。积极构建自主研发的 AI开放平台，一是为海量的智能硬件、软件开发者、用户提供AI开发能力和解决方案，好的深度学习框架平台，推动人工智能标准化、自动化、模块化，进入人工智能工业大生产阶段。二是开放平台赋能各行各业，好的平台框架，可以驱动AI普惠，对各行业产业数字化进程起到积极推动作用。

应用层，人工智能新基建企业为多行业、多产业领域持续赋能，人工智能+家居、工业制造、机器人、医疗、教育、汽车出行、司法等多个关键核心领域，实现各场景数字资产沉淀，深化各行业全流程体系变革。
例如在教育领域，通过人工智能提供软硬件一体化服务，实现对教育领域的人工智能新基建变革。把课前、课中、课后需要学习的内容数字化，形成老师、学生的个人数字化资产。通过机器识别实现自动翻译、自动阅卷，通过智慧教育试点进行分层作业、个性化作业，推动了教育领域效率优化和全流程变革。
尽管与科幻小说和电影里对人工智能的构想有较大差距，但人工智能产品和服务已经普遍存在我们现实生活当中，人工智能的发展已经远远超出早期构想，政府、企业、非营利机构都在积极拥抱这项技术。从家庭智能音箱到多语言实时互动，从智慧城市安防到自动驾驶系统，人工智能新基建的发展已经远远超出想象。未来，人工智能产品和服务将更加深化发展，普惠到各行业领域，为我们提供更加便捷美好的生活服务。


3、从“+人工智能”走向“人工智能+”
人工智能已经在众多垂直领域实现应用，目前较为成熟的领域包括家居、金融、交通、医疗等。通过与诸多垂直领域相结合，人工智能技术可以通过两方面进行产业赋能：一是可以直接提高各行业的生产效率、降本增效，实现“行业+人工智能”，二是可以创造出新的需求和新的增长点，即“人工智能+各个领域”。
“+人工智能”，可以帮助各个行业领域实现快速高效处理数据，同时兼顾普通和长尾用户，提高生产效率，实现降本增效。
比如在金融领域，目前人工智能主要用于风控、支付、理赔、投顾等方面，其中智能投顾应用最为成熟。智能投顾在2008年诞生于美国，由于专业素养和人工服务性质，美国各大金融机构的投顾门槛较高，平均投资门槛约5万美元，平均管理费用为所管理资产规模的1.35%，服务对象主要为中高资产阶级。但随着千禧一代的成长、传统投顾用户逐渐饱和，金融机构对如何争取这群长尾用户的需求日益提高。人工智能通过海量数据学习、精准算法分析，结合用户提供的风险承受水平、收益目标、市场的动态，进行个性化定制服务。对比人工服务，智能投顾投资门槛最低至500美元、管理费率约0.02%-1%。目前，国内主流金融机构也推出智能投顾产品，加强研发具备智能功能的产品和服务。
再比如在电力领域，电网公司可以利用人工智能技术建设模型库、样本库，构建运行环境和训练环境的智能基础设施，搭建起模型和平台。在巡检环节，无人机接到工作人员指令后，可在巡检一线自主完成输电线路巡检作业。基于AI的智能识别算法，巡检工作的识别准确率提升了近30%，识别效率提升了近5倍。在变电站运维环节，运维人员可直接从线上接入智能调控系统，采用一键顺控的操作，无需到场便可完成千伏变电站的倒闸操作，既保证了安全，又使得启动送电时间缩短了80%，效率提升了几十倍。电力集团构建的智能化管理平台，线上就可轻松管理分布在全国各地上万台风机，几百座风电场。AI巡检有效避免了巡检工人高空作业的风险，更使得风机巡检效率最高比过去提升近10倍。
“人工智能+”，可以为社会创造出新的需求、打造新商业模式、构建新的经济增长点。
ChatGPT，再一次打开了人们对人工智能内容创作的想象空间，大大增强了AIGC在编程语言领域、在新闻撰写、文案创作等自然语言方面领域的创作能力上限，效率和可靠性大幅提升。未来，诸如搜索引擎、文稿创作、艺术设计等行业的行业格局与商业模式将可能发生巨大的改变。相比于传统的专业生产内容和用户生产内容模式，用AI生产内容似乎更具有效率和成本上的优势，比如在工业领域，AIGC通过将工程设计中重复的、耗时的和低层次的任务自动化，可使原来需要耗费数千小时的工程设计缩短到分钟级，大大提高工程效率。目前OpenAI定价最高的文字模型达芬奇为每750词0.14元，相比下内容生产商成本约为每750词37元，是调用OpenAI的API完成相同文字量生产所需成本的264倍。到2025年AIGC产生的数据将占所有数据的10%。到2030年，AIGC市场规模将超过万亿元人民币。
再比如在汽车智能化领域，基于人工智能技术打造的智能网联汽车，一方面可以提升汽车的智能化，包括自动驾驶、智能语音、智能座舱等；另一方面与5G相结合，提高汽车信息沟通能力，实现网联化，包括人员和车辆安全管理、城市道路交通规划。一是汽车将成为各种服务和应用的入口，催生新的商业模式：智能网联汽车可以在生命周期内通过OTA空中升级持续更新应用，界面交互将赋予汽车更多应用场景——在无人驾驶的情况下，司机将有更多的自由时间，而车联网技术使汽车随时与办公室、家、公共设施相联，实现远程控制。与智能手机行业发展类似，随着智能网联汽车发展成熟，数据增值（包括共享出行、汽车保险、金融服务）、娱乐休闲、智能规划等应用环节的重要性和产业价值将超过单纯的汽车生产和制造环节。二是汽车电子、汽车软件等需求提升：汽车电子和软件对汽车的重要性提高，自动驾驶、计算平台、车载操作系统等前沿技术成为新的价值增长点。

4、人工智能技术制高点之争
人工智能产业竞争是各国政策、基础研究、技术、资本等各方面综合实力的竞争。目前各国政府高度重视，在基础设施搭建、基础科研、人才培养、资助研发、合作交流等方面给予支持鼓励。资本和企业也积极寻求商业落地场景，协助技术转化。技术落地于垂直领域，继而产生新的数据，促进算法更新迭代，又可以进一步服务于垂直领域，如此循环往复、不断发展。这场全球竞赛中，中国企业已经积累了海量数据和实践经验，未来需要在基础科研、基础技术、前沿拓展方面持续突破。
4.1政策：全球主要国家和地区均高度重视
AlphaGo事件引发了全球各国对人工智能的关注。如今ChatGPT人工智能语言处理技术可以自动会话，再次开启了AI技术的新时代，进一步体现人工智能超乎想象的潜力，技术发展迎来拐点，ChatGPT将带动全行业AI发展提速，主要国家和地区纷纷加入这场事关未来大国科技实力的竞争当中。
目前全球包括美国、中国、欧盟、日本、韩国、印度、丹麦、俄罗斯等多个国家和地区发布人工智能相关的战略规划和政策部署。其中，约80%的国家在2016年之后密集发布相关政策和官方计划，例如美国《国家人工智能研究与发展战略规划》、英国《机器人技术与人工智能》等。
从发布的政策规划来看，各国和地区认同人工智能对未来的人才、产业升级、社会福祉、全球影响力的重要性，并作为国家级战略进行推进。根据各国科研实力、人才汇集程度、基础设施完备度、国情等因素，各国和地区的侧重点有所不同。
美国致力于维持全球科技霸主地位，人工智能位于其科技版图的核心。美国一直积极支持人工智能的研究，在全球人工智能领域率先布局，并将政策态度从“引导和扶持”转为“必须领先”。美国发布了《为未来人工智能做好准备》、《美国国家人工智能研究与发展策略规划》、《人工智能、自动化及经济》与《美国人工智能倡议》等重要政策文件，表现美国政府对人工智能技术的高度重视和维持领先地位的决心。第一，联邦政府优先资助，美国认为政府资金支持是参与推动科研进步的重要环节，2020年5月提出的《无尽前沿法案》拟在未来5年投入1000亿美元研发包括芯片、人工智能等在内的十大关键技术。此外，通过减税来鼓励企业加大研发投入；第二，发挥硅谷创新力量，建立包括计算机视觉、语音语义、开源框架平台等在内的技术和产业生态链；第三，重视以芯片为主的硬件层，包括促进国内半导体制造产业回归、建立多边出口管制、保护供应链等；第四，重视全球性人才与国家安全，包括对国内人才的培育和国际人才的吸引。在《国家安全创新途径法案》中，为从事保护国家安全方面重要工作的非本国公民建立获取移民签证的途径；第五，加强国际合作，包括国内外组织研发中心或联合实验室、举办创新比赛等。2020年9月，美国和英国政府正式签署《人工智能研究与开发合作宣言》，以促进两国在人工智能发展方面的合作，并对人工智能规划的优先事项提出建议；第六，开展前沿技术研究。2020年2月，美国白宫科技政策办公室发布《美国人工智能行动：第一年度报告》，从投资AI研发、释放AI资源、消除AI创新障碍、培训AI人才、打造支持美国AI创新的国际环境，致力在政府服务和任务中打造可信的AI。
欧盟重点关注工业、制造业、医疗、能源等领域，强调发挥创新创造力，应用人工智能使制造业及相关领域智能升级。与美国类似，欧盟较早对人工智能进行研发，并通过颁布政策、扶助资金、推出国家级计划、建立重点科研实验室等行为支持人工智能技术和产业发展，例如2018年颁布的《人工智能合作宣言》。此外，作为“数字欧洲”计划和“地平线2020”计划中的重要环节，人工智能相关项目也受到数十亿欧元的投资。但也有不同之处，第一，欧盟更加重视人工智能的道德和伦理研究并不断加强伦理立法实践，并在多份文件中表明人工智能发展需要符合人类伦理道德，例如2020年3月颁布的《走向卓越与信任——欧盟人工智能监管新路径》明确提出，为解决能力不对等和信息不透明，保障人民相关权利，需要建立人为监督的监管框架，重视数据安全和隐私保护。此外，欧盟在积极推进新的人工智能立法提案，2020年12月，欧盟委员会公布了《数字服务法案》和《数字市场法案》的草案，意在遏制网络平台的恶性竞争行为；第二，欧盟对人工智能的应用侧重更细化，不同于美国的全方位领先，欧盟希望借助自身在制造业、工业、汽车等领域的优势，利用人工智能技术进行产业强化升级，例如《欧盟2030自动驾驶战略》。
日本出于应对老龄化社会所带来的人口减少、劳动力下滑等挑战，着重研究人工智能在机器人、医疗、汽车交通等领域的应用。日本老龄化、少子化等问题造成了生产力短缺，对日本经济、社会产生负面影响。在该背景下，人工智能被认为是经济增长的“第四次产业革命”，以2016年发布的《日本下一代人工智能促进战略》为启始，不断推出相关政策规划，围绕“基础研究-应用研究-产业化”三个方面，其中日本总务省下设的信息通信技术研究所和文部科学省进行人工智能理论和技术研发，经产省解决应用场景问题。经产省建立的人工智能研究中心（AIRC）促进产学研合作，主要承担成果转化和推广。2020年7月，日本政府发布《统合创新战略2020》，战略提出在控制风险的同时提高生产效率、丰富民众生活，必须运用人工智能、超算等新技术，加快推进数字化转型。

中国的人工智能政策逐步推进发展，重视与制造业和服务业的融合。自2015年起，我国人工智能相关政策从智能制造时期，“互联网+”时期，到“智能+”国家战略时期。政策重心也从核心技术攻克到实际场景应用，从特定行业到跨界融合，从单项技术到人机协同。与美国和欧盟类似，我国也强调建立相关试点项目，包括技术示范试点、政策试验、社会实验。国务院《新一代人工智能发展规划》，对人工智能领域进行了总体战略部署，确定了人工智能产业发展的总体思路、战略目标和任务，规划确定了人工智能产业三步走的发展目标。包括到2025年，中国人工智能基础理论实现重大突破，技术与应用部分达到世界领先水平，到2030年，人工智能理论技术与应用总体达到世界先进水平，成为世界主要人工智能创新中心。2020年7月，《国家新一代人工智能标准体系建设指南》明确提出，初步建立人工智能标准体系，重点研制数据、算法、系统、服务等重点标准，并率先在制造、交通、金融、安防、家居、养老、环保、教育、医疗健康、司法等重点行业和领域进行推进。与此同时，我国更加注重人工智能的伦理道德问题。2021年9月，《新一代人工智能伦理规范》，旨在将伦理道德融入人工智能全生命周期，为从事人工智能相关活动的自然人、法人和其他相关机构等提供伦理指引。
4.2基础科研：中美是人工智能技术大国
近年来，全球人工智能基础科研飞速发展。2010至2021年，全球累计共发布人工智能相关的论文超264万篇。2021年当年，全球人工智能论文发表量在33万篇。
其中，中国、美国是论文发表大国，中美两国发布论文合计占全球44.7%。从2010年到2021年，美国和中国在人工智能出版物方面的跨国合作数量最多，增长了5倍。
从出版物发表数量上看，中国在人工智能领域论文数量多、增速较快。2021年，中国在人工智能期刊、会议和出版物数量上继续领先世界，数量占全球总量比重约为三分之一。



4.3数据量：人工智能时代的“原材料”，中国具有规模优势
数据、算力和算法作为AI三要素，是决定AI发展的重要基础。电脑和智能手机的普及、互联网和移动互联网所累积的数据爆发，是促进人工智能技术和应用突破的重要原因之一。人工智能需要做到“感知、思考、决策”，首先就是需要足够多、足够好的原始数据对计算机进行训练，犹如培育良驹，得喂足新鲜的牧草。“足够多”代表数据的数量要大，电脑的发明让运算简化，并让信息以电子化形式保存，智能手机的普及让全球网民渗透大幅提高，两者令大量的数据被保存。“足够好”代表数据的质量要佳，互联网的诞生极大地缩短信息交流的物理距离、提高传播速度，各类互联网类服务应用诞生，其产生的数据类型也更加多样，包括浏览网页喜好、外卖点单频率、行程记录等，多元丰富的数据才能应对各种训练人工智能的要求。
数据增长和运用依赖于信息和物理的基础设施构建，中国是全球最大的数据中心。得益于互联网渗透率、智能手机渗透率、网速等，2021年中国拥有数据量12.35ZB，占全球数据总量的23%。随着5G、物联网等发展，通讯设备接入数量和承载能力提高，未来中国的数据量或将持续增长，成为全球最大的数据集中地，将极大促进和丰富人工智能训练，相关模型结构和结果也更精准。


4.4技术发展：从深度学习到大模型
足够多、足够好的数据支撑人工智能“感知”阶段，而人工智能算法使计算机拥有思维，从而达到“理解、决策”，深度学习在这过程作出巨大贡献。深度学习是一类模式分析方法的统称，计算机通过学习样本数据来掌握内在逻辑和规律，从而拥有分析能力，这项研究最早可以追溯到1958年弗兰克·罗森布拉特发明的感知机（Perceptron）。利用感知机，可以进行图像区分训练，例如最常见的从水果堆中选出“苹果”或者“香蕉”。然而当时缺少足量的数据，该项研究陷入瓶颈，并出现过度拟合（Overfitting）问题，例如学生希望通过练习相似的题目来掌握一种题型，但是训练量不够大、并没有理解题型背后的知识点，考试一旦发生些许变化便无法解出答案。后来，科学家通过研究人脑，试图模仿人脑神经网络机制来进行图像、声音等分类工作，逐渐演化成深度学习。
深度学习的发展推动人工智能基础应用技术突破，自2010年起，全球包括计算机视觉、语音语义等基础应用技术的专利申请量急速增长。截止2022年，中国、美国和韩国专利申请数量分别为64.8万件、19.1万件和5.28万件，位列世界前三。
现阶段，各界海量的数字化需求，使得大模型路线以“通用智能”思路降低算法边际成本，深度学习进入到大模型迭代的技术路线阶段。大模型不需要每做一个项目就派出大量专家花数月驻场收集数据、调试模型、训练模型，并且对长尾场景的解决为客户创造了更多价值。用大量数据和足够大的算法去训练一个足够大的通用模型，再通过量化、剪枝、知识蒸馏等模型压缩方法把大模型变小，高效的进行模型生产，避免了“手工作坊”式的AI生产方式，并且由于算法足够多，能够覆盖各种长尾场景，大大降低了复制成本。近期的AIGC及ChatGPT关注度大幅提升，也体现了大模型的迭代优势，弱人工智能有望实现到强人工智能的跃迁。

4.5资本：全球投资持续上升，资本主要青睐于中、美、英等国家
全球人工智能投资市场近年来快速发展，整体融资规模从2015年的63亿美元增长至2021年的668亿美元。全球现有人工智能企业超过11000家，累计融资总额超过2500亿美元。其中，美国拥有人工智能相关企业达到4171家，累计融资金额达到1601亿美元，在公司数量和融资规模上位居世界首位。中国拥有人工智能公司1275家，融资总金额为470亿美元，位居世界第二位。其他如英国、印度、加拿大等国家也各自拥有百余家人工智能公司，人工智能企业数量排名前10位的国家占全球总数的78.3%，累计融资金额达到全球总额的95%。全球大多人工智能企业和融资活动集中在美、中、英等国家。






5、发展启示：人才培养、普惠基建、深化智能
在数字经济浪潮下，5G就如同“信息高速公路”，为庞大数据量和信息量的传递提供了高速传输信道，补齐了制约人工智能、大数据、工业互联网等在信息传输、连接规模、通信质量上的短板；人工智能如同云端大脑，依靠“高速公路”传来的信息学习和演化，完成机器智能化进程；工业互联网如同“桥梁”，依靠“高速公路”连接人、机、物，推动制造走向智造。
人工智能具有明显的溢出效应，将与5G、数据中心等一起推动数字经济时代的产业转型升级，是当前及未来各国科技竞赛的制高点。大国科技实力是国家实力的核心，能否抓住智能时代的变革机遇，是中国建设现代化强国的关键。
第一，人工智能发展，软性支撑很关键。做好人才培养、前沿技术研究和联络合作。加强国内高校开展相关课程、培育本土人才。积极吸引海外科研人员、聚集全球人才。对科研人才的加大吸引，在研究经费资助、签证、户口、子女教育等一系列领域推出引进高端人才的一揽子政策，切实解决科研人员后顾之忧，并为其科研、创业提供更大力度的支持。建立市场化、多层次的产学研协作体系。由国家主导加大基础研究投入，由企业主导加大试验开发投入，多类主体形成合理的科研分工。
第二，人工智能发展，需要做好“硬性”保障。加快信息化基础设施建设，对传统物理基础设施进行智能化升级，实现智能基础设施的普惠。与铁路、公路、机场三者构成工业时代的基础设施不同，云计算、大数据、人工智能、5G、区块链等将是未来重点，所覆盖的新基建包括两方面，一类是以数字中心、基站等为代表的信息化设备，另一类是传统基建设备数字化转型。为应对未来的数字挑战，实现智算基础设施的普惠。
比如算力建设，降低算力成本需要更多国家引领IDC领域重大基础设施建设布局。进一步推动新型算力基础设施建设。对老基建的智能化改造，把传统的旧基建升级为智慧基建，通过传感器、接入算法，将电力、水库、河道、城市下水管道等传统基建数字化，解决更多智能基建问题。
再比如算法建设，需要加强大模型、优算法、好平台的建设，推动技术进步，赋能行业发展。挖掘更多的需求，探索更多的使用场景，从而吸引更多的客户使用，增加企业和政府等社会主体的数字化率，边际拉低算力使用成本。
第三，重视人工智能技术所带来的道德问题，深化人工智能在日常生活中的应用。人工智能的发展离不开数据，由于大部分的数据是公开透明、自由流通的虚拟产物，就会引发由数据的所属而产生的权责问题，这也涉及到数据的安全、知识产权保护和隐私问题。数据的生产和使用涉及消费者、平台、运营商、服务商等多个环节，需要关注人工智能道德、技术标准、人工智能与人类社会关系等问题，以人为本，重视数据安全。