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(xié)作邁向新高度。當前，AI已在數(shù)據(jù)、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(chuàng)新邁向大規(guī)模應用的新階段。在此背景下，全球需要通過協(xié)作與對話，共同探索人工智能發(fā)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(fā)展離不開堅實的基礎支撐。數(shù)據(jù)、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(chuàng)新的邊界，推動AI從概念走向現(xiàn)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(fā)展奠定了堅實基礎，激發(fā)了其革命性的潛力。

數(shù)據(jù)是人工智能發(fā)展的基石。2024年，全球數(shù)據(jù)生成量持續(xù)攀升，為AI模型的訓練與優(yōu)化提供了前所未有的豐富資源。開源數(shù)據(jù)平臺的蓬勃發(fā)展，為通用大模型的訓練注入了強勁動力，而全球互聯(lián)網用戶群體和工業(yè)數(shù)據(jù)則為行業(yè)垂直模型提供了高度定制化的訓練資源。高質量數(shù)據(jù)的輸入，驅動著AI大模型的持續(xù)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(shù)據(jù)分析的效率和推理能力；諾貝爾生理學或醫(yī)學獎得主John O'Keefe及其團隊發(fā)現(xiàn)的空間導航神經機制，則為AI模型處理復雜數(shù)據(jù)環(huán)境提供了靈感。然而，數(shù)據(jù)的壟斷性和稀疏性正成為制約AI發(fā)展的主要瓶頸，這一現(xiàn)象在行業(yè)垂直領域表現(xiàn)得尤為普遍與突出，成為亟待攻克的重大挑戰(zhàn)。

算法是人工智能運行的引擎。當前，AI在算法上的發(fā)展分為兩大方向：通用大模型和行業(yè)垂直模型。通用大模型如OpenAI的ChatGPT和DeepMind的Gemini，已具備多模態(tài)、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(yè)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(yōu)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(shù)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(fā)的AI模型，通過快速預測蛋白質結構，充分展示了行業(yè)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(tài)同構式發(fā)展，為AI未來的持續(xù)創(chuàng)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(xiàn)，為AI模型提供了強大的算力支持。而量子計算的持續(xù)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(fā)布會上表示，通過指數(shù)級降低錯誤率，在5分鐘內完成了一項常規(guī)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(shù)西算”工程為基礎的中國一體化算力網建設，正逐步實現(xiàn)全國范圍內算力資源的高效協(xié)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(guī)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(tǒng)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(fā)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(fā)展挑戰(zhàn)、共創(chuàng)美好未來提供了重要指引。中美等人工智能強國更應聯(lián)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(xiàn)均衡協(xié)同發(fā)展。人工智能在數(shù)據(jù)、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(fā)，而對數(shù)據(jù)基礎設施建設和算力優(yōu)化的投入相對不足。這種不平衡使得AI發(fā)展的“核心驅動要素”難以協(xié)同發(fā)揮作用。算法迭代依賴高質量數(shù)據(jù)，但數(shù)據(jù)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(fā)展。為此，推動人工智能走向成熟，必須算力、算法和數(shù)據(jù)三者同時發(fā)力、均衡發(fā)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(shù)精英的專利，而是應通過教育實現(xiàn)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(guī)范。全球人工智能的發(fā)展需要共同的AI倫理框架。在國際層面，聯(lián)合國等機構可以發(fā)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(guī)范。

構建全球AI創(chuàng)新網絡。人工智能是全球性技術，其發(fā)展需要各國的協(xié)作。中美兩國作為全球AI研發(fā)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(shù)據(jù)共享協(xié)議，加強在醫(yī)學、氣候變化等領域的AI應用合作。通過協(xié)作，共同推動AI技術造福全人類。

公平分配與監(jiān)管治理。為緩解技術發(fā)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(shù)企業(yè)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(fā)展成果應惠及全人類，而非僅服務于少數(shù)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(fā)展。通過加強對話與協(xié)作，將零和博弈轉變?yōu)檎喜┺?，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(xié)委員）