前兩天人民日報發表了一篇文章《人工智能產業化應用加速》，提到2022年我國人工智能產業規模達到5080億元，同比增長18%，特別強調應用的廣度和深度正在加快擴展。文章中還舉了三個例子：一是新藥研發就受益于此，華為云盤古藥物分子大模型，是由華為云聯合中國科學院上海藥物研究所共同訓練而成的大模型。二是西安交通大學研發出一種新的“超級抗菌藥”，它有望成為全球近40年來首個新靶點、新類別的抗生素。借助大模型，先導藥的研發周期從數年縮短至1個月，研發成本降低70%。三是浪潮信息基于大模型打造的智能客服機器人“源曉服”就是大模型的一個典型應用。顯而易見，這些都指向的是AI+ 應用端，未來各行各業的公司都可能受益于AI的應用。

今天科技部又添了一把火，宣布啟動“人工智能驅動的科學研究”專項部署工作。為貫徹落實國家《新一代人工智能發展規劃》，科技部會同自然科學基金委近期啟動“人工智能驅動的科學研究”專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局“人工智能驅動的科學研究”前沿科技研發體系。

別的行業不說，醫藥行業確實與AI有很大的結合空間。英偉達官網3月22日也顯示，全球 100 多家醫療保健企業正在與 NVIDIA 就 Clara 模型合作 ，推動人工智能加速解決方案。AI+醫藥，前景可期。

促進科技的進步的主要因素是土壤，而不是扶持。溫室大棚里的秧苗多有扶持，但它們永遠也長不大，因為大棚里的作物缺乏風吹雨打的錘煉，沒有優勝劣汰的篩選。

當下OpenAI基于生成式語言模型的GPT出盡風頭，可幾年前態勢可不是這樣的。之前Google收購的DeepMind可謂是大放異彩，但alphaGo享譽世界，但始終也沒找到好的盈利方向。倒是讓微軟注資OpenAI使其迸發出了強大的生命力。

但由此就可以斷言挾OpenAI就一騎絕塵也為時尚早。生成式語言模型不是終點，在這個賽道上還會生出什么變數是由包括微軟谷歌meta等一眾大廠甚至未知的追趕者決定的。
現在砸下百億千億的競爭者會不會在將來因為撲錯了方向而血本無歸是完全無法預測的。

那么，假設科技部的領導們都是專家中的專家，他們就能保障指哪兒打哪兒的方向就是對的么？誰能保證去年大熱而今年式微的元宇宙web3在未來不會柳暗花明又一村取代人工智能這鍋熱灶呢？

我國在人工智能技術、科研數據和算力資源等方面有良好基礎，需要進一步加強系統布局和統籌指導，以促進人工智能與科學研究深度融合，推動資源開放匯聚，提升AI for Science創新能力。

中國的算計資源是全球第三，數據精算領域有很大的上升利用空間。AI 技術節省人力，提高工作效率，有廣泛的應用前景，也是未來科技進步的抓手。我國 AI 技術研發進步的很快，國家與社會各界都非常重視。相關的技術布局已經開展的很充分。
相信未來，中國能夠站在 AI 技術的制高點，為我國成為科技強國貢獻一份力量。

摸著石頭過河的路徑 依然是國內IA不可避免的問題 關于人工智能科技部所謂的布局個人更覺得是像一幫懂人情世故的官員突然換到了科技公司去做程序員的感覺 而不是專業的事專業的人去做

考慮到AI對數據的需求度以及研發人員和工程師往往需萃取多個領域的知識，決策層應將重點放在打通數據孤島，促進相關組織和機構之間的數據流通以及知識共享，使之真正賦能到R&D上，否則利好政策很可能只能是又換了一種提法，換湯不換藥。