聚焦新质生产力的三个催生因素：一是技术革命性突破，二是生产要素创新型配置，三是产业深度转型和升级。 观点1：ChatGPT引起人工智能五大改变。 一是大数据提供巨大语料库；大模型提供快速的搜索与综合能力；语言大知识可以按照“共生则关联”的原则，学习语言构造知识，能按指定主题的自动生成语言；大用户，即可以从反馈中学习提供；最后是AIGC，智能生成，应用面极广。AIGC是AI技术的重要大突破，使人工智能走向了一个新阶段。 观点2：科技突破引起文化产业巨变。2024年再次火爆的Sora，呈现出OpenAI的跨媒体智能突破，文化艺术产业将有大变革。 1.技术引领变化。从技术角度至少可以看到三个重要的变化：一是AIGC将使文艺创作与设计效率与产业形态发生巨变。创意很方便，提供了很多工具和平台，还提供了很多直接可以使用的模型，文化创意的门槛大大降低。二是这些工具和平台，也就是平台经济过去以电子商务为主的，今后将进化到以技术平台为主（平台经济2.0），将得全民参与文艺创作时代到来，现在已经到来的是摄影时代。三是能够掌握平台工具进行文艺创作与设计的人才更加重要，而现在这些人才极缺。如果没有掌握，不能运用这个平台和工具进行文艺创作和设计，这些文艺创作设计工作的就业空间将大大压缩。 2.全球发展概观。从全球角度来看，全球人工智能的头部企业，和文化相关的有94家，中国企业占41家，海外企业占5

《2022—2023全球计算力指数评估报告》显示，中国整体服务器市场规模保持6.9%的正增长，占全球市场比重达25%，计算力水平位居全球第二，处于领跑者国家行列。 观点1：算力是数字经济时代的核心生产力，对国家的宏观经济发展有重大影响，已经成为衡量国家经济社会发展的重要指标，赋能科技创新，助推产业转型升级；算力是人工智能技术与产业发展重要引擎，人工智能领域的竞争，核心是算力的竞争。 这两年，生成式人工智能的发展对计算要求达到了新的高度，算力对人工智能和产业的发展又成为了重要的引擎。不仅推动了新质生产力，还在新质生产力的源头支撑了前沿科技，创新发展成为了新的手段。国家在这方面有重要的布局，“东数西算”工程，在支撑通用算力或者数据处理算力的数据中心方面有8大枢纽、10个国家级算力集群中心部署，和过去15年我国互联网产业数据中心的发展相互形成了支撑的关系。我国超级计算的能力在过去15年也有了巨大的发展。近几年来智算平台，特别是支持机器学习的计算机中心的发展也在迅猛布局。国家是这样，全世界也是这样，所谓高性能计算已经有了支撑科学工程计算解数字方程的超级计算机，有提供互联网计算的所谓通用计算或者数算，也有支持当下人工智能学习的智能计算平台，这三类高性能计算都在高速发展。所有这些算力的提供都是和需求的发展联系在一起，过去讲高性能计算HPC主要用来解复杂的数理方程，这个数理方程是对某个科学领

大模型机遇与挑战并存，大模型不是唯一选择，比大模型更紧迫的是国产基础软件，语料基地与算力基地同等重要。 观点1：（通用）大模型值得关注，但不宜盲目跟风。大模型确实强悍，但不是万能的，仍然面临一些挑战。首先是一个熟知的可解释性、是否可溯源，比如说欧盟已经通过决议，如果自动做出的决策不可解释的话是不可用的，就是大模型的可解释性。第二个问题是大模型的准确性、公平性对个人以及群体，以及它的稳定性（鲁棒性），如果有攻击了大模型能不能保持稳定，这三个性质两两之间不可满足，所以如果我们要投入使用，尤其是在产业界，这是我们值得注意的。机器学习只是统计流派，人工智能一般有两个流派——逻辑推理和统计。最后是投入大，算力、训练数据等。第三是所谓大模型的幻觉。 观点2：相对于算力，算法与数据的挑战更大。中美存在算力差距，但日益缩小。算法上缺乏引领，更多是跟随，大多是基于开源微调，国内很多大模型是基于开源模型的微调。我们自己的数据来源比较单一，而且数据质量比较差，假设要训练行业大模型，如何提升数据质量？一些问题是个人的思考和大家进行探讨。数据是重要机会点，中文数据在GPT-3中收录仅占0.1%，大量互联网基础数据质量较低无法直接用于训练，更遑论医疗数据。 亟待发展：创新、标准化、基础软件。AI的发展需要基础软件的支持。

生成式人工智能的三个重要趋势：自定义语言模型、“低计算”人工智能、多模态模型。 1.自定义语言模型 协调小模型：协调多个人工智能模型和人类，例如微软Autogen、KAUST大模型心智交互框架CAMEL（骆驼）。 首先，这个模型非常大。其中一个大挑战就是AI幻觉问题，它们会翻错，所以我们开始考虑自定义语言模型，它们去年开始变得越来越流行，因为OpenAI把它推给了更广的受众。从开始科学家就知道自定义模型比通用模型更好。自定义模型是用专业的数据集进行训练的，只用非常可靠的数据集。ChatGPT用了非常多的文本进行训练，不能够把这些文本全部做一次检查，确保它们正确，如果有自定义模型只用物理或者中国哲学这样的数据集进行训练的话，它就会更加的精准。 2.低计算人工智能 大模型Transformer的主要缺点:二次方注意力（位于其核心的注意力层对运行时间和内存有要求，且这些要求在上下文长度上是二次方的）；生成式人工智能模型需要大量的计算资源进行训练和推理昂贵的开发和部署。 第二个趋势是和电力能源有关的。生成式AI的耗电量非常大，这一点都不绿色，但它不是技术的原因。神经学家说大脑只消耗20-40瓦，而这个模型需要10万瓦以上的电力消耗，这些问题并不好解决，因为它是来自于Transformer的技术问题，叫做二次注意力的问题。很难，但并不意味着不可能，所以很多人在做的是建立一个模型更

观点1：算力发展到现在有很多的成就，它也有不足。主要体现在算力本身的不足和不均；产业的生态封闭，产业处于高速迭代，但当下的生态依然封闭，主要是缺乏技术标准和共享，用户的选择受限，制约了产业的快速良性发展；不同的用户，不同的产业，不同的用户需求不一样，就是碎片化的需求；算力不好用，算力基础设施越建越完善，但目前智能应用的突破不足，导致计算资源的潜力和价值未能充分发挥。 观点2.中兴通讯采用以硬实力铸基，以软实力启智的做法。 一是以网强算。要解决算力不足不均的问题。中兴通讯一方面围绕智能算力加快创新的步伐，打造万卡的大规模集群，训推一体机等端到端的智算创新的解决方案。另一方面充分发挥在连接领域的优势，积极推动算力资源的联线联网，全方位提升资源效率。 二是开放解耦。解决产业生态封闭的问题。开放是生态繁荣的根本，通信行业高度标准化，也是开放解耦的标杆。对于制造领域倡导同样的理念，我们主张通过软硬解耦、训推解耦、模型解耦，推动各类能力组建化和共享赋能，加速技术的创新研发应用进程，构建开放的技术生态。在软硬解耦方面，中兴通讯提供开放的智算硬件基座，服务器全面适配国内外主流的GPU、CPU，实现换芯换卡不换座。同时软件层面，支持异构算力统一的管理和调度，助力客户构建多样化的计算资源池，避免单个厂家的绑定。 三是以智升维，赋能千行百业生产力的升级，解决算力不好用的问题。随着我国算力规模不断

在当前新质生产力的探索实践中，“全要素生产率的大幅提升”是其中的重要一环，而这则依赖于“新的科学技术或者范围更广的知识带来的增长”。在这其中，智算和大模型的行业应用，无疑将起到“加速器”和“力量倍增器”的作用。 同时，我们也要看到，面对当前如火如荼的智算热潮：一是如何在国产GPU单卡性能有差距，不同架构、品牌、型号加速卡并存的形势下，有效提升国产智算集群的效能，加速产业成熟？二是在建设智算中心的同时，如何有效集聚生态，推动智算资源的销售、服务，加速价值变现、实现商业闭环？三是如何持续深化大模型在垂直行业的场景应用，真正激发新质生产力、成为行业刚需？这是未来我国智算产业高质量发展的三大关键所在。 一、深化智算技术创新，以算力×联接构建开放技术生态。智算集群效能的发挥，既离不开单GPU卡/单节点算力性能的提升，更离不开卡间、节点间高速互联网络的加持。 二、围绕智算应用与赋能，以图灵小镇构建开放产业生态。在深度参与智算供给和行业应用的实践中，我们也更加深刻地认识到：只有充分发挥产业链上、下游的协同合力，才能够更好地推动智算资源的应用与消化，在加速价值变现的同时，放大算力对产业发展的乘数效应，共创人人悦享的美好智能生活。 三、躬身入局行业场景，以AI for ALL构建开放应用生态。新华三作为一家长期耕耘在To B、To G领域的数字化赋能者，加快人工智能技术在垂直行业的延伸拓展，

云际计算是以云服务主体之间开放协作为基础，通过多方云资源(包括云上数据资源和模型服务)深度融合，方便开发者通过软件定义方式定制云服务、创造云价值，实现服务无边界、云间有协作、资源易共享、价值可转换。 云际计算始于湖南，走向世界，将围绕国家新质生产力的发展需求以及算网融合战略，充分发展湖南省算力资源和研究团队智力资源优势，支撑湖南打造先进计算与人工智能领域的科技力量，践行“三高四新”战略，做出湖南贡献，促进国家发展。

硬件、框架、模型算法和应用是影响人工智能生态发展的四个重要层面，其中框架承上启下，它可以在芯片算力水平不高的情况下尽量挖掘潜力，同时把应用层支撑好。他深入剖析了我国人工智能生态体系和大模型训练现状、存在的挑战和困难，详细介绍了国产深度学习框架“计图”技术优势和适配应用成效，提出以“计图”框架为核心，基于国产硬件促进人工智能算法应用的创新，构建开放共赢的人工智能生态链是我国AI产业发展的重要方向。

可信计算是保障信息系统可预期性的技术，是指在计算的同时进行安全防护，使计算结果总是与预期值一样，确保计算全程可测可控，不受干扰。网络安全实质是计算科学问题，用自主可信计算（即免疫可信计算3.0）彻底根治。 中国可信计算源于1992年立项研制主动免疫的综合安全防护系统（智能安全卡），于1995年2月底通过测评和鉴定。经过长期军民融合攻关应用，形成了自主创新安全可信体系，开启了主动免疫可信计算3.0时代。具备可信计算功能的国产CPU、可信BMC和智能安全卡、具备可信计算3.0技术的设备……完备的可信计算3.0产品链，将形成巨大的新型产业空间。自主可信计算创新应用具有：高效处理、实时调度，不打补丁、免疫抗毒，不改代码、方便实施，精练消肿、降低成本等特点。构建主动免疫保障体系的支撑基础，是战略任务。要解决三大问题，要科学结构合理，最后要达到六个不防护生态环境。

网络安全威胁正从“信息域”扩大到“信息域+物理域+认知域”， “人机物网”多元融合、“空天地一体化”时代，数字生态系统底层驱动范式转型首当其冲，数字化社会系统性安全风险持续攀升。多重安全威胁成为网络空间新域新质安全问题，安全问题交织叠加无法用传统理论和方法分而治之，成为新质安全问题！ 网络内生安全问题全面挑战当今数字生态系统底层驱动范式，“构造决定安全”的数字系统设计理论与方法，我们不仅需要安全的信息加密算法，更需要基于结构编码方法的受信任执行环境，内生安全与通信原理本质上具有同一性，都是在干扰场景中寻求可控概率下的可信服务。基于内生安全构造的设计安全，不论已知的未知概率问题，或未知的未知不确定性问题造成的网络攻击都能达成安全性“可量化设计/验证度量”的目标。内生安全构造作为“钢筋骨架”，能够将传统网络安全产品以“混凝土砂浆”形态自然灌注其中，获得钢筋混凝土般的安全质量。后者能以轻量化、模块化、函数化、标准化的部件、组件、中间件等嵌入式构件形态进入数字产品设计/制造环节，使得后者具有与数字产业“同口径的市场空间”，内生安全为我国数智领域产业转型和网络安全生态转变开辟新路径，极大降低我国数字产业化和产业数字化进程中再度“被牵鼻子、被卡脖子”的风险。

高科技、高效能、高质量是新质生产力特征。产业深度转型创造数字经济新机遇，一方面要增强产业链供应链韧性和竞争力，推动传统产业高端化、智能化、绿色化转型。另一方面，要以重大前沿技术突破和重大发展需求为基础，对经济社会全局和长远发展具有重大引领带动作用的产业。同时，由前沿技术驱动，当前处于孕育萌发阶段或产业化初期，具有显著战略性、引领性、颠覆性和不确定性的前瞻性新兴产业。 数字创意与元宇宙、人工智能等前沿技术紧密结合，具有显著的学科交融特性，有效带动视听技术的升级与发展。电视大屏、近眼设备和移动终端是进行视听内容消费的主要装备，也是拉动消费电子产业发展的关键要素。我国应抓住时机，布局数字创意共性关键技术研究，推动产业加速发展。

科学计算十分重要，特别是偏微分方程（PDE）在科学与工程中具有核心地位。然而，许多复杂问题由于高维和多尺度的挑战，难以通过经典计算得到有效解决。金院士认为，量子计算在这些领域具有显著的加速潜力，有望引发21世纪的技术革命。 量子计算机基于量子力学原理设计，最适合求解薛定谔方程。然而，科学与工程计算中的许多问题由于演化算子不是酉算子，无法直接进行量子模拟。为此，他们提出了一种称为“薛定谔化”的方法，通过简单变换将任何线性常或偏微分方程转化为薛定谔方程的形式，使其适用于量子模拟。这一方法适用于量子比特和连续变量框架，并可用于热传导方程、Fokker-Planck方程、Maxwell方程等问题的量子模拟。 利用量子模拟解决非线性问题面临挑战，因为量子力学本质上是线性的。目前的量子算法主要通过线性逼近来求解非线性偏微分方程，导致许多重要的非线性特征被忽略。他们开发了基于水平集的非线性Hamilton-Jacobi方程和标量双曲型PDE的新量子算法，这些算法在多个数值参数上展现出量子优势，并在时间上保持全局有效。对于一些线性PDE，他们设计了具体的量子电路。对含时间依赖系数的量子模拟问题，传统算法通常基于Dyson级数展开，设计相对复杂。通过引入一个额外变量，他们将时间依赖问题转化为时间不依赖问题，从而极大简化了量子算法的设计。最后，他提出了若干开放问题，鼓励青年学者探索新方法与应用，推

从学术传统的视角看，学术成果只有公开发表才有意义。程序源代码只有可获得、可修改、可运行才有意义。为所有权/使用权付费天经地义的。降低成本，提高收益也是天经地义的。开源软件推动基于众包的软件群体创作生态和面向服务的软件产业生态。从生态演化的视角来看，Windows是软件企业基于工程范式封闭开发的产品，其发展由微软“单性繁殖”，每一次“繁殖”和“变异”的成本很高，可被环境选择的后代很少，面对不确定未来，被选择成功概率比较低。而Linux在开源社区中“双性繁殖”，Linux内核是“卵（种子）”，每一次被复制“繁殖”和“变异”的成本较低，可被环境选择的后代很多，面对不确定未来，被选择成功的概率较高。此外，PR机制使得Linux之“卵”持续优化，优质后代得以持续涌现。 开源的商业逻辑是通过开源，以更低的成本吸引更多的“新潮”用户参与到新产品的成熟和传播之中，以寻求迅速从边缘低端产品变成主流高端产品。通过开源创新，我国具备了基于国际开源生态自主发展软件核心关键技术的能力，我国企业已经在云端操作系统和AIoT系统软件方面创立开源社区。开源是当今世界最具活力科技创新范式，为中国高质量发展带来机遇和挑战。中国需要具有世界影响力开源基础设施。

“十四五”规划和2035远景目标的建议都提出了互联网大数据和人工智能的深度融合。联邦学习作为一个生产关系的技术体现，有力支持深度融合。联邦学习的目的是通过一个协调器能够连接众多终端，每一个终端都有自己本身的数据和本地的小模型，它的目的是让每一个地方的小模型都可以从其他的参与者那里吸取知识，并且在做分享的时候可以不暴露数据的隐私。 联邦大模型是把联邦学习大模型技术和迁移学习加以融合，形成这样一个领域。对联盟大模型设计博弈机制以增加攻击者成本、估算数据集和模型贡献度、持续学习、反学习、利用私有数据训练大模型解决通用大小模型的双向知识迁移、NON-IID问题、数据流通到模型流通的互联网、以及利用模型水印进行全程跟踪/审计/发现非法使用模型等问题，为数据要素价值形成提供了一种可靠的技术实践路径。

工业互联网作为数字经济与实体经济深度融合的关键基础设施，是加速推进新型工业化、发展新质生产力、推动制造业高质量发展的重要抓手。我国工业互联网发展态势表现为以下几个方面：工业互联网产业稳步增长，规模增速放缓；工业软件产业的规模翻倍，应用市场蓬勃；工业互联网平台增速恢复，市场成熟发展；工业自动化产业规模小增，新兴领域崛起；工业智能产业进入扩张期，动力趋势显著。 工业互联网未来布局重点：一是数字底座型企业主体数量有限，竞争格局相对清晰。长期来看，“云+AI”产品创新与商业生态合作将成为抢占未来竞争制高点的关键。二是ICT企业积极打造融合生成式AI的全栈云服务，有望成为业务“第二增长极”。三是ICT企业以联合销售+流量牵引商业模式，实现生态共赢；ICT企业以应用分成+联合销售的商业模式，加速伙伴用云；ICT企业构建爆款APP，以用户流量牵引伙伴产品集成。

无人机结合了多种传感技术，可以实现对地表及近地表环境的详细勘查，将被广泛应用于难以到达或环境敏感的区域，降低勘探风险和成本。大数据时代来临，带来我们对客观世界认识和预测的数据分析思维中大改变，让数据说话成为新的研究声音。在矿产预测领域，因为数据的特殊性（多元-多尺度），需要我们对数据进行清洗与筛选，过滤掉与成矿关系不相关（甚至是破坏）的要素，即过滤掉噪音数据。这样对成矿信息的挖掘与提取更符合地质学者们对地质规律的认知。 近十年，AI技术推动矿产资源定量预测评价技术的变革，实现“大数据驱动下”矿体定位与成矿预测意义重大。大数据AI找矿预测方法建立以地质、地球物理、地球化学、遥感等信息构置的预测变量，结合矿产类型、资源潜力等，形成大参数模型，进而指导找矿预测工作。

乌兹别克斯坦在世界矿产领域占据着重要地位，而科技日益发达的中国在采矿行业的进步是显而易见的，两者之间存在巨大的合作发展潜力。 科学院纳沃伊分院建议建立机动式科学生产地质勘探队。机动式科学生产地质勘探队的主要科学生产活动包括：分析和系统研究克孜勒库姆地区的非金属矿物和地下水（包括矿泉水）的地质研究程度资料，以确定最有可能的远景区；使用高分辨率的现代分析仪器对非金属矿物矿点和矿床进行详细地质调查、矿物岩石学研究及工艺研究，以便制定出成本较低的非金属矿物开采、选矿和加工工艺规程；研究非金属矿物的生成顺序和分布分带性并制定确定远景区的预测准则；查明非金属矿物的非传统类型以及综合开采、选矿和加工远景区；积极吸引外国投资者参与非金属矿物地质勘探过程并在建立合资企业时发挥其科技潜能；积极参加岩性专业高水平地质专家培训；确定非金属矿床规模评价准则并制定一套预测评价准则；研究外生地质过程、技术成因过程、人为过程以及土壤退化，以便制定推荐的指导性文件等。 机动式科学生产地质勘探队可作为未来建立中国投资流协调方面的乌中信息分析中心的基础，以推进两国科学和商业的有效整合机制。建议在科学院纳沃伊分院的基础上建立乌中联合企业，其主要活动是开展地质勘探工作，在联合企业中将利用乌兹别克斯坦科学院的所有实验室分析、矿物工艺和科学潜力以及中国投资者的技术能力和资金实力。 合资企业将真正能够在短时间内以最低成本对