▶ 本报记者 李洋 李争粉
连日来，关于AI大模型的话题引发代表委员热议。全国人大代表、小米创始人雷军坦言，我国生成式人工智能（AIGC）人才储备不足，建议人工智能纳入义务教育范畴；全国政协委员、360创始人周鸿祎提出企业使用大模型不能冒进，建议要“小切口，大纵深”。
随着AI大模型的遍地开花，行业方面的冷静思考显得愈发重要。全国政协委员、微博CFO曹菲与知乎创始人周源提出，规范AI数据交易及大模型的数据采集，奇安信董事长齐向东在AI及安全等方面建言。
构建通用人工智能生态
全国人大代表、科大讯飞董事长刘庆峰认为，我国在认知智能领域已具备非常扎实的技术储备和成建制的团队，有望成为全球第二极。
在肯定成绩的同时，刘庆峰坦言：“我们要正视差距，聚焦自主可控的底座大模型‘主战场’，从国家层面集中资源加快追赶，同时系统性构建通用人工智能生态和应用，打造综合优势。”
刘庆峰认为，应在2017年国务院印发的《新一代人工智能发展规划》基础上，瞄准我国通用人工智能发展中需要重点补齐的短板进行设计，围绕自主可控算力生态构建、高质量数据开放共享、科学的评测标准制定、源头技术前瞻研发、人才培养、法律制定和伦理人文等维度，系统性制定通用人工智能发展规划，由国家高位推动规划的制定和落地。
刘庆峰建议，要发挥举国体制优势，加大并保持对通用大模型底座“主战场”的持续投入。例如，以专项资金的形式从算力、数据、算法上在未来5年内持续支持通用大模型的研发攻关，支持有条件的地方政府以专项债的形式支持通用和行业大模型研发以及应用生态发展所需的算力基础设施建设。
同时，加快形成国产大模型的自主可控产业生态。例如，加快我国大模型开发者生态体系建设和运营，支持国产大模型向开发者开放，开展大模型评测体系和开源社区建设等。
“此外，要推动国家级高质量训练数据开放和共享。”刘庆峰表示，应推动国家层面高质量数据平台的设立和资源共享，支持国家实验室、全国重点实验室、国家人工智能开放创新平台等国家战略科技力量，以揭榜挂帅形式优先、低成本使用。
加速AI技术突破和应用普及
今年政府工作报告提出，深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。此外，适度超前建设数字基础设施，加快形成全国一体化算力体系。
在业界看来， 此举无疑意味着我国将加强顶层设计，加快形成以人工智能为引擎的新质生产力。
全国政协常委、中国移动董事长杨杰在《关于全面推进“AI+”行动、加快形成新质生产力的提案》中表示，当前AI大模型取得实质性突破,加速迈入规模应用，应推动人工智能从助力千行百业提质增效的辅助手段，升级为支撑经济社会转型升级不可或缺的基础设施和核心能力。
杨杰建议在国家层面推动“AI+”行动，充分发挥人工智能在推动科技跨越发展、产业优化升级、生产力整体跃升方面的巨大潜能。充分发挥企业科技创新主体作用，打造国有企业、民营企业、高校科研院所等广泛参与的产学研用创新联合体和新型研发机构，整合生产、教育、科研等优势资源，协调上、中、下游创新关键环节，完善科创评价体系和激励机制，营造鼓励创新、勇于突破、包容试错的良好氛围，广泛吸引全球AI领军人才和知名学者，培育一批面向国民经济重点行业的示范标杆，促进创新链、产业链、资金链、人才链深度融合，加速AI技术突破和应用普及。
平衡人工智能产业发展和监管
“人工智能算法技术全面步入应用阶段，但同时也引发了一系列诸如算法歧视、算法黑箱、信息茧房、算法霸权等伦理和法律问题。”全国政协委员、金杜律师事务所高级合伙人张毅在接受记者采访时表示，如何更好平衡人工智能产业发展和监管间的关系，如何更好监管算法，监管手段和能力如何相应提升，对我国相关产业的发展和国家治理能力现代化至关重要。
“目前，我国已出台的算法监管存在一些不足。”张毅举例说，当前相关管理规定主要为部门规章、规范性文件和推荐性国家标准，法律效力较低；监管客体仅限于民商事主体提供算法服务,不直接规制政府算法行为；法律责任上多为框架化、倡导性原则，导致算法治理内容与违法侵权间未形成充分对应关系；且受限于部门规章的效力层级，未形成算法问责完整架构等。
“生成式人工智能技术（AIGC）带来了新的挑战。”张毅说，AIGC大模型具有基于海量数据进行自学习特性，迭代快，其在垂直类领域应用也在快速多样化，难以为现有监管体系和技术/工具所覆盖，从而产生监管真空或失焦的情况。
张毅认为，应尽快推进人工智能法的出台，构建人工智能算法治理体系，弥补监管体系空白。同时，可考虑通过针对性的法规予以补充规范。针对产业链上的相关主体，应采取权责相统一原则，根据不同主体对于人工智能系统的控制力度来加诸相应的合规义务。将人工智能与算法技术按风险等级进行划分并采取不同监管措施，设置事前、事中和事后全生命周期监管措施义务。同时，强化和创新算法监管。引入“监管沙盒”制度，允许算法及人工智能企业在监管机构的监督下，在相对可控的环境内进行试验性开发、测试和验证。此外，或可考虑探索将人工智能技术应用于人工智能监管，以提高监管效率。
