■ 肖文 潘家栋
      
       当前，各大互联网科技巨头纷纷进军人工智能大模型，竞争日趋白热化。但由于人工智能大模型存在较高的技术壁垒，往往需要大量资金和人力投入，成本问题不容忽视。不仅如此，人工智能大模型集聚了超大规模数据资源，也存在着隐私泄露等风险，防范人工智能大模型井喷式出现后的风险至关重要。
      
       谨防盲目跟风
      
       人工智能大模型代表了人工智能技术的发展趋势，各个地方、各大企业纷纷加大布局和探索的力度，但部分地方简单地将发展大模型及应用归结于硬件投资，盲目跟风上项目，这很可能导致大模型项目的过度投资、重复布局和低效建设。人工智能大模型属于新兴技术范畴，不仅研发需要大量资金投入，而且应用和维护也需要持续性投资，这对于企业而言将会带来不小压力。不仅如此，人工智能大模型测试和应用都是基于大算力所实现的，无形中会带来电力能耗增加、碳排放增加等问题，加重了地方的能源及环境隐性压力。对于人工智能大模型，应当科学理性看待，既要引起充分重视，又不能过分神话，需要依托区域发展基础及资源条件选择部署大模型的路径。
      
       谨防低端泛化
      
       人工智能具有溢出带动性很强的“头雁”效应，促进人工智能技术与实体经济深度融合是构建现代化产业体系的重要路径。当前，人工智能大模型已经广泛应用于自动驾驶、医疗、金融等领域，尤其是自然语言领域的大模型应用最为广泛，例如微软着手把OpenAI的聊天机器人技术整合到Office系列应用程序，以此提高用户的体验度。但是对于人工智能大模型发展而言，大型语言模型相关技术、大模型高效并行训练技术、支持百亿参数模型推理的高效压缩技术等关键核心技术仍旧有待进一步突破。在人工智能大模型井喷式出现的过程中，既要将大模型积极应用于经济社会运行的各个领域，也要注重关键核心技术突破，谨防各地将竞争赛道集中于低端应用领域。
      
       谨防隐私泄露
      
       人工智能大模型发挥价值的基础仍在于海量数据资源的集聚。数据要素是数字时代的核心战略资产，但由于数据要素背后隐藏了诸多企业、个人等隐私信息，数据要素的应用亦存在着隐私泄露的风险。如若隐私泄露等问题得不到有效防范和矫正，在人工智能大模型赋能应用过程中，将会引致包括犯罪在内的诸多潜在风险。不仅如此，数据要素既具有传统要素的经济性特征，又是基于新一代信息技术成熟发展之后所产生的，具有技术性特征，从而数据要素产生的风险更为隐匿。就从目前人工智能大模型的开发应用而言，也存在着部分数据要素产权界定不明晰等问题，破解风险隐患对于人工智能大模型规范健康发展至关重要。
      
       结合地方比较优势和发展条件量力而行，能够立足区域发展水平、企业发展条件进行合理布局。实现路径在于能够营造适应人工智能大模型发展的生态环境，将大模型初创企业、大模型应用企业、科研机构等资源要素进行有效整合，形成“龙头平台企业+海量应用开发者”的生态环境。同时，积极鼓励头部企业、高校科研院所等攻关人工智能大模型的关键核心技术，实现高水平科技自立自强，以技术创新引领产业创新、商业创新。保障基础在于强化适应于人工智能大模型技术创新的制度创新，全面客观看待技术创新引致的制度创新，落实《生成式人工智能服务管理暂行办法》，及时制定出台更为细化的法律法规保障数据安全等，引导人工智能大模型能够科学发展、规范应用。
      
       （作者分别为浙江大学经济学院二级教授；浙江省委党校工商管理教研部副主任、副教授）