ChatGPT背后的人工智能大模型的技術(shù)影響及應(yīng)用展望

文/李振華 倪丹成 徐潤(rùn) 編輯/韓英彤

從2022年下半年人工智能繪畫(huà)熱潮，到人工智能對(duì)話(huà)機(jī)器人程序ChatGPT在全球走紅，ChatGPT上線(xiàn)僅2個(gè)月全球活躍用戶(hù)數(shù)量達(dá)1億，超越TikTok成為史上用戶(hù)增長(zhǎng)最快的消費(fèi)者應(yīng)用，再到3月14日OpenAI發(fā)布下一代里程碑大模型GPT-4，生成式人工智能領(lǐng)域持續(xù)爆出令人驚喜的技術(shù)突破和產(chǎn)品體驗(yàn)，并催生多家獨(dú)角獸公司。生成式人工智能領(lǐng)域的爆發(fā)主要?dú)w功于人工智能大模型技術(shù)的巨大突破，標(biāo)志著人工智能技術(shù)從專(zhuān)用人工智能轉(zhuǎn)向通用人工智能的拐點(diǎn)，有望大幅提升人工智能的適用場(chǎng)景和研發(fā)效率，并打開(kāi)大規(guī)模商業(yè)化的想象空間。目前以微軟、谷歌、Meta、百度、騰訊、阿里巴巴、字節(jié)跳動(dòng)等為代表的頭部科技企業(yè)紛紛摩拳擦掌，積極投身于人工智能大模型研發(fā)熱潮之中。

人工智能大模型技術(shù)演進(jìn)趨勢(shì)

人工智能大模型的定義和優(yōu)勢(shì)

人工智能大模型即基礎(chǔ)模型（Foundation Model）（《On the Opportunities and Risk of Foundation Models》，2021.08，李飛飛等100位學(xué)者聯(lián)合發(fā)表），國(guó)際上稱(chēng)為預(yù)訓(xùn)練模型，指通過(guò)在大規(guī)模寬泛的數(shù)據(jù)上進(jìn)行訓(xùn)練后能適應(yīng)一系列下游任務(wù)的模型。

相較于小模型（針對(duì)特定場(chǎng)景需求、使用人工標(biāo)注數(shù)據(jù)訓(xùn)練出來(lái)的模型），大模型主要有以下三點(diǎn)優(yōu)勢(shì)：

涌現(xiàn)能力。通過(guò)簡(jiǎn)單的規(guī)則和相互作用，大模型能夠有效集成自然語(yǔ)言處理等多項(xiàng)人工智能核心技術(shù)，并涌現(xiàn)出強(qiáng)大的智能表現(xiàn)，將人工智能的能力從感知提升至理解、推理，甚至近似人類(lèi)“無(wú)中生有”的原創(chuàng)能力。

適用場(chǎng)景廣泛。人工智能大模型通過(guò)在海量、多類(lèi)型的場(chǎng)景數(shù)據(jù)中學(xué)習(xí)，能夠總結(jié)不同場(chǎng)景、不同業(yè)務(wù)下的通用能力，擺脫了小模型場(chǎng)景碎片化、難以復(fù)用的局限性，為大規(guī)模落地人工智能應(yīng)用提供可能。

研發(fā)效率提高。傳統(tǒng)小模型研發(fā)普遍為手工作坊式，高度依賴(lài)人工標(biāo)注數(shù)據(jù)和人工調(diào)優(yōu)調(diào)參，研發(fā)成本高、周期長(zhǎng)、效率低。大模型則將研發(fā)模式升級(jí)為大規(guī)模工廠(chǎng)式，采用自監(jiān)督學(xué)習(xí)方法，減少對(duì)人工標(biāo)注數(shù)據(jù)的依賴(lài)，顯著降低人力成本、提升研發(fā)效率。

人工智能大模型的技術(shù)演進(jìn)趨勢(shì)

階段一，訓(xùn)練數(shù)據(jù)演進(jìn)：從追求規(guī)模到重視質(zhì)量

追求規(guī)模。2018年以來(lái)，以BERT、GPT-3等為代表的人工智能大模型的成功使人們認(rèn)識(shí)到通過(guò)提升參數(shù)規(guī)模、訓(xùn)練數(shù)據(jù)量有助于顯著提升人工智能的智能水平，引發(fā)了大模型研發(fā)的軍備競(jìng)賽，大模型參數(shù)呈現(xiàn)數(shù)量級(jí)增長(zhǎng)，充分享受算法進(jìn)步下的數(shù)據(jù)規(guī)模紅利。

人工智能大模型的發(fā)展也經(jīng)歷預(yù)訓(xùn)練模型、大規(guī)模預(yù)訓(xùn)練模型、超大規(guī)模預(yù)訓(xùn)練模型三個(gè)階段，參數(shù)量實(shí)現(xiàn)從億級(jí)到百萬(wàn)億級(jí)突破（見(jiàn)圖1）。

圖1 人工智能大模型參數(shù)量從億級(jí)到百萬(wàn)億級(jí)

重視質(zhì)量。伴隨大模型參數(shù)的持續(xù)擴(kuò)大，訓(xùn)練數(shù)據(jù)的質(zhì)量對(duì)模型表現(xiàn)的重要性愈發(fā)凸顯。OpenAI對(duì)其研發(fā)的InstructGPT模型進(jìn)行實(shí)驗(yàn)發(fā)現(xiàn)：隨著參數(shù)量增加，模型性能均得到不同程度的提高；利用人工標(biāo)注數(shù)據(jù)進(jìn)行有監(jiān)督的微調(diào)訓(xùn)練后的小參數(shù)模型，比100倍參數(shù)規(guī)模無(wú)監(jiān)督的GPT模型效果更好。未來(lái)，提升大模型的訓(xùn)練數(shù)據(jù)質(zhì)量或許比提升數(shù)據(jù)規(guī)模更為重要，人工標(biāo)注數(shù)據(jù)仍有其存在的價(jià)值和意義，相關(guān)產(chǎn)業(yè)鏈的發(fā)展也值得重視（見(jiàn)圖2）。

圖2 InstructGPT采用不同訓(xùn)練方法的效果對(duì)比圖

階段二，模態(tài)支持演進(jìn)：從單一模態(tài)到多模態(tài)

從支持的模態(tài)來(lái)看，人工智能大模型先后經(jīng)歷了單語(yǔ)言預(yù)訓(xùn)練模型、多語(yǔ)言預(yù)訓(xùn)練模型、多模態(tài)預(yù)訓(xùn)練模型三個(gè)階段，模型能力持續(xù)升級(jí)（見(jiàn)圖3）。

圖3 從支持模態(tài)來(lái)看人工智能大模型的發(fā)展歷程

多模態(tài)預(yù)訓(xùn)練模型代表有2022年大火的開(kāi)源模型Stable Diffusion，掀起一波人工智能繪畫(huà)熱潮，已有大量產(chǎn)品級(jí)應(yīng)用；以及谷歌、Meta推出的文字生成視頻、文字生成音樂(lè)等預(yù)訓(xùn)練模型，但仍在早期研發(fā)階段，技術(shù)尚未成熟。

ChatGPT所基于的InstructGPT模型仍屬于自然語(yǔ)言處理（NLP）領(lǐng)域的單模態(tài)模型，擅長(zhǎng)理解和生成文本，但不支持從文本生成圖片、音頻、視頻等功能。OpenAI最新發(fā)布的大模型里程碑之作GPT-4并沒(méi)有一味追求更大規(guī)模參數(shù)，而是轉(zhuǎn)向多模態(tài)，支持輸入圖像或文本后生成文本。

階段三，架構(gòu)設(shè)計(jì)演進(jìn)：從稠密結(jié)構(gòu)到稀疏結(jié)構(gòu)

人工智能大模型架構(gòu)設(shè)計(jì)指模型的計(jì)算架構(gòu)，分為稠密結(jié)構(gòu)和稀疏結(jié)構(gòu)，二者區(qū)別為：在訓(xùn)練中，稠密結(jié)構(gòu)需激活全部神經(jīng)元參與運(yùn)算，而稀疏結(jié)構(gòu)僅需部分神經(jīng)元參與運(yùn)算。

稠密結(jié)構(gòu)導(dǎo)致高昂的大模型訓(xùn)練成本。以GPT-3為代表的早期的人工智能大模型均為稠密結(jié)構(gòu)，在計(jì)算時(shí)需激活整個(gè)神經(jīng)網(wǎng)絡(luò)，帶來(lái)極大的算力開(kāi)銷(xiāo)和內(nèi)存開(kāi)銷(xiāo)。根據(jù)國(guó)盛證券的測(cè)算，GPT-3一次訓(xùn)練成本高達(dá)140萬(wàn)美元。

稀疏結(jié)構(gòu)能夠顯著降低大模型訓(xùn)練成本。稀疏結(jié)構(gòu)是一種更像人腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在執(zhí)行具體任務(wù)的過(guò)程中只有部分特定的神經(jīng)元會(huì)被激活，顯著降低模型算力消耗。目前稀疏結(jié)構(gòu)已經(jīng)應(yīng)用至人工智能前沿研究。2022年6月，谷歌發(fā)布了第一個(gè)基于稀疏結(jié)構(gòu)的多模態(tài)模型LIMoE，證明了稀疏結(jié)構(gòu)在降低模型算力消耗的同時(shí)，還能在多項(xiàng)任務(wù)中取得不亞于稠密結(jié)構(gòu)的效果。

中美人工智能大模型技術(shù)現(xiàn)狀對(duì)比及原因探析

國(guó)內(nèi)在人工智能大模型研究上具備良好的基礎(chǔ)

從2018年至今推出大模型數(shù)量來(lái)看，美國(guó)頭部科技企業(yè)如谷歌、Meta、OpenAI、微軟等在人工智能大模型領(lǐng)域積累深厚，但我國(guó)研究機(jī)構(gòu)在全球前十大排名中也占據(jù)四個(gè)席位，包括智源人工智能研究院、清華大學(xué)、百度、阿里巴巴（見(jiàn)圖4）。

圖4 中美人工智能大模型十大機(jī)構(gòu)（2018至2023年總模型數(shù)）

我國(guó)與國(guó)外最領(lǐng)先的技術(shù)相比仍有2—3年差距

從大模型的參數(shù)量來(lái)看，美國(guó)人工智能研究機(jī)構(gòu)總是率先取得突破，比如谷歌201 7年提出Transformer模型奠定了大模型的底層模型基礎(chǔ)，OpenAI的GPT系列持續(xù)引領(lǐng)潮流；中國(guó)人工智能大模型雖然具備追趕的能力，但追趕的過(guò)程需要花費(fèi)1—2年時(shí)間，此后在模型技能上仍需時(shí)間打磨，完全拉齊效果大概需要2—3年時(shí)間（見(jiàn)圖5）。例如，OpenAI于2019年1月推出擁有15億參數(shù)量的GPT-2大模型，而國(guó)內(nèi)直至2021年1月由智源人工智能研究院研發(fā)出26億參數(shù)量的大模型——悟道文源1.0。

圖5 中美代表性大模型推出時(shí)間及參數(shù)量對(duì)比

中美大模型技術(shù)差距的原因探析

人工智能大模型研發(fā)已成為全球新一輪技術(shù)競(jìng)爭(zhēng)的核心領(lǐng)域之一，但以下多種因素制約了我國(guó)大模型技術(shù)的進(jìn)一步發(fā)展，導(dǎo)致與美國(guó)大模型技術(shù)存在較大差距。

過(guò)度依賴(lài)開(kāi)源模型進(jìn)行復(fù)制和模仿。人工智能大模型研發(fā)的關(guān)鍵因素之一是算法，而算法的進(jìn)步又依賴(lài)于持之以恒的前沿研究投入。在當(dāng)下國(guó)內(nèi)企業(yè)快節(jié)奏的競(jìng)爭(zhēng)和盈利壓力下，企業(yè)難以做到不計(jì)短期回報(bào)的投入。因而，在這些高風(fēng)險(xiǎn)的創(chuàng)新技術(shù)領(lǐng)域，國(guó)內(nèi)企業(yè)更傾向于采取復(fù)制和追隨策略，國(guó)內(nèi)大模型大多基于國(guó)外公開(kāi)論文和開(kāi)源模型的基礎(chǔ)上進(jìn)行模仿和復(fù)制，故而總是“慢人一步”。

產(chǎn)業(yè)鏈仍有短板，人工智能芯片自研能力不足制約算力發(fā)展。伴隨大模型參數(shù)量的指數(shù)級(jí)擴(kuò)張，對(duì)于算力的要求也呈爆炸式增長(zhǎng)，而算力增長(zhǎng)主要依靠高端人工智能芯片的儲(chǔ)備和芯片技術(shù)的持續(xù)進(jìn)步。但在芯片方面，美國(guó)占據(jù)絕對(duì)領(lǐng)先地位，我國(guó)起步晚，對(duì)美國(guó)進(jìn)口依賴(lài)程度高，存在“卡脖子”風(fēng)險(xiǎn)。近年來(lái)，國(guó)內(nèi)大廠(chǎng)如阿里巴巴、華為、百度、騰訊等也正加快投入積極研發(fā)本土人工智能芯片。

制度保障尚不完善，數(shù)據(jù)流通和管理機(jī)制仍有不足。在大模型訓(xùn)練所需要的數(shù)據(jù)方面，中文數(shù)據(jù)雖然在規(guī)模上有優(yōu)勢(shì)，但質(zhì)量普遍不高，一方面是國(guó)內(nèi)數(shù)據(jù)積累問(wèn)題，國(guó)內(nèi)的數(shù)據(jù)存在嚴(yán)重的“信息孤島”問(wèn)題，高質(zhì)量的數(shù)據(jù)信息割裂并沉淀在各個(gè)機(jī)構(gòu)和企業(yè)內(nèi)部；另一方面是由于數(shù)據(jù)管理機(jī)制不夠成熟，也影響了國(guó)內(nèi)數(shù)據(jù)價(jià)值的釋放。

人工智能大模型應(yīng)用場(chǎng)景和商業(yè)化前景展望

人工智能大模型有望賦能乃至顛覆各行各業(yè)

賦能制造業(yè)。首先，人工智能大模型能夠大幅提高制造業(yè)的從研發(fā)、銷(xiāo)售到售后各個(gè)環(huán)節(jié)的工作效率。比如研發(fā)環(huán)節(jié)可利用人工智能生成圖像或生成3D模型技術(shù)賦能產(chǎn)品設(shè)計(jì)、工藝設(shè)計(jì)、工廠(chǎng)設(shè)計(jì)等流程。在銷(xiāo)售和售后環(huán)節(jié)，可利用生成式人工智能技術(shù)打造更懂用戶(hù)需求、更個(gè)性化的智能客服及數(shù)字人帶貨主播，大幅提高銷(xiāo)售和售后服務(wù)能力及效率。其次，人工智能大模型結(jié)合機(jī)器人流程自動(dòng)化（RPA）有望解決人工智能無(wú)法直接指揮工廠(chǎng)機(jī)器設(shè)備的痛點(diǎn)。RPA作為“四肢”連接作為“大腦”的人工智能大模型和作為“工具”的機(jī)器設(shè)備，降低流程銜接難度，實(shí)現(xiàn)工廠(chǎng)生產(chǎn)全流程自動(dòng)化。最后，人工智能大模型合成數(shù)據(jù)能夠解決制造業(yè)缺乏人工智能模型訓(xùn)練數(shù)據(jù)的痛點(diǎn)。以搬運(yùn)機(jī)器人（AMR）為例，核心痛點(diǎn)是它對(duì)工廠(chǎng)本身的地圖識(shí)別、干擾情景訓(xùn)練數(shù)據(jù)積累有限，自動(dòng)駕駛的算法精度較差，顯著影響產(chǎn)品性能。但人工智能大模型合成的數(shù)據(jù)可作為真實(shí)場(chǎng)景數(shù)據(jù)的廉價(jià)替代品，大幅縮短訓(xùn)練模型的周期，提高生產(chǎn)效率。

賦能醫(yī)療行業(yè)。首先，人工智能大模型能夠幫助提升醫(yī)療通用需求的處理效率，比如呼叫中心自動(dòng)分診、常見(jiàn)病的問(wèn)診輔助、醫(yī)療影像解讀輔助等。其次，人工智能大模型通過(guò)合成數(shù)據(jù)支持醫(yī)學(xué)研究。醫(yī)藥研發(fā)所需數(shù)據(jù)存在法律限制和病人授權(quán)等約束，難以規(guī)?；?；通過(guò)合成數(shù)據(jù)，能夠精確復(fù)制原始數(shù)據(jù)集的統(tǒng)計(jì)特征，但又與原始數(shù)據(jù)不存在關(guān)聯(lián)性，賦能醫(yī)學(xué)研究進(jìn)步。此外，人工智能大模型通過(guò)生成3D虛擬人像和合成人聲，解決部分輔助醫(yī)療設(shè)備匱乏的痛點(diǎn)，幫助喪失表情、聲音等表達(dá)能力的病人更好地求醫(yī)問(wèn)診。

賦能金融行業(yè)。對(duì)于銀行業(yè)，可以在智慧網(wǎng)點(diǎn)、智能服務(wù)、智能風(fēng)控、智能運(yùn)營(yíng)、智能營(yíng)銷(xiāo)等場(chǎng)景開(kāi)展人工智能大模型技術(shù)應(yīng)用；對(duì)于保險(xiǎn)業(yè)，人工智能大模型應(yīng)用包括智能保險(xiǎn)銷(xiāo)售助手、智能培訓(xùn)助手等，但在精算、理賠、資管等核心價(jià)值鏈環(huán)節(jié)賦能仍需根據(jù)專(zhuān)業(yè)知識(shí)做模型訓(xùn)練和微調(diào)；對(duì)于證券期貨業(yè)，人工智能大模型可以運(yùn)用在智能投研、智能營(yíng)銷(xiāo)、降低自動(dòng)化交易門(mén)檻等領(lǐng)域。

賦能乃至顛覆傳媒與互聯(lián)網(wǎng)行業(yè)。首先，人工智能大模型將顯著提升文娛內(nèi)容生產(chǎn)效率、降低成本。此前人工智能只能輔助生產(chǎn)初級(jí)重復(fù)性或結(jié)構(gòu)化內(nèi)容，如人工智能自動(dòng)寫(xiě)新聞稿、人工智能播報(bào)天氣等。在大模型賦能下，已經(jīng)可以實(shí)現(xiàn)人工智能營(yíng)銷(xiāo)文案撰寫(xiě)（如美國(guó)獨(dú)角獸公司Jasper.ai）、人工智能生成游戲原畫(huà)（目前國(guó)內(nèi)游戲廠(chǎng)商積極應(yīng)用人工智能繪畫(huà)技術(shù)）、人工智能撰寫(xiě)劇本（僅憑一段大綱可以自動(dòng)生成完整劇本的產(chǎn)品Dramatron）等，后續(xù)伴隨音樂(lè)生成、動(dòng)畫(huà)視頻生成等AIGC技術(shù)的持續(xù)突破，人工智能大模型將顯著縮短內(nèi)容生產(chǎn)周期、降低制作成本。其次，人工智能大模型將顛覆互聯(lián)網(wǎng)已有業(yè)態(tài)及場(chǎng)景入口。短期來(lái)看，傳統(tǒng)搜索引擎最容易被類(lèi)似ChatGPT的對(duì)話(huà)式信息生成服務(wù)所取代，因?yàn)楹笳呔邆涓叩男畔@取效率和更好的交互體驗(yàn)；同時(shí)傳統(tǒng)搜索引擎商業(yè)模式搜索競(jìng)價(jià)廣告也將迎來(lái)嚴(yán)峻的挑戰(zhàn)，未來(lái)可能會(huì)衍生出付費(fèi)會(huì)員模式或新一代營(yíng)銷(xiāo)科技。中長(zhǎng)期看，其他互聯(lián)網(wǎng)業(yè)態(tài)，如內(nèi)容聚合分發(fā)平臺(tái)、生活服務(wù)平臺(tái)、電商購(gòu)物平臺(tái)、社交社區(qū)等流量入口都將有被人工智能大模型重塑或顛覆的可能性。

人工智能大模型的商業(yè)模式及前景分析

短期內(nèi)，人工智能大模型的變現(xiàn)方式仍然以開(kāi)放付費(fèi)應(yīng)用程序編程接口（API）調(diào)用為主。由于人工智能大模型投入成本高昂，大模型廠(chǎng)商前期投入巨大，通過(guò)開(kāi)放API模式向各行業(yè)開(kāi)放模型并收取調(diào)用費(fèi)，能夠規(guī)避集中押注單一行業(yè)的風(fēng)險(xiǎn)，構(gòu)建相對(duì)穩(wěn)定且輕量的收入模型。而行業(yè)應(yīng)用開(kāi)發(fā)者通過(guò)較低的價(jià)格便可調(diào)用最領(lǐng)先的大模型技術(shù)，應(yīng)用于自身產(chǎn)品中提升服務(wù)質(zhì)量。以O(shè)penAI為例，2023年3月1日宣布正式允許第三方開(kāi)發(fā)者通過(guò)API將ChatGPT集成到其應(yīng)用程序（APP）和服務(wù)中，同時(shí)采取低價(jià)搶占市場(chǎng)策略，將優(yōu)化后API定價(jià)降至此前的十分之一，對(duì)后發(fā)大模型公司帶來(lái)巨大追趕壓力。這一舉措大幅降低使用門(mén)檻，商業(yè)用戶(hù)數(shù)量將迎來(lái)快速增長(zhǎng)。

在人工智能大模型及相關(guān)應(yīng)用產(chǎn)業(yè)發(fā)展的早期，監(jiān)管層應(yīng)以更為包容的態(tài)度展開(kāi)相關(guān)工作，鼓勵(lì)探索創(chuàng)新。

長(zhǎng)期來(lái)看，人工智能大模型廠(chǎng)商仍會(huì)深度介入某些具備重要價(jià)值的垂類(lèi)應(yīng)用場(chǎng)景，比如信息咨詢(xún)、金融服務(wù)、醫(yī)療服務(wù)等，通過(guò)戰(zhàn)略投資生態(tài)合作伙伴或自研應(yīng)用級(jí)產(chǎn)品的方式，并通過(guò)付費(fèi)訂閱或新一代廣告模式來(lái)進(jìn)行變現(xiàn)。

相關(guān)建議

現(xiàn)階段，人工智能大模型發(fā)展存在著一定挑戰(zhàn)。首先，人工智能大模型本身仍有一定技術(shù)風(fēng)險(xiǎn)：魯棒性（即系統(tǒng)的健壯性）不足，系統(tǒng)在面對(duì)黑天鵝事件和對(duì)抗性威脅時(shí)可能會(huì)表現(xiàn)出能力缺失；可解釋性較低，缺乏理論支撐，本質(zhì)基于條件概率，只能接近但無(wú)法重現(xiàn)人類(lèi)思維邏輯，存在部分事實(shí)性錯(cuò)誤；算法偏見(jiàn)，訓(xùn)練語(yǔ)料庫(kù)若缺乏代表性或包含人類(lèi)偏見(jiàn)，模型會(huì)存在算法偏見(jiàn)問(wèn)題。其次，人工智能大模型發(fā)展也會(huì)帶來(lái)一定的社會(huì)風(fēng)險(xiǎn)：數(shù)字鴻溝，可能會(huì)加劇技術(shù)擁有者和缺乏者在信息獲取層面的不公平現(xiàn)象；壟斷風(fēng)險(xiǎn)，領(lǐng)先的大模型技術(shù)若被海外巨頭壟斷，將對(duì)國(guó)內(nèi)的技術(shù)進(jìn)步和經(jīng)濟(jì)發(fā)展造成不利影響；內(nèi)容風(fēng)險(xiǎn)，人工智能生成內(nèi)容爆發(fā)后可能會(huì)產(chǎn)生大量錯(cuò)誤信息污染互聯(lián)網(wǎng)環(huán)境。

為此，人工智能大模型作為中美新一輪技術(shù)競(jìng)爭(zhēng)的核心領(lǐng)域之一，國(guó)家層面應(yīng)積極鼓勵(lì)國(guó)內(nèi)基礎(chǔ)模型研究的發(fā)展、配套硬件基礎(chǔ)設(shè)施建設(shè)及應(yīng)用落地，配套管理措施也需及時(shí)跟進(jìn)。

基礎(chǔ)研究方面，人工智能大模型是高資金投入、高人才壁壘的研究領(lǐng)域，頭部效應(yīng)明顯，應(yīng)構(gòu)建以領(lǐng)軍企業(yè)為主體、產(chǎn)學(xué)研合作的創(chuàng)新體系，對(duì)于重點(diǎn)人才需加大力度引進(jìn)，強(qiáng)化科學(xué)家之家的國(guó)際交流合作，加速追趕國(guó)際前沿水平。

產(chǎn)業(yè)配套方面，大力支持國(guó)產(chǎn)人工智能芯片和超算平臺(tái)的發(fā)展，構(gòu)建國(guó)家數(shù)據(jù)資源平臺(tái)、發(fā)展數(shù)據(jù)標(biāo)注產(chǎn)業(yè)及合成數(shù)據(jù)產(chǎn)業(yè)等，為國(guó)產(chǎn)人工智能大模型研發(fā)提供算力和數(shù)據(jù)保障。

應(yīng)用落地方面，應(yīng)積極推動(dòng)大模型在制造業(yè)、醫(yī)療、金融、傳媒、互聯(lián)網(wǎng)領(lǐng)域的行業(yè)示范應(yīng)用和規(guī)?；瘍r(jià)值落地，打造一批可復(fù)制、可推廣的標(biāo)桿型示范案例。

行業(yè)監(jiān)管方面，在人工智能大模型及相關(guān)應(yīng)用產(chǎn)業(yè)發(fā)展的早期，監(jiān)管層應(yīng)以更為包容的態(tài)度展開(kāi)相關(guān)工作，鼓勵(lì)探索創(chuàng)新，大模型帶來(lái)的風(fēng)險(xiǎn)主要是技術(shù)層面的問(wèn)題，通過(guò)行業(yè)共同探索技術(shù)解決方案能夠有效把控相關(guān)風(fēng)險(xiǎn)。