加快发展新一代人工智能（人民时评）
理解提问，快速给出回答；训练声音，翻唱经典歌曲；根据描述，绘出趣味画作……近期，基于大模型研发的生成式人工智能，展示了在语言理解和内容生成等方面的出色能力，引发社会关注。
大模型赋能，生成式人工智能正在引发新一轮智能化浪潮。得益于拥有庞大的数据、参数以及较好的学习能力，大模型增强了人工智能的通用性。从与人顺畅聊天到写合同、剧本，从检测程序安全漏洞到辅助创作游戏甚至电影……生成式人工智能本领加速进化。随着技术迭代，更高效、更“聪明”的大模型将渗透到越来越多的领域，有望成为人工智能技术及应用的新基座，变成人们生产生活的基础性工具，进而带来经济社会发展和产业的深刻变革。人工智能大模型强大的创新潜能，使其成为全球竞争的焦点之一。
经过多方努力，我国人工智能大模型已具有一定基础。在2023中关村论坛上发布的《中国人工智能大模型地图研究报告》显示，中国人工智能大模型正呈现蓬勃发展态势。据不完全统计，截至目前，10亿级参数规模以上的大模型全国已发布了79个。我国在大模型方面已建立起涵盖理论方法和软硬件技术的体系化研发能力。也应看到，人工智能大模型离不开多项技术的融合创新。在前沿基础理论和算法上，我国与国际先进水平还存在差距。筑牢智能时代的根基，需要瞄准短板，着力推动大模型领域生成式算法、框架等原创性技术突破。同时，还应发挥我国应用场景优势，进一步深耕垂直领域，以行业专有训练数据集为基础，打造金融、医疗、电力等领域的专业大模型。要以高质量应用和数据反馈技术优化，帮助大模型迭代升级。
数据质量影响大模型“智商”。国际上一些大模型之所以领先，与大量公开高质量数据的训练息息相关。我国有海量数据和丰富应用场景，应逐步开放共享优质数据，通过制定共享目录和共享规则等方式，推动数据分级分类有序开放，让流动数据激发创新活力。例如，前不久印发的《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023―2024年）》提出，“建立多模态公共数据集，打造高质量中文语料数据”。期待各地各行业从实际出发，加强高质量数据供给，为大模型成长提供充足“养料”。
人工智能大模型研发周期长、投入大、风险高。经过数年持续研发，国际领先的大模型聚集了较好的资源和人才。当前，我国不少高校院所、企业正在做研发工作，在大模型、大数据、大算力等方面各有侧重，研发力量较为分散。作为追赶者，有必要进一步强化企业科技创新主体地位，整合优势创新资源，推动形成大模型产学研攻坚合力。
人工智能大模型带来的治理挑战也不容忽视。营造良好创新生态，需做好前瞻研究，建立健全保障人工智能健康发展的法律法规、制度体系、伦理道德。为促进生成式人工智能技术健康发展和规范应用，今年4月，国家互联网信息办公室发布《生成式人工智能服务管理办法（征求意见稿）》。新技术应用往往先于规范。着眼未来，在重视防范风险的同时，也应同步建立容错、纠错机制，努力实现规范与发展的动态平衡。
人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。从战略高度着手，凝聚合力、攻坚克难、勇于创新，努力拓展理论和技术应用空间，必能更好培育壮大新动能，构筑发展新优势。
《人民日报》（2023年06月16日05版）
(责编：岳弘彬、曲源)分享让更多人看到
迈入强人工智能 “长虹超脑”全球首发
为什么你家的智能电视不够智能？为什么用户提到一些问题、发出一些指令，电视会理解不了？为什么电视没法做到人和人交流一样的自然？
6月20日，长虹在“长虹超脑”发布会上给出了答案。作为人工智能领域的开拓者，长虹不断将先进技术转化为终端产品，推出了全球首台人工智能电视、发布了全球首款多模态交互电视、实现了全球首个电视交互的免唤醒能力。6月20日，长虹再次推出全球首款人工智能大模型在电视领域的应用――长虹超脑，电视迈入了“强人工智能”时代。
在“弱人工智能”时代，需要用户去适应机器、学习交互逻辑。没法做到产品来适应用户，因此显得不够聪明。而今天，长虹全球首发的长虹超脑，具备感知、理解、创造三大核心能力。实现了智能电视迈入“强人工智能”时代的第一步。它能和用户进行自然而连续的对话，用户再刁钻的问题都难不倒它，还能根据用户的个性化需求进行内容创造和服务。长虹超脑的发布，将为消费者带来前所未有的智能化体验。
深度感知，实现机器与人的自然对话。长虹超脑极大提高了长虹小白的多模态感知能力。通过声纹识别，它一听就知道你是谁。通过AI摄像头的加持，让它不仅仅能听得清，还能看得见。同时，可以和长虹小白连续自然对话，无需每次都要唤醒。
深度理解，解决日常中的“疑难杂症”。我们需要能像人一样对话者的意图，从而自然而正确的回应。长虹超脑，可以说拥有无穷的知识广度和深度，其理解能力从原来覆盖30多个领域的“百事通”成为了无所不能的“事事通”。不管人们说什么，它都能听得懂，能回应。
无限创造，电视不再是提供什么用户就看什么，而是可以根据用户的需求，创造内容和服务。长虹超脑把大模型带来的能力极为方便的赋能给用户，它能在影音娱乐、学习辅导、家庭健康、知识百科、智慧办公等各个领域为用户带来极为便捷的体验。
长虹超脑的发布，为中国消费者带来了更加智能的使用体验，带来了电视应用的更多可能。据悉，6月15日，搭载长虹超脑的部分电视，已经面向全球用户进行公测，感兴趣的朋友不妨去长虹电视终端进行体验。
发展人工智能须兼顾安全底线和赶超意识
5月18日，第七届世界智能大会在天津拉开帷幕。AI下棋机器人、脑控轮椅、智能手工咖啡机等一批代表世界最前沿技术和创意的产品纷纷亮相，这是本届智能大会的突出亮点之一。
伴随生成式人工智能服务的出现，数据的真实性正遭到空前挑战。在注重数据安全和技术安全的前提下，专家也呼吁，应紧紧把握全球人工智能发展的新机遇，加大人工智能基础理论和前沿技术研发布局，打造一批人工智能区域高地和基础平台，深化产学研用融合，推动人工智能赋能经济社会发展。
寻找差距奋起直追
中国社会科学院信息化研究中心主任姜奇平在接受中国经济时报记者采访时表示，从专业技术角度看，尤其是以ChatGPT为代表的大语言模型技术突飞猛进，正带动这波人工智能浪潮兴起。“这对我们而言既是机遇也是挑战。”他认为，我国需要下大力气投入人力、物力和财力来弥补人工智能技术水平上的差距。
中央财经大学中国互联网经济研究院副院长欧阳日辉对中国经济时报记者表示，我国在人工智能领域的突出表现是论文数量和专利数量。从学术论文的发表量和论文被引用的指数来看，在最近几年里，我国整体上在世界上排名第二，和美国的差距在缩小，但仍有一些重要方面存在明显差距。
国务院发展研究中心信息中心研究员李广乾对中国经济时报记者强调，现在我国人工智能，在理论研究、芯片设计、行业应用等方面都没有问题，最大难题是高端芯片制造方面的“卡脖子”问题，这也是整个数字中国建设最关键的环节，“这是我们需要下大力气攻克的难题。”
要有紧迫感和赶超意识
近年来，我国人工智能得以快速发展，赋能经济社会成效显著，人工智能核心产业规模超过5000亿元人民币，代表性企业超过4200家。但受访专家认为，在当前人工智能从大数据迈向大模型的重要阶段，我们要有紧迫感和赶超意识，并做好新的战略布局。
姜奇平认为，一方面，要紧跟世界潮流，不能落伍，更不能放弃，要在基础技术上有所突破。因为基础理论层的突破，是整个人工智能思路和路线进入到一个新时代的标志。另一方面，要夯实数字社会的基础设施，做好数字社会新的战略布局，从政府、产业、企业、市场都要重视起来。
此外，姜奇平强调，我们还要有赶超意识，要发挥中国特大市场的优势，在中国式现代化的背景下逐步积累技术，实现超越。“要想弯道超车，一方面要在技术平台硬拼，紧追不舍;另一方面要发挥自己巨大应用市场的长处，特别是平台和增值应用要紧密结合，努力发挥自己的优势。”姜奇平表示。
欧阳日辉认为，在深化产、学、研、用融合方面，高校和科研院所的科研人员要真正把企业作为技术创新的主体。高校人工智能人才培养坚持以“需求导向、应用驱动”“项目牵引、多元支持”“跨界融合、精准培养”为基本原则，探索以问题为导向的学科交叉人才培养模式。
促进人工智能安全
对于生成式人工智能技术带来的新型数据泄露及滥用风险，国务院发展研究中心创新发展研究部助理研究员刘申在接受中国经济时报记者采访时表示，生成式人工智能将有效提升人类工作效率。以ChatGPT为例，这一技术具有很强的文本生成和代码编写能力，已被应用于一些此前无法被机器替代的工作中，催生了一系列如自动生成计算机代码、会议记录、论文摘要、诉讼文书等应用创新。生成式人工智能也会对现有治理体系造成冲击。这种技术使造假门槛和欺诈门槛降低，还有可能产生版权争议、侵犯隐私、数据泄露等问题。
随着生成式人工智能在全球广泛掀起热潮,不少中国企业加快开展核心技术研发,积极布局智能化“新赛道”。营造创新生态、重视防范风险，也正在成为我国人工智能发展的共识。
刘申表示，人工智能仍处于技术快速发展的时期，“上游基模型”和“下游应用模型”共同构成的人工智能产业链虽初见端倪，但未来的产业形态并不确定。从国外情况看，“看不清”和“要监管”是一对并存的共识。刘申建议，一是推动形成政府-企业-社会多方合作、快速反应的治理模式。二是加强对人工智能相关的技术标准、评估体系、法律责任等根本性问题的研究。三是积极参与人工智能国际监管框架与技术标准的交流合作。
中央财经大学数字经济融合创新发展中心主任陈端在接受中国经济时报记者采访时表示，生成式人工智能作为生产力革命的一次重要跃迁，也会让数据资源释放出更强劲的数据动能。同时，需要关注的是：最新的生产力革命是以渗透性的模式全方位地进入我们的生产、生活场景，在其与既有的生产体系、社会运行机制以及不同文化土壤深度融合的过程当中，存在着多维风险。除了过去关注的数据隐私、内容版权、信息茧房等风险之外，生成式人工智能作为一种普适性、通用性的技术，对原有社会系统形成一种全方位的渗透，可能会触发的系统性风险现在还难以完全预知和预测。