科技創新與產業應用相互促進
深化大數據、人工智能等研發應用，要以關鍵核心技術為主攻方向，增強原創能力和基礎研究，還要堅持需求導向的科技發展路徑，強化科技應用開發，形成科技創新和產業應用相互促進的良好發展局面。
一是夯實算力基礎。智能算力基礎設施是數據資源的底座，人工智能技術研發與產業發展需要超大規模的算力基礎設施作為支撐。從算力資源看，截至2023年，我國提供算力服務的在用機架數達到810萬標準機架，算力規模列全球第二位。然而，目前各類算力提供主體在技術體系、基礎架構、調用接口等方面存在差異，尚未形成全國範圍內可感知和調度的標準化算力服務。應當從國家層面統籌整合資源，系統優化算力基礎設施布局，加快形成全國一體化算力體系，深化人工智能研發應用。
二是加強基礎研究。人工智能具有多學科綜合、高度複雜的特徵，需注重前瞻性布局，構建開放協同的創新體系。一方面，要深入把握世界人工智能發展新趨勢，加強機器學習算法、智算芯片、核心軟件等關鍵核心技術攻關，實現腦科學與類腦智能、量子計算和人工智能領域交叉學科協同突破。另一方面，要從場景、應用著手反哺底層技術發展，培育具有國際競爭力的開源開放研發生態，促進產學研用各類主體共創共享，帶動創新能力全面提升。
三是重點開發新一代人工智能。在戰略層面，發揮好新型舉國體制優勢，加強研判、統籌謀劃，聚焦大語言模型、生成式人工智能等新技術，加快建立新一代人工智能關鍵共性技術體系。在組織層面，提升高質量數據要素供給能力，建立國家級大數據綜合試驗區，加強數據開放共享。在應用層面，圍繞數據采集、數據標注，探索打造數據訓練基地，研發超大規模人工智能模型，積極探索通用人工智能發展新路徑。
四是推動產業化商業化應用。圍繞經濟社會發展需求，充分發揮我國海量數據和巨大市場應用的規模優勢，將技術和產業有機結合起來。要堅持需求導向、市場倒逼的科技發展路徑，強化企業在人工智能創新活動、技術路線選擇和行業產品標準制定中的主體作用，促進技術成果商業化應用。還要培養更多富有創新精神的高素質人才和應用型人才，協同推進校企合作、產學研貫通。
|
