人工智能领域，突破难题：国产大模型“无源之水”问题得到解决。
在2023年世界人工智能大会的“大模型时代的通用人工智能产业发展机遇以及风险”论坛上，多位通用人工智能领域的专家聚焦大模型，深入探讨了基础创新、应用技术和未来前景等方面的人工智能问题。
中国工程院院士戴琼海表示：“大陆应该从政策、机制和投入上深化人工智能的人才培养和基础研究，强化原始创新，避免陷入‘无源之水’的困境。”他在主旨演讲中强调了这一观点。
清华大学电子工程系长聘教授、系主任汪玉指出，上海已经拥有许多芯片企业和算法，但如何高效统一地在芯片上部署这些算法，是一个非常重要的问题。他强调，这是上海在人工智能领域所面临的一个关键挑战。
戴琼海认为，在大模型的创新方面，大陆在基础研究领域的颠覆性成果相对较弱。他指出，中国在人工智能领域的人才主要集中在应用层面，因此应用场景和技术层面有着巨大的发展潜力。然而，在基础层面的人才方面，中国明显处于劣势，原始创新不足。
戴琼海表示，人工智能创新发展需要三大支柱：算法、数据和算力。算法决定智能水平，数据决定智能范围，算力决定智能效率。在算法方面，大模型预计将在5年左右成为人工智能应用的关键基础平台。
戴琼海同时指出，脑智能是未来的新方向。融合脑和认知的人工智能新算法将引领新一代智能的发展。他建议政府鼓励企业主导大模型的建设，探索生物机制和机器特色的结合，进一步推动基础研究和应用发展。他预测，以认知智能为核心的人工智能将在十年后开始广泛应用。
此外，戴琼海也提醒人们需要警惕大模型应用的安全问题。大模型尚不能对输出进行可信性的验证，例如生成欺骗性内容。他强调，大模型应用的问题并不像计算机网络病毒那样简单，一旦出现问题，将带来颠覆性的影响。因此，在大模型的应用过程中，应该明确讨论安全性和可信性。
汪玉表示，国内的大模型落地面临着四个痛点需求，需要着力解决这些问题。首先，需要解决长文本处理的问题。其次，需要提高大模型的性价比。第三，需要将大模型应用于多种垂直领域。最后，需要实现一站式部署的新需求。他强调，这些需求的解决将推动整个产业链的发展。
在论坛中，与会者对大模型的发展提出了更多看法和建议。一些专家表示，要加强国内大算力芯片的研发和应用，以弥补目前在芯片领域的依赖性。他们强调，国内已经涌现出一些芯片企业，但需要进一步提高算法在芯片上的高效统一部署能力。
同时，专家们也提到了大模型在不同垂直领域的应用问题。特别是在医疗、金融等领域，获取大规模的语料数据是一项巨大的挑战。因此，建立通用基座大模型，并进行细致微调，将有助于提升各行各业的基础性能。
对于大模型的部署和优化，一站式自动化部署被认为是一个重要的趋势。这将通过优化软硬件协同、编译调优和硬件部署的分层方法，提高整体的效率和成本效益。专家们呼吁进一步探索高效的微调算法，以满足大模型在不同垂直领域的需求。
与会者们一致认为，大模型的发展需要政府、企业和学术界的共同努力。政府应该加强政策引导，推动基础研究和人才培养。企业应该承担起主导角色，加大对大模型建设的投入和推动。学术界应该加强与产业界的合作，促进科技成果的转化和应用。
在大模型的发展过程中，专家们也呼吁加强对安全性和可信性的研究和探索。他们认为，应该制定相应的规范和标准，确保大模型的应用不会造成负面影响和风险。
最后，与会者们纷纷表示，大模型的发展将给人工智能产业带来巨大机遇，但也需要警惕潜在的风险和挑战。他们鼓励各方在大模型的研发、部署和应用中进行深入合作，共同推动人工智能的健康发展和社会进步。
在世界人工智能大会的论坛中，专家们就大模型的发展和应用进行了深入的探讨和交流。他们对人工智能领域的基础创新、技术应用和未来前景提出了宝贵的见解和建议，为人工智能产业的发展指明了方向。