https://www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/jyta/202410/t20241021_192179.html
你们提出的《关于促进国内生成式人工智能产业发展的提案》收悉。经认真研究，现答复如下。
提案分析了我国生成式人工智能发展存在的系列问题，提出强化关键技术研发、促进数据安全共享、加强伦理治理规范、强化人才引培等建议，对提升我国生成式人工智能整体竞争力，推动人工智能快速有序健康发展具有重要意义。
一、关于加强基础理论研究和关键技术研发的建议
科技部全链条部署人工智能基础研究、技术研发和重大攻关任务。实施科技创新2030—“新一代人工智能”重大项目，围绕大数据智能、跨媒体智能、群体智能等方向持续开展攻关，聚焦大模型、博弈智能等前沿方向实施一批旗舰研发项目。在国家重点研发计划中实施智能传感器、智能机器人、智能农机装备、储能与智能电网、智能交通装备技术等重点专项，推进行业关键共性技术研究。国家自然科学基金设立人工智能一级代码项目，加大对人工智能基础理论研究和重大原始创新的支持力度。
下一步，科技部将持续加强前瞻系统性布局，加强人工智能基础研究布局和关键核心技术攻关。部署开展大模型基础原理和新架构探索，持续完善生成式人工智能原创理论体系。强化分布式高效深度学习框架、大规模认知与推理等关键算法研发，加快通用人工智能模型创新和领域垂直大模型应用迭代演进。加大政策引导力度和资金支持力度，强化芯片、算力等领域关键技术攻关。
科技部积极推进数据开放共享。布局建设北京、上海、深圳、杭州等18个国家新一代人工智能创新发展试验区，支持地方推动数据和算力科技创新，推进数据资源分类分级开放共享。充分发挥企业创新主体作用，依托人工智能优势企业布局建设一批“国家新一代人工智能开放创新平台”，推动行业领域数据和模型算法开源开放，加快构建人工智能开放创新生态。下一步，科技部将会同有关部门统筹推进数据发展与有序开放。依托国家新一代人工智能创新发展试验区，支持地方探索面向人工智能重大应用场景有条件开放公共数据，加快建设大规模高质量多模态数据集。鼓励人工智能科技领军企业探索构建涵盖硬件、软件、算法、模型和应用的开源开放体系，强化人工智能科技创新的基础要素支撑。科技部扎实推进人工智能伦理治理工作，加强人工智能治理专家队伍建设，成立新一代人工智能治理专业委员会，在国家科技伦理委员会中设立人工智能伦理分委员会，强化伦理治理等重大问题的调查研究和决策咨询。发布《新一代人工智能治理准则》和《新一代人工智能伦理规范》，提出规范人工智能研发与应用的基本准则。2023年联合十部门印发《科技伦理审查办法（试行）》，明确人工智能等新兴科技活动的伦理审查要求。有序推进人工智能立法工作，《人工智能法草案》已被列入国务院立法工作计划。下一步，科技部将以发展为目标导向，坚持包容审慎治理。秉持负责任的大国担当，完善伦理规范、安全与标准体系和治理规则，增强政策透明性，为生成式人工智能技术与产业健康有序发展提供更明确、稳定的规则导向。推进全方位、多层次国际合作，促进人工智能更快更好发展。科技部持续加强人工智能人才队伍建设。会同有关部门加强人工智能领域人才引进力度，在人才计划中重点向海外高层次人才倾斜。依托人工智能国家实验室体系和重大项目部署，培育人才队伍，提升人才吸引力，发现和引进国际人工智能顶尖学者和高水平团队。加强青年人才培养和支持力度，不断壮大人工智能人才队伍。搭建高端人工智能合作平台，支持举办北京中关村论坛、上海世界人工智能大会等主场活动，促进全球人才交流和学术成果共享。下一步，科技部将会同有关部门加快推进人工智能领域多层次人才队伍建设，加强高层次人才引进力度，支持青年人才承担国家重大任务攻关，强化复合型人才培养，不断提升人工智能整体科技创新能力。加强国际技术合作，依托人工智能国际会议、论坛、展览等活动，推动全球人才技术交流。https://www.ngd.org.cn/jczt/jj2024qglh/2024taya/7eff1f15dae844a08f889c71f598d5f5.htm习近平总书记强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。2022年以来，以ChatGPT为代表的生成式人工智能席卷全球，被视作开启通用人工智能时代的钥匙，成为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。我国积极引导生成式人工智能发展，率先出台规范性政策文件，但是我国生成式人工智能整体竞争力与世界领先国家相比尚存在差距。
一是基础研究和核心技术不强。生成式人工智能依托的大模型构建、训练、调优、推理等流程使用的主要算法及核心技术被国外掌握，深度学习模型等重大原创性成果缺乏，自然语言处理技术与国外顶尖水平有一定差距，图形处理器（GPU）等高端芯片与国外存在代际差距。二是数据资源未得到有效开发。数据对生成式人工智能大模型智能水平的影响占据主导地位，我国数据量大质低，许多不能直接用于模型训练，书籍期刊等版权数据、高质量互联网平台数据存在严格的防获取机制，大模型训练缺乏高质量的中文数据集。三是部分生成内容违反伦理道德。一些基于机器学习算法的人工智能系统可能会出现歧视性偏见，导致一些产出或成果不公平或歧义，甚至有被滥用于诈骗、欺诈、政治造谣、伪造身份等风险。四是人才紧缺。国内人工智能顶尖人才严重不足，人才培养能力相对薄弱、引进海外人才政策支持力度有限，对全球高端人才吸引力不足，难以满足行业发展需要。开展大模型基础原理和新架构探索，前瞻布局视觉、多模态等下一代大模型研究，逐步形成生成式人工智能原创理论体系。重点突破分布式高效深度学习框架、大规模认知与推理、可控内容生成、高效低成本训练与推理等关键算法研发，建立我国通用人工智能技术创新体系。有组织加大政策引导力度和资金支持力度，集中力量争取在芯片设计、制造上取得突破，并探索可重构、存算一体、超规格高算力智能芯片等新型架构芯片，形成对大模型训练、构建、推理等流程的算力支撑。聚焦产业需求，实施政企联动，支持企业等社会力量设立科学基金、科技奖项，对已获企业投资的科研院所开展的基础研究、应用基础研究和技术开发项目，采取财政优先跟投。建立多层次数据开放体系，推动具有知识产权的数据或公共数据机构，以及互联网平台对人工智能大模型构建实行分级分类数据开放，打破数据壁垒，促进数据转化利用和交易。建立我国大规模高质量中文数据集建设的长效机制，整合汇聚数据生产、存储、使用、加工、传输等各主体数据资源，建设大规模高质量的语言、语音、图像、视频和多模态数据集。统筹数据发展与安全，积极构建从硬件、基础架构、操作系统和应用等全套的国产化设备设施和软件程序等。建立人工智能的伦理规范，明确人工智能的道德责任和社会责任，避免人工智能带来的负面影响和伦理风险。引入算法的伦理设计，从源头将算法透明、算法可解释、算法问责、算法审计等价值需求嵌入算法的设计当中。建立健全生成式人工智能评估、审查、监督、监测等各个环节的监管机制，强化责任主体科技伦理规范意识，推动各责任主体遵守科研诚信和科技伦理规范。依托人工智能实验室、人才实训基地等平台，深化产教融合、推动产学合作协同育人、培养适应产业发展需求的人才。通过与国外知名高校、科研机构和企业的合作，推进高层次人才的培养和引进。建立和完善人才评价和激励机制，设立创业基金、孵化器等，建设多元化人才梯队。加强国际技术合作，积极举办人工智能国际会议、论坛、展览等活动，加强全球人才的技术交流，促进学术成果共享。
