当前，通用人工智能的发展还处于起步阶段，产业智能化转型也是一个长期趋势，应该客观理性看待这种差距，加强人工智能领域应用层的比较优势，形成人工智能应用的庞大长尾市场，培育新动能，促进经济高质量发展。

从创新资源来看，美国仍具有人工智能高质量人才优势，但从近3年发布的人工智能全球最具影响力学者榜单(AI 2000)来看，中国入选的学者数量增速均超过美国。中国在经典AI、语音识别、芯片技术等多数领域人才规模居第2位，在多媒体和物联网等部分领域人才规模居世界第1位。我国算力规模排在全球第2位，占全球份额为27%，美国为31%。超级计算机和超算算力发展格局与此类似。我国数据规模年均增长超30%，数据规模大、数据标签成本低，“数据的力量”甚至被认为是我国在人工智能竞争中的重要优势。

从人工智能大模型发展来看，截至2023年底，中国10亿参数规模以上的大模型厂商及高校院所共计254家，发布大模型近80个，部分国产大模型已面向市场投入应用。

尽管在全球范围内，我国已经成为人工智能发展的主要力量，但不可否认的是，整体上我国还处于跟随阶段，在关键硬件、基础研究和支撑要素上仍然存在较大差距。

从关键硬件来看，发展人工智能所需要的全球图形处理器（GPU）、现场可编程逻辑门阵列（FPGA）和人工智能专用芯片主要是由发达国家控制，其高性能产品占有全球超过80%的市场份额，部分产品完全垄断全球市场。

从基础研究来看，中国创新布局主要集中在机器学习、无人机、智能机器人、语音识别、自动辅助驾驶等人工智能应用领域，发达国家则在处理器和智能芯片、大模型算法和大型平台等领域有更好的技术积累。在图像平台和语音平台等领域，我国和发达国家均有大量相对成熟且有一定知名度和规模用户的平台，但美国在核心关键算法和系统基础软件等领域起步早，在基础算法、框架模型和智能云平台等领域拥有更多开发企业和更强技术实力，其人工智能框架在中国市场份额超过85%。因而，核心关键算法和系统基础软件仍是制约我国人工智能发展的一大短板。

人工智能是典型的资本密集型创新，风险投资对人工智能创新具有重要推动作用。虽然在全球范围内，我国是人工智能风险投资浪潮的主要推动者之一，但比较而言，发达国家在这一领域投资涉及领域广，早期天使投资和种子融资多，对起步期人工智能发展促进作用大，且投资全球占比持续上升。我国人工智能风险投资大额交易多，具有更强的交易属性，不利于创新型小微企业发展。受外部环境因素变化影响，近年我国人工智能风险投资增速呈下降趋势，差距有所拉大。

有研究认为，目前生成式AI应用的最大问题，是需要证明自身的价值，因为目前以基础大模型为先的应用用户留存率明显不够。当前头部App消费级公司，第一个月的用户留存率能达到60%～65%，高的甚至能达85%。生成式AI应用的用户留存率，中位值只有14%。有研究机构指出，这意味着，用户还没有在生成式AI产品中找到足够价值，能够每天都使用。因此，如果开发者想要建立起持久的业务，就需要解决用户留存问题。因此，生成式AI真正的商业价值还在于各种应用场景的发掘。

从应用角度来看，发展人工智能主要是要培育发展新质生产力，推动越来越多的行业和企业加快接入人工智能，形成人工智能应用的庞大长尾市场，降低生产成本，提高生产效率，优化生产组织，培育新动能，促进经济高质量发展。

人工智能本质是新一代信息通信技术与自然和社会科学等多学科结合的综合集成创新，是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。作为科技创新成果，发展人工智能应该造福全人类，而不应该是限制遏制其他国家发展的手段。各国发展人工智能，都需要开展合作和良性竞争，让人工智能发展更好造福世界各国人民，避免形成技术壁垒，产生新的“智能鸿沟”。

一、是人工智能正在迈向多智能融合的新阶段。以ChatGPT和Sora为代表的大模型技术的重大突破，打开了迈向通用人工智能的序幕，大模型已经成为主流技术路线，并加快迭代演进。基础语言大模型已出现突破性升级，全新的深度网络架构相继涌现；多模态大模型成为当前模型研究的主攻方向。多技术路径的交叉融合，加速了通用人工智能的到来，大模型技术正在与人工智能各领域实现交叉融合。这些突破将推动人工智能从以深度学习为代表的2.0阶段迈向大小模型协同、新智能形态快速发展的人工智能3.0阶段。

二、是人工智能将成为第四次工业革命的标配。人工智能是第四次工业革命的核心驱动力，它将推动实体经济实现革命性的升级换代，从而催生智能经济新形态，成为发展新质生产力的重要引领。人工智能将加速传统产业的转型升级，实现质量变革、效益变革和动力变革，重塑工业的基础再造、生产和服务模式创新等各个环节，从而引领新型工业化发展，为智能经济提供全新的动能。人工智能激发的商业模式和经济形态创新，正以前所未有的速度影响和渗透到各行各业，从而构建起数据驱动、人机协同、跨界融合、共创分享的智能经济新形态，形成新的经济增长点。人工智能将助力重大科学发现和前沿技术应用，与生物制造、脑科学、经济、能源、文化创意等领域交叉汇聚，有望打造颠覆性产品和产业，加速未来产业的发展。

三、是人工智能将引发社会发展的深远变革。人工智能将广泛应用于教育、医疗、护理、家政等领域。随着智能化水平的提升，服务机器人也逐步走进千家万户，创造美好生活。大模型技术在医疗领域的推广应用，将加快实现个性化、专属化的数字医院远景。人工智能将带来文化创造和传播方式的创新，丰富文化产品，提升跨领域、跨时空的文化传播效率，加速文化融合进程。人工智能有望推进人类社会迈向人机共存的智能增强时代，物理世界、虚拟世界、信息世界将交互并行，“人-物理世界”的二元空间将转变为“人-物理世界-智能机器-虚拟信息世界”的四元空间，从而满足情感感知自动化、实时化、个性化的要求。

四、是人工智能大规模的跨界应用，将带来多重安全风险与挑战。以生成式大模型为代表的新兴技术，可以廉价地生成对人物、事件的错误描述，降低大众对真实信息的整体性信任，从而引发认知混乱，冲击原有的社会和生活秩序。人工智能的误用、滥用、隐私泄漏等问题，使用人工智能产品带来的价值扭曲和情感依赖等问题，违背了道德原则，破坏了公平正义，会导致伦理失范，从而引发深层次的伦理道德问题。同时，人工智能的智慧可能在部分领域超过人类，也将威胁人类的共同利益。我们如何与人工智能共存，并在保证其安全可控的前提下更好地造福人类社会，成为全球、全社会共同面对的重大挑战。

「通用人工智能」（AGI）

鉴于 AGI 讨论在商界、政府和媒体中无处不在，不能因为假设该术语的含义已确定并达成一致而受到指责。

但深入研究有关 AGI 的猜测就会发现，许多人工智能从业者对智能本质的看法，与那些研究人类和动物认知的人截然不同——这种差异对于理解机器智能的现状和预测其可能的未来很重要。

人工智能领域的最初目标是创造具有与人类相当的通用智能的机器。

「AGI」一词于 21 世纪初创造，旨在重拾人工智能先驱者最初的远大抱负，寻求重新关注「尝试以独立于领域的方式研究和再现整个智能」。

直到最近，这种追求仍然是人工智能领域一个相当模糊的角落，最近，领先的人工智能公司将实现通用人工智能作为他们的首要目标，并指出人工智能「厄运者」宣称通用人工智能的生存威胁是他们的头号恐惧。

虽然早期 AGI 支持者认为机器很快就会承担所有人类活动，但研究人员经过惨痛的教训才认识到，创建能够在国际象棋中击败你或回答你的搜索问题的人工智能系统，比制造一个能叠衣服或修理管道的机器人要容易得多。

AGI 的定义也进行了相应调整，只包括所谓的「认知任务」。人工智能中的「智能」概念（认知或其他）通常是根据单个代理针对奖励或目标进行优化来构建的。计算机程序 AlphaGo人工智能的工作原理

这种对智能的看法引发了一些人工智能研究人员的另一种猜测：一旦人工智能系统实现了AGI，它将通过将其优化能力应用到自己的软件中，递归地提高自己的智能，并迅速变得「比我们聪明数千或数百万倍」，从而迅速实现超人的智能。

新书《我们的最终发明：人工智能和人类时代的终结》（Our Final Invention: Artificial Intelligence and the End of the Human Era）时说道。

这种对优化的关注导致人工智能社区中的一些人担心「不一致」的通用人工智能可能会疯狂地偏离其创造者的目标，从而给人类带来生存风险。

他想象人类给超级智能人工智能系统一个优化回形针生产的目标。从字面上理解这个目标，人工智能系统利用其天才来控制地球上所有的资源，并将一切都变成回形针。「我们可能会要求人工智能解决气候变化问题，它可能会设计出一种导致人类大量死亡的病毒，因为我们的指令对于危害的含义还不够明确，而人类实际上是解决气候危机的主要障碍。」《超级智能》（Superintelligence）。

这种对 AGI（和「超级智能」）的推测性观点与研究生物智能（尤其是人类认知）的人们所持有的观点不同。尽管认知科学对「一般智力」没有严格的定义，也没有就人类或任何类型的系统可以拥有一般智力的程度达成共识，但大多数认知科学家都同意，智力不是一个可以在单一尺度上衡量的量。也不是任意地上下调整的量，而是一般和专业能力的复杂整合，这些能力在很大程度上是在特定的进化生态位中适应的。

许多研究生物智能的人也怀疑，所谓的「认知」方面的智能是否可以与其他模式分离并在脱离实体的机器中捕获。心理学家已经表明，人类智力的重要方面是以一个人具体的身体和情感体验为基础的。有证据还表明，个人智力很大程度上依赖于一个人对社会和文化环境的参与。对于一个人成功实现目标而言，理解他人、与他人协调并向他人学习的能力可能比个人的「优化能力」重要得多。

此外，与假设的回形针最大化人工智能不同，人类智能并不以固定目标的优化为中心；相反，一个人的目标是通过先天需求与支持其智力的社会和文化环境的复杂整合而形成的。与超级智能回形针最大化器不同，智能的增加恰恰使我们能够更好地洞察他人的意图以及我们自己的行为可能产生的影响，并相应地修改这些行为。

机器改进自己的软件，以将其智力提高几个数量级的幽灵也偏离了生物学的观点，即智力是一个超越孤立大脑的高度复杂的系统。如果人类水平的智能需要不同认知能力的复杂整合，以及社会和文化的脚手架，那么系统的「智能」级别很可能无法无缝访问「软件」级别，就像我们人类无法轻易地设计我们的大脑（或基因）让自己变得更聪明一样。然而，我们作为一个集体，通过计算机等外部技术工具，比如学校、图书馆和互联网等文化机构的建设，提高了我们的有效智力。

AGI 的含义以及它是否是一个连贯的概念仍在争论中。此外，对通用人工智能机器能够做什么的猜测很大程度上基于直觉，而不是科学证据。但这样的直觉有多少可信度呢？人工智能的历史一再推翻了我们对智能的直觉。

许多早期的人工智能先驱认为，用逻辑编程的机器将捕获人类智能的全部范围。其他学者预测，要让机器在国际象棋中击败人类，或者在语言之间进行翻译，或者进行对话，需要它具有人类水平的一般智能，但结果被证明是错误的。

目前尚不清楚人工智能科学是否更像人类智能科学，或者更像天体生物学，它预测其他星球上的生命可能是什么样子。对从未见过、甚至可能不存在的事物做出预测，无论是外星生命还是超级智能机器，都需要基于一般原理的理论。

最终，「AGI」的含义和后果将不会通过媒体的争论、诉讼或我们的直觉和猜测来解决，而是通过对这些原则的长期科学考察来解决。