与其他国家相比，中国拥有庞大的实体工业基础，正在加快构建现代产业体系。对人工智能技术与行业应用深度融合有着更大、更迫切、更有价值的实际需求，为人工智能技术创新奠定基础。为创新实践提供更广阔的空间。这也是大模型时代国内人工智能领域产业的机遇。随着生成式人工智能在中国的快速发展，相关监管政策正在逐步落地。国家网信办等七部门联合发布的《生成式人工智能服务管理暂行办法》号文（以下简称《办法》）已于8月15日正式实施。《办法》作为我国首个生成式人工智能规范性规范性文件，旨在“推动生成式人工智能《生成式人工智能健康发展和规范应用》明确了国家坚持发展与安全并重、推动创新、法治治理相结合的方针。原则上，生成人工智能服务应当实行包容、审慎、分类监管。
（资料图片仅供参考）
在日益完善的监管链条下，我国人工智能产业迎来了合规发展的新阶段。正如各方专家所说，“不发展是最大的不安全感”。
用监管技术激活人工智能市场活力
“ChatGPT的出现引发了新一轮人工智能革命，人与机器、技术与产业、虚拟与现实的关系发生了广泛而深刻的变化。技术创新也给人类社会的文明秩序带来了挑战。 ”近日，在中国社会科学院法学研究所主办的“全球治理话语竞争下人工智能立法的中国方案”研讨会上，南方财经全媒体集团合规技术研究院院长于伟表示。
当前，全球范围内正在掀起一场智力话语竞赛，掀起人工智能监管新浪潮。于伟介绍，欧洲正在寻求人工智能监管领域的主导地位，并早已将立法提上议程。 2019年，欧盟委员会发布《人工智能伦理准则》，提出评估人工智能可信度的七项标准。 2020年，欧盟出台《人工智能白皮书》，为人工智能监管提供多种政策选择。今年6月14日，欧洲议会以压倒性票数通过欧盟人工智能法案草案，预计最终谈判完成后将正式获得批准。
南财合规技术研究院首席研究员王军建议，我国可以借鉴欧洲监管经验，建立基于应用场景的制度，明确政府主导作用并协调多方社会治理，科学应用技术工具。
“我们还没有意识到风险的综合类型和场景的区分，因为风险是复杂的，单一治理技术和多种治理场景之间存在冲突。下一步，我们可以根据场景，针对不同的技术，让监管更加精细化。” “要利用应用模型和责任主体，对不同场景下的不同风险点进行差异化监管。”王军表示，同时可以采用分级治理模式，留出中试试错和发展的空间。低风险领域，积极运用部分监管技术，综合选择合适的监管技术模式，激活人工智能市场活力。
新浪集团法务部总经理顾海燕也认为，希望看到更多差异化的监管措施。例如，欧盟的人工智能法案草案就采取了风险差异化的监管方式。根据风险程度分为不可接受风险人工智能、高风险人工智能、低风险人工智能和极小风险人工智能，并分别设定了相关主体的法律义务。
“我们必须关注人工智能热潮带来的风险。”于伟指出，在数据层面，比如面对生成型人工智能庞大的数据需求，如何构建高质量的语料库，如何加强全流程的数据合规管理。在法律层面，生成式人工智能的成果能否构成著作权法界定的作品尚存在争议，进一步的著作权归属问题也有待明确。此外，在大量数据输入的大型模型的训练方法中，歧视、偏见、虚假信息传播等风险也被放大。如何向AI“教导”道德伦理原则，实现精准矫正，兼顾公平与效率，都需要进一步研究。
构建算力生态系统，支撑人工智能产业发展
数据显示，今年上半年，国内发布的各类大型模型超过100款。据不完全统计，目前国内参数超过10亿的大型模型约有80款。《办法》 拟推进生成人工智能基础设施和公共训练数据资源平台建设。促进计算资源协同共享，提高计算资源利用效率。推动公共数据分级分类有序开放，拓展优质公共培训数据资源。鼓励使用安全可信的芯片、软件、工具、算力和数据资源。
算力是数字时代的基础，是人工智能发展的引擎。据工信部最新消息，截至今年6月底，全国在用数据中心机架总规模突破760万个标准机架，算力总规模达到1.97每秒万亿次浮点运算(197EFLOPS)。五年平均年增长率近30%，总存储容量超过1080EB。
中国工程院院士刘云杰表示，我国算力产业发展前景广阔，因为我国是制造大国，实体经济对算力的需求很大，以及游戏、AR、而VR对计算能力也有很大的需求。 “随着政策的支持和技术的发展，我们可以期待算力触手可及的前景。未来我们将能够像使用水和电一样使用算力。”
但他也强调，我国算力网络想要满足大型模型的需求，需要各方面协调发展。比如构建通用大模型或者行业大模型需要训练数据，这就需要对行业数据做好保护、利用和管理。
把握技术趋势，推动行业大模型实践
生成式人工智能的功能远远超出了提供信息内容服务。它可以作为“技术基地”赋能金融、医疗、自动驾驶等众多行业，未来将成为社会的“技术基础设施”。《办法》 明确鼓励生成型人工智能技术在各行业、各领域的创新应用，生成积极、健康、向善的优质内容，探索和优化应用场景，构建应用生态系统。
“面对以ChatGPT为代表的通用大型模型，我们的缺点是比较明显的。”刘云杰在2023中国算力大会上直言，“中国的机会在于行业的大模型”。
一般大模型一般是指广泛应用于多个领域的大型深度学习模型，而行业大模型是专门针对特定垂直行业设计的大型深度学习模型。这些模型通常在特定行业使用的数据集上执行。提高行业使用准确性和效率的培训。典型的大规模行业模型包括金融行业的风险控制模型。
刘云杰介绍，基于通用大模型的基础能力，基于行业垂直领域知识和业务场景需求，行业大模型的发展已经成为技术发展的必然趋势。一方面，可以将行业特定的知识积累和经验应用到模型中，提高模型的质量和准确性；另一方面，行业大模型可以通过学习不断更新迭代，帮助企业更好地了解行业趋势并做出决策。更准确的业务决策。
目前，我国已逐步建立了涵盖理论方法和软硬件技术的系统研发能力。一批具有行业影响力的大型预训练模型蓬勃发展，形成了与世界前沿同步的技术群体。以华为云盘古大模型为例。据悉，该大模型已陆续推出采矿、药物分子、电力、天气、波浪等大模型，并在各行业实施了1000多个创新项目。通过提供先进算法和解决方案，深化大模型全栈自主创新，加速算力国产化。
同时，与其他国家相比，中国拥有庞大的实体工业基础，正在加快构建现代工业体系。对人工智能技术与行业应用深度融合有着更大、更迫切、更有价值的实际需求，为人工智能奠定基础。技术创新为创新实践提供了更广阔的空间。这也是大模型时代国内人工智能领域产业的机遇。 （科技日报）（崔爽）
编辑：王黄仁
编辑：李倩诺
审稿人：王宗宝
