《科创板日报》4月29日讯 （记者 李明明） 为更好拥抱人工智能，2024年，国务院国资委启动央企“AI+”专项行动。

其中，近年来，中央企业主动融入国家算力布局，加大算力资源投入力度。例如，中国联通加快推进数据中心向智算中心升级，建成300多个训推一体的算力资源池；中国移动建成了2个超万卡智算中心、13个区域智算中心及1500个边缘节点。

在深入拥抱这场“AI+”浪潮的过程中，也衍生出一系列问题：国有企业如何找到人工智能与企业业务发展的契合点，部署人工智能面临哪些困难与挑战？

就上述问题，在由国务院国资委新闻中心、广东省国资委联合指导，《国资报告》杂志社、中国联通主办的第十一期“现代新国企”研讨会上，众多头部央企负责人聚集一堂，探讨如何打通应用场景、应对未来挑战，旨在解决国有企业在人工智能部署中存在的痛点难点，以期更好推动国有企业用好人工智能技术、发展人工智能产业。

央国企加速人工智能+场景应用

在数字经济与实体经济深度融合的背景下，国有企业加快布局人工智能、推动数字化转型已成为国家战略与企业发展的交汇点。

首先国资央企积极响应。2024年，国务院国资委启动央企“AI+”专项行动。随着专项行动持续深化，中央企业在应用、算力、数据、模型等人工智能产业重点领域取得积极成效。

据悉，下一步，国务院国资委将继续深化央企“AI+”专项行动，更加突出应用领航、数据赋能、智算筑基。

地方政府和地方国企也及时跟进。近年来，从北京、上海等一线城市到广东、浙江等创新高地，地方政府围绕算力基建、应用场景、核心技术、产业生态、数据资源五大核心领域展开激烈竞争，以期在人工智能产业革命中抢占先机。

“目前，广东作为国内人工智能产业链最齐全、生态最完备、应用场景最丰富的集聚区，人工智能核心产业规模已达到2200亿元，稳居全国的第一方阵。” 在第十一期“现代新国企”研讨会上，广东省国资委二级巡视员吕宁介绍。

国务院国资委新闻中心主任杨景百表示，国资央企有三个角色对发展人工智能十分关键：一是基础设施的提供者，二是场景应用的推动者，三是生态圈的共建者。

场景应用是中央企业发展人工智能的最大优势所在。截至目前，中央企业在工业制造、能源电力、智能网联汽车等重点行业、超500个场景布局应用人工智能，科研、生产、客服等方面降本增效明显。

作为通信运营商代表，中国联通大数据首席科学家范济安为企业制定适合自己的人工智能发展路线提出建议。他表示，如果只把基础大模型如DeepSeek部署到工业企业（一体机），或将DeepSeek嵌入到办公软件中进行知识问答、报表生成、公文撰写等“常规工具型”应用，而没有进行任何的补充数据采集、数据加工、模型二次训练或Agent应用开发的话，就不能算是真正意义上的“工业大模型”。

“工业大模型首先要锁定‘应用场景’，有企业特定的场景，也有行业通用的场景。同时，我们需要在打造基于大语言模型的应用之外，积极探索具身智能机器人。” 范济安说。

作为下游应用环节代表，南方电网首席人工智能官李鹏分享了该公司落地人工智能应用的举措与经验。他介绍，传统电网技术存在算不了、算不准、算不快的突出问题。为此，南方电网于2019年提出建设数字电网的发展目标，要求“加快建设统一的人工智能平台”。

目前，该公司建成了电力行业首套成体系的人工智能技术平台，为自然语言处理、图像处理、电网运行趋势预测等重要的业务场；训练出全球最大规模的电力视觉基础模型，解决了电力线路巡检目标对象庞杂、场景复杂等难题，实现全境电力线路巡检“无人化”等。

北京大学智能学院研究员、北京大学武汉人工智能研究院副院长马修军介绍，他们与三大通信运营商合作，结合5G消息的基础架构及多模态token机制，建设一种新的通信多智能体协作协议，以科技创新带动产业创新。他认为，“未来的人工智能产业将由智能体驱动，这背后就依赖通信基础设施。”

还将面临哪些挑战？

然而，当下国有企业布局人工智能，还需理性剖析、积极应对将要面临的困难与挑战。

华南理工大学计算机学院院长陈俊龙说，“算力成本高企、数据隐私风险、模型‘幻觉’如同三座大山，制约大模型规模化落地。大模型需攻克算力、数据安全与可解释性难题，探索轻量化、自主进化与跨领域协同路径。”

范济安则提出了“高质量数据集”建立的难度问题。他表示，企业用户的数据往往是私有化数据，需要经过“治理”才能使用。但大部分企业自身的IT能力并不强，没有数据治理经验，对数据的标注、特征提取、向量化、强化学习等技术更是比较陌生，而外部AI能力强的服务商却不懂行业。

对上述结构性矛盾，范济安提出了锁定“应用场景”、建立保留原始数据的企业数据湖、保留传统意义的“数据治理”等解决措施，并在现有的数据中台添加如数据特征提取、数据标注、数据向量化、数据蒸馏、数据合成等工具。

“对电力系统而言，‘扩展法则（Scaling Law）’何时迎来‘智能涌现’拐点？”李鹏指出，目前人工智能领域还面临着难以解释的算法黑箱问题、丧失先前知识的灾难性遗忘问题、认知幻觉问题等。此外，当前广泛应用的大语言模型，还不具备完整的科学计算和优化决策能力，需要探索面向电力系统、具备可信因果决策能力的多模态行业专用大模型。

港科大（广州）协理副校长、中国人工智能学会会士熊辉则认为，过度依赖AI可能导致“多数人的暴政”，即信息量压制了信息质量，AI因在大量公共数据上进行训练，往往借鉴经常被讨论或发表的观点，而不是最好的内容。另一个可能出现的问题是因使用方法导致的走捷径，即将所有研究外包给深度研究工具，其风险在于会减少获得最佳想法的机会。