隨著以大模型為代表的通用人工智能不斷演進，人工智能呈現出從專用智能跨向通用智能，從單點突破邁向協同創新，從技術研發躍走向普惠引領發展的趨勢。

7月7日，在2023世界人工智能大會（WAIC）“大模型時代的通用人工智能產業發展機遇以及風險”主題論壇上，上海市經濟信息化委員會副主任阮力在論壇致辭中表示，上海正從人工智能前沿技術探索、大模型技術創新與應用、行業治理體系建設、大模型風險管理、深化國際合作交流等方面加快人工智能產業快速發展。

阮力指出，上海積極推進大模型技術的創新和應用，系統性支持技術攻關、算力供給、數據集建設和公共服務需求；布局科學智能，推進科學智能賦能生物醫藥、集成電路、高端裝備和先進材料等創新應用；突破具身智能，提升智能機器人在復雜場景下的智能能力。

人工智能應用標準、體系化監管與安全倫理一直是行業熱議話題。上海正在加快完善行業治理體系，面向人工智能關鍵領域技術、產品與服務、行業應用、安全倫理等，加快標準制訂，在健全法規、標準、監管體系等方面，努力形成上海特色方案。

“針對大模型風險管理，上海目前已經啟動高風險人工智能產品和服務清單式管理相關研究，并積極推動大模型相關治理研究；建立健全大模型評測體系，建設大模型評測中心，探索大模型自動化評測工具；探索適應大模型特點的創新監管方式。”阮力說，在國際化合作與交流層面，上海將搭建更多研討平臺，引導產業人士參與科技創新實踐；積極參與國際人工智能治理規則的制定和實施，推動人工智能倫理標準的互認和協調，共同推進人工智能造福人類。

搶抓大模型發展機遇

自2018年承辦首屆世界人工智能大會以來，徐匯人工智能產業發展與大會的舉辦同頻共振。在人工智能領域，2022年徐匯區人工智能產業規模已近千億、近五年年均增速達到30%以上。在大模型和生成式人工智能細分領域，已經匯聚相關企業近200家，其中核心企業30余家，成為上海乃至全國大模型的策源地之一。

為打造大模型和生成式人工智能生態集聚和創新應用高地，在本次大會上，上海市徐匯區委常委、副區長俞林偉發布《徐匯區關于支持生成式人工智能發展的若干措施》，15條具體扶持政策、優化服務保障舉措，直面企業需求和產業關切。

俞林偉透露，徐匯將率先推出面向生成式人工智能扶持政策，主要是聚焦技術強基支撐，支持通用大模型、垂類大模型等關鍵領域自主創新，支持具身智能、自主智能體等前沿領域布局；聚焦場景應用示范，充分發揮徐匯特色產業基礎和新賽道先發優勢，全面推動生成式人工智能技術在醫療、金融、社交、智能網聯汽車等領域融合賦能；聚焦創新生態構建，針對算力、數據、算法、融資、人才、監管等關鍵環節，強化要素支撐。

人工智能正深刻的改變這個時代，我國人工智能產業迎來發展機遇，但也面臨應用強，原始創新不足等問題。

國務院參事、中國工程院院士、中國人工智能學會理事長、清華大學信息科學技術學院院長戴瓊海指出，我國應從政策、機制和投入上深化人工智能的人才培養和基礎研究，強化原始創新，避免陷入“無源之水”困境。

人工智能創新發展有三個基礎——算法、數據、算力。戴瓊海指出，算法決定智能水平，數據決定智能范圍，算力決定智能效率。

在算法層面，大模型預計5年左右將成為人工智能應用中關鍵基礎性平臺，類似PC時代操作系統由美主導，大模型生態可能會對我國形成嚴峻的挑戰。政府要鼓勵企業主導大模型建設，探索生物機制和機器特色相結合引領人工智能基礎突破，推動基礎研究和應用拓展并舉。同時要注意，大模型尚不能對輸出進行可信性的驗證，需要防范相應風險。

在數據層面，人工智能發展不斷拓寬可處理數據邊界、智能算法能力和可影響環境范圍。數據從限定場景擴大到開放場景，需要避免算法和數據發展再次出現交叉，使人工智能發展再次陷入低谷。政府可以引導建設下一代數據平臺、搶占人工智能前哨站、引導構建新基礎設施。

在算力層面，政府可以在人工智能芯片、通用芯片等領域引導企業攻堅克難，在量子計算、光電計算等新賽道支持基礎研究出奇搶占先機。

“中國0-1的創新，基礎顛覆比較弱，這也要求我們提升創新實力，加大創新力度，真正推動0-1的創新突破。”戴瓊海說。

人工智能如何解決四個痛點？

人工智能1.0時代，使用一個模型只能解決一個任務，例如聊天能力、翻譯能力，搜索引擎需要使用不同的模型進行實現，并且應用與算法綁定，只能進行算法與系統協同設計；而在人工智能2.0時代，可以使用一個模型解決多個任務，這些應用都可以通過微調以后使用同一個大語言模型實現，這時候，應用、算法、系統可以進行協同優化。

清華大學電子工程系長聘教授、系主任、IEEE Fellow汪玉指出，當前正處在從人工智能1.0的專用小模型時代過渡到人工智能2.0的通用大模型時代，在人工智能2.0時代需要大模型中間層——依靠軟硬件協同設計助力解決四方面的痛點。

一是支持長文本輸入，讓用戶用得更好，如從支持2k token的快速推理和訓練到支持32k token，解決好專業長文本信息的檢索生成，和會議聊天助手等應用；二是提升性價比，把語言或多模態生成模型部署到消費級顯卡甚至手機等終端設備上，讓用戶用得起；三是垂直領域適配，用大模型的通用能力幫助到各行各業的人們提升體驗和工作效率；四是一站式部署，讓大模型能夠以低人力成本地部署到各種場景，讓每個工廠、學校、家庭、甚至個人都能感受到大模型的便利。

實際上，過去二十多年，為公眾所熟知的DeepBlue、IBM Watson和AlphaGo等AI應用，往往通過與人類競爭制造熱點，并以超過人類的效果獲得廣泛關注。IEEE/CAAI Fellow、清華大學惠妍講席教授、電子系長聘教授、銜遠科技創始人周伯文表示，ChatGPT開啟了AGI新拐點，AI從“與人競爭”變為“協同交互”，AI從交互中學習，進而協同人類解決問題。

由于AI從ANI(狹義人工智能)迭代到AGI（通用人工智能），能夠極大突破落地應用瓶頸。在實踐中當中，周伯文認為，AI能否與企業業務充分結合，是決定AI能否實現經濟價值的關鍵因素。只有緊貼業務的AI戰略設計、完善的配套架構、充足的AI人才、健全的內部培養機制，才能使AI與業務發展需求充分融合，最大化經濟收益。

周伯文表示，目前中國人工智能的采用率較世界領先國家存在較大提升空間，企業尚未普遍通過采用人工智能技術實現大模型的營收增長與利潤貢獻。未來，企業需要從提升產品功能、拓展服務品類、找準關鍵用戶、挖掘高價值高潛力場景、促進全鏈路線上線下協同等方面來實現以商品為中心讓位到以使用者為中心，推動人工智能產業的數智化升級。

“在商業應用落地層面，中國生成式人工智能需要探索一條新的道路，即垂直整合從自有基礎大模型到應用、到終端用戶的全場景閉環，以實現生成式 AI 技術與商業價值‘雙落地’。”周伯文說。

在落地方面，大語言模型在學術界已出現多年，今年國內首個發布的類ChatGPT模型也正式走進了公眾視野和人們的日常生活，給人工智能研究、從業者和人們的日常生活帶來了巨大的變革。作為一個大語言模型，MOSS可執行對話生成、編程、事實問答等系列任務。MOSS的開發步驟包括了自然語言模型的基座訓練、理解人類意圖的對話能力訓練兩個階段，和ChatGPT具有相近的通用語義理解能力，但在推理能力和事實類知識方面仍有一定差距，目前MOSS系列在中文語義理解方面取得很大進步，未來將通過擴大模型規模和使用工具來進一步縮小差距。

毫無疑問，人工智能發展給各個行業及領域帶來了巨大的變革與機遇，但同時也帶來了諸多風險與挑戰，如資源消耗、安全隱患、社會責任等。如何平衡大模型發展帶來的利弊，促進人工智能和大模型的健康發展，讓更多人受益于人工智能技術的創新發展，都是需要思考和探討的問題。這也意味著，人工智能產業仍有諸多潛力亟待挖掘。