飛象網訊（馬秋月/文）在2024全國兩會期間，全國人大代表、科大訊飛董事長劉慶峰建議，在2017年《新一代人工智能發展規劃》的基礎上，瞄準我國通用人工智能發展中需要重點補上的短板進行設計，圍繞自主可控算力生態構建、高質量數據開放共享、科學的評測標準制定、源頭技術前瞻研發、人才培養、法律制定和倫理人文等維度，系統性制定國家《通用人工智能發展規劃》（簡稱《規劃》），由國家高位推動規劃的制定和落地，不斷縮小中美通用人工智能產業在通用底座平臺方面的差距，并在行業應用和價值創造上打造我國的比較優勢。
為此，劉慶峰提出9點建議：
第一，建議發揮舉國體制優勢，加大并保持對通用大模型底座“主戰場”的持續投入。以專項的形式從算力、數據、算法上在未來5年內持續支持我國通用大模型的研發攻關；支持有條件的地方政府，以專項債的形式支持通用和行業大模型研發以及應用生態發展所需的算力基礎設施建設；制定相關政策，推動工業和民生等領域的大模型應用，從而讓“底座大模型+行業應用”形成相互促進的良好局面；鼓勵國資央企優先應用國產大模型，在關鍵敏感領域和核心戰略領域只能用自主可控的大模型；面向“一帶一路”設立專項，支持多語種大模型技術研發，以及在主要產業鏈合作國家、地區的落地應用。
第二，建議加快形成圍繞國產大模型的自主可控產業生態。大模型是典型的平臺賦能性技術，要加快我國大模型開發者生態體系建設和運營，支持國產大模型向開發者開放，開展大模型評測體系和開源社區建設，降低研發和使用成本。支持工業大模型在工業互聯網領域的賦能，支持軟件大模型對軟件行業的賦能，支持行業大模型對汽車、家電、服務機器人等行業領域的應用，以“人工智能+”推動我國自主可控的大模型產業生態蓬勃發展。
第三，建議推動國家級高質量訓練數據開放和共享。推動國家層面高質量數據平臺的設立和資源共享，加大政府和市場協同，合理解決知識產權問題，構建包括國家公共數據資源、高質量電子圖書、高質量音視頻、多渠道行業應用數據及互聯網開源數據資源等多源多模態的國家級數據資源匯聚平臺，支持國家實驗室、全國重點實驗室、國家人工智能開放創新平臺、行業領軍企業等國家戰略科技力量以揭榜掛帥形式優先、低成本使用。
第四，建議出臺更加客觀、公正、可信的評測方法，加快大模型在行業領域的應用落地。聯合國家級權威機構和行業龍頭企業等組織，共同發布具有公信力的大模型評測標準和應用指南，并定期組織系統全面的科學評測，指導各行業甄別和選型大模型，避免各家大模型刻意刷榜和各種不權威的商業評測擾亂正常市場秩序。在行業應用方面，建議首批可以加快開發面向金融、工業、汽車、文旅、政務、教育、醫療等關鍵行業的應用場景，加快打造標桿示范，在成效驗證后向全國規模化推廣。
第五，建議堅持源頭核心技術系統性創新，在戰略性、前瞻性的基礎研究領域做好布局。布局投入大模型的寬基礎研究，在大模型能力涌現機理、大模型可信訓練推理、強化學習技術、自主學習技術等方面形成突破。加快腦科學與類腦智能、量子計算等領域與人工智能關鍵研究的協同攻關，形成交叉學科的突破，助力我國通用人工智能彎道超車。推動大模型與科學研究的深度結合，打造AI for Science的科研新范式，研究基于科學數據的AI建模和科學知識提取技術，助力科研人員更高效地進行科學研究和探索。在生命科學、化學、制藥、物理、材料等多個科研領域，引入人工智能通識課，培養一批具備專業科研能力以及高水平通用人工智能理解能力的人才，為可能涌現的交叉學科重大突破做儲備。
第六，建議加快推廣大模型賦能全學段，以全新機制加快探索我國人工智能拔尖創新人才培養。加快運用大模型的現有能力打造教師和學生的助手，賦能從中小學到職業教育和大學的教育教學提質增效。設立國家人工智能學院，以“核心+基地”的組織形式和全新機制推動我國面對中美競爭的拔尖人工智能人才培養。加強人工智能一級學科建設，聯合頭部企業打造一批人工智能人才產教融合培養基地，打造優秀人才專項遴選機制和通道等。
第七，建議研究通用人工智能時代人才能力素質模型和培養方案，加快應用型人才培養。針對未來可能被人工智能大量替代的行業和崗位，對勞動力培養及再就業做專項研究，并且提前、主動做好應對。關注通用人工智能對社會各行業帶來的沖擊，加快建設新的人才能力素質模型和課程培養體系，特別是加快以通用人工智能賦能軟件代碼、語言學習、藝術創意等領域應用型人才的培養，助力我國軟件行業和數字經濟發展。
第八，建議加速通用人工智能技術相關的法律法規制定與審議。圍繞大模型的數據安全、隱私泄露、可靠性、知識產權等幾大關鍵方面制定法律法規，提升通用人工智能技術可靠性與規范性。同時，完善向社會開放的大模型的準入和運行規則，明確責任分配與問責機制，并明確大模型知識產權與保護方式。
第九，建議設立軟課題進行通用人工智能相關的倫理人文研究。堅持科學、獨立原則，針對通用人工智能技術可能帶來的社會風險、倫理挑戰和人類文明變化進行開放式課題研究。
