直击WAIC｜上海率先发布大模型产业扶持新政：破局大模型落地“最后一公里”难题

21世纪经济报道记者 季媛媛 上海报道  随着以大模型为代表的通用人工智能不断演进，人工智能呈现出从专用智能跨向通用智能，从单点突破迈向协同创新，从技术研发跃走向普惠引领发展的趋势。

7月7日，在2023世界人工智能大会（WAIC）“大模型时代的通用人工智能产业发展机遇以及风险”主题论坛上，上海市经济信息化委员会副主任阮力在论坛致辞中表示，上海正从人工智能前沿技术探索、大模型技术创新与应用、行业治理体系建设、大模型风险管理、深化国际合作交流等方面加快人工智能产业快速发展。

阮力指出，上海积极推进大模型技术的创新和应用，系统性支持技术攻关、算力供给、数据集建设和公共服务需求；布局科学智能，推进科学智能赋能生物医药、集成电路、高端装备和先进材料等创新应用；突破具身智能，提升智能机器人在复杂场景下的智能能力。

人工智能应用标准、体系化监管与安全伦理一直是行业热议话题。上海正在加快完善行业治理体系，面向人工智能关键领域技术、产品与服务、行业应用、安全伦理等，加快标准制订，在健全法规、标准、监管体系等方面，努力形成上海特色方案。

“针对大模型风险管理，上海目前已经启动高风险人工智能产品和服务清单式管理相关研究，并积极推动大模型相关治理研究；建立健全大模型评测体系，建设大模型评测中心，探索大模型自动化评测工具；探索适应大模型特点的创新监管方式。”阮力说，在国际化合作与交流层面，上海将搭建更多研讨平台，引导产业人士参与科技创新实践；积极参与国际人工智能治理规则的制定和实施，推动人工智能伦理标准的互认和协调，共同推进人工智能造福人类。

抢抓大模型发展机遇

自2018年承办首届世界人工智能大会以来，徐汇人工智能产业发展与大会的举办同频共振。在人工智能领域，2022年徐汇区人工智能产业规模已近千亿、近五年年均增速达到30%以上。在大模型和生成式人工智能细分领域，已经汇聚相关企业近200家，其中核心企业30余家，成为上海乃至全国大模型的策源地之一。

为打造大模型和生成式人工智能生态集聚和创新应用高地，在本次大会上，上海市徐汇区委常委、副区长俞林伟发布《徐汇区关于支持生成式人工智能发展的若干措施》，15条具体扶持政策、优化服务保障举措，直面企业需求和产业关切。

俞林伟透露，徐汇将率先推出面向生成式人工智能扶持政策，主要是聚焦技术强基支撑，支持通用大模型、垂类大模型等关键领域自主创新，支持具身智能、自主智能体等前沿领域布局；聚焦场景应用示范，充分发挥徐汇特色产业基础和新赛道先发优势，全面推动生成式人工智能技术在医疗、金融、社交、智能网联汽车等领域融合赋能；聚焦创新生态构建，针对算力、数据、算法、融资、人才、监管等关键环节，强化要素支撑。

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指出，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。

“中国0-1的创新，基础颠覆比较弱，这也要求我们提升创新实力，加大创新力度，真正推动0-1的创新突破。”戴琼海说。

人工智能如何解决四个痛点？

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。

实际上，过去二十多年，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，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’。”周伯文说。

在落地方面，大语言模型在学术界已出现多年，今年国内首个发布的类ChatGPT模型也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。

毫无疑问，人工智能发展给各个行业及领域带来了巨大的变革与机遇，但同时也带来了诸多风险与挑战，如资源消耗、安全隐患、社会责任等。如何平衡大模型发展带来的利弊，促进人工智能和大模型的健康发展，让更多人受益于人工智能技术的创新发展，都是需要思考和探讨的问题。这也意味着，人工智能产业仍有诸多潜力亟待挖掘。