Welcome-球速体育“两会”期间政协委员关于促进人工智能应用发展的建议

　　人工智能是新一轮科技革命和产业革命的重要驱动力，正在推动经济社会各领域向智能化加速跃升。“两会”期间，政协委员围绕利用人工智能技术抢占战略先机、增进民生福祉、提升治理效能积极建言献策，现将王勇、邵宇、林卫青、陶然、陈新等委员建言摘录如下：

　　上海作为全国人工智能创新高地，布局了“AI for Science”科学数据开源开放平台，但与全球科研智能前沿相比，仍有不少短板：一是高端芯片等算力核心技术依赖进口。国产AI芯片在科研场景中的适配率不足40%，实验室级GPU主要为英伟达产品，受美国芯片禁令影响明显。二是数据共享机制不畅。高校和企业的数据开放率仅为32%，数据标注标准不统一导致模型训练效率降低，高价值实验数据的孤岛现象突出。三是基础研究投入不足。2024年上海人工智能产业投资基金中，“AI for Science”基础研究仅占12%。企业研发呈现“跟随式创新”特征，底层算法创新占比不足10%。

　　建议：一是建设自主可控算力网络。设立“AI for Science算力保障基金”，对使用国产芯片的科研机构给予电费补贴。在临港新片区建设“东数西算”枢纽节点，通过液冷技术降低PUE（电源使用效率）至1.1以下，为长三角科研机构提供普惠算力服务。二是推行数据共享“负面清单”。在张江科学城试点非涉密数据开放，鼓励部分项目产生的科学数据（除涉及国家安全的数据外）接入开源平台。建立“科学数据银行”，允许科研人员以数据贡献量兑换算力资源和知识产权收益。三是鼓励基础性研究。遴选若干前沿方向，给予团队非考核性资助，允许部分经费用于试错性探索。在浦江实验室试点“代表作+贡献度”评价制度，将技术标准主导权纳入正高级职称评审核心指标。吸引全球顶尖科研机构、企业等在沪设立联合实验室，共享知识产权与商业收益。

　　上海人工智能产业正从“规模扩张”向“高端化、规模化”迈进，但在多业态融合发展和规模化应用方面，与国际先进水平相比，仍存在差距：一是“AI+金融”应用高地建设还需完善。AI在金融领域的应用多集中于客户服务、反欺诈等方面，核心业务场景渗透率低。因数据权属、隐私安全、部门分割等问题，跨机构数据共享困难，导致AI模型训练样本有限、应用深度不足。二是AI赋能制造业技术创新还需加强。工业操作系统、工业软件、高端传感器等高度依赖进口，人工智能、物联网、云计算等新兴技术在企业中的应用仍局限在单点。由于缺乏统一的数字化交付标准和数据接口，不同企业和行业数智平台之间难以兼容，影响对接效率。三是人工智能在化学工程领域深度应用受限。化工类工艺包技术开发、专有设备选型、安全和环保评估等环节数据分散于不同系统，AI模型无法实现协同优化。高端工艺和工程设计软件（如流程模拟、设备优化）长期被国外垄断，国产AI模型在反应动力学、传质模型等机理融合方面能力不足。如，AI4E(AI For Engineering)工程化转化平台缺失，高等院校AI研发成果难以对接工程实际需求。

　　建议：一是建设金融AI算力与模型创新平台。重点支持金融领域专用大模型的研发与应用，支持各类金融机构在智能风控、智能交易、绿色金融等领域开展创新应用试点，形成一批标志性案例。运用隐私计算、联邦学习、区块链等技术建立数据安全共享机制，促进跨机构、跨行业、跨地域的数据融合。同时，支持扩大监管沙盒试点范围，将更多复杂应用纳入测试，实现对AI金融应用的穿透式监测预警。二是推动数智技术赋能服务型制造业发展。重点突破工业操作系统、工业软件、智能感知等关键核心技术，加强适应工业场景特点的多模态AI底层算法研究。构建以数据驱动和智能决策为核心的新型“工业大脑”，推进覆盖研发、生产、采购、维保、运营等多环节协同的智能原生应用。加快构建集成电路、生物医药、新能源汽车等重点领域的机理模型，形成一批高质好用的工业语料库和数据集。三是深化人工智能在化学工程领域创新发展。建设“上海化学工程数字孪生云平台”，建立覆盖“工艺开发、中试放大、详细设计、安全评估”全链条的数据底座。制定《化工设计数据分级数据库》，开放非涉密基础数据。在化工园区试点“AI中试特区”，简化“首创工艺”审批流程，通过“数据中台+行业大模型”建成“化工产业大脑”。

　　人工智能正助力上海探索超大城市治理现代化新路径。调研发现，目前仍面临的困难和挑战有：一是生态防治方面。目前本市还未充分将AI应用到生态屏障建设场景中，亟待开发监测预警多模态大模型，强化多场景识别和可视化能力。例如，淀山湖蓝藻水华问题反复出现，暴露出场景化监测效能不足，缺乏水体异常的精准识别与动态可视化手段，对蓝藻快速繁殖、局部堆积的动态变化捕捉滞后。二是安全防控方面。人工智能赋能气体泄漏安全管控仍存在诸多短板，部分企业重硬件采购，轻系统应用；多部门数据资源未完全打通，与“全链条监管机制”要求存在差距；AI泄漏识别验证、巡检机器人规范等智能化监测技术缺乏专项标准，制约技术规模化应用与应急联动。三是基层治理方面。当前各区、街镇推进智慧治理过程中，“1+X+X”平台建设受制于系统改造成本高、业务条线繁杂、网格落位工作量大。由于缺乏全市统一、支撑演进的柔性数字基座，现有基层治理数字化多停留在“要素联动”层面，在构建多层次网格关系、增强功能联动等方面技术赋能效果有限。

　　建议：一是构建淀山湖蓝藻水华AI防控体系。利用无人机自动巡航采样、光谱和异味识别、岸边自动监测等技术，搜集淀山湖、蓝藻、水华、富营养化等语料搭建知识库，构建本地蓝藻水华多模态数据。采用成熟的水体生态异常监测技术，在蓝藻水华高发区域布设搭载数字化识别功能的高清监测设备，实现蓝藻堆积、水体感官异常等场景的实时精准识别。二是建立AI驱动的化工园区安全治理新模式。加大远距离高灵敏度红外成像AI识别、复杂背景下泄漏羽流AI追踪、AI泄漏扩散模拟与应急推演等技术研发。鼓励上海化工区等重点园区和大型企业将红外成像监测、智能巡检机器人等AI技术纳入技改。整合应急、生态、气象、园区等数据，构建统一智能感知平台，利用AI实现多源信息融合与风险综合预警。三是推动政务人工智能体建设赋能基层治理。重构集约化数字基座，编制《上海市基层治理政务人工智能体基础设施总体规划》，明确架构标准、数据规范与接口协议，为应用创新提供统一框架。推动数字基座从集中式数据中心向连接政府、市场、社会的分布式“智能节点网络”演进，向下提供数据融合、算法调度与业务协同三大通用能力，支持在统一框架基础上低成本、高效率地开发定制化应用。