2023年，大模型是全球整个科技圈躲不过的风口，头部企业和海量创业小公司蜂拥而上，直接触发了一场百模大战。

  到了2024年年初，Sora的横空出世再次像深水炸弹一样，带来强烈的连锁反应。

  近日，时代财经从天娱数科方面获悉，全国政协委员、天娱数科副总经理贺晗围绕推动数据交易机构相互连通、重视3D数据生成采集，促进智算资源相互连通、缓解供需结构矛盾，加快拓展人工智能大模型技术应用场景等方面提交了三份提案。

  过去一年，从业者从对大模型的技术惊叹转为应用落地，行业垂直大模型成为主流。在医疗、金融、交通运输、气象等垂直行业应用场景上，大模型无不展现出惊艳的性能表现和巨大的发展潜力。

  贺晗认为，应该加快拓展人工智能大模型技术应用场景，特别是在制造业、能源、物流等传统行业的应用，鼓励搭建多层次应用场景供需对接平台。

  众所周知，数据、算力、算法是人工智能技术的三大基石。其中，数据相当于人工智能进化的原料，大模型的算法和整体质量都直接取决于训练的数据质量，随着大模型发展走向深水区，对数据的专业度和精准度都提出了更高的要求。

  “我们整体数据资源虽然多，但各行业高质量产业数据集却不多，此外，多元异构算力调度还没跟上来，算力孤岛问题突出，呈现出算力资源碎片化、资源利用率不高的整体特征。”贺晗对时代财经表示。

  对此，贺晗建议推动数据交易机构相互连通，促进多层次数据要素市场协同发展，建立统一的数据交易标准规范体系，推动各行业建立高质量产业数据集、重视3D数据生成采集。

  以下是时代财经与贺晗的对线年政府工作报告中介绍今年政府工作任务时提出“大力推进现代化产业体系建设，加快发展新质生产力”。你认为什么是新质生产力？发展新质生产力的关键是什么？

  贺晗：新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转变发展方式与经济转型而催生的当代先进生产力。

  发展新质生产力要把“人工智能+”与“数据要素x”结合起来，用“人工智能+”推动各行各业降本增效、提质提速，用“数据要素×”提高全要素生产率。新质生产力的“新”，关键在以科学技术创新推动产业创新。科学技术创新应坚持以企业为主体、市场为导向、产学研用深层次地融合，一体化推进部署创新链、产业链、人才链，来提升科技成果转化和产业化水平。

  只有让科学技术创新与产业创新相互促进、同频共振，在生产的全部过程的实践中一直在优化生产要素，才能实现以新技术培育新产业、新模式、新业态、新动能，引领产业转型升级，进而实现生产力的跃迁。

  贺晗：数据、算力、算法是人工智能技术的三大基石。数字产业集群能够汇集数据要素，并且对算力和算法形成集中性需求，是AI发展和应用的天然载体。

  从2020年开始，我们在山西综改示范区打造了全国第一家以数据要素驱动的数字化的经济园区——山西数据流量生态园。3年多以来，我们致力于将“数据要素、智能算力、算法应用”协同发展与数字化的经济领域的产业实践相结合，拓展人工智能技术的应用场景。我们持续推动大模型技术与煤焦钢电新能源等山西特色优势产业的丰富应用场景和行业数据要素相结合，训练打造垂直领域大模型，来助力传统产业实现数字化转型，提高生产效率和质量、降低生产所带来的成本、减少能源消耗和环境污染。

  比如炼钢企业通过AI实现焦煤与铁矿石的动态最优配比，比如物流和供应链管理过程中通过AI实现最佳路径规划，再比如工业公司利用大模型分析设备传感器数据，预测设备故障，进行预测性维护，减少停机时间等等。

  在算力方面，我们率先建立普惠算力调度服务平台，汇聚多方算力资源，纳管零散算力，整合闲置算力，推动智算服务逐步从“按指定规格购买资源”的粗放管理模式向“按任务匹配资源、按资源使用量结算”的精细化管理模式转变，不断降低入谷企业算力使用成本，实现算力普惠。

  在算法层面，我们引入了杉树科技、上海人工智能研究院等大模型研发资源，不断为入谷企业提升通用算法供给。

  贺晗：目前以大模型为代表的人工智能技术其实是集中应用在内容生产领域，2D大模型更为常见。未来人工智能技术将会在空间计算、机器人、工业设计与制造等更广泛的领域大显身手，3D大模型将是下阶段AI发展的关键。

  3D大模型需要3D数据喂养，3D数据可以捕捉深度信息，它能让机器对物体的形态、结构和位置有更准确的理解，从而创建更具真实感的模型和场景，提供更直观的可视化效果，进行更精确的分析和测量。同时，3D 数据能支持更多的交互性，用户都能够在 3D 环境中做相关操作、旋转、缩放和查看不同角度，提供更好的用户体验。

  3D大模型能提供更准确和全面的分析与决策，在处理与空间感知和交互相关的任务时有着非常明显的优势。

  比如，在计算机视觉方面，能识别和理解 3D 场景中的对象、姿态估计、场景重建等；在机器人技术方面，能帮助机器人在 3D 环境中感知、导航和操作物体；在自动驾驶领域，能处理3D传感器数据，进行感知和决策；在工业制造领域，能提供更准确的产品设计和可视化，帮助工程师更好地理解和评估产品的形状、尺寸和结构；在科学、医学和工程教育方面，能够在一定程度上帮助学生更好地理解复杂的概念和结构等等。