人工智能持续火爆北京上海深圳跻身第一梯队

来源标题：人工智能持续火爆北京上海深圳跻身第一梯队

人工智能产业发展持续引发热潮。

2023年以来，多地在人工智能方面推出政策、谋划布局。5月30日，在2023中关村论坛闭幕式重大成果发布会上，北京围绕着人工智能发布两个重磅政策，引起广泛关注。随后，多个城市出台了支持AI产业发展的政策文件。

7月6日，2023世界人工智能大会在上海开幕。大会聚焦从创新、创造至创想的AI生成之路，展现AI驱动的高质量发展精彩图卷和AI促成的现代化产业体系焕新局面。

近些年来，北京、上海、深圳、广州、合肥等多个城市围绕人工智能发展和建设，相继印发政策文件，发力抢占新一代人工智能创新发展高地。

例如，《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023-2025年）》提出，充分发挥北京市在人工智能领域的创新资源优势，持续提升全球影响力，进一步推动人工智能占先发展。

这些政策措施的出台夯实了人工智能产业发展的“底座”。那么，国内哪些城市进入了人工智能发展第一梯队？相关城市人工智能发展和建设面临哪些难点？新京报新京智库结合各地实际情况，采访了权威专家，进行解读。

第一梯队城市优势突出

哪些城市算得上是人工智能发展第一梯队？官方虽然没有给出一个明确的划分，但是从相关单位发布的与人工智能发展有关报告可以窥见一二。

7月6日，2023全球数字经济大会专题论坛“全球变化下的智慧城市”发布了《2023亚洲智慧城市排名》《2023二十国集团（G20）智慧城市排名》两份报告。报告显示，北京、上海、深圳、重庆四个中国城市无论是在亚洲智慧城市排名中，还是在G20智慧城市排名中，均位列前10。此外，南京、成都、广州、苏州、杭州、香港六个中国城市也位列亚洲智慧城市前10行列。

此外，新京报新京智库梳理多份研究报告发现，北京、上海和深圳三座城市在人工智能综合实力方面排在全国前三，可视为第一梯队。例如，由创新型AI企业北京上奇数字科技有限公司联合新一代人工智能产业技术创新战略联盟发布的《中国城市人工智能发展指数报告（2020-2021）》中，北京、深圳和上海三座城市的得分均超过60分，分别为88.72、77.63和68.59分，位居前三。

在人工智能融资额方面，企业信用信息平台启信宝在今年稍早前发布的《中国人工智能产业图鉴》数据显示，2016年至2022年期间，人工智能相关企业融资金额总量前三城市分别为北京（67161.82亿元）、上海（43557.43亿元）、深圳（27066.35亿元）。

可以看出，就国内而言，北京、上海和深圳在人工智能综合实力中可以排在第一梯队。

第一梯队的综合实力也体现在人工智能基础设施建设上。拿重点科研平台来说，北京人工智能领域的国家重点实验室、省部级实验室等科研平台数量位居全国首位。清华大学、北京大学和中国科学院三家高校院所在AI学科综合排名高居全球前列。深圳则围绕第三代半导体、人工智能和脑科学等前沿领域设立了10多家基础研究机构。

此外，在深圳，政府方面主导成立了鹏城实验室、深圳人工智能与大数据研究院等研发机构。公开资料显示，深圳“鹏城云脑”的建设以开放共享和支撑产业创新发展为目标。试运行期间，约70%的机时服务于鹏城实验室以外的企业、高校、科研院所，已支撑近千个国产AI模型训练。

上海作为2018年至2023年六届世界人工智能大会的举办地，在类脑研究、计算机视觉、核心芯片、算法平台、智能机器人等人工智能关键基础设施领域具备领先优势。例如，上海拥有上海量子科学院研究中心、上海脑科学与类脑研究中心张江实验室等一大批人工智能研发机构。

不过，第一梯队城市的人工智能基础设施建设也大多是以市场为导向。浙江大学国际联合商学院数字经济与金融创新研究中心研究员盘和林曾在接受相关媒体采访时表示，这三个城市是根据自身的产业层次来制定人工智能发展的方案措施。比如深圳的重点是赋能千行百业，因为深圳的产业基础雄厚。北京则聚焦芯片发展，因为北京有很强的科研优势。上海的重点则在于民营企业参与，突出市场激励。

人工智能基础设施是为人工智能技术研发、应用和服务提供支撑的基础设施，因此也包括数据集、算力、开源开放平台等。在人工智能创新平台建设上，第一梯队城市也具备明显的优势。

近日，科技部批复了九个国家新一代人工智能公共算力开放创新平台。上海交通大学网络安全技术研究院院长李建华向新京报新京智库透露，平台将重点建设人工智能算力网络与算力资源共享平台，人工智能软件资源供需对接与任务调度平台。九个开放创新平台中，北京就有两个入选。

其他城市具备差异化优势

因经济实力、地域等资源禀赋不同，国内各城市在人工智能基础设施建设上存在差距，但有的城市也建立起了具有自身特色的基础设施优势。

例如，就经济实力而言，广州一直跟北京、上海和深圳处在同一阵营，不过就人工智能综合实力而言，广州跟上述三座城市相比还存在一定的差距。

不过，在人工智能基础设施方面，广州也有自己的优势。联通（广东）产业互联网有限公司是广州乃至整个广东人工智能基础设施的重要运营商。该公司副总经理程伟告诉新京报新京智库，广州联通现有16个数据中心，机柜总规模超2.3万架。其中中国联通互联网应用创新基地是广东联通近十年倾力投资超9亿元、按国A和T3+标准打造的“智·云”数据中心标杆项目，也是国家超算广州中心—联通分中心、广东联通算力网络省级枢纽、中国联通5G华南大区的关键节点。

据程伟介绍，依托于优质的数据中心及算网资源，广州联通目前承载政务云（20万核），医疗云（10万核）、企业云（10万核）等重要云平台业务，并以高等级绿色低碳数据中心+低时延算力网络助力国家级金融基础设施广州期货交易所落地部署核心枢纽节点。

中山大学管理学院副教授韦立坚博士在接受新京报新京智库采访时表示，广州虽然缺少像百度、华为、腾讯和阿里等巨头企业，在通用人工智能尤其是通用大语言模型的投资和数据等方面面临短板，但在行业性人工智能基础设施建设以及垂直领域大语言模型研发方法方面，广州具有差异化竞争优势。

韦立坚表示，在人工智能通用基础设施上，中山大学的国家超级计算广州中心的商业应用全球领先、全国第一。人工智能需要基于CPU的高性能计算、基于GPU的智算以及云计算等异构算力支撑，并需要高速网络进行算网融合。国家超算广州中心等机构已经牵头研发出面向人工智能的异构算力融合计算基座，广州可以借此迅速发力。在行业性人工智能基础设施布局上，广州在电子政务、生物医药、产业数字金融、风险管理、财富管理、财经资讯、文创游戏、新能源汽车等领域具有领先优势，可以围绕这些领域的行业需求，打造垂直领域的大语言模型。

除了广州之外，苏州也是国内布局人工智能产业较早的城市，尤其是在人工智能基础设施建设上，苏州也是走在地级市前列。

2021年，科技部发文支持苏州市建设国家新一代人工智能创新发展试验区。文件要求苏州加强机器学习、智能计算等人工智能前沿理论和关键核心技术的研发应用，提升智能化基础设施水平，促进人工智能与制造业深度融合。

李建华表示，苏州有上海交通大学苏州人工智能研究院，该研究院打造了全生态人工智能综合配套服务平台，其中包含三大组成部分。人工智能超算服务平台提供异构并行计算、分布式数据存储系统和智能调度系统。数据智能分析中心提供音频、图像、视频等数据集存储和管理支持服务。人工智能技术标准测试中心包含了静音室、录音室、智能家居、智能车载和人工智能展厅。

新京报新京智库梳理发现，除了广州和苏州，杭州、重庆和武汉等城市也在智能感知、智能计算和智能语音等方面积累了丰厚的基础。例如，位于杭州的之江实验室作为浙江重要的科技创新平台，主攻智能计算、智能感知、人工智能、智能网络和智能系统五大科研方向。

企业是基础设施建设的关键

2019年，科创板正式开板，成为推动我国互联网、大数据、云计算、人工智能发展的标志性事件。

实际上，企业已经成为各个城市人工智能基础设施建设的关键力量。

例如，在今年5月，上海市发展改革委制定了《上海市加大力度支持民间投资发展若干政策措施》并印发。其中提出，充分发挥人工智能创新发展专项等引导作用，支持民营企业广泛参与数据、算力等人工智能基础设施建设。推动“补需方”改革，支持高校、科研机构、国有企业通过政府采购、租用等方式使用民间投资的数据储存和算力资源；通过科技创新券支持民营企业租用算力、存储资源；推动政府部门租用民间投资专用算力支持大语义学习、元宇宙、时空底图等专业场景应用。

另外，深圳市人工智能行业协会发布的《2021人工智能白皮书》也显示，截至2020年底，北京、深圳、上海、杭州聚集人工智能企业数量分别近1500家、1318家、1298家、近700家，深圳相关企业数量位居全国第二。其中，深圳22.89%的企业布局在基础层，重点聚焦在物联网、大数据以及云计算领域。

全国政协委员、中国科学院计算所研究员张云泉在接受新京报新京智库采访时表示，北京、上海、深圳、杭州等地人工智能基础设施发展较好很大程度上是这些城市有大的互联网公司和专注于人工智能发展的公司。例如，北京有百度，深圳有华为和腾讯，杭州有阿里等。

“这些公司需要大量的芯片去进行训练和推理，所以在人工智能基础设施和设备的采购上就会产生巨大的需求，然后采购相关的服务，所以这个是跟城市人工智能基础设施建设高度相耦合的。”张云泉说。

在张云泉看来，相关城市的人工智能基础设施能够走在前列，很大程度上是基于这些城市拥有相关的上市公司比较多，比较发达，“人才也比较密集，所以在这一波走在前面”。

对于现在比较火的大模型，张云泉也表示，目前北京的做法值得借鉴，一个方面是扶植一些算力伙伴计划的企业，另一个方面是征集算力的大模型的场景来进行扶植。

“这对整个产业发展都是很好的，未来在怎么释放数据的能力上，也可以选取一些企业作为合作伙伴来推进。”张云泉说。

催生实体经济模式创新

人工智能基础设施的不断完善，除了夯实科技创新和产业发展的底座外，也在成为智能技术与实体经济融合的“催化剂”。

2019年3月，中央全面深化改革委员会审议通过的《关于促进人工智能和实体经济深度融合的指导意见》指出，要构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。

对外经济贸易大学信息学院教授陈振娇在接受新京报新京智库采访时表示，当前，我国正处于工业经济向数字经济和智能经济转型的关键阶段。所谓智能经济是人工智能新基建与实体经济深度融合产生的新型经济形态；近年来增长迅速，2021年人工智能核心产业规模较2019年同期增长6倍。目前，智能经济在制造、交通、医疗及商业等场景应用广泛，对实体经济模式创新、转型升级和提质增效方面发挥了重要作用。

例如，广州联通是承接信息安全产业链、人工智能产业链双链主单位，其联合行业龙头企业建立联合实验室，打造产学研用一体化成果展示平台，携手6家科研教科单位共建16个专项课题项目。

程伟告诉新京报新京智库，目前该公司已与香港科技大学合作，基于香港和内地跨境的数据方面做探索，通过合作，香港科技大学两个校区大量调用中山大学“天河二号”超算中心算力，其中算力匹配、调度是由联通负责。

“这种网络需求与原来不同，原来是面向云化，现在是面向算网服务。”程伟说。

对于智能经济和数字经济的关系，张云泉也有不同的观点，他认为，人工智能基础设施主要是作为数字经济的要素来建设的，可以看作是数字经济的发展基座，主要是来促进数字经济的发展。

“因为数字经济有不同的行业，它又和实体经济通过不同的产业发生关联，作为数字经济发展的基座，某种意义上人工智能基础设施催生出的智能经济跟实体经济是间接的促进关系。”张云泉说。

作为数字经济和平台经济的一个重要技术支撑，人工智能基础设施建设对实体经济的发展产生重要影响。

如何更好地推动人工智能基础设施建设与实体经济深度融合？在李建华看来，可以从两个方面入手。一是推动民间投资参与人工智能基础设施建设。从数据存储、算力支持、模型共享等各个环节引导民间投资深度参与，通过人工智能基础设施的建设，拉动一波经济发展。二是通过政策引导，发行科技创新券，让智能制造企业和产业互联网企业，能够通过消费券享受价格补贴，积极使用人工智能基础设施，从而创造智能经济的价值。

不过，陈振娇也指出，人工智能新基建与实体经济融合的过程中也存在亟须解决的问题。

例如，人工智能基础设施建设区域不均衡，主要集聚在京津冀、长三角、珠三角、成渝四大城市群和重点城市；关键技术的创新资源分散，资金投入过高，但高端技术自主创新不足；实体经济智能化改造过程中存在监管缺位，出现“信息茧房”“强制消费”等数据和算法滥用现象，对智能经济生态建设产生不利影响。

基础设施建设需要提质增效

人工智能进入大模型阶段，夯实AI新型基础设施意义重大。不过，对相关城市来说，在基础设施建设方面如何避免同质化、贪大求全和一哄而上的现象，如何提质增效，是摆在相关城市面前的现实问题。

陈振娇表示，相关城市在加强人工智能基础设施建设过程中要具备鲜明的问题意识，推动人工智能基础设施建设与实体经济深度融合。

就此，陈振娇建议，要加快5G、物联网、云计算、工业互联网等的建设，提高算力水平，充分释放数据要素潜能，扎实推进智能经济高质量发展。其次，强化知识产权保护，为智能科技创新保驾护航。高端智能科技创新，离不开知识产权保护。除完善相关知识产权保护规则体系外，还应增强产业领域智能新技术的知识产权创造保护，关注人工智能数据治理和数据基础设施建设的知识产权管理。最后，加强有效监管。继续规范数据流动和算法应用，创新人工智能实时监管模式，更新和完善监管体系，生产合法合规的人工智能产品和服务，构建安全的智能经济生态圈。

韦立坚则认为，人工智能基础设施，不仅包括算力，还包括数据、算法、算网和人才。大语言模型是基于人类反馈的强化学习机制，因此是庞大的带有人类反馈的语料库。即使是训练垂直领域的行业大语言模型，对于语料库的要求也很高，但由于各种限制，目前很多行业数据还存在数据孤岛，急需通过政策和技术的支持来打通。

韦立坚指出，在算法层面，国内相关企业目前基本还是基于国外开源的技术进行二次研发，还急需重视底层核心算法的研发。算网层面，急需打破传统的数据存储、算力和网络分离模式，实现算网深度融合。

“人工智能是高精尖科技行业，其发展最紧缺的是高端人才，归根到底是高端人才的竞争，所以一方面需要给予人工智能高端人才优厚的条件和舒适的工作生活环境，吸引人才；另一方面，中长期看，高端人才主要靠本土培养，因此特别需要给予高校培育人工智能高端人才的专项投入和从产学研合作方面给予重大支持。”韦立坚说。

对于未来相关城市如何布局人工智能基础设施，李建华也给出了自己的建议。

李建华表示，当前人工智能在基础设施建设方面的困难和挑战主要来自两个方面，一是钱的问题，二是有效利用的问题。李建华建议，政府目前可以鼓励民间投资，支持民营企业广泛参与数据、算力等人工智能基础设施建设。政府同时又可补贴高校、科研机构、国有企业去采购民营资本构建的人工智能基础设施。这样政府就用“四两拨千斤”的手段，激活了人工智能基础设施建设的市场。

至于如何实现对人工智能相关平台的有效利用，李建华表示，主要可通过平台主导构建产业创新生态。

“新型平台通过人工智能通用目的技术的研发、集成和专用化，依托现有的和创建新的垂直业务子平台，构建赋能产业智能化发展的产业创新生态。新型平台主导的产业创新生态不仅包括平台、新创企业和传统企业，还包括研究型大学、科研院所和投资机构。”李建华说。