日前，在“2022可信AI峰会”上，中国信息通信研究院云计算与大数据研究所所长何宝宏正式对外发布并解读了“2022 人工智能十大关键词”。

  大模型技术创新和工程落地齐头并进，掀起行业大模型落地热潮。大模型的更新迭代速度不断加快，开始从“可用”的基础大模型转向为“好用”的行业大模型。

  生成式AI开辟AI创作能力，加速AI与数据要素深层次地融合。近几年生成式AI的技术能力越来越成熟，可生成逼真且富有创意的多模态数据，形成自动写作、代码生成、数字人等典型的应用形态，已连续两年入选《人工智能技术成熟度曲线报告》。

  AI for Science在多个传统科学领域取得重大突破。随着人工智能技术的快速发展和大规模应用，AI在慢慢的变成为科学研究新的生产工具，AI4S将进一步释放科学研究的生产力，促进人工智能的工程落地。

  知识驱动助力人工智能认知能力的提升，满足人工智能深入各个行业不同应用场景的需求。随着深度学习与知识图谱等多重技术的深层次地融合，综合利用大量知识数据中的因果和逻辑关系，可以助力人工智能认知能力的提升，来解决人工智能深入各个行业时场景复杂、可解释性较低等问题。

  “超级自动化是多种技术能力与软件工具组合，覆盖了自动化从需求发现到应用实践的全流程”；在技术发展方面，机器人流程自动化、智能流程管理、低代码应用平台、流程挖掘等工具和平台，衔接起了企业级各类复杂业务场景，其综合应用、交互使能是超级自动化发挥效能的重要手段。

  人工智能中台重塑企业智能化转型的能力底座。随企业从重视人工智能的“研发”，到“研发-运营”并重，AI开发平台也逐渐向AI中台演进。理念层面，AI中台更加重视管理和运营，技术层面，AI中台高度集约了AI能力，具有规模化、标准化、可扩展等特点。其中，规模化是指整合了丰富的人工智能开发、部署、测试、运维等能力，标准化是指将异构的软硬件环境封装为标准化的界面，可扩展是指可以不断适配新的技术和工具，保证AI技术的动态演进。

  随着业界对AI研发效率、团队协作、安全保障等需求逐步提升，整个MLOps产业实践呈现出“内涵很明确、落地很困难”的现状。从落地现在的状况来看，持续交付、持续训练、持续监控和模型治理难度依次提升，产业界当前尚处在提升持续交付和持续监控能力过程中，模型治理等仅有少量探索，未来仍然是AI工程化的重点方向。

  AI新基建最重要的包含数据基础设施、算力基础设施和AI软件设施。数据和算力基础设施很重要，但是假如没有软件设施作为连接枢纽，则难以充分的发挥人工智能的赋能效应，支撑起丰富的AI应用和服务。因此，AI软件设施在近两年成为产业焦点，AI开源框架生态、预训练大模型体系、AI软件平台生态等内容都得到了长足的发展。

  企业智能化建设手段与方法实现全新变革，逐渐向全场景、全流程、全层级深度融合应用转变。随着智能化技术的持续不断的发展和应用深入，企业智能建设从部分场景、外部维护、单点优化逐渐向系统化、全面化转变，通过智能基础设施和智能应用双驱重塑企业智能化发展势能。

  可信AI由理论研究迈向工程化落地。随着人工智能技术的加快速度进行发展，社会各界对可信AI研究已经从理论探索逐步走向工程化落地实践。政府与研究机构有关政策和规范从宏观指导，开始向可操作、可落地的规范演进。在法律监管层面，各政府部门的法规政策愈发重视实施和操作。例如新加坡于5月出台世界首个AI治理测试框架及工具包；英国6月宣布首个人工智能伦理和监管的重大研究计划。