我国有较大的AI大模型应用市场，在应用领域具有优势

　　专家指出，我国有较大的AI大模型应用市场，在应用领域具有优势，但发展过程中也面临一些挑战。
　　刘知远介绍，很多核心技术目前仍然掌握在发达国家手中，训练AI大模型需大量GPU（图形处理器）芯片，但当前国产GPU芯片技术相对薄弱。同时，我国在算法上的原始创新能力也有待提升。
　　多位受访者表示，目前从事AI大模型研发且能产出创新性成果的高校、科研机构和企业屈指可数，与国外相比，我国相关领域高水平基础人才培养力度有待加强。
　　此外，训练大模型需要较高的电力成本、设备成本等，很多中小企业、科研单位囿于高昂成本，无法搭建拥有充足算力的机房，面临算力不足的问题。
　　多措并举抢占“新高地”
　　多位专家表示，AI大模型有望实现人工智能从感知到认知的跃迁，将更高效地赋能AI产业化和产业AI化。相关技术研发和产业布局引导、配套支持政策、合理监管等举措能否有效落地至关重要。
　　首先，推进AI大模型标准化。受访专家指出，大模型的训练过程具有高能耗的特点，制定标准后，许多工作可基于已经开发的标准化大模型进行适配和二次开发，无需每次从头训练，以降低能耗。同时，大模型发展的过程中，也可能衍生违法违规信息生成、隐私泄露、虚假信息传播等风险，对用于训练模型的源头数据等做好规范，有利于规避相关风险。国家相关部门可牵头或引导企业、研究所、高校等共同定义大模型的标准。
　　其次，适当开放训练数据。受访者表示，训练大模型需要海量数据，出于对数据的隐私、安全等方面的担忧，一些领域难以获取数据，形成数据孤岛。建议在国家机构监管和宏观把控的前提下，各方数据能够对白名单企业、机构、高校适当开放，在确保数据安全使用的同时，增强我国AI大模型实力。例如，医院等机构适当开放数据，将有利于训练更懂医疗的大模型，赋能健康医药领域发展。
　　再次，鼓励算力共享。记者调研了解到，目前只有部分大企业能够负担超大模型训练所需的算力成本。受访专家呼吁，可引导具有强算力的人工智能“国家队”，为更多中小微企业、科研单位提供大模型训练所需的算力支撑，可探索合理付费的算力共享机制，共同促进技术的发展和资源的节约。
　　最后，加大原始创新引导和支持。多位专家指出，我国应加强研发力度，同时加强针对模型框架的基础创新研究，引导更多科研单位、高校积极培养相关人才，鼓励更多社会力量加入这场信息革命的浪潮。