南方財經全媒體記者丁莉 廣州報道
過去一年，人工智能加速落地，廣東省大模型累計發布數量居全國第二。
2025年廣東省政府工作報告提出，實施“人工智能+”行動，加快智算中心和數據基礎設施建設。
這意味著，“人工智能+”將作為廣東接下來的重點任務，各行各業繼續求索通用或垂直大模型深化應用的機會；同時，廣東在AI底座方面也開出了包括韶關數據中心集群、鵬城云腦網絡智能設施、國家超算深圳中心二期等在內的一張清單。
向上游看，人工智能如何實現技術普惠？向下游看，大模型又要如何走向垂類行業，在此過程中的數據、人才、機制卡點如何去除？
圍繞這些問題，南方財經全媒體記者對話了中山大學計算機學院教授、國家超級計算廣州中心主任盧宇彤，佳都科技集團股份有限公司執行總裁陳嬌。
兩位廣東省政協委員分別站在上游算力底座與下游場景應用的視角。她們認為，生態協同是關鍵，這既包括算力建設與高效應用之間的平衡，也包括技術與場景側的打通，而這種打通，涵蓋了數據歸集、人才培養、場景開放等多方面。
向上：攜手港澳打造大灣區超算應用互聯網
南方財經：大模型的下半場要拼成本，其中，算力起到怎樣的決定作用？
盧宇彤：如果把人工智能比作火箭，算力就是火箭的加速器。新一代人工智能發展的核心是規模擴展帶來的核心能力提升，所以它極度依賴計算的規模。特別是很多模型推理趨于大規模、多場景、多模態，對算力的耗費更大。
陳嬌：大模型訓練需要大量的GPU算力。隨著模型參數量的增加，算力需求也在持續遞增。除了訓練階段，生成式AI應用的高并發推理也會進一步推高算力需求。此外，算力成本還包含基礎架構、集成、維護以及各種處理器的功耗等等。
南方財經：廣東要大力發展人工智能產業，如何解決未來的算力成本、算力短缺等一系列問題？
盧宇彤：要建設多維多元、高效協同、超智融合、互聯互通的算力要素和技術要素。我們廣東擁有廣州和深圳兩大國家級超算中心，還建有韶關數據中心集群、鵬城云腦、橫琴先進智能計算平臺等一系列智算中心，綜合算力指數居全國前列。未來可以繼續攜手港澳打造大灣區超算應用互聯網，實現大灣區15個超算分中心的高速互聯互通，聚集和發揮算力應用效益。
陳嬌：其實對中小企業而言，很難通過自建算力設施解決訓練和推理算力需求。這就需要政府層面給予更多支持，比如，推動公共云的規模效應和技術創新，為中小企業提供更低成本、可靈活調度的算力資源；向企業發放算力券，通過算力包和按需消費的模式降低企業算力使用成本和AI應用開發。
企業之間也應當加強生態共享，特別是龍頭企業應當更有格局，能夠將自己算力資源開放一部分給到鏈上中小企業，減輕后者在算力方面的投入成本。
南方財經：據了解，現在還有不少算力中心被空置，或使用效率不高。一邊是企業算力不足，一邊是算力中心消納困難，為何會出現這種供需不對稱？
盧宇彤：光有算力是不夠的，忽視軟件建設，會導致硬件用不起來。
所以我們現在更應該關注的是有序的算力建設和高效的應用之間的平衡。我們還要構建應用服務體系，推進相關政策法規、技術標準和服務標準的制定，提升算力資源開放程度，提升算力服務的市場適應性，優化算力產業協同能力。
事實上，人工智能不同應用領域，對算力的需求差異巨大。比如，就生成式AI而言，越來越需要將訓練和推理集合起來，構建訓推一體機?，F在業內普遍認為國家超級計算廣州中心的算力使用效率很高，背后我們團隊做了很多工作，包括充分考慮用戶的需求，根據需求進行優化、推出相應軟件等等。
南方財經：現在我們強調國產算力，要如何加速這一進程？
陳嬌：要支持多元化的國產算力廠商發展，提升供給能力，特別是重視異構算力調度、池化、虛擬GPU等算力服務能力的提升，提高算力投資運營的性價比。國產化趨勢下如何降本增效是很關鍵的現實問題，算力運營商也需要盡快完成商業模式的自洽，否則很難建立投資的信心和決心。
形成生態合力也十分必要。以英偉達的CUDA生態為例，其能大大提升算力效能，但背后有近2萬人開發。但目前國內企業間仍然山頭林立，相互“內卷”，無法形成合力，普遍很難達到這樣的開發團隊規模。
除了突破強算力芯片等的“卡脖子”問題之外，還應該依托市場機制，培育并增強我國在異構算力、軟件生態、能源基礎設施等方面具有的國際差異化優勢。
向下：應用呈現“滿天星”，場景開放是前提
南方財經：大模型終究要向具體場景側落地，你如何理解“人工智能+”？
陳嬌：人工智能的應用場景可以分成兩類。一類是新技術激發的新需求、新產品，另一類是在傳統場景中幫助進行降本績效，這部分存量市場更值得重視。從前我們強調“互聯網+”，現在強調“人工智能+”，歸根結底它們都是提質增效的工具。
南方財經：前年“佳都知行交通大模型”已經落地，應用進展和成效怎么樣？
陳嬌：2023年我們在全球首發了知行交通行業大模型，去年迭代到了2.0版本，在很多場景已經有成熟落地。
比如，大模型應用在了地鐵的智能客服和智能運維領域，結合數字人技術以自然語言與乘客交互，并協助維修人員排查故障、分析解決方法、提供維修輔助決策。此外，佳都“混合模型+AI算法”的新一代空調系統節能控制技術也應用到了長沙智慧地鐵6號線，將既往約28%的節能率提升到了64%。
南方財經：向垂類行業落地過程中，來自數據層面的挑戰突出嗎？
盧宇彤：大模型迭代速度非常快，數據也是很重要的推手?，F在比較棘手的問題在于，網絡空間已公開數據資源趨于“消耗殆盡”，高質量數據匱乏。特別是垂類產業領域對模型的專業性要求更高，數據不準確，算法模型性能就無法達到理想狀態。如何生產出高質量的合成數據可能是后續需要進一步關注的話題。
陳嬌：大模型需要大量數據進行有效的預訓練，大多數項目需要超過100000個數據樣本才能表現良好。數據的收集、標注、清洗和預處理都耗資不菲，高質量數據往往需要人工標注，成本高昂，專業領域尤其如此。
但目前，數據共享與協同方面仍然壁壘重重。比如，在交通領域，相應的監管機制和政策法規尚不完善，數據安全、隱私保護以及數據標準統一、跨領域的拉通等問題仍是一大挑戰。這些問題限制了數據的充分利用和交通系統的整體優化。
廣東的人工智能應用場景廣泛，但也存在小和散的情況，是滿天星式的應用格局。散落在各處的數據如果能歸集起來，對于人工智能的發展將產生巨大推動力。
因此，我們也期望能完善數據市場化流通和交易體系，特別是民營企業參與的項目中，合理開放并利用好數據等資源，提升行業數據轉化利用價值。
南方財經：除了數據以外，通用技術和具體行業結合過程中是否還面臨堵點？
陳嬌：目前，很多場景還不夠開放，科技成果轉化不暢，全產業鏈融合水平有待提升。事實上，廣東的大模型突出特點就在于和垂直行業結合緊，其人工智能發展的優勢也在于應用場景豐富，應該走“應用倒逼技術迭代”的路徑。
未來如果能推動市場環境更加公平開放，破除各類制度和非制度性壁壘，敢于為AI技術的應用進行先行先試，相信技術瓶頸和創新難題都能迎刃而解。
南方財經：人工智能落地還需要跨學科、跨領域的知識，如何培養相應人才？
盧宇彤：事實上，在全世界人工智能的人才都非常短缺。因為我來自高校，我們也一直在思考，產業側需要怎樣的人才。
我覺得，一方面，計算機專業仍然是基礎，這個根基要打牢，不能“吃快餐”；另一方面，跨學科的培養非常重要，無論是計算機還是人工智能，其本質都是某種超級工具，終究是為了解決具體領域的應用問題。
因此，大灣區要構建多層次的算力人才培養體系，依托豐富的應用場景，開展跨學科的信息技術人才、工程技術人才培養，充實算力產業發展人才庫。
陳嬌：站在企業角度，我們真真切切感受到人才卡點，我們既需要人工智能的專家，也需要具體行業領域的專家。
未來，整個生態應當加強產學研用各環節的緊密度，比如，在人才機制方面，鼓勵科技機構的科學家到企業任職，把科研課題的橫向轉化成果作為考核指標；支持人工智能產業鏈企業與科研院所合作，雙聘引進海外高端科技人才；成立高校、企業、科研機構三方共建的實驗室和產業化平臺。
