魔投网思想者｜刘志阳：大模型怎样铸就“发展新动能”

　　【编者按】近年来，以大模型为代表的生成式人工智能异军突起，掀起了新一轮的人工智能开发与应用高潮。4月29日，习近平总书记在上海“模速空间”调研时强调，上海要总结好以大模型产业生态体系孵化人工智能产业等成功经验，加大探索力度，力争在人工智能发展和治理各方面走在前列，产生示范效应。在上海财经大学商学院讲席教授刘志阳看来，大模型发展不仅是一个技术问题，更是一个涉及经济、社会和国家安全的系统性问题。我们不仅要追求技术“更快更高更强”魔投网，更要确保技术发展“向善向美向上”。以下是他在上海财经大学的演讲。

　　大模型是生成式人工智能的代表，具有通用性、涌现性、交互性和适应性等新特点，正在对经济—社会范式产生巨大影响。理解大模型高质量发展，关键在于探索一个基于“技术—产业—社会—治理”协同演进的新范式。我们需要认识到，大模型发展不仅是一个技术问题，更是一个涉及经济、社会和国家安全的系统性问题。只有在确保科技自立自强的前提下，遵循技术逻辑推动技术创新，通过产业逻辑促进产业生态繁荣与商业化，依托社会逻辑平衡普惠共享与风险防范，才能为中国大模型发展塑造新优势、注入新动能。

　　技术自主创新，让“国家安全”拥有坚实保障

　　法国思想家雅克·埃吕尔在其著作《技术社会》中指出：“技术本身就是一种力量，它有其固有的法则，并且按照这些法则增长和发展。”大模型之所以“大”，本质上体现在对核心技术要素的极致追求。因此，其自主创新发展本质上受技术逻辑主导，强调通过极具创造性的技术突破解决发展难题。

　　在大国竞争加剧的背景下，我国大模型的发展面临关键核心技术受制于人的困境。首先是数据完备性不足的困境，与国外企业相比，我国大模型企业虽然在产业应用落地端更加集中，但在高质量数据集构建方面仍存在明显短板。其次是算法创新性不足的难题，头部科技企业的创新投入规模和质量有待提升，导致在核心算法突破方面与国际先进水平存在差距。最后是算力投产比不足的挑战，资源配置效率低下成为制约技术发展的重要瓶颈，同时还面临产业分布不合理、中小企业“大模型+”能力欠缺和技术开发人才储备不足等多重困难。

　　针对这一系列问题，需要强调以技术逻辑驱动自主创新机制构建，最终实现技术可控。从现实情况看，主要存在以下四种模式：

　　一是开放协作式模式，强调开放协作、共享研究、技术创新和社区参与。以华为为代表，通过其MindSpore深度学习框架的开源策略，推动AI技术的开放发展，构建开放的AI生态系统，吸引众多开发者和研究机构参与合作。这一模式通过开源共享实现技术资源的优化配置，形成协同创新的良性循环。

　　二是前沿探索式模式，关注强化学习、技术突破、复杂问题求解和前沿研究。以商汤科技为代表，专注于计算机视觉和深度学习领域的技术创新，通过持续的前沿研究，在智慧城市、智能安防和医疗影像等领域实现重大突破。这一模式以技术创新为驱动力，通过前瞻性布局抢占技术制高点。

　　三是生态整合式模式，注重战略合作、技术整合、商业化和云服务。以阿里巴巴为代表，依托强大的电商平台和云计算服务优势，开发多个大模型并深度应用于电商搜索、推荐、客服等核心业务场景。这一模式通过整合自身生态资源魔投网，实现技术与业务的深度融合，形成商业价值的有效转化。

　　四是硬件驱动式创新模式，致力于硬件创新、算力提升、生态系统建设和开发者支持。以寒武纪为代表，专注于人工智能芯片研发，通过提升硬件性能为大模型训练和推理提供强大算力支撑，其所生产的AI芯片已成为行业计算标准。这一模式以硬件技术突破为核心，通过算力基础设施建设推动整个产业生态的发展。

　　技术逻辑驱动下，大模型发展呈现出多元模式。就上海来说，在构建自主创新机制的探索中，展现出一种融合多元模式、系统推进的样态。一方面，依托顶尖研究机构以及高校的科研力量，鼓励原创性研究与全球智慧的汇聚，致力于解决AI领域的根本性科学问题。另一方面，积极打造如张江人工智能岛、临港新片区人工智能产业集聚区等，通过政策引导、场景开放和资本助力，吸引和培育一批AI领军企业和创新型中小企业，形成从算法、算力、数据到应用的完整产业链和创新生态。

　　市场有效驱动，让“产业生态”迸发蓬勃生机

　　约瑟夫·熊彼特曾提出“创造性破坏”理论，指出创新是经济发展的根本动力，但也伴随着对旧有结构的颠覆。2023年以来，人工智能大模型全面爆发，众多国产大模型脱颖而出，国内已有超200个国产大模型涌现，呈现“百花齐放”态势。市场逻辑的驱动下，资本通过市场机制精准聚集到最具商业化潜能的传统产业，有力推动这场“百模大战”从模型研发的“诞生期”加速迈向实际应用的“落地期”。

　　然而，“百模大战”在带来创新活力的同时，也引发了传统产业转型过程中的社会生产关系重构问题。一方面，大模型技术的涌现性、可编辑性与生成性等特征，很大程度上决定了赋能产业转型过程的易变性、结果不确定性和业态模糊性等特点。另一方面，大模型赋能产业转型面临着不同技术路线融合挑战、伦理和道德问题、安全疑虑、数据偏差难题以及版权和产业链知识产权问题等。

　　针对这一系列问题，需要强调以市场逻辑驱动资本有效配置，实现大模型产业发展。

　　第一，在“进入期”识别技术萌芽并把握市场机会。此阶段以颠覆性技术的初步应用为显著标志，核心是通过多维度条件成熟释放大模型的价值创造潜力。技术突破是发展前提，大模型在自然语言处理、跨模态生成等领域的创新突破，为产业变革提供了强大的底层动力；基础设施是重要支撑，算力集群、高质量数据集与算法平台的不断完善，构建起技术落地的坚实物理载体；制度环境是有力保障，前瞻性政策通过降低市场准入门槛、建立创新容错机制等举措，营造出包容的发展空间；产业需求是核心动力，传统产业对效率提升的内在渴求，为大模型提供了广阔的应用试验场。在此过程中，企业通过持续的研发投入，推动大模型从辅助工具逐步转变为核心生产力。例如在金融风控、医疗影像诊断等领域，大模型能够高效处理复杂数据，展现出巨大潜力，进而带动资金流向技术研发和场景测试，有效激活了市场机会。

　　第二，在“扩展期”深化技术渗透并构建价值网络。当大模型通过“进入”阶段的验证后魔投网，其影响力向制造业、医疗、教育等更广泛领域扩散，核心任务是构建跨领域协作网络并重塑生产要素配置。“基于技术进步的模块化分工”成为关键机制——推动生产社会化程度达到新高度，促进行业生产力的提高与转型。市场会筛选出有规模化潜力的解决方案，引导资金投入。此外，国际合作也加速了技术传播，比如联合国大会通过中国提出的关于加强AI能力建设国际合作的决议，中国与老挝共建人工智能创新合作中心等，这些行动打破了技术壁垒，让大模型从局部突破发展为全球协同。

　　第三，在“加速期”推动生态演进并形成产业集群。随着应用深入，大模型使产业转型进入快车道。企业层面，传统行业借助大模型提升价值，新兴行业借助大模型拓展服务，并催生了如AIGC创作和AI科研等新领域。宏观层面，数据驱动决策、模型等重塑经济体系，形成“创新—应用—投资”的良性循环。市场竞争促使资金向头部企业和关键技术平台集中，通过并购，算力企业、数据服务商和应用方强强联合，加速技术落地。在此阶段，产业投资基金扮演着关键角色。以上海人工智能产业投资基金为例，这类基金通过股权投资为高成长企业提供资金，发挥引导作用吸引社会资本，积极整合资源为被投企业赋能，加速形成更具竞争力的产业格局。在产业投资基金的推动下，产业集群效应日益凸显，吸引大量人才和资金，增强创新优势。同时，中国通过世界人工智能大会等平台，积极倡导人工智能领域的国际合作，为全球产业协同发展创造了有利条件。

　　“进入—扩展—加速”框架揭示了市场逻辑主导下资本配置的动态规律。从进入期的创新点火、扩展期的网络构建到加速期的生态繁荣，每个阶段通过特定机制实现资本与技术的精准耦合。这一过程不仅展现出大模型产业自我演进的内在逻辑，更通过赋能千行百业，为经济社会高质量发展注入可持续动力。

　　社会普惠共享，让“技术向善”成为价值追求

　　大模型的最终价值在于服务社会、造福于民，这必然要求其发展与社会伦理、公众福祉相协调。马歇尔·麦克卢汉在《理解媒介》中指出：“我们塑造了工具，此后工具又塑造了我们。”大模型作为一种强大的社会塑造力量，其治理必须深植于社会逻辑之中。遵循以“资源再配”实现“社会公正”的社会逻辑，能否创造对社会整体有益的共享价值、是否符合社会主义核心价值观和新发展理念等，是实现大模型在我国社会广泛应用的重要评判标准。

　　面对大模型在社会应用中的复杂挑战，我们需要构建多维度的创新解决框架。基于问题的紧迫性与解决方案的新颖性程度，可以形成四种不同的大模型社会创新模式。

　　一是大模型自主搜索式社会创新。大模型自主搜索式社会创新适用于解决紧迫性高但所需新颖性低的社会问题。在这种模式下，大模型如同一只“看不见的手”，凭借其强大的信息处理能力，能够在庞大的信息空间中进行智能搜索，代替人类进行高效决策，实现社会问题与最优解决方案的精准匹配。这种模式的核心优势在于能够快速响应紧急社会问题，通过智能检索和匹配现有的成熟解决方案，为社会治理提供及时有效的支持。

　　二是大模型赋能生成式社会创新。大模型赋能生成式社会创新专门针对那些既具有高紧迫性又需要高新颖性解决方案的复杂社会问题。这种模式体现了约翰·杜威在《民主与教育》中强调的“做中学”理念，通过分阶段，发挥大模型的自主和赋能作用。第一阶段利用大模型的自主能力对现有数据库进行近似处理，快速生成应急性的初始解决方案；第二阶段采取大模型赋能的作用机制，将人类智能纳入创新决策过程，发挥人类大脑的创造力优势，对初始解决方案进行反复、快速的迭代优化。这种人机协作的方式既保证了应对紧急问题的时效性，又确保了解决方案的创新性和适用性。

　　三是大模型自主修补式社会创新。对于紧迫性相对较低的社会问题，大模型自主修补式社会创新通过产生新颖性低但实用性强的解决方案，实现社会治理的精细化管理。这种模式下，大模型能够智能采集基础数据，基于已有的社会问题数据库，对整个社会的现状进行智能识别和分析，实时诊断出可能存在的“出血点”，实现预防性治理。通过持续监测和小幅度的调整优化，这种模式有助于维护社会系统的稳定运行，防止小问题演变为大危机。

　　四是大模型赋能探索式社会创新。大模型赋能探索式社会创新用于解决那些紧迫性低但需要产生高新颖性解决方案的前瞻性社会问题。在这种模式中，大模型通过其强大的数据分析与预测能力，能够降低人类在搜寻创造性解决方案过程中的试错成本，为人类创新提供智能支持和决策辅助，最终依靠人类的创造力优势，提出具有开创性意义的解决方案。这种模式特别适合处理那些需要长期规划和创新思维的社会挑战，为未来社会发展提供前瞻性的解决思路。

　　从技术、产业、社会三个维度，擘画大模型治理的未来路径

　　有效治理不仅关乎技术的健康发展，更攸关全球的公平、繁荣与安全。为此，可以从技术、产业、社会三个维度，擘画大模型治理的未来路径。

　　在技术层面，我们亟须提升大模型透明度，揭开“黑箱”面纱。这包括开发可解释AI工具、建立行为评估标准，让开发者与用户洞悉模型决策逻辑，及时修正偏差。同时，技术安全性和可靠性是智能发展的生命线。全球各方应携手制定治理框架与标准，提升大模型安全性、可靠性、可控性，确保其始终在人类掌控之中。此外，必须警惕并防范技术滥用。大模型能力强大，一旦误用可能引发深度风险，国际社会应协调一致构筑防线。

　　在产业层面，大模型发展呈现高度集中和规模垄断趋势。要扭转这一局面，关键在于促进技术普惠扩散。应鼓励开源模型发展，降低技术门槛，让更多国家和企业共享创新果实。中国提出的《人工智能能力建设普惠计划》以及对DeepSeek等开源模型的推广，正是为了弥合数字鸿沟，让智能惠及全球。构建健康的产业生态，平衡商业利益与公共需求至关重要。政策引导和激励措施应鼓励企业开放部分模型能力或数据集，实现技术红利共享，最终推动国际合作，实现全球共赢。大模型带来的经济繁荣不应仅限于少数国家，通过国际技术共享平台、促进数据和算法开放流动，以及各类合作项目，让智能福祉普惠全球。

　　在社会层面，大模型对社会影响深远，需积极应对其带来的就业冲击。联合国贸易和发展会议报告指出，人工智能将加剧全球南方国家不平等并冲击其就业市场。因此，提前规划劳动力转型、提供再培训、建立社会保障网络迫在眉睫。更重要的是，要弥合数字鸿沟，促进全球公平。通过联合国等多边机制，确保各国平等参与治理进程，共享技术发展话语权。与此同时，应协同应对伦理风险，维护全人类共同利益。算法偏见、数据安全等问题可能加剧社会不公，需要全球共同评估风险，共建伦理标准。例如，联合国推动透明度审查机制、中国提出《全球人工智能治理倡议》等，都强调算法非歧视原则。只有秉持“智能向善”原则，确保大模型发展符合全人类共同价值观，我们才能迈向一个包容、普惠、安全的智能新时代。

　　人工智能的浪潮正以前所未有的姿态塑造着世界的未来，这既是时代赋予的重大机遇，也是对国家治理智慧的深刻考验。这要求我们不仅要追求技术“更快更高更强”，更要确保技术发展“向善向美向上”，最终服务于国家发展大局和人民美好生活的需要，为构建人类命运共同体贡献中国智慧和中国方案。

　　【思想者小传】

　　刘志阳魔投网，上海财经大学商学院讲席教授、博士生导师。上海财经大学科研处处长、中国式现代化研究院院长。兼任教育部创新创业教育指导委员会委员、中国高教学会创新创业教育分会秘书长、中国企业管理研究会社会创业专业委员会主任、中国技术经济学会技术创新创业分会副理事长。主要研究领域为新兴产业发展与创新创业管理。

简配资提示：文章来自网络，不代表本站观点。