人工智能正像電力一般賦能各個產業，深刻地改變人類社會。中國正處于全球人工智能發展第三次浪潮的時代潮頭。

7月8日，2021世界人工智能大會在上海隆重舉行。這場持續3天的世界級人工智能盛會以“智聯世界 眾智成城”為主題，圍繞“AI賦能城市數字化轉型”方向，探討人工智能技術創新與產業落地的前沿進展。

在大會召開之際，澎湃新聞與上海人工智能研究院聯合推出《算法周刊》，將聚焦人工智能“上海高地”和中國新基建，并持續關注全球AI最前沿。上海人工智能研究院是由上海交通大學、上海市閔行區人民政府、臨港集團、商湯科技共同投資發起的新型研發機構。研究院承擔上海市人工智能研發與轉化培育建設任務，重點開展人工智能領域基礎與核心技術研發、關鍵與共性技術應用、成果轉化與人才培養等工作。

澎湃新聞記者就“數字化新基建背景下的人工智能技術落地”相關問題專訪了上海人工智能研究院首席技術官王資凱。王資凱同時還擔任上海交通大學融媒體中心特聘專家、交通運輸部自動化碼頭行業研發中心技術委員會副主任，擁有超過8年技術管理、科研成果轉化經驗，長期從事科研早期項目評估和產業轉化工作，在基礎研發、標準制定、產品定義等專業領域具有較豐富的經驗。

上海人工智能研究院首席技術官王資凱

以下為澎湃新聞對上海人工智能研究院首席技術官王資凱的專訪實錄：

澎湃新聞：您如何看待在新基建建設大環境下人工智能技術落地面臨的機遇與困難？

王資凱：目前我們經常聽到的新基建指以技術驅動產業，實現集成高效、經濟實用、安全可靠、綠色環保的一系列現代化基礎設施體系建設，主要包括5G技術、大數據中心、人工智能、工業互聯網、特高壓、城際高鐵和城市軌道交通、新能源汽車充電樁七大領域。其中我們可以看到，5G技術、大數據中心、人工智能和工業互聯網4個技術類新基建占到了總量的一半以上，可見技術驅動已成為國家基礎設施建設的重要特點。

在此環境下，人工智能技術落地可以說是遇到了前所未有的良機，而新基建的核心，遠遠超出它本身涵蓋的七大領域，輻射到了智能網聯、智能安防、智慧城市、智慧交通、智慧醫療等多行多業，究其本質是推動產業與城市實現一波智能化轉型和模式升級。而人工智能技術憑借它賦能百業的特性，可以實現與其他技術的聯動和連攜效應，打開更為廣闊的市場空間，實現更加深度和快速的滲透與融合。不論是在醫療、制造、安防、教育等傳統行業，還是物聯網、5G、機器人等新興行業，我們都見證了人工智能以驚人的速度進行賦能。

但新技術的落地往往也會帶來一些風險和隱患，比較處在風口浪尖的就有人工智能帶來的安全隱患和道德爭議問題。其中包括數據泄露、算法偏見、個人隱私、倫理責任、技術濫用等等，實際例子比比皆是，比如自動駕駛車輛出現的事故問題，人工智能換臉軟件濫用問題，商業販賣用戶資料、個人信息等。那么面對這些問題和困難，我們應該做好更具體實際的人工智能規劃，完善人工智能方向立法，加強行業監管和監測，努力做好人工智能領域治理相關工作，堅持“以人為本”的人工智能發展初心，用具體完善的法律法規和倫理規則來引導人工智能的發展，為人工智能技術的落地保駕護航。

澎湃新聞：我們觀察發現很多場景的興起，往往是因為底層技術的成熟與打通。在人工智能領域，您認為底層突破的瓶頸在哪里，需要做哪些？研究院有哪些布局？

王資凱：首先我非常同意技術的突破和進步是引領人工智能落地更多應用場景的源動力，人工智能從上個世紀中葉起源發展至今，經歷了三次浪潮和兩次低谷，每次浪潮的興起都是基于計算機領域新技術的出現或是其他領域技術進步帶來的“嫁接”新技術或是新思路。每次經歷低谷則是因為當前技術的限制，包括硬件水平的限制、算法能力的限制、技術框架的先進性限制等等。那么此次人工智能浪潮與以往最大的不同點就是它已經從實驗室漸漸走出來，賦能各行各業，在技術發展的同時，探索真實場景落地的各種可能性。所謂底層技術，可以理解為人工智能發展的幾個基本要素：數據基礎、算法技術和算力資源，它們就像組成一個水桶的幾塊木板，對人工智能發展的重要性不言而喻。

現代人類社會從蒸汽時代、電氣時代、信息時代，再到我們現在所處的智能時代，數據扮演著越來越重要的角色，也是人工智能最重要的底層技術需求之一。那么目前我們面臨的問題就是如何建立和維護各個場景下種類齊全、分布合理、標注準確、數量龐大、質量上乘的數據集，這一定是一個長期努力的過程，需要相當大力度的整合和積累。算法技術也同樣不是一個一蹴而就的過程，并不是一次技術突破就能解決所有問題。比如在自然語言處理方面，一開始出現的RNN循環神經網絡解決詞編碼前后關系問題，到后來得到廣泛應用的LSTM長短時記憶網絡優化了RNN的梯度消失爆炸和詞語間隔影響的問題，再到后來加入attention注意力機制和預訓練技術的transformer，還有現在各種功能強大、體量龐大的預訓練模型，可以說每一代算法技術都是站在前一代的肩膀上，解決了上一代存在的痛點并進行優化?？梢哉f瓶頸和痛點是一直存在的。每一代技術的革命和進步都是在新的起點上更進一步，我們能做的就是在具體的領域里不斷前行，推動算法技術的突破和更新換代。算力資源的底層技術主要涉及到核心芯片的設計和工藝以及相關硬件的配套建設，尤其是在當前的國際形勢下，這一行業更顯得尤為重要。所謂的卡脖子技術也是因為我們起步晚、投入小等現實因素造成的。相關統計數據顯示，我國目前的人工智能企業布局主要集中在應用層，而在算力資源相關的基礎層，不管是公司數量還是體量上都與以美國為首的人工智能強國存在巨大差距，所以扶持該領域發展、整合相關資源、打造生態環境是我們可以為算力資源基礎發展所做的努力。

研究院目前在這方面正在參與或引導一系列的建設工作，例如與上海交通大學、上海白玉蘭開源開放研究院聯手推進建設全球化的人工智能算法、算力、數據開源社區；和各細分領域代表企業、其他科研院所等建立聯合實驗室，探索具體賽道下的算法應用與數據整合；與來自上海各大高校優勢學科的教授學者合力挖掘人工智能落地的新場景；與上海市、區委等主管部門合作，參與人工智能企業生態建設和設計布局等等，以求堅持研究院“勇創新，聚生態，見未來”的初衷。

澎湃新聞：作為人工智能新型研發機構，上海人工智能研究院重點聚焦哪些領域，解決哪些問題？

王資凱：目前研究院主要圍繞三個方面展開工作。第一，上海人工智能研究院作為上海市的新型研發機構，承擔了一些重要的智庫和咨詢的角色任務，包括區級、市級以及國家層面上的咨詢課題。既有戰略層面上的遠期規劃和頂層設計，也涉及戰術層面上的咨詢，比如產業布局和促進條例的策劃。

第二，研究院圍繞人工智能的不同場景開展關鍵共性技術研究。比如我們最近聚焦的多模態高維異構化信息融合技術。簡單的說，就是通過各種維度的數據去描述一些特定的場景，例如我們用多模態病歷數據去描述一個人的健康狀態；用瀏覽、消費等行為數據描述人物的畫像；用各種源頭的數據做企業的畫像等等。這些畫像能衍生出各種有意思的應用，比如健康管理建議，商品推送和競品分析。再如，各種工業場景下的時間序列數據的挖掘。比如在5G自動化碼頭運營場景中，時間序列挖掘能處理好海量傳感器的信息，為現代碼頭做運轉優化；在IT智能運維場景中，可以做根因分析和未來運行狀態預測。

第三是產業轉化。研究院面向真實場景、真實數據，解決真實問題，聚焦智能網聯、智慧醫療、鏈網協同、智慧能源等關鍵新基建場景，孵化先進技術，推進AI落地。舉一個比較典型的產業轉化案例，由研究院張希教授領導的智能網聯事業群主要攻克兩個方向：一個方向是V2X，即車和其他交通元素的交互和融合；另一個方向是新能源車的電池管理系統BMS。在過程中，我們與政策制定者、監管方、供應商和終端用戶緊密合作，研發領先技術，引領標準制定，推動技術落地。

澎湃新聞：國內新能源汽車爆發式增長，帶動動力電池的迅猛增長，電池管理系統BMS可謂站在了風口之上。我們想了解這個項目背后的研發故事，項目是如何啟動的？研究院又如何發揮產學研的優勢？

王資凱：當前新能源汽車爆發式增長，電池安全以及電池狀態的監控，是生產方和使用方都非常重視的一個環節。我們捕捉到當前這樣的市場需求，與上海交通大學相關方向的學院和資深教授一起啟動了BMS的相關研發項目。該項目主要聚焦于電池的本質，包括電化學機理和材料的一些特征，經過數學、材料、電化學以及車輛工程等方面的多學科交叉研發，在研發過程中也借助了AI技術完成電化學建模、參數初始化、模式識別等工作，突破了BMS算法層面上的一些瓶頸，完成了電池壽命、安全狀態等參數精準估計的飛躍式進展，實現對電池熱失控狀態的提前預警，另外我們可以在低溫、低電量以及一些特殊的場景下保證BMS系統的正常運作。

在技術突破的基礎上，研究院與相關團隊對推進產品落地和產業布局工作進行了研究與設計，承擔了打通科研成果轉化最后一公里的角色，使項目具備了真正產業化的條件。BMS項目目前已經與上汽、華為等行業內的一些重點企業進行合作，將形成一定的產業布局。

澎湃新聞：根據您在科研成果轉化一線的多年工作經驗，請您談談在人工智能公司產品孵化和業務成長過程中，都有哪些重要環節和角色？

王資凱：無論是人工智能技術的落地或者是其它領域的技術轉化，我認為這里面都需要幾類人：

第一類人就是我們最需要的技術專家，也就是熟悉產業前沿、并非常清楚行業痛點的一群人。

第二類人是產業界內的資深人士，他們既需要商業上足夠敏感，也需要有豐厚的業界資源，能帶著團隊找到商業上可行的切入點。

第三類人是運營、產品等相關專業人士，他們能夠承擔整個企業的運營、產品設計、供應鏈管理和營銷推廣等工作，這類人員對企業的穩定運營、產品的定型和快速成長有很大的作用。

第四類人是對人工智能技術、具體行業均有見地的規劃人士，他們能參與政府機關的設計布局工作、相關行業標準制定工作、行業報告編寫工作，在行業生態建設里扮演重要角色。

第五類人是生態中的支持方，包括政策制定者、投資人、人工智能社會治理的專家等，他們對健康的技術生態建設具有非常重要的作用。

關于人工智能技術落地的關鍵環節，我認為主要有四個：

一是技術的突破：一家成功的人工智能公司必須有一定的技術積累和壁壘。

二是場景的探索：找到一個商業上可行、可拓展性良好，并且技術上可實現的場景是非常困難的，很多優秀的技術公司都在這個環節投入了大量的精力。

三是團隊的建設和成長：起步階段頂尖的技術和商業團隊的搭建需要大量工作，快速成長的過程中人員不斷擴充也會帶來各種問題，如何增效降本、保持創新風氣很關鍵。

四是標準制定：對具體行業具體場景下的人工智能技術應用進行規范化、標準化，保證整個行業的生態健康發展。

與上面四點對應的是市場和資本的認可。這種認可可能體現在漂亮的業績上，也可能同時體現在穩健的融資上。

澎湃新聞：上海對人工智能的發展特別強調場景，上海市經信委也發布了一系列的場景，對人工智能產業的發展起到了很好引領作用。你們特別強調場景中的標準制定，能否舉例說明？

王資凱：首先需要注意的是標準制定與場景非常相關，比如說我們上海人工智能研究院最近協同上海軟件中心推出了機器視覺測評評價標準，與信通院共同推進的智能運維標準，以及與全國信標委推進的機器學習標準。聚焦場景對我們探討技術流程，規范技術本身很重要。另外，對監管方、治理方、終端用戶等利益相關方也很重要。比如如何定義是否違背倫理，性能上孰優孰劣等等。因此需要所有相關方都參與到人工智能技術相關標準的制定議程中。

澎湃新聞：由于應用前景非常廣，人工智能等新基建底座性技術正在被加速，在人工智能發展加速推進的同時，怎么思考如何走得更遠的問題？

王資凱：走得遠靠技術和人才，同時也要有耐心和容忍度。人工智能潮起潮落，有高潮必定有低谷，在技術賦能百業的同時，不要寄希望于技術一夜之間解決所有問題。政策制定者、投資人、技術工作者、終端用戶以及媒體應該合力營造一個健康的技術成長環境。澎湃新聞和上海人工智能研究院聯合推出的《算法周刊》也承擔著這樣的使命，希望它能建成一個人工智能相關人才與技術的小生態，帶給大家最新的技術和行業資訊。在此預祝這個小生態健康成長。