人工智能领域，突破难题：国产大模型“无源之水”问题得到解决。
在2023年世界人工智能大会的“大模型时代的通用人工智能产业发展机遇以及风险”论坛上，多位通用人工智能领域的专家聚焦大模型，深入探讨了基础创新、应用技术和未来前景等方面的人工智能问题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
中国工程院院士戴琼海表示：“我国应该从政策、机制和投入上深化人工智能的人才培养和基础研究，强化原始创新，避免陷入‘无源之水’的困境。”他在主旨演讲中强调了这一观点。
清华大学电子工程系长聘教授、系主任汪玉指出，上海已经拥有许多芯片企业和算法，但如何高效统一地在芯片上部署这些算法，是一个非常重要的问题。他强调，这是上海在人工智能领域所面临的一个关键挑战。
从基础研究领域来看，戴琼海认为我国在大型创新方面的突破性成果较为有限。他的观点是，中国在人工智能领域的人才主要集中在应用方面，因此在应用场景和技术层面有巨大的发展潜力。然而，在基础层面的人才方面，中国明显处于劣势，原始创新不足。
戴琼海表示，人工智能创新发展需要三大支柱：算法、数据和算力。算法决定智能水平，数据决定智能范围，算力决定智能效率。大体来说，预计在未来5年左右，大型算法模型将成为人工智能应用的核心基础平台。
戴琼海同时指出，脑智能是未来的新方向。融合脑和认知的人工智能新算法将引领新一代智能的发展。他建议政府鼓励企业主导大模型的建设，探索生物机制和机器特色的结合，进一步推动基础研究和应用发展。他预测，以认知智能为核心的人工智能将在十年后开始广泛应用。
此外，戴琼海也提醒人们需要警惕大模型应用的安全问题。大模型尚不能对输出进行可信性的验证，例如生成欺骗性内容。他强调，大模型应用的问题并不像计算机网络病毒那样简单，一旦出现问题，将带来颠覆性的影响。因此，在大模型的应用过程中，应该明确讨论安全性和可信性。
需要重点解决国内大型模型落地面临的四个问题所需的痛点。首先，需要解决长文本处理的问题。其次，需要提高大模型的性价比。第三，需要将大模型应用于多种垂直领域。最后，需要实现一站式部署的新需求。他强调，这些需求的解决将推动整个产业链的发展。
在论坛中，与会者对大模型的发展提出了更多看法和建议。有些专家认为，在芯片领域的依赖性可以通过增强国内大算力芯片的研发和应用来弥补。他们强调，尽管国内已经出现了一些芯片企业，但需要进一步加强芯片上算法的高效统一部署能力。
同时，专家们也提到了大模型在不同垂直领域的应用问题。在医疗和金融等领域，要获取大规模的语料数据是一项巨大的难题。因此，建立通用基座大模型，并进行细致微调，将有助于提升各行各业的基础性能。
人们普遍认为，将大型模型的部署和优化自动化为一体化解决方案是一个重要的趋势。通过实施层次化的方法来优化软硬件协作、编译优化和硬件设施部署，从而提升整体效率并获得更加具有成本效益的结果。专家们呼吁进一步探索高效的微调算法，以满足大模型在不同垂直领域的需求。
与会者们达成共识，强调大模型的发展需要政府、企业和学术界共同合作努力。政府应该加强政策引导，推动基础研究和人才培养。企业应该承担起主导角色，加大对大模型建设的投入和推动。学术界应该加强与产业界的合作，促进科技成果的转化和应用。
专家们强调在大型模型的发展上，需要加强对安全性和可信性的研究和探索。他们主张确立相应的规范和标准，以确保大型模型的应用不会带来不良影响和风险。
最后，与会者们纷纷表示，大模型的发展将给人工智能产业带来巨大机遇，但也需要警惕潜在的风险和挑战。他们鼓励各方在大模型的研发、部署和应用中进行深入合作，共同推动人工智能的健康发展和社会进步。
专家们在世界人工智能大会的论坛上就大型模型的发展和应用进行了广泛的研讨和交流。他们对人工智能领域的基础创新、技术应用和未来前景提出了宝贵的见解和建议，为人工智能产业的发展指明了方向。
