城市发展这件事,无锡从来没有停下脚步,而是一直忙着“圈数字化、圈AI”。进而,就像40年前一样,也像15年前一样,这座城市又一次擦亮了产业链,也“空中加油”式地又一次完成了新旧动能转换。
无锡“蝶变”
且不说,无锡是中国近代工商业的摇篮。就在上世纪80年代,开创了“苏南模式”的无锡,也是江苏发展势头最好的地级市。
自2007年起,无锡开始大刀阔斧地进行产业升级,这又让无锡成为中国经济转型的样板城市。其中,最为著名的即是,当其他城市忙于追风移动互联网时,无锡却选择了物联网。
2009年,无锡获批成立了全国唯一的国家传感网创新示范区。截止2022年,无锡市物联网产业营业收入达4011亿元,同比增长16.2%。也就是说,物联网已然成为无锡经济的“新基因”和“加速器”。
而更进一步,无锡的集成电路、高端软件、生物医药、高端装备、高端纺织服装、新能源、新材料、节能环保、汽车及零部件等产业也陆续成熟。目前,无锡建立形成10个超千亿元的产业集群。
正是基于此“蝶变”。2017年,无锡首次迈入“万亿GDP俱乐部”;2022年,无锡人均GDP达到19.84万元,连续三年位居全国大中城市第一。其正在以全国万分之5的土地,养活了千分之5的人口,创造了百分之1.2的GDP。
“锡”望有为
又一次“蝶变”也是在此时无缝衔接。
无锡对城市发展这件事,对产业后劲这件事,一直忙着“圈数字化、圈AI”,尤其在2017年,无锡首次迈入“万亿GDP俱乐部”之后。
看看此时的无锡在做什么。
2018年,华为车联网联合创新实验室成立;2019年,华为无锡软件开发云创新中心正式落地,华为无锡工业互联网创新中心同时上线;2020年,华为无锡数字影视创新中心开始运营。
无锡与华为公司的这一系列的合作,就如“空中加油”一般,增加了无锡的产业续航能力。一方面,基于华为基于产业发展平台,为企业进行“贴身服务”。以华为无锡工业互联网创新中心为例,截止目前,创新中心共走访调研无锡工业企业1000余家,软件企业450余家,协助推动工业企业数字化转型130余家,助力软件企业提质创新98家。
另一方面,基于华为的数字化转型经验,华为与华兰药用等企业启动合作数字化转型项目,建设了“灯塔工厂”。通过该项目,华兰药用加快了生产设备自动化、排产调度智能化、物流运输数字化,大幅度提升了生产效率和智能制造水平。
城市的竞争力就是产业活力
不仅如此。
喜欢“圈数字化、圈AI”的无锡,现在又开始了新一轮的城市数字基础设施建设。而且这一轮“新基建”可分为两个层面:
首先,2021年6月,《无锡市新型智慧城市顶层设计方案》正式发布,在此前智慧城市建设的基础上,无锡以“基础设施一体支撑、政务服务一网通办、城市治理一网统管、民生服务一码通城、产业发展一数融产”为方向,建设新型智慧城市。
当然,新一轮城市数字基础设施建设的内涵,也已经不仅限于“善政、兴业、惠民”。面向未来,城市的产业竞争,已由企业和项目间的较量,延伸为产业链、生态圈之间的角逐。正是敏锐捕捉到这一动向,无锡着眼于构建人工智能产业生态圈,聚齐驱动人工智能产业发展的“三驾马车”——数据、算力、算法,打造具有突出竞争力的产业集群。
在梁溪,人工智能产业也正加速形成产业生态圈。梁溪科技城与华为合作打造的无锡人工智能协同创新基地位于梁溪科技城核心区,一期建设规模100P算力,二期计划扩容至400P,建成国家级人工智能公共基础服务平台,围绕人工智能协同创新基地建设“两个中心”(无锡人工智能计算中心和无锡昇腾人工智能生态创新中心),打造四大生态平台(公共算力服务平台、应用创新孵化平台、产业聚合发展平台、科研创新和人才培养平台),从招引头部企业到赋能本地企业“智改数转”,加速人工智能产业项目在梁溪落地。
当前,在人工智能的助力下,无锡的制造企业已率先享受到AI释放的生产力。以某集成电路企业为例,经测算,在上线了AI缺陷检测方案后,系统可取代70%的人工,质检精度提升50倍,精度达到99.5%,预期每年可为企业节省约人民币数百万元。
当然,更值得期待的是,项目以人工智能核心生态圈为磁场,集聚极视角、软通智慧等人工智能领军企业,赋能全球第三大仓储机器人企业和九识为代表的机器人和无人驾驶领域链主企业,精准导入人工智能产业链中成长性好、附加值大的项目。
而这也就是无锡新一轮城市数字基础设施建设的方向,从智慧城市应用到算力平台建设;从招引头部企业到赋能本地企业“智改数转”,再到强链补链延链。无锡正在推动一批人工智能产业项目加速落地,无锡也正在以数字化、智能化,又一次擦亮产业链的底色,又一次完成了新旧动能的转换。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
Salesforce AI研究团队构建了首个大规模多模态文档RAG评测基准UniDoc-Bench,包含7万页真实PDF文档和1600个问答对,覆盖8个领域。研究发现文本图像融合检索策略显著优于单一模态和联合多模态方法,为未来AI文档理解系统提供了"分工合作"的设计思路。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
腾讯研究团队发现AI训练中"推理火花"现象,揭示低概率词汇如"等等"、"不过"等在维持AI探索能力中的关键作用。团队开发的低概率正则化方法通过精准保护有价值的低概率词汇,在数学推理任务中实现60.17%准确率,比传统方法提升2.66%,为AI创造性思维研究开辟新路径。