打通国产大模型发展堵点

　　今年1月，深度求索（DeepSeek）公司发布通用大模型DeepSeek-R1，以其低成本、高性能的特征在全球引起巨大轰动。DeepSeek的出圈是我国AI发展的重要里程碑，为产业发展带来了一系列有益的启示。

　　DeepSeek通过并行线程执行（PTX）、混合专家模型（MoE）、多头潜在注意力（MLA）和多Token预测（MTP）四大创新技术，在算力资源远不及国际同行的情况下，实现模型性能的大幅追赶，并将训练成本压缩至行业标杆的10%。这一突破不仅有效降低了大模型部署门槛，也揭示了以算法优化弥补算力短板的可行性，为突破西方主导的“大力出奇迹”的AI发展模式，走出多元化发展路径提供了新方案。

　　同时，DeepSeek采取完全开源的策略，公开算法、模型权重及训练细节，使全球开发者能借鉴、改进和部署模型。开源生态有助于吸引更多开发者和用户参与，促进技术迭代，有望改变赢者通吃的竞争格局。

　　尽管DeepSeek取得重要突破，但也应看到，我国AI原始创新仍存短板。2023年在遭引用次数最多的生成式AI研究机构前10名中，中国仅占1席。从AI专利数、深度学习模型、机器学习加速硬件等方面来看，我国与美国也仍存差距。

　　当前，我国数据基础制度建设仍处于起步阶段，数据获取和交换机制尚不健全，行业数据、公共数据获取和访问困难，大模型可使用的数据有限。同时，数据标注是高质量数据供给的基础，由于专业化标注人才短缺，我国数据标注质量仍有待提升，特别是在医疗、自动驾驶等发展需求迫切且对专业性要求高的领域，数据标注的供给规模和准确度难以满足发展需求。

　　从全球范围看，DeepSeek等国产大模型在全球技术生态中的影响力仍处于起步阶段。从国内看，我国AI发展从基础研究到技术创新，再到场景应用的全链条尚未完全打通。支撑大模型迭代发展的技术、资金、数据、人才等要素流动仍存在梗阻，尚未形成高效的生态闭环。

　　为此，应加强AI基础研究和技术创新。加快建设AI领域的国家战略科技力量，推动AI与数学、物理、脑科学等基础学科交叉融合，提升AI基础研究水平。鼓励AI技术开源开放，以开源项目为中心，促进开源贡献者、服务者、使用者、运营者等主体共同推动AI技术创新。

　　统筹大规模数据集建设。加快数据基础制度建设，以政府数据开放为牵引，融合企业和行业数据，推动公共数据集、专业应用数据集建设。针对不同应用场景，制定细化的数据标注规范，针对医疗、自动驾驶等垂直领域，开展专项知识培训，提升数据标注质量。

　　培育壮大AI初创企业。应发掘具有中国特色的AI初创企业估值模型和平台系统，强化AI初创企业早期估值发现，为政府、金融机构精准识别有潜力、高价值的AI初创企业提供科学参考，为国产AI技术发展壮大注入活力。

　　打造AI自主产业生态。充分发挥我国海量数据和丰富应用场景优势，组织科研机构、科技领军企业等优势力量，融易新媒体消息，聚焦智能制造、自动驾驶等重点垂直细分领域，统筹布局大模型行业应用创新（工程）中心，依托自主技术，建设集数据、算法、算力于一体的行业通用大模型平台，形成标准化模块化的模型、中间件及应用软件，以开放接口、模型库等推动产业链上下游深度合作，在应用中持续健全迭代自主产业生态。