“十五五”時(shí)期人工智能產(chǎn)業(yè)發(fā)展需要解決的關(guān)鍵問(wèn)題包括核心技術(shù)與基礎(chǔ)研究、產(chǎn)業(yè)鏈與生態(tài)建設(shè)、算力與成本問(wèn)題、數(shù)據(jù)安全與隱私保護(hù)以及人才與培養(yǎng)等方面。只有全面解決這些問(wèn)題，才能推動(dòng)我國(guó)人工智能產(chǎn)業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展。

（一）高端人才相對(duì)稀缺，關(guān)鍵核心技術(shù)有待突破

人才方面，仍需加大力度優(yōu)化人才供給結(jié)構(gòu)。根據(jù)脈脈高聘人才智庫(kù)發(fā)布《2023泛人工智能人才洞察》，人工智能人才供不應(yīng)求情況進(jìn)一步加劇，2022年人工智能行業(yè)人才供需比為0.63,2023年1-8月下降至0.39。斯坦福大學(xué)《人工智能指數(shù)2023》指出，中國(guó)人工智能高端學(xué)者數(shù)量排名全球第二，但僅與谷歌公司一家數(shù)量接近，總量上只有美國(guó)的五分之一。關(guān)鍵核心技術(shù)方面，我國(guó)人工智能重應(yīng)用輕基礎(chǔ)。我國(guó)雖然在語(yǔ)音、視覺(jué)和自然語(yǔ)言處理等應(yīng)用算法開發(fā)上屢獲佳績(jī)，但在數(shù)據(jù)標(biāo)準(zhǔn)、模型原創(chuàng)、基礎(chǔ)理論開發(fā)或技術(shù)優(yōu)化等方面仍落后于國(guó)際領(lǐng)先水平，長(zhǎng)期以來(lái)存在的研究依賴慣性導(dǎo)致中國(guó)在基礎(chǔ)研究領(lǐng)域投入力量較為薄弱。

夯實(shí)基礎(chǔ)領(lǐng)域人才培育，推進(jìn)人工智能原始創(chuàng)新。人才培育方面，從人工智能專業(yè)相關(guān)的基礎(chǔ)領(lǐng)域出發(fā)，加強(qiáng)數(shù)學(xué)、物理、電子信息、腦神經(jīng)學(xué)科等前沿基礎(chǔ)學(xué)科建設(shè)，積極培育前沿領(lǐng)域交叉復(fù)合型人才。對(duì)基礎(chǔ)算法、開源框架、芯片等短板領(lǐng)域的要進(jìn)一步加大人才交流和引進(jìn)通道，鼓勵(lì)高校和科研機(jī)構(gòu)增加赴外交流合作、高校和企業(yè)之間建立人才雙向流通通道，暢通產(chǎn)學(xué)研用人才鏈。國(guó)際項(xiàng)目合作，技術(shù)咨詢平臺(tái)等多種合作手段多措并舉，創(chuàng)新人才引培模式。原始創(chuàng)新方面，加快關(guān)鍵技術(shù)突破，充分發(fā)揮高校和科研院所創(chuàng)新能力，開展深度學(xué)習(xí)、機(jī)器視覺(jué)、智能決策、人機(jī)交互、大模型等領(lǐng)域前沿理論研究。鼓勵(lì)高校、人工智能企業(yè)、工業(yè)制造企業(yè)等成立專注工業(yè)人工智能的創(chuàng)新聯(lián)合體，推動(dòng)核心技術(shù)研發(fā)，提高符合產(chǎn)業(yè)特點(diǎn)的技術(shù)產(chǎn)品供給。

（二）算力需求大、成本投入高，行業(yè)進(jìn)入門檻較高

人工智能模型變“大”需要攻克算力挑戰(zhàn)與理論限制，讓人工智能模型變得更大并非單純?cè)黾由窠?jīng)網(wǎng)絡(luò)深度、堆疊人工神經(jīng)元就可以實(shí)現(xiàn)。以CNN、RNN等人工神經(jīng)元為基礎(chǔ)的模型需要采用串行結(jié)構(gòu)，模型訓(xùn)練過(guò)程需要順序執(zhí)行，無(wú)法充分利用所有計(jì)算資源。隨著模型參數(shù)量提升，訓(xùn)練時(shí)間呈指數(shù)型增長(zhǎng)。同時(shí)，模型參數(shù)量的增加會(huì)導(dǎo)致模型的過(guò)擬合風(fēng)險(xiǎn)上升，訓(xùn)練過(guò)程需要更多的數(shù)據(jù)和計(jì)算資源，優(yōu)化也變得更加困難。人工智能大模型的訓(xùn)練成本包括GPU等算力芯片成本、服務(wù)器成本、標(biāo)準(zhǔn)機(jī)柜成本、訓(xùn)練時(shí)長(zhǎng)內(nèi)的電力消耗費(fèi)用、人力投入費(fèi)用等多方面。根據(jù)市場(chǎng)調(diào)研機(jī)構(gòu)TtrendForce數(shù)據(jù)，ChatGPT每日處理1300萬(wàn)獨(dú)立訪問(wèn)量，需要3萬(wàn)+片NVIDIA A100 GPU以龐大的計(jì)算和存儲(chǔ)資源支持，初期投入高達(dá)8億美元，1750億參數(shù)的GPT-3的總訓(xùn)練成本高達(dá)1200萬(wàn)美元。

降低算力使用門檻，優(yōu)化算力體系建設(shè)。一是強(qiáng)化分布式計(jì)算、量化、顯存優(yōu)化、算子融合等關(guān)鍵核心技術(shù)攻關(guān)與落地應(yīng)用，降低大模型推理的時(shí)延，提高吞吐量，減少對(duì)算力的需求。二是推進(jìn)高性能算力供給。適度超前布局算力、網(wǎng)絡(luò)等支撐人工智能發(fā)展的數(shù)字基礎(chǔ)設(shè)施，加快實(shí)施“東數(shù)西算”工程，形成全國(guó)算力一張網(wǎng)，搭建算力共享服務(wù)平臺(tái)，解決企業(yè)算力應(yīng)用瓶頸。三是發(fā)布算力券實(shí)施方案支持人工智能大模型應(yīng)用落地。為企業(yè)提供算力券補(bǔ)貼支持，努力幫助企業(yè)降低智能算力使用成本，全力支持制造業(yè)等重點(diǎn)領(lǐng)域企業(yè)開展人工智能行業(yè)大模型應(yīng)用探索和落地實(shí)踐。四是建議分步驟推進(jìn)智能算力中心建設(shè)，先追求算力的普惠化，降低成本和提高利用率，再逐步擴(kuò)容。

（三）人工智能重點(diǎn)行業(yè)應(yīng)用不足，行業(yè)合作生態(tài)亟待建立

一方面，盡管人工智能技術(shù)的發(fā)展勢(shì)頭強(qiáng)勁，但對(duì)我國(guó)大多數(shù)傳統(tǒng)行業(yè)的應(yīng)用還處于小規(guī)模試點(diǎn)，與歐美等發(fā)達(dá)國(guó)家相比，尚存在較大的差距。根據(jù)凱捷公司的統(tǒng)計(jì)數(shù)據(jù)顯示，歐洲頂級(jí)制造業(yè)企業(yè)中，人工智能的應(yīng)用普及率已經(jīng)超過(guò)了51%，美國(guó)也達(dá)到了28%，而我國(guó)頂級(jí)制造業(yè)企業(yè)的人工智能應(yīng)用普及率僅為11%。這一數(shù)據(jù)不僅揭示了我國(guó)在人工智能應(yīng)用方面的不足，也反映出巨大的發(fā)展?jié)摿吞嵘臻g。另一方面，在重點(diǎn)應(yīng)用領(lǐng)域，尤其是工業(yè)制造行業(yè)，大模型技術(shù)的應(yīng)用案例尚顯不足。目前，工業(yè)領(lǐng)域?qū)Υ竽Ｐ偷奶剿餍詰?yīng)用主要集中在設(shè)計(jì)輔助、質(zhì)量預(yù)測(cè)、設(shè)備維護(hù)等方面。這些應(yīng)用雖然在一定程度上提高了生產(chǎn)效率和產(chǎn)品質(zhì)量，但距離廣泛應(yīng)用和形成可復(fù)制、可推廣的工業(yè)大模型還有一定距離。

加快賦能千行百業(yè)，打造行業(yè)合作生態(tài)。一是引導(dǎo)人工智能企業(yè)與行業(yè)領(lǐng)軍企業(yè)開展定向合作。基于行業(yè)企業(yè)提供真實(shí)業(yè)務(wù)場(chǎng)景、數(shù)據(jù)以及行業(yè)真實(shí)需求，開發(fā)核心算法和預(yù)訓(xùn)練模型，共同研發(fā)落地應(yīng)用大模型。二是打造人工智能企業(yè)與行業(yè)企業(yè)的對(duì)接平臺(tái)。搭建人工智能企業(yè)與制造業(yè)、醫(yī)療、農(nóng)業(yè)等行業(yè)企業(yè)的對(duì)接平臺(tái)，幫助雙方實(shí)現(xiàn)技術(shù)、模型、數(shù)據(jù)、場(chǎng)景等資源對(duì)接，孵化行業(yè)領(lǐng)域應(yīng)用模式。三是依托工業(yè)互聯(lián)網(wǎng)平臺(tái)，打造人工智能企業(yè)與行業(yè)企業(yè)的大模型合作生態(tài)。通過(guò)工業(yè)互聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)兩者的快速對(duì)接，提供保障算法、模型、數(shù)據(jù)安全的人工智能要素線上交易服務(wù)，面向不同行業(yè)建立標(biāo)準(zhǔn)化的大模型開發(fā)環(huán)境，幫助企業(yè)快速研發(fā)和驗(yàn)證場(chǎng)景化解決方案。

（四）適度監(jiān)管與促進(jìn)發(fā)展并重，監(jiān)管手段創(chuàng)新勢(shì)在必行

人工智能產(chǎn)業(yè)當(dāng)前處于快速成長(zhǎng)期，其技術(shù)演變和經(jīng)濟(jì)社會(huì)影響具有很多的不確定性。一方面，人工智能具有強(qiáng)大的創(chuàng)新力，有望發(fā)展成為新的經(jīng)濟(jì)增長(zhǎng)引擎，極大改善社會(huì)福祉。另一方面，人工智能帶來(lái)的倫理與安全、負(fù)外部性等問(wèn)題也頻頻引發(fā)社會(huì)關(guān)注。如果政策過(guò)嚴(yán)、管制過(guò)多，將在一定程度上阻礙我國(guó)人工智能產(chǎn)業(yè)發(fā)展進(jìn)程，可能拉大我國(guó)與發(fā)達(dá)國(guó)家的差距，導(dǎo)致我國(guó)陷入被動(dòng)和落后的局面；如果政策過(guò)松、監(jiān)管滯后，也可能導(dǎo)致人工智能“負(fù)作用”在經(jīng)濟(jì)社會(huì)各領(lǐng)域持續(xù)擴(kuò)散。因此，以何種力度、何種方式、在何種時(shí)機(jī)對(duì)人工智能進(jìn)行合理規(guī)制，是監(jiān)管部門需要重點(diǎn)解決的難題。

推動(dòng)監(jiān)管手段創(chuàng)新，提升應(yīng)對(duì)挑戰(zhàn)能力。一是明確技術(shù)研發(fā)“禁區(qū)”，禁止危害社會(huì)運(yùn)轉(zhuǎn)和公眾生活安全的技術(shù)研發(fā)方向，禁止技術(shù)研發(fā)用于違法犯罪。二是不斷完善各類監(jiān)管標(biāo)準(zhǔn)規(guī)范，包括數(shù)據(jù)使用監(jiān)管、算法使用監(jiān)管等，充分推動(dòng)相關(guān)法律法規(guī)完善治理機(jī)制，引導(dǎo)人工智能產(chǎn)業(yè)健康可持續(xù)性發(fā)展。三是鼓勵(lì)可信技術(shù)用于倫理監(jiān)管領(lǐng)域，推動(dòng)監(jiān)管手段創(chuàng)新也受益于技術(shù)創(chuàng)新。最后，創(chuàng)新試點(diǎn)示范和沙盒監(jiān)管等新監(jiān)管方式，對(duì)部分前沿引領(lǐng)性技術(shù)允許小規(guī)范、小范圍的先行先試，及時(shí)令行禁止，采取先驗(yàn)證后推廣，邊試邊用的模式，逐步同步監(jiān)管手段與技術(shù)創(chuàng)新。