近日，2024世界人工智能大会在上海盛大开幕。这场全球AI领域最具影响力的盛会之一，汇聚了来自学术界、产业界和政府的顶尖专家，围绕人工智能技术突破、产业应用、伦理治理等核心议题展开深入讨论。在大会现场，诸多关键问题被反复提及：大模型如何从“能用”走向“好用”？算力瓶颈如何突破？数据安全与隐私保护如何平衡？AI治理的全球规则如何建立？针对这些难点堵点，多位专家给出了自己的解读。

大模型“落地难”：从技术狂欢到产业实效

今年以来，以ChatGPT为代表的大语言模型持续升温，国内也涌现出百度文心一言、阿里通义千问、科大讯飞星火等百余个大模型。然而，大会现场不少企业代表坦言，大模型在垂直行业的落地仍面临“叫好不叫座”的尴尬。

“当前大模型更多停留在聊天、写作、代码生成等通用场景，真正深入医疗、制造、金融等核心业务系统的案例还很少。”中国工程院院士、阿里云创始人王坚在大会演讲中指出。他认为，主要难点在于大模型的“幻觉”问题——模型会生成看似合理但实际错误的信息，这在严谨的行业场景中难以接受。此外，大模型高昂的训练和推理成本也限制了中小企业的采用。

对此，上海交通大学人工智能研究院教授张林提出破解思路：“行业大模型”或是未来方向。他解释说，可以通过在通用大模型基础上，用行业私有数据做微调（Fine-tuning），并结合知识图谱进行事实校验，从而大幅降低幻觉率。同时，通过模型蒸馏、量化等轻量化技术，可将大模型部署到边缘设备，降低算力成本。

算力之困：如何打破“卡脖子”与“用不起”？

算力是人工智能的“发动机”，但大会期间多位专家指出，我国算力产业正面临两大堵点：一是高端AI芯片受制于外部限制，二是算力资源利用率低，存在“东部缺算力、西部算力闲”的结构性矛盾。

“我们算力总规模不小，但分散、碎片化严重。”中国科学院计算技术研究所研究员李晓明在专题论坛上表示。据统计，全国已建成超过200个智算中心，但平均利用率不足30%。同时，企业自建算力成本极高，租赁第三方算力又面临数据安全和网络延迟问题。

如何破解？专家建议从技术和机制两方面发力。技术层面，可以通过异构计算、存算一体等新型架构提升能效，同时发展光计算、量子计算等下一代技术。机制层面，上海数据交易所总经理汤奇峰提出，应建立全国统一的算力调度平台，实现“东数西算”的灵活调度，并探索算力券、算力期货等市场化工具，让中小企业也能用上优质算力。

数据安全与隐私：AI发展的“达摩克利斯之剑”

随着AI模型训练数据规模爆炸式增长，数据隐私、版权、偏见等问题日益突出。大会期间，多位专家呼吁在数据使用与隐私保护之间寻找平衡点。

“我们正在经历一个‘数据裸奔’的时代。”清华大学法学院教授申卫星在“AI法治论坛”上直言。他举例，很多AI公司抓取互联网数据训练模型，其中包含大量个人信息和版权内容，这在法律上存在巨大风险。此外，模型偏见问题也可能导致歧视性结果，比如招聘AI系统偏向男性候选人。

对此，复旦大学计算机科学技术学院教授姜育刚提出技术方案：联邦学习、差分隐私、同态加密等隐私计算技术可以在不泄露原始数据的前提下完成模型训练。他同时建议，应尽快建立AI训练数据的分级分类管理机制，对个人敏感数据实行“非必要不使用”原则，并引入数据溯源技术，保障原创作者权益。

全球治理：构建“以人为本”的AI规则

人工智能的快速发展正在重塑全球竞争格局，也带来前所未有的治理挑战。大会期间，联合国教科文组织驻华代表处代表夏泽翰指出，目前已有超过60个国家出台了AI治理政策，但缺乏全球统一标准，可能导致“监管套利”和技术鸿沟扩大。

中国科技部副部长吴朝晖在大会开幕式上表示，中国坚持“以人为本、智能向善”的治理理念，将积极参与全球AI治理规则制定。他透露，中国正在推动《人工智能法》的立法进程，并将在数据跨境流动、算法透明度、AI安全评估等方面出台更具体的标准。

腾讯集团高级副总裁汤道生则从产业角度建议，应该建立“行业自律+政府监管+第三方评估”的多元治理模式。他特别提到，对于AI生成内容（AIGC），应强制要求标识，让公众能够区分机器生成与人类创作的内容，这是建立信任的第一步。

结语

本届人工智能大会传递出一个清晰信号：AI技术正从“蛮荒生长”进入“精耕细作”阶段。与会专家普遍认为，未来几年，AI产业的竞争焦点将从模型参数规模的比拼，转向解决实际问题的能力、安全可信的水平以及生态协作的效率。破解堵点需要技术、制度、资本多方合力，但方向已然明确——让人工智能真正服务于人，成为推动社会进步的正向力量。