最近，“人工智能”成了新闻的高频词。

　　不仅有7月初召开的2023世界人工智能大会、2023全球数字经济大会，还有各种各样的相关会议和主题论坛也频繁举行。比如，新京报贝壳财经夏季峰会——“人工智能潮涌 生成数智未来”主题论坛。

　　往前溯一个多月，北京、深圳、成都等国内多个城市陆续发布了人工智能(AI)相关新政。5月21日，北京市人民政府印发了《北京市加快建设具有全球影响力的人工智能创新策源地实施方案(2023-2025年)》；5月31日，深圳市委办公厅、深圳市人民政府办公厅联合下发了《深圳市加快推动人工智能高质量发展高水平应用行动方案(2023—2024年)》(下称“行动方案”)。

　　“人工智能是具有头雁效应的先进生产力。”南开大学原校长、中国新一代人工智能发展战略研究院执行院长龚克如是说。尤其是，随着阿尔法围棋(AlphaGo)核心深度学习技术与以ChatGPT为代表的大模型技术的发展与应用，AI带来了前所未有的创新和经济增长。

　　今年6月，麦肯锡发布的一份报告称，AI每年可为全球经济带来2.6万亿至4.4万亿美元的增长，相当于每年贡献一个英国的GDP。

　　就中国而言，国际数据公司(IDC)预测，随着新基建、数字经济等持续利好政策的推动，中国AI市场将保持平稳增长。预计中国AI市场规模在2023年将超过147亿美元，2026年将超过263亿美元。

　　那么，不同城市在发展AI产业、建设相关基础设施上有何政策支持、举措、行动计划？目前已经取得了哪些进展？新京报新京智库就此进行调查研究，并采访相关专家。

　　“不同城市路径存在不小差异”

　　IDC联合浪潮信息于去年底发布的《2022-2023中国人工智能计算力发展评估报告》显示，在2022年中国AI城市排行榜中，北京、杭州、深圳继续保持前三名，上海和广州分列第四、五名，天津进入前十名。

　　除前十名城市外，合肥、武汉、长沙等多个城市在自身产业优势及各种因素推动下，AI应用取得了较大进展，未来将会出现越来越多具有城市特点的AI示范区，为产业发展树立标杆。

　　对外经济贸易大学信息学院院长熊璋告诉新京智库，2017年7月，国务院印发的《新一代人工智能发展规划》明确了我国新一代人工智能发展的战略目标，AI产业成为新的重要经济增长点，AI技术应用成为改善民生的新途径。各城市都在关注AI产业，但是不同城市AI产业发展的目标和路径存在不小的差异，主要是受人才、资金、产业基础和产业链环境的影响。

　　新京智库梳理发现，自2019年2月，科技部宣布北京成为国家新一代人工智能创新发展试验区之后，又陆续宣布了16个城市进入该试验区名单，包括上海、合肥、杭州、深圳等，以及唯一一个县级城市浙江德清。

　　熊璋介绍，北京在人工智能行业发展上处于领跑地位，人才密集、成熟AI企业形成产业链条、聚集效应，投融资活跃度，产业回报明显。而杭州一直重视互联网、大数据的应用，利用互联网头部企业的龙头效应，形成了中小微企业蓬勃发展的AI产业发展生态，形成了从核心技术研发到产业智能化应用的完整产业链。

　　以北京为例，今年2月13日，北京市经济和信息化局发布的《2022年北京人工智能产业发展白皮书》显示，北京在核心企业数量、论文发表量、专利授权量、工信部揭榜挂帅优胜项目数量和算力发展等指标中位居全国第一。

　　此外，国家人工智能先导区建设成果显著。比如，数字人、智能机器人等技术在冬奥会成功落地；无人出行服务从示范运营迈入商业化试点新阶段；36家智能工厂和47家数字化车间名单出炉，AI与智能制造融合创新加速落地。

　　而为了让AI获得更大发展，北京在今年5月更是连续发布或审议了三份AI相关的政策文件。比如，前文提到的《创新策源地实施方案》。

　　熊璋认为，深圳有经济特区的优势，有活跃的国际交流、完整的产业链、成熟的营商环境优势。AI产业得到持续发展并且形成辐射粤港澳地区的态势。

　　不过，深圳市人工智能产业协会执行会长范丛明认为，相比北京和上海，深圳缺少大量来自知名高校以及科研院所的技术成果，与资本的距离也相对远些。因此，深圳在底层研发方面的土壤，相较之下不那么肥沃。

　　但需要强调的是，深圳的经济发展一直以来都是建立在技术应用之上，对于产业化落地探索以及市场的把握都有很高的敏感度和积累。因此，“将AI与应用场景紧密结合，是深圳的比较发展优势。”范丛明说。

　　深圳《行动方案》亦明确提出“举全市之力打造国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区”，比如提出了“开展通用型具身智能机器人的研发和应用”“开展人形机器人规模化应用”和“在医疗卫生机构探索开展临床辅助决策、医学影像辅助诊断、医用机器人等人工智能应用试点”等明确的应用场景规划。

　　角力大模型

　　AI的发展史，从参数规模上来看，就是一个不断扩大的历史进程，而如今已经进入到了千亿级参数规模的大模型时期，也即ChatGPT为代表的产品问世。

　　相比发达国家的大模型，“乐观看的话，我们还有2-3年的差距。”湖北大学计算机与信息工程学院教授黄辰对新京智库说。

　　但“这是一个新阶段的开始”，龚克认为。AI在近期的“突变”，代表了AI大模型能达到前所未有的性能指标。

　　“大模型的训练是扩大模型规模的主要方法。”戴琼海院士曾表示。当下，大模型的数据日趋庞大、模型日趋复杂、任务日趋多样、成本也随之日趋高昂。大模型预计五年左右将成为AI应用中的关键基础性平台，类似PC时代操作系统。

　　这激起了国内一些城市致力于开发大模型技术。

　　近日，北京市经济和信息化局党组书记、局长姜广智接受媒体专访时表示，大模型是AI进一步发展的重要方向。推进大模型技术的研发和应用，能够促进千行百业数智化转型，提高效率，优化体验，降低成本。

　　“北京市在大模型研发上已走在全国前列，在算力、数据、场景、投资、人才等方面优势显著。”姜广智说。当前，国内公开的80余个大模型北京约占一半，希望能够进一步聚拢全行业资源，促进AI创新与经济社会协同发展，更好地助力北京市全球数字经济标杆城市建设。

　　为抢抓通用AI产业发展新机遇，推动大模型技术创新应用，5月19日，北京市经信局联合北京市科委、中关村管委会、北京市发展改革委联合印发了《北京市通用人工智能产业创新伙伴计划》。“实施以来，我们先后发布了两批共计103个伙伴成员，初步搭建起了汇聚产业链上下游优质伙伴的对接平台。”姜广智说。

　　而在“2023全球数字经济大会——人工智能高峰论坛”上，北京经信局发布了总规模超过500T的大模型高质量数据集、21个大模型行业应用典型场景案例、32个大模型应用场景需求、70个人工智能行业赋能典型案例，并举办了“北京人工智能产业创新伙伴计划合作签约”仪式，合作内容涵盖模型企业赋能传统业务、模型伙伴与算力伙伴合作等领域。

　　上海也对大模型志在必得。7月8日，在2023世界人工智能大会闭幕式上，《上海市推动人工智能大模型创新发展的若干措施》公布，并发布了“模”都倡议，成立上海人工智能开源生态产业集群，志在打造AI“模都”。

　　上海市经信委副主任张英表示，上海即将出台的大模型创新发展政策要点，将围绕“创新能力、创新要素、创新应用、创新环境”四大方向，重点打造“3项计划+5大平台”。“我们将携手海内外各类英才，全力推进卓越引领‘模都’上海建设。”

　　被称为数据之城的杭州也不甘落后。今年以来，杭州把握大模型带来的机遇，通过设立浙江算力科技有限公司、创设算力券、推广模型服务新方式、提升数据供给质量等举措，全面推进“中国数谷”建设，并加速构建政府与市场协同的规则共治机制，形成多层次、多元化数据市场体系。

　　相对而言，杭州发展大模型也有数据方面的优势。杭州拥有较高的数据共享意识，重视公共数据开放。比如，2019年上线了杭州市数据开放平台。截至今年7月13日，该平台已累计开放数据达59.25亿条。数据分为登录开放、受限开放和完全开放三类，涉及的数据领域包括安全生产、财税金融和城建住房，以及“其他”等22类。

　　今年6月12日，杭州市经信局发布《公开征求<关于加快推进人工智能产业创新发展的实施意见(征求意见稿)>意见的公告》即提出，要“支持头部企业围绕多模态通用模型基础架构、训练数据集构建、多模态学习算法、高效并行训练、指令学习、对齐调优、具身智能等，开展算法创新和核心技术攻关，构建安全可控的技术体系，力争培育1个性能达到国际先进水平的通用大模型”。

　　谋划更大的产业未来

　　大模型应用的背后需要一系列软硬件和技术的支撑。

　　中国人工智能学会常务理事、清华大学自动化系教授陶建华曾表示，大模型对大规模算力的依赖是我国面临的“卡脖子”问题，我国应在AI芯片等方面，通过政府引导，扶持关键企业，勇于攻坚克难。此外，在光电计算与芯片等“新赛道”加强投入，颠覆现有技术路线和产业生态，出奇抢占先机，重塑产业格局。

　　不过，就算力而言，我国已经在全球处于领先地位。

　　国家互联网信息办公室今年5月发布的《数字中国发展报告(2022年)》显示，截至2022年底，我国数据中心机架总规模已超过650万标准机架，近五年年均增速超过30%，在用数据中心算力总规模超180EFLOPS，位居世界第二。

　　发展算力，自然是因为发展算力产业本身也是经济增长的强劲动力。

　　IDC与浪潮信息、清华全球产业院联合发布的《2021-2022全球计算力指《神圣计划终身》数评估报告》披露，算力指数每提高1点，国家的数字经济和GDP将分别增长3.5‰和1.8‰，而且这个趋势将一直保持至202

　　一个更直观的数据是，算力产业每投入1元，将带动经济产出3元-4元。工信部副部长张云明将“算力”定性为“是继热力、电力之后新的关键生产力”。

　　作为“数字湖北”及“数字广东”智慧城市重点工程高级专家、湖北大学计算机与信息工程学院的黄辰教授介绍，因为底层逻辑不一样，导致国家算力中心无法同时满足各个发布大模型应用公司的需求。这进一步导致出现了一个现象，即科研领域总觉得算力不够用，但在城市，产业对算力的需求并不旺盛，因为每家有大模型的公司也建设了自己的算力中心，而中小企业对算力需求不足。因此，“需要寻找商业算力来解决冷热不均匀的问题”。

　　这使得一些城市不得不支持发展本地算力。以北京为例，5月23日，北京市人民政府办公厅印发的《北京市促进通用人工智能创新发展的若干措施》明确，将新增算力建设项目纳入算力伙伴计划，加快推动海淀区、朝阳区建设北京人工智能公共算力中心、北京数字经济算力中心，形成规模化先进算力供给能力。

　　该《措施》还明确，针对弹性算力需求，通过建设多云算力调度平台，实现异构算力环境统一管理、统一运营，便利创新主体在不同云环境上无缝、经济、高效地运行各类人工智能计算任务。

　　上海则直接出台了算力的政策。4月18日，上海市经信委印发的《上海市推进算力资源统一调度指导意见》提出了“十四五”时期的算力建设目标。目的是要达到一个“逐步推进建设‘算网布局不断完善、算力资源供给充沛、算力结构持续优化、算效水平稳步提升、应用场景不断丰富’的发展格局”。

　　当然，这一切都是为了一个更大的发展目标，即让AI这个先进生产力在未来一段时期内充分发挥出其经济效应。

　　比如北京，《创新策源地实施方案(2023-2025年)》提出，2025年，AI核心产业规模达到3000亿元，持续保持10%以上增长，辐射产业规模超过1万亿元。

　　AI领军企业科研投入持续增加，初创企业数量不断增长，企业总数保持国内领先，新培育独角兽企业5家-10家。AI应用深度广度进一步提升，生成式产品成为国内市场主流应用和生态平台，推动产业高端化发展。

　　同时，在AI基础理论、算力布局和应用场景方面也都设立了相应发展目标。

　　上海则规划2025年时要实现“人工智能规上产业规模年均增长12%以上，达到4000亿元”、“形成10大类100个人工智能深度应用案例，培育500家智能化示范企业”和“人工智能人才规模达到30万人”三个目标。

　　城市间合作是必由之路

　　要实现AI发展的未来目标，自然需要相应的“保障”。

　　广东省人工智能产业协会联席会长、华南理工大学计算机学院院长陈俊龙对新京智库表示，持续利用AI技术，需要具备技术、数据和算力等条件或要素，以及与城市的产业特色、发展需求、创新环境等因素相适应的协同合作机制。

　　比如，算力条件——需要提供高效、稳定、低成本的计算资源和服务，提升计算机硬件和软件的并行性能和扩展性。再如，技术条件——需要不断创新和优化AI模型、算法、平台等，提高AI的性能、效率、安全性和可信度。

　　陈俊龙表示，具体到不同城市来说，还需要考虑产业特色、发展需求、创新环境三个要素的影响。以产业特色为例，即任何一座城想要发展本地的AI产业，都需要根据城市的产业优势和特点，选择适合的AI应用领域和场景。比如北京市在交通、医疗、教育等领域；杭州市在金融、商务、物流等领域。

　　一个普遍的认识是，中国AI快速发展，已初步形成了应用导向、场景驱动、技术支撑的发展生态。但在底层算法、关键软硬件和生态体系等方面仍需进一步发展。

　　因此，各城市在出台AI相关政策时也有所侧重寻求突破。在北京的《创新策源地实施方案(2023-2025年)》中一共出现了9次“突破”。比如，“着力突破人工智能关键技术”“推动国产人工智能芯片实现突破”等。

　　在《上海市人工智能产业发展“十四五”规划》中累计出现了17次“突破”。比如，“深化人工智能通用技术突破”“ 突破人工智能行业应用的关键共性技术”等。

　　但在互联网时代，开源已经是时代发展主流。在今年5月底召开的2023中关村论坛上，中国科学院院士王怀民介绍，大模型因其不确定性形成开源模式和预研模式同时推进的基本格局。在美国32个大模型中，有15个开源。中国的9个大模型中有5个开源。

　　因此，合作是AI发展的必然趋势。

　　陈俊龙表示，人工智能产业化应用的发展需要多方面的合作和支持，包括政策、技术、资金、人才、数据、算力等要素。不同城市有不同的优势和特色，可以根据自身的发展定位和需求，选择合适的合作伙伴。

　　熊璋亦表示，当城市群成为一个整体发展目标之时，其共生、互生效应就决定了其产业发展的共同目标，AI的应用场景变成了城市群，而不是一个独立的城市，AI产业的发展就应该关注产业链条的高质量运行。“协同创新、数据共享、模型开源就是必由之路。”

　　现实之中，一些城市也进行了相关的合作。

　　中国新一代人工智能发展战略研究院今年5月发布的《中国新一代人工智能科技产业发展2023》披露，从城市之间的技术合作流动情况看，北京市、深圳市、广州市和上海市是AI技术合作关系密度最高的城市，尤其是北京市和深圳市、广州市之间的技术合作。

　　从城市之间的技术合作关系看，排名第一的是北京市内部技术合作，占比10.87%；排名第二、第三和第四的分别是深圳市和北京市(从深圳流向北京)、深圳市和深圳市(即内部技术合作)、北京市和深圳市(从北京流向深圳)的技术合作。从城市的视角看，北京和深圳构成了AI技术合作关系流动的南北“两极”。