生成式AI何以賦能新質生產力發展？

〔摘要〕 生成式AI與新質生產力對高效、智能和創新的內在要求高度契合。技術創新、數據資源、應用場景拓展、政策支持以及國際競爭等是生成式AI賦能新質生產力過程中的現實基礎。當前，生成式AI賦能新質生產力發展面臨技術安全可靠性、數據資源管理、科技倫理、立法監管以及社會沖擊等諸多挑戰。以生成式AI賦能新質生產力發展，需要持續進行科技與研發創新，優化數據資源管理與利用，強化產業融合與協同發展，完善各級政策支持與引導，加強人才和科研團隊建設，提升社會公眾認知與接受度，建立國際合作與交流機制，構建風險防控與監管體系。

〔關鍵詞〕 生成式AI；人工智能；新質生產力；數據資源

〔中圖分類號〕F49；F124.3 〔文獻標志碼〕A 〔文章編號〕1008-0694（2025）01-0100-11

〔作者〕 黃明濤 講師 黔南民族師范學院馬克思主義學院 貴州 558000

〔基金項目〕貴州省高校人文社會科學研究項目“貴州鄉村旅游與體育賽事融合發展研究”（2024RW127）。

繼2022年11月人工智能大模型ChatGPT問世之后，OpenAI公司于2024年2月發布了被稱為“世界模擬器”的Sora，Sora能夠從文本或者靜態圖像生成動態視頻，支持多種角色、運動類型和主題。Sora的橫空出世，成為2024年投在全球科技界的一顆“震撼彈”，在國內同樣引發巨大震動。360董事長周鴻祎認為，Sora出現意味著AGI（通用人工智能）的實現將從十年縮短到一兩年^〔1〕。也有人指出，“通過引入Sora，可以提高生產效率、降低成本、提升服務質量，從而推動整個社會進步。”^〔2〕ChatGPT和Sora都證明，人工智能所孕育的顛覆性技術和前沿技術，有望成為新一輪科技革命與產業變革的“領頭羊”^〔3〕。毫無疑問，以ChatGPT和Sora為代表的生成式AI是重大的科技創新和技術變革，具有劃時代的意義。2024年1月，習近平總書記在中共中央政治局第十一次集體學習時強調：“科技創新能夠催生新產業、新模式、新動能，是發展新質生產力的核心要素。”^〔4〕加快形成新質生產力，離不開科技創新這一核心要素。生成式AI的基礎在于持續的技術創新，包括算法的優化、計算能力的提升以及模型的創新等，共同構成了生成式AI強大的技術支撐。生成式AI與新質生產力對高效、智能和創新的內在要求高度契合，在為我們的生活帶來諸多便利和多樣性的同時，也為新質生產力的形成提供了充分的想象空間。生成式AI賦能新質生產力的加快形成，需要牢牢把握技術創新、數據資源、應用場景拓展、政策環境、國際競爭等現實基礎，正視在技術、數據、科技倫理、立法等方面的具體問題，從科技創新與研發、優化數據資源管理和利用等方面尋求破解策略。

一、生成式AI賦能新質生產力發展的現實基礎

1.技術創新是生成式AI賦能新質生產力發展的核心基礎

人工智能本身是技術創新的產物，人工智能在推進企業漸進式創新和突破式創新方面具有顯著作用^〔5〕。人工智能技術創新顯著提升了企業全要素生產率^〔6〕，包括算法創新、模型優化、計算能力提升在內的技術創新和技術進步是生成式AI賦能新質生產力發展的核心基礎。預訓練大模型，如ChatGPT和Sora的出現，使得生成式AI能夠利用海量數據進行自我學習，掌握不同領域的知識和規則。技術創新為生成式AI在內容創作、文字理解、圖像生成、視頻制作和語言理解等方面的應用提供了強大的技術支持，推動了新質生產力的快速發展。算法創新則直接關系到AI系統的智能化水平，通過引入新的算法模型、優化算法結構、提升算法效率等方式，可以不斷提高生成式AI在數據處理、模式識別、自然語言理解和物理世界理解等方面的能力。通過對模型結構、參數設置、訓練方式等進行優化，生成式AI系統的架構逐漸完善，實用性也得到加強。隨著芯片技術的進步，算力進一步提高，為生成式AI的深度學習、訓練和推理提供了強大的支持。計算能力的提升推動了生成式AI在實時性要求較高的場景中的應用，例如在自動駕駛、實時翻譯等領域，生成式AI需要快速處理大量的數據并作出準確的決策。通過利用高性能計算設備，可以實現生成式AI的快速響應和高效處理，從而滿足不同場景的需求。

2.數據資源是生成式AI賦能新質生產力發展的重要保障

在大數據時代，數據已成為企業乃至國家實力比拼的重要新要素^〔7〕。生成式AI的核心在于通過對大量數據的深度學習和分析，生成具有實際應用的內容。生成式AI模型的訓練需要大量的數據作為支撐，如文本、圖像、視頻、音頻等，還要大面積覆蓋政治、經濟、社會、文化、宗教、科技、倫理和法律等眾多主題和領域，只有擁有足夠豐富的數據資源，生成式AI模型才能充分學習到各種規律和特征，生成準確、流暢的自然語言輸出。數據資源不僅要豐富，還要確保質量可靠。如果訓練數據存在大量的錯誤，那么生成模型很可能會受到錯誤數據的影響，導致輸出結果的不準確或不可靠，產生不必要的風險。擁有足夠豐富多樣的數據資源，可以使生成式AI模型更好地適應各種可能的情況和變化，從而提高其泛化能力，以應對各種挑戰。值得注意的是，在數據資源的使用過程中，要注意合規性。2023年12月，美國《紐約時報》正式起訴OpenAI和微軟公司，指控ChatGPT智能大模型非法使用其數以百萬計的文章進行訓練^〔8〕。因此，在使用數據資源的過程中，要遵守相關的數據保護法規，尊重用戶的隱私權利，以及確保數據的合法來源和正當使用。通過合規性保障，可以建立起一個健康、可持續的數據資源生態系統，為生成式AI技術的發展和賦能新質生產力的形成提供有力的保障。

3.應用場景拓展是生成式AI賦能新質生產力發展的關鍵

生成式AI具有廣泛的應用場景，包括制造業、服務業、農業、醫療和教育等多個關鍵領域，從解決某一特定問題發展為可適用于多元化場景，處理各種復雜問題^〔9〕。在制造業智能化升級方面，生成式AI通過優化生產流程、提高生產效率和質量，為產業智能化升級提供了強大的動力。在服務業個性化與智能化方面，智能客服通過24小時不間斷的服務，為用戶提供信息查詢、解決問題和導購等個性化服務，降低企業的人力成本。在農業精準化與高效化生產方面，生成式AI可以對土壤、氣候、作物生長情況等大量農業數據進行分析，預測最佳的種植時間、提供施肥量和灌溉方案、識別潛在的病蟲害風險，提高農作物產量，減少浪費，節約資源，為綠色、高效、循環、生態、智慧的現代農業體系提供科技支撐^〔10〕。在醫療診斷與治療輔助方面，利用生成式AI技術，醫生可以迅速診斷遺傳性疾病，進行精準的手術方案設計，快速分析大量的藥物數據，加速藥物研發等^〔11〕。例如，ChatGPT為生物醫藥領域提供更高效、精確的實驗與臨床助手，幫助生物醫藥領域知識的發現、組織、保存與調用^〔12〕。在金融方面，生成式AI技術以其強大的數據處理和分析能力，為金融機構提供了更高效、精準的服務，通過分析大量的金融數據，識別潛在的風險因素，幫助金融機構進行風險評估和預警。

4.政策環境是生成式AI賦能新質生產力發展的重要支撐

有學者統計，截至2023年底，我國國家層面出臺的關于人工智能發展的產業政策共77份，地方層面政策共1008份^〔13〕。2016年1月，國務院發布的《“十三五”國家科技創新規劃》提出重點發展大數據驅動的類人工智能技術方法。2017年7月，國務院出臺了《新一代人工智能發展規劃》，目的在于構筑我國人工智能發展的先發優勢，加快建設科技創新強國。2018年以來，教育部、工業和信息化部、科技部、自然資源部、國家發展改革委等相關部門獨立或者聯合出臺與人工智能相關的政策措施，推進人工智能在教育、科技、產業等領域的發展。國家層面的政策，以人工智能應用為中心，重點關注科技研發與創新環節^{〔14–15〕}。2023年5月，國家發展改革委等6部門聯合出臺了《生成式人工智能服務管理暫行辦法》，以進一步規范生成式人工智能的應用。在地方層面，2022年9月，深圳市和上海市先后公布了《深圳經濟特區人工智能產業促進條例》和《上海市促進人工智能產業發展條例》，目的在于強化新一代人工智能的科技創新策源功能，推進人工智能產業發展。從中央到地方出臺的一系列法律法規和政策，不僅為生成式人工智能技術的發展提供了明確的方向和目標定位，還通過推動產業協同與創新發展、優化資源配置與提升效率以及引導社會認知與營造良好氛圍等方式，進一步提升了生成式AI技術在賦能新質生產力方面的作用。

5.國際競爭是生成式AI賦能新質生產力發展的外在驅動

在全球科技競爭不斷加劇，中美科技戰愈演愈烈的背景下，生成式AI也成為國際競爭的競技場。長期以來，美國都將人工智能作為美國國家安全戰略中的一個重要組成部分，致力于確保美國在這一領域保持全球領先地位和主導地位^〔16〕。客觀上，科技創新的全球性競爭推動了生成式AI向前發展。美國高度重視相關技術研發以維護自身霸權，政府攜手跨國數字巨頭加速推進該國人工智能領軍企業OpenAI發展步伐，美國金融資本亦對其予以重點扶持^〔17〕。在國際競爭中，充分利用生成式AI賦能新質生產力的國家，更有可能實現跨越式發展。生成式AI的發展離不開大量的數據資源和廣闊的市場空間，數據資源的豐富程度和質量直接影響到生成式AI模型的應用效果和性能，國際市場的開放程度與競爭態勢也為生成式AI技術的應用提供了重要機遇，世界各國都在積極爭奪數據資源和市場份額。國際競爭不僅促進了數據資源的共享和流通，也推動了生成式AI技術在全球范圍內的普及和應用。從國家安全與戰略利益方面進行考量，各國都希望通過掌握先進的生成式AI技術來維護國家安全、提升戰略地位。盡管我國科技公司在一些人工智能子領域具有全球競爭力，但在生成式人工智能領域的表現仍有較大提升空間^〔18〕。我們應該充分認識到國際競爭在推動生成式AI賦能新質生產力發展方面的重要作用，并積極參與其中，以不斷增強自身實力。

二、生成式AI賦能新質生產力發展存在的問題

1.技術可靠問題

生成式AI在內容生成、圖像識別和視頻制作等領域取得了顯著進步，在賦能新質生產力方面的潛力日益顯現。然而，技術的安全性和可靠性問題也逐漸浮出水面，成為制約其進一步發展的關鍵因素。生成式AI的技術風險主要體現在：一是人工智能模型泛化能力有限。由于現實世界的復雜性和多樣性，模型無法對所有情況進行充分的學習，導致模型在面對新的、未知的數據時，泛化能力有限，難以準確地進行生成，甚至出現嚴重錯誤。二是算法穩定性不足。有學者認為，人工智能的認知方面尚未解決算法邏輯基礎本身的不確定性問題^〔19〕。在實際應用中，由于算法本身的復雜性以及數據質量的波動，算法穩定性往往難以得到保證，存在算法壓迫、算法剝削、算法剝奪等數據殖民主義場景^〔20〕。例如，算法可能在不同時間、不同環境下產生不同的結果，甚至在同一條件下也可能出現結果的不一致。這種不穩定性影響了生成式AI技術的實際效果，也增加了應用風險。三是數據偏差與噪聲干擾。現實中的數據可能存在標注錯誤、數據分布不均等問題，導致模型學習錯誤的知識，影響生成結果的準確性。四是計算資源與效率瓶頸。隨著模型規模和復雜度的增加，生成式AI對算力和電力資源的需求也呈指數級增長，將限制技術的進一步發展。如果算力不足，模型的推理速度過慢，則無法滿足實際應用的需求，即使模型本身的準確性很高，也很難得到廣泛應用。

2.數據資源問題

數據資源是生成式AI技術發展的重要支撐，GPT4除了使用文本數據外，還使用了大量的圖像進行訓練^〔21〕。生成式AI在實際應用過程中卻面臨數據匱乏、數據供給不足、數據流通不暢、數據共享不足、數據質量不佳以及數據要素市場不充分等諸多挑戰。有學者認為，人工智能的進步受制于訪問各種數據^〔22〕。數據資源問題主要包括如下方面：一是數據匱乏。生成式AI技術的訓練和應用需要海量數據進行支撐，然而很多領域的數據資源并不全面，尤其是一些新興領域或細分市場，導致模型的準確性受限。一些企業和研究機構出于商業利益或競爭考慮，可能不愿意公開或共享自己的數據資源，加劇了數據供給不足的問題。二是數據流通不暢。由于數據格式、標準、接口等方面的差異，導致不同來源、不同領域的數據難以有效整合和利用，限制了生成式AI技術在更大范圍內的應用和發展。三是數據共享不足。數據所有權、使用權、收益權存在分歧，很多有價值的數據資源無法得到有效利用。四是數據質量不佳。由于數據采集、處理、標注等環節的不規范或錯誤，標注數據質量參差不齊，可能導致模型生成毒害內容^〔23〕。更為嚴重的是，還有可能產生數據投毒和數據深度偽造等極端情形^〔24〕。五是數據要素市場不充分。市場發育程度直接影響技術的發展和應用，目前數據要素市場尚不充分，數據交易的標準和規則尚未完善，數據定價機制尚不成熟，數據交易存在較大的不確定性。

3.科技倫理問題

生成式AI技術在應用過程中涉及技術本身的道德邊界，關乎人類社會、文化、法律等多個層面的倫理問題。一是數據隱私與信息安全。生成式AI技術的運行高度依賴于大規模數據的收集、處理和分析，數據收集過程存在一定的侵略性^〔25〕，導致敏感信息的泄露，如個人身份信息、消費習慣、健康狀況等。AI系統可能存在算法偏見，違背公平和正義原則，加劇社會不平等。二是智能濫用與道德風險。生成式AI技術的強大能力如果被濫用，容易造成“全視監視”，對社會產生嚴重風險^〔26〕。例如，利用AI技術進行網絡攻擊或干擾社會秩序等，都可能對社會穩定和公共安全造成威脅。三是失業與職業倫理。生成式AI技術的廣泛應用導致大量傳統職業消失和新興職業出現，失業問題和社會不平等現象可能進一步加劇。因人工智能產生的新興職業會帶來新的職業倫理挑戰，如AI倫理審核員、數據標注師等職業需要遵守哪些職業道德規范？如何確保這些職業在實踐中的公正性和透明性？這些問題都需要我們進行深入探討。四是技術發展與人類價值觀沖突。在某些情況下，AI系統可能為了追求最高效率而犧牲某些人的利益；或者在某些道德困境中，AI系統可能無法作出符合人類道德標準的決策，此類沖突不僅考驗著技術設計者的智慧，也要求我們重新審視和調整人類的價值觀。

4.立法監管問題

近年來，隨著人工智能技術的跳躍式發展，世界各國出臺新法以積極應對數字化風險，是很多國家立法者的現實選擇^〔27〕。盡管世界各國在人工智能監管的基礎概念、價值理念及路徑策略選擇方面存在不少分歧^〔28〕，但是大多秉持包容審慎的態度。總體而言，監管政策和標準體系的建設滯后于技術發展速度，相關的法律法規尚不完善，存在法律空白或模糊地帶。一是數據安全與隱私保護的法律規制不足。現有的法律體系在數據隱私保護方面還存在諸多不足，如何在保障個人隱私的同時促進數據的有效利用，成為亟待解決的難題。二是知識產權保護的挑戰。生成式AI技術在創作過程中可能涉及對已有作品的模仿和借鑒，從而引發知識產權糾紛。如何界定AI生成作品的原創性、如何確定作品的著作權歸屬、如何平衡AI技術與原創作者之間的利益等，都是當前法律體系尚未明確的問題。數字孿生、虛擬資產等新型知識產權形式不斷涌現，如何對這些新型知識產權進行有效保護，將成為未來法律體系建設的重要任務。三是責任界定與追責的難題，如誤導性信息、安全漏洞等，這些問題涉及多方主體，如技術開發者、使用者、數據提供者等。當AI系統作出錯誤決策或造成損失時，責任應該由誰承擔？是技術開發者、使用者還是AI系統本身？目前，這些問題還有待進一步厘清。由于生成式AI技術的復雜性和高度專業化，在追責過程中面臨技術鑒定難、證據收集難等問題，增加了追責成本。四是監管框架與標準的缺失。我國在算法監管方面，面臨專門審查主體缺失、審查范圍不明和審查法律規范體系化水平嚴重滯后等現實問題^〔29〕。監管政策滯后于技術發展速度，一些新興領域和應用場景缺乏明確的監管規則和指引。

5.社會沖擊問題

作為科技創新的產物，生成式AI的快速發展和應用對社會的就業結構、生活方式和社會關系等方面產生深遠的影響，一些傳統職業受到嚴重沖擊有可能消失，給就業市場帶來不確定性，數字技術的普及也加劇了數字鴻溝問題，弱勢群體難以獲得數字技術帶來的便利，因此對新技術的應用持懷疑或抵觸態度。在對就業結構的沖擊方面，AI技術的自動化和智能化特性使得許多傳統崗位變得多余，如簡單的重復性勞動、數據錄入等，從事這些工作的人員面臨失業的風險^〔30〕。生成式AI技術的興起也催生了新的職業和就業領域，如AI算法工程師、數據科學家等，不是所有人都能輕易適應和勝任，在就業結構上加劇了職業的不平等和分化，傳統行業從業人員面臨就業困境，而另一部分人則獲得了更多的就業機會^〔31〕。有學者研究發現，人工智能投資效率越高，使用范圍越廣，勞動收入份額下降的幅度越大^〔32〕。在對人們生活方式的沖擊方面，AI技術的應用“推動人類生活生產方式創新”^〔33〕，人們的生活更加便捷和高效。相反，這種變革也可能導致人們對技術的過度依賴，從而減少人與人之間的互動和交流。AI推薦系統根據個人的喜好和興趣推薦商品、音樂、電影等，讓人們的消費更加個性化和精準化，隨之而來的可能是信息繭房效應，限制了人們接觸新事物。在對社會關系的沖擊方面，AI技術的廣泛應用使得人與人之間的交往更加便捷和高效，如通過社交媒體、在線聊天等方式保持聯系，有利于促進社會的聯系和團結。同時，AI技術也可能加劇社會的分裂和孤立。一些自律能力較差者可能過度沉迷于虛擬世界，忽視了與現實世界的交往和互動，造成社會關系的疏離。

三、生成式AI賦能新質生產力發展的實現路徑

1.持續進行科技創新與研發

不斷進行技術創新和突破是生成式AI技術賦能新質生產力的關鍵。我國應堅持創新導向，培育多元創新主體^〔34〕，鼓勵科研機構和企業加強合作，共同推動技術的創新和應用。一要加大研發投入，推動核心技術突破。人工智能頭部企業和重點研究機構要加大經費、人力和物力投入，強化生成式AI的研發和創新。在核心技術方面，應重點關注算法優化、模型創新以及計算能力的提升，算法優化能夠提升生成式AI的準確性和效率，模型創新則能夠拓展其應用領域和場景，爭取在核心技術領域取得顯著的成果和突破性進展。二要深化產學研合作，構建創新生態體系。通過產學研合作，搭建企業、高校和研究機構之間緊密的合作關系，共同開展技術研發和成果轉化，實現優勢互補。在構建創新生態體系方面，可以通過開展合作項目、舉辦學術研討會等方式，加強產學研之間的交流和合作。同時，還應建立科技成果轉化機制，推動生成式AI技術的商業化應用和市場推廣。

2.優化數據資源管理與利用

生成式AI賦能新質生產力的發展，優化數據資源管理與利用至關重要。一要提升數據質量，強化數據治理。可以通過數據清洗、去重、標注等手段提升數據質量，利用先進的數據治理工具和平臺，實現對數據資源的全生命周期管理，從源頭上保障數據的質量和安全。二要加強數據整合與共享，打破數據孤島。通過整合不同來源、不同格式的數據資源，形成更加全面、豐富的數據集，為生成式AI提供更多的訓練樣本。完善數據共享機制，建立數據交換平臺或數據倉庫，實現數據的集中存儲和統一管理，方便用戶進行數據的查詢和使用。三要深化數據挖掘與分析，提升數據價值。利用先進的算法和模型，對數據進行深度學習和模式識別，結合具體應用場景和業務需求，設計針對性的數據挖掘和分析方案，更加精準地挖掘出數據的價值。

3.強化產業融合與協同發展

人工智能與高技術產業的融合具有更強的技術創新效應^〔35〕。應通過加強不同產業間的合作，實現優勢互補，推動生成式AI技術在更廣泛的領域得到應用。一要建立跨產業合作機制，促進資源共享。搭建產業合作平臺，建立產業聯盟或聯合體，共同開展技術研發和市場推廣；推動政策層面的協同，為跨產業合作提供有力的制度保障。通過這些合作機制，打破產業壁壘，為生成式AI技術的應用提供廣闊的空間。二要加強產業鏈上下游協同，形成產業生態。在上游，應關注數據資源的采集、處理和分析，為生成式AI提供高質量的訓練數據；在中游，應聚焦算法模型的研發，提升生成式AI的性能；在下游，應關注應用場景的拓展和落地，推動生成式AI技術在各行業的廣泛應用。三要推動產學研深度融合，提升創新能力。建立產學研合作基地或聯合實驗室，共同開展技術研發和成果轉化；加強知識產權保護，為創新成果提供有力的法律保障。

4.完善各級政策支持與引導

各級政府在生成式AI賦能新質生產力發展過程中扮演著至關重要的角色，需要提供有效的政策支持與引導，以促進生成式AI技術的健康快速發展。一要完善發展規劃與戰略布局。各級政府應加強對規劃實施情況的監督和評估，確保各項政策措施得到有效落實。政府還應加強與企業的溝通，聽取企業的意見和建議，確保規劃的科學性和可操作性。二要強化稅收優惠支持。中央和地方各級政府應設立專項資金，用于支持重大科技項目、創新平臺和人才隊伍建設，加大對中小企業的扶持力度，鼓勵其參與生成式AI技術的研發和應用。政府還應出臺一系列稅收優惠政策，降低企業研發成本和市場風險，有效激發企業的創新活力。三要加強基礎設施建設。包括數據中心、云計算平臺、高速網絡等，為生成式AI技術的研發和應用提供有力支撐。四要完善法治體系。各級政府應加快完善生成式AI技術的法治體系，為生成式AI技術的健康發展提供法治保障。政府還應注重平衡創新與風險的關系，既要鼓勵企業大膽創新、積極探索，又要加強對潛在風險的防范和化解。

5.加強人才和科研團隊建設

一要構建完善的人才培養體系。這包括從基礎教育階段就開始注重培養學生的創新思維和實踐能力，將生成式AI等前沿科技知識融入教學內容，為未來的科技創新人才打下堅實基礎。高等教育和科研機構應設立專門的生成式AI專業和課程，培養具備深厚理論基礎和實踐經驗的高級人才。二要重點支持有影響的科研團隊建設。政府和企業應設立專項資金，用于支持生成式AI領域的重點科研團隊建設，鼓勵科研機構和企業之間開展深度合作，共同組建跨學科、跨領域的科研團隊，實現資源共享和優勢互補。三要優化科研團隊的激勵機制。包括提高科研人員的薪酬待遇、設立科研成果獎勵制度、提供職業發展機會，注重營造開放、包容、協作的科研氛圍，激發團隊的創新活力。四要加強科研團隊的人才引進和培養。制定積極的人才引進政策，吸引海外優秀人才來華從事科研工作，通過設立人才培養計劃、提供獎學金和助學金等方式，支持優秀人才在生成式AI領域深造。

6.提升社會公眾認知與接受度

作為新興技術，人工智能的應用和發展需要得到社會公眾的廣泛認知和接受。一要加強科普教育，普及生成式AI知識。可以采取舉辦講座、展覽、編寫科普讀物等方式，向公眾普及生成式AI的基本原理、應用場景和發展趨勢，通過新聞報道、專題節目等形式，傳播生成式AI的相關知識，提高公眾的認知水平。二要展示應用成果，增強公眾信心。應積極展示生成式AI在醫療、教育、娛樂、交通等領域的成功應用案例，讓公眾感受到生成式AI帶來的便利。三要加強保障公眾權益，加大執法力度。對違法違規行為進行嚴厲打擊，維護公眾的利益，減少社會沖突。四要推動社會參與，構建共治格局。政府應建立多元化的參與機制，鼓勵企業、社會組織、專家學者等積極參與生成式AI的治理和決策過程，提高公眾在生成式AI發展中的話語權。

7.建立國際合作與交流機制

生成式AI是全球性的技術趨勢，需要各國共同推動發展，并應對發展過程中面臨的各種挑戰。一要搭建國際合作平臺，促進信息共享與交流。匯聚全球范圍內的專家、學者、企業和政府機構，共同探討技術趨勢、交流政策經驗。二要推動跨國合作。開展有針對性的合作項目，在技術研發、人才培養、標準制定等多個方面實現技術互補和共贏。三要加強政策溝通與協調，形成國際合力。在數據保護、隱私安全、知識產權等方面探索制定統一的國際標準，為生成式AI技術的跨國應用提供便利。四要促進人才流動與交流，培養國際化人才。建立人才交流機制，推動學者、研究人員、工程師等在不同國家之間進行交流與合作；通過設立聯合培養項目、獎學金等方式，鼓勵更多的人才投身于生成式AI領域的研究。五要深化產業合作與市場開拓，實現互利共贏。各國應在智能制造、智慧醫療、智慧城市等多個領域深化產業合作，促進產業升級和經濟發展。

8.構建風險防控與監管體系

一要完善法律法規，明確監管責任。完善與生成式AI相關的法律法規，建立專門的監管機構，負責生成式AI技術的監管工作，確保監管責任明確、執行有力。二要建立風險評估與預警機制。包括對生成式AI技術本身的安全性、穩定性進行評估，以及對可能產生的社會影響、倫理問題進行預測和預警，提醒相關方注意潛在風險，并采取相應措施進行防范。三要強化數據保護與隱私安全。制定嚴格的數據保護法規，規范數據的收集、存儲、使用和處理過程。加強公眾對數據保護和隱私安全的意識教育，提高個人防范能力。四要推動算法透明與可解釋性。應推動算法開發者和使用者提供充分的算法文檔和解釋，使公眾能夠了解算法的工作原理和決策依據。建立算法審計機制，對算法的公正性、準確性進行定期檢查和評估。五要加強風險防控和監管的國際合作。強化跨國監管合作，共同打擊生成式AI技術的濫用和誤用行為，提高整體監管水平。

參考文獻：

〔1〕劉曉潔.Sora分裂科技圈：它是比ChatGPT更重要的里程碑嗎？［N］.第一財經日報，2024—02—29（A10）.

〔2〕張偉.Sora火出天際，當如何評價［N］.中國高新技術產業導報，2024—02—26（003）.

〔3〕黃鑫.Sora遠不是人工智能終點［N］.經濟日報，2024—03—01（006）.

〔4〕石羚.發展新質生產力的核心要素［N］.人民日報，2024—03—13（005）.

〔5〕胡蓉寧，王躍堂.人工智能的技術創新效應及其實現機制［J］.江海學刊，2023，（06）.

〔6〕任英華，劉宇釗，李海彤.人工智能技術創新與企業全要素生產率［J］.經濟管理，2023，（09）.

〔7〕〔24〕林偉.人工智能數據安全風險及應對［J］.情報雜志，2022，（10）.

〔8〕曉鏡.陷版權起訴潮，人工智能遭內容“封鎖”？［N］.人民郵電，2024—01—12（003）.

〔9〕張凌寒，于琳.從傳統治理到敏捷治理：生成式人工智能的治理范式革新［J］.電子政務，2023，（09）.

〔10〕邊偉英.基于計算機應用的人工智能農業應用場景［J］.中國農業資源與區劃，2023，（10）.

〔11〕WACHTER R M，BRYNJOLFSSON E.Will generative artificial intelligence deliver on its promise in health care？［J］.JAMA—Journal of the American Medial Association，2024，（01） .

〔12〕王茜，李東巧，劉細文.ChatGPT技術在生物醫藥領域的應用潛力與風險［J］.中國科學基金，2024，（01）.

〔13〕賈怡煒，戚湧，孫明漢.新一代人工智能產業政策及治理體系現代化研究［J］.中國科技論壇，2023，（12）.

〔14〕沙德春，荊晶.中美人工智能產業國家頂層政策比較研究［J］.科學管理研究，2021，（03）.

〔15〕高秀娟，彭春燕.我國人工智能政策特征與PMC指數模型量化評價研究［J］.科技管理研究，2022，（21）.

〔16〕劉曉麒.中國在人工智能國際競爭中所處地位與優勢塑造［J］.陜西師范大學學報（哲學社會科學版），2023，（05）.

〔17〕戚凱.ChatGPT與數字時代的國際競爭［J］.國際論壇，2023，（04）.

〔18〕KSHETRI E.Can China Catch up to the united states in generative artificial intelligence？［J］.It Professional，2023，（04）.

〔19〕張成崗.人工智能時代：技術發展、風險挑戰與秩序重構［J］.南京社會科學，2018，（05）.

〔20〕黨盛文，林津如.人工智能算法的非殖民化倫理策略［J］.道德與文明，2023，（06）.

〔21〕YAO LI.Specifics of regulatory and legal regulation of generative artificial intelligence in the UK， USA， EU and China［J］.Law：J.Higher Sch.Econ，2023，（03）.

〔22〕UMER" FAHAD，ADNAN NIHA.Generative artificial intelligence： Synthetic datasets in dentistry［J］.Bdj Open，2024，（13）.

〔23〕張欣.生成式人工智能的數據風險與治理路徑［J］.法律科學（西北政法大學學報），2023，（05）.

〔25〕段偉文.前沿科技的深層次倫理風險及其應對［J］.人民論壇·學術前沿，2024，（01）.

〔26〕王婧怡.數字時代算法技術異化的倫理困境與治理路徑［J］.自然辯證法研究，2023，（10）.

〔27〕高艷東.數字法治中的立法消極與司法能動［J］.南京社會科學，2024，（02）.

〔28〕陳鳳仙，連雨璐，王娜.歐美人工智能監管模式及政策啟示［J］.中國行政管理，2024，（01）.

〔29〕鄒開亮，劉祖兵.論類ChatGPT通用人工智能治理——基于算法安全審查視角［J］.河海大學學報（哲學社會科學版），2023，（06）.

〔30〕宋陽，李慧.人工智能發展的社會風險問題研究［J］.北京聯合大學學報（人文社會科學版），2023，（03）.

〔31〕WACH K，DUONG C D，EJDYS，et al.The dark side of generative artificial intelligence：A critical analysis of controversies and risks of ChatGPT［J］.Entrepreneurial" Business and Economics Review，2023，（02）.

〔32〕陳利鋒，鐘玉婷.人工智能、勞動收入份額與社會福利［J］.華中科技大學學報（社會科學版），2020，（04）.

〔33〕于水，范德志.新一代人工智能（ChatGPT）的主要特征、社會風險及其治理路徑［J］.大連理工大學學報（社會科學版），2023，（05）.

〔34〕袁野，汪書悅，陶于祥.人工智能關鍵核心技術創新能力測度體系構建：基于創新生態系統視角［J］.科技進步與對策，2021，（18）.

〔35〕張龍鵬，張雙志.技術賦能：人工智能與產業融合發展的技術創新效應［J］.財經科學，2020，（06）.

（責任編輯 張 筠）

How Can Generative AI Enable the Development of New Quality Productive Forces？

HUANG" Mingtao

Abstract：Generative AI is highly compatible with new quality productive forces’ inherent requirements for efficiency， intelligence and innovation. Technological innovation， data resources， application scenario expansion， policy support and international competition are the realistic basis of generative AI to enable new quality productive forces. At present， generative AI enabling the development of new quality productive forces faces many challenges and problems， such as" technical safety and reliability， data resource management， scientific and technological ethics， legislative supervision and social impact. To accelerate the development of new quality productive forces enabled by generative AI， it is necessary to carry out continuous scientific and technological innovation， optimize the management and utilization of data resources， strengthen industrial integration and collaborative development， improve policy support and guidance， strengthen the construction of talents and scientific research teams， enhance public awareness and acceptance， establish international cooperation and exchange mechanisms， and build risk prevention and control systems.

Keywords：Generative AI； Artificial Intelligence； New Quality Productive Forces； Data Resources