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(jié)點，AI的熱度無疑再上新高。
“人工智能是中國企業(yè)的時代機會，相信會有更多中國企業(yè)不斷創(chuàng)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(zhí)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(yè)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(yè)場景難應用，需支持龍頭企業(yè)先行先試
與AI的高熱度形成反差的是，相較于服務業(yè)、金融業(yè)來說，人工智能在工業(yè)中的落地應用面臨高難度挑戰(zhàn)，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(fā)布的數據，到2024年6月，僅有8%的中國企業(yè)在生產環(huán)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(yè)采用率。
長期在工業(yè)互聯網產業(yè)一線履職的周云杰，對此深有體會。結合海爾卡奧斯工業(yè)互聯網平臺助力16萬家企業(yè)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(yè)大模型對不同工業(yè)場景無法做到高效適配，因為不同工業(yè)場景的數據和知識需求不同，對工業(yè)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(yè)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(yè)大模型針對不同場景進行適配。但是目前，這種工業(yè)大模型的泛化適配調優(yōu)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(yī)療等行業(yè)的龍頭企業(yè)，依托其場景、數據、制造和人才優(yōu)勢，圍繞“一圖四清單”開展工業(yè)大模型應用的先行先試。鼓勵龍頭企業(yè)在研發(fā)設計、生產制造、經營管理等關鍵環(huán)節(jié)深度應用工業(yè)大模型，提煉并推廣可復制的典型案例，打造行業(yè)標桿。
據悉，為了加快人工智能在工業(yè)場景中的應用，海爾從平臺建設和場景優(yōu)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(yè)互聯網平臺自主研發(fā)了天智工業(yè)大模型，沉淀形成了4700個行業(yè)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(yè)大模型中，加快工業(yè)垂域大模型平臺建設。
在場景優(yōu)化上，天智工業(yè)大模型已賦能汽車、化工、模具等9大行業(yè)45個高價值場景，優(yōu)化效果顯著。比如，應用到注塑工藝優(yōu)化場景中，實現注塑機的生產能耗降低10%，節(jié)拍提升7%，調參周期縮短90%；應用到智能柔性裝配系統(tǒng)，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(xù)第9年針對工業(yè)互聯網提出相關建議，在AI科技的助力下，新型工業(yè)化正迎來全新的發(fā)展局面，中國智造正在創(chuàng)造更大的想象空間。”周云杰稱。
家庭數據難訓練，需群企共創(chuàng)垂域數據基礎
算力、算法、數據，是大模型發(fā)展的“三駕馬車”。不同于大模型在工業(yè)領域的場景適配難題，智慧家庭大模型進一步發(fā)展的短板是數據，特別是智慧家庭領域的真實、專業(yè)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(yōu)的數據，更是發(fā)展的關鍵。?
“未來智慧家庭的垂域大模型不僅需要傳統(tǒng)家電、戶型環(huán)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(fā)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(yè)垂域大模型的開發(fā)進度；二是在數據服務端，跨界融合難、平臺支撐弱，靠企業(yè)的力量難以實現高效的全場景整合與訓練，亟需國家統(tǒng)籌與支持。
為此，他建議國家牽頭，培育數據采集產業(yè)，通過全民貢獻、群企共創(chuàng)的形式，實施數據貢獻參與工程，構建行業(yè)全覆蓋的垂域數據基礎。同時，建議國家支持企業(yè)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(fā)展。
據公開信息，創(chuàng)業(yè)40年的海爾在全球搭建了最大的智慧家庭生態(tài)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(tài)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(qū)洗；在東南亞，海爾通過Haismart為當地用戶提供智慧家庭服務。
業(yè)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(fā)展智慧家庭垂域模型的路上已經領先了一個身位。
探索醫(yī)療新可能，用AI提高血液調配效率
除了家庭生活、工業(yè)生產外，人工智能大模型還可以創(chuàng)造哪些新可能？
在周云杰看來，在關乎國家發(fā)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(tài)勢，以青島市為例，隨著人口老齡化和醫(yī)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(tài)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(tǒng)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(yōu)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(yī)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(yè)盈康一生旗下海爾生物醫(yī)療創(chuàng)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(yī)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(yī)院送血，路程至少需要2小時，位置偏遠的醫(yī)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(yī)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(yī)療智能無人值守血液冰箱，冰箱內的血液類型、環(huán)境溫度、箱內庫存、質量等信息可以實時監(jiān)控。當需要用血時，醫(yī)院線上發(fā)起用血申請并獲得血站授權后，即可從該區(qū)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(yī)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(jiān)控，從而輔助血液管理及決策，優(yōu)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(yè)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(zhàn)略，以場景和應用為牽引，總體規(guī)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(fā)展。
