.jpg)
在2017年，中國制定了一項全面的策略，以確立其作為全球人工智慧領導者的地位。這一策略建立在六個關鍵支柱之上：
1. 法律與倫理框架：中國旨在為人工智慧的開發和應用創建一個健全的法律和倫理框架。這包括建立人工智慧發展的法律法規，解決民事和刑事責任、隱私和知識產權問題。還將重點研究人工智慧行為科學和倫理。
2. 政策支持：政府為人工智慧發展提供政策支持，特別是針對中小企業和初創企業。還引入了財務激勵措施，例如對高科技企業的稅收減免和研發扣除，以促進人工智慧創新。此外，數據共享和保護政策也在加強中。
3. 標準化與知識產權：中國尋求在人工智慧技術標準和權利方面領先，通過建立安全性、可用性、互操作性和可追溯性的人工智慧標準框架。它鼓勵中國的人工智慧企業參與並制定國際標準，並加強與人工智慧相關的知識產權保護。
4. 安全與監管：中國政府通過研究人工智慧對國家安全和機密性的影響，制定人工智慧安全規範和評估系統，開發安全防範措施，並創建監測系統以跟踪人工智慧技術的發展。中國強調預防風險和管理數據濫用、隱私侵權以及不道德行為的重要性。
5. 勞動力培訓：另一個優先事項是為人工智慧的影響做好勞動力準備。中國正在研究由於人工智慧引起的就業結構變化和所需的新技能。相關努力包括建立終身學習和就業培訓系統，專注於教育機構的人工智慧技能培訓，以及鼓勵編程教育。
6. 人工智慧的普及：中國正通過教育計劃、課程整合和公眾宣傳活動來促進人工智慧的廣泛採用。這包括在學校引入與人工智慧相關的課程、推廣編程教育，以及鼓勵人工智慧競賽和創意活動，以增進公眾對人工智慧的理解和利用。
中國的策略表明其致力於利用人工智慧的潛力實現經濟和技術增長，同時強調倫理、安全和綜合政策措施的重要性。
主要參與者
自2016年AlphaGo戰勝李世石以來，中國成為人工智慧發展的重要參與者，並逐漸接近美國的水平。
2022年，中國的私人投資總額為134億美元，儘管仍顯著落後於美國，但在其他國家中領先。百度、阿里巴巴、騰訊、華為和科大訊飛等科技巨頭仍然是人工智慧領域的重要參與者。
然而，主要的推動力來自中國政府，該政府通過採用補貼的方式，為人工智慧等戰略性重要行業提供了大量政治和經濟支持，這些補貼通過公私合作平台（如人工智慧產業聯盟AIIA）舉辦的比賽向科技初創企業分發現金。
例如，中國人工智慧初創公司iDeepWise在2018年贏得AIIA競賽後，獲得了約75,000美元的現金獎勵和300萬美元的研發補助金。政府指導基金等公私投資基金是中國政府注入資金到人工智慧等新興技術的附加機制。到2022年，據報導已成立超過2,100個此類基金，籌集近9400億美元。
中國人民解放軍（PLA）在軍事投資方面似乎與五角大樓相當。如果公共合同能夠反映現狀，人民解放軍每年在人工智慧系統上投資超過16億美元。然而，這並不反映實際數字，因為大多數投資可能集中在研發項目上，而大多數資源密集型項目是機密的。
「廣泛」應用 Ai 的行業:
軟件與平臺、通訊與媒體、高科技製造、新零售等行業
Ai 廣泛應用在客戶運營，如內容生成、個性化營銷和智能客服等，生成式 能够快速産生具有創新性和實用性的創意，因此，在以上行業廣泛使用。
「聚焦」應用 Ai 的行業:
汽車、製藥等行業
Ai 集中在産品研發、産品智能化等方面，
汽車行業， Ai 應用在自動駕駛、智能座艙範圍。
頭部的藥企，在生成式 AI 方面進行了大量投資，以加速新藥研發效率。
「探索」 Ai應用的行業:
工程機械、保險、銀行等
Ai 在多個應用場景得到使用，但使用的深度相對較淺。
寧德時代正積極在新電池材料研發、缺陷檢查等智能製造領域部署生成式 AI 技術
在銀行業，一些大型銀行已經大語言模型應用在知識問答、營銷客服、投研和風險管理等場景。
「觀望」 Ai應用的行業:
B2B 的重資産行業，如資源、能源、化工行業等
Ai 的應用相對比較滯後，
企業更關注製造和供應鏈效率，因爲受安全生産和合規約束，
這些行業對 AI 的應用相對謹慎，用例的披露也相對最少。
一，分散開發多個獨立 AI ，當中的負面影響:
資源浪費
為適配各類情景，開發多個獨立AI ，系統之間缺乏協同。
→ 增加維護的成本
→ 增加人力開支
數據無法互通
AI 無法充分跨部門的全面分析
→ 預測准度下降
安全隱患增加
數據在多個位置存儲和處理，
→ 增加數據泄露和濫用的風險
二，數據化時代準備不足
數據統一調動能力不足
企業的數據分散在不同部門和系統中，需要構建一個跨部門、跨系統的數據流通機制
→ 便有效利用数据
Ai 開發平台、工具、人才培訓處于早期
AI 開發云平臺會企業合作。
→從而降低開發成本
安全措施和隱私保護程度需要提升
數據在多個位置存儲和處理，
→增加數據泄露和濫用的風險
三，企業結構與工作模式的調整
隨著 AI 的能力不斷接近人類水平，幷應用于各類生活及工作場景，我們今天所熟知的工作方式有可能發生巨大的變化。
中國的零售、生命科學、高科技、能源行業有機會被生成式 AI 優化或自動化的工作時長占比超過 40%
其中數字技能較弱、工作經驗較少、受教育程度較低的員工受
到衝擊的可能性更大，數字鴻溝加劇的風險上升。
一，建立Ai 數據統一調配機制系統
AI 可以在多個維度創造價值，如自動化、共享服務、新的工作方式、多元勞動力模型（如外包）、資源優化等
由于部門之間孤立的運營會阻礙進展、産生摩擦，從而影響决策和生産力，要想獲得全域視角，必須打破職能和部門壁壘。
統一的數據架構和跨職能團隊可以幫助企業重新定位組織，
構建端到端業務和决策能力，進而發現價值鏈中的機會幷開辟新的價值池。
二，加注「戰略型 AI 」 投資
大部分企業采取的是「保守型投資」 ，專注于已被驗證的生成式 AI 應用，在 IT、營銷、財務和客戶服務等職能部門取得了早期的成果。
這些領域的用例包括支持代碼編寫、內容創建、自動化財務報告、知識檢索、提高客服的效率等等。
儘管在企業內大規模部署 AI 的成本很高，但相比之下，觀望所帶來的機會成本可能更加昂貴。在决定將生成式 AI 部署到何處時，企業需要采取以價值爲主導的方法，
- 充分考慮成本和回報在哪些領域的應用能爲企業創造差异化競爭優勢？
- 綜合考慮供應商成本及人工監督成本之後，技術應用的單位經濟效益如何？
-會造成多大程度的變革？
-相關風險是否可控？
生成式 AI 的出現給企業的數字核心帶來了全新要求，包括對新型數據的需求、模型的選擇以及計算成本的增加。
結合前文所述，中國企業數字技術基礎不牢，數據流通程度、上雲比例不高，IT 安全部署不足。
因此，中國企業需要加速布局數字核心的建設，同時平衡好創新投入
Komentar