中国AI长卷（四）：行业旷野_风闻

在今天，我们随便出国走一走，就会惊讶于AI技术在中国有多么普及。高铁、机场可以人脸识别验票，公共场所随处可见AI安防系统，酒店里到处都是可以语音对话的服务机器人。

但在国外，哪怕是最发达的欧美地区，这些东西一个也见不到。对于他们来说，AI只意味着手机里的某个软件，电脑能登录的某个网站，而在现实世界里，AI悄无痕迹。

在讨论AI时，我们始终会面对这样的问题：中国似乎始终在追赶先进的AI技术，从未主导过核心技术突破。长此以往，中国AI不就只能沦为模仿品吗？

这个观点的问题在于，它只考虑了技术发展侧的情况，但技术最终要有人用。在海外市场，AI与移动互联网一样，始终保持着消费者用户主导的实用情况。但在中国，却一直有着消费者用户和产业用户双轮驱动的AI落地方案。后者的直接表现，就是我们所见到那无处不在的AI风景。

中国AI何以不同？

答案都在行业旷野里。

2017年，国内各大云计算厂商突然开始宣传AI这个在当时还很新颖的概念。在此之前，云计算的卖点主要还是低价、稳定和去IOE。从这个时间开始，帮助企业实现智能化成为新的业务重点。

接下来，在社会公共服务层面出现了AI智慧红绿灯的城市智能体项目；在企业层面则出现了AI质检、AI巡检等应用。与此前集中于安防领域的AI项目相比，从这里开始，智能化走向了各个行业，并且伴随着AI开发平台的成熟，个人与小团队的AI开发者也随即涌现。很快，从央国企与智慧城市领先的解决方案式智能化项目，到个人就能完成的行业AI模型开发，智能化很快在中国经济的产业体系中铺开。

AI在中国，从这个分岔口开始走出了一条“行业+AI”的差异化之路，直至今天。

回看中国的产业智能化进程，可以分为三个阶段：

第一阶段从2015年左右开始，直到2017年。这一阶段的特征是算法驱动，AI的主要功能就是安防。

第二阶段从2017年到2022年，这一阶段是数据+模型驱动。AI的主要功能是解决那些各个行业中可复用的生产需求问题，比如AI质检、OCR识别、AGV设备等。大范围的智能化应用还停留在生产体系的表层。

第三阶段从2023年开始，这一阶段进入了大规模AI算力+预训练大模型驱动。业界开始追求让AI进入行业生产系统的核心，从根本上实现生产力变革。

客观来看，我们正处在从第二阶段向第三阶段转型的档口。由于行业吸纳AI技术的谨慎性与复杂性，第二阶段的技术成果依旧有大量发展空间，同时大模型与AIGC走向产业已经提上日程。产业智能化正处在前面的养分还没有充分吸收，新营养物质又跟上的关键周期。

为什么说以上这条“行业+AI”之路只有中国能走得出？

这里首先要看中国发展产业智能化的一系列独特利好因素。

从技术和基础设施层面看，中国的数字化基建长期执行了超前投资的战略。5G、千兆光网为代表的基础设施实现了全球领先，而这些基础设施又是云端获取AI算力等方案的前提条件。数字化基础设施是AI能够走进行业的社会性保障。

另一方面，中国发展产业智能化的几年，正好与大规模科技自主创新相结合。自主科技需要寻找价值落点，而行业智能化提供了天然的发展方向。因此，AI在中国形成了与算力、存储、操作系统等自主创新关键项目的合力，让智能化与自主化形成了相互推动的效果。

而从社会经济的宏观层面看。首先中国的行业体系非常齐备，AI可以按照产业链向上下游在行业空间中进行传导，并且有着足够广阔的落地空间，不会出现技术投入过大，实用场景却太少的问题。足够多的行业，足够完善的产业体系，意味着AI在中国有着非常充沛的B端客户。

其次，中国的社会经济形态，决定了央企、国企，以及国有银行等社会机构可以成为智能化的主力和先锋。在政策驱动下率先接纳AI技术，并对相关行业做出示范作用。重点行业与科技政策的紧密配合，极大提升了中国产业体系吸纳新技术的效率。

除此之外，整个中国社会刚刚从互联网、移动互联网的崛起中获得了充分的发展红利。全社会对技术创新有着充分且笃定的信心。来自民心民意的支持，是产业智能化最抽象却最有力的支持。

带着这些优势，我们可以反观同样具有AI技术能力优势的欧美、日韩等地区。这些发达国家在基础设施层面更新缓慢，施工代价过大，很难发展出与智能化相适配的数字基建。在行业层面，经常会遇到工会把持行业的情况，对AI、无人化等关键词非常敏感，不能触碰。比如我们探访过的一些欧洲港口项目，工会对任何形式的数字化、智能化升级都非常抵触，导致全球知名的国际大港不能添加任何AI设备。在社会层面，发达国家一方面对个人信息等问题极度关注，对新技术采取“宁杀错，不放过”的原则，另一方面民众没有从此前的科技创新中广泛受益。比如在欧美国家还可以看到大量3G手机，民众普遍认为产业已经非常成熟，缺乏创新的社会情绪。

就这样，AI在行业落地的广阔空间，多年来变成了中国独有。虽然中东、东南亚等地正成为后起之秀，但如果我们真正深入一些行业，就会发现中国的产业智能化，已经在多个维度积累了非常关键的领先身位。

接下来，我们可以去到一些行业，去看看中国的产业智能化发展究竟意味着什么。

AI能够去哪工作，可能有千万个答案，但AI最应该去哪工作，应该有统一标准。那就是要去人类工作最艰辛、最危险的地方，而煤矿毫无疑问就是如此。

行业智能化在中国兴起之后，业界最先聚焦的就是矿山场景。一方面矿山生产效率提升，实现产业升级转型有着巨大的经济价值，同时改善矿工工作环境、安全生产环境的社会意义更加显著。记得多年前在探访山西一座煤矿时，工程师对我们说煤矿一切数字化、智能化改造都是为了安全，而“矿工不下矿，就是最大的安全”。

近几年，矿山智能化呈现出遍地开花的态势。其中山东能源是我们近段时间频繁探访的项目，原因在于山能正不断探索更多的矿山AI场景，这也就带来了源源不断的行业智能化案例。

比如说，中国煤炭行业受到地压冲击的影响排在世界前列。这就需要采掘工作进行钻孔以降低地压风险，山能采取了通过视觉大模型对钻孔施工情况进行实时监测的办法，实现了钻孔深度自动核验、孔深不足及时提醒，从而降低了80%的人工核验工作量，让采掘这个风险最大的工作环节有了AI安全保障。

毛煤运送到井上后需要进行洗选加工，以分辨煤炭质量。山东能源济二煤矿选煤厂在业界首次实现了利用大模型智能预测重介分选密度，以此提升选煤效率，提高精煤的生产率。

在焦化阶段，山能采取了AI配煤系统，将炼焦数据进行汇总，再通过AI平台对炼焦配比进行处理、计算和建模，最终实现了每吨原料煤降低几块钱的成本，累计起来的成本降低效果非常大。

在大模型开始渗透到矿山场景之前，井下监控、远程采掘、无人驾驶运输等煤矿智能化已经轰轰烈烈开展了多年。从煤矿的智能化变迁中能够发现，这类行业生产流程复杂，作业场景众多，且每个环节都事关生产安全与员工健康。这意味着其中任意环节成功进行智能化变革，都有着生产效率与安全保障上的巨大价值。

这样的行业特性，让煤矿智能化呈现出不断积累场景的特点。仅仅是山东能源，就已经积累了超过40个AI应用场景。这些AI场景的繁花，证明了即使在单一行业内，产业智能化的广度也是非常充足的。一个个具体场景主导的行业+AI融合，是中国产业智能化不断推进的核心形式。

中国哪家企业的智能化最具代表性？这个问题当然仁者见仁，而我的答案是天津港。

天津港的C段码头，是全球首个完全实现无人化、零碳化的作业码头。它能够被称为中国产业智能化的代表，有这么几重原因。

首先是从直接的感官冲击。与大量内化不显的智能化项目相比，天津港C段码头从外观上就展现出了足够的未来感。码头上空无一人，极其安静，同时无人塔吊和自动驾驶运输车高速运转，集装箱们快速移动。相信这一幕能非常直接地让每个人明白智能化究竟是什么。

其次是它的体系足够庞大，涉及的技术类别与系统协作足够复杂。很多我们看到的智能化场景，其实都只是单一能力、单一技术的改变，远不能完成多技术、多系统的协同。

但在天津港的无人码头上，水平运输车队完全实现了无人驾驶。其解决方案融合了5G+L4级自动驾驶技术、北斗、高精地图等技术，能够实现0事故运输。同时还通过风能、光伏等新能源的运用，让码头实现了0碳排放的环境友好型作业。

在岸桥运输方面，塔吊和龙门吊采用了F5G网络+远程控制，实现了工人在办公室远程操控吊车，在升级工作环境的同时，极大提升了生产效率。在船舶入港方面，港口还采用了天筹AI求解器，实现用AI来排定船只出入港顺序与时间。这样可以实现设备利用率提高15%，船舶在港时间缩短10%。这样的技术成熟与体系完备不是一蹴而就的，因此也让天津港更加具有智能化案例的参考价值。

除此之外，这段无人码头带来的社会经济价值也足够明显。最近大家都在讨论又有几十万吨车厘子运往中国，“车厘子”自由终于实现了，但大家可能会忽略车厘子运输其实非常困难。无人码头的存在，能够让车厘子抵达口岸之后5小时内就运抵北京、天津等华北主要城市。智能化带来的价值由此可以被绝大多数人体验并认同。

天津港C段码头如此高水准的智能化，其实是纵向不断叠加形成的，它开始于单一场景的驱动。最初天津港就是想要实现岸桥的远程操作功能，但在迈出第一步的同时，天津港也设立了最终要实现全码头无人化的最终目标。

从简单可实现的出发点开始，向终极价值出发，并让期间的每一步的节奏与成本可控。这就是所谓的智能化战略。如果说，煤矿AI场景的叠加展现了中国产业智能化的广度，那么天津港则恰好展现了其可能具备的深度。

码头长诗，是时间和战略堆叠的智能阶梯。

智能化领域有这个说法，金融是AI最先落地的触点，制造业则是AI最后的明珠。

在行业智能化进程开启之后，AI与制造业的融合长时间停留在质检、安防等外延系统，很难真正走向工业系统的核心。

制造业智能化难做当然有很多原因，这里仅仅讨论其中一个，那就是制造业本身有着极高的数字化发展水平和苛刻的生产效率限制。智能化想要融入其中，需要具备一系列先决条件。但我们能看到这个AI最难进入的行业，如今也有了极大突破。

比如在去年10月，长安汽车的重庆两江数智工厂揭幕授牌。这座工厂是长安汽车投资金额最大、智能化程度最高、工艺设备最先进的新能源汽车制造基地。不但是全球最大的5G汽车工厂，还运用了44项行业先进制造技术，未来将进化成为一座关键部位100%无人化操作的“黑灯工厂”。

这座工厂有超过800智能化设备，1400余个机器人，650余台智能AGV，全自动化工作站200多个，关键工序100%自动化，每60秒就能下线一辆汽车，并且极大程度满足C2M柔性制造的需求。

在智能化方面，两江工厂引入了一系列AI技术。比如说，工业AI智能平台让工厂能够在虚拟环境中模拟物流和计划过程，从而在实际执行前发现问题并制定策略。物流仿真可以利用AI技术优化运输路线，寻找成本最低效率最高的物流线路。

而实现这些AI能力的前提，是工厂对工业设备进行了完整的数据采集，并且搭建了一系列敏捷开发系统。简单来说，就是要让AI技术真正融合到工厂的数据体系、IT系统与OT系统当中，而不是让AI悬浮在工业体系的外延。

这也提醒我们，工厂的智能化破茧往往需要从数据采集、数字化架构搭建、存算网基础设施建设开始。把AI作为基础条件来规划整个工业系统。这种将工业系统与数字化系统、智能化系统进行融合的多元协同，也在成为中国产业智能化的一种独特探索。

AI融入行业，不仅能改变某种行业，还能给地方经济和区域发展带来整体性提升。在当前政策背景下，中国正有越来越多的地方抓住AI这个机会进行产业赋能。其操作模式通常是一手抓AI，聚合新兴的AI产业；一手用AI赋能本地优势产业，推动原有产业的升级转型。

而想要实现这种双管齐下的目标，在给出具有说服力的政策支持外，还需要为吸引AI企业、AI人才，以及让其他行业了解AI技术打好基础。这个基础又通常分为两种：一种是硬件基础，以本地建设AI算力为实现方式；另一种是软件基础，需要积极引入成熟的AI开发平台、AI算法模型，以此吸引更多生态链企业和同类企业参与进来。

这种在产业智能化大潮下，实现地区发展的案例有很多。其中北京门头沟区很有代表性。提到门头沟，人们可能原本更多想到的是农业与旅游。但在2023年，门头沟着手开始打造“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。

具体在执行过程中，门头沟选择与华为合作AI硬件，即建设万卡规模的人工智能计算中心。在基础软件层面，门头沟与百度合作，引入了飞桨等AI开发平台。在算法层面则与智谱等AI企业合作，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，吸引了超过220家AI企业落户，并打造了智算中心和大模型算法平台两大AI基础服务平台，研发了多个领域的垂类大模型。AI能力的建设，还帮助门头沟实现了对其他产业的加持。比如通过AI技术的发展，门头沟实现了对视听产业的支持，推动了“大算力+大模型+大视频”的发展方向。

选择AI领域的头雁企业合作，建设AI基础设施，给出有诚意的AI政策。这种被验证为有效的区域AI发展模式，正在“人工智能+”的背景下被快速复制推广。

这种模式的内在逻辑和发展前景，也是理解中国产业智能化的关键一环。

都说“人生不是轨道，而是旷野”。人生事大，到底是什么不太好说。但近十年来中国践行的AI技术与行业融合，确实证明了一件事：AI可以是旷野。

我们可以观察到，即使ChatGPT发布之后，欧美的AI行业依旧默认把这项技术停留在一个单向度的轨道上。这条轨道从互联网到电脑、手机，近乎是笔直的一条线。

但如果让AI走出手机，走向千行百业，则会突然发现AI还有着近乎无限的可能性。

我们探访过规模最大的行业智能化项目，可能是银行以AI能力进行核心系统改造，事关全球上百个国家的无数分行。而我们见过最小的智能化项目，是一位铁道机务员自己用AI开发工具写了个车辆识别应用，从策划到落地都只由一个人完成。

所以说，中国AI走向行业是极其难以定义，方式方法极其多样的。并且我们需要明确一个代差的概念：今天成熟的行业智能化系统，基本是上一代AI技术渗透的成果，而AI大模型又带来了新的生成式AI风潮。根据IDC的调查，企业在生成式人工智能上的投资平均可获得每投入1美元获得3.7美元的回报，某些企业的投资回报甚至高达10.3倍。

换言之，行业+大模型只处在初级阶段。行业旷野之行，才背上背包而已。

中国的产业智能化之路非常孤独，但也潜力巨大

孤独在于我们没有参照系，没有发达国家可以模仿。在AIGC的技术与消费者端应用上，我们依旧在模仿和追随，但产业端却是一片空白。前头是无尽荒原，背后是自己的脚印。

并且产业智能化所面对的难题难以计数。生产环境不适配、算力稀缺、供需不匹配等问题困扰着中国AI的发展。每道题都没有万能公式，而未来可能面对的社会就业层面压力更加难以处理。

好在这条路的成绩显而易见。煤矿的AI场景广度，码头的AI战略深度，工厂里多项技术协同的裂变效果。门头沟为代表的很多地方，则让我们看到了AI基础设施、政策与AI产业、传统优势产业的聚合方案。

这些脚步，真实且清晰，构成了智能化未来的司南。

中国AI所押注的未来，是智能化能够带来真正的生产力提升，同时能够有效应对过度城市化、人口老龄化、中产阶级陷阱等一系列中国经济发展必然会遇到的问题。或许只有采用前所未有的生产力革新方式，才有可能挣脱一个又一个国家掉入过的周期困境。

我们已经能看到，AI与行业融合，能给生产力解放带来连锁反应。一个行业可能从资源密集型走向技术密集型；一个衰败的小镇因数据标注、智算中心、无人驾驶测试区而获得重生；一个家庭把四十岁就会得上重度职业病的命运，变成了坐办公室喝茶的舒适体面。

这些改变，就来自AI对生产力的解放，来自行业旷野的馈赠。

中国AI何以不同？新质生产力就是答案。