商业热点 > 商业洞察 > AI过热引发业界忧虑 - 专家呼吁夯实原始创新能力

【人工智能】AI过热引发业界忧虑 - 专家呼吁夯实原始创新能力

查看信息来源】   发布日期:4-15 2:27:25    文章分类:商业洞察   
专题:人工智能】 【大模型

  DeepSeek引发的中国生成式AI热潮仍在升温之际,但部分产业人士已经开始对AI过热发生警惕,并开始反思。

  在日前举行的2025中关村论坛通用 人工智能 论坛上,面对行业“押宝大模型即押宝未来”的说法,北京通用 人工智能 学院院长,北京大学 人工智能 研究院、智能学院院长朱松纯对此表示了担忧。在他看来,聚焦于参数规模和表面技术突破,容易忽视原始创新和底层技术的战略意义,时间久了,或将使行业在核心竞争力上迷失方向。因此,他建议,当下产业急需正视智能本质与顶层逻辑的研究,防止陷入单纯的“大而全”误区。

  回归AI“原始创新”

  朱松纯认为,当前围绕大模型的讨论几乎吸引了全行业聚光灯,众多企业将关注焦点放在参数规模扩增上,但在基础学科、认知科学与原始创新方面的投入相对不足。

  朱松纯表示,目前,行业对AI的讨论几乎被大模型能力所占据,而基础学科、原始创新与智能本质的研究却被边缘化,甚至遭到部分舆论的否定。更有甚者,形成了某种“技术投机”的氛围,就像只有少数企业能代表中国AI的水平,而长期支撑AI发展的条件学术群体、理论工作者、认知科学研究者则被忽视。这种认知偏差,正在让我们离真实的AI创新越来越远。

  根据他的说法,AI创新可以分为哲学、理论、模型、算法和工程与部署五个条理。只有在哲学层面明确“智能”的本质,在理论层面形成严密的数学框架,进而在模型和算法上展开突破,最后在工程与部署上实现高效落地,才能真正筑牢中国AI技术竞争的内核。这种分层思维提醒业界:在过度追求规模的背后,原始创新才是推翻式变革的驱动力,是夯实自主可控能力的关键所在。

  这也让目前对于“根技术”的探讨重新成为产业显学。公开信息显示,根技术,即能够衍生出并支撑着一个或多个技术簇的技术。根技术是技术树之根,持续为整个技术树提供着滋养,在很大水平上决定着技术树的荣枯。

  而落子在AI产业中,“根技术”即囊括了最基础、最核心的技术分支,包含芯片、操作系统、算法框架等。实现“根技术原创”,也被视为推动AI产业从模仿追随到自主研发转变的重要支撑。

  产学研发力“根原创”

  随着对于AI根原创能力的注意,我国从官方、学界到产业链,已经启动了积极行动。记者了解到,早在今年2月,国务院国资委在召开中央企业“AI+”专项行动深化部署会时便强调,要抓住 人工智能 产业发展的战略窗口期,强化科技创新,聚焦关键领域加快掌握“根技术”,坚定攻关大模型,积极参与开放生态建设,推动发生更多“从0到1”的原始创新,加速推进成果转化和产业化发展。

  而在产业链方面,据工信部发布的《2024全球 数字经济 白皮书》显示,截至2024年,全球AI企业约3万家,而中国目前拥有超过4500家 人工智能 核心企业,占全球总数的约七分之一。

  作为产业代表之一,目前,传神语联开创人何恩培在接受《中国经营报》记者采访时表示,早在GPT热潮兴起之前,他们就在法律、语言服务等领域布局大模型技术。由此可以看出,底层技术的自主创新往往其实其实不依赖于容易的规模扩张,而是一种全面全面的研发策略,在多个条理上共同提升AI的创新密度和应用效率。

  何恩培表示,虽然目前市场上大多数企业都在追求“千亿级”“万亿级”参数大模型,但大模型其实其实不是越大越好,其表现最终决定于架构设计、训练策略的优化和底层参数控制等多方面因素。

  以业内关注的大模型“跑偏”问题为例,传神语联副总裁何征宇表示,这主要是由于数据处理和生成逻辑缺乏严密控制造成。而通过底层参数的合理控制,将知识进行向量化并建立标准化控制点,可以在模型训练进程中就设定好属性,后续通过提示词干预使其输出符合预期方向。

  何恩培表示,大模型的商业化之路也其实其实不是单纯依靠追求规模而能取得突破。客户数据的可靠性、训练架构的经济性设计和数据和推理之间的合理分离,都是保证模型性能和适用场景的关键因素。只有充分理解并掌握这些底层要素,才能在国际上构建具有竞争力的自主AI生态。

  数据猿主编张艳飞则向记者表示,从当前全球的技术发展趋势来看,AI根技术竞争已进入“认知主权”争夺阶段,但当前国内普遍陷入“数据堆砌+参数膨胀”的路径依赖。为避免这样的问题,应依靠真实的根原创,重构底层逻辑是从哲学层面解构语言智能本质,在算法架构、训练范式等基础层打破西方技术范式垄断。

  另外,学术界也在重视原始创新基础的缔造。中国科学院院士鄂维南在2025中关村论坛期间便指出,AI的长期稳定发展需要多方面、多条理的人才。他建议,从整个计算产业的视角全面布局AI发展蓝图,创新人才培养方式,培养综合性、前瞻性人才,建设高质量、多条理人才梯队。

  无疑,随着产学研的共同努力,AI将来的竞争将不再只是参数和算力的较量,而是一场关于认知架构、底层算法、系统协同和用户数据可靠性的全方位竞争。从表面看,大模型参数的不断攀升似乎能彰显技术实力,但从更深条理看,唯有回归到底层原创和技术根源,完全做到理论、模型、算法及工程体系的系统协同,才能为 人工智能 产业发展注入持久动力。

手机扫码浏览该文章
 ● 相关商业动态
 ● 相关商业热点
人工智能】  【银行账户】  【开门红】  【四龙三虎】  【AI医疗】  【英伟达】  【台积电】  【富士康】  【计算机】  【商务部】  【大模型】  【《标识办法》】  【产业链】  【服务器】  【消博会】  【非法证券活动】  【投资者】