中国AI长卷(4)：行业荒野

今天，当我们随意出国散步时，我们会惊讶于AI技术在中国有多受欢迎。AI安全系统在公共场所随处可见，高铁和机场可以进行面部识别和检票。酒店里到处都是智能机器人，可以进行语音对话。

但是在国外，即使在欧美最发达的地区，这些东西也是看不见的。对他们来说，AI只代表手机里的一个软件，一个电脑可以登录的网站，但是在现实世界里，AI是没有痕迹的。

在讨论AI的时候，我们总会面临这样一个问题:中国似乎一直在追求先进的AI技术，从来没有主导过核心技术的突破。长此以往，中国的AI只能成为仿制品吗？

这种观点的问题是，它只考虑技术发展方面的情况，但技术最终应该被使用。在海外市场，AI和移动互联网一样，始终保持着以客户为导向的实用状态。然而，在中国，AI落地计划一直与客户、用户和工业客户保持两翼。后者的直接表现是我们看到的AI风景无处不在。

为什么中国的AI不一样？

所有的答案都在行业荒野中。

中国的AI： 行业智能化的差异之路

2017年，当时国内各大云计算厂商突然开始宣传AI的新概念。在此之前，云计算的卖点主要是低价、稳定和去IOE。从这个时候开始，帮助企业实现智能化已经成为新的业务重点。

接下来，AI智能红绿灯的城市智能体项目出现在社会公共服务中；AI质量检验、AI检验等应用出现在公司。与之前专注于安全领域的AI项目相比，从这里开始，智能化已经走向了各行各业，随着AI开发平台的成熟，个人和小团队的AI开发者也随之涌现。很快，智能化很快在中国经济的产业体系中蔓延，从中央国企和智慧城市领先的解决方案式智能项目，到个人可以完成的行业AI模型开发。

在中国，AI从这个岔口走出了一条“行业” AI“差异化之路，直到今天。

回放中国产业智能化进程，可分为三个阶段：

从2015年到2017年，第一阶段开始。这个阶段的特点是算法驱动，AI的主要功能是安全。

从2017年到2022年，第二阶段是数据。 模型驱动。AI的主要功能是解决AI质量检验、OCR识别、AGV设施等各行各业可重用的生产需求问题。大规模的智能应用仍然停留在生产系统的表面。

从2023年开始，第三阶段进入了大规模AI算率阶段。 大模型预训练驱动。行业开始追求让AI进入行业生产系统的核心，从根本上实现生产力变革。

客观来说，我们正处于从第二阶段向第三阶段转型的门店。由于行业吸收AI技术的谨慎性和复杂性，第二阶段的科技成果仍有很大的发展空间。与此同时，大模型和AIGC已经提上了行业的时间表。行业智能化处于领先地位，营养吸收不充分，新营养跟上的关键周期。

为何要说上面这条“行业”？ AI只有中国才能走上这条路？

在此，首先要看一系列独特的利好因素，让中国发展产业智能化。

从技术和基础设施的角度来看，中国的数字基础设施长期实施先进投资战略。5G、以千兆光为代表的基础设施在世界上处于领先地位，这些基础设施是云获得AI计算率的前提。数字基础设施是AI可以进入行业的社会保障。

另外，中国发展产业智能化的几年，正好与大规模技术自主创新相结合。自主技术需要寻找价值落点，行业智能化提供了自然发展趋势。因此，AI在中国与计算率、存储、操作系统等自主创新关键项目共同努力，使智能化和自主化相互促进。

而且从宏观的社会经济层面来看。第一，中国的产业体系十分齐全，AI可以根据产业链在产业空间中向上下游传递，有足够的落地空间，不会出现技术投入过大、实用场景过少的问题。足够多的行业和完善的产业体系意味着AI在中国有足够的B端客户。

第二，中国的社会经济形态，决定了中央企业、国有企业、国有银行等社会机构能够成为智能化的主力军和先锋。在政策的驱动下，我们率先接受AI技术，并在相关行业中发挥示范作用。重点产业与科技政策的密切配合，大大提高了中国产业体系吸收新技术的效率。

此外，整个中国社会刚刚从因特网、移动因特网的兴起中获得了充分的发展红利。全社会对技术创新有充分而坚定的信心。民心民意的支持，是工业智能化最抽象但最有力的支持。

有了这些优势，我们就可以反思欧美、日韩等同样具有AI技术能力优势的地区。在基础设施方面，这些发达国家更新缓慢，建设成本过高，难以发展出与智能相适应的数字基础设施。就行业而言，经常会遇到工会控制行业的情况，对于AI，、智能等关键字特别敏感，无法触碰。就像我们参观过的一些欧洲港口项目一样，工会对任何方式的数字化、智能化升级都非常抵触，导致世界知名国际港口无法添加任何AI设备。在社会层面，发达国家一方面非常关注个人信息等问题，对新技术采取“宁杀错，不放过”的原则；另一方面，人们从以前的技术创新中没有受益。举例来说，在欧美国家也能看到大量的3G手机，人们普遍认为这个行业已经很成熟，缺乏创新的社会情绪。

就这样，AI在行业内的广阔空间多年来一直是中国独有的。虽然中东、东南亚等地正在成为后起之秀，但如果我们真正深入到一些行业，就会发现中国的产业智能化已经在很多维度上积累了非常关键的领先地位。

煤矿繁花

下一步，我们可以去一些行业，看看中国产业智能化的发展到底意味着什么。

AI能去哪里工作可能有成千上万个答案，但AI应该有统一的标准去哪里工作。也就是说，我们应该去人类最困难、最危险的地方工作，煤矿无疑是这样的。

在中国兴起后，行业智能化首先集中在矿山场景上。一方面，提高矿山生产效率，实现产业升级转型，具有巨大的经济效益，同时改善矿工工作环境和安全生产环境的社会意义更加明显。记得很多年前，在山西参观一个煤矿的时候，工程师告诉我们，所有的煤矿都是为了安全而进行数字化和智能化改造的，“最大的安全就是矿工不下矿”。

近年来，矿山智能化呈现出遍地开花的趋势。其中，山东能源是我们最近频繁参观的项目，因为山能正在不断探索更多的矿山AI场景，这也带来了行业智能化的持续案例。

例如，受地压冲击的影响，中国煤炭企业位居世界前列。因此，为了降低地压风险，有必要对开采工作进行打孔。山能采用视觉大模型实时监控打孔施工情况的方法，完成了深度自动验证和及时提醒的打孔深度不足，从而减少了80%的人工验证工作量，为开采这一风险最大的工作环节提供了AI安全保障。

毛煤运到井上后，需要清洗加工，以区分煤炭的质量。山东能源济二煤矿选煤厂首次实现了大型智能预测重介筛分密度的应用，从而提高了选矿效率和精煤生产率。

在焦化阶段，山能采用AI配煤系统，总结炼铁数据，然后通过AI平台对炼铁比例进行处理和计算建模，最终实现了每吨原料煤的成本降低几美元，累计成本降低效果非常大。

在模型开始渗透到矿山场景之前，煤矿的智能化已经轰轰烈烈地进行了多年，如地下监控、远程开采、无人驾驶运输等。从煤矿的智能变化中可以发现，这类行业的生产流程复杂，工作场景多，每一个环节都与生产安全和员工健康有关。这意味着任何阶段的智能变革都具有巨大的生产效率和安全保障价值。

这种行业特征使得煤矿智能化呈现出不断积累场景的特点。仅山东能源就积累了40多个AI应用领域。这些AI场景的鲜花证明，即使在单一行业，工业智能化的广度也是非常充足的。具体场景主导的行业 AI结合，是中国产业智能化不断推进的重要途径。

港口长诗

在中国，哪家公司的智能化最具代表性？这一问题当然是仁者见仁，而我的回答是天津港。

天津港的C段港口是世界上第一个完全实现智能化和零炭化的港口。它可以被称为中国工业智能化的代表，有几个原因。

第一种是直接的感官冲击。与大量内部智能项目相比，天津港C段港口在外观上表现出了足够的未来感。码头上空没有人，极其安静。与此同时，无人塔吊和自动驾驶运输车辆高速运行，容器移动迅速。我相信这一幕可以直接让大家明白什么是智能。

其次，它的系统足够庞大，涉及的技术类别和系统合作也足够复杂。很多我们看到的智能场景，其实都只是单一能力、单一技术的变化，远远不能完成多技术、多系统的协作。

但是在天津港的无人码头上，水平运输队完全实现了无人驾驶。它的解决方案融合了5G L4级自动驾驶技术、北斗、高精度地图等技术可实现0事故运输。同时，港口通过风能、光伏等新能源的应用，完成了0碳排放的环保工作。

塔式起重机和龙门起重机采用F5G网络运输。 远程操作，在办公室里完成了工人对吊车的远程控制，在提升工作环境的同时，大大提高了生产效率。就船舶入港而言，港口还采用了天筹AI求解器。，实现AI排列船舶进出港口的顺序和时间。这样设备利用率可以提高15%，船舶在香港的时间可以缩短10%。这种技术成熟和制度完善不是一蹴而就的，所以天津港也有更多智能案例的参考价值。

此外，这个无人码头带来的社会经济效益也足够明显。最近大家都在讨论运往中国的几十万吨樱桃，“樱桃”的自由终于实现了，但是大家可能会忽略樱桃的运输其实是非常困难的。无人码头的出现可以让樱桃在到达港口后5小时内运往北京、天津等华北主要城市。智能化带来的价值可以被大多数人体验和认可。

天津港C段港口智能化程度如此之高，其实是垂直叠加形成的，从单一场景的驱动开始。起初，天津港想实现岸桥的远程控制功能，但在迈出第一步的同时，天津港也设定了最终实现全港智能化的最终目标。

从简单可实现的初衷出发，向终极价值出发，可以控制期间每一步的节奏和成本。这就是所谓的智能战略。如果说煤矿AI场景的叠加展现了中国工业智能化的广度，那么天津港恰好展现了它可能的深度。

港口长诗，是时间和战略叠加的智能台阶。

工厂破茧

在智能领域有一种说法，金融是AI的第一个落地点，而制造业是AI的最后一颗明珠。

AI与制造业的结合在行业智能化进程开启后，长期停留在质量检验、安全等延伸系统中，难以真正走向工业系统的核心。

当然，制造业智能化难做的原因有很多。这里只讨论一个，就是制造业本身数字化发展能力高，生产效率限制严格。智能化需要一系列的前提条件才能融入其中。但是我们可以看到，这个AI最难进入的行业现在有了很大的突破。

比如去年10月，长安车辆重庆两江数字智能工厂揭幕授牌。该工厂是长安汽车投资最大、智能化程度最高、工艺设备最先进的新能源汽车制造基地。它不仅是世界上最大的5G汽车工厂，而且使用了44项先进的制造技术，未来将进化成100%智能控制的关键部件“黑灯厂”。

该厂拥有800多台智能设备，1400多台机器人，650多台智能AGV，200多个全自动工作站，100%自动化的关键工序，每60秒就可以下线一辆汽车，并且极大地满足了C2M柔性制造的需要。

就智能而言，两江工厂引进了一系列AI技术。例如，工业AI智能平台允许工厂在虚拟环境中模拟物流和计划过程，然后在实际执行之前发现问题并制定策略。通过AI技术，物流模拟可以优化运输路线，找到成本最低、效率最高的物流路线。

实现这些AI能力的前提是工厂对工业设备进行了完整的数据采集，并建立了一系列敏捷的开发系统。简单来说，就是让AI技术真正融入工厂的数据系统、IT系统和OT系统，而不是让AI悬浮在工业系统的延伸上。

它还提醒我们，工厂的智能化破茧通常需要从数据收集、数字架构建设、存算网络基础建设等方面入手。以AI为基本条件，规划整个工业体系。这一多元化的协同，将工业系统与数字系统、智能化相结合，也成为中国工业智能化的独特探索。

门头沟经验

AI融入行业不仅可以改变某个行业，还可以提高地方经济和地区发展的整体性。在目前的政策背景下，中国越来越多的地方抓住了AI的机会来赋能行业。其操作方式一般是一手抓AI，汇聚新兴AI产业；一手利用AI赋能当地支柱产业，推动原有产业升级转型。

为了同时实现这一目标，我们不仅要给予有感染力的政策支持，还要为吸引人工智能公司和人工智能人才，让其他行业了解人工智能技术打下良好的基础。这个基础一般分为两种:一种是硬件基础，实现本地AI算率建设；另一个是软件基础，需要积极引入完善的AI开发平台和AI算法模型，吸引更多的生态链企业和类似的公司参与其中。

在工业智能化的浪潮下，实现区域发展的例子很多。其中，北京门头沟区非常有代表性。说到门头沟，人们可能会想到更多的农业和旅游业。然而，2023年，门头沟开始建设“京西智谷”人工智能计算中心，希望把AI变成门头沟的新名片。

在实施过程中，门头沟选择了与华为合作的AI硬件，即构建万卡规模的人工智能计算中心。在基础软件方面，门头沟与百度合作，引入了飞桨等AI开发平台。算法方面，与智谱等AI公司合作，引入先进的AI模型。

经过一年多的发展，门头沟的AI产业已经初具规模，吸引了220多家AI企业落户，打造了智算中心和大模型算法平台两大AI基础服务平台，开发了多个领域的垂直大模型。建立AI能力，也有助于门头沟完成对其它行业的支持。例如，通过AI技术的发展，门头沟完成了对视听产业的支持，推动了“大算率” 大模型 大型视频“发展趋势”。

选择AI领域的大雁公司合作，建设AI基础设施，给出真诚的AI政策。这种被验证为区域AI有效的发展方式正在“人工智能” 在“快速复制推广的背景下。

这一模式的内在逻辑与发展前景，也是理解中国产业智能化的关键环节。

AI不是轨道，而是荒野

都说“生活不是轨迹，而是荒野”。生活很大，很难说是什么。然而，近十年来中国实践的AI技术与行业相结合，确实证明了一件事:AI可以是荒野。

我们可以观察到，即使ChatGPT发布后，欧美的AI产业仍然默认将这项技术停留在一条单向轨道上。这条轨道几乎是一条从互联网到计算机和手机的直线。

但是如果让AI走出手机，走向千行百业，就会突然发现AI仍然有近乎无限的可能。

我们走访了最大的行业智能项目，可能是银行以AI能力改造核心系统，关系到世界上数百个国家的无数分支机构。我们见过最小的智能项目，就是一个铁路机务员自己用AI开发工具写了一个车辆识别应用，从规划到落地只有一个人。

所以，在行业中，中国AI走向行业是极其困难的，方法也极其多样。而且我们需要明确一个差异化的概念:今天完善的行业智能化基本上是上一代AI技术渗透的结果，AI模型带来了新的AI生成热潮。根据IDC的调查，公司在生成人工智能方面的平均投资可以获得每投资1美元3.7美元的收益，有些公司的投资回报甚至高达10.3倍。

换言之，行业 大型模型只处于起步阶段。这个行业的荒野之旅，只是背着背包。

中国的工业智能之路很孤独，但也有无限的潜力。孤独在于我们没有参考系，没有发达国家可以模仿。我们仍然在模仿和跟随AIGC的技术和客户端应用，但工业端是一片空白。前面是无尽的荒野，后面是我们自己的脚印。

此外，工业智能化面临的难题数不胜数。中国AI的发展困扰着工作环境不适应、计算率稀缺、供需不匹配等问题。每个问题都没有通用公式，未来可能面临的社会就业压力更难处理。

幸运的是，这条路的成就不言而喻。煤矿的AI场景广度，码头的AI战略深度，工厂内多项技术协同的裂变效应。以门头沟为代表的许多地方向我们展示了AI基础设施、政策和AI产业以及传统支柱产业的聚集计划。

这一步，真实而清晰，形成了未来智能化的司南。

中国AI下注的未来，是中国经济发展必然会遇到的一系列问题，如智能化可以带来真正的生产力提升，同时有效应对城市化过度、人口老龄化、中产阶级陷阱等。也许只有选择前所未有的生产力创新方法，才能摆脱中国一个又一个陷入的周期性困境。

我们已经可以看到，AI和行业的结合可以给生产力的释放带来连锁反应。一个行业可能从资源密集型向技术密集型转变；一个衰落的城镇因数据标记、智能计算中心和无人驾驶测试区而重生；一个家庭在40岁的时候就有了严重职业病的命运，变成了在办公室喝茶的舒适体面。

这一变化，来自于AI对生产力的释放，来自于行业荒野的赠与。

为什么中国的AI不一样？新的生产力就是答案。

本文来自微信微信官方账号 “脑极体”（ID：作者：风辞远，36氪经授权发布，unity007)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com