一、前沿人工智能的發(fā)展現(xiàn)狀

數(shù)據(jù)、算力、算法作為人工智能的三大基本要素，相互依存、相互支撐，共同促進人工智能快速發(fā)展。本節(jié)將從三大要素層面梳理前沿人工智能的發(fā)展現(xiàn)狀。

（一）數(shù)據(jù)要素發(fā)展現(xiàn)狀

數(shù)據(jù)產(chǎn)量高速增長，數(shù)據(jù)要素市場潛力巨大。目前，全球超大規(guī)模數(shù)據(jù)中心有一半位于中國和美國。根據(jù)2024年全國數(shù)據(jù)工作會議報告，經(jīng)初步測算，2023年我國數(shù)據(jù)生產(chǎn)總量預計超過32ZB。根據(jù)Statista統(tǒng)計和預測，2025年全球數(shù)據(jù)量將達到174ZB，中國整體數(shù)據(jù)量將達到48.6ZB，占全球數(shù)據(jù)規(guī)模的27.9%，將超過美國成為世界最大數(shù)據(jù)生產(chǎn)國；2035年，全球數(shù)據(jù)量將達到2142ZB。為了支撐海量數(shù)據(jù)要素的流通和交易，我國組建國家數(shù)據(jù)局，協(xié)調(diào)推進數(shù)據(jù)基礎(chǔ)制度建設(shè)、數(shù)據(jù)資源整合共享和開發(fā)利用等工作，并加快構(gòu)建全國一體化算力網(wǎng)絡(luò)、數(shù)據(jù)中心規(guī)模、云計算服務能力、5G基站數(shù)量等數(shù)據(jù)流通利用基礎(chǔ)設(shè)施，大部分省份配套設(shè)立數(shù)據(jù)發(fā)展促進中心，組建數(shù)據(jù)集團。

數(shù)據(jù)成為新型生產(chǎn)要素，數(shù)據(jù)驅(qū)動數(shù)字經(jīng)濟穩(wěn)步發(fā)展。數(shù)據(jù)要素中可提煉出信息、知識、智慧，因此被看作新一代信息技術(shù)下的新的生產(chǎn)資源，被廣泛應用于金融、物聯(lián)網(wǎng)、零售、醫(yī)療健康、航空航天等各領(lǐng)域，已快速融入生產(chǎn)、分配、流通、消費和社會服務管理等各環(huán)節(jié)，成為產(chǎn)業(yè)智能化升級、社會生產(chǎn)生活方式變革的重要力量及經(jīng)濟發(fā)展新動能。麥肯錫預測，數(shù)據(jù)流動量每增加10%，就將帶動GDP增長0.2%。按照到2025年全球數(shù)據(jù)總量預計達174ZB計算，對經(jīng)濟增長的貢獻有望達到11萬億美元。作為數(shù)字化的知識和信息，數(shù)據(jù)要素與數(shù)字經(jīng)濟發(fā)展密不可分。整體來看，數(shù)字經(jīng)濟重地主要是美洲、亞洲和歐洲。2022年，美國、中國、德國、日本、韓國這5個世界主要國家的數(shù)字經(jīng)濟總量為31萬億美元，數(shù)字經(jīng)濟占GDP的比重為58%，較2016年提升約11%；數(shù)字經(jīng)濟規(guī)模同比增長7.6%，高于GDP增速5.4個百分點。中國信息通信研究院數(shù)據(jù)顯示，2022年，中國數(shù)字經(jīng)濟規(guī)模達到50.2萬億元，同比名義增長10.3%，已連續(xù)11年顯著高于同期GDP名義增速，數(shù)字經(jīng)濟占GDP的比重相當于第二產(chǎn)業(yè)占國民經(jīng)濟的比重，達到41.5%。

數(shù)據(jù)質(zhì)量影響人工智能應用性能，高質(zhì)量的數(shù)據(jù)有助于提高人工智能決策的可解釋性和透明度。數(shù)據(jù)在人工智能中扮演著至關(guān)重要的角色，主要應用體現(xiàn)在以下幾方面。一是機器學習，數(shù)據(jù)可以用于機器學習算法的訓練和優(yōu)化，使人工智能系統(tǒng)能夠從中學習并改進其性能，通過大量數(shù)據(jù)的訓練，機器學習模型可以自動發(fā)現(xiàn)數(shù)據(jù)中的模式，并據(jù)此進行預測或決策。二是自然語言處理，數(shù)據(jù)為自然語言處理提供了豐富的語料庫，用于訓練模型以提高機器對語言的理解和生成能力，這使得機器能夠更準確地解析人類語言，實現(xiàn)智能對話、文本分類、情感分析等功能。三是圖像識別，大量的圖像數(shù)據(jù)可以用于訓練圖像識別模型，使其能夠識別出各種物體、場景和特征，這對于自動駕駛、安防監(jiān)控、醫(yī)療影像分析等領(lǐng)域具有重要意義。四是推薦系統(tǒng)，數(shù)據(jù)在推薦系統(tǒng)中發(fā)揮著至關(guān)重要的作用。通過對用戶行為數(shù)據(jù)的收集和分析，推薦系統(tǒng)能夠了解用戶的興趣和偏好，從而為用戶推薦個性化的內(nèi)容或產(chǎn)品。五是智能決策，在諸多領(lǐng)域，如金融、醫(yī)療、制造等，數(shù)據(jù)可以幫助人工智能系統(tǒng)進行智能決策。通過對大量數(shù)據(jù)的分析，系統(tǒng)可以發(fā)現(xiàn)潛在的風險和機會，為決策者提供有力支持。

與此同時，數(shù)據(jù)要素的發(fā)展仍面臨以下問題。

一方面，數(shù)據(jù)瓶頸問題掣肘人工智能發(fā)展，0YqRhB+ahVovnjBkxc2Pcw==高質(zhì)量中文數(shù)據(jù)產(chǎn)業(yè)化程度不足。據(jù)人工智能研究機構(gòu)Epoch的研究預測，語言數(shù)據(jù)可能在2030年至2040年耗盡，其中能訓練出更優(yōu)性能的高質(zhì)量語言數(shù)據(jù)甚至可能在2026年耗盡。全球數(shù)據(jù)存量的增長速度遠不及數(shù)據(jù)集規(guī)模的增長速度，數(shù)據(jù)要素面臨有效數(shù)據(jù)不足的發(fā)展瓶頸。另有研究顯示，1900—2015年，收錄于SCI的3000多萬篇文章中，92.5%的文章是以英文發(fā)表的；SSCI出版的400多萬篇文章中，93%的文章是用英文發(fā)表的。在ChatGPT的訓練數(shù)據(jù)中，中文語料比重不足千分之一，英文語料占比超過92.6%。這一現(xiàn)象反映出優(yōu)質(zhì)中文語料的缺失，加之高質(zhì)量中文數(shù)據(jù)產(chǎn)業(yè)化程度不足、大數(shù)據(jù)服務盈利前景不佳、標準化的數(shù)據(jù)服務商缺乏、定制化數(shù)據(jù)服務價格高昂等因素，讓AI更好地服務中文表達有待提升。

另一方面，數(shù)據(jù)開放流通程度與驅(qū)動價值有待提高，數(shù)據(jù)要素高水平應用仍面臨多重治理挑戰(zhàn)。目前，數(shù)據(jù)采集面臨碎片化、非標準化困境，海量數(shù)據(jù)存儲面臨成本高等問題。由于數(shù)據(jù)權(quán)屬關(guān)系難以界定、數(shù)據(jù)要素收益分配機制和數(shù)據(jù)交易尚不規(guī)范、缺乏統(tǒng)一數(shù)據(jù)標準規(guī)范和數(shù)據(jù)交換共享平臺等因素，數(shù)據(jù)開放、流通、共享受限，部分領(lǐng)域封閉式的數(shù)據(jù)生態(tài)進一步加劇了“數(shù)據(jù)孤島”現(xiàn)象，難以實現(xiàn)有效整合流通和深度挖掘，數(shù)據(jù)分析應用程度不足，未發(fā)揮數(shù)據(jù)深層次分析優(yōu)化的驅(qū)動價值。此外，數(shù)據(jù)的廣泛應用也引起了新的治理難題，如何管理規(guī)模龐大的數(shù)據(jù)要素市場、制定符合當下需求的數(shù)據(jù)要素治理規(guī)則、確保數(shù)據(jù)的代表性以避免偏見和歧視、解決數(shù)據(jù)安全與隱私保護問題等已然成為全球面臨的新挑戰(zhàn)。

（二）算力要素發(fā)展現(xiàn)狀

全球算力產(chǎn)業(yè)快速發(fā)展且競爭加劇，我國算力產(chǎn)業(yè)進入增長新周期。中國信息通信研究院發(fā)布的《2023年中國算力發(fā)展指數(shù)白皮書》顯示，美國、中國、歐洲、日本在全球算力規(guī)模中的份額分別為34%、33%、17%、4%。其中，美國和中國以35%、27%的全球基礎(chǔ)算力份額分列前兩位。算力成為各國搶占發(fā)展主導權(quán)的重要手段，全球主要國家和地區(qū)紛紛加快戰(zhàn)略布局進程。算力規(guī)模持續(xù)增長，并開始向制造、金融和電信等傳統(tǒng)行業(yè)及政府部門滲透。

算力發(fā)展推動經(jīng)濟數(shù)字化轉(zhuǎn)型，我國多措并舉推動算力“質(zhì)”“量”提升。算力發(fā)展與全國一體化算力網(wǎng)建設(shè)已成為數(shù)字經(jīng)濟發(fā)展的重要支柱，對推動我國數(shù)字經(jīng)濟發(fā)展發(fā)揮著關(guān)鍵作用。正如中國工程院院士高文提出的，算力就是生產(chǎn)力，有算力就會有GDP，算力網(wǎng)就是要把算力像電力一樣送到需要的地方。隨著大數(shù)據(jù)、云計算、人工智能等技術(shù)的快速發(fā)展，我國的算力需求不斷增長，尤其是生成式人工智能的出現(xiàn)和興起給底層算力帶來了新的挑戰(zhàn)，與傳統(tǒng)的判斷式人工智能不同，生成式人工智能不再依賴于人工，而是具備了學習知識、處理信息和循環(huán)迭代的能力，這帶來了更高功耗和密度的算力需求。為推動算力行業(yè)高質(zhì)量發(fā)展，我國政府多措并舉，正式啟動“東數(shù)西算”工程，完善東西部算力協(xié)同調(diào)度機制、構(gòu)建全國一體化算力網(wǎng)、適度超前建設(shè)算力信息設(shè)施、統(tǒng)籌建設(shè)算力節(jié)點。

算力基礎(chǔ)設(shè)施市場長足發(fā)展，我國算力整體布局持續(xù)優(yōu)化。算力基礎(chǔ)設(shè)施是算力的主要載體。我國在全國各個算力樞紐節(jié)點建設(shè)方面取得了顯著進展。通過整合和優(yōu)化全國范圍內(nèi)的算力資源，加速構(gòu)建普惠易用、綠色安全的綜合算力基礎(chǔ)設(shè)施體系，以實現(xiàn)算力資源的多元集聚和協(xié)同調(diào)度，初步建構(gòu)了梯次優(yōu)化的算力供給體系，算力基礎(chǔ)設(shè)施的綜合能力顯著提升，推動算力產(chǎn)業(yè)持續(xù)創(chuàng)新發(fā)展并賦能各行各業(yè)。工業(yè)和信息化部的數(shù)據(jù)顯示，截至2023年6月底，全國在用數(shù)據(jù)中心機架總規(guī)模超過760萬標準機架，算力總規(guī)模達到197EFLOPS，算力總規(guī)模近5年年均增速近30%，存力總規(guī)模超過1080EB。為持續(xù)優(yōu)化算力整體布局，2023年10月印發(fā)的《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》提出，到2025年，算力規(guī)模將超過300EFLOPS，智能算力占比達到35%，從計算力、運載力、存儲力、應用賦能4個方面明確了2025年發(fā)展量化指標。這一系列舉措有助于支持各行各業(yè)的數(shù)字化轉(zhuǎn)型，推動我國數(shù)字經(jīng)濟快速發(fā)展，算力融合應用加速涌現(xiàn)。

通用算力相對充足，智能算力供給不足成為我國“算力荒”主要矛盾。我國的算力需求主要分為通用算力、智能算力和超級算力三種類型。當前，通用算力相對充足，而智能算力的供給不足成為“算力荒”的主要方面。研究機構(gòu)數(shù)據(jù)顯示，隨著大模型訓練需求的不斷增長，智能算力的增長速度將遠超通用算力，預計到2027年全球智能算力規(guī)模將達到1117.4EFLOPS，相當于2023年中國414.1EFLOPS的2.7倍、2020年的15倍①。算力作為大模型落地比較高的門檻，我國已在國家層面統(tǒng)籌部署算力網(wǎng)、算力中心等建設(shè)。2024年《政府工作報告》明確提出，適度超前建設(shè)數(shù)字基礎(chǔ)設(shè)施，加快形成全國一體化算力體系，培育算力產(chǎn)業(yè)生態(tài)。

算力供給緊張、資源分散且利用效率不高，我國算力高質(zhì)量發(fā)展仍面臨挑戰(zhàn)。一方面，我國算力核心技術(shù)創(chuàng)新不足，算力設(shè)施的國產(chǎn)化比例低，芯片、光刻機、存儲器等算力核心器件幾乎完全依賴進口。盡管國產(chǎn)高端GPU發(fā)展勢頭迅猛，但市場認可度不高，芯片算力利用效率與先進水平相比還存在差距，且算力產(chǎn)業(yè)生態(tài)體系基礎(chǔ)薄弱，大范圍推廣使用面臨較高的遷移成本，在公平規(guī)范的算力市場、分布式算力的集約化應用等方面還需探索全體系協(xié)同、多路徑互補的發(fā)展路徑。另一方面，算力應用的廣度和深度仍需提升，垂直行業(yè)的算力需求匹配度依然不足，還存在標準不足、數(shù)據(jù)共享不夠、資源接口不統(tǒng)一等壁壘，算力應用賦能程度不足。中國信息通信研究院院長余曉暉提出，要強化頂層設(shè)計、加快標準建設(shè)、攻關(guān)核心技術(shù)、構(gòu)建算力市場以及推動算力服務，統(tǒng)合形成標準化可調(diào)度的算力服務、實現(xiàn)全國資源優(yōu)化配置和算力高效服務、構(gòu)建全國一體化智算平臺，要發(fā)揮“集中力量辦大事”的制度優(yōu)勢、加強綠色算力戰(zhàn)略研究、推動算力互聯(lián)與協(xié)同計算。

（三）算法與模型發(fā)展現(xiàn)狀

算法作為人工智能產(chǎn)業(yè)發(fā)展的核心要素之一，指的是強制給定的有限、抽象、有效、復合的控制結(jié)構(gòu)，在一定的規(guī)則下實現(xiàn)特定的目的，具有神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、機器學習、深度學習等多種表現(xiàn)形態(tài)。對計算機來說，算法就是處理信息的原理與遵循。理想狀態(tài)下，算法能夠?qū)⑷说乃季S過程以形式化的方式輸入計算機，使其可以不停地執(zhí)行命令從而實現(xiàn)所設(shè)定的目標。2022年11月30日，以ChatGPT為代表的AI大模型作為算法“作品”的新興形態(tài)火爆出圈，推動算法走向AI大模型時代。ChatGPT發(fā)布僅一周就已擁有超過100萬用戶，在推出僅兩個月后的2023年1月末，其月活用戶已經(jīng)突破1億。作為史上用戶增長速度最快的消費級應用程序，ChatGPT已然成為火爆全球的一款現(xiàn)象級產(chǎn)品。

Transformer架構(gòu)開啟算法模型快速發(fā)展時代，多模態(tài)通用AI大模型成為發(fā)展趨勢。2017年，谷歌顛覆性地提出了基于自注意力機制的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)——Transformer架構(gòu)，奠定了大模型預訓練算法架構(gòu)的基礎(chǔ)。2018年，OpenAI和Google分別發(fā)布的GPT-1與BERT大模型，意味著預訓練大模型成為自然語言處理領(lǐng)域的主流。以Transformer為代表的全新神經(jīng)網(wǎng)絡(luò)架構(gòu)，奠定了大模型的算法架構(gòu)基礎(chǔ)，開啟了大模型發(fā)展的新紀元，經(jīng)歷了單語言預訓練模型、多語言預訓練模型及多模態(tài)預訓練模型發(fā)展，多模態(tài)通用AI大模型成為發(fā)展主流趨勢。

我國AI大模型數(shù)量及研制主體數(shù)量可觀，為市場增長提供發(fā)展新動力。2023年5月，科技部新一代人工智能發(fā)展研究中心發(fā)布的《中國人工智能大模型地圖研究報告》顯示，在全球已發(fā)布的認知大模型中，美國和中國占比超80%，中國研發(fā)的大模型數(shù)量排名全球第二，且有超過半數(shù)的大模型實現(xiàn)開源。國家數(shù)據(jù)局局長劉烈宏在中國發(fā)展高層論壇2024年年會上透露，截至2024年3月25日，我國10億參數(shù)規(guī)模以上的大模型數(shù)量超過100個，大型科技公司、科研院所和初創(chuàng)科技團隊成為大模型研發(fā)主力軍。相關(guān)數(shù)據(jù)顯示，截至2023年底，我國人工智能核心產(chǎn)業(yè)規(guī)模接近5800億元，已經(jīng)形成了京津冀、長三角、珠三角三大集聚發(fā)展區(qū)，核心企業(yè)數(shù)量超過4400家，居全球第二位。2024年4月2日，國家互聯(lián)網(wǎng)信息辦公室發(fā)布的《生成式人工智能服務已備案信息》公告顯示，截至2024年3月，我國已有117個大模型成功備案。AI大模型從專用AI作坊走向通用AI規(guī)?；I(yè)化生產(chǎn)，在垂直應用領(lǐng)域不斷深化落地，為市場增長提供發(fā)展新動力。

多而不強，我國算法大模型發(fā)展面臨多重挑戰(zhàn)。近年來，我國出臺了《新一代人工智能發(fā)展規(guī)劃》《關(guān)于加快場景創(chuàng)新以人工智能高水平應用促進經(jīng)濟高質(zhì)量發(fā)展的指導意見》等一系列政策文件以支持算法模型的發(fā)展。2024年《政府工作報告》中明確提出開展“人工智能+”行動，旨在深化人工智能在各產(chǎn)業(yè)領(lǐng)域落地應用并加速形成新質(zhì)生產(chǎn)力。我國AI大模型發(fā)展還面臨著算法模型訓練依賴國外高性能AI芯片、國內(nèi)算力資源相對有限、高質(zhì)量且多源的中文訓練數(shù)據(jù)集稀缺、算法研發(fā)的復合型人才缺乏、數(shù)據(jù)安全與隱私保護不完善、公平性和可解釋性不足、大模型應用場景開放不足等發(fā)展挑戰(zhàn)。

二、前沿人工智能的產(chǎn)業(yè)生態(tài)概況

（一）前沿人工智能的產(chǎn)業(yè)發(fā)展現(xiàn)狀

AI大模型上中下游產(chǎn)業(yè)鏈加速發(fā)展，多地出臺AI大模型產(chǎn)業(yè)發(fā)展支持政策。AI大模型產(chǎn)業(yè)鏈的上游產(chǎn)業(yè)包括云計算、數(shù)據(jù)庫、芯片、服務器等軟硬件，中游產(chǎn)業(yè)為AI大模型算法研發(fā)與模型管理維護，下游產(chǎn)業(yè)為內(nèi)容生產(chǎn)、對話引擎等AI大模型落地領(lǐng)域及具體應用場景①目前，我國北京、上海、廣東、安徽、福建、深圳、杭州、成都等多地均出臺了AI大模型產(chǎn)業(yè)發(fā)展政策，推動多模態(tài)大模型關(guān)鍵技術(shù)創(chuàng)新，重點打造基于國內(nèi)外芯片和算法的開源通用大模型，支持重點企業(yè)研發(fā)迭代CV大模型、NLP大模型等領(lǐng)域大模型及行業(yè)大模型，助力中小企業(yè)深耕垂直領(lǐng)域，打造專用模型，建構(gòu)高效協(xié)同、具備國際競爭力的大模型產(chǎn)業(yè)生態(tài)，從企業(yè)落戶、優(yōu)先匹配算力、提供發(fā)展要素資源、專項獎勵等政策、技術(shù)、市場角度為產(chǎn)業(yè)發(fā)展提供多方助力。

產(chǎn)業(yè)界主導人工智能前沿研究，AI大模型投資及成本持續(xù)增加。斯坦福大學以人為本人工智能研究所（Stanford HAI）發(fā)布的《2024年人工智能指數(shù)報告》顯示，2023年，產(chǎn)業(yè)界產(chǎn)生了51個著名的機器學習模型，學術(shù)界貢獻了15個，產(chǎn)學合作產(chǎn)生了21個著名模型；108個新發(fā)布的基礎(chǔ)模型來自工業(yè)界，28個來自學術(shù)界。其中，美國成為頂級人工智能模型的主要來源國，2023年61個著名的人工智能模型源自美國的機構(gòu)。2023年，行業(yè)對生成式人工智能的投資達252億美元，同比增長了近8倍，OpenAI、Anthropic、Hugging Face和Inflection等代表性生成式人工智能都獲得了一輪可觀的融資。作為人工智能投資首選地，美國在人工智能領(lǐng)域的私人投資總額為672億美元，是中國的近9倍。但與此同時，先進AI大模型的訓練成本已經(jīng)達到前所未有的水平，數(shù)據(jù)顯示，OpenAI的GPT-4估計使用了價值7800萬美元的計算資源進行訓練，而谷歌的Gemini Ultra的計算成本則高達1.91億美元。

國內(nèi)外AI大模型競爭白熱化，逐漸形成“千模大戰(zhàn)”產(chǎn)業(yè)生態(tài)雛形。在國外，OpenAI推出GPT-4大模型并發(fā)布爆款產(chǎn)品ChatGPT，谷歌推出PaLM2大模型，Anthropic公司推出媲美ChatGPT的聊天機器人Claude。中國科學技術(shù)信息研究所、科技部新一代人工智能發(fā)展研究中心聯(lián)合發(fā)布的《中國人工智能大模型地圖研究報告》顯示，截至2023年5月，美國已發(fā)布100個參數(shù)規(guī)模10億以上的大模型，在基礎(chǔ)大模型上保持領(lǐng)先優(yōu)勢，形成了“OpenAI及谷歌雙龍頭+Meta開源追趕+垂類特色廠商”的發(fā)展格局。在我國，百度推出文心一言、阿里發(fā)布通義千問、商湯科技推出日日新SenseNova、華為推出盤古大模型、科大訊飛推出星火認知大模型等。國內(nèi)外產(chǎn)投研界均已加快布局步伐，多國部署專業(yè)研發(fā)團隊，投創(chuàng)界積極入局大模型競賽，科技龍頭企業(yè)結(jié)合自身優(yōu)勢以及自有產(chǎn)業(yè)生態(tài)密集發(fā)布自研大模型，逐步呈現(xiàn)“千模大戰(zhàn)”的產(chǎn)業(yè)生態(tài)雛形。

（二）前沿人工智能的商業(yè)部署現(xiàn)狀

AI大模型以內(nèi)部應用為主并逐漸拓展至B端和C端，商業(yè)化落地進程緩慢。人民網(wǎng)財經(jīng)研究院等聯(lián)合發(fā)布的《開啟智能新時代：2024年中國AI大模型產(chǎn)業(yè)發(fā)展報告》指出，可按照部署方式將AI大模型分為云側(cè)大模型和端側(cè)大模型兩類，其中，云側(cè)大模型分為通用大模型和行業(yè)大模型，端側(cè)大模型主要有手機大模型、PC大模型。中國移動研究院2023年4月發(fā)布的《我國人工智能大模型發(fā)展動態(tài)》提出，目前大部分企業(yè)前期以內(nèi)部應用AI大模型為主，后續(xù)主要向B端企業(yè)拓展服務，預計少數(shù)企業(yè)將在C端個人用戶市場形成規(guī)模，且可通過按量付費、SaaS模式的訂閱付費、打造一體化解決方案并提供增值服務、依靠用戶流量進行廣告變現(xiàn)等實現(xiàn)商業(yè)模式落地。但目前商業(yè)化落地進程仍處于初步探索階段。眾多AI大模型大多處于發(fā)布會階段，且極少在公開場合提及商業(yè)落地，遠未達到可商業(yè)化程度，當前全球只有OpenAI能夠真正達到通用AI商業(yè)化，且擁有絕大部分用戶的市場。

“通用大模型+產(chǎn)業(yè)模型”適配場景需求，AI大模型層次化體系賦能垂直行業(yè)發(fā)展。通用AI大模型落地部署所需的高昂算力成本和龐大數(shù)據(jù)量催生了“通用大模型+產(chǎn)業(yè)模型”模式，垂直行業(yè)成為AI大模型主戰(zhàn)場。產(chǎn)業(yè)模型在研發(fā)門檻、算力成本及應用靈活性等方面更具優(yōu)勢，在細分垂類領(lǐng)域的適配性上也更勝一籌。產(chǎn)業(yè)模型根據(jù)不同細分行業(yè)的需求，基于大模型進行遷移學習，利用知識蒸餾、剪枝等技術(shù)手段優(yōu)化訓練垂類小模型，以便更好地適配細分垂直領(lǐng)域。通過大小模型結(jié)合的層次化部署方式緩解資源占用與性能最大化間的矛盾，在資源受限環(huán)境中穩(wěn)定運行，使得在小型化、移動化設(shè)備上運行AI大模型成為可能。

AI大模型“開源+閉源”雙輪驅(qū)動，小型開發(fā)者調(diào)用大模型能力提升開發(fā)效率。AI大模型閉源模式有助于保護知識產(chǎn)權(quán)、保持核心競爭力并提供更優(yōu)質(zhì)穩(wěn)定的服務，而開源協(xié)作有助于生態(tài)伙伴高效利用AI大模型且加速生態(tài)化進程，進而充分吸納各方反饋及其創(chuàng)新成果，并鞏固方向引領(lǐng)地位。同時，開源大模型可作為商業(yè)閉源大模型的有力補充，可滿足用戶長尾需求以及中小企業(yè)的增長需求，或?qū)⒊蔀閺澋莱嚨年P(guān)鍵。在AI大模型行業(yè)部署中，存在開源、閉源、開閉源混合等多種復雜模式，既有探索開源路徑的OpenAI，也有堅持閉源策略的百度。在未來的發(fā)展中，不同企業(yè)會根據(jù)公司戰(zhàn)略目標、技術(shù)實力和市場環(huán)境，選擇合適的開源或閉源策略，小型開發(fā)者可調(diào)用大模型能力提升開發(fā)效率。

（三）前沿人工智能的產(chǎn)業(yè)變革趨勢

大模型將加速AI產(chǎn)業(yè)化進程，預計未來AI市場規(guī)模將超萬億元。大模型憑借其多模態(tài)復雜任務學習的能力、更強的數(shù)據(jù)處理能力以及廣泛的應用場景，提高了AI系統(tǒng)的性能和通用性，為AI產(chǎn)業(yè)化進程提供了強大的支持，“模型即服務”產(chǎn)業(yè)生態(tài)逐步形成。國內(nèi)外互聯(lián)網(wǎng)大廠扎堆入局，新的領(lǐng)域巨頭、周邊產(chǎn)業(yè)、類AI大模型應用以及智力服務類應用市場都將成為受益對象。AI大模型將成為基礎(chǔ)設(shè)施并再次引爆生產(chǎn)力革命，促進創(chuàng)造性工作深化分解，為行業(yè)知識模型化提供新界面，加速形成新質(zhì)生產(chǎn)力。國際數(shù)據(jù)公司（IDC）預測，2028年大模型市場規(guī)模將達到1095億美元?！吨袊鳤IGC產(chǎn)業(yè)全景報告暨AIGC 50》預計，2030年我國AIGC市場規(guī)模將達1.15萬億元。

顛覆勞動力市場，AI大模型推動人機分工式混合勞動力成為用工主導范式。AI大模型可根據(jù)人類的反饋進行強化學習，促進AI從勞動輔助工具逐漸演化成初步具備自主能動性、可與人并肩協(xié)作互動的勞動行為主體，進而實現(xiàn)人機高效分工協(xié)作。同時，AI大模型將推動人類智力勞動深度細化分解，將其中大量重復性、結(jié)構(gòu)化、高度依賴既往經(jīng)驗的相關(guān)工作深化剝離并交由AI大模型承擔，促進以人機分工為代表的第四次社會大分工時代的加速到來，人機分工協(xié)作式混合勞動力將成為未來勞動用工的主導范式。此外，AI大模型可能會顛覆勞動力市場舊有競爭模式，“降維打擊”缺少工具賦能的競爭者。人類與AI大模型將成為“隊友”。

推動行業(yè)知識模型化，AI大模型助推智力密集型服務產(chǎn)業(yè)規(guī)?；?。AI大模型突破由行業(yè)專家歸納提煉知識的傳統(tǒng)模式，能夠借助自然語言交互方式進行高效建模整理，并通過與人類專家組成人機團隊來實現(xiàn)行業(yè)知識模型化。作為高效的數(shù)智化知識服務工具，AI大模型已初步實現(xiàn)在知識領(lǐng)域通用化大模型與專用化小模型并進，且正在采用“技術(shù)人員+AI大模型+數(shù)據(jù)”的模式逐步取代權(quán)威專家，使傳統(tǒng)智力密集型服務規(guī)?；⑹袌龌?、個性化乃至邊際成本趨于零成為可能，從而充分應用AI大模型助力智力密集型服務的數(shù)智化轉(zhuǎn)型，賦能垂直專用場景下智力服務的規(guī)?；逃?，實現(xiàn)咨詢行業(yè)等傳統(tǒng)智力服務規(guī)?；瘋€性定制。

（本文節(jié)選自“現(xiàn)代化新征程叢書第二輯”之《前沿人工智能：發(fā)展與治理》，梁正主編，中國發(fā)展出版社2024年7月第1版，略有刪減）

①資料來源：北京智源研究院、中金公司研究部。