AI大模型普惠發展時代面臨的挑戰與思考

當前，人工智能（artificial intelligence，AI）已成為新一輪科技革命和產業變革的重要驅動力量[1，并對人類經濟社會發展和敏捷治理等產生深遠影響。2022年，生成式語音預訓練模型（chatgenerativepre-trained transformer，ChatGPT）的出現引領大模型浪潮興起，隨后國內大模型數量翻倍、能力快速迭代、模態持續拓展，多模態大模型、智能體和具身智能等領域不斷出現突破性創新；2025年初，國產深度求索（DeepSeek）成為現象級大模型引起全球關注，全球大模型呈現井噴式發展。據中國信通院《全球數字經濟白皮書（2024年）》，目前全球人工智能大模型共1328個，中國占比達到 36%^[2] 。大模型工程化持續加速推進，行業應用走深向實，推動人工智能進人普惠發展時代。

1人工智能大模型進入普惠發展時代

1. 1 從技術角度來看，智能“涌現”能力一路攀升

長期以來，人工智能大語言模型以基礎設施消耗貴、數據訓練貴、推廣應用貴等著稱，通常只在一定程度上開源。而DeepSeek通過高效的分布式訓練策略、梯度累積技術及動態調整學習率機制，將大模型訓練的能耗與成本降低至發展中國家可承受范圍，尤其是其代碼完全開源特性，允許企業直接基于現有模型進行二次開發，無需重復預訓練，極大節省了應用成本。因此，大模型技術的包容性和快速演進必將有助于縮小全球數字鴻溝，推動大模型應用落地門檻的持續降低。大模型技術進入應用爆發期[3]。

1.2從產業化落地來看，垂直行業賽道正成為創新涌現的重要場景

目前，大模型支持模態已逐步從自然語言處理拓展到多模態理解和生成等場景，開源AI大模型的發展，推動了其與其他領域的跨界融合，通信、能源、教育、政務、金融、智庫研究等領域成為大模型落地應用的主要領域，各行各業也涌現出更多的人工智能創業企業，產業化進程加速，大模型已到了“拼落地”“拼應用”的階段[4。例如，在教育領域，能夠支持個性化學習方案設計及動態迭代，實現邊遠地區師生全覆蓋；在智庫研究領域，能夠大幅提高對海量、碎片化和多語言信息的收集分析能力；在醫療領域，能夠支持影像識別等輔助診斷，并有效提升準確率，實現某些領域達到普遍專家化水平。根據云頭條統計公開可查的大模型招投標項目數據，2024年國內大模型中標項目數量和金額都呈現大幅度增長。2024年1至11月，大模型中標項目共728個，是2023年全年的3.6倍；中標金額17.1億元，是2023年全年的2.6倍[5]

1.3從創新生態來看，大模型的創新與基礎軟硬件體系正在加速耦合，體系化、生態化特征日益顯著

AI技術和大模型的使用方式，正在從個別場景點的提效，逐步擴展到業務流程的改進和優化，呈現由點及線、由線及面、由面及體的系統性特征，大模型正從輔助工具轉變為決策伙伴[。例如，在產業生態方面，現有大模型實現了模型即服務的范式，將原有“硬件 + 軟件”的企業合作范式，系統性地重構為“模型 + 場景”的深度協同，極大地縮短了新產品開發周期；在社會服務方面，有政府機構將大模型集成到治理系統，提升了交通擁堵準確率、政務咨詢響應速度，形成“數字孿生”城市新型治理形態雛形。

2智能躍遷時代的AI治理面臨多重挑戰

當前，以ChatGPT、DeepSeek為代表的大模型掀起了新一輪人工智能創新熱潮，大模型開始從單模態轉向多模態，垂類大模型、數字人、具身智能、AIforScience等領域重大創新成果不斷涌現，發展可謂日新月異。人工智能正處于智能技術躍遷時代。同時，AI技術以超出預期的技術躍遷和高速發展對傳統技術治理范式構成挑戰，引發了廣泛且必要的警惕和擔憂。

2.1技術端面臨數據安全的挑戰

現階段人工智能仍是數據驅動型的人工智能，AI大模型訓練需要海量數據支撐，這是網絡化、信息化高度發達的國家發展現有技術的優勢，但同時導致技術端面臨著數據依賴型挑戰[7]。例如，人臉、指紋、血型、醫療等基礎性生物數據安全，可能產生人格、財產、倫理等問題，個體賬戶、企業商業秘密等金融數據安全以及智庫研究中內部調查數據、技術信息等泄密風險，個體甚至區域性經濟安全和社會穩定等隱患[8]

2.2 應用端面臨決策黑箱化的挑戰

與傳統軟件行業類似，龐大的應用市場給現有AI大模型帶來的快速迭代是使其“變聰明”的最重要要件，這是注重營造科技應用生態的國家發展現有技術的優勢，但同時帶來應用端真假難辨、決策建議不可解析的挑戰。生成式AI的偽造能力使虛假信息泛濫[9]，例如，東南亞地區的跨國電信詐騙案例將更難以辨別和阻止。同時，大模型數以億計的參數帶來的極端復雜性使其成為典型的“黑箱系統”，導致智庫決策、智慧醫療等決策過程無法完全被解析，據此帶來的誤判、誤診將殃及人們的生命健康、財產安全等切身利益。

2.3變革深遠而面臨多重社會性的挑戰

通用化大模型正在快速發展，并正在對社會、經濟和技術領域帶來更加深刻的變革。AI大模型在能夠在為人類提供越來越多實質性幫助的同時，帶來就業結構和教育方向的社會性挑戰。例如，技能附加值低的勞動力密集型崗位容易被替代，引發就業結構變革。Gartner《2025年十大戰略技術趨勢》中預測，到2028年至少有 15% 的日常工作決策將由AI智能體自主做出[10]，與此相關，現有教育方向無法與AI大模型時代對人才的能力需求及時相匹配，對人才培養領域構成挑戰，

2.4 國際合作與競爭面臨地緣政治安全的挑戰

AI發展需要集“眾智”，雖然大模型應用已經初具規模，但最后真的落地到各個場景，需要更加強調應用、算法、關鍵軟硬棧、底層硬件全方位協同發展[11]，得益于廣泛的國際合作。同時，AI大模型發展對數據、算法和市場的需求，尤其是在軍事領域中的應用，以及隨之誕生的數據安全戰、底層算法戰等，將帶來更深層次、更大影響的地緣政治和安全挑戰。

3以發展視角擁抱智能普惠時代的思考

3.1 堅持分類分級的制度化監管

將安全與倫理作為AI開發的第一性原理，為AI設定“禁止自我復制”等行為邊界。針對生成式AI的法律定位，設置分類分級監管場景指南，區分基礎模型與應用場景的風險等級。探索技術支持下的“聯邦學習”制度，允許不同主體在不共享原始數據的情況下進行聯合建模。同時，建立“數據保險”制度[12]，倡導企業為高價值數據購買專項保險。

3.2 堅持協同治理，發揮市場與社會協同治理作用

發起重點AI大模型開源倡議，降低市場參與門檻，強化市場監管強度[13]。設立并充分發揮\"AI+”行業協會作用，以民間、市場、靈活的方式，適時發布應用指南以規制AI大模型在應用端出現的問題。常態化、市場化組織攻防演練，提升虛假信息的辨別能力。對實時決策系統強制要求人類介入，確保最終決策權歸屬人類。

3.3堅持人才優先，加強人才培育體系化建設

研究制定和率先實施人工智能領域人才相關政策措施，支持青年人才在重大科技任務中挑大梁、當主角。重視全年齡段的正確科學普及，彌合數字鴻溝，面向不同年齡段、不同行業開展AI教育[14]。例如，在中小學階段，普及AI素質及人機協作能力教育；在成人階段，設置AI工程師培訓體系及資質認證。同時，在當前考慮設立專項基金支持失業群體，培養“AI+行業”復合型人才。

3.4堅持全球視野，推進全球技術標準化建設

政府要為優勢科研機構、企業加強國際AI合作提供充足的資源支持。在倫理方面，在聯合國框架下推進AI倫理準則的更新和落地；在軍事等安全領域，制定AI系統安全認證國際標準或負面清單；在國際合作數據流通領域，引領或參與數據跨境流動領域的互認標準設計，打造并維護AI大模型相關產品國際貿易的數字基礎設施。智庫、學會等積極舉辦人工智能領域全球性會議、論壇等，促進人工智能寬領域、全方位、多層次廣泛交流。

3.5擁抱智能普惠時代，賦能智庫研究范式

在治理機制的更新滯后于研究工具發展速度的情況下，智庫可運用大模型模擬或生成成果開展反向研究與敏捷治理，從技術后果逆向推導治理路徑。例如，在經濟預測領域，運用增強學習模型進行政策效果推演；在社會治理領域，開發社會情緒預測模型，實現風險預警的智能化。智庫還可構建“政產學研用”協同創新平臺，建立AI支持的數字孿生模型，使智庫研究運用數據收集和分析的即時性，建立研究目標動態評估或風險監測體系，迭代優化提供實時最優決策建議，并使成果從事后分析有依據地轉向事前預判[15]

參考文獻：

[1]新華社.習近平：推動我國新一代人工智能健康發展[EB/OL]. （2018-10-31） [2025-03-12].http：//jhsjk.peoplecn/article/30374719.

[2]海報京津冀.《全球數字經濟白皮書（2024年）》正式發布全球AI大模型中國占比超三成[EB/OL].（2024-07-03）[2025-03-12].https：//baijiahao.baidu.com/s？id=1803546825897889277amp;wfr=spideramp;for-pc.

[3]中國信息通信研究院.2024年人工智能發展報告[M].北京：中國信息通信研究院，2024：1-2

[4]中國互聯網絡信息中心.生成式人工智能應用發展報告[R].北京：中國互聯網絡信息中心，2024：2-3

[5]今日頭條.國內大模型落地「狂飆」一年，各家廠商成績如何？[EB/OL].（2024-12-29）[2025-03-12].https：//www.toutiao.com/article/7453767082161799718/.

[6]孫柏林.讓大模型賦能新質生產力[J].計算機仿真，2024（8）： 1-5

[7] 王崢，傅宏宇．基于人工智能大模型訓練的數據安全治理[J].中國信息化，2025（7）：60-62

[8]鄭先偉.大模型訓練要保護數據集安全[J].中國教育和科研計算機網應急響應組，中國教育網絡，2025（1）：52.

[9]周勝利，徐睿，陳庭貴，等.生成式人工智能驅動下電信網絡詐騙受害風險影響因素量化分析[J].電信科學，2025，41（7）：72-82.

[10]科普時報.2025年10大戰略技術趨勢發布[EB/OL].（2024-11-19）[2025-03-12].http：//www.kepu.gov.cn/news/2024-11/19/content_260323.html.

[11]張雅妮，孫瑤.大模型或將顛覆人工智能發展范式我國需完善人工智能產業生態[J]人工智能，2024（7）：43-44.

[12]馮明昱，張勇．從分攤風險到促利用：數據安全保險的功能定位與制度建構[J].理論月刊，2025（2）：134-144.

[13]鄧若楊，趙冉，張德馨.美國《開源軟件安全倡議摘要報告》分析與啟示[J].工業信息安全，2024（5：6-11

[14]程虹.中小學人工智能教育的現實問題與發展路徑[J]試題與研究，2025（17）：26-28.

[15]高潔，武虹，孫飛翔，等.AI賦能智庫的內涵、模式與實踐研究[J].智庫理論與實踐，2025，10（2）：38-43.

作者貢獻說明：

曹靜：文獻收集，撰寫初稿；

王書華：確定選題，設計論文框架和文獻分析，修改論文；

任浙豪：提供素材和論文部分觀點，參與研討。

Abstract： [Purpose/Significance] As an important component of the artificial intelligence technology system，AI large models have garnered atention due to their technological breakthrough innovations and explosive global application development. [Method/Process] This paper points out that AI large models have entered an era of inclusive development， characterized by significant features of the era such as inteligent emergence from the perspectives of model technology， industrialization implementation，and innovationecosystem， However， inthe era ofintelligent leapfrogging，AI governance also faces numerouschallenges suchas data security，decision-making black boxes， multiple societal challenges，and geopolitical security. [Results/Conclusions] Based on this，suggestions are put forward fordevelopment，including adhering to institutionalized supervision based on grading and classification， promoting colaborative governance between the market and society， strengthening the systematic construction of talent，building technical standards，and empowering think tanks with research and development paradigms.

Keywords： AI inclusive era challenges