我國人工智慧産業如何實現“彎道超車”

相比其他國家，中國擁有龐大的實體産業基礎，並正加快構建現代化産業體系，對於人工智慧技術與行業應用的深度融合有著更龐大、更迫切、更具價值的實際需求，為人工智慧技術創新提供了更為廣闊的創新實踐空間。這也是在大模型時代，國內産業在人工智慧領域的機遇所在。

隨著國內生成式人工智慧的快速發展，相關監管政策正逐步落地，由國家互聯網信息辦公室等七部門聯合發佈的《生成式人工智慧服務管理暫行辦法》（以下簡稱《辦法》）于8月15日正式施行。作為我國首份針對生成式人工智慧的規範性監管文件，《辦法》以“促進生成式人工智慧健康發展和規範應用”為目標，明確國家堅持發展和安全並重、促進創新和依法治理相結合的原則，對生成式人工智慧服務實行包容審慎和分類分級監管。

在日益完善的監管鏈條之下，我國人工智慧産業迎來合規發展新階段，正如各方專家所言，“不發展是最大的不安全”。

運用監管科技激活人工智慧市場活力

“ChatGPT的問世引發了新一輪人工智慧革命，人類與機器、技術與産業、虛擬與現實之間的關係發生著廣泛而深刻的改變，技術創新也給人類社會文明秩序帶來了挑戰。”近日，在中國社會科學院法學研究所主辦的“全球治理話語競賽下人工智慧立法的中國方案”研討會上，南方財經全媒體集團合規科技研究院院長虞偉表示。

當前全球正在進行智力話語競賽，掀起新一輪AI監管潮。虞偉介紹，歐洲正謀求AI監管領域的主導權，早早將立法提上日程。2019年歐盟委員會發佈《人工智慧倫理準則》，提出評價人工智慧可信賴的七項標準。2020年歐盟出臺《人工智慧白皮書》，為人工智慧的監管提供多種政策選項。今年6月14日，歐盟議會以壓倒性優勢的投票結果通過歐盟人工智慧法案草案，預計在完成最終談判後正式審批通過。

南財合規科技研究院首席研究員王俊建議，我國可以在建立基於應用場景的制度、明確政府主導作用並協同社會多方治理、科學應用技術工具等方面借鑒歐洲監管經驗。

“我們目前還沒有實現對風險全面類型化和場景化的區分，因為風險具有複雜性，單一的治理技術和多元治理場景存在矛盾。接下來可以基於場景把監管做得更精細化，針對不同技術路線、應用模式和責任主體，在不同場景中對不同的風險點進行差異化監管。”王俊表示，同時，可以採取分級治理的模式，給中低風險領域留出試錯和發展空間，積極運用一些監管科技，綜合選擇適配的監管科技模式，激活人工智慧市場活力。

新浪集團法務部總經理谷海燕同樣認為，希望看到更加有區分度的監管措施。比如歐盟的人工智慧法案草案，採用風險區分規制路徑，根據風險級別，分為不可接受風險人工智慧、高風險人工智慧、低風險人工智慧，以及最小風險人工智慧，並分別設置相關主體的法律義務。

“我們必須關注AI熱潮中伴生的風險。”虞偉指出，比如在數據層面，面對生成式人工智慧龐大的數據需求，如何建立高質量的語料數據庫，如何加強全流程的數據合規管理。在法律層面，生成式人工智慧的結果能否構成著作權法所定義的作品仍存爭議，進一步的版權歸屬問題也需要厘清。此外，歧視、偏見、虛假信息傳播等風險在大模型大量數據投喂的訓練方式下也被放大，如何將道德倫理原則“教”給AI，做到精準糾偏，兼顧公平與效率，這些都需要進一步研究。

構建算力生態支撐人工智慧産業發展

數據顯示，今年上半年，國內發佈的各類大模型數量超過100個。據不完全統計，目前國內已有大約80個參數在10億規模以上的大模型。《辦法》提出，推動生成式人工智慧基礎設施和公共訓練數據資源平臺建設。促進算力資源協同共享，提升算力資源利用效能。推動公共數據分類分級有序開放，擴展高質量的公共訓練數據資源。鼓勵採用安全可信的芯片、軟體、工具、算力和數據資源。

算力是數字時代的底座，也是人工智慧發展的引擎。據工信部最新消息，截至今年6月底，全國在用數據中心機架總規模超過760萬標準機架，算力總規模達到每秒1.97萬億億次浮點運算（197EFLOPS），算力總規模近五年年均增速近30%，存力總規模超過1080EB。

中國工程院院士劉韻潔表示，我國的算力産業有著廣闊的發展前景，因為中國是製造大國，實體經濟對於算力有著很大的需求，遊戲、AR、VR等消費領域對算力的需求也很大。“有政策支持和技術發展，算力隨取隨用的前景可以期待。我們未來能夠實現像使用水、電一樣使用算力。”

但他同時強調，我國的算力網絡要想滿足大模型的需求，就需要方方面面協同發展。比如，建立通用大模型或行業大模型都需要訓練數據，這就需要把行業的數據保護好、利用好、管理好。

把握技術趨勢推進行業大模型實踐

生成式人工智慧的功能遠不止提供信息內容服務，其可以作為“技術基座”給金融、醫療、自動駕駛等多個行業領域賦能，未來將成為社會的“技術基礎設施”。《辦法》明確鼓勵生成式人工智慧技術在各行業、各領域的創新應用，生成積極健康、向上向善的優質內容，探索優化應用場景，構建應用生態體系。

“在以ChatGPT為代表的通用大模型面前，我們的短板比較明顯。”劉韻潔在2023中國算力大會直言，“中國的機會在於行業大模型。”

通用大模型一般指在多個領域應用廣泛的大型深度學習模型，行業大模型則是專門針對某個特定垂直行業所設計的大型深度學習模型，這些模型通常在特定行業中使用的數據集上進行訓練，以提高在該行業中運用的準確度和效率。比較典型的行業大模型，有金融行業的風控模型等。

劉韻潔介紹，基於通用大模型的基礎能力，針對行業垂直領域知識和業務場景需求，發展行業大模型已成為技術發展的必然趨勢。一方面，行業特定的知識積累和經驗可以被應用到模型中，提高模型的質量和準確性；另一方面，行業大模型可以通過學習不斷更新迭代，幫助企業更好地理解行業趨勢，做出更為準確的商業決策。

目前，國內已逐步建立起涵蓋理論方法和軟硬體技術的體系化研發能力，一批具有行業影響力的預訓練大模型蓬勃發展，形成了緊跟世界前沿的技術群。以華為雲盤古大模型為例，據報道，該大模型已經陸續推出礦山、藥物分子、電力、氣象、海浪等大模型，在各行業落地創新項目超1000個，通過提供先進算法和解決方案，深入大模型的全棧自主創新，加快推動算力國産化。

同時，相比其他國家，中國擁有龐大的實體産業基礎，並正加快構建現代化産業體系，對於人工智慧技術與行業應用的深度融合有著更龐大、更迫切、更具價值的實際需求，為人工智慧技術創新提供了更為廣闊的創新實踐空間。這也是在大模型時代，國內産業在人工智慧領域的機遇所在。