人工智能前沿技术和高质量发展解析（下）

本文介绍了人工智能的定义和分类，包括通用人工智能和专用人工智能，以及它们的具体含义。同时，讨论了人工智能的发展历程，指出虽然大规模预训练模型已经实现了通用性的人工智能，但尚未达到真正的人工通用智能。

以下是干部培训网整编《人工智能前沿技术和高质量发展解析（下）》详情——

（五）我国人工智能发展的薄弱环节

一是人工智能基础理论和原创算法差距较大。我国人工智能研究起步晚，原创性贡献不多。近年来，随着各国加快人工智能理论创新探索，模型和方法不断有新的突破，包括深度学习模型、生成对抗网络等新的重大成果和原创性理论贡献仍以西方国家为主。大模型构建、训练、调优对齐、推理部署等多个流程使用的主要算法及核心技术大部分来自美国。虽然我国在人工智能领域内高影响力论文数量增长明显，顶级论文和重大理论创新还主要源自美国、英国、加拿大等国家。

二是在高端芯片、关键部件、高精度传感器等方面基础薄弱。在图形处理器（GPU）、专用集成电路（ASIC）和现场可编程门阵列（FPGA）等人工智能芯片方面，英伟达、英特尔、高通、超威等欧美国家企业占据垄断地位：英伟达在GPU领域占据了全球近84％的市场份额，赛灵思（Xilinx）和阿尔特拉（Altera）占据了 FPGA 市场将近61.9％的份额。美国波士顿动力公司的人形机器人产品（Atlas）依靠其在高精度传感器和运动控制算法上的巨大优势，目前已连续完成台阶跳跃、后空翻、单腿三级跳等高难度动作，在智能感知和智能行为融合上达到新的高度。

三是尚未形成具有国际影响力的人工智能开源开放平台。当前，国际巨头企业纷纷建立人工智能开放平台，打通硬件—系统—产业链条，主导建设创新生态。我国在面向特定应用领域已经陆续建立了国家级人工智能开放平台，但在机器学习等通用开源算法平台方面布局不够，且对产业链的带动性不足，国际影响力不够。

四是数据量大质低，缺乏高质量大规模中文数据集。在当前深度学习阶段，数据对人工智能发展至关重要，特别是在大模型时代，数据对大模型智能水平的影响差不多要超过60%。我国的数据资源极其丰富，但是数据的量大质低，很多不能用于模型训练。另外，书籍期刊等版权数据、互联网平台数据等高质量数据割裂、封闭、不易获取，导致我国可用于大模型训练的高质量中文数据集相对缺乏。目前，我国大模型训练主要依赖国际开源数据集，国际数据集中的中文内容少且不规范，Common Crawl 中的中文数据不足5%，基于这些数据集训练的大模型自然是“英文思维”。建设高质量大规模中文数据集，是我国通用人工智能发展的基本前提。国内已有部分机构开展了相关工作，如智源研究院建设了全球最大的中文数据集 WuDaoCorpora，其中文本数据集超过了5T，已对外开放低风险数据200G，被全球数百个大模型科研团队使用。

五是算力资源短缺。大模型的快速发展和持续迭代对算力的需求呈爆炸性增长，由于 GPU 等芯片的供给增长缓慢，导致全球范围内的算力短缺问题普遍存在，我国的算力短缺问题尤为突出。目前，我国大模型研发所需的算力资源主要来源于智算中心、超算中心和云计算中心。其中，智算中心普遍算力规模不高。目前我国有超过30个城市正在建设或提出建设智算中心，算力规模目标大部分在1000P 左右。超算中心中国产人工智能芯片数量较多，但由于很多是早年部署，型号早、性能低，难以用于大模型训练。云计算中心的商业任务占用率较高，千亿级模型的私有化部署成本接近每年2000万—3000万元，成本较高。

六是高水平人才不足。根据清华大学 AMiner AI 2000 全球最具影响力人工智能学者榜单，在全球人工智能高影响力学者（全球最具影响力人工智能学者入选依据 ：近十年间，人工智能的20个子领域里论文被引量分别排名前100的学者上榜，各领域排名前10的学者当选当年最具影响力学者）中，美国人数最多，近三年均稳步在1100人以上，占比约六成；中国位列第二，数量稳步增加，超过了230人，占比一成多，但与美国的差距并没有缩小，美国是中国的近五倍。

从以上几点来看，我国发展人工智能既有很好的基础和优势，也面临巨大挑战，需要探索一条适合我国国情的发展道路。应坚持科技引领、应用驱动的战略导向，以促进人工智能与经济社会深度融合为主线，以提升科技创新能力为主攻方向，全面推动人工智能应用。应通过科技引领和应用驱动的双向发力，实现我国人工智能在理论上尽快补上短板，技术上自主可控，产业上占领制高点，全面增强经济创新力和国际竞争力。

三、全面推进中国人工智能高质量发展——勇毅前行

2023年4月28日召开的中共中央政治局会议指出，要重视通用人工智能发展，营造创新生态，重视防范风险。我国人工智能发展要深刻把握国际通用人工智能技术发展趋势，开展前瞻性技术研究，着力实现弯道超车。同时，要加强政策、人才、底层基础软硬件、开源开放等生态环境的打造，营造良好环境。另外，要加强风险研判，积极推进人工智能治理，推动我国新一代人工智能持续健康发展。

（一）持续完善我国人工智能规划和政策体系

面对国际通用人工智能发展新形势、新机遇、新问题、新挑战，围绕《新一代人工智能发展规划》提出的我国到2030年实现人工智能达到世界领先水平的战略目标，《新一代人工智能发展规划》在新时期实施时应突出新变化，形成新的规划任务方向。另外，要针对我国通用人工智能发展的薄弱环节和发展需求，在技术研究、资源开放、场景建设、人才发展等方面制定相关支持政策，打造人工智能高质量发展的支撑政策体系。

（二）加强通用人工智能基础理论研究和关键技术研发

前瞻布局通用人工智能前沿技术研究，开展大模型基础原理和新架构探索，视觉、视频、多模态、具身等下一代大模型研究，利用大模型解决重大科学问题，形成具有国际影响力的通用人工智能原创理论体系。

引领通用人工智能关键核心技术创新，重点突破分布式高效深度学习框架、大规模认知与推理、可控内容生成、高效低成本训练与推理等关键算法研发，建立我国通用人工智能技术创新体系。

（三）夯实人工智能基础软硬件生态底层基础

推动国产人工智能芯片实现突破，面向通用人工智能技术发展需求，能够全面支撑大模型训练、多模态处理、科学计算等场景算力需求，并探索可重构、存算一体、超规格高算力智能芯片等新型架构芯片，提供支撑我国人工智能发展的算力保障。加强自主开源深度学习框架研发攻关，在大模型分布式训练和多端多平台推理部署等方面提升核心能力，研发模型开发、训练、压缩、推理全流程工具。支持人工智能芯片和深度学习框架开展广泛适配和融合优化，打造人工智能国产基础软硬件深度协同生态。

（四）加强数据、算力等资源的汇聚及共享

建立多层次数据开放体系。相关政府部门出台政策措施，推动出版社、杂志社、图书馆、博物馆、档案馆等版权数据或公共数据机构，以及互联网平台对外有序开放数据用于人工智能技术研发，打破数据壁垒。建立我国大规模高质量中文数据集建设的长效机制，整合汇聚大型互联网企业、大模型研发企业、数据服务企业、大型出版社、图书馆、主流媒体、行业组织等机构，建设大规模高质量的语言、语音、图像、视频和多模态数据集，以及医疗、交通等行业数据集，为我国通用人工智能长期健康发展提供基础保障。

夯实算力基础设施建设。加强智算中心建设，逐步提高算力设施国产化率，为大模型研究提供高性能计算资源和服务。推动中国算力网建设，实现国家级超算中心、智算中心、“东数西算”数据中心的互联互通，实现全国大型算力的协同调度和高效计算，推动云、网、算等资源融为一体，形成支撑数字经济发展的国家级算力基础设施和统一算力大市场，为人工智能技术创新和产业智能化转型提供普惠算力。

（五）加强人工智能风险预判和治理体系建设

我国在通用人工智能监管上走在国际前列，2023年7月出台了全球首部生成式人工智能规范性政策文件《生成式人工智能服务管理暂行办法》，为其他国家相关政策的制定提供了借鉴。伴随通用人工智能技术的快速发展，我国应坚持发展和安全并重的原则，建立并完善符合我国人工智能发展需求的治理体系。一是加强对人工通用智能（AGI）发展安全风险的研判，根据风险问题适时调整我国通用人工智能发展策略。二是建立我国特色的敏捷治理体系。通用人工智能发展迅速，新应用新模式层出不穷，应建立符合我国经济、社会发展特色的敏捷治理体系，保持政策灵活性，留足制度发展空间，以保障技术的长远健康发展。三是开展风险防范技术研究，以技术监管技术，针对大模型基础原理、安全与价值观对齐、人工通用智能（AGI）风险控制策略等方面开展深入研究，促进人工智能技术造福于人类。

推动建立健全的人工智能监管方面相关的法律、法规和标准，是保障人工智能高水平提升、高质量发展的重要一环，应逐步完善人工智能的安全保障和伦理规范，保障人工智能的安全和可信度。一是制定和完善人工智能相关法律、法规和标准，涉及人工智能开发、使用、应用等各个环节，明确相关责任和法律后果，规范人工智能的发展和使用。二是加强人工智能的安全保障，强化人工智能的安全性研究和技术保障，防范人工智能被恶意利用和攻击，确保人工智能系统的稳定运行和数据的安全。三是建立人工智能的伦理规范，明确人工智能的道德责任和社会责任，避免人工智能带来的负面影响和伦理风险。四是建立健全人工智能的监管机制，包括人工智能评估、审查、监督、监测等各个环节，加强对人工智能的监管和治理，保障人工智能的安全和可信度。五是加强人工智能的公众参与，包括社会组织、专家学者、公民等各方面的参与，加强社会监督和民主监督，推动人工智能的良性发展。

（六）强化人工智能在服务企业升级中发挥更大作用

人工智能作为一项渗透性极强的颠覆性技术，对实体经济及社会生活的方方面面都具有极其重要的意义，是建设现代化经济体系、实现高质量发展的重要支撑。企业作为社会经济活动的基本单位，直面市场、服务市场，是最活跃的创新力量。要实现传统产业改造，新兴产业不断壮大，现代化产业体系加快形成，就要打好一套“组合拳”。一是龙头企业要发挥引领作用，打造开放、协同、共享的创新生态系统，特别是构建一个包括从基础研究到应用推广的全链式人工智能创新生态系统，助推传统企业向智能化高端化转型。二是加大对人工智能产业的支持和投入，通过设立人工智能创新基金、支持人工智能企业上市等方式，增强该类专精特新“小巨人”利用金融力量为企业不断造血。三是搭建人工智能开放创新平台，通过平台资源和技术赋能服务企业、高校和研究院所，加速人工智能技术的研发和应用，不断提高技术创新能力。四是积极引导推动数据的开放和共享，促进各个领域之间的数据融合和互通，形成全社会共建共享的数据资源库，切实推进人工智能与实体经济深度融合。

（七）加强人工智能教育和人才培养

我国的人工智能发展，关键在人。培养具有创新能力和实践能力的高素质人才非常关键，可通过设立人工智能专业、加强人工智能相关领域的教育和培训、支持高水平人才引进等，逐步构建人工智能人才培养体系和课程体系，提高我国人工智能人才队伍的整体素质。同时，政府还应积极鼓励企业和高校合作，加强人工智能人才培养的实践环节，推动理论与实践的深度融合。此外，应量身定制包括税收优惠、研发经费支持、人才奖励、高层次人才计划等一系列政策措施，鼓励创新创业，加强对人工智能领域人才的引进和扶持，上述在内的多种手段，可为人工智能人才的培养和发展提供有力支持。

（八）加强人工智能国际交流与合作

我国人工智能的发展，应积极参与全球人工智能领域的标准制定和技术交流，加强与国际顶尖人工智能企业和机构的合作，推动人工智能技术的全球创新和发展。通过加强国际合作机制建设，建立人工智能领域的跨国合作框架，促进全球人工智能技术的开放和共享。加强人工智能领域的知识产权保护，建立国际人工智能技术标准和知识产权保护机制，促进人工智能技术的国际化应用和交流。积极参与国际人工智能标准制定，推动人工智能标准化国际化进程，提高我国在国际标准制定中的话语权和地位。加强国际人才交流与合作，鼓励优秀人工智能人才到国外交流和学习，引进国际优秀人才来我国工作和合作。与国际顶尖人工智能企业和机构建立战略合作伙伴关系，共同开展技术研发、应用推广、人才培养等领域的合作，加速形成具有国际竞争力的人工智能产业集群。参与国际人工智能赛事和竞赛，提高我国人工智能技术的国际影响力和竞争力。

以上是《人工智能前沿技术和高质量发展解析（下）》，更多干部培训时政讯息请关注【新闻中心】-【时政要闻】。