継続的な技術革新、応用シナリオの拡大、そして産業統合の加速に伴い、人工知能（AI）開発は新たな2.0段階、すなわち思考と行動の両面から推進される新たな局面へと突入しつつあります。
産業の高度化、製品開発、サービス革新におけるAIの技術的優位性を検討し、AIと実体経済の深化を促進するため、中国企業連合会と中国企業家協会の共催による2025年全国スマート企業発展会議が11月26日、江西省贛州市で開催されました。
会議のテーマは「AI主導イノベーション、デジタルインテリジェンスが未来を拓く」でした。会議において、中国企業連合会党委員会書記、常務副会長、事務局長の朱宏仁氏は、AIと実体経済の深化を着実に推進し、企業がデータ主導、シナリオ主導、システム主導の成長を特徴とする新たなデジタル・インテリジェント開発パターンの形成を加速させる必要があると述べました。
人工知能
製造業の「インテリジェント変革」を推進する
今日、AIは製造業の生産方法、ビジネスモデル、そして産業エコシステムを大きく変革しています。
「現在、AIの応用は『スマイルカーブ』のような特徴を示しており、大規模モデルの適用は両端で急速に進み、中間では緩やかに進んでいます。製造・生産分野では遅く、管理、運用、マーケティングサービス分野では速く進んでいます」と、工業情報化部電子科学技術委員会主任で上級エンジニアの王江平氏は証券日報に語りました。「全体として、現在、産業分野における大規模モデルの適用は、マーケティングサービスや管理業務といったより一般的な分野に集中しており、製造業の中核部分（重要な産業プロセス制御、生産スケジューリング、パラメータ最適化など）にはまだ深く浸透していません。」
AIを活用した産業アプリケーションは課題に直面しています。第一に、産業シナリオではエラーに対する許容度が低いことです。産業生産シナリオは個人消費シナリオとは異なり、産業生産ラインには極めて高い安定性と信頼性が求められます。大規模産業モデルにおける些細なエラーでさえ、製品品質の低下、生産ラインの停止、さらには安全事故につながり、既に利益率の低い企業にとって大きな痛手となる可能性があります。第二に、産業製造は多くの場合、複数の産業システムや設備で構成されています。大規模モデル技術を既存の品質管理およびプロセス最適化プロセスに統合するには、互換性と通信の問題を解決するためのシステム変更が必要です。さらに、業界によって製品の種類は多様で、部品モデルは複雑であり、適用シナリオも多様で標準化も低いため、特定の業界向けに学習した大規模モデルを他の業界に汎用化することは困難です。
「AI + 製造」の課題と問題点に対処するために、王江平氏は、AIを一般プロセスからコア製造プロセスへと浸透させるには、「汎用大規模モデル + 特化型小型モデル」の共同開発が必要だと考えています。これは、実際には多くの企業が、大規模モデルの「インテリジェンス」と小型モデルの「アジリティ」を組み合わせることで、パフォーマンス、効率、コストのバランスを実現する必要があることを意味します。
同時に、AIを活用した産業は、効率革命、複雑な意思決定、個別ニーズへの対応、そして新たなユーザーエクスペリエンスといった価値の高いシナリオの適用を優先すべきです。例えば、効率革命においては、暗黙知を明示化することで、熟練労働者の業務経験や熟練者のプロセス知識を、複製・継承可能なアルゴリズムモデルへと変換し、個人の能力の限界を打ち破ることができます。
カンファレンスに参加した複数の専門家は、将来、AIが中核的な生産プロセスに統合されるにつれて、製造業の「インテリジェント・トランスフォーメーション」が促進され、製造モデルが離散的かつ受動的から、継続的、能動的、そしてグローバルに最適化されたものへと進化していくだろうと述べました。
高品質データ
「AIイリュージョン」問題の解決
近年、大規模AIモデルは国内外で爆発的な成長を遂げています。中国情報通信研究院（CAICT）の統計によると、2025年7月時点で、中国は1,500以上の大規模モデルを公開しており、世界トップクラスです。これは、中国の人工知能技術が急速に発展していることを示しています。同時に、大規模モデルが「独り言」を発し、一見意味不明な発言を繰り返すという問題がますます顕著になっています。この現象は「AI錯覚」と呼ばれています。
例えば、*証券日報*の記者が大規模モデルに「糖尿病患者は砂糖の代わりに蜂蜜を使ってもよいですか？」と質問したところ、モデルは「蜂蜜はビタミンやミネラルが豊富で免疫力の向上に役立つため、健康食品です」と答えました。この現象は、一部の大規模モデルが忠実度錯覚問題を抱えていることを示しています。つまり、回答は事実上誤りではないものの、質問とは無関係であり、ユーザーの意図を忠実に反映していないということです。
「『AI錯覚』問題を解決するには、特化した大規模モデルがますます重要になっています」と、浙江大学の元学長である潘雲和氏は述べています。「一般的な情報データに基づく大規模言語モデルは、高度に専門化された質問に答える際に精度が不足することがよくあります。一方、科学的データに基づく特化した大規模モデルは、これらの問題を解決できます。」
大規模モデルにとって、データの品質は非常に重要です。高品質のデータは大規模モデルをより賢くし、低品質のデータは知能を低下させ、さらにはエラーを起こしやすくします。したがって、特化した大規模モデルの学習には、特化したビッグデータの活用が不可欠です。例えば、大規模モデルは成長期の子供のようなもので、データは成長に必要な様々な栄養素です。データが豊富であればあるほど、大規模モデルはより多くの知識を学習でき、その「脳」はより発達します。
多くの専門家は、以前は計算能力とアルゴリズムに重点が置かれていましたが、デジタル化、ネットワーク化、インテリジェンスの発展が進むにつれて、主要な生産要素としてのデータの価値がますます高まっていると述べています。高品質で多様なデータセットは、大規模モデルの性能と実用化における飛躍的進歩の鍵となるでしょう。
朱宏仁氏は会議において、参加企業に対し、デジタルトランスフォーメーションを着実に推進し、多様なデータリソースの収集に注力し、企業ナレッジグラフと様々な垂直応用人工知能モデルを構築し、データ要素を活用して様々な生産要素の革新的な配分を推進し、企業のデジタル化・インテリジェント化の新たなモデルを積極的に模索し、企業の高品質な発展に新たな要素の推進力を注入するよう提言しました。
出典：証券日報
出典: 元記事を読む
※現在お読みいただいているこの記事は、国内外のニュースソース等から取得した情報を自動翻訳した上で掲載しています。
内容には翻訳による解釈の違いが生じる場合があり、また取得時の状況により本文以外の情報や改行、表などが正しく反映されない場合がございます。
順次改善に努めてまいりますので、参考情報としてご活用いただき、必要に応じて原文の確認をおすすめいたします。