以“中国经济的下一程ღ◈✿★：塑造新动能 释放新活力”为主题的新华网思客云丘山年会10日在山西临汾市云丘山举办ღ◈✿★。深圳清华大学研究院数字化工程服务中心主任ღ◈✿★、神思电子首席科学家闵万里在题为《数智化赋能产业转型升级》的主旨演讲中表示ღ◈✿★，目前数智化发展存在三座孤岛——数据ღ◈✿★、算力ღ◈✿★、算法ღ◈✿★，若能理顺三者关系ღ◈✿★，实现打通和融合ღ◈✿★，就能更好服务数智化赋能产业转型升级的进程ღ◈✿★。

　　科学帮助我们建立人类对社会的基本面的运行规律ღ◈✿★，也就是“去发现”ღ◈✿★，而技术是我们利用这些规律“去发明”那些可以改造社会的生产劳动的工具ღ◈✿★。而这两者的结合就能瞄准产业当中有价值的问题ღ◈✿★，然后通过解决问题来创造价值ღ◈✿★。

　　上面这张图我想在500年前也是同样成立的ღ◈✿★，只是很可惜ღ◈✿★，那个年代没有资本的风投ღ◈✿★，只有一些民间企业家ღ◈✿★，政府的投资行为还比较少ღ◈✿★，那时科学和技术还是两个概念jdb电子游戏大奖ღ◈✿★。

　　所以上图这个公式如果成立的话ღ◈✿★，就一定会有短期资本直接注入到产业当中去ღ◈✿★，进而扩大产能ღ◈✿★、扩大再生产ღ◈✿★，然后大规模占领市场ღ◈✿★。长期的资本会投资技术ღ◈✿★，但是很遗憾ღ◈✿★，资本很少投资科学ღ◈✿★。为什么？从科学到技术的转化是非常艰难的ღ◈✿★。

　　我们都知道牛顿在他那个年代写下了万有引力公式ღ◈✿★，但是他没有融到资ღ◈✿★。相反ღ◈✿★，爱迪生利用法拉第电磁感应定律ღ◈✿★、麦克斯韦方程组ღ◈✿★，最后发明了电灯泡ღ◈✿★，结果他就融到了资ღ◈✿★。JP摩根成了他的“天使投资人”ღ◈✿★。

　　所以我想这张图其实给我们很多启示ღ◈✿★。要用数智化去赋能产业升级ღ◈✿★，首先要找准价值创造ღ◈✿★。价值创造成立的前提下才会有短期和长期这两种资本出现ღ◈✿★，当然这里头一个最大的前提就是科学ღ◈✿★，如果没有新的科学认知ღ◈✿★，这个事就走不了多远ღ◈✿★。

　　伽利略发明了望远镜ღ◈✿★，帮助他总结了天体运动的数据ღ◈✿★。根据那个年代的“大数据”ღ◈✿★，最后得出开普勒三定律ღ◈✿★。开普勒告诉大家ღ◈✿★，行星都是绕着太阳走ღ◈✿★，太阳是椭圆形轨道当中的一个焦点ღ◈✿★，单位时间内扫过的面积是多少等等……他基于这些“大数据”给出了描述ღ◈✿★。到这个地方为止ღ◈✿★，他发现了一些规律ღ◈✿★，但是没有人去解释这个规律背后的基本原理ღ◈✿★，也就是“第一性原理”是什么ღ◈✿★。而牛顿的万有引力公式做到了这一点ღ◈✿★。牛顿精准地预测了整个天体运动的行为ღ◈✿★，并且告诉大家在太阳系之外还有其他星系ღ◈✿★，后来事实证明了这一点ღ◈✿★。这就说明ღ◈✿★，在懂得科学原理之后ღ◈✿★，你可以突破人类认知的边界jdb电子游戏大奖ღ◈✿★，不断去上探价值的新高点ღ◈✿★。

　　人工智能经历了从AIGC（人工智能生成内容）到AIGD（人工智能生成决策）ღ◈✿★，从感知到思考到行动的转变过程ღ◈✿★。大家都在讲大模型的生成ღ◈✿★，其实人工智能是什么？从图像的识别上我们可以分为几类ღ◈✿★。图像有什么？是一个什么样的事情？看到了之后我们该怎么办？其实就这三个问题ღ◈✿★。相当于从哲学三段论的观点来说ღ◈✿★，就是“有什么”“干什么”和“怎么办”ღ◈✿★。同样的ღ◈✿★，如果你去读一篇文字ღ◈✿★，道理也是一样的ღ◈✿★，这个文字讲的什么主体？它的意思是什么？读了之后我该怎么办？这也是一个新闻报道或者舆情描述的基本逻辑ღ◈✿★。再比如ღ◈✿★，如何处理一段语音？你听了之后要把它转化为文字ღ◈✿★，再做实体的识别ღ◈✿★，然后再去看语义的理解ღ◈✿★，再问“怎么办”ღ◈✿★。所以在这个过程当中其实不外乎就是三件事ღ◈✿★：一是视觉ღ◈✿★、听觉ღ◈✿★；二是语义的理解ღ◈✿★；三是我们个人的行动ღ◈✿★。这里面最重要的是什么？不是AIGCღ◈✿★，而是AIGDღ◈✿★。这里的“D”意思是decisionღ◈✿★，也就是决策ღ◈✿★。当然ღ◈✿★，我们解决实体产业问题的时候ღ◈✿★，我们是需要用行动落地的ღ◈✿★。智慧上天ღ◈✿★，行动落地ღ◈✿★，落得越深ღ◈✿★，创造的价值就越深厚持久ღ◈✿★。

　　回到那句话ღ◈✿★：科学是什么？人工智能的科学是什么？我们把科学的问题搞明白ღ◈✿★，就能知道我们在哪发力ღ◈✿★。

　　大家都知道ღ◈✿★，大模型是数据ღ◈✿★、算力和算法的结合ღ◈✿★。2022年最火爆的大模型ChatGPT用到的模型数是多少？1750亿个参数ღ◈✿★。为什么是这个数？这里面有一个非常深刻的科学道理ღ◈✿★，一会我给大家解释ღ◈✿★。

　　另外一方面ღ◈✿★，人工智能领域又有一个很神奇的术语叫“神经网络”ღ◈✿★。我们每一个人身上都有一个神经网络ღ◈✿★，就是人脑ღ◈✿★。人脑这个神经网络是一个由860亿个神经元组成的巨大网络ღ◈✿★。每一个神经元都在放电ღ◈✿★，放电了之后信号开始传递ღ◈✿★。我们经常讲“头皮发麻”ღ◈✿★，其实你在“放电”而已ღ◈✿★。一见钟情就是对那个人ღ◈✿★，也就是那个特定的“频道”发生了太多的电流活动ღ◈✿★，然后一下就产生了情感的共鸣ღ◈✿★。

　　上图的右上角是20年前我在纽约做研究的时候ღ◈✿★，我的研究团队的一个志愿者被监测脑电波的照片ღ◈✿★。从他放电行为体现出的那样一个“尖峰”ღ◈✿★，就能看出哪一个频道放电行为特别活跃ღ◈✿★。

　　我为什么又把860亿给标出来了？我们的人脑中ღ◈✿★，每一个脑细胞都有两种状态攵女狂欢ღ◈✿★，一种是没有被激活的状态ღ◈✿★，一种是放电被激活了的状态ღ◈✿★，关键在于被激活的占多少ღ◈✿★。也就是说ღ◈✿★，如果要描绘一个人脑神经网络的状态ღ◈✿★，需要2×860亿个参数ღ◈✿★，每个脑细胞需要两个参数攵女狂欢ღ◈✿★，总共是1720亿个参数ღ◈✿★，也就是说任何一个人对一种语言ღ◈✿★、图片或者视频的反应都可以用这1720亿个参数的巨大模型ღ◈✿★，完美地去呈现它ღ◈✿★。

　　所以ღ◈✿★，大家就能理解为什么ChatGPT出现的爆发点是在1750亿个参数ღ◈✿★，而不是在100亿或者几百亿的量级上ღ◈✿★。这背后就是这样一个深刻的科学道理ღ◈✿★，就是我们人脑的所有活动如果需要一个数学模型描述ღ◈✿★，总共1720亿个参数就够了ღ◈✿★。

　　其实ღ◈✿★，命题ღ◈✿★、破题ღ◈✿★、选题攵女狂欢ღ◈✿★、解题这4个步骤就在这个公式里面ღ◈✿★，包括三个核心要素ღ◈✿★：数据ღ◈✿★、技术和产业知识ღ◈✿★。很遗憾ღ◈✿★，很多时候大家忽略了产业知识ღ◈✿★、产业专家的重要性ღ◈✿★。行业专家的知识能够起到“四两拨千斤”的作用jdb电子游戏大奖ღ◈✿★，如果我们用得好ღ◈✿★，会少走很多的弯路ღ◈✿★。

　　在赋能的过程当中ღ◈✿★，我们有两个指标要去看ღ◈✿★。一个是效率ღ◈✿★，一个是效果ღ◈✿★。过程是讲效率ღ◈✿★，结果是讲效果ღ◈✿★，这两者的提升都有可能起到赋能的作用ღ◈✿★。

　　接下来我会给大家讲四个我亲自干过的案例ღ◈✿★。他们各自有一定的代表性ღ◈✿★，既有政府手上的数据ღ◈✿★，也有企业的数据ღ◈✿★，既有基础民生智慧城市领域ღ◈✿★，也有制造业的……

　　核心是要干什么？就是要把一个制造业的车间想象为一个神经网络ღ◈✿★，从人（人员）ღ◈✿★、机（机器）ღ◈✿★、料（原料）ღ◈✿★、法（方法）ღ◈✿★、环（环境）五大要素去解构它ღ◈✿★，做数字孪生ღ◈✿★，让产线“学会思考”ღ◈✿★。

　　我们来看一个例子——单晶硅ღ◈✿★。这是两年前在四川我带着团队干的一个案例ღ◈✿★。单晶硅是太阳能光伏的上游产业ღ◈✿★，也是我们很多晶片ღ◈✿★、晶圆的“上游”ღ◈✿★。

　　单晶硅的生产其实很有意思ღ◈✿★，主要是把石英砂加热到1400多度ღ◈✿★，然后在向上提拉的过程当中晶体生长出来ღ◈✿★，而如果提拉的速度不合适ღ◈✿★，它就“砰”一下断掉了ღ◈✿★。在老师傅的帮助下ღ◈✿★，我把整个流程画出来了ღ◈✿★。

　　当我画了这个流程之后ღ◈✿★，我就要加入人工智能相关的事ღ◈✿★。这个时候就要建立一个数学模型去抽象它ღ◈✿★。怎么建？很简单ღ◈✿★。把每一个环节当中所有的参数变量ღ◈✿★，包括可控的和不可控的关键性变量ღ◈✿★，全部画出来ღ◈✿★，形成这样一个“神经网络”之后ღ◈✿★，下面就有一个很神奇的事出现ღ◈✿★。

　　当有这样一个网络之后ღ◈✿★，我需要添加“辅助线”ღ◈✿★，就像我们在中学学几何ღ◈✿★，要添加辅助线去证明一些定理一样ღ◈✿★，在这里有没有可能我添加一些“辅助线”ღ◈✿★，发现某几个变量的组合ღ◈✿★，完美地决定了最终的结果ღ◈✿★。这就是构建一个“神经网络”的关键ღ◈✿★。

　　我们把很多层“神经网络”的一些通道链接在一起ღ◈✿★，最后找到了直通最终结果的决定性变量ღ◈✿★，这里面这些结合虚线代表的是权重ღ◈✿★，就是αღ◈✿★、βღ◈✿★、γ等那些系数ღ◈✿★。

　　这样一想ღ◈✿★，突然你发现ღ◈✿★，原来人工智能跟产线有这么神奇的交互ღ◈✿★，或者说叫同构映射ღ◈✿★。当我们建立这样一种数字化孪生之后ღ◈✿★，效果就出来了ღ◈✿★。所有的海量数据全部映射到这个图上ღ◈✿★，最后让人工智能去找这样的“辅助线”ღ◈✿★，找到之后直接看效果ღ◈✿★。

　　当中我们只需要关注最后那一列ღ◈✿★。这列的第一行是人工智能跑的ღ◈✿★，另外几行全部是老师傅跑的ღ◈✿★，做“人机大战”ღ◈✿★，结果就是人工智能的断线率比老师傅的还要低ღ◈✿★，产能也上去了ღ◈✿★，利润也上去了ღ◈✿★，重要的是这个过程中没有花一分钱去改造硬件ღ◈✿★，没有做工业互联网ღ◈✿★，也不需要5Gjdb电子游戏大奖ღ◈✿★。为什么？所有的数据都在这个企业的硬盘上ღ◈✿★。它以1300个单机炉已经跑了两年多ღ◈✿★，积累了海量的数据ღ◈✿★，积累了相当多的样本ღ◈✿★，得出有40%左右的断线率ღ◈✿★，只是以前没有人工智能的算法和模型以及算力去干这个事ღ◈✿★。

　　当这些数据出来之后ღ◈✿★，我想所有人都不再质疑了ღ◈✿★，人工智能确实能帮产线多赚钱ღ◈✿★，而不是“帮工人打卡”这么庸俗ღ◈✿★。现在的问题也不是人工智能行不行ღ◈✿★，而是这家企业行不行ღ◈✿★，或者同行的单晶炉能不能干这件事的问题ღ◈✿★。

　　所以我想对于一个制造业企业来说ღ◈✿★，在“龙头”打开一扇窗ღ◈✿★，让大家看到新价值创造的模式ღ◈✿★，它所带来的这种冲击力是用数字来说话的ღ◈✿★，不是靠图像ღ◈✿★。

　　下面再讲一个更加传统的行业ღ◈✿★。咱们北方冬天要供热ღ◈✿★，可你能想象一个有50年历史的地下热水管网ღ◈✿★，它的那些阀门究竟该如何控制？根据寒潮的去来ღ◈✿★，然后怎么提前开阀门？这件事能不能用人工智能来干？我给大家讲ღ◈✿★，即使是这个“土得掉渣”的行业ღ◈✿★，答案仍是可以干ღ◈✿★，而且可以干得非常好ღ◈✿★。这是我2023年11月15号到今年3月15号在山东济南带着团队干的一件事ღ◈✿★。

　　其实传统的人工调节是要怎么干呢？左边这张图大家能看到ღ◈✿★，当热源厂把热水的温度提起来之后ღ◈✿★，由近及远慢慢流到居民小区ღ◈✿★，它有一个渐进的过程ღ◈✿★。在这个过程当中热水来了ღ◈✿★，然后温度就升起来了ღ◈✿★，所以它是有先后顺序的ღ◈✿★。

　　但是冷空气来的时候是一下子就到了ღ◈✿★。所以说ღ◈✿★，按传统的方式必然会造成有的地方冷空气来了ღ◈✿★，但小区里还是很冷ღ◈✿★；有的地方冷空气还没到的时候小区里面已经很热了ღ◈✿★，不平衡ღ◈✿★。如果人工智能要怎么干？

　　人工智能要干的话就是按每一个阀门精准地去调ღ◈✿★，提前去调ღ◈✿★，有的地方先调大流量ღ◈✿★，有的地方先调小流量ღ◈✿★，根据热源厂的温度变化ღ◈✿★。这件事情感觉很简单ღ◈✿★，但是做起来特别难ღ◈✿★。为什么特别难？

　　有很多阀门“不听话”ღ◈✿★，因为它们已经有几十年的历史了ღ◈✿★。你把阀门开大到5%的时候ღ◈✿★，它最多只能给你开到2%ღ◈✿★。也就是说你要精准指挥一群“不太听话的士兵”ღ◈✿★，去精准地“打一场仗”ღ◈✿★，而且不仅仅是要算得准确ღ◈✿★，还要算出ღ◈✿★、预判出它的反应ღ◈✿★，从而给它一个指令ღ◈✿★，让它能够最终达到你想要的效果ღ◈✿★。

　　这些数据模型要怎么做？这点我跳过去了ღ◈✿★，直接看结果——节省了3%的能耗ღ◈✿★。我们在整个县里50多个换热站干了这个事之后ღ◈✿★，得出了这个数ღ◈✿★，就写在最后那一列的那张表上ღ◈✿★，这是我们的客户统计出来的ღ◈✿★。

　　3%是个什么概念？可能大家觉得很少ღ◈✿★。但是首先要明确ღ◈✿★：这是净利润ღ◈✿★，它没有投入ღ◈✿★，是零成本的ღ◈✿★，它不需要改造设备ღ◈✿★，现有的基础设施上的阀门怎么调ღ◈✿★，用人工智能算一下jdb电子游戏大奖ღ◈✿★，然后执行下去ღ◈✿★，这样就有一个“军师”时刻帮你算ღ◈✿★，然后这样执行下去就能节能3%ღ◈✿★。在济南230万个采暖用户每年的成本大概是六七十亿ღ◈✿★。六七十亿的3%是多少？大概两个亿左右ღ◈✿★。这还是1.0的版本ღ◈✿★。所以我想ღ◈✿★，人工智能对于制造业企业ღ◈✿★，尤其这么传统的制造业企业来说ღ◈✿★，可以使它找到新价值创造的方式ღ◈✿★。

　　所有的“钥匙”都在手上ღ◈✿★，有数据ღ◈✿★、有懂模型和机理的老专家ღ◈✿★，而且场景也是原来的场景ღ◈✿★，唯一缺的就是智力和算力ღ◈✿★。当我们把它需要的东西精准注入的时候ღ◈✿★，这家企业就能赚钱了ღ◈✿★！

　　开车的时候有时你会发现绿灯的方向没有车ღ◈✿★，但是绿信号灯还顽强地“绿”着ღ◈✿★。那一刻ღ◈✿★，你是否会想ღ◈✿★：为什么信号灯这么不聪明？看到路面上已经空空如也了ღ◈✿★，它还要“绿”着？因为我们知道它是按照固定的模板在倒计时ღ◈✿★。

　　如下图显示ღ◈✿★，该路段21:00:26东西方向出现空放ღ◈✿★，原定持续83秒ღ◈✿★，3秒后发现空放ღ◈✿★。AI生成变灯策略ღ◈✿★，1秒后策略下发ღ◈✿★。行人灯闪ღ◈✿★，黄灯变灯完成ღ◈✿★，11秒后执行完毕ღ◈✿★。实际空放15秒ღ◈✿★，节省时间68秒ღ◈✿★。

　　这一个例子中ღ◈✿★，它的难处不是在识别空放ღ◈✿★，它的难处是让20年前的信号灯能够及时跟上我们今天这个时代的节奏ღ◈✿★。

　　我们把低洼地段的色块周边的摄像头提前“点亮”ღ◈✿★。当我们知道将要降雨的时候ღ◈✿★，总共3300多路摄像头在降雨三个小时的时间里面ღ◈✿★，被我们每30秒钟提取每个摄像头的数据ღ◈✿★，以此用来实时计算低洼地带积水的深度攵女狂欢ღ◈✿★，以及统计是否有人被困ღ◈✿★。

　　这个事也看上去很简单ღ◈✿★，对吧？它的难度在哪儿？要把3G时代建设的摄像头“拉流”ღ◈✿★，进行实时的计算ღ◈✿★，干5G时代的事ღ◈✿★。用3G的基础设施干5G时代的事ღ◈✿★，这一点在技术是有挑战的ღ◈✿★。但这个业务的社会价值很高ღ◈✿★。

　　这是一个真实的案例ღ◈✿★，上图这位老人当时通过一个下穿桥ღ◈✿★，水流太急ღ◈✿★，老人因为腿脚不方便ღ◈✿★，倒下去了ღ◈✿★。我们的人工智能算出这个地方的水位高了ღ◈✿★，然后发现有个人不动ღ◈✿★，最后把这件事从后台“弹窗”出来之后ღ◈✿★，联动交巡警ღ◈✿★，才把他解救了ღ◈✿★。通过这个活生生的案例ღ◈✿★，尤其对于这位老人来说ღ◈✿★，人工智能的价值一下就显现出来了ღ◈✿★。人工智能不能阻挡洪水ღ◈✿★，但是它能够帮助那些老百姓至少早一刻钟逃离这些洪水ღ◈✿★。

　　我想这就告诉我们一个事实ღ◈✿★，那就是人工智能如果深入到产业当中去ღ◈✿★，是能够解决很多以前解决不了的问题的ღ◈✿★。所有的要素都在ღ◈✿★，只是以前没有被整合ღ◈✿★。

　　两千多年前阿基米德聚焦几百面镜子ღ◈✿★，烧了敌人的船ღ◈✿★。两千多年后ღ◈✿★，在青海ღ◈✿★，我们有几万面镜子去反射阳光ღ◈✿★，聚焦熔岩电厂ღ◈✿★。跨越两千多年的两个完全不一样的形态ღ◈✿★，但它们的道理是一模一样的ღ◈✿★。如果我做个比喻ღ◈✿★，那些阳光就是源源不断的数据ღ◈✿★，那些镜子就是我们计算的芯片攵女狂欢ღ◈✿★，而把阳光精准对焦到一个焦点ღ◈✿★，这种方法就是算法ღ◈✿★。

　　阿基米德他干的就是数据加算力加算法的事ღ◈✿★，而两千多年后在青海这个地方还是一模一样的ღ◈✿★，只有用数据加算力加算法来聚焦ღ◈✿★，才能融化ღ◈✿★，融化了才能突破ღ◈✿★。

　　在今天的数字化时代ღ◈✿★，最大的三座“孤岛”正在形成ღ◈✿★。这三个新的“孤岛”一个是数据ღ◈✿★，一个是算力ღ◈✿★，一个是算法jdb电子游戏大奖ღ◈✿★。我们的算力中心特别多ღ◈✿★，我们的数据也特别多ღ◈✿★，都是互联互通的ღ◈✿★，但是有数据的地方没有算力ღ◈✿★，有算力的地方没有数据ღ◈✿★，更没有算法ღ◈✿★。如果它们的生产关系没有理顺ღ◈✿★，我们干不了前面说的那些事ღ◈✿★。当我们把三者的关系给理顺之后ღ◈✿★，其实人工智能的突破ღ◈✿★，尤其是人工智能在产业的突破就是自然的事情了ღ◈✿★。当产业的数据已经极其丰富的时候ღ◈✿★，有数据ღ◈✿★、有场景ღ◈✿★、有算法ღ◈✿★，那就“三缺一”只缺算力了ღ◈✿★。

　　所以我们需要在这个时代重新理顺生产关系ღ◈✿★，在顶层设计上去打破数据ღ◈✿★、算力ღ◈✿★、算法的“三国演义”ღ◈✿★，打破它们三分天下的局面ღ◈✿★，让数据ღ◈✿★、算力和算法不要彼此“走迷宫”ღ◈✿★，把它们三个放在同一个反应容器当中ღ◈✿★，催化价值反应的过程ღ◈✿★。我认为这是我们在数智化转型赋能产业升级过程中必须要做的一件事ღ◈✿★。技术的人干技术的事ღ◈✿★，搞“神经网络”ღ◈✿★，但是顶层设计的人必须重整生产关系ღ◈✿★，才能达成我们呼吁的“以价值创造来引领新质生产力的发展”ღ◈✿★。JDB电子ღ◈✿★，jdb电子游戏平台ღ◈✿★！jdb电子模拟器ღ◈✿★，JDB电子官方网站ღ◈✿★。jdb电子试玩平台ღ◈✿★。