全國人大代表劉慶峰：應對全球AI系統性競爭，聚焦自主可控底座大模型主戰場
封面新聞記者 歐陽宏宇
從ChatGPT誕生到Sora走紅，近幾年來，AI大模型技術引發全球持續關注。大模型呈現出來的智慧湧現能力，被認為不亞於PC和互聯網的誕生，將徹底改變產業形態和競爭格局。
2024年全國“兩會”，全國人大代表、科大訊飛董事長劉慶峰圍繞AI領域帶來了多份建議。近日，他在兩會提案中建議，製定國家《通用人工智能發展規劃》，系統性加快推動我國通用人工智能發展。“我們要正視差距，聚焦自主可控的底座大模型‘主戰場’，從國家層面聚焦資源加快追趕，同時系統性構建通用人工智能生態和應用，打造綜合優勢 ”，劉慶峰說。
全國人大代表劉慶峰
製定國家《通用人工智能規劃》
應對全球AI“系統性競爭”
劉慶峰認為，在2017年出台的《新一代人工智能發展規劃》指引下，中國在認知智能領域已具備非常紮實的技術儲備和成建製的團隊，有望成為全球智慧湧現的第二極。
當前，通用人工智能是全球科技競爭的焦點，也是中美科技博弈和戰略競爭的必爭之地。中美博弈最核心的“主戰場”就是在通用底座能力上持續進行對標。而當前 OpenAI的GPT-4/4V代表全球通用大模型底座能力的最先進水平，DALL-E3、Whisper、Sora等都是基於GPT-4/4V的底座能力平台所延伸出來的特定領域的成功實踐。
國產大模型離全球最高水平有多大距離？劉慶峰以我國首個基於全國產算力訓練的全民開放大模型為例談到，“其預計在6個月內可達到GPT4/4V當前最好水平”，但隨著GPT-5的發佈，這個差距可能會被拉到一年以上，如果從算力、數據、模型訓練等方面組織好資源全力追趕，這個差距也有望在1-2年內被追平到相當的水平，同時我國也在語音大模型、醫療大模型等領域形成了國際領先的比較優勢。“我們有信心在通用大模型底座上不會出現代差級落後的差距，在此基礎上結合行業場景和數據進行打磨，有望實現典型行業領域的超越”，他認為，在追趕的同時，結合全新的技術發展、競爭格局、產業賦能以及在社會生活中的各種變化，非常有必要根據新的形勢製定系統性規劃。
2024年，全球人工智能的競爭將進一步升級為系統性競爭，各國在基礎大模型、行業應用、硬件、產業鏈等方面開始全面較量，中美在大模型深度應用和戰略需求上角逐，今年將是關鍵期。
劉慶峰對此建議，在2017年《新一代人工智能發展規劃》的基礎上，瞄準我國通用人工智能發展中需要重點補上的短板進行設計，圍繞自主可控算力生態構建、高質量數據開放共享、科學的評測標準製定、源頭技術前瞻研發、人才培養、法律製定和倫理人文等維度，系統性製定國家《通用人工智能發展規劃》（下文簡稱《規劃》），國家高位推動規劃的製定和落地，不斷縮小中美通用人工智能產業在通用底座平台方面的差距，並在行業應用和價值創造上打造我國的比較優勢。
強化對通用大模型底座“主戰場”持續投入
加快大模型應用落地
圍繞AI大模型，劉慶峰提出9點具體建議，他認為，在製定國家《規劃》的同時，應加快推進通用大模型的相關工作，盡快追趕。
在建議中，劉慶峰提到，要加大並保持對通用大模型底座“主戰場”的持續投入。如以專項的形式從算力、數據、算法上在未來五年內持續支援我國通用大模型的研發攻關，支援有條件的地方政府以專項債的形式支援通用和行業大模型研發以及應用生態發展所需的算力基礎設施建設。
在劉慶峰看來，要加快形成圍繞國產大模型的自主可控產業生態。如加快我國大模型開發者生態體系建設和運營，支援國產大模型向開發者開放，開展大模型評測體系和開源社區建設等。
同時，“推動國家級高質量訓練數據開放和共享”也被提到，劉慶峰建議推動國家層面高質量數據平台的設立和資源共享，支援國家實驗室、全國重點實驗室、國家人工智能開放創新平台等國家戰略科技力量以揭榜掛帥形式優先、低成本使用。
面對缺乏有標準化的科學方法來牽引和推動行業應用更良性發展的問題，劉慶峰表示，可以出台更加客觀、公正、可信的評測方法，加快大模型在行業領域的應用落地。
建立健全新機制
推動拔尖人工智能人才培養
通用人工智能發展離不開源頭核心技術創新和頂尖人才培養。
劉慶峰認為，要堅持源頭核心技術系統性創新，在戰略性、前瞻性的基礎研究領域做好佈局。他建議，要加快腦科學與類腦智能、量子計算等領域與人工智能關鍵研究的協同攻關，形成交叉學科的突破，助力我國通用人工智能彎道超車；推動大模型與科學研究的深度結合，打造AI for Science的科研新範式，並培養一批具備專業科研能力以及高水平通用人工智能理解能力的人才，為可能湧現的交叉學科重大突破做儲備。
在人才培養與引進方面，劉慶峰建議加快推廣大模型賦能全學段，以全新機制加快探索我國人工智能拔尖創新人才培養。如設立國家人工智能學院，以“核心+基地”的組織形式和全新機制推動我國面對中美競爭的拔尖人工智能人才培養。
同時，要研究通用人工智能時代人才能力素質模型和培養方案，加快應用型人才培養。面對應對機制和法律法規滯後的問題，要加速通用人工智能技術相關的法律法規製定與審議。此外，劉慶峰還建議，要設立軟課題進行通用人工智能相關的倫理人文研究。
