委員長(cháng)、各位副委員長(cháng)、秘書(shū)長(cháng)、各位委員：

　　人工智能領(lǐng)域近年來(lái)正在迎來(lái)一場(chǎng)由生成式人工智能大模型**的爆發(fā)式發(fā)展。2022年11月30日，OpenAI公司推出一款人工智能對話(huà)聊天機器人ChatGPT，其出色的自然語(yǔ)言生成能力引起了全世界范圍的廣泛關(guān)注，2個(gè)月突破1億用戶(hù)，國內外隨即掀起了一場(chǎng)大模型浪潮，Gemini、文心一言、Copilot、LLaMA、SAM、SORA等各種大模型如雨后春筍般涌現，2022年也被譽(yù)為大模型元年。當前信息時(shí)代正加快進(jìn)入智能計算的發(fā)展階段，人工智能技術(shù)上的突破層出不窮，逐漸深入地賦能千行百業(yè)，推動(dòng)人工智能與數據要素成為新質(zhì)生產(chǎn)力的典型代表。習近平總書(shū)記指出，把新一代人工智能作為推動(dòng)科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升的驅動(dòng)力量，努力實(shí)現高質(zhì)量發(fā)展。黨的十八大以來(lái)，以習近平同志為核心的黨中央高度重視智能經(jīng)濟發(fā)展，促進(jìn)人工智能和實(shí)體經(jīng)濟深度融合，為高質(zhì)量發(fā)展注入強勁動(dòng)力。

　　一、計算技術(shù)發(fā)展簡(jiǎn)介

　　計算技術(shù)的發(fā)展歷史大致可分為四個(gè)階段，算盤(pán)的出現標志著(zhù)人類(lèi)進(jìn)入**代——機械計算時(shí)代，第二代——電子計算的標志是出現電子器件與電子計算機，互聯(lián)網(wǎng)的出現使我們進(jìn)入第三代——網(wǎng)絡(luò )計算，當前人類(lèi)社會(huì )正在進(jìn)入第四階段——智能計算。

　　早期的計算裝置是手動(dòng)輔助計算裝置和半自動(dòng)計算裝置，人類(lèi)計算工具的歷史是從公元1200年的中國算盤(pán)開(kāi)始，隨后出現了納皮爾籌（1612年）和滾輪式加法器（1642年），到1672年**臺自動(dòng)完成四則運算的計算裝置——步進(jìn)計算器誕生了。

　　機械計算時(shí)期已經(jīng)出現了現代計算機的一些基本概念。查爾斯?巴貝奇（Charles Babbage）提出了差分機（1822年）與分析機（1834年）的設計構想，支持自動(dòng)機械計算。這一時(shí)期，編程與程序的概念基本形成，編程的概念起源于雅卡爾提花機，通過(guò)打孔卡片控制印花圖案，*終演變?yōu)橥ㄟ^(guò)計算指令的形式來(lái)存儲所有數學(xué)計算步驟；人類(lèi)歷史的**個(gè)程序員是詩(shī)人拜倫之女艾達（Ada），她為巴貝奇差分機編寫(xiě)了一組求解伯努利數列的計算指令，這套指令也是人類(lèi)歷史上**套計算機算法程序，它將硬件和軟件分離，**次出現程序的概念。

　　直到在二十世紀上半葉，出現了布爾代數(數學(xué))、圖靈機(計算模型) 、馮諾依曼體系結構(架構) 、晶體管(器件)這四個(gè)現代計算技術(shù)的科學(xué)基礎。其中，布爾代數用來(lái)描述程序和硬件如CPU的底層邏輯；圖靈機是一種通用的計算模型，將復雜任務(wù)轉化為自動(dòng)計算、不需人工干預的自動(dòng)化過(guò)程；馮諾依曼體系結構提出了構造計算機的三個(gè)基本原則：采用二進(jìn)制邏輯、程序存儲執行、以及計算機由運算器、控制器、存儲器、輸入設備、輸出設備這五個(gè)基本單元組成；晶體管是構成基本的邏輯電路和存儲電路的半導體器件，是建造現代計算機之塔的“磚塊”?；谝陨峡茖W(xué)基礎，計算技術(shù)得以高速發(fā)展，形成規模龐大的產(chǎn)業(yè)。

　　從1946年世界上**臺電子計算機ENIAC誕生到二十一世紀的今天，已經(jīng)形成了五類(lèi)成功的平臺型計算系統。當前各領(lǐng)域各種類(lèi)型的應用，都可以由這五類(lèi)平臺型計算裝置支撐。**類(lèi)是高性能計算平臺，解決了國家核心部門(mén)的科學(xué)與工程計算問(wèn)題；第二類(lèi)是企業(yè)計算平臺，又稱(chēng)服務(wù)器，用于企業(yè)級的數據管理、事務(wù)處理，當前像百度、阿里和騰訊這些互聯(lián)網(wǎng)公司的計算平臺都屬于這一類(lèi)；第三類(lèi)是個(gè)人電腦平臺，以桌面應用的形式出現，人們通過(guò)桌面應用與個(gè)人電腦交互；第四類(lèi)是智能手機，主要特點(diǎn)是移動(dòng)便攜，手機通過(guò)網(wǎng)絡(luò )連接數據中心，以互聯(lián)網(wǎng)應用為主，它們分布式地部署在數據中心和手機終端；第五類(lèi)是嵌入式計算機，嵌入到工業(yè)裝備和軍事設備，通過(guò)實(shí)時(shí)的控制，保障在確定時(shí)間內完成特定任務(wù)。這五類(lèi)裝置幾乎覆蓋了我們信息社會(huì )的方方面面，長(cháng)期以來(lái)人們追求的以智能計算應用為中心的第六類(lèi)平臺型計算系統尚未形成。

　　現代計算技術(shù)的發(fā)展大致可以劃分為三個(gè)時(shí)代。IT1.0又稱(chēng)電子計算時(shí)代（1950-1970），基本特征是以“機”為中心。計算技術(shù)的基本架構形成，隨著(zhù)集成電路工藝的進(jìn)步，基本計算單元的尺度快速微縮，晶體管密度、計算性能和可靠性不斷提升，計算機在科學(xué)工程計算、企業(yè)數據處理中得到了廣泛應用。

　　又稱(chēng)網(wǎng)絡(luò )計算時(shí)代（1980-2020），以“人”為中心?；ヂ?lián)網(wǎng)將人使用的終端與后臺的數據中心連接，互聯(lián)網(wǎng)應用通過(guò)智能終端與人進(jìn)行交互。以亞馬遜等為代表的互聯(lián)網(wǎng)公司提出了云計算的思想，將后臺的算力封裝成一個(gè)公共服務(wù)租借給第三方用戶(hù)，形成了云計算與大數據產(chǎn)業(yè)。

　　又稱(chēng)智能計算時(shí)代，始于2020年，與IT2.0相比增加了“物”的概念，即物理世界的各種端側設備，被數字化、網(wǎng)絡(luò )化和智能化，實(shí)現“人-機-物”三元融合。智能計算時(shí)代，除了互聯(lián)網(wǎng)以外，還有數據基礎設施，支撐各類(lèi)終端通過(guò)端邊云實(shí)現萬(wàn)物互聯(lián)，終端、物端、邊緣、云都嵌入AI，提供與ChatGPT類(lèi)似的大模型智能服務(wù)，*終實(shí)現有計算的地方就有AI智能。智能計算帶來(lái)了巨量的數據、人工智能算法的突破和對算力的爆發(fā)性需求。

　　二、智能計算發(fā)展簡(jiǎn)介

　　智能計算包括人工智能技術(shù)與它的計算載體，大致歷經(jīng)了四個(gè)階段，分別為通用計算裝置、邏輯推理**系統、深度學(xué)習計算系統、大模型計算系統。

　　智能計算的起點(diǎn)是通用自動(dòng)計算裝置（1946年）。艾倫·圖靈（Alan Turing）和馮·諾依曼（John von Neumann）等科學(xué)家，一開(kāi)始都希望能夠模擬人腦處理知識的過(guò)程，發(fā)明像人腦一樣思考的機器，雖未能實(shí)現，但卻解決了計算的自動(dòng)化問(wèn)題。通用自動(dòng)計算裝置的出現，也推動(dòng)了1956年人工智能（AI）概念的誕生，此后所有人工智能技術(shù)的發(fā)展都是建立在新一代計算設備與更強的計算能力之上的。

　　智能計算發(fā)展的第二階段是邏輯推理**系統（1990年）。E.A.費根鮑姆（Edward Albert Feigenbaum）等符號智能學(xué)派的科學(xué)家以邏輯和推理能力自動(dòng)化為主要目標，提出了能夠將知識符號進(jìn)行邏輯推理的**系統。人的先驗知識以知識符號的形式進(jìn)入計算機，使計算機能夠在特定領(lǐng)域輔助人類(lèi)進(jìn)行一定的邏輯判斷和決策，但**系統嚴重依賴(lài)于手工生成的知識庫或規則庫。這類(lèi)**系統的典型代表是日本的五代機和我國863計劃支持的306智能計算機主題，日本在邏輯**系統中采取專(zhuān)用計算平臺和Prolog這樣的知識推理語(yǔ)言完成應用級推理任務(wù)；我國采取了與日本不同的技術(shù)路線(xiàn)，以通用計算平臺為基礎，將智能任務(wù)變成人工智能算法，將硬件和系統軟件都接入通用計算平臺，并催生了曙光、漢王、科大訊飛等一批骨干企業(yè)。

　　符號計算系統的局限性在于其爆炸的計算時(shí)空復雜度，即符號計算系統只能解決線(xiàn)性增長(cháng)問(wèn)題，對于高維復雜空間問(wèn)題是無(wú)法求解的，從而限制了能夠處理問(wèn)題的大小。同時(shí)因為符號計算系統是基于知識規則建立的，我們又無(wú)法對所有的常識用窮舉法來(lái)進(jìn)行枚舉，它的應用范圍就受到了很大的限制。隨著(zhù)第二次AI寒冬的到來(lái)，**代智能計算機逐漸退出歷史舞臺。

　　直到2014年左右，智能計算進(jìn)階到第三階段——深度學(xué)習計算系統。以杰弗里·辛頓（Geoffrey Hinton）等為代表的連接智能學(xué)派，以學(xué)習能力自動(dòng)化為目標，發(fā)明了深度學(xué)習等新AI算法。通過(guò)深度神經(jīng)元網(wǎng)絡(luò )的自動(dòng)學(xué)習，大幅提升了模型統計歸納的能力，在模式識別①等應用效果上取得了巨大突破，某些場(chǎng)景的識別精度甚至超越了人類(lèi)。以人臉識別為例，整個(gè)神經(jīng)網(wǎng)絡(luò )的訓練過(guò)程相當于一個(gè)網(wǎng)絡(luò )參數調整的過(guò)程，將大量的經(jīng)過(guò)標注的人臉圖片數據輸入神經(jīng)網(wǎng)絡(luò )，然后進(jìn)行網(wǎng)絡(luò )間參數調整，讓神經(jīng)網(wǎng)絡(luò )輸出的結果的概率無(wú)限逼近真實(shí)結果。神經(jīng)網(wǎng)絡(luò )輸出真實(shí)情況的概率越大，參數就越大，從而將知識和規則編碼到網(wǎng)絡(luò )參數中，這樣只要數據足夠多，就可以對各種大量的常識進(jìn)行學(xué)習，通用性得到極大的提升。連接智能的應用更加廣泛，包括語(yǔ)音識別、人臉識別、自動(dòng)駕駛等。在計算載體方面，中國科學(xué)院計算技術(shù)研究所2013年提出了國際**深度學(xué)習處理器架構，國際知名的硬件廠(chǎng)商英偉達（NVIDIA）持續發(fā)布了多款性能**的通用GPU芯片，都是深度學(xué)習計算系統的典型代表。

　　智能計算發(fā)展的第四階段是大模型計算系統（2020年）。在人工智能大模型技術(shù)的推動(dòng)下，智能計算邁向新的高度。2020年，AI從“小模型+判別式”轉向“大模型+生成式”，從傳統的人臉識別、目標檢測、文本分類(lèi)，升級到如今的文本生成、3D數字人生成、圖像生成、語(yǔ)音生成、視頻生成。大語(yǔ)言模型在對話(huà)系統領(lǐng)域的一個(gè)典型應用是OpenAI公司的ChatGPT，它采用預訓練基座大語(yǔ)言模型GPT-3，引入3000億單詞的訓練語(yǔ)料，相當于互聯(lián)網(wǎng)上所有英語(yǔ)文字的總和。其基本原理是：通過(guò)給它一個(gè)輸入，讓它預測下一個(gè)單詞來(lái)訓練模型，通過(guò)大量訓練提升預測**度，*終達到向它詢(xún)問(wèn)一個(gè)問(wèn)題，大模型產(chǎn)生一個(gè)答案，與人即時(shí)對話(huà)。在基座大模型的基礎上，再給它一些提示詞進(jìn)行有監督的指令微調，通過(guò)人類(lèi)的<指令，回復>對逐漸讓模型學(xué)會(huì )如何與人進(jìn)行多輪對話(huà)；*后，通過(guò)人為設計和自動(dòng)生成的獎勵函數來(lái)進(jìn)行強化學(xué)習迭代，逐步實(shí)現大模型與人類(lèi)價(jià)值觀(guān)的對齊。

　　大模型的特點(diǎn)是以“大”取勝，其中有三層含義，（1）參數大，GPT-3就有1700億個(gè)參數；（2）訓練數據大，ChatGPT大約用了3000億個(gè)單詞，570GB訓練數據；（3）算力需求大，GPT-3大約用了上萬(wàn)塊V100 GPU進(jìn)行訓練。為滿(mǎn)足大模型對智能算力爆炸式增加的需求，國內外都在大規模建設耗資巨大的新型智算中心，英偉達公司也推出了采用256個(gè)H100芯片，150TB海量GPU內存等構成的大模型智能計算系統。

　　大模型的出現帶來(lái)了三個(gè)變革。一是技術(shù)上的規模定律（Scaling Law），即很多AI模型的精度在參數規模超過(guò)某個(gè)閾值后模型能力快速提升，其原因在科學(xué)界還不是**清楚，有很大的爭議。AI模型的性能與模型參數規模、數據集大小、算力總量三個(gè)變量成“對數線(xiàn)性關(guān)系”，因此可以通過(guò)增大模型的規模來(lái)不斷提高模型的性能。目前*前沿的大模型GPT-4參數量已經(jīng)達到了萬(wàn)億到十萬(wàn)億量級，并且仍在不斷增長(cháng)中；二是產(chǎn)業(yè)上算力需求爆炸式增長(cháng)，千億參數規模大模型的訓練通常需要在數千乃至數萬(wàn)GPU卡上訓練2-3個(gè)月時(shí)間，急劇增加的算力需求帶動(dòng)相關(guān)算力企業(yè)超高速發(fā)展，英偉達的市值接近兩萬(wàn)億美元，對于芯片企業(yè)以前從來(lái)沒(méi)有發(fā)生過(guò)；三是社會(huì )上沖擊勞動(dòng)力市場(chǎng)，北京大學(xué)國家發(fā)展研究院與智聯(lián)招聘聯(lián)合發(fā)布的《AI大模型對我國勞動(dòng)力市場(chǎng)潛在影響研究》報告指出，受影響*大的20個(gè)職業(yè)中財會(huì )、銷(xiāo)售、文書(shū)位于前列，需要與人打交道并提供服務(wù)的體力勞動(dòng)型工作，如人力資源、行政、后勤等反而相對更安全。

　　人工智能的技術(shù)前沿將朝著(zhù)以下四個(gè)方向發(fā)展。**個(gè)前沿方向為多模態(tài)大模型。從人類(lèi)視角出發(fā)，人類(lèi)智能是天然多模態(tài)的，人擁有眼、耳、鼻、舌、身、嘴(語(yǔ)言)，從AI視角出發(fā)，視覺(jué)，聽(tīng)覺(jué)等也都可以建模為token②的序列，可采取與大語(yǔ)言模型相同的方法進(jìn)行學(xué)習，并進(jìn)一步與語(yǔ)言中的語(yǔ)義進(jìn)行對齊，實(shí)現多模態(tài)對齊的智能能力。

　　第二個(gè)前沿方向為視頻生成大模型。OpenAI于2024年2月15日發(fā)布文生視頻模型SORA，將視頻生成時(shí)長(cháng)從幾秒鐘大幅提升到一**，且在分辨率、畫(huà)面真實(shí)度、時(shí)序一致性等方面都有顯著(zhù)提升。SORA的*大意義是它具備了世界模型的基本特征，即人類(lèi)觀(guān)察世界并進(jìn)一步預測世界的能力。世界模型是建立在理解世界的基本物理常識（如，水往低處流等）之上，然后觀(guān)察并預測下一秒將要發(fā)生什么事件。雖然SORA要成為世界模型仍然存在很多問(wèn)題，但可以認為SORA學(xué)會(huì )了畫(huà)面想象力和**級未來(lái)預測能力，這是世界模型的基礎特征。

　　第三個(gè)前沿方向為具身智能。具身智能指有身體并支持與物理世界進(jìn)行交互的智能體，如機器人、無(wú)人車(chē)等，通過(guò)多模態(tài)大模型處理多種傳感數據輸入，由大模型生成運動(dòng)指令對智能體進(jìn)行驅動(dòng)，替代傳統基于規則或者數學(xué)公式的運動(dòng)驅動(dòng)方式，實(shí)現虛擬和現實(shí)的深度融合。因此，具有具身智能的機器人，可以聚集人工智能的三大流派：以神經(jīng)網(wǎng)絡(luò )為代表的連接主義，以知識工程為代表的符號主義和控制論相關(guān)的行為主義，三大流派可以同時(shí)作用在一個(gè)智能體，這預期會(huì )帶來(lái)新的技術(shù)突破。

　　第四個(gè)前沿方向是AI4R(AI for Research)成為科學(xué)發(fā)現與技術(shù)發(fā)明的主要范式。當前科學(xué)發(fā)現主要依賴(lài)于實(shí)驗和人腦智慧，由人類(lèi)進(jìn)行大膽猜想、小心求證，信息技術(shù)無(wú)論是計算和數據，都只是起到一些輔助和驗證的作用。相較于人類(lèi)，人工智能在記憶力、高維復雜、全視野、推理深度、猜想等方面具有較大優(yōu)勢，是否能以AI為主進(jìn)行一些科學(xué)發(fā)現和技術(shù)發(fā)明，大幅提升人類(lèi)科學(xué)發(fā)現的效率，比如主動(dòng)發(fā)現物理學(xué)規律、預測蛋白質(zhì)結構、設計高性能芯片、高效合成新藥等。因為人工智能大模型具有全量數據，具備上帝視角，通過(guò)深度學(xué)習的能力，可以比人向前看更多步數，如能實(shí)現從推斷(inference)到推理(reasoning)的躍升，人工智能模型就有潛力具備愛(ài)因斯坦一樣的想象力和科學(xué)猜想能力，極大提升人類(lèi)科學(xué)發(fā)現的效率，打破人類(lèi)的認知邊界。這才是真正的顛覆所在。

　　*后，通用人工智能③（Artificial General Intelligence，簡(jiǎn)稱(chēng)AGI）是一個(gè)**挑戰的話(huà)題，**爭論性。曾經(jīng)有一個(gè)哲學(xué)家和一個(gè)神經(jīng)科學(xué)家打賭：25年后（即2023年）科研人員是否能夠揭示大腦如何實(shí)現意識？當時(shí)關(guān)于意識有兩個(gè)流派，一個(gè)叫集成信息理論，一個(gè)叫全局網(wǎng)絡(luò )工作空間理論，前者認為意識是由大腦中特定類(lèi)型神經(jīng)元連接形成的“結構”，后者指出意識是當信息通過(guò)互連網(wǎng)絡(luò )傳播到大腦區域時(shí)產(chǎn)生的。2023年，人們通過(guò)六個(gè)獨立實(shí)驗室進(jìn)行了對抗性實(shí)驗，結果與兩種理論均不完全匹配，哲學(xué)家贏(yíng)了，神經(jīng)科學(xué)家輸了。通過(guò)這一場(chǎng)賭約，可以看出人們總是希望人工智能能夠了解人類(lèi)的認知和大腦的奧秘。從物理學(xué)的視角看，物理學(xué)是對宏觀(guān)世界有了透徹理解后，從量子物理起步開(kāi)啟了對微觀(guān)世界的理解。智能世界與物理世界一樣，都是具有巨大復雜度的研究對象，AI大模型仍然是通過(guò)數據驅動(dòng)等研究宏觀(guān)世界的方法，提高機器的智能水平，對智能宏觀(guān)世界理解并不夠，直接到神經(jīng)系統微觀(guān)世界尋找答案是困難的。人工智能自誕生以來(lái)，一直承載著(zhù)人類(lèi)關(guān)于智能與意識的種種夢(mèng)想與幻想，也激勵著(zhù)人們不斷探索。

　　三、人工智能的安全風(fēng)險

　　人工智能的發(fā)展促進(jìn)了當今世界科技進(jìn)步的同時(shí)，也帶來(lái)了很多安全風(fēng)險，要從技術(shù)與法規兩方面加以應對。

　　首先是互聯(lián)網(wǎng)虛假信息泛濫。這里列舉若干場(chǎng)景：一是數字分身。AI Yoon是**使用 DeepFake 技術(shù)合成的官方“候選人”，這個(gè)數字人以韓國國民力量黨候選人尹錫悅（Yoon Suk-yeol）為原型，借助尹錫悅 20 小時(shí)的音頻和視頻片段、以及其專(zhuān)門(mén)為研究人員錄制的 3000 多個(gè)句子，由當地一家 DeepFake 技術(shù)公司創(chuàng )建了虛擬形象 AI Yoon，并在網(wǎng)絡(luò )上迅速走紅。實(shí)際上 AI Yoon 表達的內容是由競選團隊撰寫(xiě)的，而不是候選人本人。

　　二是偽造視頻，尤其是偽造領(lǐng)導人視頻引起國際爭端，擾亂選舉秩序，或引起突發(fā)輿情事件，如偽造尼克松宣布**次登月失敗，偽造烏克蘭總統澤連斯基宣布“投降”的信息，這些行為導致新聞媒體行業(yè)的社會(huì )信任衰退。

　　三是偽造新聞，主要通過(guò)虛假新聞自動(dòng)生成牟取非法利益，使用ChatGPT生成熱點(diǎn)新聞，賺取流量，截至2023年6月30日全球生成偽造新聞網(wǎng)站已達277個(gè)，嚴重擾亂社會(huì )秩序。

　　四是換臉變聲，用于詐騙。如由于A(yíng)I語(yǔ)音模仿了企業(yè)高管的聲音，一家香港國際企業(yè)因此被騙3500萬(wàn)美元。

　　五是生成不雅圖片，特別是針對公眾人物。如影視明星的色情視頻制作，造成不良社會(huì )影響。因此，迫切需要發(fā)展互聯(lián)網(wǎng)虛假信息的偽造檢測技術(shù)。

　　其次，AI大模型面臨嚴重可信問(wèn)題。這些問(wèn)題包括：（1）“一本正經(jīng)胡說(shuō)八道”的事實(shí)性錯誤；（2）以西方價(jià)值觀(guān)敘事，輸出政治偏見(jiàn)和錯誤言論；（3）易被誘導，輸出錯誤知識和有害內容；（4）數據安全問(wèn)題加重，大模型成為重要敏感數據的誘捕器，ChatGPT將用戶(hù)輸入納入訓練數據庫，用于改善ChatGPT，美方能夠利用大模型獲得公開(kāi)渠道覆蓋不到的中文語(yǔ)料，掌握我們自己都可能不掌握的“中國知識”。因此，迫切需要發(fā)展大模型安全監管技術(shù)與自己的可信大模型。

　　除了技術(shù)手段外，人工智能安全保障需要相關(guān)立法工作。2021年科技部發(fā)布《新一代人工智能倫理規范》，2022年8月，**信息安全標準化技術(shù)委員會(huì )發(fā)布《信息安全技術(shù) 機器學(xué)習算法安全評估規范》，2022-2023年，中央網(wǎng)信辦先后發(fā)布《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規定》《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規定》《生成式人工智能服務(wù)管理辦法》等。歐美國家也先后出臺法規，2018年5月25日，歐盟出臺《通用數據保護條例》，2022年10月4日，美國發(fā)布《人工智能權利法案藍圖》，2024年3月13日，歐洲議會(huì )通過(guò)了歐盟《人工智能法案》。

　　我國應加快推進(jìn)《人工智能法》出臺，構建人工智能治理體系，確保人工智能的發(fā)展和應用遵循人類(lèi)共同價(jià)值觀(guān)，促進(jìn)人機和諧友好；創(chuàng )造有利于人工智能技術(shù)研究、開(kāi)發(fā)、應用的政策環(huán)境；建立合理披露機制和審計評估機制，理解人工智能機制原理和決策過(guò)程；明確人工智能系統的安全責任和問(wèn)責機制，可追溯責任主體并補救；推動(dòng)形成公平合理、開(kāi)放包容的國際人工智能治理規則。

　　四、中國智能計算發(fā)展困境

　　人工智能技術(shù)與智能計算產(chǎn)業(yè)處于中美科技競爭的焦點(diǎn)，我國在過(guò)去幾年雖然取得了很大的成績(jì)，但依然面臨諸多發(fā)展困境，特別是由美國的科技打壓政策帶來(lái)的困難。

　　困境一為美國在A(yíng)I核心能力上長(cháng)期處于**地位，中國處于跟蹤模式。中國在A(yíng)I**人才數量、AI基礎算法創(chuàng )新、AI底座大模型能力（大語(yǔ)言模型、文生圖模型、文生視頻模型）、底座大模型訓練數據、底座大模型訓練算力等，都與美國存在一定的差距，并且這種差距還將持續很長(cháng)一段時(shí)間。

　　困境二為**算力產(chǎn)品禁售，**芯片工藝長(cháng)期被卡。A100，H100，B200等**智算芯片對華禁售。華為、龍芯、寒武紀、曙光、海光等企業(yè)都進(jìn)入實(shí)體清單，它們芯片制造的先進(jìn)工藝④受限，國內可滿(mǎn)足規模量產(chǎn)的工藝節點(diǎn)落后國際先進(jìn)水平2-3代，核心算力芯片的性能落后國際先進(jìn)水平2-3代。

　　困境三為國內智能計算生態(tài)孱弱，AI開(kāi)發(fā)框架滲透率不足。英偉達CUDA⑤(Compute Unified Device Architecture, 通用計算設備架構)生態(tài)完備，已形成了事實(shí)上的壟斷。國內生態(tài)孱弱，具體表現在：一是研發(fā)人員不足，英偉達CUDA生態(tài)有近2萬(wàn)人開(kāi)發(fā)，是國內所有智能芯片公司人員總和的20倍；二是開(kāi)發(fā)工具不足，CUDA有550個(gè)SDK(Software Development Kit, 軟件開(kāi)發(fā)工具包)，是國內相關(guān)企業(yè)的上百倍；三是資金投入不足，英偉達每年投入50億美元，是國內相關(guān)公司的幾十倍；四是AI開(kāi)發(fā)框架TensorFlow占據工業(yè)類(lèi)市場(chǎng)，PyTorch占據研究類(lèi)市場(chǎng)，百度飛槳等國產(chǎn)AI開(kāi)發(fā)框架的開(kāi)發(fā)人員只有國外框架的1/10。更為嚴重的是國內企業(yè)之間山頭林立，無(wú)法形成合力，從智能應用、開(kāi)發(fā)框架、系統軟件、智能芯片，雖然每層都有相關(guān)產(chǎn)品，但各層之間沒(méi)有深度適配，無(wú)法形成一個(gè)有競爭力的技術(shù)體系。

　　困境四為AI應用于行業(yè)時(shí)成本、門(mén)檻居高不下。當前我國AI應用主要集中在互聯(lián)網(wǎng)行業(yè)和一些國防領(lǐng)域。AI技術(shù)推廣應用于各行各業(yè)時(shí)，特別是從互聯(lián)網(wǎng)行業(yè)遷移到非互聯(lián)網(wǎng)行業(yè)，需要進(jìn)行大量的定制工作，遷移難度大，單次使用成本高。*后，我國在A(yíng)I領(lǐng)域的人才數量與實(shí)際需求相比也**不足。

　　五、中國如何發(fā)展智能計算的道路選擇

　　人工智能發(fā)展的道路選擇對我國至關(guān)重要，關(guān)系到發(fā)展的可持續性與*終的國際競爭格局。當前人工智能的使用成本**高昂，微軟Copilot套件要支付每月10美元的使用費用，ChatGPT每天消耗50萬(wàn)千瓦時(shí)的電力，英偉達B200芯片價(jià)格高達3萬(wàn)美元以上?？傮w來(lái)說(shuō)，我國應發(fā)展用得起、安全可信的人工智能技術(shù)，消除我國信息貧困人口、并造?！?***”國家；低門(mén)檻地賦能各行各業(yè)，讓我國的優(yōu)勢產(chǎn)業(yè)保持競爭力，讓相對落后的產(chǎn)業(yè)能夠大幅地縮小差距。

　　選擇一：統一技術(shù)體系走閉源封閉，還是開(kāi)源開(kāi)放的道路？

　　支撐智能計算產(chǎn)業(yè)的是一個(gè)相互緊耦合的技術(shù)體系，即由一系列技術(shù)標準和知識**將材料、器件、工藝、芯片、整機、系統軟件、應用軟件等密切聯(lián)系在一起的技術(shù)整體。我國發(fā)展智能計算技術(shù)體系存在三條道路：

　　一是追趕兼容美國主導的A體系。我國大多數互聯(lián)網(wǎng)企業(yè)走的是GPGPU/CUDA兼容道路，很多芯片領(lǐng)域的創(chuàng )業(yè)企業(yè)在生態(tài)構建上也是盡量與CUDA兼容，這條道路較為現實(shí)。由于在算力方面美國對我國工藝和芯片帶寬的限制，在算法方面國內生態(tài)林立很難形成統一，生態(tài)成熟度嚴重受限，在數據方面中文高質(zhì)量數據匱乏，這些因素會(huì )使得追趕者與**者的差距很難縮小，一些時(shí)候還會(huì )進(jìn)一步拉大。

　　二是構建專(zhuān)用封閉的B體系。在軍事、氣象、司法等專(zhuān)用領(lǐng)域構建企業(yè)封閉生態(tài)，基于國產(chǎn)成熟工藝生產(chǎn)芯片，相對于底座大模型更加關(guān)注特定領(lǐng)域垂直類(lèi)大模型，訓練大模型更多采用領(lǐng)域專(zhuān)有高質(zhì)量數據等。這條道路易于形成完整可控的技術(shù)體系與生態(tài)，我國一些大型骨干企業(yè)走的是這條道路，它的缺點(diǎn)是封閉，無(wú)法凝聚國內大多數力量，也很難實(shí)現全球化。

　　三是全球共建開(kāi)源開(kāi)放的C體系。用開(kāi)源打破生態(tài)壟斷，降低企業(yè)擁有核心技術(shù)的門(mén)檻，讓每個(gè)企業(yè)都能低成本地做自己的芯片，形成智能芯片的汪洋大海，滿(mǎn)足無(wú)處不在的智能需求。用開(kāi)放形成統一的技術(shù)體系，我國企業(yè)與全球化力量聯(lián)合起來(lái)共建基于國際標準的統一智能計算軟件棧。形成企業(yè)競爭前共享機制，共享高質(zhì)量數據庫，共享開(kāi)源通用底座大模型。對于全球開(kāi)源生態(tài)，我國企業(yè)在互聯(lián)網(wǎng)時(shí)代**良多，我國更多的是使用者，是參與者，在智能時(shí)代我國企業(yè)在RISC-V⑥+AI開(kāi)源技術(shù)體系上應更多地成為主力貢獻者，成為全球化開(kāi)放共享的主導力量。

　　選擇二：拼算法模型，還是拼新型基礎設施？

　　人工智能技術(shù)要賦能各行各業(yè)，具有典型的長(cháng)尾效應⑦。我國80%的中小微企業(yè)，需要的是低門(mén)檻、低價(jià)格的智能服務(wù)。因此，我國智能計算產(chǎn)業(yè)必須建立在新的數據空間基礎設施之上，其中關(guān)鍵是我國應率先實(shí)現智能要素即數據、算力、算法的**基礎設施化。這項工作可比肩二十世紀初美國信息高速公路計劃（即信息基礎設施建設）對互聯(lián)網(wǎng)產(chǎn)業(yè)的歷史作用。

　　信息社會(huì )*核心的生產(chǎn)力是網(wǎng)絡(luò )空間(Cyberspace)。網(wǎng)絡(luò )空間的演進(jìn)過(guò)程是：從機器一元連接構成的計算空間，演進(jìn)到人機信息二元連接構成的信息空間，再演進(jìn)到人機物數據三元連接構成的數據空間。從數據空間看，人工智能的本質(zhì)是數據的百煉成鋼，大模型就是對互聯(lián)網(wǎng)全量數據進(jìn)行深度加工后的產(chǎn)物。在數字化時(shí)代，在互聯(lián)網(wǎng)上傳輸的是信息流，是算力對數據進(jìn)行粗加工后的結構化抽象；在智能時(shí)代，在互聯(lián)網(wǎng)上傳輸的是智能流，是算力對數據進(jìn)行深度加工與精煉后的模型化抽象。智能計算的一個(gè)核心特征就是用數值計算、數據分析、人工智能等算法，在算力池中加工海量數據件，得到智能模型，再嵌入到信息世界、物理世界的各個(gè)過(guò)程中。

　　我國政府已經(jīng)前瞻性地提前布局了新型基礎設施，在世界各國競爭中搶占了先機。首先，數據已成為國家戰略信息資源。數據具有資源要素與價(jià)值加工兩重屬性，數據的資源要素屬性包括生產(chǎn)、獲取、傳輸、匯聚、流通、交易、權屬、資產(chǎn)、安全等各個(gè)環(huán)節，我國應繼續加大力度建設國家數據樞紐與數據流通基礎設施。

　　其次，AI大模型就是數據空間的一類(lèi)算法基礎設施。以通用大模型為基座，構建大模型研發(fā)與應用的基礎設施，支撐廣大企業(yè)研發(fā)領(lǐng)域專(zhuān)用大模型，服務(wù)于機器人、無(wú)人駕駛、可穿戴設備、智能家居、智能安防等行業(yè)，覆蓋長(cháng)尾應用。

　　*后，**一體化算力網(wǎng)建設在推動(dòng)算力的基礎設施化上發(fā)揮了先導作用。算力基礎設施化的中國方案，應在大幅度降低算力使用成本和使用門(mén)檻的同時(shí)，為*廣范圍覆蓋人群提供高通量、高品質(zhì)的智能服務(wù)。算力基礎設施的中國方案需要具備“兩低一高”，即在供給側，大幅度降低算力器件、算力設備、網(wǎng)絡(luò )連接、數據獲取、算法模型調用、電力消耗、運營(yíng)維護、開(kāi)發(fā)部署的總成本，讓廣大中小企業(yè)都消費得起高品質(zhì)的算力服務(wù)，有積極性開(kāi)發(fā)算力網(wǎng)應用；在消費側，大幅度降低廣大用戶(hù)的算力使用門(mén)檻，面向大眾的公共服務(wù)必須做到易獲取、易使用，像水電一樣即開(kāi)即用，像編寫(xiě)網(wǎng)頁(yè)一樣輕松定制算力服務(wù)，開(kāi)發(fā)算力網(wǎng)應用。在服務(wù)效率側，中國的算力服務(wù)要實(shí)現低熵高通量，其中高通量是指在實(shí)現高并發(fā)⑧度服務(wù)的同時(shí)，端到端服務(wù)的響應時(shí)間可滿(mǎn)足率高；低熵是指在高并發(fā)負載中出現資源無(wú)序競爭的情況下，保障系統通量不急劇下降。保障“算得多”對中國尤其重要。

　　選擇三：AI+著(zhù)重賦能虛擬經(jīng)濟，還是發(fā)力實(shí)體經(jīng)濟？

　　的成效是人工智能價(jià)值的試金石。次貸危機后，美國制造業(yè)增加值占GDP的比重從1950年的28%降低為2021年的11%，美國制造業(yè)在全行業(yè)就業(yè)人數占比從1979年的35%降低為2022年的8%，可見(jiàn)美國更傾向于**率更高的虛擬經(jīng)濟，輕視投資成本高且經(jīng)濟**率低的實(shí)體經(jīng)濟。中國傾向于實(shí)體經(jīng)濟與虛擬經(jīng)濟同步發(fā)展，更加重視發(fā)展裝備制造、新能源汽車(chē)、光伏發(fā)電、鋰電池、高鐵、5G等實(shí)體經(jīng)濟。

　　相應地美國AI主要應用于虛擬經(jīng)濟和IT基礎工具，AI技術(shù)也是“脫實(shí)向虛”，自2007年以來(lái)硅谷不斷炒作虛擬現實(shí)（Virtual Reality，VR）、元宇宙、區塊鏈、Web3.0、深度學(xué)習、AI大模型等，是這個(gè)趨勢的反映。

　　我國的優(yōu)勢在實(shí)體經(jīng)濟，制造業(yè)全球產(chǎn)業(yè)門(mén)類(lèi)*齊全，體系*完整，特點(diǎn)是場(chǎng)景多、私有數據多。我國應精選若干行業(yè)加大投入，形成可低門(mén)檻全行業(yè)推廣的范式，如選擇裝備制造業(yè)作為延續優(yōu)勢代表性行業(yè)，選擇醫藥業(yè)作為快速縮短差距的代表性行業(yè)。賦能實(shí)體經(jīng)濟的技術(shù)難點(diǎn)是AI算法與物理機理的融合。

　　人工智能技術(shù)成功的關(guān)鍵是能否讓一個(gè)行業(yè)或一個(gè)產(chǎn)品的成本大幅下降，從而將用戶(hù)數與產(chǎn)業(yè)規模擴大10倍，產(chǎn)生類(lèi)似于蒸汽機對于紡織業(yè)，智能手機對于互聯(lián)網(wǎng)業(yè)的變革效果。

　　我國應走出適合自己的人工智能賦能實(shí)體經(jīng)濟的高質(zhì)量發(fā)展道路。

　?。ㄖ髦v人系中國工程院院士，中國科學(xué)院計算技術(shù)研究所研究員、學(xué)術(shù)委員會(huì )主任，本文轉載自中國人大網(wǎng)）

　　注釋?zhuān)?/p>

　?、倌Ｊ阶R別是指用計算的方法根據樣本的特征將樣本劃分到一定的類(lèi)別中去，是通過(guò)計算機用數學(xué)方法來(lái)研究模式的自動(dòng)處理和判讀，把環(huán)境與客體統稱(chēng)為“模式”。以圖像處理與計算機視覺(jué)、語(yǔ)音語(yǔ)言信息處理、腦網(wǎng)絡(luò )組、類(lèi)腦智能等為主要研究方向。

　　可翻譯為詞元，指自然語(yǔ)言處理過(guò)程中用來(lái)表示單詞或短語(yǔ)的符號。token可以是單個(gè)字符,也可以是多個(gè)字符組成的序列。

　?、弁ㄓ萌斯ぶ悄苁侵笓碛信c人類(lèi)相當甚至超過(guò)人類(lèi)智能的人工智能類(lèi)型。通用人工智能不僅能像人類(lèi)一樣進(jìn)行感知、理解、學(xué)習和推理等基礎思維能力，還能在不同領(lǐng)域靈活應用、快速學(xué)習和創(chuàng )造性思考。通用人工智能的研究目標是尋求統一的理論框架來(lái)解釋各種智能現象。

　?、苄酒圃旃に囍钢圃霤PU或GPU的制程，即晶體管門(mén)電路的尺寸，單位為納米，目前國際上實(shí)現量產(chǎn)的*先進(jìn)工藝以臺積電的3nm為代表。更先進(jìn)的制造工藝可以使CPU與GPU內部集成更多的晶體管，使處理器具有更多的功能以及更高的性能，面積更小，成本更低等。

　　是英偉達公司設計研發(fā)一種并行計算平臺和編程模型，包含了CUDA指令集架構以及GPU內部的并行計算引擎。開(kāi)發(fā)人員可以使用C語(yǔ)言來(lái)為CUDA架構編寫(xiě)程序，所編寫(xiě)出的程序可以在支持CUDA的處理器上以超高性能運行。

　?。òl(fā)音為“risk-five”）是一個(gè)由美國加州大學(xué)伯克利分校發(fā)起的開(kāi)放通用指令集架構，相比于其他付費指令集，RISC-V允許任何人免費地使用RISC-V指令集設計、制造和銷(xiāo)售芯片和軟件。

　?、唛L(cháng)尾效應是指那些原來(lái)不受到重視的銷(xiāo)量小但種類(lèi)多的產(chǎn)品或服務(wù)由于總量巨大，累積起來(lái)的總**超過(guò)主流產(chǎn)品的現象。在互聯(lián)網(wǎng)領(lǐng)域，長(cháng)尾效應尤為顯著(zhù)。

　?、喔卟l(fā)通常指通過(guò)設計保證系統能夠同時(shí)并行處理很多請求。