今年3月ChatGPT-4上线以来，国内科技龙头企业密集推出人工智能大模型，百度“文心一言”、阿里云“通义千问”、华为“盘古”、360“智脑”、昆仑万维“天工”、京东“灵犀”、科大讯飞“星火”、腾讯“混元”、商汤“日日新”等大模型先后登场，呈现百花齐放、迅猛发展的态势。截至2023年10月初，国内公开的AI大模型已经超过200个。

当前，大模型正在成为推动新一轮科技创新、产业升级、生产力跃迁的重要力量。随着前沿技术推动产业全链条升级，未来从田间到产线，从实验室到便利店，大模型可能无处不在。

“与早期的人工智能模型相比，今年我国大模型在参数量上实现了质的飞跃，复杂任务建模能力整体提升，学习能力、泛化性更强，具备了更高层次的认知互动能力。”北邮国家大学科技园元宇宙产业协同创新中心执行主任陈晓华表示。

然而，在大模型迅猛发展的背后，也存在一系列问题亟待解决。

首先是对大模型套壳的质疑。近期，从谷歌新发布的AI模型Gemini演示视频的造假，到字节跳动被曝出部分工程师使用OpenAI技术开发自己的大语言模型，违反了OpenAI服务条款，因此被暂停了账户……“百模大战”的激烈竞争以及引发的乱象，也让业界对大模型评测标准以及统一规范提出了新的课题。

由于大模型的复杂性和应用场景的多样性，如何评价其性能和效果成为下一阶段的一个极具挑战性的问题。因此，建立一套科学、合理、完善的评价体系对于大模型的应用至关重要，它能够推动技术进步、促进产业发展，同时确保技术应用的合规性和社会效益。

其次，随着互联网和科技企业不断调整大模型参数，传统企业对于数智化转型需求的增加，算力需求增长。但是，由于高端芯片获取难度大，大模型的研发成本进一步增加。北京大学智能学院副院长林宙辰教授提出通过合作共享资源和数据，以及创新训练方法和奖励机制，来更高效地开发和利用大模型的必要性。他提出通过股份和特别的奖励机制来鼓励公司共享数据和算力，其中股份可以基于资金贡献或者模型准确率的贡献来分配，个人也可以提供数据，或者参与到训练过程中，通过数据质量和微调效果拥有股份。这或许能帮助中小企业移开面前的“成本”“技术”两座大山。

在算法方面，国产大模型与国际先进水平相比没有根本性差异，基本都是围绕深度神经网络、注意力机制、人工调优等基础算法进行模型结构或局部算法优化，而在算力、数据等方面则与国际先进水平存在一定差距。艾瑞咨询产业数字化研究院负责人徐樊磊介绍，为提升整体算力效率和满足差异化需求，应建立支撑大模型万亿量级参数计算的“智算中心”。“智算中心”可利用现有高质量数据中心，通过提升组网能力、协同能力、软硬件适配能力等实现部署。当前，“万卡”级别的智算中心正在主要节点城市发展起来。

面向未来，企业不能盲目跟风，需要满足自身已有的基础产品和用户群体在AI领域的诉求。从政产学研用通盘视角来看，政策端需要做好统筹调度，支持孵化大模型产业生态，提供相应的创新要素供给，促进科技成果转化和产业大模型落地成熟、成规模化；技术端需要进一步推动软硬件技术一体化，为大模型的产业端应用提供更牢固的技术基础；产业端则需要促进产业对大模型和数智化应用升级的知识认知、能力建设和人才培养，并结合当前产业大模型训练需求，协助和支持科研界将大模型成果落实落地。