相比其他國家，中國擁有龐大的實體(ti) 產(chan) 業(ye) 基礎，並正加快構建現代化產(chan) 業(ye) 體(ti) 係，對於(yu) 人工智能技術與(yu) 行業(ye) 應用的深度融合有著更龐大、更迫切、更具價(jia) 值的實際需求，為(wei) 人工智能技術創新提供了更為(wei) 廣闊的創新實踐空間。這也是在大模型時代，國內(nei) 產(chan) 業(ye) 在人工智能領域的機遇所在。

　　隨著國內(nei) 生成式人工智能的快速發展，相關(guan) 監管政策正逐步落地，由國家互聯網信息辦公室等七部門聯合發布的《生成式人工智能服務管理暫行辦法》（以下簡稱《辦法》）於(yu) 8月15日正式施行。作為(wei) 我國首份針對生成式人工智能的規範性監管文件，《辦法》以“促進生成式人工智能健康發展和規範應用”為(wei) 目標，明確國家堅持發展和安全並重、促進創新和依法治理相結合的原則，對生成式人工智能服務實行包容審慎和分類分級監管。

　　在日益完善的監管鏈條之下，我國人工智能產(chan) 業(ye) 迎來合規發展新階段，正如各方專(zhuan) 家所言，“不發展是最大的不安全”。

　　運用監管科技激活人工智能市場活力

　　“ChatGPT的問世引發了新一輪人工智能革命，人類與(yu) 機器、技術與(yu) 產(chan) 業(ye) 、虛擬與(yu) 現實之間的關(guan) 係發生著廣泛而深刻的改變，技術創新也給人類社會(hui) 文明秩序帶來了挑戰。”近日，在中國社會(hui) 科學院法學研究所主辦的“全球治理話語競賽下人工智能立法的中國方案”研討會(hui) 上，南方財經全媒體(ti) 集團合規科技研究院院長虞偉(wei) 表示。

　　當前全球正在進行智力話語競賽，掀起新一輪AI監管潮。虞偉(wei) 介紹，歐洲正謀求AI監管領域的主導權，早早將立法提上日程。2019年歐盟委員會(hui) 發布《人工智能倫(lun) 理準則》，提出評價(jia) 人工智能可信賴的七項標準。2020年歐盟出台《人工智能白皮書(shu) 》，為(wei) 人工智能的監管提供多種政策選項。今年6月14日，歐盟議會(hui) 以壓倒性優(you) 勢的投票結果通過歐盟人工智能法案草案，預計在完成最終談判後正式審批通過。

　　南財合規科技研究院首席研究員王俊建議，我國可以在建立基於(yu) 應用場景的製度、明確政府主導作用並協同社會(hui) 多方治理、科學應用技術工具等方麵借鑒歐洲監管經驗。

　　“我們(men) 目前還沒有實現對風險全麵類型化和場景化的區分，因為(wei) 風險具有複雜性，單一的治理技術和多元治理場景存在矛盾。接下來可以基於(yu) 場景把監管做得更精細化，針對不同技術路線、應用模式和責任主體(ti) ，在不同場景中對不同的風險點進行差異化監管。”王俊表示，同時，可以采取分級治理的模式，給中低風險領域留出試錯和發展空間，積極運用一些監管科技，綜合選擇適配的監管科技模式，激活人工智能市場活力。

　　新浪集團法務部總經理穀海燕同樣認為(wei) ，希望看到更加有區分度的監管措施。比如歐盟的人工智能法案草案，采用風險區分規製路徑，根據風險級別，分為(wei) 不可接受風險人工智能、高風險人工智能、低風險人工智能，以及最小風險人工智能，並分別設置相關(guan) 主體(ti) 的法律義(yi) 務。

　　“我們(men) 必須關(guan) 注AI熱潮中伴生的風險。”虞偉(wei) 指出，比如在數據層麵，麵對生成式人工智能龐大的數據需求，如何建立高質量的語料數據庫，如何加強全流程的數據合規管理。在法律層麵，生成式人工智能的結果能否構成著作權法所定義(yi) 的作品仍存爭(zheng) 議，進一步的版權歸屬問題也需要厘清。此外，歧視、偏見、虛假信息傳(chuan) 播等風險在大模型大量數據投喂的訓練方式下也被放大，如何將道德倫(lun) 理原則“教”給AI，做到精準糾偏，兼顧公平與(yu) 效率，這些都需要進一步研究。

　　構建算力生態支撐人工智能產(chan) 業(ye) 發展

　　數據顯示，今年上半年，國內(nei) 發布的各類大模型數量超過100個(ge) 。據不完全統計，目前國內(nei) 已有大約80個(ge) 參數在10億(yi) 規模以上的大模型。《辦法》提出，推動生成式人工智能基礎設施和公共訓練數據資源平台建設。促進算力資源協同共享，提升算力資源利用效能。推動公共數據分類分級有序開放，擴展高質量的公共訓練數據資源。鼓勵采用安全可信的芯片、軟件、工具、算力和數據資源。

　　算力是數字時代的底座，也是人工智能發展的引擎。據工信部最新消息，截至今年6月底，全國在用數據中心機架總規模超過760萬(wan) 標準機架，算力總規模達到每秒1.97萬(wan) 億(yi) 億(yi) 次浮點運算（197EFLOPS），算力總規模近五年年均增速近30%，存力總規模超過1080EB。

　　中國工程院院士劉韻潔表示，我國的算力產(chan) 業(ye) 有著廣闊的發展前景，因為(wei) 中國是製造大國，實體(ti) 經濟對於(yu) 算力有著很大的需求，遊戲、AR、VR等消費領域對算力的需求也很大。“有政策支持和技術發展，算力隨取隨用的前景可以期待。我們(men) 未來能夠實現像使用水、電一樣使用算力。”

　　但他同時強調，我國的算力網絡要想滿足大模型的需求，就需要方方麵麵協同發展。比如，建立通用大模型或行業(ye) 大模型都需要訓練數據，這就需要把行業(ye) 的數據保護好、利用好、管理好。

　　把握技術趨勢推進行業(ye) 大模型實踐

　　生成式人工智能的功能遠不止提供信息內(nei) 容服務，其可以作為(wei) “技術基座”給金融、醫療、自動駕駛等多個(ge) 行業(ye) 領域賦能，未來將成為(wei) 社會(hui) 的“技術基礎設施”。《辦法》明確鼓勵生成式人工智能技術在各行業(ye) 、各領域的創新應用，生成積極健康、向上向善的優(you) 質內(nei) 容，探索優(you) 化應用場景，構建應用生態體(ti) 係。

　　“在以ChatGPT為(wei) 代表的通用大模型麵前，我們(men) 的短板比較明顯。”劉韻潔在2023中國算力大會(hui) 直言，“中國的機會(hui) 在於(yu) 行業(ye) 大模型。”

　　通用大模型一般指在多個(ge) 領域應用廣泛的大型深度學習(xi) 模型，行業(ye) 大模型則是專(zhuan) 門針對某個(ge) 特定垂直行業(ye) 所設計的大型深度學習(xi) 模型，這些模型通常在特定行業(ye) 中使用的數據集上進行訓練，以提高在該行業(ye) 中運用的準確度和效率。比較典型的行業(ye) 大模型，有金融行業(ye) 的風控模型等。

　　劉韻潔介紹，基於(yu) 通用大模型的基礎能力，針對行業(ye) 垂直領域知識和業(ye) 務場景需求，發展行業(ye) 大模型已成為(wei) 技術發展的必然趨勢。一方麵，行業(ye) 特定的知識積累和經驗可以被應用到模型中，提高模型的質量和準確性；另一方麵，行業(ye) 大模型可以通過學習(xi) 不斷更新迭代，幫助企業(ye) 更好地理解行業(ye) 趨勢，做出更為(wei) 準確的商業(ye) 決(jue) 策。

　　目前，國內(nei) 已逐步建立起涵蓋理論方法和軟硬件技術的體(ti) 係化研發能力，一批具有行業(ye) 影響力的預訓練大模型蓬勃發展，形成了緊跟世界前沿的技術群。以華為(wei) 雲(yun) 盤古大模型為(wei) 例，據報道，該大模型已經陸續推出礦山、藥物分子、電力、氣象、海浪等大模型，在各行業(ye) 落地創新項目超1000個(ge) ，通過提供先進算法和解決(jue) 方案，深入大模型的全棧自主創新，加快推動算力國產(chan) 化。

　　同時，相比其他國家，中國擁有龐大的實體(ti) 產(chan) 業(ye) 基礎，並正加快構建現代化產(chan) 業(ye) 體(ti) 係，對於(yu) 人工智能技術與(yu) 行業(ye) 應用的深度融合有著更龐大、更迫切、更具價(jia) 值的實際需求，為(wei) 人工智能技術創新提供了更為(wei) 廣闊的創新實踐空間。這也是在大模型時代，國內(nei) 產(chan) 業(ye) 在人工智能領域的機遇所在。