本刊策划丨牢牢把握人工智能新发展机遇

摘要：人工智能是引领新一轮科技革命和产业变革的具有“头雁”效应的战略性技术。早在2017年7月，我国就印发《新一代人工智能发展规划》（以下简称《规划》），是较早将人工智能列为国家战略的国家之一。自20世纪四五十年代人工智能诞生以来，历经近70年的发展与演变，新一代人

【作者简介】徐波，中国科学院自动化研究所所长、研究员

人工智能是引领新一轮科技革命和产业变革的具有“头雁”效应的战略性技术。早在2017年7月，我国就印发《新一代人工智能发展规划》（以下简称《规划》），是较早将人工智能列为国家战略的国家之一。自20世纪四五十年代人工智能诞生以来，历经近70年的发展与演变，新一代人工智能正处于黄金发展时期。特别是近年来，随着GPT、DeepSeek等生成式大模型的爆发式发展，人工智能发展进入新阶段，正在成为世界百年未有之大变局的重要变量，加速世界科技、产业乃至地缘政治的变革。

一、人工智能发展概况

人工智能的本质是“模拟、延伸和扩展人类智能”。自1956年达特茅斯会议首次提出“人工智能”概念以来，人工智能历经数次高潮和低谷，在两者交织中螺旋式发展。研究者们最早希望通过形式逻辑推理方法获得对通用问题的求解，后又发展了以知识工程为代表的专家系统，以解决如医疗诊断等单一领域的问题，但在解决现实复杂问题时，由于存在的巨大局限性而以失败告终。受人类大脑工作机理等启发，诞生了霍普菲尔德神经网络、反向传播算法神经网络、强化学习等对当今人工智能产生重大影响的方法，但受限于当时的算力和数据等，并未取得突破性进展。虽然人工智能研究潮起潮落，但分别形成了符号主义、行为主义和联结主义等流派。利用2006年提出的深度学习算法，借助于ImageNet数据集合以及GPU等计算加速，2012年AlexNet在图像识别领域取得重大突破；2016年AlphaZero借助强化学习方法，打败围棋职业选手；2022年OpenAI发布ChatGPT，探索出了发展通用人工智能的新路径。

（一）人工智能已从专用人工智能走向通用人工智能

从认知学角度来说，通用人工智能是指在同等场景下能与人类产生类似心理活动的人工智能，即具备所谓的人机共情能力。此外，通用人工智能也被定义为具备人类同等智能水平、可在多个领域解决复杂问题的智能。更多学者关注智能系统对开放环境的适应能力，即能否通过与环境的交互和持续学习，去获得对外部世界的认知以及改造方法。显然，对于什么是通用人工智能尚未形成广泛共识。在生成式大模型之前，人工智能比较关注如何用特定的数据、特定的算法去解决特定的问题，即专用人工智能。专用人工智能系统“能看的不会是能听的”，“会机器翻译的不会做文章摘要”。但OpenAI发布ChatGPT，改变了这一模式。ChatGPT等大模型从大规模语言资料库入手，通过生成式这一简单的信息压缩模式，并配合40余个指令任务（Chat指令，如知识问答、机器翻译、信息抽取、文章摘要等），实现了回答通用问题的能力涌现。后续发展的GPT-O1/O3、DeepSeek-R1等，通过数学和代码的专用领域推理学习，获得了更加广泛的大模型推理能力涌现。ChatGPT的发布已成为人工智能发展的分水岭，人工智能已经突破从感知到认知的跨越，从专用智能走向通用智能。

（二）以大模型为代表的人工智能离人类专业智能尚有距离

生成式人工智能发展迅猛，已经为我们打开了难以想象的广阔应用之门，我们正在迎来人工智能的新一轮发展浪潮。人工智能应用可以粗略地分为“浅垂直”和“深垂直”两大类，前者更多是指依靠人类与生俱来可以习得的视觉、听觉和语言等技能的应用，后者则指需要经过专业学习和培训的具备大量领域知识、数据、经验、想象、创意等应用。斯坦福大学《2024年人工智能指数报告》明确指出，机器学习大模型在图像分类、视觉推理及英语理解等方面的表现已超过人类，但在竞赛数学、视觉常识推理和规划等更复杂任务方面的表现仍落后于人类。

我们相信，智能技术的指数性发展一定会加速通用人工智能的到来，但目前大模型应用落地主要集中在“浅垂直”领域，如专业性不强的会议报告、工作总结、文案策划等。当我们把大模型技术深度应用到“深垂直”领域或者行业领域时，就需要融入大量行业知识、领域数据、专家经验、常识规则、知识图谱等，甚至需要融入物理定律和科学计算等。现有的包括经过深度领域定制的大模型，与专家水准相比尚有差距。这种差距看上去是一点，但揭示出目前大模型训练获得的通用能力只是众多通用目标的一种，只能实现对人类智能某方面的再现和超越。要实现专业级别的人工智能，还需要在通用能力基础上不断改进，提出能融入专业领域特定数据和知识的新模型基础架构和新学习方法。

（三）人工智能技术属性和社会属性已经开始凸显

我国《规划》从一开始就确立了人工智能的双重属性—技术属性和社会属性。人工智能在应用爆发前，其主要特征表现为技术属性，如人工智能技术是否“可用”、是否“好用”、是否具备一定的泛化性等。随着人工智能理论研究的不断突破，数据和算力资源日益丰富，大数据智能加速落地，人工智能的社会属性开始凸显，其引发的技术风险也逐渐显现。在对经济发展、社会治理、国际形势产生影响的同时，人工智能发展面临的最大挑战是伦理挑战，当前主要集中在数据隐私与安全、算法偏见与责任归属、知识产权保护、虚假信息监管等多个方面。例如，大规模私有部署引发的安全性问题，大模型产生的幻觉问题，等等。当前人工智能已经走上了一条快速发展道路，迫切需要实现激励发展与合理规制的协调，最大限度防范风险。

二、通用人工智能的技术发展方向

我国《规划》明确了五大智能方向—大数据智能、跨媒体智能、混合增强智能、群体智能、自主智能，同时确立了要充分利用我国人工智能应用场景丰富的优势，走“人工智能技术创新”和“人工智能赋能创新”并重的发展路线。当今，人工智能发展日新月异，大数据智能、跨媒体智能迅速发展，已经形成了以语言大模型和多模态大模型为代表的更加具体落地的技术形态；同时，人工智能进一步发展，正在以大模型为基础，向现实物理世界的具身智能（自主智能）、多个智能体协作的群体智能以及面向复杂决策的人机混合智能（混合增强）方向迭代演进。大数据智能、跨媒体智能、人机混合智能、群体智能、自主智能等五大智能形态竞相发展，最终走向可信可控的通用人工智能。

（一）更强推理和规划能力的大语言模型

大模型技术从2017年开始不断小步演进，到2022年OpenAI率先完成从量变到质变的飞跃。其基础是自回归生成式模型，即能够度量句子和篇章等文本出现可能性的概率模型，通俗来讲，就是一个“词语接龙”模型。以ChatGPT为代表，它无需任何传统的自然语言处理过程，如分词、句法分析、实体抽取、关联分析等，而是通过预测下一个词，打通了通用语言智能产生的路径。当大模型参数达到几百亿级别时，语言大模型产生了任务能力的泛化涌现，即通过几十个任务联合指令学习可以解决未知任务。大模型能力演化第二步以GPT-O1、DeepSeek为代表，即通过数学和代码这两个形式化比较好、评估标准明确的领域学习，产生了更加宽泛的语言推理能力涌现。这无疑又是语言大模型能力的一大跨越。

在这之后，一方面，面向更加专业的应用，例如医疗领域的罕见病诊断等，大模型不但需要模仿医生思维逻辑进行长步推理，且在推理过程中需要融入比现有语言模型更复杂的概率推理、因果推理、关联推理等。另一方面，在很多复杂问题求解时，大模型不单需要推理，更需要做长程规划，从而实现分阶段推理。在规划时，则需要对未来进行长程预判，并对各种可能性进行评估。这些能力是目前大模型所欠缺的。因此，发展具有可靠推理和规划能力的大模型是进一步降低人工智能加速赋能千行百业门槛，让“智能+”成为推动经济发展、社会进步战略力量的技术关键。

（二）发展与现实世界关联的原生多模态大模型

虽然“语言的边界就是世界的边界”，但“百闻不如一见”。人类几乎70%~80%以上的感知来自视觉，而语音是人类沟通交流最便捷有效的方式。迈入数字经济时代，数据的范畴不断拓宽，不仅包含人类自身产生的语音、图像、文字等数据，还有机器产生的大量结构和非结构化数据，如大规模视频信号、医学影像数据、工业传感检测信号等。研究丰富多彩的现实世界需要多模态处理。目前，多模态大模型主要采用把图像、语音、信号等与文本对齐，然后利用大语言模型进行信息整合的方法，从而实现大模型对现实世界多模态认知能力的大幅提升。但这种整合方法无法实现对用户感兴趣信息的主动感知，也无法刻画多模态信息中“不如一见”的诸多细节，因此迫切需要多模态大模型打通文本、图像、音频的感知边界，通过多模态融合使人工智能获得跨感官的统合理解能力，发展以更加底层的语义单元为表征的原生多模态大模型。

我国在多模态大模型领域具有研究先发优势，2021年7月就发布了音—图—文原生融合的千亿参数大模型。多模态大模型技术的发展，将推动人工智能进入工业缺陷检测、医学诊断、外科手术导航、短视频内容审核、交通违规图像研读等更丰富的场景，并为智能新形态发展奠定基础。

（三）以具身智能为代表的智能新形态风起云涌

当前，人工智能大模型加速迭代，成为长周期群体性技术变革的起点，并推动多条并行技术路线快速发展。首先，从单一任务能力向多领域多模态全面融合发展，从感知智能向认知智能、决策智能不断演进，从虚拟空间向物理空间跨越；其次，数据驱动、人机协同、跨界融合、多领域交叉的新智能形态不断成熟；最后，类脑智能、量子智能、专业小模型、非Transformer新架构模型等技术路线的持续探索，推动人工智能研究从五大智能形态竞相发展走向融合新形态，极大拓展人工智能的技术与应用边界，迈向可控、可信、通用人工智能。

其中，以人形机器人为代表的具身智能实现自主学习并与真实世界实时交互，推动人工智能由“虚”向实，已成为发展新质生产力的未来产业新赛道。大规模多智能体协作的群体智能，脑机双向交互增强的人机混合增强智能等正在孕育重大突破，在不久的将来有望构建更大规模、更加复杂和通用的智能系统。

三、抢占世界人工智能发展制高点

我国人工智能无疑已经取得世界级的巨大成就，但总体而言，无论是基础理论研究水平还是人工智能基础软硬件、创新生态等，离国际最高水平还有一定的差距，迫切需要进一步培育人工智能创新生态，促进其与经济社会发展深度融合，不断抢占人工智能发展制高点，推动我国新一代人工智能可持续发展。

（一）持续进行基础理论研究

由于智能的复杂性，人工智能认知“天花板”尚未可知。从智能本质出发，智能形成的机制激励还没有公认的科学理论解释，也没有相对应的完整科学体系。近年来，大语言模型、多模态大模型等基础模型的发展如火如荼，但当前的基础模型仍面临诸多挑战。在模型层面，基于自注意力网络的Transformer几乎成为事实上的标准，模型架构趋于统一，而人类大脑则能面向不同认知具备多种复杂神经形态结构，并进行有效认知任务协同；在算法层面，当前模型对大数据的学习效率低下，对算力资源的需求越来越高、越来越苛刻，且不能实现在线动态学习，不能进行复杂推理等。因此，迫切需要进一步加强神经科学、数学、计算机科学、心理学等学科交叉，拓展深化人工智能基础理论研究范畴，推动下一代人工智能技术在基础模型架构、高效学习范式和复杂认知推理等方面进行突破。

（二）AI for Science（人工智能驱动的科学研究）实现人工智能和科学工程研究的双向奔赴

人工智能驱动的科学研究作为科研第五范式，已展现出惊人潜力。比如DeepMind的AlphaFold3已成功预测地球上已知的超两亿种蛋白质的三维结构，有望颠覆当前的药物研发模式。在物理、化学、材料科学等学科中，人工智能加速了新材料设计、药物发现和复杂系统建模等研究。在工程领域，如结构分析、流体动力学仿真和智能制造中，人工智能也得到了广泛应用。人工智能能否有效赋能科学研究，事关我国科技范式及创新能力的基础性提升。同时，科学研究是人类最高层级的创新活动，AI for Science中碰到大量科学世界建模、科学语言表征、科学假设提出等，恰恰又是新一代人工智能在摸高认知“天花板”中需要攀登的一个又一个台阶。AI for Science正在牵引如物理嵌入的模型基础架构等创新，也在改变科学计算的软硬件协同底层逻辑，推动人工智能生态的持续发展。2024年诺贝尔物理学奖和化学奖不约而同地颁发给人工智能领域专家，在国际科学研究领域吹响了AI for Science的号角，推动新一轮科技革命。

（三）持续推进自主可控的人工智能基础软硬件建设

人工智能发展离不开算法、算力和数据。ChatGPT和DeepSeek在通用语言能力上的突破，包含了自监督学习、深度学习及强化学习、多层注意力机制、混合专家模型稀疏结构、多令牌预测技术等创新。在算力方面，为支撑ChatGPT 1750亿参数的训练，OpenAI投入了三万张英伟达A100芯片。尽管Deepseek的成功验证了通过算法创新和硬件资源的管理与优化，可大幅降低训练成本与对算力的依赖，但相比传统深度学习，依然需要大量算力支撑训练。在数据方面，现有大模型则更是几乎用尽了互联网所有可用的高质量数据。可以说，发展人工智能需要构建以算法、算力和数据一体化高效的通用人工智能基础设施。

目前，我国基础软硬件已经基本做到自主可控，尤其是DeepSeek的开源，大大加快了以国产基础软硬件为基础的人工智能生态完善。我们要以需求为牵引，加快以私有化部署和公有化云服务等形态的人工智能基础软硬件服务，为智能时代的到来和智能应用爆发做好准备。研究建立训推一体的大规模平台资源是人工智能领域集成性、系统性创新的必要条件，既为人工智能赋能提供强大的基础支撑，也为高效的通用人工智能可持续创新提供条件。

（四）保障人工智能伦理与安全成为人工智能发展的重要基石

人工智能技术发展既在赋能行业方面展现出广泛的应用潜力，也带来了信息安全、社会安全、政治与军事安全等挑战。在全球范围内着力构建安全规范、评估框架和价值对齐技术体系，探索复杂场景下的人工智能安全技术体系，建立人工智能伦理规范成为未来趋势，也是人工智能可持续发展的必然要求。要纠正伦理和安全会约束人工智能发展的错误观点：从长期看，对伦理和安全的要求，恰恰对人工智能技术提出更高要求，从而进一步推动可控、可信的通用人工智能技术创新。

当前，人工智能已经成为国家科技战略的核心竞争力，其战略地位愈加突出。面对新形势新需求，我国必须牢牢把握人工智能新发展机遇，坚定不移地走出适合我国特点的人工智能发展之路。同时，秉持建设人类命运共同体理念，继续探索治理原则、治理方式和治理内容，以人工智能发展带动国家竞争力整体跃升，为建成创新型国家和世界科技强国、实现中华民族伟大复兴作出重要贡献。