“没有数据就没有智能,没有大数据应用就没有产业智能。互联网并非目的而是工具,真正的落脚点是智能。”杨元庆在工业大数据应用联盟成立大会上畅谈了当下工业互联网产业的融合发展。

对于久未在媒体露面的杨元庆,此次对人工智能、大数据及智能制造等目前较火的话题一一表达了自己的观点。
联想作为行业知名企业,近些年企业级业务甚是广泛,智慧城市、人工智能、行业大数据应用等每个业务线都做的有声有色。近期,在工业大数据领域再迈一步,与中国电子技术标准化研究院携手众多行业骨干企业成立“工业大数据产业应用联盟”,为工业大数据技术在各个行业的深度融合与落地提供涵盖技术、平台、标准等多方面服务在内的能力支撑体系。

自2015年《中国制造2025》——中国实施制造强国战略的第一个十年行动纲领的提出,到《“互联网+先进制造业”发展工业互联网指导意见》等一系列指导意见的出台,制造强国战略体系已经初步形成。此次工业大数据产业应用联盟的成立,正是基于目前这个产业升级与转型的关键时期,将为制造强国战略的落地实施注意新动能。
正如杨元庆所说,工业不仅局限于传统意义上的工业,而是指行行业业。信息化时代下,各行各业都有转型升级的需求。而工业互联网的的本质实际上是实现行业智能或产业智能。
而对于新成立的联盟,他表示,联盟的建成将推动生产制造领域全要素、全产业链、全价值链的合作,推动先进实践的普及,真正帮助传统制造业转型升级。
对于如今最受欢迎的人工智能,杨元庆也坦言今天所说的智能并不仅仅是智能音响、智能家庭、无人驾驶这些生活中的智能,更是行行业业的智能。同为制造型企业的联想,在全球10个数据中心,每天新增的数据量超30TB,处理数据超过150亿条,这些海量数据支撑了联想价值链的每个环节。
事实上,制造企业在供应链环节最难做的是需求预测,过去企业更多的是靠人工判断,而如今企业充分运用大数据分析对销售数据、反馈数据、店面出货数据、上游厂商供应变化数据等做出,可以更好的实现供需平衡、提升效率。
现场,新当选的联盟理事长,联想集团高级副总裁、数据中心集团中国区总裁童夫尧重点介绍了联盟未来的工作,他提到主要从产业顶层设计、产业合作交流、政策解读、数据支撑服务等六大方面开展合作,并表示“此次联盟的成立,不仅是对国家战略与号召的积极响应,同时也是推动工业大数据先进实践的探索与深化,围绕工业企业智能制造,全面促进企业交流与行业合作的新起点。”

除杨元庆、童夫尧外,联盟主管单位领导工业和信息化部信息化和软件服务业司司长谢少锋也强调了工业大数据对建设制造强国的重要意义。同时还有三一重工与树根互联、腾讯云等嘉宾阐述联盟成立的意义。据悉,联盟成员涵盖海尔、TCL、猎豹汽车等各行业领导企业。

可以看出,智能化已然成为联想整体的战略方面,未来将贯穿现有及未来的所有业务。对此,在此次大会上,联想也正式宣布了联想数据智能战略的三大核心:
一、整合物联网、边缘计算、云、大数据、人工智能的领先技术,打造端到端的数据智能产品与服务体系,为企业数字化转型赋能。
二、基于联想科技与制造双龙头的行业优势,以工业智能为核心突破,输出联想实践经验,构建工业互联网平台,服务于全行业。
三、通过投资、产学研合作、推动联盟发展,构筑开放生态,形成数据智能产业的立体布局,推动数据智能,促进行业效益N倍速发展。
据介绍,未来,联想也将全身心投入智能化领域。在杨元庆看来,智能化不仅仅变革价值链中的所有环节,企业的业务模式、业务流程等环节将是联想智能战略的核心。联想希望能够根据各自企业的实践经验,携手生态伙伴打造一个全方位的产业智能生态平台。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。