隨著國內外大模型相繼發布，全球掀起了人工智能發展新浪潮，開啟了通用人工智能賦能千行百業的路徑，引領人工智能產業創新發展。我國人工智能發展在產業規模、應用場景等方面具有一定競爭優勢，但算法、算力、數據和安全方面存在明顯短板。

近年來，合肥充分發揮人才、科創和產業融合發展優勢，堅持創新驅動、平臺支撐、開放共享、生態賦能，人工智能創新能力領先、產業聚鏈成群、綜合實力躋身全國前列。接下來，推進人工智能安全發展，將以創新引領、鍛長補短為主線，全力打造國內領先、國際一流的人工智能創新策源、要素供給、場景應用和安全治理高地。

打造創新策源高地，迸發產業動能。我國人工智能領域核心技術創新較少，大模型研發所用的算法及相關核心技術絕大部分仍來自國外，國內自研訓練工具與國際主流相比仍存在一定差距，需在技術創新上取得新突破，打造產業發展核心動力和競爭力。一是不斷集聚和依托來自中國科大、國家實驗室、綜合性國家科學中心等戰略科技力量的人工智能高能級創新平臺和高層次領軍人才團隊，聚焦基礎理論研究、關鍵核心技術、核心支撐部件等領域，推動核心算法、GPU芯片、云計算等關鍵技術突破，構建自主可控大模型技術體系。二是推動類腦智能技術突破，研究神經網絡學習、知識推理等創新計算模型和方法，構建新的通用人工智能發展路徑。三是推動量子計算技術研發，突破量子比特操控、量子模擬加速、量子編譯等核心技術，推動量子計算商用進程。

打造要素供給高地，強化產業支撐。我國智能算力基礎薄弱，GPU芯片面臨“卡脖子”難題，可用于人工智能計算的智能算力嚴重不足，分布分散且異構嚴重，統一調度難度大，缺乏大規模公益性開放算力平臺；訓練數據供給不足，中文語音、詞匯和語法多樣復雜，數據量雖大但數據質量參差不齊，數據清洗和數據標注難度較高，需在算力和數據支撐上開展統籌建設和有效積累。一是支持相關龍頭企業聯合攻關，構建千P智能算力集群，實現國產算力訓練性能完全對標國際領先企業，突破大模型訓練算力底座的“卡脖子”難題。二是推動大規模高質量多渠道數據資源獲取、無監督預訓練數據清洗、人機協同的多模態眾包數據標注平臺研發，構建100TB以上超大規模多模態多語種數據資源，爭創國家級數據訓練基地。三是推動國產GPU、自然語言處理、數據挖掘、深度學習等領域企業集聚，構建自主可控產業鏈體系。

打造場景應用高地，提升產業能級。龐大人口基數產生的海量數據和背后的巨大市場需求，是我國人工智能產業發展得天獨厚的優勢，需加速全時全域場景探索應用。一是推動“科研探索+”應用示范，充分發揮人工智能技術在文獻數據獲取、實驗預測、結果分析等方面的作用，支持域內高校院所與人工智能企業聯合設立科研合作專項，研發科學智能計算模型，充分挖掘分析實驗數據，學習、模擬、預測和發現各種現象與科學規律，爭取在量子信息、可控核聚變、深空探測等領域實現創新突破。二是推動“千行百業+”應用示范，推動國產大模型賦能地域聚力發展的產業地標，在相關重點產業開展大模型應用示范，推出新能源和智能網聯汽車、工業互聯網、智能家居等行業大模型，并形成一批可復制推廣的細分領域應用解決方案和標桿型示范應用案例。

打造安全治理高地，優化產業環境。當前，我國人工智能安全監管面臨一些挑戰。數據保護方面，用戶信息泄露和濫用涉及的網絡和數據安全技術有待突破，數據保護相關法律制度不完善；算法安全方面，對算法偏見、算法設計公正性和普適性的監管仍存在不足，需堅持統籌發展和安全，加強風險防控。一是高水平、高標準建設“中國（合肥）安全谷”，爭取在AI大模型網絡、數據安全、算法安全、云安全等關鍵技術領域取得重大突破，形成一批具有全國競爭力的網絡與數據安全核心產品和解決方案，全面提升網絡和數據安全防護能力。二是完善風險防控和處置機制，遵守人工智能發展有關法律法規、倫理規范和技術標準，實行設計問責和應用監督并重的雙層監管結構，防范和打擊數據濫用、侵犯用戶隱私等行為。

總之，打造人工智能產業新優勢，需在技術、要素、場景和安全等多方面充分整合調度資源，各方合力推進。國家層面應重點支持大模型領域重大研發攻關項目，適度超前布局綠色智能的多層次算力設施體系，加強數據標準體系建設和完善數據交易機制，加快制定人工智能安全領域標準規范，鼓勵地方和企業積極探索創新通用人工智能場景應用，推動我國人工智能產業發展形成新優勢、取得新進步。