我國應盡快推進認知智能大模型自主建設

近10年來以深度學習為代表的數據驅動機器學習技術掀起了人工智能新一波發展浪潮。伴隨著大數據規模、并行處理芯片計算能力、深度學習模型能力的快速協同迭代與革新，孕育了以ChatGPT為代表的、具備認知智能的大模型技術，促使通用型人工智能應用初露鋒芒。認知大模型技術已成為全球人工智能領域的前沿熱點，其帶來的技術、產業和創新模式變革極有可能成為新一輪技術革命的發端。我國也迫切需要發展獨立自主的大模型技術以支撐相關重點行業應用需求。然而，我國在認知大模型研發領域中的數據、算力、創新組織等方面存在一定的瓶頸和“卡脖子”問題，迫切需要有針對性的政策加以解決。

一、認知大模型引發新一輪技術“軍備競賽”

認知大模型是罕見的“能力超出開發者設計”的技術產品。目前，即便是ChatGPT 模型的開發者，對于模型應用潛力的認知依然在不斷更新。認知大模型的功能分為三個層面：一是以對話的形式進行交互式問答；二是機器翻譯、編寫代碼等功能，將其作為辦公助手，可以大幅提高工作效率；三是解決了人機交互問題。能夠將籠統的人類語言轉化為精準的程序代碼，通過將復雜的任務分解成簡單的代碼指令，操作電腦或機器人實現人機交互。

ChatGPT的巨大應用潛力引發了全球AI巨頭的技術“軍備競賽”。微軟、谷歌、臉書等均斥巨資投入到認知大模型的開發當中。與此同時，我國的百度、華為、阿里、科大訊飛、清華大學等也均紛紛推出了自己的認知大模型產品。普華永道預測，到2030年認知大模型將為全球經濟帶來超過15萬億美元的增長。

二、認知大模型引發新一輪技術變革

（一）自主認知大模型對關鍵領域產生巨大影響

認知大模型廣泛的應用場景使其必然能夠在各類關鍵領域發揮重要作用。例如，一是能夠大幅提升信息系統研發效率，在認知大模型的輔助下，信息系統的開發效率將會以幾何的倍數提升；二是提升工業智能化水平，可以協助機器人和控制系統更好地理解和應對不同情況下的指令，實現靈活、高效的生產線自動化；三是提升軍隊的指揮和作戰效率，可以構建智能化無人武器系統，操控智能無人飛行器、智能無人作戰車輛、智能水下艦艇等；四是成為認知戰的新戰場，認知大模型的訓練技術中包含了融合人類反饋的評價機制，因此其產生的內容也會因為立場不同而帶有“感情色彩”，從而成為觀點和意識形態輸出的工具。

（二）自主認知大模型將引起新技術生態層面變革

通用性是認知大模型所具有的一項重要能力。傳統人工智能技術采用“一任一模”范式，即為每一個任務定制一個單獨的模型，而認知大模型可以當作一個通用基礎模型同時應對各種類型的任務（如問答、翻譯、摘要、編程等），實現了“千任一模”的大一統智能服務范式，因此能夠成為承載多種應用的“基座平臺”。相關企業也必然會基于自己的認知大模型開發系列產品，打造應用和產業生態，并進而通過生態捆綁上下游產業鏈條的方式，形成新的壟斷體系。日前，OpenAI已經在官網宣布正式發布App應用，并登錄蘋果應用商店。未來，在大模型技術上有壟斷能力的企業很可能再次形成類似微軟Windows、谷歌Android、蘋果IOS的壟斷性平臺產品，從而收割上下游產業鏈所產生的價值，賺取超額利潤。

（三）自主認知大模型將引起戰略層面的創新變革

認知大模型的創新過程本身也是極具變革性的。最初，認知大模型中關鍵技術——深度神經網絡，主要來源于以杰弗里·辛頓教授（圖靈獎獲得者）為代表的高校研究者長達幾十年的堅守與耕耘。伴隨著深度學習的不斷發展，高校研究者們進一步借助工業界的資源和力量，通過科技巨頭建立的研發實驗室將發展較成熟的智能算法應用于部分行業（如人臉識別與語音識別領域），并取得了巨大成功。盡管如此，許多情境下單一算法仍很難達到理想結果，于是業界開始嘗試融合多項人工智能技術，以系統集成創新的方式來解決部分復雜任務。在此背景下，OpenAI公司探索出了一條可行的大模型技術發展路線，并推出了受到社會各界廣泛關注的ChatGPT產品。

研發大模型技術需要雄厚資金的長期持續投入與積累。以OpenAI公司為例，其最早是由馬斯克等人于2015年成立的一家非盈利的人工智能研究公司，啟動資金10億美元。2019年轉為營利性機構，并獲得微軟公司10億美元的投資。2020年發布了第一個商業化產品，正式開始商業化運作。2023 年ChatGPT發布后，微軟向該公司提供了第二筆多年期投資，據報道為100億美元。大量的資金投入吸引了眾多頂尖級科學家開始進入企業型實驗室工作，并同時為大學培養的創新型博士人才提供了充足的就業崗位。

除了資金上的壁壘之外，阻礙大學和政府實驗室進行認知大模型研究的還有數據壁壘。據報道，ChatGPT背后的認知大模型消耗了45TB的文本數據，數據來源高度依賴微軟、谷歌等公司的搜索引擎平臺。傳統的大學實驗室和政府科研部門由于缺乏對外服務的平臺型產品，很難收集到如此規模龐大的數據，因此只能采用與平臺公司合作的方式開展研究。

三、我國建設認知大模型存在的“瓶頸”

（一）數據和算力等源頭資源存在供給“短板”

大模型的開發主要涉及數據、模型、算力。在我國自主大模型研發過程中，數據與算力存在明顯的瓶頸問題。

數據層面，認知大模型的研發非常依賴高質量的文本數據與使用用戶交互反饋數據。但是，在全球互聯網上，英文文本在規模、質量、開源獲得性上都優于中文文本，這極大地制約了中文認知大模型的能力上限。目前ChatGPT的語料庫里中文僅占5％。這種因數據來源導致的服務質量不公平，也勢必會拉低現有認知大模型中文場景的應用效果。

算力層面，認知大模型的訓練需要大量的芯片，而這一點恰恰是我國科技領域的短板。目前，認知大模型訓練的主流芯片英偉達A100已經對我國禁運，替代產品A800在理論性能上降低了30%。此外，ChatGPT的推出引發了全行業的大模型“軍備競賽”，大型頭部企業為開發自己的認知大模型紛紛斥巨資采購GPU芯片，已經導致了全球計算芯片的價格暴漲。計算資源受限必然會嚴重影響大模型的開發和迭代速度，使得我國企業與國際巨頭在競爭中存在拉開差距的風險。

（二）技術缺乏或會引發產業鏈安全風險

認知大模型被認為是堪比電、互聯網的基礎性技術發明，是由于認知大模型具有通用性的特點，認知大模型有望成為承載多種應用的“基礎設施”，相關企業必然會基于認知大模型開發系列產品，尤其與知識生產相關的行業將被這項技術所影響、賦能，甚至顛覆。如微軟將ChatGPT和Office、Bing進行了整合，谷歌也推出了基于自身認知大模型的搜索產品等。這些企業在完成產品整合之后必然會進一步打造應用生態，類似微軟、安卓、蘋果生態圈，通過生態捆綁上下游產業鏈條，形成新的壟斷體系。如果我國基于認知大模型的下游產業完全依附于歐美技術產品，未來會出現認知大模型領域的“卡脖子”問題。

目前，最先進的認知大模型ChatGPT拒絕來自中國的用戶注冊使用，這本身是一種技術封鎖行為。未來，當科技巨頭基于認知大模型形成類似Windows操作系統的技術生態后，可能會通過封鎖生態的方式將中國企業排除在全球產業鏈之外，造成我國在新一代人工智能技術革命浪潮中處于“卡脖子”的被動地位。

（三）自主研發認知大模型的創新組織難題

人才方面，我國的高水平科研人員主要分布在大學和政府科研機構，人才組織方式與認知大模型研發的條件需求存在一定差異。很多高水平團隊受到大規模數據、算力的制約，無法開展實戰級別的模型研發。資金方面，大模型有“算量巨大”特征，英偉達單片A100 GPU產品售價10萬元，ChatGPT模型參數高達1750億個之巨，微軟提供3萬多張芯片。國內呈現“百模大戰”，研發投入存在一擁而上、山頭林立的現象，導致資源投入總規模雖然很大，但是單個項目往往存在資源不足的問題。組織方面，與國際科技巨頭相比，我國的高科技企業很少建立類似OpenAI的非盈利型研究機構，大多通過企業中現有的技術和產品研發部門推動科技創新。在業績考核的壓力下，管理層無法在具有潛力的方向上進行長期的科研投入，技術部門往往在技術不成熟時就急于進行產品化應用和商業推廣，機構難有能持續做好基礎模型的耐心。

引導科技企業將資金、數據、算力投入到長期的高回報研究當中，同時實現企業之間數據算力與高校智力之間的整合，是我國在創新機制上要解決的重要問題。

四、政策建議

（一）推動源頭技術資源的高質量供給

政府對于高新技術研發的支持應重在源頭的基礎能力建設，數據和算力是自主認知大模型建設的源頭性戰略資源。在數據方面，針對當前中文文本數據質量不高、開放程度有限等問題，組織有關企事業單位（如互聯網企業、論文期刊平臺、國家版本館等），有針對性地建立高質量文本數據庫，并推動數據資源的開放、流通，形成數據資源基礎庫。在算力方面，一方面加速高性能計算芯片的自主研發，加快研發基于國產芯片的人工智能計算平臺與系統；另一方面應當用好當前已有的算力“存量”，逐步構建全國統一的算力共享網絡，實現算力資源的高效利用，避免算力平臺的重復建設與局部閑置浪費問題。

（二）加快科研與產業布局，確保產業鏈安全

針對國民生產的重要行業領域，應盡早從產業鏈安全的高度進行技術和產業布局，在認知大模型的生態形成早期引導培育上下游企業的技術自主能力，避免在國外壟斷企業生態形成之后造成“卡脖子”問題。針對國防安全等必須完全自主的關鍵領域，應盡早布局和開展認知大模型相關的核心關鍵技術研發。由于認知大模型技術自身的開放性，關鍵領域的關鍵技術研發需要探索全新路徑，避免形成封閉的生態系統。鼓勵科研單位、高新企業參與國際大模型技術的競爭和產業鏈構建，爭奪相關技術、標準、生態的話語權，以開放的姿態加入國際競爭，充分發揮我國科研人員在模型研究領域的技術優勢。

（三）建設長期探索與需求牽引兼顧的創新機制

組織國內具有大模型技術積累的各級重點科研機構有序發展大模型技術創新與應用。大模型的建設與發展條件從根本上可進一步歸結為兩方面的要素：持續投入的科技人才與充足的研發資金保障。應重點支持具有一定技術優勢的重點科研平臺（如已建設的國家級重點實驗室）進行大模型底層源頭技術創新，出臺相關科技人才獎勵政策，保障高水平科研人員能夠長期高質量地持續投入大模型底層技術研發。同時，也應支持大模型行業應用技術的發展，鼓勵地方政府將算力作為新基礎設施進行布局發展，支持社會力量（如部分具有大模型技術需求的國企、具有較好數據基礎與應用前景的高新技術企業）與國家級科研機構深度合作（社會資金的注入以及企業技術專家的兼職聘用等諸多形式）聯合建設大模型，從而為研發機構提供充足的資源平臺，促進大模型技術的行業應用落地，實現長期科研探索與市場需求牽引相兼顧。

（蔡軍霞，國家信息中心公共技術服務部高級工程師。徐春學，國家電子政務外網管理中心辦公室副主任，國家信息中心公共技術部副主任）