12月26日，備受矚目的“釋放×數(shù)效應·共創(chuàng)智+未來”2024第七屆金猿&魔方論壇——大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇暨數(shù)據(jù)要素趨勢論壇在上海明捷萬麗酒店成功舉行。本次論壇由金猿組委會、數(shù)據(jù)猿、上海市數(shù)商協(xié)會及上海大數(shù)據(jù)聯(lián)盟聯(lián)合主辦，新華社中國經(jīng)濟信息社作為支持單位，匯聚了來自政府、企業(yè)、學術(shù)界及媒體界的數(shù)百位精英人士，共同探討大數(shù)據(jù)及數(shù)據(jù)要素產(chǎn)業(yè)的未來發(fā)展。

　　會上，來自各行各業(yè)的嘉賓大咖圍繞“大數(shù)據(jù)”、“人工智能”等行業(yè)技術(shù)熱點展開討論和交流。在過去的一年中，人工智能依然是非常熱門的話題，而且它對于各行各業(yè)行業(yè)的影響和滲透已經(jīng)越來越深入，尤其是生物醫(yī)藥、醫(yī)療、教育、制造等領(lǐng)域，大家在紛紛擁抱新技術(shù)帶來的機會，同時應對潛在的挑戰(zhàn)。然而，到目前為止，人工智能、大數(shù)據(jù)究竟在這些領(lǐng)域發(fā)展到了什么水平？這些行業(yè)的參與者都在如何應用大模型？他們面臨的挑戰(zhàn)又是什么？

　　帶著這些問題和好奇，數(shù)據(jù)猿高級主筆歐小剛與五位行業(yè)嘉賓展開對話和討論。他們分別是：復旦大學附屬中山醫(yī)院計算機網(wǎng)絡中心副主任張俊欽；金賽藥業(yè)CIO、數(shù)字研究院院長鮮翾；讀書郎智慧教育總經(jīng)理荊全齊；上海電氣中央研究院數(shù)字化能源資深系統(tǒng)架構(gòu)師周明春及金智維科技副總裁、行業(yè)研究院院長姜志剛。

　　在生物醫(yī)藥領(lǐng)域，AI的應用一直備受關(guān)注，2024年諾貝爾化學獎授予了戴維?貝克（David Baker）、德米斯?哈薩比斯（Demis Hassabis）和約翰?江珀（John M. Jumper），表彰他們在計算蛋白質(zhì)設計和蛋白質(zhì)結(jié)構(gòu)預測方面的貢獻。AlphaFold等AI工具的應用，將原本需要耗費數(shù)年時間的蛋白質(zhì)結(jié)構(gòu)預測過程縮短至僅需幾分鐘，極大地加速了新藥研發(fā)進程，提高了研發(fā)效率及成功率。因此，行業(yè)外的人都在關(guān)注，究竟AI在生物醫(yī)藥領(lǐng)域的被使用到什么程度？還會遇到什么問題？如果想要實現(xiàn)AI大模型的規(guī)?；瘧茫跀?shù)據(jù)層面還需要解決哪些問題？

　　金賽藥業(yè)是一家從事醫(yī)藥生產(chǎn)、研發(fā)、銷售的公司，主營業(yè)務集中在兒童長高、成人抗衰和女性輔助生殖領(lǐng)域。鮮翾認為，大模型在生物醫(yī)藥領(lǐng)域的應用呈現(xiàn)出顯著的創(chuàng)新性，其核心能力可以概括為“無中生有”。以往研究人員對蛋白質(zhì)結(jié)構(gòu)進行建模往往需要耗費大量時間，一個博士研究生可能在四到五年的博士生涯中僅能解決一個蛋白質(zhì)結(jié)構(gòu)問題。而現(xiàn)在，大模型能夠在短時間內(nèi)預測出多個蛋白質(zhì)結(jié)構(gòu)，大幅提升了研發(fā)效率。這種從無到有的能力不僅推動了科學研究的進步，還使得研究人員能夠進一步優(yōu)化蛋白質(zhì)分子設計。例如OB電競，，對于某些靶點，由于結(jié)合位點有限，通過大模型的輔助，研究人員可以設計出更小的蛋白分子，既降低了生產(chǎn)成本，又提高了蛋白與靶點的結(jié)合效率，從而提升了產(chǎn)品性能。

　　目前，大模型的應用已成為金賽藥業(yè)業(yè)務發(fā)展的推動力之一。公司內(nèi)部搭建了專門針對化學藥物、雙抗、單抗及其他研發(fā)方向的數(shù)據(jù)集，并結(jié)合獨特的蛋白質(zhì)結(jié)構(gòu)算法，不斷優(yōu)化研發(fā)流程。通過對市面上表現(xiàn)優(yōu)異的模型進行評估和借鑒，公司能夠更精準地確定研發(fā)靶點并優(yōu)化分子設計。這一過程不僅提升了效率，還為研發(fā)策略提供了數(shù)據(jù)支持。

　　除了蛋白質(zhì)結(jié)構(gòu)之外，多模態(tài)模型對于菌株培養(yǎng)工藝水平的提升也非常顯著。傳統(tǒng)的菌株培養(yǎng)依賴點狀數(shù)據(jù)采集，難以全面掌握生長過程中的動態(tài)變化。而通過引入動態(tài)數(shù)據(jù)采集設備和多模態(tài)模型，公司能夠?qū)崿F(xiàn)對菌株生長過程的實時監(jiān)測，例如表達量和純化效率等關(guān)鍵參數(shù)。這種連續(xù)動態(tài)的數(shù)據(jù)采集方式，不僅讓培養(yǎng)基成分的篩選更加精準，還有效提高了生產(chǎn)質(zhì)量和產(chǎn)量。相比傳統(tǒng)方法，這種基于大模型的技術(shù)手段為企業(yè)節(jié)省了大量成本，并顯著提升了工藝水平。

　　鮮翾提到，多模態(tài)數(shù)據(jù)的融合是未來發(fā)展的關(guān)鍵。生物醫(yī)藥領(lǐng)域涉及的數(shù)據(jù)種類繁多，包括醫(yī)療影像、質(zhì)譜檢測數(shù)據(jù)、分子層面數(shù)據(jù)以及點狀數(shù)據(jù)等。這些數(shù)據(jù)需要經(jīng)過特定的訓練，與大模型深度結(jié)合，才能充分發(fā)揮其價值。金賽藥業(yè)通過內(nèi)部數(shù)據(jù)集的建立，結(jié)合開源模型在不同的應用場景中選擇表現(xiàn)最佳的模型進行微調(diào)，確保模型在特定業(yè)務場景中的表現(xiàn)達到最佳。

　　當然，盡管大模型非常好用，但鮮翾認為在使用大模型之前，需要先明確的定義問題，從而確保資源投入的有效性和模型應用的生產(chǎn)價值。畢竟，大模型的使用成本，包括算力消耗和電力支出，仍是一個不容忽視的問題。未來，企業(yè)需要進一步優(yōu)化數(shù)據(jù)采集與使用流程，以更低的成本實現(xiàn)更高的商業(yè)價值。

　　張俊欽認為，醫(yī)療領(lǐng)域的大模型可以定位為“從有到優(yōu)”。這與生物醫(yī)藥領(lǐng)域的“無中生有”形成對比。因為醫(yī)療場景通常較為固定，顛覆性創(chuàng)新較少，更多是通過技術(shù)的融合實現(xiàn)提質(zhì)增效。核心目標在于，在現(xiàn)有的醫(yī)療場景中，最大化釋放有限的人力、物力和財力資源，從而為患者提供更優(yōu)質(zhì)的服務。他列舉了兩個常見的場景。

　　首先是智能客服。醫(yī)療機構(gòu)每天都會面臨大量患者咨詢，傳統(tǒng)模式下多依賴話務臺或呼叫中心，其服務能力完全受制于人力資源的投入。然而，人力資源存在兩個顯著限制：一是人員的工作時長有上限；二是人員的知識儲備參差不齊，這就導致人工客服的回答質(zhì)量不穩(wěn)定。為解決這些問題，醫(yī)院引入了AI大模型，在初期階段，大模型的訓練基于傳統(tǒng)模式下積累的問答知識和沉淀的關(guān)鍵要點，同時與人工客服同步運行，進行自我學習和完善。剛上線時AI的問答準確率僅為60%，但經(jīng)過六個月的持續(xù)優(yōu)化，準確率提升至96%，且大幅度精簡了專職客服團隊人數(shù)，顯著降低了人力成本，充分展現(xiàn)了大模型在優(yōu)化既有場景中的提質(zhì)增效能力。

　　第二是體檢報告的智能化生成與解讀。傳統(tǒng)體檢報告通常僅包含檢查結(jié)果的數(shù)值，患者需要自行解讀或向醫(yī)生咨詢，了解異常指標的意義及可能的健康風險。這種模式不僅增加了患者的困惑，也占用了醫(yī)生大量的時間。為改善這一問題，醫(yī)院研發(fā)上線了智能化體檢報告系統(tǒng)。通過大模型技術(shù)，系統(tǒng)能夠?qū)z查結(jié)果與醫(yī)學知識結(jié)合，生成既包含數(shù)據(jù)，又附有詳細分析的報告。例如，對于某項指標異常的情況，系統(tǒng)會結(jié)合患者的性別、年齡等因素提供個性化健康建議，甚至提示是否需要進一步檢查。這種創(chuàng)新不僅顯著提升了患者的體驗，也有效減輕了醫(yī)護人員的文書工作壓力，使他們能夠?qū)⒏鄷r間用于直接的醫(yī)療服務。

　　當然除了大模型在帶來提質(zhì)增效的同時，也存在著不少問題和挑戰(zhàn)，尤其是成本問題和數(shù)據(jù)安全問題。張俊欽提到，大模型底座在醫(yī)療領(lǐng)域中的建設成本開銷，除了傳統(tǒng)的算力建設成本之外，還有高昂的能耗成本。醫(yī)療機構(gòu)通常需要自建機房來支撐基礎設施本地化部署，其能耗開支成為不可忽視的成本支出。為此，行業(yè)內(nèi)普遍倡導建設綠色機房，通過光伏發(fā)電、熱能回收等方式實現(xiàn)能源來源的多元化，同時在制冷系統(tǒng)中采用更節(jié)能的氟泵空調(diào)或嘗試性引入水冷技術(shù)，以降低整體能耗。

　　在數(shù)據(jù)安全方面，傳統(tǒng)的安全技術(shù)及防護體系無法完全適配大模型場景。例如，醫(yī)療行業(yè)已發(fā)生過大模型數(shù)據(jù)泄露事件，導致敏感數(shù)據(jù)和模型成果外流，且整個安全事件發(fā)生過程中，傳統(tǒng)安全防護體系未能發(fā)揮很好的監(jiān)測預警作用。這不僅威脅到數(shù)據(jù)安全，也可能打擊模型研發(fā)投入的積極性。為此，醫(yī)療機構(gòu)需要與時俱進，探索并構(gòu)建匹配大模型場景的安全防護監(jiān)測體系，并在模型開發(fā)和使用過程中嚴格防范潛在的安全隱患。

　　醫(yī)療領(lǐng)域的大模型應用并非完全的顛覆性創(chuàng)新，現(xiàn)階段更多是通過優(yōu)化既有場景實現(xiàn)效率提升和服務質(zhì)量的改善。從智能客服到體檢報告的智能化生成解讀，再到綠色機房建設和安全防護體系探索，每一個實踐都展現(xiàn)了AI技術(shù)在醫(yī)療行業(yè)中的廣闊前景。然而，這一切的實現(xiàn)離不開持續(xù)的技術(shù)探索和行業(yè)賦能，只有這樣，才能在成本與效益之間找到平衡，為患者提供更優(yōu)質(zhì)的醫(yī)療服務。

　　荊全齊是教育行業(yè)的“老兵”，讀書郎是從教育電子出發(fā)，從一開始的教育電子到后來做相關(guān)的教育內(nèi)容，包括教培，這是之前的業(yè)務，到現(xiàn)在全面轉(zhuǎn)化為教育數(shù)字化的業(yè)務，而提供的產(chǎn)品服務形態(tài)從一開始的教育電子硬件、平板電腦等，到后來的提供課程、內(nèi)容的服務，直到今天是依靠大數(shù)據(jù)和大模型提供個性化的新型的教育服務。從公司的發(fā)展經(jīng)歷也能看出，教育行業(yè)的轉(zhuǎn)變速度非常迅速，對于科技的敏感度非常高。

　　他認為，教育行業(yè)是當前最貼近“AI+大數(shù)據(jù)”應用的領(lǐng)域之一。教育行業(yè)具有一定的獨特性：覆蓋范圍廣、涉及人群多樣、年齡跨度大、場景復雜多樣等。也正因如此，教育行業(yè)中許多問題能夠通過“大數(shù)據(jù)+大模型”的新型生產(chǎn)力得到有效解決。他提到了三個常見的場景，從學生和教師的角度介紹了AI大模型和大數(shù)據(jù)帶來的“減負提效”的效果。

　　首先是學生的心理測評。傳統(tǒng)方法通常采用固定量表，由學生填寫后回收。這種方式存在幾個顯著缺點：量表的統(tǒng)計維度單一、數(shù)據(jù)準確性難以保障（學生可能隨意填寫），以及數(shù)據(jù)采集完成后缺乏后續(xù)指導。而在大模型的應用場景下，心理測評已經(jīng)實現(xiàn)了多模態(tài)交互。例如，基于大模型的心理測評系統(tǒng)通過擬人化的交流，與學生進行類似視頻通話的互動。一方面，該系統(tǒng)能夠與學生建立共情，另一方面還能全面覆蓋量表中的問題，并深入引導學生挖掘潛在問題。通過這種方式，不僅可以獲取更真實、準確的心理健康數(shù)據(jù)，還能生成針對個人的后續(xù)干預和指導方案。這種依托于心理健康大數(shù)據(jù)和大模型的創(chuàng)新應用，已經(jīng)在部分學校得到了實踐，成為心理健康場景中的典型案例。

　　另外，在線上教學場景中，傳統(tǒng)的線上教學模式主要依賴于視頻資源進行一對多的廣播式教學，難以滿足學生個性化學習需求。而現(xiàn)在，通過大模型和數(shù)字人技術(shù)，教學模式得到了顯著提升。例如，“數(shù)字人教師”能夠根據(jù)學生的學習情況，提供個性化的學習指導。在學生解題過程中，大模型可以對每一個錯誤步驟進行歸因分析，并引導學生優(yōu)化思維方式，從而實現(xiàn)精準輔導，大幅提高學習效率。

　　對于教師而言，大模型的應用同樣具有變革意義。以批改作業(yè)為例，傳統(tǒng)模式下教師需要花費大量時間進行機械化的批改工作，這不僅占用了寶貴的教研時間，還可能因疲勞而降低準確性。而通過大模型技術(shù)，作業(yè)批改的準確率已可達到99%以上。教師從機械化的工作中解放出來，可以將精力集中于學情分析和教學研究，從而推動教育質(zhì)量的進一步提升。這種從重復性勞動中釋放生產(chǎn)力的過程，正是大模型賦能教育行業(yè)的一個典型場景。

　　通過上述的三個場景可以發(fā)現(xiàn)，“AI+大數(shù)據(jù)”對于教育行業(yè)的改變，不僅僅讓學生成為受益者，教師、學校也是新技術(shù)的受益者。對于教育行業(yè)的應用服務提供商來說，大模型的引入為原有的服務和內(nèi)容帶來了全面革新。荊全齊自信的談到，“在AI的時代，教育行業(yè)可能所有的應用都值得用大模型重做一遍?！?/p>

　　盡管“AI+大數(shù)據(jù)”在教育行業(yè)正在熱火朝天的改變教學方式和思路，但是在工業(yè)領(lǐng)域卻“小荷才露尖尖角”。周明春這十多年一直在關(guān)注傳統(tǒng)能源領(lǐng)域中的數(shù)字化變革，從過去的能源消費側(cè)改革-智慧樓宇到現(xiàn)在的產(chǎn)用一體化綜合能源數(shù)字化管控。在他看來，工業(yè)領(lǐng)域相較于電商和教育行業(yè)，大模型的實際應用尚未顯得十分明顯。目前，大模型最常見的應用場景包括智能問答和文本生成。在能源領(lǐng)域，尤其是醫(yī)院的數(shù)據(jù)中心，對大模型的需求尤為強烈。由于大模型在運行過程中需要大量的GPU算力，導致能源消耗顯著增加，因此對于GPU高效機房的能源管理需求也相應增強，這為商業(yè)領(lǐng)域提供了巨大的機遇。

　　為何工業(yè)領(lǐng)域中AI的滲透會比較慢呢？他認為，許多行業(yè)過去依賴顧問式服務，一些常識性問題實際上可以通過大模型來解決。然而在行業(yè)大模型中，更多的是依賴于經(jīng)驗積累。以自動化控制為例，盡管每年有大量自動化控制專業(yè)的畢業(yè)生，但在實際項目中能夠熟練調(diào)試PLC和DDC的人才卻極為稀缺。這并非因為缺乏理論知識，而是因為在實際工作中需要通過實踐來摸索和積累經(jīng)驗。大模型的優(yōu)勢在于其龐大的參數(shù)量，相較于傳統(tǒng)的規(guī)則引擎或模型驅(qū)動的控制方式，大模型能夠考慮更多的因素，如能源管理中的天氣因素和電價差異等。然而，還有很多外部因素尚未被完全納入模型中，因此大模型的實際落地應用會慢一點。

　　當然，在工業(yè)領(lǐng)域中，機理模型與數(shù)據(jù)模型的融合是一個重要趨勢。機理模型類似于大模型中的預訓練模型，它將過去的經(jīng)驗總結(jié)并用數(shù)學方式描述物理世界。這種模型在大多數(shù)情況下是適用的，但如果外部環(huán)境發(fā)生變化，就需要大數(shù)據(jù)的輸入來實時校正模型，使其更加實用。因此，目前工業(yè)領(lǐng)域所做的機理模型與數(shù)據(jù)模型的結(jié)合，實際上是將專家經(jīng)驗用數(shù)學方式表達，并結(jié)合實時信息和用戶反饋來優(yōu)化模型參數(shù)。未來大模型可能會在這個方面有更大的發(fā)揮價值。

　　此外，周明春還注意到，近年來，具身機器人因其能夠感知外部環(huán)境而變得特別受歡迎，這使得它們能夠更好地適應生產(chǎn)線上的需求，這可能也會增強人工智能對工業(yè)領(lǐng)域的變革，畢竟，當前很多制造車間的機器人或機械臂，通常都是按照固定流程執(zhí)行任務，在按需生產(chǎn)這種產(chǎn)線場景下的適應性不高。

　　上述四位嘉賓從各自所在的行業(yè)和企業(yè)業(yè)務出發(fā)，討論了AI和大數(shù)據(jù)在行業(yè)和企業(yè)中的應用，可以發(fā)現(xiàn)，AI給每個行業(yè)的變化節(jié)奏并不一致，而且這種節(jié)奏的不同并不完全是AI技術(shù)的原因，還與行業(yè)特性有關(guān)。最近一段時間，智能體（AI Agent）的概念非?；馃?，很多傳統(tǒng)的人工智能公司和機器人流程自動化（RPA）公司也在紛紛往這個方向探索，RPA與大模型的結(jié)合，又如何為企業(yè)進行賦能呢？

　　姜志剛所在的金智維科技，一直在機器人流程自動化（RPA）與大型模型、AI等技術(shù)的融合方面開展深入探索和研究。目前，金智維科技已為超過1200家金融機構(gòu)、政企單位提供服務，向市場推出了超過100萬個RPA智能體。

　　他表示，過去的智能體主要基于固定策略執(zhí)行規(guī)則化活動。然而，隨著大模型技術(shù)的出現(xiàn)和引入，整個行業(yè)迎來了創(chuàng)新的商業(yè)模式和形態(tài)。他認為，將AI Agent（也稱為數(shù)字員工）用于輔助人類員工決策和執(zhí)行工作流程，必須要讓數(shù)據(jù)要素發(fā)揮價值，確保數(shù)據(jù)的可供應性、流動性和有效性。在整個閉環(huán)中，AI技術(shù)對數(shù)據(jù)流動和數(shù)據(jù)價值的體現(xiàn)至關(guān)重要。

　　當前，數(shù)據(jù)的年新增量巨大，如何有效利用這些數(shù)據(jù)，是許多企業(yè)正在探索的問題。過去許多大型企業(yè)將數(shù)據(jù)集中起來，成立數(shù)科公司，建立數(shù)據(jù)中臺，集中使用數(shù)據(jù)。但最終的效果并不理想。金智維科技現(xiàn)在嘗試將大型企業(yè)二三級公司系統(tǒng)中的數(shù)據(jù)實現(xiàn)“所見即所得”，即人類員工能接觸到的數(shù)據(jù)都可以通過AI Agent數(shù)字員工直接采集、分類、加工和應用，從而大幅降低數(shù)據(jù)應用成本，確保數(shù)據(jù)的有效供應和流動。例如金智維K-DVS數(shù)字可視化解決方案，通過聚合企業(yè)各類業(yè)務數(shù)據(jù)、運營數(shù)據(jù)，以可視化的形式，幫助管理層直觀地觀察、分析和理解數(shù)據(jù)，降低數(shù)據(jù)獲取和使用的成本，讓數(shù)據(jù)在更廣泛的范圍內(nèi)被應用。關(guān)于數(shù)據(jù)的有效使用，姜志剛認為，必須讓數(shù)據(jù)服務于業(yè)務場景，只有豐富的場景應用，為客戶帶來真正的價值，整個商業(yè)閉環(huán)才能成立。因此，無論是大數(shù)據(jù)還是人工智能，包括為產(chǎn)業(yè)場景賦能，只有形成良性閉環(huán)，數(shù)據(jù)要素的價值才能得到體現(xiàn)和應用。

　　目前，金智維數(shù)字員工已經(jīng)在上萬個業(yè)務場景中實現(xiàn)了應用，持續(xù)助力各行各業(yè)深挖數(shù)據(jù)的潛藏價值。近幾年，金智維科技為國內(nèi)兩家最大的銀行提供了企業(yè)級的數(shù)字員工平臺，根據(jù)他們的統(tǒng)計，過去一年中，銀行利用RPA、AI等技術(shù)賦能，充分發(fā)揮數(shù)字員工能力，幫助銀行智能增效最高達3萬人/年，這確實為客戶帶來了極大的賦能。按照人員成本計算，每家銀行一年可以節(jié)省超過2000人年的運營成本，這是為客戶帶來的實實在在的價值。

　　展望未來，AI和大數(shù)據(jù)會在各個行業(yè)繼續(xù)“大顯神通”。不同行業(yè)會相互學習借鑒，不斷拓展技術(shù)能施展的空間，把數(shù)據(jù)的價值挖得更深。在保障數(shù)據(jù)安全的同時，讓產(chǎn)業(yè)之間的合作更緊密、更智能。新的應用和商業(yè)模式會像雨后春筍般冒出來，引導著行業(yè)和企業(yè)朝著智能化、數(shù)字化大步邁進。

　　特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。

　　1-2！澳網(wǎng)冷門不斷：4號+5號+6號+7號種子全出局 鄭欽文最早淘汰

　　余承東贏麻！2024中國智能手機出貨量2.86億臺：華為是最強者 暴增超50%

　　5500萬歐引進！奧納納加盟1年半10次失誤致丟球，德赫亞12年17次

　　TikTok恢復在美服務 知情人士：字節(jié)并未與美方達成任何協(xié)議，只是美方?jīng)Q定暫不執(zhí)行法案

　　郭艾倫27+12廣州遭山西逆轉(zhuǎn)吞五連敗 張寧19+6+6古德溫31+7

　　《編碼物候》展覽開幕 北京時代美術(shù)館以科學藝術(shù)解讀數(shù)字與生物交織的宇宙節(jié)律

　　佳能推出Live Switcher Mobile應用：專為直播設計，3機位切換ob電競?cè)肟冢?/a>