來源 | 人民論壇網(wǎng)-人民論壇雜志轉(zhuǎn)載請注明來源自今年1月宣布開源后，DeepSeek熱度居高不下,。在海外，眾多業(yè)內(nèi)人士連夜復現(xiàn)DeepSeek“驗真?zhèn)巍保辉趪鴥?nèi),，DeepSeek概念股本周持續(xù)大漲，多個相關(guān)個股漲停,。文心一言,、通義千問、盤古,、混元……近年來,，我國在生成式人工智能領(lǐng)域不斷取得進展，呈現(xiàn)出“百模爭鳴”的繁榮局面,。作為信息化,、數(shù)字化、智能化的新型技術(shù)基座,，生成式人工智能對于提升國家戰(zhàn)略地位與國際競爭力具有重要意義,。當前,，我國人工智能面臨哪些挑戰(zhàn)？下一步將走向何處,？一起關(guān)注《人民論壇》最新策劃,。生成式人工智能的源起與發(fā)展生成式人工智能是指一類能夠自主生成新內(nèi)容的人工智能技術(shù)，這些內(nèi)容可以包括文本,、圖像,、音頻和視頻等多種形式。生成式人工智能通過學習已有數(shù)據(jù)的模式和結(jié)構(gòu),，創(chuàng)造出全新的、未曾出現(xiàn)過的數(shù)據(jù)實例,。生成式人工智能的核心在于其創(chuàng)造性和創(chuàng)新性,，它不僅僅是復制或模仿現(xiàn)實,，而是能夠基于已有知識進行創(chuàng)新,，生成有價值的新內(nèi)容。生成式人工智能模型的例子包括生成對抗網(wǎng)絡(luò)（GAN）,、變分自編碼器（VAE）和生成式預訓練Transformer（GPT）等,。生成式人工智能應(yīng)用領(lǐng)域廣泛，已經(jīng)對藝術(shù)、設(shè)計、娛樂,，甚至科學研究帶來實質(zhì)變革,。生成式人工智能的發(fā)展前景廣闊，它不僅能夠為人們的日常生活帶來便利， 還能夠幫助人們提高工作效率,，促進產(chǎn)業(yè)升級,，推進社會發(fā)展,。生成式人工智能研究范式與之前的深度學習有著明顯的不同之處,。在過去,，深度學習的理論與算法研究主要由學術(shù)界參與,，而生成式人工智能的發(fā)展主要由包括Open AI,、 Google,、Met、Anthropi、Midjourney和Stability AI在內(nèi)的多家公司推動,。這些公司在生成式人工智能領(lǐng)域投入了大量資源,，并通過研發(fā)和商業(yè)應(yīng)用推動了技術(shù)的進步和應(yīng)用，使得生成式人工智能能夠更快地從實驗室走向市場,，并在各個領(lǐng)域取得廣泛的應(yīng)用和影響,。生成式人工智能在創(chuàng)造新內(nèi)容和推動技術(shù)進步的同時，也可能帶來一系列安全問題,，主要包括以下幾個方面：在虛假信息方面,，生成式人工智能能夠制作逼真的文本、圖像,、音頻和視頻內(nèi)容,，這可能導致虛假新聞、偽造證據(jù)和誤導性信息的產(chǎn)生和傳播,，對社會秩序和公共安全造成威脅,。通過生成式人工智能技術(shù)，深度偽造技術(shù)（Deepfakes）可以創(chuàng)建逼真的偽造人臉和聲音,，這可能被用于身份冒充,、欺詐和誹謗，侵犯個人隱私和名譽權(quán),。生成式人工智能模型可能被用于制造惡意軟件或進行網(wǎng)絡(luò)攻擊,，例如生成用于釣魚攻擊的逼真電子郵件或創(chuàng)建用于繞過安全系統(tǒng)的虛假憑證。在版權(quán)與隱私保護方面,，在訓練生成式人工智能模型時,，可能需要大量的個人數(shù)據(jù),，這些數(shù)據(jù)如果未經(jīng)妥善處理，可能會泄露個人隱私，增加數(shù)據(jù)泄露的風險。生成式人工智能在創(chuàng)作過程中可能會無意中復制或模仿受版權(quán)保護的作品，從而引發(fā)知識產(chǎn)權(quán)糾紛。在倫理和道德方面,，生成式人工智能在創(chuàng)作內(nèi)容時,，可能缺乏人類的判斷和審查,，從而產(chǎn)生不當或不敏感的輸出。為此，世界各國正在加速立法，鼓勵生成式人工智能技術(shù)的創(chuàng)新應(yīng)用,，同時規(guī)定了服務(wù)提供者和使用者應(yīng)當遵守的基本規(guī)范,，包括尊重知識產(chǎn)權(quán)和他人合法權(quán)益，提高生成內(nèi)容的準確性和可靠性等,，確保其健康有序地發(fā)展,。此外，據(jù)《紐約客》相關(guān)報道,，OpenAI的GPT-3在訓練階段單次耗電量高達128.7萬度,；而ChatGPT部署上線后，按照日均請求2億次計算,，支撐推理應(yīng)答服務(wù)的耗電高達每天50萬度,。在我國，根據(jù)公開資料,，三峽大壩年平均發(fā)電量約為850億度,，而2022年我國主要數(shù)據(jù)中心耗電量達到2700億度，已是三峽年均發(fā)電量的3倍多,。冷卻用水消耗,、碳排放足跡等,，也將對生態(tài)環(huán)境造成不可忽視的影響。我國生成式人工智能發(fā)展現(xiàn)狀總體情況,。自2022年11月ChatGPT發(fā)布以來，國產(chǎn)大模型迅速崛起,，形成了“百模爭鳴”的繁榮局面,。百度的文心1.0通用大模型自2019年首次推出后，已升級至4.0版本,。阿里云,、華為、騰訊,、科大訊飛等公司也推出了各自的通用大模型,，如通義千問、盤古,、混元和星火等,，并向公眾開放。在這場競賽中,，初創(chuàng)企業(yè)也取得了顯著成就,，例如“月之暗面”推出的Kimi智能助手大模型，支持高達200萬漢字的上下文長度,，引起了業(yè)界廣泛關(guān)注,。學術(shù)界也積極參與國產(chǎn)大模型的研究，例如中科院自動化所發(fā)布了全球首個圖文音三模態(tài)預訓練模型——紫東太初大模型,，上海人工智能實驗室與復旦大學聯(lián)合發(fā)布了書生·浦語通用大模型（InternLM）,。為推動技術(shù)與市場發(fā)展，一些廠商提供了開源版本的大模型,，如阿里云的Qwen系列,、零一萬物的Yi系列、智譜華章的GLM系列,、科大訊飛的iFlytekSpark系列,、百川智能的Baichuan系列等。這些開源模型為研究和應(yīng)用提供了便利,，進一步促進了國產(chǎn)大模型技術(shù)的創(chuàng)新和應(yīng)用,。為了增強對蓬勃發(fā)展的國產(chǎn)大模型的認識，新華社研究院中國企業(yè)發(fā)展研究中心于2023年發(fā)布了三版《2023年人工智能大模型體驗報告》,，回顧了大模型產(chǎn)品市場的激烈競爭,，并對當前大模型產(chǎn)品和廠商進行了整體測評,。同時，多個機構(gòu)也推出了各自的大模型評測體系和排行榜,，如“司南”（OpenCompass）,、C-Eval、SuperCLUE等,，廠商間的激烈競爭彰顯了該行業(yè)的活力與吸引力,。排行榜在展現(xiàn)國產(chǎn)大模型激烈競爭的同時，也揭示出業(yè)內(nèi)的亂象,，例如模型套殼,、評分作假等。領(lǐng)域應(yīng)用,。在通用大模型的基礎(chǔ)上發(fā)展領(lǐng)域?qū)Ｓ媚Ｐ?，推進垂直領(lǐng)域應(yīng)用是我國生成式人工智能領(lǐng)域的特色。國內(nèi)專用領(lǐng)域大模型在科學研究,、教育,、醫(yī)學,、工業(yè),、金融多個行業(yè)得到應(yīng)用和發(fā)展。在AI4S（AI for Science）領(lǐng)域,，華為的盤古氣象大模型利用深度神經(jīng)網(wǎng)絡(luò)和地球先驗知識,，實現(xiàn)了高精度的實時氣象預測，超越了傳統(tǒng)數(shù)值預測方法,?；瘜W領(lǐng)域，中國科學技術(shù)大學提出的Chem-GPT模型/華東師范大學的提出的ChenGPT1.0/上海交通大學提出的BAI-Chem大模型,，以及西北工業(yè)大學與華為合作的“秦嶺·翱翔”流體力學大模型,，均在各自領(lǐng)域取得了一定的成果。在教育領(lǐng)域,，華東師范大學和北京語言大學分別開發(fā)的EduChat和桃李教育大模型,，以及學而思的九章大模型（MathGPT）和網(wǎng)易有道的子曰教育大模型，展示了大模型在輔助教學過程中的重要作用,。在工業(yè)領(lǐng)域,，中國廣核集團推出的“錦書”核工業(yè)語言大模型、中科院大連化物所的化工大模型,、中工互聯(lián)公司的“智工”大模型,，以及中煤科工西安研究院的“GeoGPT”地質(zhì)大模型，提升了工業(yè)領(lǐng)域的智能化水平,。在醫(yī)學領(lǐng)域,，華南理工大學的生活空間健康大模型扁鵲（BianQue）和心理健康大模型靈心（SoulChat）,、香港中文大學的華佗GPT模型、浙江大學的啟真醫(yī)療大模型,、醫(yī)聯(lián)科技的medGPT大模型,，以及多個中醫(yī)藥大模型如百度健康的岐黃問道大模型、華東師范大學的神農(nóng)中醫(yī)藥大模型（ShenNong-TCM）,、復旦大學和同濟大學合作的仲景中醫(yī)大語言模型（CMLM-ZhongJing）,、南京大學與鄭州大學的黃帝模型（Huang-Di）等等，推動了醫(yī)療健康領(lǐng)域的智能化發(fā)展,。在金融領(lǐng)域,，中國科學院成都計算機應(yīng)用研究所的“聚寶盆”金融知識問答大模型、度小滿的“軒轅”千億級開源金融大模型,、恒生電子的LightGP,、瀾舟科技的孟子大模型，以及香港科技大學的InvestLM投資金融大模型,，在金融行業(yè)中發(fā)揮日益重要的作用,。這些行業(yè)大模型初步提升了行業(yè)生產(chǎn)效率，不斷塑造新動能,、新優(yōu)勢,。同時，大模型在某些行業(yè)的落地應(yīng)用還存在很多挑戰(zhàn),，發(fā)展前景具有不確定因素,。政策法規(guī)。為了國產(chǎn)大模型的規(guī)范化和健康化發(fā)展,，國家網(wǎng)信辦聯(lián)合國家發(fā)展改革委,、教育部、科技部等七部門聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》,，規(guī)定對生成式人工智能大模型實施“備案制”管理,。此外，為了滿足當前國產(chǎn)大模型發(fā)展所引發(fā)的巨大算力需求,，我國陸續(xù)出臺了《全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系算力樞紐實施方案》《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》等一系列文件推動算力基礎(chǔ)設(shè)施建設(shè),。我國生成式人工智能面臨哪些挑戰(zhàn),？雖然我國在生成式人工智能領(lǐng)域呈現(xiàn)出繁榮景象，但與國際領(lǐng)先水平相比,，我國在算力設(shè)施,、數(shù)據(jù)質(zhì)量、算法創(chuàng)新,、資金投入,、人才儲備,、產(chǎn)業(yè)發(fā)展、生態(tài)建設(shè)等方面仍有一定差距,。算力,。在AI算力領(lǐng)域，美國英偉達公司在全球占據(jù)主導地位,，而國內(nèi)AI芯片制造商如華為,、寒武紀、摩爾線程,、壁仞科技,、海光信息、天數(shù)智芯等也在積極發(fā)展,，百度,、科大訊飛等企業(yè)也聯(lián)合國產(chǎn)芯片廠開放部署了自主可控大模型算力底座“星火一體機”、“飛星一號”等平臺,。其中,，華為在AI計算領(lǐng)域水平最為領(lǐng)先，推出了基于達芬奇架構(gòu)的昇騰系列AI芯片,。面對當前海外高性能芯片進口受限的現(xiàn)實,，國產(chǎn)高性能芯片取得了一定的發(fā)展，但與國際先進水平相比,，仍存在一定差距,。以英偉達的H100(SXM)和華為的昇騰Ascend 910B為例,，作為國際和國內(nèi)主力AI芯片,，H100(SXM)的FP16算力達到1979TFLOPS，是昇騰910B的5.2倍,；顯存方面,，H100(SXM)的80G HBM3是昇騰910B的64GHBM2的1.25倍，且新一代顯存帶來的性能差距更大,。此外,，H100(SXM)采用NVLINK技術(shù)，具有900GB/s的卡間互聯(lián)帶寬,，是昇騰910B的2.25倍,。英偉達的CUDA架構(gòu)和專用庫如CuDNN，形成了成熟的軟硬件生態(tài),，而華為的CANN架構(gòu)雖在不斷完善,，但起步較晚，在算子豐富度及算法優(yōu)化方面仍存在差距,。尤其值得注意的是,，英偉達等企業(yè)的AI芯片快速迭代升級,，而我國由于受到芯片制造技術(shù)封鎖，產(chǎn)品更新速度大大減慢,。英偉達在2023年發(fā)布了新一代H200芯片,，顯存容量提升至141G，大模型推理速度翻倍,。2024年3月,，英偉達又發(fā)布了Blackwell計算平臺，性能顯著提升,。例如,，訓練1.8萬億參數(shù)的GPT-4，使用Blackwell平臺相比Hopper能耗大幅降低,。相比之下,，華為的昇騰Ascend 910在2019年就已推出，而升級版Ascend 910B在2023年才小規(guī)模投入使用,。此外,，谷歌基于自研TPU的算力平臺已經(jīng)體現(xiàn)出強大的實力，近期備受關(guān)注的Groq公司研發(fā)的大語言模型推理芯片LPU,，推理速度可達H100的十倍,。綜合來看，我國與國際算力先進水平的差距短期內(nèi)進一步拉大,。數(shù)據(jù),。數(shù)據(jù)是生成式人工智能的核心要素之一，我國在人工智能訓練數(shù)據(jù)的質(zhì)量和數(shù)量,、管理,、共享、應(yīng)用等方面與國外英文數(shù)據(jù)相比,，存在一些差距和挑戰(zhàn)：在數(shù)據(jù)質(zhì)量和多樣性方面,，我國的中文數(shù)據(jù)雖然近年來快速增長，但在某些領(lǐng)域,，如專業(yè)醫(yī)療,、法律等，高質(zhì)量的標注數(shù)據(jù)仍然相對不足,。英文數(shù)據(jù)由于互聯(lián)網(wǎng)歷史較長,、用戶基數(shù)大，覆蓋了廣泛的文化和語境,，積累了大量的高質(zhì)量文本和多媒體數(shù)據(jù),，這有助于訓練出更具泛化能力的AI模型。中文數(shù)據(jù)雖然在本土文化和語境上具有優(yōu)勢，但在處理多方言,、多文化背景下的數(shù)據(jù)上,，仍需加強多樣性和包容性。在數(shù)據(jù)管理和共享方面,，我國公共數(shù)據(jù)范圍廣泛,，但在開放共享和開發(fā)利用方面存在不足。例如,，天氣數(shù)據(jù)在范圍和歷史跨度上有所限制,，法律領(lǐng)域的裁判文書網(wǎng)由公開轉(zhuǎn)為內(nèi)網(wǎng)查詢。社會力量主要依賴海外優(yōu)質(zhì)開源數(shù)據(jù)集,，中文語料主要來源于網(wǎng)絡(luò)公開數(shù)據(jù),，政府數(shù)據(jù)貢獻相對較少。為提升我國在AI領(lǐng)域的競爭力,，需要加強公共數(shù)據(jù)的開放共享,，優(yōu)化數(shù)據(jù)管理和利用，鼓勵政府和社會力量的合作,，共同推動數(shù)據(jù)資源的高效開發(fā)和應(yīng)用,。總體而言,，中文語料庫的量,、質(zhì)、開源情況都不如英文,，存在數(shù)據(jù)資源碎片化和流通機制不完善的問題,，尚未形成對大模型提供有效數(shù)據(jù)資源的生態(tài)，一定程度上阻礙了我國生成式人工智能的發(fā)展,。算法,。算法、數(shù)據(jù)和算力是深度學習三大要素,。在基礎(chǔ)算法方面,，2017年谷歌提出的Transformer已經(jīng)成為生成式AI的核心模塊,。此后,，多模態(tài)領(lǐng)域的CLIP，生成式領(lǐng)域的擴散模型（Diffusion Model）,、混合專家模型（MoE）等方法均由國外機構(gòu)提出并發(fā)展,，而我國科研機構(gòu)提出的創(chuàng)新方法相對較少且影響力不足。在大語言模型方面,，谷歌的Bert和OpenAI的GPT最先開啟了新時代,，特別是OpenAI發(fā)布的 ChatGPT成為AI發(fā)展路程上的一個里程碑。而后續(xù)的GPT-4以其在多數(shù)任務(wù)指標上的優(yōu)異表現(xiàn)，在眾多語言大模型中仍然占據(jù)榜首,。Meta開源的Llama大模型雖然稍晚性能稍遜,，但是其開源屬性，成為世界上眾多大模型的源頭,。在文本生成圖像方面,，OpenAI的DALL·E和谷歌的Imagen在2022年最先發(fā)布，以其高真實度的效果迅速引起了全球范圍的注意,，人工智能生成內(nèi)容（AIGC）進入新時代,。在文本生成視頻方面，OpenAI在2024年2月發(fā)布Sora,，再次取得歷史性突破,。在大語言模型領(lǐng)域，國內(nèi)的百度,、智源,、中科院等單位具有先發(fā)優(yōu)勢，推出文心一言,、GLM等大模型,。2022年以來在開源力量等因素的推動下，形成“百模大戰(zhàn)”的繁榮局面,，但整體上的性能沒有超過GPT-4等國外模型,。而在文本生成視頻方面，國內(nèi)與Sora的差距更為明顯,。如何促進我國生成式人工智能實現(xiàn)更好發(fā)展,？在當前形勢下,，我國應(yīng)在算力能效結(jié)合、數(shù)據(jù)開放共享,、模型垂直應(yīng)用,、生態(tài)綜合健全等方面統(tǒng)籌規(guī)劃，調(diào)動各方力量,，實現(xiàn)全面發(fā)展,。?第一，鼓勵計算架構(gòu)多元創(chuàng)新,，充分利用我國能源優(yōu)勢,，建設(shè)高能效智能算力網(wǎng)絡(luò)。在計算芯片方面,，應(yīng)探索發(fā)展更適合AI計算的架構(gòu),，發(fā)展多樣化技術(shù)路線,。雖然在短期內(nèi)Nvidia的GPU系列仍將是AI計算的主要平臺，但其也存在設(shè)計上的不足,，一些新,、舊勢力正在打破其壟斷局面。例如美國初創(chuàng)公司Groq研發(fā)的LPU,，專門面向大語言模型推理,，速度獲得顯著提升，而老牌Intel最新研發(fā)的AI計算芯片Gaudi3,，訓練性能達到Nvidia H100的1.7倍,。我國也應(yīng)激勵研發(fā)AI專用體系架構(gòu)，充分利用RISC-V等開源架構(gòu),，加快芯片制造技術(shù)升級,，探索自主可控的計算生態(tài)體系。此外,，應(yīng)加快量子計算等新計算形式的研究,。量子計算利用量子疊加和量子糾纏原理，其天然的并行處理能力遠高于目前的主流處理器,。近年來量子計算實現(xiàn)技術(shù)快速發(fā)展,，量子機器學習等領(lǐng)域已經(jīng)展現(xiàn)出潛力。在電力供給方面,，隨著AI算力的不斷提升,，對電力的需求也在急劇增長，電力已成為AI算力對決的關(guān)鍵因素,。生成式人工智能技術(shù)的發(fā)展離不開算力的支撐,，而算力的提升又離不開電力的供應(yīng)。我國“百模大戰(zhàn)”或?qū)又撬阒行募捌渑涮姿璧南嚓P(guān)電力,、儲能基礎(chǔ)設(shè)施建設(shè)和投運速度的大幅提高,。對此，除強化國家級超算中心之外,，我國可著重從兩個方面應(yīng)對能源算力不斷增長的挑戰(zhàn),。一是開展算力與能源的結(jié)合，參考比特幣“礦廠”模式,，將算力中心部署在在四川,、云南、內(nèi)蒙古,、新疆等電力充足地區(qū),，就近利用火電、水電,、風能、太陽能，依托自主硬件設(shè)備,，建設(shè)高效能算力中心,，助力“東數(shù)西算”。二是通過分布式計算調(diào)動社會資源,，進一步利用社會閑置算力,，吸引公眾參與科學研究。?第二,，建立聯(lián)邦數(shù)據(jù)基礎(chǔ),，鼓勵開放共享，促進數(shù)據(jù)提質(zhì)增量,。針對數(shù)據(jù)存量少,、質(zhì)量低、開放不足,、共享機制不完善的問題,，我國首要任務(wù)是建設(shè)智能聯(lián)邦生態(tài)系統(tǒng)，而聯(lián)邦數(shù)據(jù)是其中的當務(wù)之急,。聯(lián)邦數(shù)據(jù)為數(shù)據(jù)安全和隱私問題提供有效解決方案,，其運行機理遵循平行智能范式，能夠根據(jù)Morton定律和平行強化學習等方法探索實現(xiàn)數(shù)據(jù)最優(yōu)化,，為將大數(shù)據(jù)轉(zhuǎn)化為智能打下基礎(chǔ),。聯(lián)邦數(shù)據(jù)的架構(gòu)包括六個組件，即真實數(shù)據(jù)/物理對象,、虛擬數(shù)據(jù)/數(shù)字孿生,、聯(lián)邦數(shù)據(jù)實驗、聯(lián)邦融合,、聯(lián)邦安全和可信聯(lián)邦智慧,。前兩個組件用于處理來自物理對象的真實數(shù)據(jù)和安裝在特定設(shè)備上的數(shù)字孿生生成的虛擬數(shù)據(jù)，以及其他方法生成的虛擬數(shù)據(jù),。聯(lián)邦數(shù)據(jù)實驗是探索最優(yōu)模型的關(guān)鍵過程之一,，通過在解決方案空間中搜索，例如,，使用強化學習和并行強化學習找到本地模型的最優(yōu)參數(shù),。聯(lián)邦融合組件負責將本地模型合成全局最優(yōu)模型，通過使用專門設(shè)計的模型融合算法,，如動態(tài)融合機制,。聯(lián)邦安全組件負責實現(xiàn)數(shù)據(jù)安全和隱私。數(shù)據(jù)所有權(quán)和使用權(quán)是分開的,，即對于特定節(jié)點,，數(shù)據(jù)存儲在其本地地址,，而這些數(shù)據(jù)訓練的模型被轉(zhuǎn)移到聯(lián)邦融合和聯(lián)邦數(shù)據(jù)實驗組件，類似于聯(lián)邦學習,。此外,，安全性還可以通過區(qū)塊鏈或其他加密方法進一步提高,。從聯(lián)邦數(shù)據(jù)實驗和聯(lián)邦融合的結(jié)果中,，可以獲得可信的聯(lián)邦智能。?第三,，持續(xù)算法創(chuàng)新,，打造專業(yè)大模型，開拓垂直領(lǐng)域應(yīng)用新場景,。在短期內(nèi)我國AI算力受限,、模型算法創(chuàng)新突破難度較大的背景下，應(yīng)在持續(xù)鼓勵算法創(chuàng)新的同時,，以彌補算力短板,、促進產(chǎn)業(yè)升級、解決行業(yè)痛點為出發(fā)點,，著力打造專業(yè)大模型,，開拓垂直領(lǐng)域應(yīng)用新場景。通過專注于垂直領(lǐng)域的專業(yè)大模型,，可以更有效地利用現(xiàn)有算力資源,，避免在通用AI模型上的重復資源浪費。專業(yè)大模型針對特定問題進行優(yōu)化,，能夠在有限的算力下實現(xiàn)更高的性能和效率,。專業(yè)大模型能夠針對特定行業(yè)的需求提供定制化的智能解決方案，推動傳統(tǒng)產(chǎn)業(yè)的數(shù)字化和智能化轉(zhuǎn)型,，從而提升整個產(chǎn)業(yè)鏈的技術(shù)水平和價值創(chuàng)造能力,。例如，在醫(yī)療,、金融,、交通,、教育等關(guān)鍵領(lǐng)域，專業(yè)大模型能夠解決行業(yè)痛點問題,，如提高疾病診斷的準確性,、優(yōu)化金融服務(wù)的個性化推薦,、緩解交通擁堵等,，持續(xù)增進人民福祉。?第四,，探索TAO（True DAO）,，發(fā)展智能聯(lián)邦生態(tài)，健全智能生態(tài),。如前所述,，人工智能技術(shù)的創(chuàng)新和健康發(fā)展涉及到算力、算法,、數(shù)據(jù)多個要素,，需要政府、學術(shù)界,、企業(yè)以及社會大眾的共同努力,。因此，建立健全促進AI發(fā)展的生態(tài)體系十分關(guān)鍵,。一方面,，充分利用區(qū)塊鏈、分布式自治組織（DAO）,，借助目前國際上開始流行的Web3和DeSci浪潮,，推進我國AI領(lǐng)域全面發(fā)展。區(qū)塊鏈是一種分布式賬本技術(shù),，它通過加密和共識機制確保數(shù)據(jù)的不可篡改性和透明性,。在AI領(lǐng)域，區(qū)塊鏈可以用于確保數(shù)據(jù)的安全性和隱私性,，同時為AI模型提供高質(zhì)量,、可追溯的數(shù)據(jù)源。分布式自治組織（DAO）是一種基于區(qū)塊鏈技術(shù)的組織形式,，它通過智能合約自動執(zhí)行組織的規(guī)則和決策過程,，可以為AI項目提供去中心化的管理和資金分配機制，與區(qū)塊鏈結(jié)合促進AI技術(shù)的開放協(xié)作和共同治理之TAO（True DAO）,。Web3指的是構(gòu)建在區(qū)塊鏈技術(shù)之上的下一代互聯(lián)網(wǎng),，它所強調(diào)的數(shù)據(jù)去中心化存儲、用戶隱私保護,、數(shù)據(jù)所有權(quán)歸還給用戶等理念,，為AI提供了一個更加開放,、透明和安全的數(shù)據(jù)環(huán)境。以上技術(shù)應(yīng)用的一個領(lǐng)域范例就是DeSci,，利用區(qū)塊鏈和智能合約等技術(shù),，實現(xiàn)科學研究的去中心化,、開放和共享,。DeSci鼓勵跨學科合作，促進科學數(shù)據(jù)和研究成果的公開共享,，也能夠為AI提供豐富的數(shù)據(jù)資源和創(chuàng)新動力,。Web3、分布式自治組織（DAO）,、區(qū)塊鏈和DeSci在發(fā)展人工智能中將共同推動技術(shù)進步,、促進數(shù)據(jù)共享、增強系統(tǒng)安全性和推動去中心化治理,，為AI的健康發(fā)展和廣泛應(yīng)用提供堅實的基礎(chǔ),。另一方面，應(yīng)建立聯(lián)邦數(shù)據(jù),、聯(lián)邦控制,、聯(lián)邦管理和聯(lián)邦服務(wù)為一體的聯(lián)邦生態(tài)，推動聯(lián)邦智能發(fā)展為智能系統(tǒng)聯(lián)邦,。聯(lián)邦控制在聯(lián)邦生態(tài)中扮演核心角色,，其主要目標是維護信息安全和保護數(shù)據(jù)的所有權(quán)、控制權(quán),、隱私權(quán)和使用權(quán),。作為一種分布式控制策略，聯(lián)邦控制為大型復雜系統(tǒng)提供高效,、安全和可靠的管理和控制,。聯(lián)邦管理是聯(lián)邦生態(tài)的關(guān)鍵組成部分，負責根據(jù)生態(tài)目標和要求制定管理決策,，并根據(jù)系統(tǒng)狀態(tài)變化動態(tài)調(diào)整,。通過聯(lián)邦管理，生態(tài)系統(tǒng)能夠達到最優(yōu)狀態(tài),，實現(xiàn)目標,，并在保障安全的前提下，實現(xiàn)智能化管理,。聯(lián)邦管理的目的是通過對聯(lián)邦數(shù)據(jù)的聯(lián)邦控制來實現(xiàn)聯(lián)邦服務(wù),。在實現(xiàn)聯(lián)邦服務(wù)的過程中，不斷產(chǎn)生大量新的數(shù)據(jù)，這些數(shù)據(jù)可以添加到聯(lián)邦數(shù)據(jù)中,，用于優(yōu)化聯(lián)邦管理決策,。通過構(gòu)建上述分布式和聯(lián)邦化相結(jié)合的生態(tài)系統(tǒng)，做到資源有效調(diào)配,，激發(fā)創(chuàng)新活力,，綜合維度促進AI全面健康發(fā)展。以DeSci為基礎(chǔ),，國際化的無人駕駛大模型MetaVista,、食品大模型MeTaurant、運動大模型MetaSport,、健康大模型MetaSEEH3O2,，以及慧拓智能推出的礦山大模型愚公（YuKon）等正在快速發(fā)展,，展現(xiàn)出新生態(tài)的活力,。發(fā)展趨勢與展望生成式人工智能作為人工智能中發(fā)展最快的一個領(lǐng)域,，傳統(tǒng)巨頭和創(chuàng)業(yè)公司的突破性產(chǎn)品在短時間內(nèi)相繼推出，可謂日新月異,。算法,、模型、算力,、應(yīng)用的相互促進,，形成飛輪效應(yīng)，在未來一段時期為生成式人工智能的持續(xù)繁榮提供動力,?？傮w而言，我國雖然面臨算力能源約束,、數(shù)據(jù)質(zhì)量不足等問題,，但生成式人工智能的發(fā)展前景依然廣闊。第一,，大模型的規(guī)模效應(yīng)（Scaling Law）仍有擴展?jié)摿?。雖然研究新算法以替代Transformer的呼聲日益高漲，但如Mamba等新架構(gòu)尚在驗證和改進階段,，未被廣泛接受和使用,。基于Transformer 并結(jié)合MoE的架構(gòu)在短期內(nèi)仍將不斷擴展規(guī)模效益的邊界,。第二,，多模態(tài)大模型是發(fā)力的重點。語言大模型能力相對完備,，成為鏈接各個模態(tài)的橋梁,，文生圖,、文生視頻等將逐步完善，促進從語言智能向想象智能的范式轉(zhuǎn)換,。第三,，行業(yè)大模型是重點方向?；谏贁?shù)基礎(chǔ)大模型打造面向特定行業(yè)的專業(yè)模型是“AI+”行業(yè)賦能的有效方式,，參數(shù)高效微調(diào)（PEFT）技術(shù)通過最小化微調(diào)參數(shù)數(shù)量和計算復雜度，能夠顯著降低訓練時間和成本,。例如,，LoRA、Prompt Tuning等技術(shù)能在計算資源有限的情況下,，實現(xiàn)高效的遷移學習,。第四，生成式人工智能將進一步增加對算力與能源的需求,。隨著大模型規(guī)模效應(yīng)的進一步發(fā)展,，以及文生圖、文生視頻等多模態(tài)應(yīng)用需求的高速增長,，算力緊缺將是未來一段時間的常態(tài),，特別是我國在芯片受限的情況下這一問題更加突出。同時,，算力緊缺也將促進AI專用芯片的研發(fā),，面向底層算法加速的異構(gòu)芯片將擠占Nvidia的市場，我國自主AI算力芯片也將快速成長,。上文略有刪減選自 | 《人民論壇》雜志2025年第2期原標題 | 我國生成式人工智能的發(fā)展現(xiàn)狀與趨勢作者 | 中國科學院復雜系統(tǒng)管理與控制國家重點實驗室研究員 王飛躍新媒體編輯 | 常嫦原文責編 | 李一丹歡迎關(guān)注↓↓點點贊