“我們目前還沒有實現對風險全面類型化和場景化的區分，因為風險具有複雜性，單一的治理技術和多元治理場景存在矛盾。接下來可以基於場景把監管做得更精細化，針對不同技術路線、應用模式和責任主體，在不同場景中對不同的風險點進行差異化監管。”王俊表示，同時，可以採取分級治理的模式，給中低風險領域留出試錯和發展空間，積極運用一些監管科技，綜合選擇適配的監管科技模式，激活人工智能市場活力。
新浪集團法務部總經理穀海燕同樣認為，希望看到更加有區分度的監管措施。比如歐盟的人工智能法案草案，採用風險區分規制路徑，根據風險級別，分為不可接受風險人工智能、高風險人工智能、低風險人工智能，以及最小風險人工智能，並分別設置相關主體的法律義務。
“我們必須關注AI熱潮中伴生的風險。”虞偉指出，比如在數據層面，面對生成式人工智能龐大的數據需求，如何建立高質量的語料數據庫，如何加強全流程的數據合規管理。在法律層面，生成式人工智能的結果能否構成著作權法所定義的作品仍存爭議，進一步的版權歸屬問題也需要釐清。此外，歧視、偏見、虛假信息傳播等風險在大模型大量數據投喂的訓練方式下也被放大，如何將道德倫理原則“教”給AI，做到精準糾偏，兼顧公平與效率，這些都需要進一步研究。
構建算力生態支撐人工智能產業發展
數據顯示，今年上半年，國內發布的各類大模型數量超過100個。據不完全統計，目前國內已有大約80個參數在10億規模以上的大模型。《辦法》提出，推動生成式人工智能基礎設施和公共訓練數據資源平台建設。促進算力資源協同共享，提升算力資源利用效能。推動公共數據分類分級有序開放，擴展高質量的公共訓練數據資源。鼓勵採用安全可信的芯片、軟件、工具、算力和數據資源。
算力是數字時代的底座，也是人工智能發展的引擎。據工信部最新消息，截至今年6月底，全國在用數據中心機架總規模超過760萬標準機架，算力總規模達到每秒1.97萬億億次浮點運算（197EFLOPS），算力總規模近五年年均增速近30%，存力總規模超過1080EB。 |
