隨著科技的日新月異，人工智能（AI）正以驚人的速度引領社會變革，推動全球協作邁向新高度。當前，AI已在數據、算力和算法三大核心領域取得突破性進展，正逐步從技術創新邁向大規模應用的新階段。在此背景下，全球需要通過協作與對話，共同探索人工智能發展的新路徑，攜手重塑更加美好的未來。
人工智能技術的飛速發展離不開堅實的基礎支撐。數據、算力和算法作為驅動AI進步的“三駕馬車”，不僅相互依存、相互促進，更在不斷拓展創新的邊界，推動AI從概念走向現實應用。而眾多科學家杰出的基礎研究工作，為人工智能的發展奠定了堅實基礎，激發了其革命性的潛力。
數據是人工智能發展的基石。2024年，全球數據生成量持續攀升，為AI模型的訓練與優化提供了前所未有的豐富資源。開源數據平臺的蓬勃發展，為通用大模型的訓練注入了強勁動力，而全球互聯網用戶群體和工業數據則為行業垂直模型提供了高度定制化的訓練資源。高質量數據的輸入，驅動著AI大模型的持續進化。在這一進程中，圖靈獎得主Judea Pearl提出的貝葉斯網絡等概率模型，顯著提升了數據分析的效率和推理能力；諾貝爾生理學或醫學獎得主John O'Keefe及其團隊發現的空間導航神經機制，則為AI模型處理復雜數據環境提供了靈感。然而，數據的壟斷性和稀疏性正成為制約AI發展的主要瓶頸，這一現象在行業垂直領域表現得尤為普遍與突出，成為亟待攻克的重大挑戰。
算法是人工智能運行的引擎。當前，AI在算法上的發展分為兩大方向：通用大模型和行業垂直模型。通用大模型如OpenAI的ChatGPT和DeepMind的Gemini，已具備多模態、多語言的高效處理能力，極大地推動了生成式AI的普及。而行業垂直模型則專注特定領域，如AlphaFold在生物學中的蛋白質結構預測，大幅提升了科學研究的效率。在這一進程中，菲爾茲獎得主Stephen Smale在優化理論中的鞍點問題研究，為深度學習中的梯度下降法提供了重要的數學框架；圖靈獎得主Geoffrey Hinton的深度學習理論，則構建了通用模型的核心算法基礎；而諾貝爾化學獎得主Demis Hassabis和John Jumper開發的AI模型，通過快速預測蛋白質結構，充分展示了行業垂直模型在解決社會重大問題中的巨大潛力。這些關鍵性工作推動了技術范式中問題譜、模型群與算法簇的同態同構式發展，為AI未來的持續創新奠定了堅實基礎。
算力是人工智能進化的燃料。在大模型訓練過程中，對計算能力的需求空前高漲。NVIDIA的圖形處理器（GPU）和Google的張量處理器（TPU）等先進技術的出現，為AI模型提供了強大的算力支持。而量子計算的持續突破，更為AI在解決高復雜度問題中開辟了全新的可能性。今年12月，Google推出量子芯片Willow，在發布會上表示，通過指數級降低錯誤率，在5分鐘內完成了一項常規超級計算機需耗時1025年的計算任務，這一成果標志著量子計算邁出了里程碑式的重要一步。同時，以“東數西算”工程為基礎的中國一體化算力網建設，正逐步實現全國范圍內算力資源的高效協同調度。在這一進程中，菲爾茲獎得主Terence Tao在調和分析和偏微分方程領域的貢獻，為AI計算模型的精準性與效率提供了堅實的理論支撐；圖靈獎得主Allen Newell和Herbert Simon在算法復雜性及計算框架上的研究，為大規模分布式計算奠定了關鍵基礎；而諾貝爾物理學獎得主Alain Aspect在量子糾纏領域的實驗成果，則進一步拓展了量子計算在AI算力中的應用前景。這些突破不僅融合了傳統算力與新型量子技術，還為AI模型的高效訓練和實際應用開辟了廣闊空間，加速了技術發展的全新階段。
從星際文明的長遠視角來看，人類無疑是一個弱勢群體。中國領導人提出構建人類命運共同體理念，為人類應對發展挑戰、共創美好未來提供了重要指引。中美等人工智能強國更應聯合起來，共同為人類文明進步作出更加卓越的貢獻。在合作共贏的前提下，可在AI領域開展以下探索。
實現均衡協同發展。人工智能在數據、算法和算力三大關鍵領域的投入存在明顯不均衡，資本更多集中于算法和大模型的開發，而對數據基礎設施建設和算力優化的投入相對不足。這種不平衡使得AI發展的“核心驅動要素”難以協同發揮作用。算法迭代依賴高質量數據，但數據稀疏性和平臺缺失限制了潛力釋放；算力不足則制約模型訓練效率，抑制了AI在實際應用中的發展。為此，推動人工智能走向成熟，必須算力、算法和數據三者同時發力、均衡發展。
普及教育與技能培訓。人工智能的普及需要全社會的參與。全球應加大教育和技能培訓的投資，確保普通人能夠掌握AI相關技能。AI不應成為少數精英的專利，而是應通過教育實現廣泛的社會參與。具體措施包括在中小學和高等教育中引入AI基礎課程，并通過在線學習平臺為勞動者提供終身學習機會。
國際對話與倫理規范。全球人工智能的發展需要共同的AI倫理框架。在國際層面，聯合國等機構可以發揮領導作用，推動AI倫理的制定和實施。特別是在隱私保護、算法公平性和安全性方面，全球需要形成一致的標準和規范。
構建全球AI創新網絡。人工智能是全球性技術，其發展需要各國的協作。中美兩國作為全球AI研發的主要力量，應求同存異，加強技術共享和標準制定合作。例如，推動AI模型訓練中的數據共享協議，加強在醫學、氣候變化等領域的AI應用合作。通過協作，共同推動AI技術造福全人類。
公平分配與監管治理。為緩解技術發展帶來的社會不平等，各國可以考慮對科技巨頭實行更高的稅收政策，將AI帶來的經濟收益投入到公共服務和社會保障中。同時，加強反壟斷政策，防止少數企業壟斷市場，確保AI技術能夠以公平的方式惠及每個人。
人工智能是人類社會的一次技術飛躍，它的發展成果應惠及全人類，而非僅服務于少數人，人工智能一定是屬于全人類的。未來，世界人工智能強國應超越技術競爭的狹隘視角，以合作共贏為目標，共同推動人工智能技術的健康發展。通過加強對話與協作，將零和博弈轉變為正合博弈，開展人工智能的全球“勞動競賽”，讓人工智能真正成為推動人類命運共同體建設的重要力量。
作者：徐玖平（四川大學杰出教授 全國政協委員）
掃碼下載
中文網微信