記者 王俊 馮戀閣 實習生 羅洛 溫泳珊 林婉娜 北京報道

編者按：自1956年“人工智能”的概念首次被提出已過60余年，此間，人工智能從虛化的代碼逐漸轉化成實踐應用，催生出一批批商業故事。不過，人工智能規?；逃貌⒎翘雇?，概念的火熱一直以來未能助推技術突破與商業應用。

時間來到2022年，生成式AI發展為人工智能發展再注入一針強心劑。ChatGPT橫空出世，被視為通用人工智能的起點和強人工智能的拐點，引發新一輪人工智能革命。人工智能發展似乎找到了自己的主流敘事。

不過，技術創新的同時也帶來了監管難題。如何平衡發展與安全，中國正在摸索自己的AI治理路徑。南財合規科技研究院與觀韜中茂律師事務所推出《中國AI治理的獨立思考——生成式人工智能發展與監管白皮書》，通過分析生成式AI的發展現狀、政策導向、實操中面臨的風險，以及各國的監管路徑，以期為未來的AI治理提供有益思路。

2022年被認為是“生成式AI元年”，Dall-E2、Midjourney、Stable Diffusion等文生圖應用的出現引起廣泛關注；12月底，ChatGPT的橫空出世更是使得生成式AI的風頭一時無兩。

自1956年概念的首次提出至今，人工智能技術已發展超60年。然而，時至今日，其仍未實現大規模應用。生成式AI的出現標志著人工智能進入了新紀元，機器開始能夠模擬人類的創造性思維，并有望促進社會生產力的大幅躍進。 

根據技術實現及應用路徑，生成式AI可以細分為數據層、算力層、模型層和商業化應用層。數據層包括數據提供、數據分析以及標注等環節；算力層是AI訓練的基礎設施，包括數據中心、服務器，以及高性能的AI芯片；模型層位于生成式AI的中游，是生成式AI得以實現的關鍵環節；商業化應用層則涵蓋文本、音頻、圖片、影片的生成等，是產業鏈的最下游，但也是AI能否大規模應用、能否真正創造價值的關鍵。

可以看到，2023年各類大模型井噴式爆發，上中下游產業鏈持續高漲，技術應用熱潮席卷全球。

熱潮之下，各國、地區對于AI規則的“軍備競賽”已然開始。當歐盟正試圖通過專門的《人工智能法案》來展現他們對于生成式AI基于風險的治理思路時，中國在7月發布的《生成式人工智能服務管理暫行辦法》則體現其對于生成式AI治理的不同思考?！鞍l展”正逐漸成為中國AI治理的第一視角。

與此前的征求意見稿相比，《辦法》有較大的思路調整，“堅持目標導向和問題導向”，單設了“技術發展與治理”章節，同時也新增了不少有力措施來鼓勵生成式AI技術發展。

其背后所反映的，正是中國對于目前生成式AI發展、治理的獨立思考。

本篇將分析目前中國生成式AI發展現狀、面臨的問題以及政策導向。

大模型“涌現” 百模大戰上演

大模型是本輪生成式AI競賽的殺手锏。各個科技公司加碼大模型，上演“百模大戰”。

《中國人工智能大模型地圖研究報告》顯示，截至今年5月28日，中國10億參數規模以上的大模型已發布79個。而美國和中國就占全球已發布大模型總量的80%以上。

中國大模型不斷涌現，既有實力雄厚的互聯網平臺企業：百度、阿里、華為等互聯網公司發布 “文心一言”、 “通義千問”及華為盤古大模型等；也有人工智能新秀，比如瀾舟科技的孟子GPT、智譜AI的ChatGLM、科大訊飛的星火大模型等。

一批高校、科研院所也相繼入局，清華大學發布大模型GLM-130B、復旦大學則發布大語言模型MOSS；上海人工智能實驗室發布天氣預報大模型“風烏”、北京智源人工智能研究院發布“悟道3.0”等。

在教育和新能源汽車行業，一些企業選擇布局與原有業務相適應的大模型。如網易有道為教育場景自研的類ChatGPT模型“子曰”，學而思的自研數學大模型MathGPT也預計在年內推出。新能源車企如理想汽車已經發布了自研MindGPT，將應用于車載AI助手“理想同學”，而蔚來、小鵬等車企也已在申請GPT商標。在醫療領域，上海聯通、華山醫院聯合開發的Uni-talk、醫聯“MedGPT”、云知聲的“山?！钡纫蚕嗬^登場。

處于核心的模型層，目前可分為通用大模型和行業大模型。通用大模型能夠處理多種任務和應用于不同領域，是資金、資源雄厚的科技巨頭優選；行業大模型則是針對特定領域或任務進行優化設計的模型，基于自建模型或利用通用大模型，引入行業語料進行模型深度訓練，以提升對特定行業/領域應用場景的支撐能力。

由于大模型在資金、算力、語料訓練集等方面存在較高門檻，垂直大模型以其成本低，部署升級靈活的優勢成為新賽道；不過，垂直大模型需要專門的、行業深度訓練的數據以更貼合業務；還需更好地與企業內部知識庫進行配合，才能做到實時迭代更新。

值得注意的是，大模型的門檻逐漸降低。近日，臉書母公司Meta宣布將推出開源大型語言模型Llama 2，可免費用于研究和商業用途。

開源為更多想要入局者提供了想象空間。開源平臺和開源生態將助推大模型的快速迭代與落地應用，尤其是對于缺少算力和資金的中小企業而言，開源打開了一個充滿機會的世界。

中國也在積極建設人工智能生態?？萍疾扛辈块L吳朝暉在2023中關村論壇上表示，中國堅持開源協作，加強大模型技術持續創新，協同解決透明性、穩定性等共性問題，進一步推動算力資源和數字資源開放共享，加快形成大模型的產業生態。 

商業化落地才能創造價值

大模型持續火熱，業內更關心應用落地。只有讓大模型與千行百業的具體業務場景結合，才能產生具體應用價值。 

據南財合規科技研究院梳理發現，大模型技術比較熱門的落地領域包括辦公軟件、社交文娛、商業營銷、家庭助理和金融等。

這些領域內，少部分公司選擇自主部署研發模型，更多的公司則選擇接入較為成熟的大模型（類ChatGPT產品），以直接賦能其原有產品和服務。例如，在辦公領域，微軟Microsoft 365、字節飛書“My AI”、金山WPS等均宣布已接入大模型。社交文娛方向，出現了AI搜索引擎如微軟必應、谷歌Magi，還有應用于游戲影視的英偉達AI智能游戲助手GeForceRTXR.O.N.、Adobe的Premiere Pro等。在家庭場景，AI也充當起家庭管家、私人家教、智能汽車助手，如阿里就率先將AI大模型接入了智能音箱天貓精靈。

在商業營銷方向，多種類ChatGPT產品涵蓋智能客服、推薦算法、虛擬人直播、廣告策劃等具體應用場景。類ChatGPT產品正在逐步滲透到生產和生活的各個環節。

可以看出，生成式AI的商業化應用第一類場景為提升生產工作效率的通用工具，通過生成式AI提升內容供給速度、降低內容創作門檻，從而使得人工資源能夠更多地投入到高價值的工作及創作流程中，提升整體工作效率。第二類場景則是可能改變行業格局的場景應用，比如有場景的C端，有數據的B端，帶來一個增量產業的崛起（如教育、醫療分診，個性化生成，高頻時效交互）等。

不過，商業落地是國內人工智能發展面臨的困境之一，大模型發展只有做到商業化、工程化、應用場景化，才能真正賦能產業。

近期，創業者服務平臺GoDaddy對全美1003家小型企業的調查數據顯示，ChatGPT以70%的應用率成為美國小型企業應用最多的生成式AI產品；38%的受訪者，在過去幾個月里嘗試過生成式AI；營銷、內容創作、商業建議是企業應用生成式AI最多的3個用例；75%受訪者非常滿意生成式AI在業務中的表現。

對比之下，國內大模型遠沒有達到可商用化的程度，或是能深度切入具體應用場景。目前大模型落地主要以價值增強和效率提升為主，而商業模式層面的落地仍在探索中。

大模型能否和業務充分結合，從而真正解決業務問題，是決定AI能否實現經濟價值的關鍵因素。只有緊貼業務的AI戰略設計、完善的配套架構、充足的AI人才及健全的內部培養機制，才能使AI與業務發展需求充分融合，最大化實現經濟收益。

各地的人工智能相關政策也聚焦到應用層。5月發布的《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025年）》提到，要發揮各區產業特色和資源優勢，結合人工智能技術特點，圍繞經濟社會發展、科學研究發現、重大民生需求等，形成一批示范性強、影響力大、帶動性廣的重大應用場景。7月發布的《上海市推動人工智能大模型創新發展的若干措施》中提及示范應用推進計劃，要加強大模型在智能制造、教育教學、科技金融、設計創意、科學智能等垂直領域的深度應用和標桿場景打造。

加強基礎技術的自主創新

人工智能需要GPU算力、網絡及存儲等硬件基礎設施的全方位支撐?！掇k法》指出，鼓勵生成式AI算法、框架、芯片及配套軟件平臺等基礎技術的自主創新，鼓勵平等互利開展國際交流與合作，參與生成式AI相關國際規則制定。

《2023愛分析·AIGC廠商全景報告》指出，在中美博弈大背景下，A100、H100為代表的芯片被美國列入禁止出口商品名單，加之國內信創進展和適配需要時間，算力問題成為中國人工智能發展的掣肘因素。

國內過去在互聯網及移動互聯網時代所積累的云計算、數據中心、算力中心等領先全球的數字化基礎設施，為生成式AI落地運行提供了堅實基礎。4月，科技部啟動國家超算互聯網部署工作。根據部署，國家超算互聯網通過算力網絡將全國眾多超算中心連接起來，用互聯網思維運營超算中心，構建一體化算力服務平臺，實現算力資源統籌調度，降低超算應用門檻，帶動計算技術向更高水平發展。

生成式AI的訓練和研發需要大量的基礎設施和基礎資源支持?！掇k法》提出，推動生成式AI基礎設施和公共訓練數據資源平臺建設，促進算力資源協同共享，提升算力資源利用效能。

平臺的建設有助于更好地協調和優化訓練資源，更好地集中精力完成技術層面的攻關和突破。

推動公共數據有序開放，擴展高質量的訓練數據資源也是必須要劃出的重點?！按竽Ｐ蜁r代，得數據者得天下?！币环矫?，訓練數據是大模型訓練的基石和燃料，如果沒有數據，大模型的訓練就無法開展和持續；另一方面，當前技術領域的研究顯示，各家大模型在算法層區別并不大，并且具有同質化的趨勢。在此背景下，訓練數據就成了真正區分且影響大模型性能的重要因素之一。 

從各地實踐也可以看出，加碼訓練高質量數據集建設已成為重要方向。

北京5月印發的《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025年）》中就提到，加強公共數據開放共享，包括動態更新公共數據開放計劃，加快構建高質量人工智能訓練數據集等。6月，深圳發布的《深圳市加快推動人工智能高質量發展高水平應用行動方案（2023—2024年）》中也提出，要搭建全市公共數據開放運營平臺，建立多模態公共數據集，打造高質量中文語料數據等。

目前各地出臺了不少關于公共數據開放利用的條例，利用公共數據投喂人工智能，應按照有條件開放、無條件開放或禁止開放的不同方式進行。不過，公共數據開放存在較多阻力，開放的數據范圍和質量不夠。接下來需推動有序開放，亟待分類分級，發揮公共數據紅利，探索契合公共數據價值利用規律的開放之道。

白皮書出品團隊：南財合規科技研究院X觀韜中茂律師事務所

白皮書撰寫者：王俊 馮戀閣 鄭雪 王渝偉 楊欣如 周丹 錢雨晴 溫泳珊 林婉娜 羅洛

（陸釔潼 王敏 朱敏婕 對白皮書撰寫亦有貢獻）

責任編輯：王超