AI+制造生态优化：说同一种话、算同一笔账是关键

先说几个核心判断。当我们在讨论“AI+制造”时，拼的不是谁的模型参数更大，而是整个生态的协同效率。换句话说，这个生态能不能让各方“说同一种话、算同一笔账”，才是关键所在。

这是在近日举行的新华“太湖对话”高端访谈暨首期思享汇活动上，中国信息通信研究院人工智能研究所副总工程师王蕴韬抛出的一个观点。

“说同一种话”听起来很抽象，其实核心就是标准。没有标准，各方技术路线各自画地为牢，协同成本高得惊人。“算同一笔账”则指向计量工具的统一——王蕴韬特别提到了“Token经济”中的“词元”，这是一个正在快速崛起的计量单位，有望重塑人工智能赋能行业的结算格局。

那么，一个健康的“AI+制造”生态究竟要怎样搭建？王蕴韬把参与方分成了四类：政府、平台企业、制造业企业、科研机构。各自的角色其实很清晰。

政府要做的是两件事：定标准和降门槛。定标准方面，从国家到地方层面，围绕人工智能关键核心技术、尤其是赋能新型工业化，已经有了很多具体部署和量化目标。降门槛更直接——算力成本得有切实降低，大模型应用的门槛也不能高高在上。像“词元券”这类补贴手段，就是降低门槛的一种尝试。

平台企业呢？定位应该像提供电力和水力一样，把AI打造乘人人可用的基础设施。抓手就在于用通用化的“词元”去广泛赋能各行各业。这不再是一个概念，而是一个正在发生的商业事实。

制造业企业没必要焦虑。王蕴韬点得很透：制造业不需要什么都懂，它的角色是“出题人”和“阅卷人”。把自己丰富的业务场景和数据资源摆出来，让解决方案提供商来答题，制造业企业再评判哪家答得更好。场景和数据，这是制造业最硬的资本，也是它作为“出题人”和“阅卷人”的底气所在。

科研机构的作用则落在前沿技术研究、行业应用路径研判和标准制定上。王蕴韬呼吁，科研机构应该更主动地与政府、产业协同，推动统一的标准体系和结算机制落地。说到底，这才是整个生态能不能真正运转起来的关键。

结合无锡的实际，王蕴韬提了“两个沉淀”。一是“沉淀”门类优势——无锡有品类齐全的中小企业集群，这本身就是一笔巨大的资产。通过生态构建与标准引领，把这些分散的行业应用、知识积累和数据资源沉淀为可复用的核心资产，“AI+制造”的纵深发展才有根基。二是“沉淀”算力优势——无锡建算力调度平台这件事有战略意义，但还需要进一步探索更多的可能性。把算力资源和结算方式统筹起来，才能真正抢占产业制高点。

来源：互联网