十四屆全國人大三次會議即將召開。作為全國人大代表,海爾集團董事局主席、首席執行官周云杰聚焦人工智能,提出了3份建議,涉及新型工業化、智慧住居、血液及血液制品等領域。
建議一:以工業大模型為關鍵變量賦能新型工業化
人工智能是引領這一輪科技革命和產業變革的戰略性技術,具有很強的“頭雁”效應。當前,人工智能在工業大模型的深度應用實踐中主要面臨三大挑戰:一是數據質量與語料庫構建的雙重瓶頸;二是場景適配與模型可靠性的雙重挑戰;三是轉型切點和話語體系的雙方錯位。
因此,周云杰圍繞以工業大模型為關鍵變量提出以下建議:
一是夯實發展底座,發布國家級工業場景圖譜、語料庫和數據集。建議設立國家專項,加大力度推廣實施“一圖四清單”行動方案,為人工智能在工業領域應用提供堅實基礎。
二是支持龍頭企業,示范工業大模型應用價值。建議以財政補貼的方式,支持家電、汽車、醫療等重點行業的龍頭企業,開展基于工業大模型的人工智能深度應用先行先試,打造行業標桿,示范應用價值;以財政補貼的方式,鼓勵龍頭企業提煉并共享其在研發設計、生產制造、經營管理等關鍵環節深度應用人工智能的典型案例。
三是扶持平臺企業,促進工業大模型服務中小企業。建議對國家級雙跨平臺企業出臺專項財政扶持政策,培育一批工業大模型與場景圖譜精準匹配的標準化、可復用、低成本的解決方案,為中小企業提供用得上、用得起、用得好的人工智能服務。
建議二:以高質數據構建智慧家庭大模型助力家電家居產業升級
智慧家庭領域大模型是支撐傳統智能家電和家居轉型躍升的關鍵基礎設施,能夠催生出家庭服務型機器人等實現全球引領的新質消費品產業,從而帶動上下游產業鏈形成十萬億以上的新增長點。智慧家庭領域大模型需要算力、算法、數據三大要素支撐。算力依賴重大突破,短期難解決,DeepSeek等算法突破已大幅降低模型的算力需求,然而大規模高質量數據的支撐作用依然無法替代,垂直領域等行業數據建設依然面臨采集成本高、跨域融合難、訓練數據少等斷點堵點,這些問題靠行業、企業無法快速解決。具體體現在:
一、 數據采集端:主動數據少、采集成本高。一方面仿真生成技術還不成熟,生成速度慢;另一方面真機數據依賴真人或遙控機器人采集,采集成本高、速度低,極大制約了行業垂域大模型的開發進度。
二、 數據服務端:跨界融合難、平臺支撐弱。被動數據與主動數據在格式、接口規范等環節各不相同,難以實現高效的全場景整合與訓練。數據訓練平臺、訓練場供不應求,行業高質量數據訓練成本高昂,企業資源有限,亟需國家統籌與支持。
因此,周云杰提出兩方面建議:
一是培育數據采集產業,構建智慧家庭大模型多元統一的數據源。建議制定統一數據標準體系,規劃并發展智慧家庭數據合成、數據標注產業;實施數據貢獻參與工程,通過全民貢獻、群企共創的形式構建行業全覆蓋的垂域數據基礎。
二是構建國家級數據仿真平臺和訓練場。建議強化資金扶持和政策鼓勵,支持行業龍頭企業牽頭建設智慧家庭全場景覆蓋的數據仿真平臺和訓練場,訓練高質量垂域大模型,并向產業鏈上下游提供高質量服務,推動具身智能技術在智慧家庭場景中的深度應用,賦能家庭服務型機器人等新質生產力發展。
建議三:提升我國血液及血液制品供應保障能力
血液和血液制品在保障公共健康和應對突發事件中具有不可替代的作用。隨著醫療技術進步,臨床手術量、復雜病例及緊急救治需求不斷增加,我國血液和血液制品均面臨著供應緊張的問題。
血液保障方面,血液供應處于“緊平衡”狀態,城域血液資源分布不均、血液信息不能共享、血液調劑難、缺乏統一管理;血液制品保障方面,原料血漿供應不足直接影響了血液制品供給,部分血液制品嚴重依賴進口。
因此,周云杰提出兩個方面的建議:
一是以人工智能驅動血液管理創新,探索臨床用血供給新模式。加強宣傳力度,提高公眾獻血意識,優化完善無償獻血者權益保障機制;整合物聯網、AI等技術,打通從采血到臨床用血的全鏈路數據,實現用血零等待、零浪費;完善全國血液管理大數據平臺的智能應用,統一管理和調配血液資源;探索建立跨地市的多點采集、集中統一制備的血液加工中心;在合法合規前提下,研究血站和單采血漿站高效協同的可行方案;推動醫療機構在圍手術期合理使用凝血因子類血液制品。
二是修訂《單采血漿站管理辦法》,允許并鼓勵能夠同時生產人血白蛋白和人免疫球蛋白而其集團母公司或子公司已取得6個品種文號的血液制品企業,開設新的單采血漿站,增強血液制品生產供應的自主可控能力。
本文來自投稿,不代表科技訊立場,如若轉載,請注明出處:http://www.bdzhitong.com/article/708621.html