
虽然中国AI大模型产业在2024年取得了显著进展,但仍面临硬件、算法及数据方面的多重障碍。业内专家指出,数据治理机制不完善、算力成本高昂以及大模型的不可解释性等问题,正在成为制约行业进一步发展的瓶颈。
数据层面的挑战尤为突出。当前存在数据孤岛和分级分类管理不足等问题,导致高质量的训练数据难以有效整合和利用。不同行业、不同企业之间的数据壁垒,使得大模型难以获得足够的多样化数据进行训练,影响了模型的泛化能力和准确性。
算力成本问题同样不容忽视。大数据表明,ChatGPT每天消耗约564兆瓦时的能源,能耗问题成为行业发展的制约因素之一。对于中国的AI企业而言,高昂的算力成本不仅增加了研发投入,也限制了中小企业的参与机会。虽然国产大模型的价格已经下降,但训练和部署大模型所需的硬件投入仍然是一笔不小的开支。
算法层面,大模型的不可解释性导致创新优化面临挑战。深度神经网络的黑盒特性使得研究人员难以理解模型做出特定决策的原因,这在医疗、金融等需要高度可解释性的领域尤为关键。如何提高大模型的可解释性和公平性,成为技术研发的重要方向。
AI应用的安全性问题同样不容忽视。早已有事件显示,生成式AI可能被恶意用于诈骗以及制造虚假信息。随着AI技术的普及,如何防范技术滥用、保护用户隐私、确保内容真实性,成为亟待解决的问题。
尽管面临诸多挑战,行业发展势头依然强劲。根据前瞻产业研究院预测,到2028年,中国AI大模型行业的市场规模将突破千亿元大关,未来五年的行业复合增长率将超过50%。赛迪研究院副总工程师刘权认为,AI大模型将推动新质生产力的形成和提升,未来产业将呈现七大发展趋势。