習近平總書記強調，“科技創新是發展新質生產力的核心要素”，“要以科技創新推動產業創新，特別是以顛覆性技術和前沿技術催生新產業、新模式、新動能，發展新質生產力”。利用前沿科技培育和推動新質生產力發展，是建設現代化產業體系、推進高質量發展、提升國際競爭力的重要內容和必然要求。

生成式人工智能是發展新質生產力的重要驅動力。以大模型為代表的生成式人工智能技術，通過在技術上集成多年積累的深度學習模型與訓練算法，依靠大算力，充分利用海量多模態數據，實現了從特定任務處理到跨領域通用的人工智能系統能力的飛躍，在語言理解、圖像識別、語音識別、內容創作等多個領域展現了強大的能力和廣闊的應用前景。大模型具有豐富的常識，擁有強大的通用任務解決能力、較好的工具使用能力、卓越的人機交互能力以及出色的指令遵循能力，這些優勢使大模型能夠顯著提升應用效率，輔助產業實現數智化轉型，從而帶來巨大的經濟效益。

近兩年我國生成式人工智能取得了顯著進展，技術路徑基本探明，應用路徑逐漸明確，產業化應用落地廣泛。目前國產大模型數量已達數百個，涵蓋金融、醫療、教育等多個行業，成為賦能千行百業的新抓手和支撐產業創新的新支柱。生成式人工智能的發展與應用趨勢日益明朗。

生成式人工智能不僅是一種新技術，更代表著生產應用的新范式，能夠催生新產業和新業態。大模型的學習模式類似人類大腦的處理機制，基于一個通用底座，通過學習不同的數據，能夠形成多樣化的能力，而無須針對特定任務開發定制算法。通過自然的人機交互，用戶可直接通過對話生成應用程序，用戶就是程序員，數據和場景本身就是軟件應用。這一突破改變了軟件開發范式，使軟件開發由代碼驅動向語言描述驅動轉變，在需求分析、代碼編寫、測試、部署等軟件開發的各個流程，都顯著降低了技術門檻、提高了開發效率。這種新范式同時也給軟件系統的建設和應用帶來了新模式，使各行業的體系變革和生態發展都有了新邏輯和新路徑，促使新的產品、服務和商業模式不斷涌現。新興產業的形成和發展，將引領產業變革，成為新質生產力培育和發展的主陣地。

生成式人工智能能夠推動傳統產業深度轉型升級，為實體經濟發展注入新動能。通過將大模型應用于各個領域，可實現各行業的降本增效，提升產業自動化水平，助力企業的智能化升級，促使實體經濟再上新臺階。在工業制造領域，生成式人工智能可輔助實現研發設計的自動化，為生產制造提供智能化的解決方案，通過預測需求、制定生產計劃助力經營管理，并提供故障預測、健康管理等運維服務。在教育領域，可為師生提供智慧教育產品，實現個性化的因材施教。在醫療領域，可輔助診斷，成為醫生的診療助理和患者的健康助手。在金融領域，可為金融機構提供智能客服、智能風控、智慧營銷等服務，為客戶提升服務體驗。據有關預測，2035年生成式人工智能有望為全球貢獻近90萬億元的經濟價值，其中我國將突破30萬億元，且對我國經濟的賦能效應顯著優于美國等其他經濟體。生成式人工智能與實體經濟的深度融合，將打造“人工智能+”千行百業的產業新格局，形成現代化、智能化的產業體系，促進由傳統生產力向新質生產力的轉型。

生成式人工智能帶來的安全風險和治理挑戰不容忽視。由于大模型自身結構和生成機制存在漏洞，有被惡意攻擊的風險，同時大模型自身的知識表達和學習模式還存在缺陷，經常出現常識性錯誤、杜撰內容等“幻覺”。

為此，應建立針對大模型全生命周期的安全監管與治理體系，從數據安全、模型安全、內容安全、倫理安全等多個角度，保障大模型研發和應用安全可信。一方面，需制定技術標準，強化過程控制。建立嚴格的數據采集、存儲和處理規范，確保數據來源合法可靠，同時保障數據隱私。對大模型進行安全攻擊檢測，提升其對惡意攻擊的抵抗能力，并及時發現和修復安全漏洞。另一方面，系統推進大模型監管體系建設，制定和完善相關法律法規。強化內容審核和過濾機制，識別并過濾生成的虛假信息、惡意內容和違法信息。明確倫理規范，建立倫理審查機制，確保人工智能發展遵循人類道德和價值觀。通過建立全流程的安全保障體系，降低生成式人工智能的安全風險，推動技術的安全、可持續發展。

同時，為充分發揮大模型的帶動作用，必須確保大模型的健康合理應用。然而，當前在大模型應用上仍存在一定誤區。一是將生成式人工智能“工具化”，僅將其視為生成文案的辦公工具。這種應用方式大大限制了生成式人工智能的潛力。大模型不僅可以用于文案生成，還能夠在數據分析、決策支持、輔助管理等多個重要環節發揮作用，其應用價值遠超辦公自動化。二是將生成式人工智能“神化”，誤將其視作萬能助手。雖然大模型具備強大的通用能力，但在專業領域的賦能往往依賴專業知識，通用大模型難以滿足需求，只有與根據專業領域的知識和需求定制專用模型相結合，才能實現更為精準和有效的支持。

樹立立體思維，保障應用健康發展。著力促進各類大模型之間、人與機器之間的靈活配合與協同進化，充分激發大模型的創新活力與應用潛力，最大化釋放大模型的應用價值。

一是形成各類大模型各司其職、共同發展的創新生態。大模型可分為三類：底座大模型、領域大模型和任務大模型。底座大模型通過在大規模無標注數據上進行訓練，學習人類常識，能夠形成舉一反三的強大泛化能力，具有基礎的通用功能，相當于完成了人類的通識教育。底座大模型可看作智能時代的基礎設施，方便更多開發者在其基礎上做進一步開發，從而促進大模型的普及和應用，加速構建更加活躍多元的技術生態系統。相比通用的底座大模型，領域大模型和任務大模型則更為專用。領域大模型專注于特定行業或領域的知識，通常基于領域相關專業數據進行預訓練或微調，相當于完成了專業教育，成為領域“專家”。任務大模型針對具體任務進行微調和優化，以提升其在具體任務上的效果。應引導各類模型共同發展，培育多元化的創新生態。在實際應用中，應根據場景選擇相應的模型，充分發揮各類模型的優勢，從而更好地滿足多樣化需求，實現最佳的應用效果。

二是形成大模型通專結合、高效協同的創新體系。通用大模型與專業大模型各有優勢，它們之間的關系應辯證看待。通用大模型作為跨領域的通用平臺，能夠提供廣泛適用的解決方案，滿足不同用戶的基本需求，具有適用范圍廣、靈活性強等優勢。在依賴常識的通用場景，如主要面向公眾的消費型業務和虛擬互聯網應用等，能夠發揮不可替代的作用。專用大模型專注于特定領域，通過深耕行業的專業知識，發揮領域縱深優勢，提供針對特定業務場景的高質量解決方案，具有專業精度高、定制性強等特點。在實體經濟、工業應用等更依賴專業知識的場景中，能夠提供更加精準有效的支持。因此，應鼓勵兩類模型協同發展，支持互聯網頭部企業研發通用大模型，增強大模型的綜合能力，同時支持各行業發揮行業優勢，在通用大模型的基礎上深耕專用模型，形成通專協同的創新體系。在實際應用中，通過實現兩類模型的協同合作，使其充分發揮各自的優勢，提高整體應用效果。

三是形成人機融合、混合增強的創新機制。大模型自然流暢的人機交互能力，顛覆了傳統的人機交互范式，大幅提高了人機協同的效率和靈活性。為實現基于大模型的人機高效協同，需從業務體系層面進行系統性的重構。首先應明確界定大模型、人類和專家各自的職責范圍，統籌發揮各自的優勢。大模型在系統設計中應擔任自動化任務者的核心角色，充分發揮其能夠快速處理大量信息、高效執行重復性任務的優勢，顯著提升系統的整體運行效率；人類應發揮創造力強、決策能力強的優勢，對系統起到整體設計和引導的作用；對于需要深入理解和判斷的任務，例如復雜情境中的任務或非標準問題，需由經驗豐富的專家團隊來主導，確保決策的科學性和有效性。其次應面向實際需求，設計人機協同工作流，建立有效的人機溝通機制和協作策略，確保人機能夠高效合作。通過形成人機協同的創新機制，不斷優化資源配置，提升系統的靈活性，實現更高效的系統性能，用人機融合新機制促進新質生產力的發展。

（作者系中國科學院科技基礎能力局副局長、自動化研究所副所長）