数智新风向
本报记者 胡畔
大模型时代的到来使得人工智能（AI）迈入了一个新的发展阶段。在这个阶段，专业性大模型的开发和应用成为了行业关注的焦点。
应用场景丰富是中国AI发展的优势
从自然语言处理到图像识别，从医疗保健到金融服务，专业性大模型AI的发展正逐渐改变着人工智能的格局，为各行业带来了巨大的机遇和挑战。
中央财经大学中国互联网经济研究院副院长欧阳日辉在接受中国经济时报记者采访时表示，人工智能重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。按照应用领域，我国人工智能可分为视觉人工智能、决策类人工智能、语音及语义人工智能等类别。经过多年的发展和实践，我国人工智能已广泛应用于城市管理、金融、零售、制造等诸多领域。
在大模型助力AI快速发展的新时代，准确把握人工智能的走向已被视为抓住未来发展的关键。
欧阳日辉表示，近年来，我国人工智能产业取得长足发展。百度、阿里、华为、腾讯、科大讯飞、云从科技、京东等人工智能开放平台已初步具备支撑产业快速发展的能力。
以国内涉足人工智能大模型训练的机构为例，主要分为大型科技公司、科研院校和初创科技团队三类。从大模型的布局体系来看，百度、阿里、华为等大型科技公司从算力层、平台层、模型层、应用层进行了四位一体的全面布局，科研院校及初创科技公司主要以研发大模型算法及细分领域应用为主；从大模型参数量看，大型科技公司的参数量远大于科研院所，但基本都处于千亿及以上规模；从大模型应用方向看，大部分企业前期以内部应用为主，后续主要向B端企业拓展服务，预计少数企业将在C端市场形成规模。总体来说，业界普遍认为国内大模型与GPT-3的水平相当，与GPT-4仍有较大差距。
“人工智能的本质是知识自动化。知识自动化致力于利用人工智能完成大部分白领工作，未来的白领将主要从事创造性和决策性的工作。虽然我们在AIGC大模型方面暂时落后于美国，但我国在人工智能领域更有可能领先世界。中国的优势在于应用场景丰富，拥有超大规模市场。问题导向，应用牵引和市场驱动我国技术进步和企业发展，是中国式技术发展和创新道路。”欧阳日辉说。
为大模型AI的发展提供可持续的环境
当下，我国专业性大模型AI的开发仍然面临一些挑战和限制。一方面，大模型的训练需要庞大的计算资源和时间，这对于一些中小型企业和研究机构来说是一个难以逾越的壁垒。另一方面，大模型的训练数据需要大量的人工标注和清洗，这对于一些领域专业性较高的任务来说是一个复杂而耗时的过程。此外，大模型的应用也面临着数据隐私和安全性的挑战，如何保护用户数据和防止滥用成为了亟待解决的问题。
对此，专家建议，首先要加大对大模型训练数据和算法模型的研究和投入，进一步提高其准确性和效率。其次要加强跨学科的合作，汇集各领域的专业知识和资源，推动大模型AI在各个行业的应用落地。此外，要制定相应的政策和法规，加强数据隐私和安全保护，为大模型AI的发展提供可持续的环境。
欧阳日辉强调，要深化产学研用融合，高校和科研院所的科研人员要真正把企业作为技术创新的主体，不把企业当做所谓科研成果转移的接受者，研究要围绕企业需要、回答企业的提问，经世致用；高校人工智能人才培养坚持以“需求导向、应用驱动”“项目牵引、多元支持”“跨界融合、精准培养”为基本原则，探索以问题为导向的学科交叉人才培养模式。
总而言之，尽管存在一些挑战，专业性大模型AI的前景依然十分广阔。未来，随着计算技术的进步和算法模型的不断优化，大模型的开发和应用将变得更加普遍和可行，大模型AI也将更好地适应各行各业的专业性需求，为医疗、金融、教育、能源等领域带来更多的创新和发展机会。
相信，通过持续地创新和合作，专业性大模型AI将为社会带来更多的创造力和效益，引领人工智能迈向一个更加繁荣和可持续的未来。
