（本文作者丁浩員，上海財經(jīng)大學(xué)商學(xué)院副院長、教授；方悅，上海財經(jīng)大學(xué)商學(xué)院博士研究生）

本月，美國科技股"七巨頭"等人工智能巨頭股價遭遇顯著波動。這不僅反映了美國經(jīng)濟數(shù)據(jù)的疲軟和公司業(yè)績的不振，更引發(fā)了市場對人工智能領(lǐng)域投入與產(chǎn)出失衡，甚至"AI泡沫"的擔憂。這一事件再次將我們的目光聚焦于AI行業(yè)。在AI行業(yè)的發(fā)展中，我們應(yīng)如何理解其全球格局？面對我國AI行業(yè)所遭遇的困境，我們又該如何應(yīng)對？

人工智能的全球格局：創(chuàng)新、風(fēng)險與未來的賽跑

人工智能：跨領(lǐng)域革新的催化劑

自2022年底ChatGPT引發(fā)生成式人工智能的熱潮，到2024年初Sora模型以文生視頻技術(shù)令世界矚目，人工智能正成為推動多領(lǐng)域革新的催化劑。AI技術(shù)不僅在軟件代碼、文本、語音、高保真圖像和交互式視頻的創(chuàng)作上取得突破，更在金融、制造業(yè)等關(guān)鍵領(lǐng)域顯著提升了生產(chǎn)效率和決策質(zhì)量。此外，AI在材料學(xué)和生物學(xué)等前沿學(xué)科中也展現(xiàn)了其變革潛力。

2023年11月，谷歌DeepMind的GNoME工具在晶體結(jié)構(gòu)預(yù)測方面取得重大進展，成功預(yù)測出220萬種晶體結(jié)構(gòu)，其中38萬種結(jié)構(gòu)穩(wěn)定，為材料科學(xué)領(lǐng)域發(fā)展帶來新的機遇。2024年5月，DeepMind與Isomorphic Labs合作，在《Nature》發(fā)表的論文中展示了AlphaFold 3模型，通過預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)，為藥物發(fā)現(xiàn)開辟了新路徑。

麥肯錫的全球人工智能調(diào)查顯示，組織對人工智能的使用率從過去六年的55%左右躍升至2024年的72%，其中65%的受訪者表示其組織經(jīng)常使用生成式AI，這一比例幾乎是2023年的兩倍[1]。研究預(yù)測，生成式AI將為全球經(jīng)濟貢獻高達4.4萬億美元，提升AI對經(jīng)濟的總體影響15%至40%[2]。到2030年，AI有望為全球經(jīng)濟貢獻約13萬億美元[3]?，進一步彰顯其作為跨領(lǐng)域革新催化劑的地位。

AI的雙刃劍：機遇與風(fēng)險并存

盡管人工智能的發(fā)展為各行各業(yè)帶來了前所未有的機遇，但它也伴隨著不容忽視的風(fēng)險。數(shù)據(jù)隱私泄露、算法偏見、知識產(chǎn)權(quán)侵權(quán)，以及AI輸出的不準確性等問題，正逐漸成為行業(yè)發(fā)展的隱憂。隨著海量數(shù)據(jù)的收集與應(yīng)用，隱私和知識產(chǎn)權(quán)的風(fēng)險與日俱增。同時，AI算法中潛在的偏見可能導(dǎo)致不公正的決策結(jié)果。此外，生成式AI作為一種基于概率模型的技術(shù)，其本質(zhì)決定了它可能存在誤差或放大訓(xùn)練數(shù)據(jù)中的偏差，這不僅影響輸出的準確性，還可能引發(fā)難以預(yù)料的安全問題。

最新的麥肯錫全球人工智能調(diào)查顯示，63%和52%的受訪者分別將不準確性和知識產(chǎn)權(quán)侵權(quán)視為使用生成式AI的主要風(fēng)險，這兩項風(fēng)險在受訪者中的關(guān)注度位列前二。更令人關(guān)注的是，44%的受訪者承認其組織至少遭遇了一種由生成式AI引起的負面后果，其中近四分之一的受訪者直接受到了不準確性問題的影響[4]。

AI大模型之爭：同質(zhì)化與產(chǎn)能過剩的隱憂

自從ChatGPT引領(lǐng)生成式AI的潮流，科技巨頭如谷歌、微軟、華為、百度等紛紛推出自家的AI大模型，全球范圍內(nèi)掀起了一場“百模大戰(zhàn)”。斯坦福大學(xué)以人為本人工智能研究所（Stanford HAI）的《2024年人工智能指數(shù)報告》指出，2023年生成式AI在所有AI相關(guān)投資中占比超過四分之一，初創(chuàng)企業(yè)的投資額飆升至252億美元，是2022年投資額的近9倍，更是2019年投資額的約30倍[5]。

然而，這些大模型在功能和性能上趨于同質(zhì)化，主要集中在自然語言處理、圖像識別、語音助手等領(lǐng)域。在市場競爭的激烈角逐中，各大模型廠商不得不采取降價策略以爭奪市場份額。這一系列現(xiàn)象揭示了一個現(xiàn)實：隨著大量資本涌入大模型的開發(fā)，市場正逐步走向飽和。特別是在技術(shù)進步未能及時轉(zhuǎn)化為市場需求的情況下，某些細分市場可能面臨產(chǎn)能過剩的嚴峻挑戰(zhàn)。

我國AI行業(yè)發(fā)展面臨的主要困境

中國人工智能發(fā)展水平在全球排名中穩(wěn)居次席，近年來在人才培養(yǎng)、科研產(chǎn)出、產(chǎn)業(yè)發(fā)展等方面取得顯著進展[6]。然而，這一成就之下，行業(yè)發(fā)展仍面臨核心技術(shù)研發(fā)、產(chǎn)學(xué)研結(jié)合、監(jiān)管體系構(gòu)建等關(guān)鍵挑戰(zhàn)，亟需深化突破以形成持久競爭力。

核心技術(shù)突破的瓶頸：算力與模型創(chuàng)新的差距

我國人工智能領(lǐng)域雖取得長足進步，但在核心基礎(chǔ)技術(shù)的突破上仍顯不足，尤其在模型創(chuàng)新與算力資源方面與頂尖水平存在差距。Stanford HAI的《2024年人工智能指數(shù)報告》顯示，2023年，美國以61個著名AI模型和109個基礎(chǔ)模型的產(chǎn)出，表明了其在AI模型領(lǐng)域的領(lǐng)導(dǎo)地位，而中國，盡管以15個著名模型和20個基礎(chǔ)模型的數(shù)量分別位居第三、第二，但與美國的差距不容忽視[7]。

在AI芯片這一核心技術(shù)上，我國面臨對外依賴性強和自主創(chuàng)新能力不足的挑戰(zhàn)。美國英偉達公司生產(chǎn)的GPU主導(dǎo)著大模型訓(xùn)練市場，而國產(chǎn)GPU與之性能差距顯著。加之美國對中國實施的嚴格出口管制，我國AI算力的發(fā)展遭遇制約，這不僅影響了現(xiàn)有技術(shù)的提升，也可能在未來拉大與美國的技術(shù)差距。

產(chǎn)學(xué)研用結(jié)合的短板：技術(shù)轉(zhuǎn)化效率的困境

在我國人工智能的蓬勃發(fā)展中，產(chǎn)學(xué)研用結(jié)合的不足作為一個明顯的短板，制約了技術(shù)轉(zhuǎn)化的效率。企業(yè)憑借豐富的算力、數(shù)據(jù)和資源，在AI前沿研究中占據(jù)主導(dǎo)，卻往往忽視了與高校的合作，未能充分利用學(xué)術(shù)界的創(chuàng)新潛力，導(dǎo)致技術(shù)從實驗室到市場的轉(zhuǎn)化過程中出現(xiàn)斷層，成果落地遭遇重重障礙。

一方面，中國在AI研究產(chǎn)出方面成績斐然，專利和論文數(shù)量全球領(lǐng)先。2022年的已授權(quán)專利占比高達61.1%[8]，過去十年間生成式AI的專利申請數(shù)量約為美國的六倍[9]，2017—2022年間發(fā)表的AI論文占全球的25%[10]。然而，另一方面，與美國的AI產(chǎn)業(yè)發(fā)展相比，中國在產(chǎn)學(xué)研用結(jié)合及技術(shù)應(yīng)用方面存在明顯差距。在中國科學(xué)技術(shù)信息研究所聯(lián)合北京大學(xué)共同研制的《2023全球人工智能創(chuàng)新指數(shù)報告》中，美國的總分74.71遠超中國的52.69分[11]，這一比較不僅凸顯了技術(shù)轉(zhuǎn)化的迫切需求，也指明了提升產(chǎn)學(xué)研用結(jié)合效率的重要性。

法律體系的構(gòu)建：AI監(jiān)管的系統(tǒng)化與前瞻性挑戰(zhàn)

目前，我國已有《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》、《生成式人工智能服務(wù)管理暫行辦法》、《科技倫理審查辦法（試行）》等一系列部門規(guī)章的出臺，它們?yōu)槿斯ぶ悄艿奶囟I(lǐng)域提供了初步的規(guī)范框架。

然而，這些法規(guī)尚未形成一個全面、系統(tǒng)性的法律體系，無法全面覆蓋人工智能快速發(fā)展帶來的數(shù)據(jù)隱私侵犯、算法歧視、知識產(chǎn)權(quán)爭議等復(fù)雜法律問題。當前的法律空白和監(jiān)管不足，凸顯了對AI領(lǐng)域系統(tǒng)化、前瞻性法律規(guī)范的迫切需求。

突破困境：中國AI行業(yè)的發(fā)展戰(zhàn)略

面對人工智能行業(yè)的挑戰(zhàn)，中國需采取多維對策，以實現(xiàn)跨越式發(fā)展。

深耕基礎(chǔ)，激發(fā)創(chuàng)新活力

我國應(yīng)聚焦核心基礎(chǔ)技術(shù)，強化企業(yè)創(chuàng)新主體地位。通過設(shè)立國家專項基金，實施財政稅收優(yōu)惠政策，激勵企業(yè)在高端芯片等關(guān)鍵領(lǐng)域增加研發(fā)投入。同時，構(gòu)建企業(yè)主導(dǎo)的產(chǎn)學(xué)研用創(chuàng)新聯(lián)合體，整合各方資源，培育技術(shù)與應(yīng)用并重的復(fù)合型人才。在國家AI創(chuàng)新應(yīng)用先導(dǎo)區(qū)，營造創(chuàng)新氛圍，吸引全球人才，促進技術(shù)與產(chǎn)業(yè)鏈的深度融合。

發(fā)揮優(yōu)勢，拓展應(yīng)用場景

利用我國的豐富的數(shù)據(jù)資源、龐大的工業(yè)體系以及廣闊的市場需求等優(yōu)勢，加速AI技術(shù)在關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域的應(yīng)用落地。選擇產(chǎn)業(yè)鏈完整的企業(yè)，聯(lián)合軟件企業(yè)和用戶，打造標桿場景。鼓勵企業(yè)深度融合AI與業(yè)務(wù)流程，定制大模型，推動生產(chǎn)力變革。政府和國企應(yīng)開放更多應(yīng)用場景，推動AI的垂直化和產(chǎn)業(yè)化落地。

完善法律，確保風(fēng)險管控

隨著AI技術(shù)的快速發(fā)展，必須關(guān)注數(shù)據(jù)隱私泄露、算法偏見、知識產(chǎn)權(quán)侵權(quán)，以及AI輸出的不準確性等潛在風(fēng)險。我國應(yīng)加快人工智能法律體系建設(shè)，明確監(jiān)管范圍，確保技術(shù)安全可控。積極參與全球AI治理，構(gòu)建多方參與的安全治理格局。同時，鼓勵企業(yè)與網(wǎng)絡(luò)安全專家合作，進行產(chǎn)品安全測試，確保AI產(chǎn)品的安全性和可靠性。

（本文僅代表作者個人觀點）

[1] 麥肯錫，《The state of AI in early 2024: Gen AI adoption spikes and starts to generate value》，https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [2024/05/30]

[2] 麥肯錫，《The economic potential of generative AI: The next productivity frontier》，https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier [2023/06/14]

[3] 麥肯錫，《Notes from the AI frontier: Modeling the impact of AI on the world economy》，https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy [2018/09/04]

[4] 麥肯錫，《The state of AI in early 2024: Gen AI adoption spikes and starts to generate value》，https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [2024/05/30]

[5] 斯坦福大學(xué)以人為本人工智能研究所，《2024年人工智能指數(shù)報告》，https://aiindex.stanford.edu/report/ [2024/04]

[6] 中國科學(xué)技術(shù)信息研究所，北京大學(xué)，《2023全球人工智能創(chuàng)新指數(shù)報告》，https://baijiahao.baidu.com/s?id=1803697379636661037&wfr=baike，[2024/07/04]

[7] 斯坦福大學(xué)以人為本人工智能研究所，《2024年人工智能指數(shù)報告》，https://aiindex.stanford.edu/report/ [2024/04]

[8] 斯坦福大學(xué)以人為本人工智能研究所，《2024年人工智能指數(shù)報告》，https://aiindex.stanford.edu/report/ [2024/04]

[9] 世界知識產(chǎn)權(quán)組織，《Patent Landscape Report - Generative Artificial Intelligence (GenAI)》，https://www.wipo.int/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/index.html [2024/07/03]

[10] 喬治城大學(xué)ETO數(shù)據(jù)分析平臺，《The state of global AI research》，https://eto.tech/blog/state-of-global-ai-research/ [2024/05/02]

[11] 中國科學(xué)技術(shù)信息研究所，北京大學(xué)，《2023全球人工智能創(chuàng)新指數(shù)報告》，https://baijiahao.baidu.com/s?id=1803697379636661037&wfr=baike，[2024/07/04]