7月7日，2023世界人工智能大会“大模型时代的通用人工智能产业发展机遇以及风险”主题论坛在上海西岸举行。本场论坛由中国人工智能学会、徐汇区人民政府主办，由上海国创中心、中国人工智能学会人机融合智能专委会承办。

论坛汇聚通用人工智能领域顶级专家、学者、人工智能产业应用领域人士，聚焦大模型为代表的通用人工智能，分别从技术前沿方向、底层算力基础、伦理法规治理、未来发展趋势等全方位视角展开深度探讨。

(相关资料图)

在业内人士看来，我国应抢抓通用人工智能发展机遇，积极推进大模型创新和应用，同时针对风险与挑战，也应加强大模型风险管理与行业治理。

应强化基础研究 避免陷入“无源之水”困境

人工智能正深刻的改变这个时代，我国人工智能产业迎来发展机遇，但也面临应用强，原始创新不足等问题。国务院参事、中国工程院院士、中国人工智能学会理事长、清华大学信息科学技术学院院长戴琼海表示，我国应从政策、机制和投入上深化人工智能的人才培养和基础研究，强化原始创新，避免陷入“无源之水”困境。

人工智能创新发展有三个基础——算法、数据、算力。戴琼海指出，算法决定智能水平，数据决定智能范围，算力决定智能效率。

在算法层面，大模型预计5年左右将成为人工智能应用中关键基础性平台，类似PC时代操作系统由美主导，大模型生态可能会对我国形成严峻的挑战。政府要鼓励企业主导大模型建设，探索生物机制和机器特色相结合引领人工智能基础突破，推动基础研究和应用拓展并举。同时要注意，大模型尚不能对输出进行可信性的验证，需要防范相应风险。

在数据层面，人工智能发展不断拓宽可处理数据边界、智能算法能力和可影响环境范围。数据从限定场景扩大到开放场景，需要避免算法和数据发展再次出现交叉，使人工智能发展再次陷入低谷。政府可以引导建设下一代数据平台、抢占人工智能前哨站、引导构建新基础设施。

在算力层面，政府可以在人工智能芯片、通用芯片等领域引导企业攻坚克难，在量子计算、光电计算等新赛道支持基础研究出奇抢占先机。

大模型落地最后一公里 人工智能如何解决痛点？

人工智能 1.0时代，使用一个模型只能解决一个任务，例如聊天能力、翻译能力，搜索引擎需要使用不同的模型进行实现，并且应用与算法绑定，只能进行算法与系统协同设计；而在人工智能2.0时代，可以使用一个模型解决多个任务，这些应用都可以通过微调以后使用同一个大语言模型实现，这时候，应用、算法、系统可以进行协同优化。

清华大学电子工程系长聘教授、系主任、IEEE Fellow汪玉指出，当前正处在从人工智能1.0的专用小模型时代过渡到人工智能2.0的通用大模型时代，在人工智能2.0时代需要大模型中间层——依靠软硬件协同设计助力解决四方面的痛点：

一是支持长文本输入，让用户用得更好，如从支持2k token的快速推理和训练到支持32k token，解决好专业长文本信息的检索生成，和会议聊天助手等应用；二是提升性价比，把语言或多模态生成模型部署到消费级显卡甚至手机等终端设备上，让用户用得起；三是垂直领域适配，用大模型的通用能力帮助到各行各业的人们提升体验和工作效率；四是一站式部署，让大模型能够以低人力成本地部署到各种场景，让每个工厂、学校、家庭、甚至个人都能感受到大模型的便利。

企业需紧贴业务进行AI战略设计、完善配套架构

过去20多年，为公众所熟知的DeepBlue、IBM Watson 和 AlphaGo 等AI应用，往往通过与人类竞争制造热点，并以超过人类的效果获得广泛关注。IEEE/CAAI Fellow、清华大学惠妍讲席教授、电子系长聘教授、衔远科技创始人周伯文表示，ChatGPT开启了AGI新拐点，AI从“与人竞争”变为“协同交互”，AI从交互中学习，进而协同人类解决问题。

由于AI从ANI(狭义人工智能)迭代到AGI（通用人工智能），能够极大突破落地应用瓶颈。在实践中当中，周伯文认为，AI能否与企业业务充分结合，是决定AI能否实现经济价值的关键因素。只有紧贴业务的AI战略设计、完善的配套架构、充足的AI人才、健全的内部培养机制，才能使AI与业务发展需求充分融合，最大化经济收益。

周伯文表示，目前中国人工智能的采用率较世界领先国家存在较大提升空间，企业尚未普遍通过采用人工智能技术实现大模型的营收增长与利润贡献。未来，企业需要从提升产品功能、拓展服务品类、找准关键用户、挖掘高价值高潜力场景、促进全链路线上线下协同等方面来实现以商品为中心让位到以使用者为中心，推动人工智能产业的数智化升级。

在商业应用落地层面，周伯文认为，中国生成式人工智能需要探索一条新的道路，即垂直整合从自有基础大模型到应用、到终端用户的全场景闭环，以实现生成式 AI 技术与商业价值“双落地”。

通用大模型依然在可信性、安全性等方面存在挑战

国内首个类ChatGPT模型——复旦大学MOSS系统负责人邱锡鹏表示，大语言模型在学术界已出现多年，今年正式走进了公众视野和人们的日常生活，给人工智能研究、从业者和人们的日常生活带来了巨大的变革。作为一个大语言模型，MOSS 可执行对话生成、编程、事实问答等系列任务。MOSS 的开发步骤包括了自然语言模型的基座训练、理解人类意图的对话能力训练两个阶段，和ChatGPT具有相近的通用语义理解能力，但在推理能力和事实类知识方面仍有一定差距，目前MOSS系列在中文语义理解方面取得很大进步，未来将通过扩大模型规模和使用工具来进一步缩小差距。

邱锡鹏提到，通用大模型不仅仅是工程问题，除算力需求大外，目前依然在可信性、安全性、逻辑性等方面存在很多挑战，需要高校研究团队进行重大科研攻关，解决智能涌现、复杂推理、高效架构、知识融合、学习策略等科学问题，为通用大模型的落地提供理论和技术支撑。MOSS近期的研究重点是如何理解复杂任务并进行任务分解后调用不同工具来完成任务。

5个月以来，MOSS系统正在日夜迭代优化，目前MOSS团队正在通过参与大型语言模型生态建设，并在未来实现对话模型、模型微调、AIGT检测、模型对比和模型评测集一体的开源开放平台。