2025年,AI熱潮一浪高過一浪,在全國兩會這個社會各界共商國是的重要節點,AI的熱度無疑再上新高。

“人工智能是中國企業的時代機會,相信會有更多中國企業不斷創造出享譽世界的中國品牌!”3月5日8時許,全國人大代表、海爾集團董事局主席、首席執行官周云杰在十四屆全國人大三次會議首場“代表通道”集中采訪時這樣表示。

據周云杰介紹,他今年帶來了3個建議,關鍵詞全部聚焦AI,涉及工業大模型、家庭大模型、血液及血液制品這幾個領域,著眼于AI大模型訓練、應用等實踐難點,提出了思考和建議。

工業場景難應用,需支持龍頭企業先行先試

與AI的高熱度形成反差的是,相較于服務業、金融業來說,人工智能在工業中的落地應用面臨高難度挑戰,應用場景和普及率都還有很大的提升和擴展空間。根據Gartner最新發布的數據,到2024年6月,僅有8%的中國企業在生產環境中部署生成式人工智能(AI),這一比例遠低于全球超過20%的企業采用率。

長期在工業互聯網產業一線履職的周云杰,對此深有體會。結合海爾卡奧斯工業互聯網平臺助力16萬家企業數字化轉型的實踐經驗,周云杰認為,當前最棘手的難點是,工業大模型對不同工業場景無法做到高效適配,因為不同工業場景的數據和知識需求不同,對工業大模型的泛化適配能力要求也更高。

舉個例子,同樣是AI視覺檢測這個工業場景,在家電和食品工廠的場景數據、知識需求都不一樣,就需要工業大模型針對不同場景進行適配。但是目前,這種工業大模型的泛化適配調優成本高、周期長、成功率低,難以直接應用于新場景。

周云杰建議,重點支持家電、汽車、醫療等行業的龍頭企業,依托其場景、數據、制造和人才優勢,圍繞“一圖四清單”開展工業大模型應用的先行先試。鼓勵龍頭企業在研發設計、生產制造、經營管理等關鍵環節深度應用工業大模型,提煉并推廣可復制的典型案例,打造行業標桿。

據悉,為了加快人工智能在工業場景中的應用,海爾從平臺建設和場景優化兩個方面已經開始了先行先試。

在平臺建設上,海爾卡奧斯工業互聯網平臺自主研發了天智工業大模型,沉淀形成了4700個行業機理模型和200多個專家算法,已在海爾佛山洗衣機互聯工廠、合肥冰箱互聯工廠中取得了顯著成效。今年初,卡奧斯率先將DeepSeek-R1接入到天智工業大模型中,加快工業垂域大模型平臺建設。

在場景優化上,天智工業大模型已賦能汽車、化工、模具等9大行業45個高價值場景,優化效果顯著。比如,應用到注塑工藝優化場景中,實現注塑機的生產能耗降低10%,節拍提升7%,調參周期縮短90%;應用到智能柔性裝配系統,實現工藝設計效率提升 30%,換產調試效率提升50%。

“今年是我連續第9年針對工業互聯網提出相關建議,在AI科技的助力下,新型工業化正迎來全新的發展局面,中國智造正在創造更大的想象空間。”周云杰稱。

家庭數據難訓練,需群企共創垂域數據基礎

算力、算法、數據,是大模型發展的“三駕馬車”。不同于大模型在工業領域的場景適配難題,智慧家庭大模型進一步發展的短板是數據,特別是智慧家庭領域的真實、專業數據。

“就像汽車的油和電一樣,數據驅使AI能夠思考和決策。高質量的數據集能幫助模型捕捉更多的特征,從而提高預測和分類的準確性。”周云杰打了一個形象的比喻。

對于通用大模型,如DeepSeek的訓練數據量非常龐大,總數據量達到2萬億個標記(tokens),這些數據來源于多個渠道,包括代碼數據集、特定領域的文獻和網頁數據等。但對垂域大模型來說,除了這些通用數據外,特定領域的質、量兼優的數據,更是發展的關鍵。?

“未來智慧家庭的垂域大模型不僅需要傳統家電、戶型環境等被動數據,更關鍵的是要融合人機交互、力覺、視觸覺等各類主動數據,并且數據來源包含人工標注、仿真生成、訓練場生成等多種主動采集方式。”周云杰表示。

在一線履職中他發現,目前智慧家庭垂域大模型的數據困境表現在兩端:一是在數據采集端,主動數據少、采集成本高,極大制約了行業垂域大模型的開發進度;二是在數據服務端,跨界融合難、平臺支撐弱,靠企業的力量難以實現高效的全場景整合與訓練,亟需國家統籌與支持。

為此,他建議國家牽頭,培育數據采集產業,通過全民貢獻、群企共創的形式,實施數據貢獻參與工程,構建行業全覆蓋的垂域數據基礎。同時,建議國家支持企業牽頭建設智慧家庭全場景覆蓋的數據仿真平臺和訓練場,訓練高質量垂域大模型,推動具身智能技術在智慧家庭場景中的深度應用,賦能家庭服務型機器人等新質生產力發展。

據公開信息,創業40年的海爾在全球搭建了最大的智慧家庭生態平臺。在中國,海爾智家平臺活躍用戶1000萬以上,三翼鳥已經走進345萬個家庭,每個月為用戶提供超6億次智慧生活服務;在美國,Smart HQ平臺聯網用戶超400萬,實現了用戶、家電和生態方的智能交互;在歐洲,hOn APP注冊用戶超630萬,讓用戶體驗高效便捷的智慧生活;在日本,AQUA也在加速布局智慧社區洗;在東南亞,海爾通過Haismart為當地用戶提供智慧家庭服務。

業內人士認為,這些遍布全球的智慧生活平臺,以及服務全球10億用戶家庭的智慧家電,都決定了海爾在發展智慧家庭垂域模型的路上已經領先了一個身位。

探索醫療新可能,用AI提高血液調配效率

除了家庭生活、工業生產外,人工智能大模型還可以創造哪些新可能?

在周云杰看來,在關乎國家發展和民眾福祉的關鍵民生領域,人工智能技術也展現出了前所未有的潛力,比如AI服務于血液供應體系建設,就為中國血液緊平衡的“老問題”找到了解題新思路。

他在青島市中心血站調研時了解到,當前我國臨床用血處于供需“緊平衡”態勢,以青島市為例,隨著人口老齡化和醫療服務量增加等,全市一年血液需求近45噸,而2022年獻血量約46噸。

除了采供血緊平衡態勢,城域血液資源分布不均、血液信息不能共享、血液調劑難、缺乏統一管理等問題,進一步加劇了臨床用血供需矛盾。

“全國血站的智慧化建設水平參差不齊,不同采供血機構之間尚未完全聯網,血液信息不能共享,無法實現血液有效管理及合理調撥。”對此,周云杰建議,在加大宣傳力度、提升血站服務水平、強化獻血者優先用血權益的保障之外,要進一步采用信息化手段,實現城市血站、醫院血庫與手術室無縫對接,保障病人用血零等待,實現臨床用血零浪費。

周云杰的這一建議來自于諸多城市行之有效的實踐經驗。海爾大健康產業盈康一生旗下海爾生物醫療創新打造智慧血液城市網方案,目前已經在青島、宜昌、鄂爾多斯等城市落地,數字化血液安全管理方案也已在北京、上海、天津等多個城市應用,并逐步推廣至全國32個省1300多家三甲醫院,推動城市血液管理智慧升級。

以內蒙古鄂爾多斯為例,過去市中心血站到旗縣醫院送血,路程至少需要2小時,位置偏遠的醫院甚至需要4個小時,這不僅需要投入大量人力物力,也影響到血液供給的及時性。

在海爾生物醫療打造的智慧血液網助力下,臨床取用血從4小時縮至最快2分鐘,既解決了過去常備用不掉、不備耽誤治療的難題,也為搶救生命贏取更多時間,真正實現了用血零等待、零浪費。

一方面,鄂爾多斯市中心血站在6大儲血點配備海爾生物醫療智能無人值守血液冰箱,冰箱內的血液類型、環境溫度、箱內庫存、質量等信息可以實時監控。當需要用血時,醫院線上發起用血申請并獲得血站授權后,即可從該區域的儲血點取血。另一方面,鄂爾多斯市中心血站依托海爾生物醫療數字技術,構建了城市血液管理信息平臺,實現全市血液信息有效互通、血液安全全鏈條監控,從而輔助血液管理及決策,優化血液資源的配置。

要么與AI同進化,要么被AI邊緣化。周云杰建議每個企業首先要強化信息化和數字化基礎建設,根據自身特點制定人工智能戰略,以場景和應用為牽引,總體規劃、分步實施,因地制宜地搭乘AI科技的快車,實現AI時代的高質量發展。