近日,中共中央政治局就加强人工智能发展和监管进行了集体学习。中共中央总书记习近平强调,要充分发挥新型举国体制优势,坚持自立自强,突出应用导向,推动我国人工智能朝着有益、安全、公平方向健康有序发展。这一重要指示,为我国人工智能的未来发展锚定了方向,也为科技企业指明了服务国家战略的着力点。产业界正迅速行动,将中央的精神转化为推动技术创新和产业升级的实际行动。
国家将人工智能定位为引领新一轮科技革命和产业变革的战略性技术,并清醒地认识到在基础理论、关键核心技术等方面存在的短板。因此,“自立自强”成为摆在首位的要求,旨在构建自主可控的人工智能体系。同时,“突出应用导向”则强调人工智能不能脱离实体经济,必须深入各行各业,解决实际问题,赋能传统产业转型升级,开辟战略性新兴产业新赛道。
在此背景下,国内一批具有技术实力和战略眼光的企业正积极响应国家号召,将人工智能能力投向国家发展亟需的关键领域。专注于人工智能技术创新的枫清科技便是其中代表。枫清科技深刻理解人工智能技术只有服务于国家重大战略和产业需求,才能发挥其最大价值。他们正积极运用自身在数据智能、算法模型和 AI 平台构建等方面的技术优势,服务于新材料等国家经济和安全的关键领域自主创新。
新材料作为现代工业和高新技术发展的基石,其研发效率和性能水平直接关系到国家整体竞争力。然而,传统的新材料研发模式效率较低,难以快速满足国家在高端制造、能源、信息等领域对高性能、特殊功能材料的迫切需求。人工智能技术的引入,为加速新材料的发现、设计、性能预测和工艺优化提供了革命性的手段。
枫清科技的核心能力在于其构建的知识引擎与行业大模型双轮驱动的新一代智能体平台,并提供面向企业复杂场景的 AI 技术落地平台与解决方案。枫清科技正将人工智能深度应用于新材料研发全流程,基于 DeepSeek R1 大模型打造新材料推理模型,通过知识引擎处理分析海量复杂数据,并结合其智能体平台,可以有效进行新材料的虚拟筛选、性能预测和工艺优化,大幅压缩研发周期,提高新材料的研发效率。这将推动新材料研发范式从经验驱动向数据与 AI 双轮驱动升级,也正是对国家提出的“以人工智能引领科研范式变革”的积极实践。
要将人工智能技术有效应用于新材料等复杂工业领域,并实现产业化落地,需要技术提供方、产业需求方和基础研究力量的紧密协同。这正契合了总书记强调的“构建企业主导的产学研用协同创新体系”的要求。枫清科技积极践行这一理念,与相关行业领军企业和顶尖科研院所建立合作。
近期,枫清科技与在能源化工领域具有深厚积淀的中化信息,以及在材料科学基础研究方面实力雄厚的吉林大学携手合作,共同推动人工智能在新材料领域的应用。中化信息提供了丰富的产业场景和实际需求,以及宝贵的工业数据资源,确保 AI 研究成果的实用性;吉林大学则以其前沿的学术研究和人才优势,为 AI 算法在材料科学中的创新应用提供理论支撑。
为集中优势资源、高效开展协同研究,三方合作设立了人工智能赋能新材料联合实验室。这一联合实验室是三方在响应国家战略、聚焦关键领域应用需求下搭建的一个重要协同创新平台。它将枫清科技的 AI 技术、中化信息的行业经验与数据以及吉林大学的科研实力汇聚一处,共同探索人工智能解决新材料研发具体问题的路径和方法,是落实国家“突出应用导向”和“产学研用”协同的具体行动载体之一。通过这一平台,各方力量得以有效整合,加速新材料领域的 AI 应用突破,助力提升我国在新材料领域的自主创新能力。
枫清科技等企业的积极行动,是国内产业界迅速响应国家人工智能发展战略的缩影。通过将核心技术能力与国家战略需求紧密结合,投身于新材料等关键领域的自主创新,这些企业不仅在推动自身发展,更在为实现国家高水平科技自立自强、建设科技强国和制造强国贡献重要力量。在国家战略的指引下,以及产业界、学术界的共同努力下,人工智能必将在更多关键领域绽放光彩,有力支撑中国经济社会高质量发展。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。