生成式人工智能最新發展趨勢及我國的應對之策

因地制宜發展新質生產力， 必須因勢而謀、應勢而動。當今世界， 數字技術和人工智能技術突飛猛進、勢不可擋， 強有力地推動和支撐著人類社會生產力的質變和經濟高質量發展。我們正處在數字經濟和人工智能飛速發展的新時代， 新質生產力的“新” 根本在于它是以科技創新為第一動力， 以人工智能為重要戰略資源， 以大模型、大數據、大算力為核心生產要素。生成式人工智能則是新質生產力的戰略制高點。準確把握生成式人工智能最新發展趨勢， 建立健全與之相適應的體制機制， 采取正確的應對措施， 對于我國因地制宜發展新質生產力， 助推中國式現代化發展，無疑具有非常重要的意義。

一、生成式人工智能是新質生產力的戰略制高點

生成式人工智能（ＡＩＧＣ）是利用復雜算法、模型和規則， 從大規模數據集成訓練與自我學習中，生成原創內容的顛覆性技術， 是大模型的技術根基， 也是新質生產力的戰略制高點［１］ 。其原理主要是基于深度神經網絡， 通過訓練大規模的數據集， 學習并抽象出數據的本質規律和概率分布，并生成新的文本、圖像、音頻等多種形式的數據。生成式人工智能模型在技術上遵循規模定律（Ｓｃａ?ｌｉｎｇ Ｌａｗ）， 即模型的精度在參數規模超過某個閾值后， 模型能力快速提升， 會突然變得“聰明”起來， 出現“涌現（Ｂｒｅａｋｔｈｒｏｕｇｈｎｅｓｓ）” 和“頓悟（Ｇｒｏｋｋｉｎｇ）” 現象。如果把生成式人工智能比作大模型的種子， 它必將生長成為一棵枝繁葉茂的參天大樹， 其發展速度更是一日千里。美國人工智能研究公司ＯｐｅｎＡＩ 推出的聊天機器人（ＣｈａｔＧ?ＰＴ ）和文生視頻模型（Ｓｏｒａ）不過是這棵大樹上最先長出的兩片葉子。未來人類將推出更多專業大模型， 基礎大模型也將不斷推陳出新， 其數量和種類都無可限量， 并具有廣泛的應用前景。

生成式人工智能之所以能夠成為新質生產力的戰略制高點， 是因為它具備以下五方面無與倫比的優勢：

一是創新能力強。生成式人工智能可以模擬人類的創造過程， 自動生成全新的內容。這種創新能力使得它能夠在各個領域中發揮重要作用，催生出大量新產業、新模式、新業態， 推動社會進步和經濟發展。

二是應用范圍廣。生成式人工智能可以應用于各個領域， 賦能千行百業， 猶如“水銀瀉地， 無孔不入”。如智能制造、新材料開發、智慧物流、數字金融、智能電網、智慧交通、智慧農業、未來產業等， 成為推動產業轉型升級的重要力量。

三是智能化程度高。生成式人工智能具有不斷提高的智能化程度， 能夠自主深度學習、自我優化。這種智能化程度使得它能夠更加精準地處理和分析數據， 生成更加符合人類需求的內容。

四是強大的融合經濟性與邊際收益遞增法則。市場經濟條件下， 人工智能技術滲透于實體經濟而產生的融合經濟性為智能經濟發展注入強大動力， 邊際收益遞增法則為智能經濟的發展開辟了更加廣闊的空間。

五是處于產業技術的最高端。ＡＩ 大模型是第四次工業技術革命以來最具前沿性、顛覆性的高端技術。生成式人工智能可以創造出高端化的新產業、新技術、新工藝和新產品， 直接應用于產品設計和生產， 為整個產業鏈提供智能化支持，占領高端陣地， 提高整個產業鏈的效率和價值。

二、生成式人工智能最新發展趨勢

２０２２ 年末， ＯｐｅｎＡＩ 推出的ＣｈａｔＧＰＴ 標志著生成式人工智能在文本生成領域取得了顯著進展，僅僅１ 年多， 這項技術就呈現出了多模態、深扎根、具身化、強思維和高風險的趨勢特征。

（一） 多模態（Ｍｕｌｔｉｍｏｄａｌ）

生成式ＡＩ 正在從處理單一模態（如文本、圖像、音頻等）向多模態轉變， 即能夠同時處理并融合多種類型的信息來生成內容。美國ＯｐｅｎＡＩ的語言模型ＧＰＴ－４ｏ、文生視頻模型Ｓｏｒａ、法國初創公司Ｍｉｓｔｒａｌ ＡＩ 和我國華為的盤古大模型、阿里云的通義千問、科大訊飛的星火認知等大模型，都已經展示了多模態人工智能的巨大潛力， 它們能夠基于文本、音頻、圖像和視頻等匹配內容，生成越來越多新的、具有多樣性的原創內容， 極大地提高用戶與ＡＩ 的交互效率， 使生成式ＡＩ 更加新奇、直觀和動態化。

（二） 深扎根（Ｄｅｅｐ Ｉｎｔｅｇｒａｔｉｏｎ）

生成式ＡＩ 正在深度融入各行各業的工作流程中， 成為提高生產力和創新的重要工具。越來越多的企業開始采用ＣｈａｔＧＰＴ、華為盤古大模型等ＡＩ 工具， 作為“秘書” 和“顧問” 來輔助甚至是替代人的工作， 例如在工廠設計、城市規劃、新藥開發、營銷和銷售、產品開發等領域。生成式ＡＩ 的深扎根將推動各行各業的數字化、智能化轉型， 并為企業帶來更高的效率和更大的競爭優勢。在這方面， 我國比美國有更大的優勢。我國早已成為全球制造業中心， 龐大的現代產業體系不斷完善， 并且正從中低端向中高端邁進。

（三） 具身化（Ｅｍｂｏｄｉｍｅｎｔ）

生成式ＡＩ 正向著具身智能化的方向發展。所謂具身智能化， 是指有物理意義的“身體” 并能與物理世界進行交互的智能體， 如智能機器人、無人車、無人機、智能狗等， 通過多模態大模型處理多種傳感數據輸入， 生成運動指令對智能體進行驅動， 替代傳統的基于規則或者數學公式的運動驅動方式， 實現虛擬和現實的深度融合。具身化ＡＩ 的發展將使智能體更加接近、甚至超過人類的智能水平。具身智能體的核心優勢在于其具備深度學習和決策能力， 通過學習算法和數據分析， 能夠從海量數據中提取有用的信息， 形成自己的信息知識庫， 并在決策過程中， 綜合考慮各種因素， 運用邏輯推理、概率統計等方法， 做出最優的決策。

（四） 強思維（Ｅｎｈａｎｃｅｄ Ｔｈｉｎｋｉｎｇ）

隨著數據規模和算力的飛速增長， 生成式ＡＩ的邏輯思維能力和創造性思維能力顯著增強。人工智能相較于人類， 在記憶力、高維復雜、全視野、推理深度、猜想等方面具有更大優勢， 通過不斷深度學習和訓練， 一個借助ＡＩ 進行一些科學發現和技術發明的時代正在到來。要向ＡＩ 大模型注入更多更前沿的自然科學知識與研究成果， 加強創新能力訓練， 使人工智能模型具備愛因斯坦一樣的想象力和科學猜想能力。比如主動發現新的物理學規律、預測蛋白質結構、設計高性能芯片、高效合成新藥、探索宇宙奧秘等。正是因為人工智能大模型具有全息數據、高維度視角和深度學習的能力， 生成式人工智能將實現從推斷（Ｉｎｆｅ?ｒｅｎｃｅ）到推理（Ｒｅａｓｏｎｉｎｇ）的飛躍， 極大提升人類科學發現的效率， 打破人類的認知邊界。這才是真正的顛覆性所在。

（五） 高風險（Ｈｉｇｈ Ｒｉｓｋ）

隨著生成式ＡＩ 的快速發展， 其帶來的風險和挑戰已經不容忽視。由于存在數據偏差和模型的局限性， ＡＩ 生成在“涌現” 和“頓悟” 的過程中，系統偶爾也會出現幻覺， 即生成的內容可能與事實及規律不符， 甚至是一本正經地“胡說八道”。ＡＩ技術帶來的倫理挑戰更不容忽視， 如法律風險、道德風險、安全風險等。最需要警惕的是智能機器人異化。近代最著名的科學家霍金留給人類的名言“智能機器將是人類未來千年的伙伴， 或是毀滅者”， 提醒我們在探索人工智能的道路上， 必須謹慎行事， 確保科技為人類服務， 而非成為威脅。ＡＩ生成應該向善， 具身靈魂附體一開始就要植入向善的基因， 杜絕欺詐和戰爭。相信人類和科學家的智慧能夠妥善應對這些挑戰， 確保人工智能技術安全、可靠、與人為善和可持續發展。

三、我國發展生成式人工智能的戰略舉措

應對生成式人工智能發展的新趨勢， 發展我國生成式人工智能的戰略舉措可以概括為以下五方面：

（一） 強底座： 建設智能化新型基礎設施

生成式人工智能的發展離不開強大的新型基礎設施和底層技術支持。我們必須加大新基建的投入， 建設智能化信息基礎設施， 提升數據處理和機器學習能力。首先， 要聚焦人工智能芯片的研發， 推動國內芯片產業的發展， 打破美國的無理打壓與封鎖， 減少對國外技術依賴。其次， 要強化數據質量， 暢通數據流轉， 建立高質量的數據集， 為生成式人工智能提供充足和真實的訓練數據。再次， 要提高算力水平和綜合利用率， 為生成式人工智能的健康發展奠定堅實基礎， 提高我國在全球人工智能領域的競爭力。最后， 要強化底層邏輯， 不斷完善和提高有自主知識產權的通用大模型的水平和質量。總之， 必須盡快擺脫對國外的依賴， 自力更生， 研發出具有世界一流水平的芯片設計、制造系統和操作系統， 夯實生成式人工智能的底座， 徹底粉碎美國政府打壓我國人工智能發展的圖謀。

（二） 重實業： 把推動實體經濟智能化發展作為工作重心

我們發展生成式人工智能的根本目標是助推中國式現代化。中國式現代化的根基是實體經濟。生成式人工智能只有和實體經濟深度融合， 才能推動產業升級和轉型， 展現出強大的融合經濟性。實施“人工智能＋” 戰略， 鼓勵生成式人工智能技術在各行業、各領域的創新應用， 推動實體經濟向數字化、智能化發展。支持企業開展生成式人工智能的研發和應用， 推動產業升級和提質增效。加強人工智能與傳統產業的融合， 提高生產效率和服務質量。大力發展戰略性新興產業和未來產業， 推動實體經濟的數字化轉型， 提高我國經濟的整體競爭力。

（三） 舉國力： 突破關鍵技術和卡脖子工程

生成式人工智能的發展需要全社會的共同努力和支持。面對美國的瘋狂打壓， 我們要充分發揮新型舉國體制優勢， 調動國內外、全社會一切可利用資源， 聚焦生成式人工智能的關鍵技術和應用場景， 加大政策扶持力度， 為生成式人工智能的發展提供有力保障。加強人才培養和引進，培養一支具備創新精神和跨界融合能力的人才隊伍。在關鍵技術和卡脖子工程方面， 要設立國家大基金， 支持相關骨干企業和院所聯合攻關。在數據采集和使用上， 要破除所有制的障礙和地域限制， 形成全社會的合力， 推動生成式人工智能快速發展， 保證我國在全球人工智能領域的領先地位。

（ 四） 深改革： 建立與新質生產力發展相適應的新型生產關系

正如習近平總書記指出的， “發展新質生產力，必須進一步全面深化改革， 形成與之相適應的新型生產關系”。

黨的二十屆三中全會決議更進一步明確指出“要健全因地制宜發展新質生產力體制機制”。生成式人工智能的發展需要改革現有的體制機制和法律法規， 建立、完善與新質生產力發展要求相適應的新型生產關系。除了制定合適的法律法規，確保生成式人工智能技術的健康、安全和可持續發展， 改革科研和教育體制， 為生成式人工智能的發展提供有力的動力和保障外， 建立新型生產關系的重點領域應聚焦在大模型的開源化、大數據的共享化和大算力的統籌化上。

首先， 大模型需要大量的技術積累和數據投入， 技術和數據的開放共享對于ＡＩ 產業發展非常重要。開源框架是一個國家ＡＩ 創新和產業化能力的重要標志， 是ＡＩ 生態創新繁榮的基礎。像華為、阿里、百度這些頭部企業的通用大模型雖然已經開源化了， 但仍需大幅度降低大模型ＡＰＩ（應用程序編程接口）輸入價格及使用門檻， 鼓勵和支持企業、科研機構及個人低價、有償使用生成式人工智能技術， 推動產業應用和創新發展。

其次， 要建立一套與數據要素的特點相符合的現代數據產權制度。系統優化的大數據是智能經濟社會中最重要的生產要素， 具有可再生性和非排他性等復雜特征， 既是私有， 也是社會共有的。大數據系統具有明顯的“累積升值” 和“優化升值” 的經濟特征， 因此要建立“數據資產持有權、數據加工使用權、數據產品經營權等分置的產權運行機制”， 讓創造、加工、優化、使用數據系統的個人和企業都能獲得相應的收益，從而推動數據要素合理、高效與可持續使用。

再次， 大算力決定著大數據和大模型的運行效率， 算力基礎設施已經成為新型“大國重器”。決定和影響算力水平的因素很多， 其中體制機制因素非常重要。在加快建設國家超算中心、研發高端芯片和量子計算技術的基礎上， 必加大改革力度， 鼓勵換道超車， 通過算力租賃等市場化方式， 整合各地區、各部門現有算力資源及與之相對應的電力資源， 打造高效、綠色、安全的新型大國重器———全國一體化算力網。

（五） 謀趕超： 規避“加拉帕戈斯效應”

發展生成式ＡＩ 大模型， 是一場中美之間馬拉松式的比賽。必須承認， 美國率先實現了ＡＩ 技術的突破， 而且中美ＡＩ 差距有系統化拉大的風險。美國目前在ＡＩ 基礎大模型的開發和應用上處于全球領先地位， 我國緊隨其后居于第二的位置。從技術層面來看， 試圖基于落后的基礎大模型去做垂直行業模型的調優是沒有前途的。更不能放棄國產基礎大模型的研發， 試圖在美國的大模型的基礎上建設我們的垂直大模型， 更是非常危險的。從制度層面來看， 我們在創新文化、創新生態、創新體制機制上同美國相比還有一定的差距。從實踐層面考量， 我國風險投資和耐心資本的規模也落后于美國， ＡＩ 獨角獸企業的數量和質量近年都出現了下降趨勢。所以， 我們必須放眼全球，警惕我國ＡＩ 大模型產業被美國打壓、封鎖， 更要避免盲目樂觀和自我封閉， 避免出現“加拉帕戈斯效應” （又稱“孤島效應”）。面向未來， 面向全球， 我國擁有最龐大的互聯網用戶群、最雄厚的產業基礎、最豐富的應用場景和最大規模的數據資源。只要我們不斷深化改革， 加大高水平開放力度， 加速構建體系化競爭優勢， 就一定會在全球ＡＩ 產業激烈競爭中脫穎而出， 實現趕超。

總之， 生成式人工智能作為新質生產力的戰略制高點， 將為我國經濟高質量、可持續發展注入強大動力。十幾年后的ＡＩ 大模型完全可能像今天的移動互聯網一樣普及， 數以萬計的社會經濟主體將會利用開放的“大模型互聯網”， 從海量數據中定向提取有用的信息， 通過參數剪枝、量化和知識蒸餾等模型壓縮技術， 以及模型架構調整等手段， 形成自己的知識庫， 創建出無數個尺寸小、效率高的小模型， 實現大模型的“一魚雙吃”。我們必須提前布局， 統一規劃， 既要激發企業和科研院所自主創新的動力和活力， 又要避免“千模大戰” 的內卷和重復性投資浪費， 更要保障創業者和消費者無償或低價使用大模型的權益。舉全國之力， 改革創新， 全民創業， 迎接挑戰， 共同推動生成式人工智能技術的健康發展，加快建設中國式社會主義現代化強國。