“当前，人工智能正在经历从‘通用能力’向‘专业赋能’演进的关键阶段。”全国政协委员、九三学社中央常委、中国科学院院士李景虹在接受中国城市报记者采访时表示，在推进过程中，通用大模型由于缺乏对特定产业场景的深度理解，难以满足复杂、专业的行业需求，制约了“人工智能+”的实际效能。
李景虹认为，破局的关键，在于大力发展基于高质量行业数据的垂直领域大模型，将其打造为赋能千行百业的“行业专才”与新型基础设施。
李景虹在调研中发现，我国在推动行业大模型发展过程中，面临高质量专业数据供给不足、数据治理规则不健全、数据共享机制不畅等突出矛盾。
“在化工、材料、生物医药等高度依赖专业数据的领域，我国长期依赖购买国外商业数据库，自身缺乏系统性的数据积累与标准化体系建设。行业内部，企业间数据壁垒高筑，缺乏互利共享的有效机制。”李景虹举例表示，人工智能制药企业难以获取医院的诊疗数据，智能制造企业难以共享工艺参数数据，导致高价值数据分散、封闭，难以形成规模化、标准化的训练资源。
“行业数据的系统性建设与创新性治理，已成为‘人工智能+’能否走深走实的关键变量。”李景虹建议，将行业数据资源建设提升到与技术创新、硬件投入同等重要的战略高度，通过分类施策、机制创新与规则完善，为“人工智能+”夯实数据基石。
具体而言，建议优先选取生物医药、高端材料、精细化工、智能制造等数据价值密度高、智能化需求迫切的行业，开展“人工智能+行业数据”试点。针对每个试点行业，研究制定“行业高质量数据发展指南”，明确该领域高质量数据的定义标准、技术规范、关键缺失清单及阶段性建设目标。通过试点先行，形成可复制、可推广的经验，逐步构建覆盖重点行业的专业数据资源体系。
■转载来源：中国城市报记者 郑新钰