信息來源：安全內參

2022年8月16日，在“2022可信AI峰會”上，中國信息通信研究院云計算與大數(shù)據(jù)研究所所長何寶宏正式發(fā)布并解讀了“2022 人工智能十大關鍵詞”。

關鍵詞一：大模型

大模型技術創(chuàng)新和工程落地齊頭并進，掀起行業(yè)大模型落地熱潮。大模型的更新迭代速度不斷加快，開始從“可用”的基礎大模型轉向為“好用”的行業(yè)大模型。在技術創(chuàng)新方面，大模型的網(wǎng)絡構建、模型訓練、算法調優(yōu)等技術趨于成熟，持續(xù)提升其通用性和泛化性，已初步具備通用智能雛形。例如，近期開源的NLLB可支持200種語言的相互翻譯。在工程落地方面，已初步形成大模型As a Service的應用模式，加速向互聯(lián)網(wǎng)、ICT、金融、政務等垂直行業(yè)滲透。為支撐應用方更便捷地開發(fā)和部署大模型，多家頭部企業(yè)發(fā)布了行業(yè)大模型及開發(fā)工具。

關鍵詞二：生成式AI

生成式AI開辟AI創(chuàng)作能力，加速AI與數(shù)據(jù)要素深度融合。近幾年生成式AI的技術能力越來越成熟，可生成逼真且富有創(chuàng)意的多模態(tài)數(shù)據(jù)，形成自動寫作、代碼生成、數(shù)字人等典型的應用形態(tài)，已連續(xù)兩年入選《人工智能技術成熟度曲線報告》。在技術方面，生成式AI借助生成對抗學習等技術，能夠生成更加真實、更有創(chuàng)意、更有趣味的內容。例如，2017至2022年，在圖片生成權威榜單上，真實度和趣味度綜合評分提升了近5倍。在應用方面，生成式AI既是生產(chǎn)要素，也是生產(chǎn)工具。除了圖像生成以外，在寫作和編程等方面也取得進展。

關鍵詞三：AI4S（AI for Science）

AI for Science在多個傳統(tǒng)科學領域取得重大突破。隨著人工智能技術的快速發(fā)展和大規(guī)模應用，AI在逐漸成為科學研究新的生產(chǎn)工具，AI4S將進一步釋放科學研究的生產(chǎn)力，促進人工智能的工程落地。一方面，AI與傳統(tǒng)科學領域的深度融合，極大拓展該領域解決問題的能力，目前AI在生物、數(shù)學、材料、物理、基因、化學等基礎科學領域都取得了諸多成果和突破，并對科學研究范式產(chǎn)生了深刻的影響，例如，目前人工智能已經(jīng)能夠預測幾乎所有的生物蛋白質的可能結構，被譽為人類在21世紀取得的最重要的科學突破之一，可能開啟“數(shù)字生物學”的新時代。另一方面，傳統(tǒng)科學領域的進步和對AI技術的需求加速了AI本身的發(fā)展。當前產(chǎn)學研共同發(fā)力人工智能與科學的融合，產(chǎn)業(yè)界聚焦工具創(chuàng)新，開源工具和基于開源工具產(chǎn)生的創(chuàng)新成果呈爆發(fā)趨勢，AI4S的研究范圍也擴展到了更多基礎問題領域。高校和研究院聚焦算法和應用，用AI算法更好地將科學計算和物理模型相連接，進而指導科學與產(chǎn)業(yè)創(chuàng)新。

關鍵詞四：知識驅動AI

知識驅動助力人工智能認知能力的提升，滿足人工智能深入各個行業(yè)不同應用場景的需求。隨著深度學習與知識圖譜等多重技術的深度融合，綜合利用大量知識數(shù)據(jù)中的因果和邏輯關系，可以助力人工智能認知能力的提升，來解決人工智能深入各個行業(yè)時場景復雜、可解釋性較低等問題。在技術方面，知識和數(shù)據(jù)雙輪驅動的人工智能技術路線展現(xiàn)了強勁的發(fā)展?jié)摿?，知識的融合應用有效地提升了智能問答、智能推薦、大規(guī)模預訓練模型等人工智能技術中的效果。文心大模型、孟子大模型等均嘗試利用知識增強技術路線提升效果。在應用方面，知識與人工智能的融合拓展了人工智能的應用范圍，促進形成知識凝練、知識流轉、知識賦能閉環(huán)，推動數(shù)字化發(fā)展下行業(yè)與企業(yè)各類知識的沉淀、流轉，顯著提升實際場景的智能應用水平。

關鍵詞五：超級自動化

超級自動化已經(jīng)成為企業(yè)即開即用、敏捷配置的數(shù)字化轉型工具箱。經(jīng)過一年多的發(fā)展，超級自動化有了很多新的價值。在概念深化方面，中國信息通信研究院在今年發(fā)布的《超級自動化技術與應用研究報告（2022）》中首次對其主要概念進行了深入剖析和理解，認為“超級自動化是多種技術能力與軟件工具組合，覆蓋了自動化從需求發(fā)現(xiàn)到應用實踐的全流程”；在技術發(fā)展方面，機器人流程自動化、智能流程管理、低代碼應用平臺、流程挖掘等工具和平臺，銜接起了企業(yè)級各類復雜業(yè)務場景，其綜合應用、交互使能是超級自動化發(fā)揮效能的重要手段。人工智能、大數(shù)據(jù)、云計算等技術作為底座，為超級自動化發(fā)展注入了源源不斷的強大動力；在應用拓展方面，政府和企業(yè)使用超級自動化技術開始呈現(xiàn)出全面爆發(fā)的狀態(tài)。例如，日本全面引入RPA實現(xiàn)政務的數(shù)字化轉型，據(jù)統(tǒng)計各級政府的引入率已經(jīng)超過90%。同時，產(chǎn)業(yè)創(chuàng)新層面，領先的RPA企業(yè)都不再局限于RPA或流程挖掘等單點能力的輸出，而是圍繞信通院提出的超級自動化技術與工具體系，開始由點及面的建立起立體服務架構。

關鍵詞六：人工智能中臺

人工智能中臺重塑企業(yè)智能化轉型的能力底座。隨著企業(yè)從重視人工智能的“研發(fā)”，到“研發(fā)-運營”并重，AI開發(fā)平臺也逐漸向AI中臺演進。理念層面，AI中臺更加重視管理和運營，技術層面，AI中臺高度集約了AI能力，具有規(guī)?；藴驶?、可擴展等特點。其中，規(guī)模化是指整合了豐富的人工智能開發(fā)、部署、測試、運維等能力，標準化是指將異構的軟硬件環(huán)境封裝為標準化的界面，可擴展是指可以不斷適配新的技術和工具，保證AI技術的動態(tài)演進。通過與數(shù)據(jù)中臺、云平臺、業(yè)務中臺、運營平臺的打通，AI中臺正在加速融入企業(yè)的技術平臺體系中。當前階段，大型的行業(yè)企業(yè)正在積極構建AI中臺體系，通過高效的組織管理實踐，推動全場景全領域的AI賦能。

關鍵詞七：MLOps

MLOps落地開花，AI資產(chǎn)沉淀和治理成為實踐新風向。隨著業(yè)界對人工智能研發(fā)效率、團隊協(xié)作、安全保障等需求進一步提升，整個MLOps產(chǎn)業(yè)實踐呈現(xiàn)出“內涵很明確、落地很困難”的現(xiàn)狀。從技術內涵來看， MLOps的核心和要求已明確，即圍繞“一個基礎、兩個關鍵、三個提升”，逐步建設從需求、開發(fā)、交付到模型運營的全生命周期運營管理機制。一個基礎是指持續(xù)交付，通過搭建工廠流水線式的模型生產(chǎn)方式，提高規(guī)?；a(chǎn)效率。許多頭部企業(yè)都已開始實踐模式的持續(xù)交付，部分企業(yè)模型研發(fā)效率提升超過40%。兩個關鍵是指持續(xù)訓練和持續(xù)監(jiān)控，通過持續(xù)訓練和持續(xù)監(jiān)控搭建高效閉環(huán)的運營管理體系，提高機器學習可觀察性，保證模型質量，增加賦能效果。三個提升是指數(shù)據(jù)管理、特征管理、模型管理能力的提升。對數(shù)據(jù)、特征和模型等AI資產(chǎn)加以沉淀、安全管控和風險治理，提升企業(yè)級AI治理能力，已成為MLOps新風向。從落地現(xiàn)狀來看，持續(xù)交付、持續(xù)訓練、持續(xù)監(jiān)控和模型治理難度依次提升，產(chǎn)業(yè)界當前尚處在提升持續(xù)交付和持續(xù)監(jiān)控能力過程中，模型治理等僅有少量探索，未來仍然是AI工程化的重點方向。此外，MLOps的工具市場持續(xù)火熱，端到端的MLOps一體化工具和細分場景的專項工具都非常火熱，端到端工具追求大而全的功能集，專項工具在局部或某些場景下功能和性能較好，例如流水線編排、模型監(jiān)控、特征存儲、可觀測等工具，未來MLOps相關工具可能會成為AI軟件市場的重要賽道。

關鍵詞八：人工智能新基建

AI軟件設施加速新基建的賦能效應。自2018年新基建的概念提出以來，政產(chǎn)學研用多方主體發(fā)力建設人工智能基礎設施，AI新基建的內涵也在這個過程中逐步明晰。AI新基建主要包括數(shù)據(jù)基礎設施、算力基礎設施和AI軟件設施。數(shù)據(jù)和算力基礎設施非常重要，但是如果沒有軟件設施作為連接樞紐，則難以充分發(fā)揮人工智能的賦能效應，支撐起豐富的AI應用和服務。因此，AI軟件設施在近兩年成為產(chǎn)業(yè)焦點，AI開源框架生態(tài)、預訓練大模型體系、AI軟件平臺生態(tài)等內容都得到了長足的發(fā)展。AI新基建的愿景是讓AI像水、電一樣成為觸手可得的普惠資源：政策層面，國家以及各行業(yè)的“十四五”規(guī)劃相繼對人工智能新基建提出指導意見，不斷推動新基建的落地應用；產(chǎn)業(yè)層面，頭部科技企業(yè)聯(lián)合地方政府，積極建設運營區(qū)域性基礎設施，不斷加速AI生態(tài)的培育。

關鍵詞九：企業(yè)智能

企業(yè)智能化建設手段與方法實現(xiàn)全新變革，逐漸向全場景、全流程、全層級深度融合應用轉變。隨著智能化技術的不斷發(fā)展和應用深入，企業(yè)智能建設從部分場景、外部維護、單點優(yōu)化逐漸向系統(tǒng)化、全面化轉變，通過智能基礎設施和智能應用雙驅重塑企業(yè)智能化發(fā)展勢能。一方面，企業(yè)建設完善人工智能中臺、知識中臺、大模型等智能基礎設施，筑牢了企業(yè)智能的底座、打造了企業(yè)的知識大腦、拓寬了企業(yè)的全新賽道，整體上夯實了企業(yè)智能化發(fā)展的根基。例如國有六大銀行、電力、石油等大型央企都已經(jīng)建設了各類智能基礎設施，并依托該設施為企業(yè)的智能轉型提供支持。另一方面，智能文檔處理、智能會議、知識管理、智能客服等各類企業(yè)智能應用不斷發(fā)展，全面賦能企業(yè)辦公、管理、決策、風控、營銷、服務等各個環(huán)節(jié)，促進業(yè)務的數(shù)據(jù)化與知識化、工作流程的信息化與智能化。智能基礎設施和智能應用相輔相成，智能基礎設施促進智能應用的敏捷高效，智能應用助推智能基礎設施底座的升級優(yōu)化，共同推動企業(yè)智能化的加速發(fā)展。

關鍵詞十：可信落地

可信AI由理論研究邁向工程化落地。隨著人工智能技術的快速發(fā)展，社會各界對可信AI研究已經(jīng)從理論探索逐步走向工程化落地實踐。政府與研究機構相關政策和規(guī)范從宏觀指導，開始向可操作、可落地的規(guī)范演進。在法律監(jiān)管層面，各政府部門的法規(guī)政策愈發(fā)重視實施和操作。例如新加坡于5月出臺世界首個AI治理測試框架及工具包；英國6月宣布首個人工智能倫理和監(jiān)管的重大研究計劃。 在行業(yè)可信實踐層面，各國研究機構紛紛開展可信AI技術研究及標準制定工作，為業(yè)界提供評估準則并聚焦準入落地。如英國BSI與艾倫圖靈實驗室合作開發(fā)技術標準改善人工智能治理，美國NIST發(fā)布《人工智能偏差識別和管理標準》和《AI風險管理框架(草案)》，為企業(yè)和機構的AI風險管理提供了大量可參考的要求和指導。在企業(yè)可信實踐層面，產(chǎn)業(yè)界從企業(yè)戰(zhàn)略管理和技術工具研發(fā)創(chuàng)新雙線并進，加速了可信AI在企業(yè)的落地實踐。如頭部科技企業(yè)先后發(fā)布了AI治理戰(zhàn)略和治理體系，成立了相關委員會和工作組，聚焦企業(yè)層面的AI治理和風險管理體系。同時可信AI技術和保障工具也在蓬勃發(fā)展，各大企業(yè)積極研發(fā)可信產(chǎn)品應用，也開源了一批聚焦隱私性、魯棒性、安全性、可解釋性、公平性等可信能力的測試工具。