广东省政协委员陈娇：依托财产应用场景优势，打造更多垂直大模型产物丨南财对话·广东两会他一生娶了三个貌美老婆，对三人都很痛爱，死前心愿却未能如愿（广东省政协委员）歌手陈娇老公，

 

南方财经全媒体记者丁莉   广州报道

自ChatGTP火爆以来，大模型已成为人工智能财产新风口。

2023年年底，广东省发布的《关于加快建设通用人工智能财产创新引领地的实施意见》，已进一步提出打造国家通用人工智能财产创新引领地。数据显示，截至2022年，广东省人工智能相关企业已到达24.2万家，数量居全国第一；全省人工智能核心财产规模超1500亿元，同比增长15%；同时，一批科技企业已相继推出华为盘古、腾讯混元、佳都知行等近30个大模型产物，数量居全国第二。

1月22日，广东省政协十三届二次会议开幕首日，南方财经全媒体记者对广东省政协常务委员、佳都集团联席董事长兼执行总裁陈娇进行了采访。她表现，“广东优势在于财产化规模和应用，但仍面临数据要素机制和生态不健全的问题，需尽快完善数据底座，同时也建议加快推进广东数据中心、智算中心和超算中心等算力基础设施建设，并鼓励聚焦具体财产定制更多垂直大模型产物。”

广东实体经济场景丰富

南方财经：请结合企业自身案例谈谈，数字化如何赋能实体经济？

陈娇：就人工智能财产而言，广东的优势在于实体经济场景丰富，财产化应用广。我们重点结构关注了都会交通、公共宁静、应急管理等方面的数字化转型。

好比，在轨道交通领域，我们将AI大模型技术与地铁深度融合，通过赋能客服、运维和应急指挥智能化升级，构建城轨智慧体。这推动轨交行业首次见证了大模型技术的应用，AI、区块链、云计算深度融合引领轨道交通步入了一个全新时代。

再好比，都会交通领域，基于佳都首创的“IDPS”智慧交通理念，全新一体化智慧交通管理系统“IDPS都会交通大脑”产物矩阵已在全国多个超大型都会落地应用。通过“可计算路网”与“个体行为模型”两大核心技术，我们成为国内率先且目前唯一实现万级路口、十万级路段、百万级车辆个体运行状态实时在线孪生计算的企业，这将推动超大都会全域、全时、全量交通出行精细化规划管理。

南方财经：目前广东迈向数实融合还面临哪些堵点？

陈娇：主要挑战还是在于数据要素机制和生态尚不健全。好比，数据交易机制不成熟，供需匹配效率低；财产数据分布不均衡，中小企业用数难；公共数据开放不充实，民营企业用数门槛高；一些企业数字化转型不到位，自我造血能力弱。

在推动数实融合方面，佳都科技一方面对内坚定战略结构AI领域，连续在人工智能、大数据、数字孪生等技术领域创新，为交通等领域提供个性化、实用性的核心技术产物和解决方案，包罗向多模态方向发展，依托在相关领域恒久积累的数据资源，不停加强数据与大模型的训练与适配；另一方面，加强与华为、思必驰、云从等生态伙伴的融合协同，共同推动大模型等技术的财产化创新落地。

流通数据跨境流通“双循环”

南方财经：经济社会的数字化转型已经推动数据要素成为“新黄金”和“信息时代的石油”，你如何看待数据要素的重要性？

陈娇：数据可以说是人工智能行业的底座，是数字化价值落地的一个前提。昨天发布的政协工作陈诉中，我也注意到，这两年广东越来越关注数字湾区建设，包罗“商事通”“财产通”“生活通”等，均需要尽快构建扎实的数据底座。

南方财经：为进一步发挥数据要素的乘数作用，广东还应当怎么做？

陈娇：首先应当积极推动公共数据授权运营，建议加大政府数据的整合共享，分阶段有序开放，组织省内机构汇集电子信息、交通、教育、医疗、应急、安防等重点行业数据资源，构建宁静合规的开放训练数据集；并明确公共数据授权运营的数据范围，建立分级分类的公共数据授权运营商业模式。

在数据资产管理方面，要规范和指导数据资产“入表”，率先指导和培训企业开展相关实践盘活企业现有数据资产价值，为企业依据数据资产开展投融资、提升内部管理与决策水平、获得更多商业机会和竞争优势提供支持。同时还可以加快出台公共数据的政府指导定价的管理措施，促进公共数据合规高效流通使用。

鉴于跨境数据已经成为支撑国际贸易、金融活动，促进跨国科技合作和资源跨境配置流通的关键要素，流通数据跨境流通“双循环”也十分重要，好比可以实施跨境数据分类分级管理、探索建设离岸数据中心和离岸数据服务外包试验区等。

别的，数据要素人才仍相对缺乏，需要加快构建我国数据要素人才体系，打造数据要素人才流动生态。这包罗建立数据要素人才尺度、评价规范和支持政策，鼓励高校和科研院所、企业机构合作开设相关课程体系、开展人才培训和评价认证。

以超算中心促进算力资源普惠供给

南方财经：这几年ChatGTP异常火爆，中国也出现了所谓“百模大战”，佳都科技在这方面是否有一些新操持、新动态？

陈娇：这几年我们也在大模型的研发上投入了大量资金。特别是在交通大模型方面，我们已经举行了三次技术产物发布，并不停地迭代更新。除了加大底层技术研发和投入之外，我们也在同用户单元、政府部分等全生态链一起探讨如何深化大模型在垂直领域的应用、如何拓展应用场景，目前已经有一些试点开始逐渐落地了，不少试点项目也得到了不错的反馈。

南方财经：在大模型为代表的通用人工智能方面，广东若要打造财产高地还存在哪些短板？你有什么建议？

陈娇：随着大模型的演进，算力需求在指数级增长，各大云计算厂商算力均面临差别水平的紧缺，算力资源供不应求已经成为创新研发的首要挑战。

别的，目前中文开源高质量数据少，国内专业数据服务仍然处于起步阶段，数据资源紧缺还制约着大模型的训练、完善；而且目前大模型仍然以通用类为主，垂直类的行业大模型相对较少。

我认为，首先应当推进广东数据中心、智算中心和超算中心等算力基础设施建设，提升算力资源普惠供给能力；同时归集省内算力资源，明确供给技术尺度和支持步伐，好比对租用纳入本省统筹调度的算力进行大模型研发的创新主体，经评估按算力集群规模和结果水平给予适度租用补贴。

为进一步推动大模型技术创新场景应用，有关主体也应当聚焦具体财产，定制垂直大模型。这方面可以从广东省优势财产为起点，支持骨干龙头企业将垂直大模型技术融入终端产物，为大模型的市场化应用创造有利条件。

更多内容请下载21财经APP