補短板弱項筑發(fā)展根基

時隔7年，中央政治局近期再次圍繞人工智能進行集體學習。

作為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，人工智能正深刻改變?nèi)祟惿a(chǎn)生活方式。近年來，通過完善頂層設(shè)計、加強工作部署，我國人工智能綜合實力實現(xiàn)整體性、系統(tǒng)性躍升，但在基礎(chǔ)理論、關(guān)鍵核心技術(shù)等方面還存在不少短板弱項。

基礎(chǔ)研究依然薄弱

要在人工智能領(lǐng)域占領(lǐng)先機、贏得優(yōu)勢，必須在基礎(chǔ)理論、方法、工具等方面取得突破。

“當前，人工智能已進入一個新的階段——物理AI時代，競爭愈發(fā)聚焦于‘根技術(shù)’。基礎(chǔ)理論、方法、工具等方面的突破，是贏得競爭優(yōu)勢的關(guān)鍵，這就好比為高樓打地基，地基打得牢，大廈才能建得高。”上海松應(yīng)科技有限公司CEO聶凱旋表示。

什么是“根技術(shù)”？如今爆火的大語言模型ChatGPT的核心架構(gòu)——Transformer就屬于“根技術(shù)”。2017年6月，隨著一篇論文的發(fā)表，Transformer走進了大眾視野，很快成為自然語言處理和計算機視覺領(lǐng)域在有監(jiān)督學習設(shè)置下的主流神經(jīng)架構(gòu)。盡管其在生成式任務(wù)中表現(xiàn)十分優(yōu)異，但隨著時間推移，局限性逐漸顯現(xiàn)。

高階微分計算能力不足、科學推理能力欠缺、可解釋性與穩(wěn)定性缺失……“要突破這些瓶頸，構(gòu)建適應(yīng)科學計算需求的下一代主流架構(gòu)，必須回歸到統(tǒng)計學習、數(shù)學逼近論等數(shù)理基礎(chǔ)理論層面尋求創(chuàng)新。”中國科學院自動化研究所副研究員王闖說。

基礎(chǔ)研究是整個科學體系的源頭，是所有技術(shù)問題的總機關(guān)。“越是人工智能上層，我國研究者對世界作出的貢獻越多；越是底層，我國研究者的貢獻越少。”中國科學院計算技術(shù)研究所研究員陳云霽曾在一篇文章中指出。

“卡脖子”風險仍舊存在

目前來看，我國在人工智能領(lǐng)域除應(yīng)用層面具備一定的差異化競爭優(yōu)勢外，諸多關(guān)鍵核心技術(shù)仍面臨著“卡脖子”風險。

一個典型代表就是人工智能芯片。數(shù)據(jù)、算力、算法是AI的三大基石，共同構(gòu)成了技術(shù)發(fā)展的底層支撐。作為算力的物理載體，以GPU（圖形處理器）、FPGA（現(xiàn)場可編程門陣列）和ASIC（專用集成電路）為代表的人工智能芯片，是人工智能技術(shù)發(fā)展的核心硬件，決定了大模型訓練效率、推理速度及系統(tǒng)實時性。

王闖告訴記者，經(jīng)過近幾年發(fā)展，國產(chǎn)GPU芯片基本實現(xiàn)了進口替代，但整體性能與全球人工智能芯片GPU的領(lǐng)導廠商英偉達相比仍有較大差距。例如，在大模型訓練端，國產(chǎn)芯片整體計算效率較英偉達最先進芯片性能落后約3年。

另一個代表是算法。人工智能算法包括基礎(chǔ)算法和應(yīng)用算法兩種類型。專家指出，目前幾乎全部的基礎(chǔ)算法模型都由美國大學、IT公司提出，應(yīng)用算法多數(shù)開源，并且美國各大公司是人工智能開源代碼的主要貢獻者，對大部分開源社區(qū)有絕對控制權(quán)。

龐大的大數(shù)據(jù)樣本和卓越的算力平臺基礎(chǔ)設(shè)施是人工智能大模型訓練的基礎(chǔ)。“當前，我國人工智能軟件存在嚴重的數(shù)據(jù)孤島問題，且高端數(shù)據(jù)匱乏。”聶凱旋說。

不過，相較于上述不過，相較于上述掣肘，王闖更擔憂的是國外企業(yè)對應(yīng)用生態(tài)的壟斷。當前，AI模型的分發(fā)與共享高度依賴少數(shù)全球化平臺，這種壟斷帶來的后果是，即使中國研發(fā)出頂尖大模型，仍需依賴國際平臺推廣，從而在標準制定、技術(shù)趨勢上喪失話語權(quán)。“這種壟斷，或?qū)⑿纬杀扔布蛩惴ǜ与[蔽卻更深遠的控制力。”王闖認為，國內(nèi)頭部企業(yè)應(yīng)協(xié)同打造真正開放的開源平臺。

系統(tǒng)部署刻不容緩

加強人工智能基礎(chǔ)研究，時不我待。“人工智能的每一次繁榮都離不開基礎(chǔ)理論的重大突破，人工智能架構(gòu)面臨的問題，同樣需要從理論層面尋求解答。”王闖建議，國家層面進一步加大對人工智能數(shù)學機理、數(shù)學基礎(chǔ)理論、計算機基礎(chǔ)理論等基礎(chǔ)研究的支持力度。

在聶凱旋看來，物理AI時代，人工智能基礎(chǔ)研究主要聚焦兩大核心方向——物理世界建模能力與機器人智能體系構(gòu)建，這些突破將重塑產(chǎn)業(yè)競爭格局。例如，協(xié)作機器人抓取雞蛋時，需要同步計算接觸力與蛋殼強度，這類“手腦協(xié)同”能力高度依賴高保真物理仿真。松應(yīng)科技自主研發(fā)的國內(nèi)首款物理AI仿真系統(tǒng)ORCA，成功解決了這一難題。

需要迎頭趕上的不只是基礎(chǔ)研究，還要將人工智能大模型發(fā)展的主動權(quán)牢牢掌握在自己手中。有學者建議，著力攻克關(guān)鍵底層技術(shù)，實現(xiàn)從芯片設(shè)計到訓練框架的全鏈條自主可控；優(yōu)化異構(gòu)算力調(diào)度能力，降低萬卡集群訓練能耗與成本；堅持“學中干，干中學”，培育理論功底厚、工程能力強的高端人才隊伍。

“從基礎(chǔ)理論到基礎(chǔ)硬件平臺、核心軟件，每一項突破都需要不斷積累經(jīng)驗。”王闖說，我們既要集中力量打好關(guān)鍵核心技術(shù)攻堅戰(zhàn)，也要努力構(gòu)建具有國際影響力的人工智能創(chuàng)新生態(tài)，同時加快推動更多人工智能成果從“書架”走向“貨架”。

“物理AI時代，未來人工智能的關(guān)鍵突破將集中在3個深度融合實體世界的領(lǐng)域。”聶凱旋認為，搶占未來人工智能發(fā)展的先機，需從三方面著手布局：筑牢物理AI自主基座，支持企業(yè)構(gòu)建硬件中立平臺，將其納入“新基建”重點部署；構(gòu)建開源協(xié)同生態(tài)，聯(lián)合成立“物理AI開源聯(lián)盟”，推動中國主導的數(shù)據(jù)標準國際化；打造場景驅(qū)動試驗田，在低空經(jīng)濟、智慧物流等領(lǐng)域設(shè)立國家級先導區(qū)，通過稅收優(yōu)惠等政策推動國產(chǎn)平臺規(guī)模化應(yīng)用，形成可復制的“數(shù)字孿生+實體經(jīng)濟”的模式。