3月5日，十四届全国人大三次会议开幕会在北京人民大会堂举行。国务院总理李强在政府工作报告中提出，要持续推进“人工智能＋”行动，将数字技术与制造优势、市场优势更好结合起来。

　　当前，在DeepSeek大模型热潮带动下，“人工智能+”赋能实体经济的探索不断加速，而背后的数据、算力等瓶颈问题也成为今年全国两会代表、委员们关注的焦点之一。

　　全国政协委员、工信部原副部长王江平在接受“具体到一些行业数据更多掌握在头部企业、工程设计院、大学科研院所等手里，要通过一种商业模式把他们手里的数据集成起来，让大家共享数据集产生的价值。”他说。

　　专业数据集和算力瓶颈是突出短板

　　所以，现在我们要推动人工智能进入实体经济，就迫切需要解决专业化数据集不足的问题，这个颗粒度越细越好。现在来看，我们通识性的数据已经有了，但是一些很专业的数据还需要去丰富，这是当前要迫切解决的问题。

　　接下来，就是商业模式的问题。人工智能进入实体经济需要什么样的商业模式，这是一个探索的过程。在我看来，至少有这样几个商业模式值得去探索——

　　第一个就是模型托管，模型做出来放在哪里，涉及云服务的问题；第二是模型服务，模型做出来以后要进入到每一个具体的行业。也就是说，做模型的人要懂实体经济，推动模型进入实体经济就是模型服务。

　　最后就是数据治理和交易问题。一个行业的数据治理完不完整非常关键，只有一个科学的、完整的数据治理体系才可能提供一个高水平的、专业化的数据集。有数据集就会涉及到交易的问题。

　　还有生产装备的智能化，现在我们的AI PC、AI手机，甚至AI家居等等，这些装备制造的AI化也值得探索。当然，模型的评估测试等服务也自然会跟着起来。

　　在人工智能时代，特别是DeepSeek出来以后，我预测这种专用芯片会在今明两年有一个大爆发的机会。我们过去的CPU是通用型芯片，而大模型出来以后，可能会有越来越多大模型专用的算力芯片出现。

　　实际上，一方面人工智能确实给我们的很多岗位带来了替代效应，但另一方面它也会增加很多新的岗位。不论是对企业，还是个人而言，一定要抓住这个机会去主动地拥抱人工智能。

　　另一方面，数据集本身涉及到企业生产、能耗等关键数据，对企业而言是非常重要的，一般不太愿意去共享，所以我们要探索一种共享机制来推动这种数据集的建设。

　　我们的数据集既需要公共数据来支撑，更需要多个“颗粒度很细”的行业数据来发挥关键作用。而具体到一些行业数据更多又是掌握在头部企业、工程设计院、大学科研院所等手里，所以，下一步我们要通过一种商业模式把他们手里的数据集成起来，能够让大家共享数据集产生的价值。这样形成的数据就会很有价值，用它驯化的模型就可以更容易地进入具体的行业里去应用。

　　但当它没有这样丰富的数据集时，就会降低它的权重，最后补白出来，就可能会产生幻觉。我们一般人看不出来，但是专业人士就会看出来这是胡编乱造的。所以，归根究底，幻觉问题也是一个数据集的质量问题。