打通國產大模型發展堵點

來源：經濟日報

今年1月，深度求索（DeepSeek）公司發佈通用大模型DeepSeek-R1，以其低成本、高性能的特徵在全球引起巨大轟動。DeepSeek的出圈是我國AI發展的重要里程碑，爲產業發展帶來了一系列有益的啓示。

DeepSeek通過並行線程執行（PTX）、混合專家模型（MoE）、多頭潛在注意力（MLA）和多Token預測（MTP）四大創新技術，在算力資源遠不及國際同行的情況下，實現模型性能的大幅追趕，並將訓練成本壓縮至行業標杆的10%。這一突破不僅有效降低了大模型部署門檻，也揭示了以算法優化彌補算力短板的可行性，爲突破西方主導的“大力出奇跡”的AI發展模式，走出多元化發展路徑提供了新方案。

同時，DeepSeek採取完全開源的策略，公開算法、模型權重及訓練細節，使全球開發者能借鑑、改進和部署模型。開源生態有助於吸引更多開發者和用戶參與，促進技術迭代，有望改變贏者通吃的競爭格局。

儘管DeepSeek取得重要突破，但也應看到，我國AI原始創新仍存短板。2023年在被引用次數最多的生成式AI研究機構前10名中，中國僅佔1席。從AI專利數、深度學習模型、機器學習加速硬件等方面來看，我國與美國也仍存差距。

當前，我國數據基礎制度建設仍處於起步階段，數據獲取和交換機制尚不健全，行業數據、公共數據獲取和訪問困難，大模型可使用的數據有限。同時，數據標註是高質量數據供給的基礎，由於專業化標註人才短缺，我國數據標註質量仍有待提升，特別是在醫療、自動駕駛等發展需求迫切且對專業性要求高的領域，數據標註的供給規模和準確度難以滿足發展需求。

從全球範圍看，DeepSeek等國產大模型在全球技術生態中的影響力仍處於起步階段。從國內看，我國AI發展從基礎研究到技術創新，再到場景應用的全鏈條尚未完全打通。支撐大模型迭代發展的技術、資金、數據、人才等要素流動仍存在梗阻，尚未形成高效的生態閉環。

爲此，應加強AI基礎研究和技術創新。加快建設AI領域的國家戰略科技力量，推動AI與數學、物理、腦科學等基礎學科交叉融合，提升AI基礎研究水平。鼓勵AI技術開源開放，以開源項目爲中心，促進開源貢獻者、服務者、使用者、運營者等主體共同推動AI技術創新。

統籌大規模數據集建設。加快數據基礎制度建設，以政府數據開放爲牽引，融合企業和行業數據，推動公共數據集、專業應用數據集建設。針對不同應用場景，制定細化的數據標註規範，針對醫療、自動駕駛等垂直領域，開展專項知識培訓，提升數據標註質量。

培育壯大AI初創企業。應發掘具有中國特色的AI初創企業估值模型和平臺系統，強化AI初創企業早期估值發現，爲政府、金融機構精準識別有潛力、高價值的AI初創企業提供科學參考，爲國產AI技術發展壯大注入活力。

打造AI自主產業生態。充分發揮我國海量數據和豐富應用場景優勢，組織科研機構、科技領軍企業等優勢力量，聚焦智能製造、自動駕駛等重點垂直細分領域，統籌佈局大模型行業應用創新（工程）中心，依託自主技術，建設集數據、算法、算力於一體的行業通用大模型平臺，形成標準化模塊化的模型、中間件及應用軟件，以開放接口、模型庫等推動產業鏈上下游深度合作，在應用中持續健全迭代自主產業生態。

（本文來源：經濟日報 作者：張鳳 吳靜 作者單位：中國科學院科技戰略諮詢研究院）