《广东发布“人工智能45条”》

  • 来源专题:人工智能
  • 编译者: 袁晨
  • 发布时间:2024-06-21
  • 记者6月15日获悉,《广东省关于人工智能赋能千行百业的若干措施》(以下简称《措施》)近日正式公布。《措施》从5方面提出45条措施,为人工智能赋能千行百业提质增效。
    《措施》提出,到2025年,广东全省算力规模超过40EFLOPS(EFLOPS是指每秒百亿亿次浮点运算次数),人工智能核心产业规模超过3000亿元。到2027年,全省人工智能产业底座进一步夯实,算力规模超过60EFLOPS,全国领先的算法体系和算力网络体系基本形成;智能终端产品供给丰富,在手机、计算机、家居、机器人等8大门类,打造100款以上大规模使用的智能终端产品,人工智能核心产业规模超过4400亿元;聚焦制造、教育、养老等领域,打造500个以上应用场景,各行各业劳动生产率显著提升。
    《措施》提出,夯实人工智能产业底座,加快形成新质生产力。在加大人工智能核心芯片器件供给方面,《措施》提出,建立人工智能芯片生态体系、打造智能感知产业体系。
    在推进人工智能软件迭代升级方面,《措施》提出加强智能软件研发创新、拓宽智能软件应用广度。鼓励企业深挖制造、医疗、教育等重点行业需求,强化人工智能框架软件和硬件相互适配、性能优化和应用推广,打造软硬件一体化生态体系。到2027年,智能软件产业规模达到270亿元。
    另外,《措施》提出系统构建算法产业矩阵,包括建设高质量中文数据集、加快算法产品供给、建设大模型开源社区等,并提出多项行动目标。《措施》鼓励企业建设面向行业的高质量中文语料数据库,推动典型行业数据汇集、共享和使用。
    《措施》进一步提出,加快智能算力基础设施建设,出台实施加快广东算力基础设施发展的政策措施,促进珠三角和粤东粤西粤北高效互补和协同联动,并加快国家枢纽节点数据中心建设,围绕重点应用场景做强城市边缘智算中心。到2027年,重点行业的智算覆盖能力显著提升。
    《措施》还强调充分发挥广州、深圳建设国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区作用,加快推动国家(省)人工智能开放创新平台建设。
     
  • 原文来源:http://www.chinasei.com.cn/xxjscy/dsjfz/202406/t20240618_73367.html
相关报告
  • 《上海人工智能公共研发资源图谱发布 年底对公众开放》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2019-09-03
    • 备受瞩目的2019世界人工智能大会(WAIC)29日在黄浦江畔拉开大幕。大会期间,由上海市研发公共服务平台管理中心、上海科技创新资源数据中心联合推出的,上海首个服务于人工智能产业创新主体的工具性数据支撑平台——《上海人工智能公共研发资源图谱》(以下简称《图谱》)1.0版本正式发布。 以人工智能及相关领域的重要数据资源为基础的《图谱》,目前共收录人工智能及相关领域的专家人才信息超过10万条、学科词库超过30万条、科技文献超过1亿篇、科技机构超过10万家、科技企业超过1万家,采用多项最先进的数据治理技术,整合人工智能算法和知识图谱的最新技术成果,为全球科研从业人员带来全新的知识搜索服务体验以及基于深度数据分析产生的科研趋势可视化分析,帮助科研人员更快、更丰富、更精准的寻找专业科研资源并发现科研热点和未来方向,有效增加科研人员的工作效能和成果。 自2018年11月上海发布《关于本市推动新一代人工智能发展的实施意见》以来,上海加快推动人工智能产业发展。 上海市经信委相关数据显示,目前上海人工智能相关产业规模已达700亿元人民币,形成了较为成熟的产业技术和商业模式,相关领域的科技研发已成为一项人才、知识、信息、数据密集型工作。与此同时,人工智能科技创新的快速发展对各类创新主体的科技研发机构均提出了更高的要求,科研资源数据的有效汇聚和分享将极大降低科技研发的资源门槛,提高科研准备和成果输出的效率。 上海科技创新资源数据中心首席执行官朱悦在发布现场接受采访时表示,《图谱》旨在聚焦人工智能科研领域各类科研资源数据的整合,汇聚过亿级别的专业数据,以人工智能领域学科词为核心,打通专家人才、科技文献、专利成果、科研机构、科技企业等相关研发资源数据,并通过知识图谱展示这些资源之间的关系,提供更好的一站式搜索体验和智能关联推荐,为人工智能领域产业发展提供更好的数据检索和支撑服务。 据悉,《图谱》1.0版本正在进行最后的调试阶段,计划今年年底对公众开放。届时,通过访问上海科技创新资源数据中心官网(www.sstir.cn)即可进入《图谱》。
  • 《人工智能帮助新药研发》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-12-03
    • 在古代,神农尝百草,这其实就是人工筛选药物的过程。 在现代,看过电影《我不是药神》的人也会知道,新药研发的成本是极高的。 在综艺节目《奇葩说》中,经济学家薛兆丰提到:每一款新药研发的周期大约是20年,平均每款新药的研发费用高达20亿美元。 所以,新药研发是一个高风险高回报的行业。 人工智能时代,情况有了很大的变化,人工智能可以对新药研发有很大的帮助。 药的分类 要理解人工智能对新药研发的帮助,首先需要对药物做一个大致的分类。从药物分子的大小来分,一般可以把药物分为二类。 1. 化学药 化学药的起效成分是单一、明确的化学小分子,分子量通常小于 1000 道尔顿(也就是1000个质子质量)。这种药可以通过实验室化学合成制备,其分子结构可以用紫外可见分光光度计,核磁共振与红外光谱仪等仪器鉴定。这种药物分子可以直接进入细胞产生药效。 著名的阿司匹林(aspirin)就是一种化学药,阿司匹林于1899年3月由德国化学家发明,可用于治疗感冒、发热、头痛等病症。再比如伟哥(viagra)是由美国辉瑞研制开发的一种口服治疗男性性功能障碍的药物,在音乐人李宗盛等人演唱的《最近比较烦》这首歌中,有这样一句“我梦见和饭岛爱一起晚餐, 梦中的餐厅灯光太昏暗, 我遍寻不着那蓝色的小药丸”,这个蓝色的小药丸就是伟哥 ,这也是一种化学药。 2. 生物药 生物药一般是抗体、蛋白(多肽)、核酸类药物,分子量通常远大于1000 道尔顿。所以生物药是大分子药。 比如治疗糖尿病的人工胰岛素就是一种生物药。1958年,中国科学院在王应睐、曹天钦、邹承鲁、钮经义、沈昭文等先生的带领下,正式启动人工合成胰岛素项目,1966年取得巨大成功。我国人工合成的胰岛素其实就是一种人工合成的蛋白质分子,这是一种生物药。 对于人工智能新药研发来说,多数情况下比较适合处理化学药,对于大分子生物药的研发,目前的人工智能技术还有点力不从心。 新药研发与药物靶点 要理解新药研发,我们还要看一下为什么一个人会生病——因为药物是用来治病的。从分子生物学的角度来说,有的病情是由于分子的表达缺失引起的,比如胰岛素降低引起糖尿病;也有的病情是因为分子的表达过强引起的,比如组胺过高引起过敏。 那么,人为什么会生病呢?因为身体是由细胞组成的,细胞是由化学小分子和生物大分子共同组成,它们并不是简单地拼凑在一起,而是相互级联作用构成一个复杂庞大的网络,不同的生理功能可以看成这个巨大网络中一条条串联的线路。 我们身体的疾病,除了外科损伤之外,多数是这个网络上某个线路发生了异常,这就好像某条交通线发生了堵塞一样。吃药的目的就是打开这个拥堵点。这个拥堵点也就是药物分子需要作用的“靶点”。 在分子生物学出现之前,没有药物靶点这个概念。在那个时候,无论是全球各地的草药,还是偶然发现的青霉素,都是根据经验、猜测或者迷信来揣度人体的发病原因。中药就是其中一个例子,一般中药有副作用,这就是因为中药不是根据分子生物学设计出来的,所以它的靶点很散乱,相当于是用散弹枪去打靶,而现代西药则好像是用狙击枪去打靶。 因此,人体内的所有分子都可能成为潜在的靶点,这些分子有可能在细胞膜上,或者在细胞质里,有些可能在细胞核里;这些分子也可能在血液里,或者在大脑中——不同分子的特点不同。比如抗体等生物大分子只能与体液和细胞膜上的分子结合,而化学小分子则更容易穿透细胞膜甚至进入细胞核发挥作用。不同药物进入体内的方式是不同的,一个好的药物需要保证它们不要在进入体内的途中损失掉(比如被胃液的酸性腐蚀等等)。而且药物的设计必须有很好的靶向性,比如有的药需要进入大脑,那么就需要穿过血脑屏障;有的药为了不影响婴儿,则希望它不要透过母婴屏障。最好的药物设计的标准是:设计出来的药只与想治疗的器官和分子发挥作用,而不产生其他的副作用。但是,由于生物功能是一条线路,这个线路上可能不止一个分子有成为靶点的潜力,因此要找到最关键的靶点才会最有效果。但事情没有那么简单,在生物体中,同样一个分子可能是多功能的,如果抑制了这个分子,可能就会引起其他正常功能的损伤,这就是产生副作用,有些副作用还很严重,因此,要选择非常干净特异的分子作为药物靶点。 药物靶点这个概念是分子生物学发展的产物,尤其是基因测序技术发展起来之后才有的新概念。通过研究找到真正作用的原因(分子机理),可以为药物研发提供了新的原理。 人工智能帮助新药研发 人工智能是需要有大数据作为原料的,而新药研发领域其实是一个大数据非常丰富的宝库,因此这为人工智能提供了用武之地。比如1959年《药物化学》杂志创刊至今,至少发表了45万种化合物作为药物的研究对象,这是一个巨大的数据库,对于这样的大数据,人工智能可以发挥它的独特作用。 不久前,《科学美国人》与世界经济论坛发布了2018年十大新兴技术,人工智能辅助化学分子设计——机器学习算法加速新药研发就是其中之一。 目前,在全球有至少100家企业正在探索新药研发的人工智能方法,在国外,葛兰素史克、默克、强生与赛诺菲公司都已经布局人工智能新药研发。在中国,也涌现了深度智耀、零氪科技与晶泰科技等人工智能新药研发企业,药明康德也战略投资了美国的一家人工智能新药研发公司。 对于化学分子的设计而言,以前的设计是通过人员对分子各种侧链和基团化学性质的经验,人工设计药物。这个过程就跟程序员写程序一样,有的人有天分,写一个程序就能成功运行,有的人没天分,设计了许多也没有好用的。因此,在当时就有很多人说,药物的化学设计是一种艺术,甚至是一种玄学。 现在,则可以用机器来学习药物和药物靶点的结合特点,从而让机器来进行药物设计,这也能大大提高成功设计的概率。人工智能通过计算机模拟,可以对药物活性、安全性和副作用进行预测。 人工智能可以应用在药物开发的不同环节,包括虚拟筛选苗头化合物、新药合成路线设计、药物有效性及安全性预测、药物分子设计等。为什么人工智能提高新药研发的效率呢?因为人工智能有很强大的发现关系的能力,还有很强大的计算能力。在发现关系方面,人工智能可以发现药物与疾病的连接关系,也能发现疾病与基因的连接关系。在计算能力方面,人工智能可以对候选的化合物进行筛选,更快筛选出具有较高活性的化合物,为后期临床实验做准备。人工智能在化合物合成与筛选方面可以比传统手段阶段40%的时间,每年为药企节约上百亿的筛选化合物的成本。 人工智能技术的出现,为中国在新药研发的国际竞争中实现弯道超车提供了一定的可能性。