今年以来开源大模型赛道的发展成效，标志着我国在这一领(ling)域正(zheng)处于从“追随者”到“引领(ling)者”的跨越式(shi)发展阶段。
近些年，我国在开源大模型领(ling)域的技术突飞猛进，生(sheng)态规模迅速扩大，涌现出诸多优秀(xiu)的开源项目(mu)，在应用性(xing)能方面逐(zhu)渐赶上国际前沿大模型，全球影响力凸显。例如(ru)，深度求索的DeepSeek系列大模型的技术指标位居全球前列；阿里的Qwen系列大模型全球下载量已突破2亿次，衍生(sheng)模型数量超过10万个，超越Meta的Llama成为全球最大开源模型族群。
面对全球人工智能行业激烈竞争，我国企(qi)业注(zhu)重采取差异化发展战(zhan)略，着重提升产品(pin)的性(xing)价比。主要体现为：一是低成本高效能。DeepSeek的R1模型预训练费(fei)用只有557.6万美金，不到OpenAI GPT-4o模型的十分之一，推理成本也大幅降低。二是开源发展策略。与(yu)其他AI巨头形成鲜明对比，我国企(qi)业坚持全球开源共享技术策略，大部分开源大模型支(zhi)持免费(fei)商用和衍生(sheng)开发，有利于降低企(qi)业的研发成本，吸引大量技术开发者加(jia)入其产业生(sheng)态。三是多模态融合发展。我国开源大模型注(zhu)重支(zhi)持跨模态信息(xi)整合，有助于提升开源大模型与(yu)其他领(ling)域的融合程度。目(mu)前，我国开源大模型已经深入千行百业，在制造业、电力、医疗、教育、金融等(deng)领(ling)域都有应用，为各行业的智能化转型提供(gong)了支(zhi)持，展现出强大的赋能潜力。
也要看到，我国在算力、芯片、数据、安全等(deng)方面仍面临一定风险与(yu)挑战(zhan)。比较突出的问(wen)题是，我国算力规模亟待提高，高性(xing)能AI芯片过度依赖进口。尽管目(mu)前我国算力规模已居全球第二位，但是开源大模型的算力需(xu)求呈指数级增(zeng)长，未来的算力缺口将会制约我国开源大模型产业高速发展。数据规范化程度亟待提升，大模型安全治理机制滞后。开源大模型训练需(xu)要使用海量数据，但是在数据获取的便利性(xing)、数据来源的合法性(xing)、数据质量的可靠性(xing)、数据使用的安全性(xing)等(deng)方面仍然面临不小挑战(zhan)，开源大模型在数据泄露(lu)与(yu)滥用、数据版权等(deng)方面的风险凸显。尽管《生(sheng)成式(shi)人工智能服务管理暂行办法》已出台，但在实操中缺乏(fa)统一标准和具体指南，亟待建立行业安全治理机制。
推动开源大模型实现质量跃升，仍需(xu)各方加(jia)强协(xie)同，通过政策引导(dao)破解算力、芯片、数据、安全等(deng)方面难题，多措并(bing)举加(jia)快构建自主可控、安全可靠、全球领(ling)先的开源大模型产业，深化产研协(xie)同与(yu)国际合作，进而在全球竞争中占据更主动的地位。
构建自主算力体系，强化国际合作与(yu)标准制定。加(jia)大国产高性(xing)能芯片研发投入，支(zhi)持国内企(qi)业技术攻关。推动“东数西算”工程与(yu)区域算力协(xie)同发展，注(zhu)重在全国范围内统筹建设(she)万卡级智能算力集群。我国应积极主导(dao)或参与(yu)国际开源大模型技术标准制定，通过全球开源社(she)区等(deng)平台推广开源技术，共建全球AI治理联盟。
完善数据共享与(yu)交易机制，建立健全安全治理框架。鼓励建立行业数据库，通过区块链技术保障数据隐私与(yu)权属，探索建立“数据训练基地”模式(shi)，鼓励企(qi)业以贡献度换取数据使用权，促(cu)进数据要素的共享和交易。及时出台与(yu)人工智能相关的政策法规和引导(dao)细则，并(bing)制定细分领(ling)域人工智能应用安全指南，推广“算法备案”机制，建立第三方评测平台，动态监测模型风险。
推动产研融合与(yu)生(sheng)态协(xie)作，推出商业化支(zhi)持政策。支(zhi)持企(qi)业、高校联合研发，推动大模型在更多产业落地见效，设(she)立“揭榜挂帅”专项基金，推动高性(xing)能芯片、大模型性(xing)能优化等(deng)关键技术突破。鼓励大模型企(qi)业平衡好免费(fei)服务与(yu)增(zeng)值(zhi)服务之间的关系，建立良性(xing)循环的商业模式(shi)。推动地方政府开放(fang)公共场景(jing)，加(jia)速大模型落地应用。
（本文来源：经济日报 编辑：中国社(she)会科学院大学应用经济学院实行院长、教授、博士生(sheng)导(dao)师倪红福(fu)）