委员长、各位副委员长、秘书长、各位委员：

人工智能领域近年来正在迎来一场由天生式人工智能大模型引领的爆发式发展。
2022年11月30日，OpenAI公司推出一款人工智能对话谈天机器人ChatGPT，其出色的自然措辞天生能力引起了全天下范围的广泛关注，2个月打破1亿用户，国内外随即掀起了一场大模型浪潮，Gemini、文心一言、Copilot、LLaMA、SAM、SORA等各种大模型如雨后春笋般呈现，2022年也被誉为大模型元年。

当前信息时期正加快进入智能打算的发展阶段，人工智能技能上的打破层出不穷，逐渐深入地赋能千行百业，推动人工智能与数据要素成为新质生产力的范例代表。
习近平总布告指出，把新一代人工智能作为推动科技跨加倍展、家当优化升级、生产力整体跃升的驱动力量，努力实现高质量发展。
党的十八大以来，以习近平同道为核心的党中心高度重视智能经济发展，促进人工智能和实体经济深度领悟，为高质量发展注入强劲动力。

打算技能发展简介

打算技能的发展历史大致可分为四个阶段，算盘的涌现标志着人类进入第一代——机器打算时期，第二代——电子打算的标志是涌现电子器件与电子打算机，互联网的涌现使我们进入第三代——网络打算，当古人类社会正在进入第四阶段——智能打算。

早期的打算装置是手动赞助打算装置和半自动打算装置，人类打算工具的历史是从公元1200年的中国算盘开始，随后涌现了纳皮尔筹（1612年）和滚轮式加法器（1642年），到1672年第一台自动完成四则运算的打算装置——步进打算器出身了。

机器打算期间已经涌现了当代打算机的一些基本观点。
查尔斯∙巴贝奇（Charles Babbage）提出了差分机（1822年）与剖析机（1834年）的设计构想，支持自动机器打算。
这一期间，编程与程序的观点基本形成，编程的观点起源于雅卡尔提花机，通过打孔卡片掌握印花图案，终极演化为通过打算指令的形式来存储所有数学打算步骤；人类历史的第一个程序员是墨客拜伦之女艾达（Ada），她为巴贝奇差分机编写了一组求解伯努利数列的打算指令，这套指令也是人类历史上第一套打算机算法程序，它将硬件和软件分离，第一次涌现程序的观点。

直到在二十世纪上半叶，涌现了布尔代数(数学)、图灵机(打算模型) 、冯诺依曼体系构造(架构) 、晶体管(器件)这四个当代打算技能的科学根本。
个中，布尔代数用来描述程序和硬件如CPU的底层逻辑；图灵机是一种通用的打算模型，将繁芜任务转化为自动打算、不需人工干预的自动化过程；冯诺依曼体系构造提出告终构打算机的三个基本原则：采取二进制逻辑、程序存储实行、以及打算机由运算器、掌握器、存储器、输入设备、输出设备这五个基本单元组成；晶体管是构成基本的逻辑电路和存储电路的半导体器件，是建造当代打算机之塔的“砖块”。
基于以上科学根本，打算技能得以高速发展，形成规模弘大的家当。

从1946年天下上第一台电子打算机ENIAC出身到二十一世纪的本日，已经形成了五类成功的平台型打算系统。
当前各领域各种类型的运用，都可以由这五类平台型打算装置支撑。

第一类是高性能打算平台，办理了国家核心部门的科学与工程打算问题；

第二类是企业打算平台，又称做事器，用于企业级的数据管理、事务处理，当前像百度、阿里和腾讯这些互联网公司的打算平台都属于这一类；

第三类是个人电脑平台，以桌面运用的形式涌现，人们通过桌面运用与个人电脑交互；

第四类是智好手机，紧张特点是移动便携，手机通过网络连接数据中央，以互联网运用为主，它们分布式地支配在数据中央和手机终端；

第五类是嵌入式打算机，嵌入到工业装备和军事设备，通过实时的掌握，保障在确定韶光内完成特界说务。

这五类装置险些覆盖了我们信息社会的方方面面，长期以来人们追求的以智能打算运用为中央的第六类平台型打算系统尚未形成。

当代打算技能的发展大致可以划分为三个时期。

IT1.0又称电子打算时期（1950-1970），基本特色因此“机”为中央。
打算技能的基本架构形成，随着集成电路工艺的进步，基本打算单元的尺度快速微缩，晶体管密度、打算性能和可靠性不断提升，打算机在科学工程打算、企业数据处理中得到了广泛运用。

IT2.0又称网络打算时期（1980-2020），以“人”为中央。
互联网将人利用的终端与后台的数据中央连接，互联网运用通过智能终端与人进行交互。
以亚马逊等为代表的互联网公司提出了云打算的思想，将后台的算力封装成一个公共做事租借给第三方用户，形成了云打算与大数据家当。

IT3.0又称智能打算时期，始于2020年，与IT2.0比较增加了“物”的观点，即物理天下的各种端侧设备，被数字化、网络化和智能化，实现“人-机-物”三元领悟。
智能打算时期，除了互联网以外，还有数据根本举动步伐，支撑各种终端通过端边云实现万物互联，终端、物端、边缘、云都嵌入AI，供应与ChatGPT类似的大模型智能做事，终极实现有打算的地方就有AI智能。
智能打算带来了巨量的数据、人工智能算法的打破和对算力的爆发性需求。

智能打算发展简介

智能打算包括人工智能技能与它的打算载体，大致历经了四个阶段，分别为通用打算装置、逻辑推理专家系统、深度学习打算系统、大模型打算系统。

智能打算的出发点是通用自动打算装置（1946年）。
艾伦·图灵（Alan Turing）和冯·诺依曼（John von Neumann）等科学家，一开始都希望能够仿照人脑处理知识的过程，发明像人脑一样思考的机器，虽未能实现，但却办理了打算的自动化问题。
通用自动打算装置的涌现，也推动了1956年人工智能（AI）观点的出身，此后所有人工智能技能的发展都是建立在新一代打算设备与更强的打算能力之上的。

智能打算发展的第二阶段是逻辑推理专家系统（1990年）。
E.A.费根鲍姆（Edward Albert Feigenbaum）等符号智能学派的科学家以逻辑和推理能力自动化为紧张目标，提出了能够将知识符号进行逻辑推理的专家系统。
人的先验知识以知识符号的形式进入打算机，使打算机能够在特定领域赞助人类进行一定的逻辑判断和决策，但专家系统严重依赖于手工天生的知识库或规则库。
这类专家系统的范例代表这天本的五代机和我国863操持支持的306智能打算机主题，日本在逻辑专家系统中采纳专用打算平台和Prolog这样的知识推理措辞完成运用级推理任务；我国采纳了与日天职歧的技能路线，以通用打算平台为根本，将智能任务变成人工智能算法，将硬件和系统软件都接入通用打算平台，并催生了曙光、汉王、科大讯飞等一批骨干企业。

符号打算系统的局限性在于其爆炸的打算时空繁芜度，即符号打算系统只能办理线性增长问题，对付高维繁芜空间问题是无法求解的，从而限定了能够处理问题的大小。
同时由于符号打算系统是基于知识规则建立的，我们又无法对所有的知识用穷举法来进行列举，它的运用范围就受到了很大的限定。
随着第二次AI寒冬的到来，第一代智能打算机逐渐退出历史舞台。

直到2014年旁边，智能打算进阶到第三阶段——深度学习打算系统。
以杰弗里·辛顿（Geoffrey Hinton）等为代表的连接智能学派，以学习能力自动化为目标，发明了深度学习等新AI算法。
通过深度神经元网络的自动学习，大幅提升了模型统计归纳的能力，在模式识别①等运用效果上取得了巨大打破，某些场景的识别精度乃至超越了人类。

以人脸识别为例，全体神经网络的演习过程相称于一个网络参数调度的过程，将大量的经由标注的人脸图片数据输着迷经网络，然后进行网络间参数调度，让神经网络输出的结果的概率无限逼近真实结果。

神经网络输出真实情形的概率越大，参数就越大，从而将知识和规则编码到网络参数中，这样只要数据足够多，就可以对各种大量的知识进行学习，通用性得到极大的提升。
连接智能的运用更加广泛，包括语音识别、人脸识别、自动驾驶等。

在打算载体方面，中国科学院打算技能研究所2013年提出了国际首个深度学习处理器架构，国际有名的硬件厂商英伟达（NVIDIA）持续发布了多款性能领先的通用GPU芯片，都是深度学习打算系统的范例代表。

智能打算发展的第四阶段是大模型打算系统（2020年）。
在人工智能大模型技能的推动下，智能打算迈向新的高度。

2020年，AI从“小模型+判别式”转向“大模型+天生式”，从传统的人脸识别、目标检测、文本分类，升级到如今的文本天生、3D数字人天生、图像天生、语音天生、视频天生。

大措辞模型在对话系统领域的一个范例运用是OpenAI公司的ChatGPT，它采取预演习基座大措辞模型GPT-3，引入3000亿单词的演习语料，相称于互联网上所有英语笔墨的总和。
其基本事理是：通过给它一个输入，让它预测下一个单词来演习模型，通过大量演习提升预测精确度，终极达到向它讯问一个问题，大模型产生一个答案，与人即时对话。
在基座大模型的根本上，再给它一些提示词进行有监督的指令微调，通过人类的<指令，回答>对逐渐让模型学会如何与人进行多轮对话；末了，通过人为设计和自动天生的褒奖函数来进行强化学习迭代，逐步实现大模型与人类代价不雅观的对齐。

大模型的特点因此“大”取胜，个中有三层含义，（1）参数大，GPT-3就有1700亿个参数；（2）演习数据大，ChatGPT大约用了3000亿个单词，570GB演习数据；（3）算力需求大，GPT-3大约用了上万块V100 GPU进行演习。
为知足大模型对智能算力爆炸式增加的需求，国内外都在大规模培植耗资巨大的新型智算中央，英伟达公司也推出了采取256个H100芯片，150TB海量GPU内存等构成的大模型智能打算系统。

大模型的涌现带来了三个变革。

一是技能上的规模定律（Scaling Law），即很多AI模型的精度在参数规模超过某个阈值后模型能力快速提升，其缘故原由在科学界还不是非常清楚，有很大的争议。
AI模型的性能与模型参数规模、数据集大小、算力总量三个变量成“对数线性关系”，因此可以通过增大模型的规模来不断提高模型的性能。
目前最前沿的大模型GPT-4参数量已经达到了万亿到十万亿量级，并且仍在不断增长中；

二是家当上算力需求爆炸式增长，千亿参数规模大模型的演习常日须要在数千乃至数万GPU卡上演习2-3个月韶光，急剧增加的算力需求带动干系算力企业超高速发展，英伟达的市值靠近两万亿美元，对付芯片企业以前从来没有发生过；

三是社会上冲击劳动力市场，北京大学国家发展研究院与智联招聘联合发布的《AI大模型对我国劳动力市场潜在影响研究》报告指出，受影响最大的20个职业中财会、发卖、文书位于前列，须要与人打交道并供应做事的体力劳动型事情，如人力资源、行政、后勤等反而相对更安全。

人工智能的技能前沿将朝着以下四个方向发展。

第一个前沿方向为多模态大模型。
从人类视角出发，人类智能是天然多模态的，人拥有眼、耳、鼻、舌、身、嘴(措辞)，从AI视角出发，视觉，听觉等也都可以建模为token②的序列，可采纳与大措辞模型相同的方法进行学习，并进一步与措辞中的语义进行对齐，实现多模态对齐的智能能力。

第二个前沿方向为视频天生大模型。
OpenAI于2024年2月15日发布文生视频模型SORA，将视频天生时长从几秒钟大幅提升到一分钟，且在分辨率、画面真实度、时序同等性等方面都有显著提升。
SORA的最大意义是它具备了天下模型的基本特色，即人类不雅观察天下并进一步预测天下的能力。
天下模型是建立在理解天下的基本物理知识（如，水往低处流等）之上，然后不雅观察并预测下一秒将要发生什么事宜。
虽然SORA要成为天下模型仍旧存在很多问题，但可以认为SORA学会了画面想象力和分钟级未来预测能力，这是天下模型的根本特色。

第三个前沿方向为具身智能。
具身智能指有身体并支持与物理天下进行交互的智能体，如机器人、无人车等，通过多模态大模型处理多种传感数据输入，由大模型天生运动指令对智能体进行驱动，替代传统基于规则或者数学公式的运动驱动办法，实现虚拟和现实的深度领悟。
因此，具有具身智能的机器人，可以聚拢人工智能的三大流派：以神经网络为代表的连接主义，以知识工程为代表的符号主义和掌握论干系的行为主义，三大流派可以同时浸染在一个智能体，这预期会带来新的技能打破。

第四个前沿方向是AI4R(AI for Research)成为科学创造与技能发明的紧张范式。
当前科学创造紧张依赖于实验和人脑聪慧，由人类进行大胆猜想、小心求证，信息技能无论是打算和数据，都只是起到一些赞助和验证的浸染。
相较于人类，人工智能在影象力、高维繁芜、全视野、推理深度、猜想等方面具有较大上风，是否能以AI为主进行一些科学创造和技能发明，大幅提升人类科学创造的效率，比如主动创造物理学规律、预测蛋白质构造、设计高性能芯片、高效合成新药等。
由于人工智能大模型具有全量数据，具备上帝视角，通过深度学习的能力，可以比人向前看更多步数，如能实现从推断(inference)到推理(reasoning)的跃升，人工智能模型就有潜力具备爱因斯坦一样的想象力和科学猜想能力，极大提升人类科学创造的效率，冲破人类的认知边界。
这才是真正的颠覆所在。

末了，通用人工智能③（Artificial General Intelligence，简称AGI）是一个极具寻衅的话题，极具辩论性。

曾经有一个哲学家和一个神经科学家打赌：25年后（即2023年）科研职员是否能够揭示大脑如何实现意识？当时关于意识有两个流派，一个叫集成信息理论，一个叫全局网络事情空间理论，前者认为意识是由大脑中特定类型神经元连接形成的“构造”，后者指出意识是当信息通过互连网络传播到大脑区域时产生的。

2023年，人们通过六个独立实验室进行了对抗性实验，结果与两种理论均不完备匹配，哲学家赢了，神经科学家输了。
通过这一场赌约，可以看出人们总是希望人工智能能够理解人类的认知和大脑的奥秘。
从物理学的视角看，物理学是对宏不雅观天下有了透彻理解后，从量子物理起步开启了对微不雅观天下的理解。

智能天下与物理天下一样，都是具有巨大繁芜度的研究工具，AI大模型仍旧是通过数据驱动等研究宏不雅观天下的方法，提高机器的智能水平，对智能宏不雅观天下理解并不足，直接到神经系统微不雅观天下探求答案是困难的。

人工智能自出身以来，一贯承载着人类关于智能与意识的各类梦想与抱负，也勉励着人们不断探索。

人工智能的安全风险

人工智能的发展促进了当现代界科技进步的同时，也带来了很多安全风险，要从技能与法规两方面加以应对。

首先是互联网虚假信息泛滥。
这里列举多少场景：

一是数字分身。
AI Yoon是首个利用 DeepFake 技能合成的官方“候选人”，这个数字人以韩国国民力量党候选人尹锡悦（Yoon Suk-yeol）为原型，借助尹锡悦 20 小时的音频和视频片段、以及其专门为研究职员录制的 3000 多个句子，由当地一家 DeepFake 技能公司创建了虚拟形象 AI Yoon，并在网络上迅速走红。
实际上 AI Yoon 表达的内容是由竞选团队撰写的，而不是候选人本人。

二是假造视频，尤其是假造领导人视频引起国际争端，扰乱选举秩序，或引起突发舆情事宜，如假造尼克松宣告第一次登月失落败，假造乌克兰总统泽连斯基宣告“屈膝降服佩服”的信息，这些行为导致新闻媒体行业的社会信赖衰退。

三是假造新闻，紧张通过虚假新闻自动天生牟取造孽利益，利用ChatGPT天生热点新闻，赚取流量，截至2023年6月30日环球天生假造新闻网站已达277个，严重扰乱社会秩序。

四是换脸变声，用于诱骗。
如由于AI语音模拟了企业高管的声音，一家喷鼻香港国际企业因此被骗3500万美元。

五是天生不雅观观图片，特殊是针对"大众人物。
如影视明星的色情视频制作，造成不良社会影响。
因此，急迫须要发展互联网虚假信息的假造检测技能。

其次，AI大模型面临严重可信问题。
这些问题包括：（1）“不苟言笑胡说八道”的事实性缺点；（2）以西方代价不雅观叙事，输出政治偏见和缺点辞吐；（3）易被勾引，输出错误知识和有害内容；（4）数据安全问题加重，大模型成为主要敏感数据的诱捕器，ChatGPT将用户输入纳入演习数据库，用于改进ChatGPT，美方能够利用大模型得到公开渠道覆盖不到的中文语料，节制我们自己都可能不节制的“中国知识”。
因此，急迫须要发展大模型安全监管技能与自己的可信大模型。

除了技能手段外，人工智能安全保障须要干系立法事情。
2021年科技部发布《新一代人工智能伦理规范》，2022年8月，全国信息安全标准化技能委员会发布《信息安全技能机器学习算法安全评估规范》，2022-2023年，中心网信办先后发布《互联网信息做事算法推举管理规定》《互联网信息做事深度合成管理规定》《天生式人工智能做事管理办法》等。
欧美国家也先后出台法规，2018年5月25日，欧盟出台《通用数据保护条例》，2022年10月4日，美国发布《人工智能权利法案蓝图》，2024年3月13日，欧洲议会通过了欧盟《人工智能法案》。

我国应加快推进《人工智能法》出台，构建人工智能管理体系，确保人工智能的发展和运用遵照人类共同代价不雅观，促进人机和谐友好；创造有利于人工智能技能研究、开拓、运用的政策环境；建立合理表露机制和审计评估机制，理解人工智能机制事理和决策过程；明确人工智能系统的安全任务和问责机制，可追溯任务主体并补救；推动形成公正合理、开放原谅的国际人工智能管理规则。

中国智能打算发展困境

人工智能技能与智能打算家当处于中美科技竞争的焦点，我国在过去几年虽然取得了很大的成绩，但依然面临诸多发展困境，特殊是由美国的科技打压政策带来的困难。

困境一为美国在AI核心能力上长期处于领先地位，中国处于跟踪模式。
中国在AI高端人才数量、AI根本算法创新、AI底座大模型能力（大措辞模型、文生图模型、文生视频模型）、底座大模型演习数据、底座大模型演习算力等，都与美国存在一定的差距，并且这种差距还将持续很长一段韶光。

困境二为高端算力产品禁售，高端芯片工艺长期被卡。
A100，H100，B200等高端智算芯片对华禁售。
华为、龙芯、寒武纪、曙光、海光等企业都进入实体清单，它们芯片制造的前辈工艺④受限，海内可知足规模量产的工艺节点掉队国际前辈水平2-3代，核心算力芯片的性能掉队国际前辈水平2-3代。

困境三为海内智能打算生态孱弱，AI开拓框架渗透率不敷。
英伟达CUDA⑤(Compute Unified Device Architecture, 通用打算设备架构)生态完备，已形成了事实上的垄断。
海内生态孱弱，详细表现在：一是研发职员不敷，英伟达CUDA生态有近2万人开拓，是海内所有智能芯片公司职员总和的20倍；二是开拓工具不敷，CUDA有550个SDK(Software Development Kit, 软件开拓工具包)，是海内干系企业的上百倍；三是资金投入不敷，英伟达每年投入50亿美元，是海内干系公司的几十倍；四是AI开拓框架TensorFlow霸占工业类市场，PyTorch霸占研究类市场，百度飞桨等国产AI开拓框架的开拓职员只有国外框架的1/10。

更为严重的是海内企业之间山头林立，无法形成协力，从智能运用、开拓框架、系统软件、智能芯片，虽然每层都有干系产品，但各层之间没有深度适配，无法形成一个有竞争力的技能体系。

困境四为AI运用于行业时本钱、门槛居高不下。
当前我国AI运用紧张集中在互联网行业和一些国防领域。
AI技能推广运用于各行各业时，特殊是从互联网行业迁移到非互联网行业，须要进行大量的定制事情，迁移难度大，单次利用本钱高。
末了，我国在AI领域的人才数量与实际需求比较也明显不敷。

中国如何发展智能打算的道路选择

人工智能发展的道路选择对我国至关主要，关系到发展的可持续性与终极的国际竞争格局。
当古人工智能的利用本钱十分高昂，微软Copilot套件要支付每月10美元的利用用度，ChatGPT每天花费50万千瓦时的电力，英伟达B200芯片价格高达3万美元以上。
总体来说，我国应发展用得起、安全可信的人工智能技能，肃清我国信息穷苦人口、并造福“一带一起”国家；低门槛地赋能各行各业，让我国的上风家当保持竞争力，让相对掉队的家当能够大幅地缩小差距。

选择一：统一技能体系走闭源封闭，还是开源开放的道路？

支撑智能打算家当的是一个相互紧耦合的技能体系，即由一系列技能标准和知识产权将材料、器件、工艺、芯片、整机、系统软件、运用软件等密切联系在一起的技能整体。
我国发展智能打算技能体系存在三条道路：

一是追赶兼容美国主导的A体系。
我国大多数互联网企业走的是GPGPU/CUDA兼容道路，很多芯片领域的创业企业在生态构建上也是只管即便与CUDA兼容，这条道路较为现实。
由于在算力方面美国对我国工艺和芯片带宽的限定，在算法方面海内生态林立很难形成统一，生态成熟度严重受限，在数据方面中文高质量数据匮乏，这些成分会使得追赶者与领先者的差距很难缩小，一些时候还会进一步拉大。
　　

二是构建专用封闭的B体系。
在军事、气候、法律等专用领域构建企业封闭生态，基于国产成熟工艺生产芯片，相对付底座大模型更加关注特定领域垂直类大模型，演习大模型更多采取领域专有高质量数据等。
这条道路易于形成完全可控的技能体系与生态，我国一些大型骨干企业走的是这条道路，它的缺陷是封闭，无法凝聚海内大多数力量，也很难实现环球化。
　

三是环球共建开源开放的C体系。
用开源冲破生态垄断，降落企业拥有核心技能的门槛，让每个企业都能低成本地做自己的芯片，形成智能芯片的汪洋大海，知足无处不在的智能需求。
用开放形成统一的技能体系，我国企业与环球化力量联合起来共建基于国际标准的统一智能打算软件栈。
形成企业竞争前共享机制，共享高质量数据库，共享开源通用底座大模型。
对付环球开源生态，我国企业在互联网时期收益良多，我国更多的是利用者，是参与者，在智能时期我国企业在RISC-V⑥+AI开源技能体系上应更多地成为主力贡献者，成为环球化开放共享的主导力量。

选择二：拼算法模型，还是拼新型根本举动步伐？　　

人工智能技能要赋能各行各业，具有范例的长尾效应⑦。
我国80%的中小微企业，须要的是低门槛、低价格的智能做事。
因此，我国智能打算家当必须建立在新的数据空间根本举动步伐之上，个中关键是我国应率先实现智能要素即数据、算力、算法的全面根本举动步伐化。
这项事情可比肩二十世纪初美国信息高速公路操持（即信息根本举动步伐培植）对互联网家当的历史浸染。
　　

信息社会最核心的生产力是网络空间(Cyberspace)。
网络空间的演进过程是：从机器一元连接构成的打算空间，演进到人机信息二元连接构成的信息空间，再演进到人机物数据三元连接构成的数据空间。
从数据空间看，人工智能的实质是数据的百炼成钢，大模型便是对互联网全量数据进行深度加工后的产物。
在数字化时期，在互联网上传输的是信息流，是算力对数据进行粗加工后的构造化抽象；在智能时期，在互联网上传输的是智能流，是算力对数据进行深度加工与精髓精辟后的模型化抽象。
智能打算的一个核心特色便是用数值打算、数据剖析、人工智能等算法，在算力池中加工海量数据件，得到智能模型，再嵌入到信息天下、物理天下的各个过程中。
　

我国政府已经前瞻性地提前布局了新型根本举动步伐，在世界各国竞争中抢占了先机。

首先，数据已成为国家计策信息资源。
数据具有资源要素与代价加工两重属性，数据的资源要素属性包括生产、获取、传输、汇聚、流利、交易、权属、资产、安全等各个环节，我国应连续加大力度培植国家数据枢纽与数据流利根本举动步伐。
　　

其次，AI大模型便是数据空间的一类算法根本举动步伐。
以通用大模型为基座，构建大模型研发与运用的根本举动步伐，支撑广大企业研发领域专用大模型，做事于机器人、无人驾驶、可穿着设备、智能家居、智能安防等行业，覆盖长尾运用。
　　

末了，全国一体化算力网培植在推动算力的根本举动步伐化上发挥了先导浸染。
算力根本举动步伐化的中国方案，应在大幅度降落算力利用本钱和利用门槛的同时，为最广范围覆盖人群供应高通量、高品质的智能做事。

算力根本举动步伐的中国方案须要具备“两低一高”，即在供给侧，大幅度降落算力器件、算力设备、网络连接、数据获取、算法模型调用、电力花费、运营掩护、开拓支配的总本钱，让广大中小企业都消费得起高品质的算力做事，有积极性开拓算力网运用；

在消费侧，大幅度降落广大用户的算力利用门槛，面向大众的公共做事必须做到易获取、易利用，像水电一样即开即用，像编写网页一样轻松定制算力做事，开拓算力网运用。

在做事效率侧，中国的算力做事要实现低熵高通量，个中高通量是指在实现高并发⑧度做事的同时，端到端做事的相应韶光可知足率高；

低熵是指在高并发负载中涌现资源无序竞争的情形下，保障系统通量不急剧低落。
保障“算得多”对中国尤其主要。
　　

选择三：AI+着重赋能虚拟经济，还是发力实体经济？　

“AI+”的成效是人工智能代价的试金石。
次贷危急后，美国制造业增加值占GDP的比重从1950年的28%降落为2021年的11%，美国制造业在全行业就业人数占比从1979年的35%降落为2022年的8%，可见美国更方向于回报率更高的虚拟经济，轻视投资本钱高且经济回报率低的实体经济。
中国方向于实体经济与虚拟经济同步发展，更加重视发展装备制造、新能源汽车、光伏发电、锂电池、高铁、5G等实体经济。
　　

相应地美国AI紧张运用于虚拟经济和IT根本工具，AI技能也是“脱实向虚”，自2007年以来硅谷不断炒作虚拟现实（Virtual Reality，VR）、元宇宙、区块链、Web3.0、深度学习、AI大模型等，是这个趋势的反响。
　

我国的上风在实体经济，制造业环球家当门类最完好，体系最完全，特点是场景多、私有数据多。
我国应精选多少行业加大投入，形成可低门槛全行业推广的范式，如选择装备制造业作为延续上风代表性行业，选择医药业作为快速缩短差距的代表性行业。
赋能实体经济的技能难点是AI算法与物理机理的领悟。

人工智能技能成功的关键是能否让一个行业或一个产品的本钱大幅低落，从而将用户数与家当规模扩大10倍，产生类似于蒸汽机对付纺织业，智好手机对付互联网业的变革效果。

我国应走出适宜自己的人工智能赋能实体经济的高质量发展道路。

注释 ：　　

①模式识别是指用打算的方法根据样本的特色将样本划分到一定的种别中去，是通过打算机用数学方法来研究模式的自动处理和判读，把环境与客体统称为“模式”。
以图像处理与打算机视觉、语音措辞信息处理、脑网络组、类脑智能等为紧张研究方向。
　　

②Token可翻译为词元，指自然措辞处理过程中用来表示单词或短语的符号。
token可以是单个字符,也可以是多个字符组成的序列。
　　

③通用人工智能是指拥有与人类相称乃至超过人类智能的人工智能类型。
通用人工智能不仅能像人类一样进行感知、理解、学习和推理等根本思维能力，还能在不同领域灵巧运用、快速学习和创造性思考。
通用人工智能的研究目标是寻求统一的理论框架来阐明各种智能征象。
　　

④芯片制造工艺指制造CPU或GPU的制程，即晶体管门电路的尺寸，单位为纳米，目前国际上实现量产的最前辈工艺以台积电的3nm为代表。
更前辈的制造工艺可以使CPU与GPU内部集成更多的晶体管，使处理用具有更多的功能以及更高的性能，面积更小，本钱更低等。
　　

⑤CUDA是英伟达公司设计研发一种并行打算平台和编程模型，包含了CUDA指令集架构以及GPU内部的并行打算引擎。
开拓职员可以利用C措辞来为CUDA架构编写程序，所编写出的程序可以在支持CUDA的处理器上以超高性能运行。
　　

⑥RISC-V（发音为“risk-five”）是一个由美国加州大学伯克利分校发起的开放通用指令集架构，比较于其他付费指令集，RISC-V许可任何人免费地利用RISC-V指令集设计、制造和发卖芯片和软件。
　　

⑦长尾效应是指那些原来不受到重视的销量小但种类多的产品或做事由于总量巨大，累积起来的总收益超过主流产品的征象。
在互联网领域，长尾效应尤为显著。
　　

⑧高并发常日指通过设计担保系统能够同时并行处理很多要求。

来源：中国人大网