a8彩站2.1版本

一双品牌运动鞋，放置在人工智能自动鉴别仪器下方的拍摄点，仪器自动拍摄多张不同角度和细节的照片，回传至得物查验鉴别数据库进行细节匹配，大约5秒之后，这双运动鞋的鉴别报告生成，商品真伪立马现形……在近日举行的一个人工智能展会上，得物公司研发的一台人工智能自动鉴别仪器吸引了许多观众目光。

北京通用人工智能研究院研究员焦子元认为，海量的应用场景、超大的市场规模、庞大的人才队伍，是中国发展人工智能的先天优势。依靠这些优势，中国企业在自动驾驶、智能制造等领域创造了一些技术落地实例，展现了广阔的应用前景。在活跃的市场环境及健康的竞争态势下，中国企业能够快速迭代和优化人工智能技术，推动行业整体水平提升。

在数据大模型方面，百度公司推出的文心大模型日均调用量突破2亿，用户已习惯于百度搜索、百度文库等应用的人工智能功能。百度创始人、董事长兼首席执行官李彦宏认为，中国企业在人工智能的发展路径上，采取了应用驱动基础模型发展的方法。他认为，关注应用并非忽视基础大模型的发展。恰恰相反，人工智能应用与基础大模型的发展相辅相成。

随着人工智能大模型的突破和生成式人工智能的兴起，人工智能产品得以更好处理生产生活中的复杂问题，为各行业实现产品和流程革新提供了更加先进的工具和手段。在气象领域，技术人员预测一个台风未来10天的路径，过去需要在3000台服务器上花费5小时进行仿真，现在基于预训练的盘古气象大模型，10秒内就可以获得更精确的预测结果；在古籍研究领域，字数将近4000万的一套古籍，研究人员利用人工智能技术，3个多月就完成了识别、点校、上线发布……

a8彩站2.1版本在展会的中国馆内，一辆小鹏G9纯电SUV外观设计流畅简约，智能座舱科技感十足，颇为抢眼。据介绍，小鹏G9国内版已经搭载“AI天玑系统”，将人工智能技术全面应用于智能座舱与智能驾驶，通过个性化组合实现100多项座舱功能。小鹏汽车法国市场相关负责人介绍，基于人工智能大模型的深度应用，该系统能够将场景感知范围扩大至1.8个标准足球场大小，可精准识别50多个目标物；通过哨兵模式，可做到24小时在线记录，提前预警潜在风险。人工智能代驾还具备自主学习能力，能够在用户手动驾驶时记忆行驶路径。仅需一次学习，系统便可生成定制化的驾驶路线，为用户提供智能辅助驾驶体验，每个用户最多可选择10条路线，每条路线最长100公里。

“老板娘，我们下周见！”“好的，下周见！”挂了电话，义乌国际商贸城一家玩具店店主孙丽娟的嘴角笑意难掩。电话另一端，是墨西哥首都墨西哥城一家日用品超市的店主卡洛斯·罗德里格斯。再过几天，罗德里格斯就要到孙丽娟的店选购新一季产品。

其实，孙丽娟并非真的会讲西班牙语，而是借助了人工智能数字人技术。去年10月，浙江中国小商品城集团发布全球首个商品贸易领域大语言模型，并上线新升级的人工智能智创服务平台。在系统里，商户以数字人形式出现，通过人工智能技术将录制的中文视频转化为36种语言版本，并根据发音调整口型。据介绍，目前有1万余家商户尝试使用该功能与全球客户沟通。

“这台仪器的核心部件是人工智能计算引擎，这个引擎由得物多年积累的查验鉴别研究和海量实物商品数据训练而成，能辅助提升查验鉴别的效率。”得物展台工作人员介绍，目前得物正品样本库，覆盖13个消费品类、1500多个品牌、10万多种商品。查验鉴别数据库会训练人工智能什么是真、什么是假，让人工智能在不断判断陌生照片真假的过程中校正和优化，实现模型的自动迭代。以运动鞋为例，仪器能支持鉴别100多个品牌的运动鞋，人工智能鉴别结果与专家人工鉴别结果吻合度颇高。

人工智能技术应用还延伸到很多领域。在展会上，中国创意软件公司万兴科技展示了多款视频、文档和绘图创意软件。其视频创意软件推出了人工智能动感字幕功能，可自动分析视频中的语音内容，通过识别语义、情感色彩和语气，判断出语音内容中的重要部分，并通过包括背景变色、字号增大、文字加粗等视觉效果，对字幕进行高亮显示。在办公会议等场景下，跨语种交流往往成为障碍。科大讯飞公司推出了一款会议耳机，通过人工智能技术，能实现面对面翻译和同传听译功能，并支持32种语言的实时翻译，成为人们交流沟通的高效助理。

近年来，类似的人工智能创新成果正在深刻改变着人们的生产生活。工信部数据显示，中国人工智能核心产业规模已超5000亿元，企业数量超4500家。目前，中国开发的人工智能大模型已经在智慧矿山、药物研发、气象、政务、金融、智能制造、铁路管理等领域展现出巨大的应用潜力，不断赋能千行百业。

这次跨越大洋的合作契机源于罗德里格斯在义乌小商品市场官方网站上看到的一段视频。视频中，孙丽娟讲着一口流利的西班牙语，如数家珍般介绍自家玩具产品，让罗德里格斯产生了浓厚兴趣。

今年中国首次将“人工智能+”行动写入政府工作报告，人工智能对加快发展新质生产力的驱动作用受到重视。专家认为，下一步中国企业人工智能创新应逐步解决一些难题。例如，加强基础研究，尤其是在原创性、前瞻性的研究成果方面；提升芯片等核心技术的国产化程度；强化人工智能伦理和法律法规体系建设等。