当前◈◈ღ，人工智能（AI）大模型技术已成为推动国家科技和经济高质量发展的新引擎◈◈ღ，但其发展仍面临几个重大挑战◈◈ღ，包括算力掣肘◈◈ღ、推理幻觉和产业落地壁垒等挑战jdb电子网站◈◈ღ。为充分发挥AI对我国科技和经济发展的赋能作用◈◈ღ，需从模型架构创新◈◈ღ、测试标准体系构建和产学研协同三方面突破◈◈ღ，打造具有国际竞争力的AI创新高地◈◈ღ。

　　当今AI模型发展以Transformer架构及其变体为主导◈◈ღ，以大参数量◈◈ღ、大算力为基础◈◈ღ，其训练成本正以惊人的速度增长◈◈ღ，这种模式在长期运行中可能面临能耗与训练效率的挑战◈◈ღ，同时高昂的成本也可能对规模化应用和推广造成一定制约◈◈ღ。AI训练过程中◈◈ღ，算力需求的持续膨胀已成为制约AI创新的一项关键因素◈◈ღ。为推动我国AI研发实现跨越式发展◈◈ღ，亟须在模型架构层面进行根本性创新◈◈ღ。

　　从认知科学视角看◈◈ღ，人脑在能耗极低的情况下实现了高效的智能处理◈◈ღ。人脑通过分层处理◈◈ღ、注意力机制和预测编码◈◈ღ，以稀疏编码6869影视◈◈ღ、模块化分工◈◈ღ、抽象表征等方式实现高效运算6869影视◈◈ღ。这些认知机制为突破算力瓶颈提供了重要思路◈◈ღ：通过模拟大脑的预测加工系统6869影视◈◈ღ，构建具有主动推理能力的生成模型◈◈ღ；设计更高效的记忆架构◈◈ღ，防止AI的“灾难化遗忘”◈◈ღ；参照大脑皮层的层次化表征系统◈◈ღ，构建具有多重抽象级别的计算框架◈◈ღ。当前◈◈ღ，大模型普遍存在的不可解释性问题◈◈ღ，也凸显了单纯依赖数据驱动的局限性◈◈ღ。基于对人类智能的探索◈◈ღ，挖掘学习机制◈◈ღ、功能模块分区◈◈ღ，有望指导设计出能够更高效自适应环境◈◈ღ、自主学习的AI训练范式◈◈ღ。

　　为实现我国在AI研发上从“跟跑”到“并跑”乃至“领跑”的转变◈◈ღ，几大研究方向值得重点布局◈◈ღ：一是开展基于脑科学与认知科学的智能本质研究◈◈ღ，深入探索人类智能的内在机理及其对AI架构的启发◈◈ღ；二是推进受脑启发的AI算法研发◈◈ღ，开发更高效轻量化的AI模型◈◈ღ；三是加强通用人工智能（AGI）理论创新◈◈ღ，构建新一代AGI理论体系◈◈ღ。为推动上述方向◈◈ღ，建议前瞻性布局新型计算芯片◈◈ღ、认知神经网络◈◈ღ、脑科学与类脑智能等前沿方向◈◈ღ。支持科研机构开展跨学科交叉研究◈◈ღ，探索更高效的模型架构和训练方法6869影视◈◈ღ，推动AI发展模式从“算力驱动”向“效率优先”转型◈◈ღ。通过降低算力门槛◈◈ღ，可使广大中小企业以更低成本接入AI技术◈◈ღ，形成新的产业增长点◈◈ღ。同时◈◈ღ，理论突破将带动芯片◈◈ღ、算法◈◈ღ、云计算等全产业链协同发展◈◈ღ，进一步夯实数字经济发展基础◈◈ღ。

　　当前◈◈ღ，AI大模型在各行业应用呈现蓬勃发展态势◈◈ღ。然而◈◈ღ，在模型实现流畅交互的同时◈◈ღ，其固有的不可解释性◈◈ღ、“幻觉”问题与潜在的安全隐患◈◈ღ，也制约着其在关键领域的深度应用◈◈ღ。比如◈◈ღ，在医疗场景中◈◈ღ，模型可能生成看似合理◈◈ღ、实则错误的“幻觉”信息◈◈ღ，即在医疗诊断时提供不准确的建议jdb电子网站◈◈ღ，带来误诊等后果◈◈ღ。同时◈◈ღ，大模型决策过程不透明◈◈ღ、易受恶意攻击导致数据泄露等问题◈◈ღ，也使得关乎国计民生的关键领域在引入大模型时不得不慎之又慎◈◈ღ。此外jdb电子网站◈◈ღ，因大模型的智能尚未升维为通用的认知与适应能力◈◈ღ，仍不能被广泛认可为AGI◈◈ღ。

　　构建面向AGI的测试标准◈◈ღ，必须克服传统测评方法的局限◈◈ღ，借鉴发展心理学与心理测量◈◈ღ，构建新一代测评体系◈◈ღ：在横向上6869影视◈◈ღ，建立覆盖视觉◈◈ღ、语言◈◈ღ、认知推理◈◈ღ、社会价值等多维度的综合任务集◈◈ღ；在纵向上◈◈ღ，设计受人类心智发展启发的“AI发展里程碑”测试◈◈ღ，评估其能力是否遵循合理◈◈ღ、稳健的演进路径◈◈ღ。这尤其适用于评估AI的自我认知◈◈ღ、情感依恋◈◈ღ、道德判断等对安全至关重要的高阶能力◈◈ღ，为AGI的发展提供更科学的指引◈◈ღ。

　　标准化建设既能提升模型质量jdb电子网站◈◈ღ，对技术落地提出更高要求◈◈ღ，又能为监管提供技术支撑◈◈ღ，加速可信AI在关键领域的部署应用◈◈ღ。同时◈◈ღ，完善的标准体系将增强市场信心◈◈ღ，吸引更多社会资本投入AI产业◈◈ღ，推动形成规模化应用场景◈◈ღ，有望带动相关服务业和制造业升级发展◈◈ღ。为此◈◈ღ，要加快建立覆盖测试方法◈◈ღ、标准体系◈◈ღ、流程评估和伦理规范的全链条标准体系◈◈ღ。构建针对AI理解能力◈◈ღ、安全性能◈◈ღ，以及通用性的评测框架◈◈ღ，针对重点风险领域设计场景化测试基准◈◈ღ，通过可解释性评估等手段量化模型的安全和可靠性◈◈ღ。同时◈◈ღ，积极推进测试标准与国际接轨◈◈ღ，支持第三方机构参与认证评估◈◈ღ，为行业提供科学可靠的评判依据◈◈ღ。

　　全面推动人工智能与经济社会各行业各领域的广泛深度融合◈◈ღ，进一步深化产学研协同创新◈◈ღ，加速AI技术的规模化落地◈◈ღ，应着力做好以下工作◈◈ღ。

　　第一jdb电子网站◈◈ღ，建立跨学科人才培养机制◈◈ღ。跨学科视角对于AI发展至关重要◈◈ღ，要培养既懂人工智能又懂人类智能的复合型人才和团队◈◈ღ，建立跨学科研发平台◈◈ღ，为两者的深度融合研发提供人才支撑◈◈ღ。第二jdb电子网站◈◈ღ，建立需求导向的研发机制◈◈ღ。组建国家级AI产业创新联盟◈◈ღ，推广“政府—高校—企业—产业园区”协同模式◈◈ღ。在真实应用场景中形成持续优化的反馈机制◈◈ღ，降低科研和企业技术验证门槛◈◈ღ，形成“创新—应用—反馈—迭代”的闭环系统◈◈ღ。同时◈◈ღ，完善知识产权分配和激励机制6869影视◈◈ღ，充分调动科研人员参与成果转化的积极性◈◈ღ。第三◈◈ღ，构建开放共享的AI产业生态◈◈ღ。建设高质量共享数据集和公共测试平台◈◈ღ，促进大中小企业融通发展◈◈ღ。

　　综上◈◈ღ，通过人类智能启发的理论架构创新◈◈ღ、测试标准引领和跨学科深度融合的产学研协同◈◈ღ，有望解决算力◈◈ღ、安全◈◈ღ、落地等当前AI发展的关键瓶颈◈◈ღ，探索出一条独具中国特色发展路径◈◈ღ，推动我国在全球数字经济竞争中占据有利位置◈◈ღ，为加快建设创新型国家提供有力支撑◈◈ღ。

　　（作者◈◈ღ：彭玉佳◈◈ღ、方方◈◈ღ，分别系北京大学首都发展研究院研究员◈◈ღ，北京大学副校长6869影视◈◈ღ、心理与认知科学学院教授）jdbAPP官网◈◈ღ，JDB集团◈◈ღ，JDB电子·中国官方网站◈◈ღ，jdb电子试玩网页◈◈ღ！人工智能智能工厂◈◈ღ，jdb电子官网登录入口◈◈ღ。JDB电子娱乐◈◈ღ。