记者：早在2016年冬季达沃斯论坛上，您就提出“AI（人工智能）是第四次工业革命的技术引擎”，并提出“AI+”“智能+”战略。如今从“互联网+”到“智能+”的转变已深刻影响各行各业。能否请您谈谈这一转变的核心驱动力是什么？

张亚勤：差不多10年前，深度学习已经开始在人工智能领域应用了，但当时还没有大模型、算力，更多的是做语音识别、图像识别、人脸识别，比较基础。当时我意识到AI发展的潜力，坚信这会彻底改变整个经济社会的结构。当时大家都在谈“互联网+”、谈第四次工业革命，我提出，“AI+”“智能+”是下一个大趋势。

现在看来，从“互联网+”到“智能+”，其本质是技术范式从“信息连接”向“知识创造”的跃升，这是一次意义深远的变革。

数字化历经了三个阶段。数字化1.0聚焦于内容的数字化，将现实世界的信息转化为数字形式进行存储和传播，像早期的文档数字化、图片数字化等。数字化2.0则侧重于关系的数字化，互联网平台的兴起让人与人、人与物、物与物之间的关系得以数字化呈现，极大提升了交互效率。比如电商平台让商家与消费者的交易关系数字化。而当下我们正迈入数字化3.0时代，其核心在于物理世界和生物世界的数字化。这意味着不仅是信息的数字化，而是要对物理实体和生物机体进行数字化模拟与理解，进而实现深度交互与控制。

以制造业为例，“互联网+制造”主要是将生产环节的部分流程线上化，实现信息的互通有无，方便管理与监控。但“智能+制造”则截然不同，它借助人工智能技术，对生产流程进行全方位智能化改造。比如通过机器学习算法分析设备运行数据，能够提前预测设备故障，实现预防性维护，避免生产中断；利用计算机视觉技术进行产品质量检测，能够快速、精准地识别产品缺陷，提升产品质量。

这一转变的核心驱动力主要来自三个方面。首先，技术上有越来越大的突破是基础。深度学习算法的不断突破，让AI在图像识别、语音识别、自然语言处理等领域实现了质的飞跃。强大的算力为AI的发展提供了坚实基础，从传统的CPU计算到如今专门为AI设计的GPU、TPU等，算力的指数级提升使得复杂的AI模型训练成为可能。海量的数据更是AI发展的“燃料”。随着互联网的普及和物联网设备的广泛应用，数据量呈爆发式增长，为AI模型的训练提供了丰富素材。

其次，市场需求是重要的驱动力。在全球经济竞争日益激烈的背景下，企业为了降低成本、提高效率、增强竞争力，迫切需要借助新技术进行转型升级。消费者对于个性化、高品质产品和服务的需求也促使企业利用AI技术，深入挖掘数据价值，精准把握市场需求，优化产品设计与服务流程。

最后，政策的支持也不可或缺。各国政府纷纷出台鼓励AI发展的政策，在资金投入、人才培养、基础设施建设等方面给予全方位支持，营造了良好的产业发展环境，加速了 “智能+”时代的到来。