技術(shù)擴散能力在國家技術(shù)力量中非常重要，特別是在AI的背景下。有研究顯示，與美國分散且更利于擴散的生態(tài)系統(tǒng)相比，中國的擴散能力遠遠落后于創(chuàng)新能力——比后者排名低近30位。目前，中國正在計劃提高擴散能力，重要方式是對AI教育進行大規(guī)模投資，以培養(yǎng)中端、以工業(yè)為重點的AI勞動力。
美國最近在大型語言模型（LLM）和擴散模型方面取得了源源不斷的突破。這些成功推動了美國風險投資對專注于科技和服務行業(yè)的生成式AI初創(chuàng)公司的激增，如HarveyAI、Jasper和Runway。美國的這種樂觀情緒與中國相對較慢的AI創(chuàng)業(yè)公司形成了鮮明對比。例如，有分析稱備受關(guān)注的阿里巴巴支持的初創(chuàng)公司零一萬物(01.AI)的語言模型在很大程度上是基于Meta的開源LLaMA基金會模型。
然而，中國在生成式AI領(lǐng)域的遲緩，可以解釋為政府將工業(yè)應用置于服務業(yè)和傳統(tǒng)知識工作應用之上的戰(zhàn)略優(yōu)先地位。特別是，政府希望通過工業(yè)部門的AI投資來對抗工業(yè)生產(chǎn)力增長的下降，以期擺脫中等收入陷阱。
為此，政府已要求教育部在國內(nèi)的工業(yè)部門推廣尖端的機器學習技術(shù)。因此，中國各大學開設了2300多個AI本科生項目，其中大多數(shù)是專注于工業(yè)應用的應用AI項目。教育部的AI高等教育包括兩個目標：
教育部對應用AI高等教育項目的空前投資在于政府認識到大多數(shù)專注于工業(yè)的AI公司面臨的一個根本問題：構(gòu)建特定行業(yè)的AI解決方案需要耗費大量時間和資金，通常無法通過橫向商業(yè)模式實現(xiàn)。這個問題很普遍，因為除了回收等利基行業(yè)（AMP Robotics等成功的西方初創(chuàng)公司已經(jīng)出現(xiàn)）之外，大多數(shù)工業(yè)部門都有特定于公司的數(shù)據(jù)基礎(chǔ)設施。制造公司通常在稱為制造執(zhí)行系統(tǒng)（MES）和監(jiān)控與數(shù)據(jù)采集（SCADA）的軟件系統(tǒng)上運行。這些系統(tǒng)往往結(jié)合了內(nèi)部工具和SAP或西門子等傳統(tǒng)供應商構(gòu)建的軟件服務的混亂組合。
因此，為了構(gòu)建一個可以實際部署的AI模型，這些不同的系統(tǒng)必須首先通過跨系統(tǒng)的數(shù)據(jù)通道進行統(tǒng)一。這項工作的大部分都是定制的，涉及在傳統(tǒng)的、斷開連接的系統(tǒng)之間構(gòu)建強大的數(shù)據(jù)通道的繁瑣過程，這些系統(tǒng)通常來自具有不同數(shù)據(jù)模式的不同提供商。只有完成了這項艱巨的工作，計算機視覺模型才能開始訓練和部署。即使在這些復雜的數(shù)據(jù)通道建成后，對AI系統(tǒng)進行工業(yè)流程培訓也會帶來自身的挑戰(zhàn)：
鑒于工業(yè)企業(yè)使用的產(chǎn)品和流程眾多，每個模型都必須在公司或產(chǎn)品線的特定系統(tǒng)上進行培訓。換言之，大規(guī)模、全行業(yè)的多樣性限制了工業(yè)AI解決方案的可擴展性。
此外，每當一家公司改變流程或轉(zhuǎn)向新產(chǎn)品時，該公司不僅必須建立新的制造流程，還必須重新培訓其計算機視覺模型——如果這是一個沒有大量現(xiàn)有培訓數(shù)據(jù)的新產(chǎn)品或流程，這通常是一項艱巨的任務。因此，如果沒有一個穩(wěn)健的數(shù)據(jù)集來調(diào)整新過程的機器學習算法，制造商往往被迫手動測試和生成體能訓練數(shù)據(jù)，直到模型變得足夠可靠。
在工業(yè)AI領(lǐng)域，由于需要不斷更新、客戶規(guī)模有限以及高昂的前期成本，軟件即服務（SaaS）公司利潤豐厚的經(jīng)濟效益不再適用。李開復的AI產(chǎn)業(yè)初創(chuàng)公司創(chuàng)新奇智(AInnovation)，為中鋼國際和建筑巨頭中鐵四號等工業(yè)企業(yè)開發(fā)AI系統(tǒng)。隨著創(chuàng)新奇智擴大其客戶群，它被迫增加軟件支出，部署更多專有的低利潤硬件，導致毛利率從2018年的62.9%暴跌至2020年的29.1%。
由于工業(yè)部門的AI不能通過一刀切的橫向解決方案來采用，該行業(yè)需要一大批新的中級AI人才——比一般的數(shù)據(jù)分析師更熟練，但比ML工程師和研究人員成本更低。中國的AI教育戰(zhàn)略旨在填補這一應用AI人才的利基市場，以便每家工業(yè)公司都可以聘請內(nèi)部團隊來構(gòu)建自己的機器學習基礎(chǔ)設施。