人類社會正邁向以人工智慧為關鍵支撐的智能社會，新一代人工智慧成為國際競爭的新焦點和經濟發展的新引擎。
搶抓人工智慧發展機遇，陝西省發展改革委牽頭制定《陝西省深入實施“人工智慧+”行動方案（2025—2027年）》，明確陝西將聚焦賦能科技創新、產業發展，助力消費提質、民生改善，提升社會、安全、生態治理能力，增強基礎支撐能力4個方面，圍繞15個方向推進“人工智慧+”在重點行業的深度融合與應用，力爭到2027年，陝西製造、能源、 文旅等重點領域智慧化發展取得顯著成效，新一代智慧終端、智慧體等普及率超70%，具有全國影響力的人工智慧創新發展聚集區加快形成。
從這份“施工圖”入手，本報記者邀請多名省內高校、研究機構的專家學者和企業負責人解讀《方案》，探討陝西“人工智慧+”如何賦能千行百業。 本期訪談，記者專訪陝西省計算機學會理事長、西北工業大學教授周興社，西安電子科技大學人工智慧學院執行院長侯彪，美林數據技術股份有限公司AI應用研究院院長寇二平。
記者：從全球來看，以大模型為代表的新一代人工智慧技術處於哪個發展階段？ 陝西在推動「人工智慧+」方面應如何把握技術演進節奏？
周興社：從2023年到現在，新一代人工智慧技術爆髮式發展，在技術創新與領域應用驅動下進入高速發展期，正在對科技進步、產業發展等產生重大而深遠的影響。
按照高德納（Gartner）技術成熟度曲線來講，新一代人工智慧技術處於不同發展階段。 例如，生成式AI處於泡沫破裂低谷期，應用落地正在實施; AI智慧體處於期望膨脹期，距離真正發揮價值還需一段時間，但未來可期。 有專家預測，到2027年左右，不少基礎大模型會“銷聲匿跡”，而垂直領域模型則會成為主流，呈現百花齊放態勢。 因此，我們不能盲目跟風。 陝西實施「人工智慧+」行動，應該結合重點領域和行業，重點開發面向行業的垂直大模型。
要先易後難推動大模型與各行業結合。 目前，大模型的應用主要是以應用場景為驅動。 比如，大語言模型在知識問答、智慧客服及政務、法務等眾多場景中應用取得了良好成效，條件較為成熟; 在工業領域，大模型在物流配送、售後服務場景中易於應用，但在工業生產過程的深層次應用難度較大。 因為工業生產過程具有鮮明的強專業性、高準確性、高可靠性要求，因此，只有在高質量數據集的支撐下，工業細分領域模型經過微調優化使得幻覺大大減少、準確性大幅提升，才能應用於工業生產過程中的工藝優化、品質管控等場景。
要加強多元化算力支撐和統籌調度。 一方面，要加強全省智算基礎設施的建設統籌和動態調度，避免盲目建設。 另一方面，要形成多元化算力支撐，要有代表區域水平規模較大的智算中心，也要有面向行業、集團的當地語系化智算集群部署和面向小型企業的小規模輕量化智算系統。 如此，才不至於形成過大的浪費，也能夠支撐AI應用不斷深化。
記者：目前，陝西人工智慧產業發展中存在哪些短板？ 該如何推動產業進一步發展？
侯彪：2017年，「人工智慧」一詞首次出現在《政府工作報告》中。 2024年，《政府工作報告》首次提出“人工智慧+”行動概念。 2025年8月，國務院印發《關於深入實施“人工智慧+”行動的意見》。
我的理解是，2024年之前是大力推進人工智慧基礎理論、關鍵技術和算力數據平台建設的一個時期。 2024年開始，產業發展的重點變成了推進場景落地。
陝西是科教大省、能源大省、軍工大省，在製造業、農業、文旅等方面優勢明顯。 但是，陝西人工智慧產業發展不夠超前，潛力有待挖掘。 主要有以下幾個方面原因：一是高端人才供需矛盾突出; 二是缺少龍頭企業，示範帶動能力弱; 三是數據打通難，模型難以落地; 四是場景應用要求高，應用落地難度大; 五是金融支持體系不完善，商業化概率低。 針對以上不足，這次省發展改革委牽頭制定的《方案》對陝西人工智慧產業發展壯大起到了至關重要的作用。
我認為，推動這些舉措落地的過程中要注重樹標杆，各個行業領域、政府主管部門要主動打造典型案例，形成示範帶動效應。 要著力塑生態，人工智慧產業生態的建設非常重要，離不開高端人才、龍頭企業，算力數據、模型演算法、應用場景和金融體系的支撐，必須要打造有利於人工智慧產業發展的良好生態。
記者：作為人工智慧技術解決方案的供應商，美林數據技術股份有限公司怎麼看待人工智慧的發展現狀及未來趨勢？
寇二平：我認為，現在是大力發展人工智慧技術的一個最好時機。 業界預判，未來大概3到5年時間，人工智慧技術就會影響和改變各行各業。
人工智慧技術有很多特點：一是通用技術賦能千行百業，影響我們生活的方方面面。 二是未來的競爭是非對稱性的，大企業能佔一席之地，小企業也大有可為，一些獨特技術方面的突破就能為行業帶來顛覆性的變化。 未來，會不斷湧現出一些創新能力很強的小企業。 三是人工智慧行業的發展有自動加速的能力，不是線性發展，而是指數性的發展。 模型之間互相比拼、相互促進，會不斷優化形成「飛輪效應」。。 所以，在人工智慧技術的研究方面，我們要加快利用好這種「飛輪效應」 ，加快形成自我反覆運算的能力。
在長期服務客戶的過程中，我們發現兩個問題。 一是數據治理問題。 各行各業的數據有很多，但是數據怎麼用於人工智慧？ 質量怎麼提高？ 這是擺在人工智慧技術應用方面的必答題。 二是可靠性問題。 我們服務的一些電網、能源企業客戶，他們對可靠性的要求非常高，必須是100%，但是傳統大模型還是存在黑箱問題和幻覺問題。 這些問題在一些關鍵產業裡面是不可接受的。
下一步，我們將成立人工智慧應用研究院，針對大模型和小模型的結合應用構建工程化平臺，解決人工智慧在關鍵行業領域應用的問題; 聯合企業和高校專家成立研發機構，針對行業領域的關鍵核心難題進行聯合研發攻關; 積极參與國家在人工智慧領域的標準制定，也希望省級層面對人工智慧標準工作進行支援; 加強產教融合，把實踐案例做成實訓平臺，讓教育機構可以直接用我們的實際案例培訓學員，讓學員能更快地開展實際專案。
