随着国内外大模型相继发布，全球掀起了人工智能发展新浪潮，开启了通用人工智能赋能千行百业的路径，引领人工智能产业创新发展。我国人工智能发展在产业规模、应用场景等方面具有一定竞争优势，但算法、算力、数据和安全方面存在明显短板。
近年来，合肥充分发挥人才、科创和产业融合发展优势，坚持创新驱动、平台支撑、开放共享、生态赋能，人工智能创新能力领先、产业聚链成群、综合实力跻身全国前列。接下来，推进人工智能安全发展，将以创新引领、锻长补短为主线，全力打造国内领先、国际一流的人工智能创新策源、要素供给、场景应用和安全治理高地。
打造创新策源高地，迸发产业动能。我国人工智能领域核心技术创新较少，大模型研发所用的算法及相关核心技术绝大部分仍来自国外，国内自研训练工具与国际主流相比仍存在一定差距，需在技术创新上取得新突破，打造产业发展核心动力和竞争力。一是不断集聚和依托来自中国科大、国家实验室、综合性国家科学中心等战略科技力量的人工智能高能级创新平台和高层次领军人才团队，聚焦基础理论研究、关键核心技术、核心支撑部件等领域，推动核心算法、GPU芯片、云计算等关键技术突破，构建自主可控大模型技术体系。二是推动类脑智能技术突破，研究神经网络学习、知识推理等创新计算模型和方法，构建新的通用人工智能发展路径。三是推动量子计算技术研发，突破量子比特操控、量子模拟加速、量子编译等核心技术，推动量子计算商用进程。
打造要素供给高地，强化产业支撑。我国智能算力基础薄弱，GPU芯片面临“卡脖子”难题，可用于人工智能计算的智能算力严重不足，分布分散且异构严重，统一调度难度大，缺乏大规模公益性开放算力平台；训练数据供给不足，中文语音、词汇和语法多样复杂，数据量虽大但数据质量参差不齐，数据清洗和数据标注难度较高，需在算力和数据支撑上开展统筹建设和有效积累。一是支持相关龙头企业联合攻关，构建千P智能算力集群，实现国产算力训练性能完全对标国际领先企业，突破大模型训练算力底座的“卡脖子”难题。二是推动大规模高质量多渠道数据资源获取、无监督预训练数据清洗、人机协同的多模态众包数据标注平台研发，构建100TB以上超大规模多模态多语种数据资源，争创国家级数据训练基地。三是推动国产GPU、自然语言处理、数据挖掘、深度学习等领域企业集聚，构建自主可控产业链体系。
打造场景应用高地，提升产业能级。庞大人口基数产生的海量数据和背后的巨大市场需求，是我国人工智能产业发展得天独厚的优势，需加速全时全域场景探索应用。一是推动“科研探索+”应用示范，充分发挥人工智能技术在文献数据获取、实验预测、结果分析等方面的作用，支持域内高校院所与人工智能企业联合设立科研合作专项，研发科学智能计算模型，充分挖掘分析实验数据，学习、模拟、预测和发现各种现象与科学规律，争取在量子信息、可控核聚变、深空探测等领域实现创新突破。二是推动“千行百业+”应用示范，推动国产大模型赋能地域聚力发展的产业地标，在相关重点产业开展大模型应用示范，推出新能源和智能网联汽车、工业互联网、智能家居等行业大模型，并形成一批可复制推广的细分领域应用解决方案和标杆型示范应用案例。
打造安全治理高地，优化产业环境。当前，我国人工智能安全监管面临一些挑战。数据保护方面，用户信息泄露和滥用涉及的网络和数据安全技术有待突破，数据保护相关法律制度不完善；算法安全方面，对算法偏见、算法设计公正性和普适性的监管仍存在不足，需坚持统筹发展和安全，加强风险防控。一是高水平、高标准建设“中国（合肥）安全谷”，争取在AI大模型网络、数据安全、算法安全、云安全等关键技术领域取得重大突破，形成一批具有全国竞争力的网络与数据安全核心产品和解决方案，全面提升网络和数据安全防护能力。二是完善风险防控和处置机制，遵守人工智能发展有关法律法规、伦理规范和技术标准，实行设计问责和应用监督并重的双层监管结构，防范和打击数据滥用、侵犯用户隐私等行为。
总之，打造人工智能产业新优势，需在技术、要素、场景和安全等多方面充分整合调度资源，各方合力推进。国家层面应重点支持大模型领域重大研发攻关项目，适度超前布局绿色智能的多层次算力设施体系，加强数据标准体系建设和完善数据交易机制，加快制定人工智能安全领域标准规范，鼓励地方和企业积极探索创新通用人工智能场景应用，推动我国人工智能产业发展形成新优势、取得新进步。