生成式人工智能大模型助推实体经济高质量发展：理论机理、实践基础与政策路径

范德志，于 水

(南京农业大学 公共管理学院，江苏 南京 210095)

2019年3月中央全面深化改革委员会第七次会议通过的《关于促进人工智能和实体经济深度融合的指导意见》指出，要促进人工智能和实体经济深度融合的任务。党的二十大报告强调“加快发展数字经济，促进数字经济和实体经济深度融合”。(1)习近平：《高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗》，载《人民日报》2022年10月26日。以ChatGPT为代表的生成式人工智能大模型以自然语言理解能力与内容生产能力引起全球关注，ChatGPT代表了大模型产业发展的全新高地，未来预计能够产生数万亿美元的经济价值。(2)齐旭：《ChatGPT：AI的新起点？》，载《中国电子报》2023年2月10日。生成式人工智能大模型具备的人工智能算法和大语言模型技术在金融、传媒、电商等领域具有潜在的应用情景，有望成为我国实体经济高质量发展的重要技术设施，赋能更多行业和场景，推动新一轮的产业变革和模式创新。

人工智能并不是新近的概念，早在1956年，美国达特茅斯学院上麦卡锡首次提出了“人工智能”这个概念，即为人工智能发展史上的元年。2017年谷歌公司发布了transfomer为后续GPT模型的基础架构。2018年至2020年间，OpenAI公司相继发布了GPT-1、GPT-2、GPT-3。直到2022年11月OpenAI开发并推出的聊天机器人ChatGPT，它是基于GPT-3.5架构的大型语言模型并通过强化学习进行预训练。自此，国内外对生成式人工智能大模型的研究与应用日益增多。Doraid Dalalah等研究了大模型在教育和学术研究中的应用。(3)Doraid Dalalah，Osama M.A. Dalalah.：The false positives and false negatives of generative AI detection tools in education and academic research：The case of ChatGPT，The International Journal of Management Education，21(2)，2023.Sarah Kreps等分析了GPT-3政治立法中的优势和风险。(4)Sarah Kreps，Maurice Jakesch：Can AI communication tools increase legislative responsiveness and trust in democratic institutions？Government Information Quarterly，40(3)，2023.ChatGPT在创业内容创作领域的应用，如模仿名人CEO的风格。(5)Cole E. Short，Jeremy C. Short.：The artificially intelligent entrepreneur：ChatGPT，prompt engineering，and entrepreneurial rhetoric creation，Journal of Business Venturing Insights，(19)，2023.我国学者一是聚焦于技术风险层面，警惕ChatGPT技术所带来的知识产权、算法歧视、数据安全(6)刘艳红：《生成式人工智能的三大安全风险及法律规制——以ChatGPT为例》，载《东方法学》2023年第4期。等多重风险挑战。二是专注于技术产品的场景开发。ChatGPT具备的突出优势能在数字政务、新闻传播(7)何向向：《基于智能内容生成的新闻传播生态重塑、风险与应对——以ChatGPT为例》，载《传媒》2023年第10期。、教育考试(8)徐光木，等：《ChatGPT助推教育考试数字化转型：机遇、应用及挑战》，载《中国考试》2023年第5期。等不同场景带来的机遇与挑战。三是针对ChatGPT提出了不同的治理路径，规制新兴技术可能会带来的潜在风险，如探索“先发展，再治理”“边发展，边管理”(9)钟祥铭，方兴东，顾烨烨：《ChatGPT的治理挑战与对策研究——智能传播的“科林格里奇困境”与突破路径》，载《传媒观察》2023年第3期。全链条治理(10)张凌寒：《深度合成治理的逻辑更新与体系迭代——ChatGPT等生成型人工智能治理的中国路径》，载《法律科学(西北政法大学学报)》2023年第3期。及其包容性治理(11)于水，范德志：《新一代人工智能ChatGPT的价值挑战及其包容性治理》，载《海南大学学报(人文社会科学版)》2023年第5期。等多元化风险防范策略。

综上所述，已有研究对大模型的应用场景、技术风险、规制手段等方面作了研究，对充分认识大模型的突出优势及其对实体经济的影响发挥了重要作用。与此同时，学术界鲜有进行大模型与实体经济的融合研究，尤其是鲜有立足于新动能、新产业、新模式，从大模型赋能为视角进行研究，为此本研究具有较为重要的理论与现实价值。基于此，本文在系统梳理总结大模型助推实体经济高质量发展理论机理的基础上，考察大模型在技术创新、产业发展及其政策制定方面的实践基础，最后提出利用大模型推动实体经济高质量发展的政策建议。

一、生成式人工智能大模型赋能实体经济高质量发展的理论机理

高质量发展必须把握的核心要义在于培育新动能、发展新产业和形成新模式。生成式人工智能大模型从宏观、中观以及微观层面为新动能、新产业和新模式的形成与发展提供了新的路径，大模型赋能实体经济高质量发展的关键在于微观、中观和宏观层面的协调、有序推进。在微观层面上，关注于大模型的人机交互模式、信息分发获取模式、内容生产模式；在中观层面上，聚焦大模型将催生超级产业组织、改变产业关联关系和助推传统产业转型升级；在宏观层面上，大模型能够激发创新效率、提高生产要素组合效率、改善政府宏观调控。与此同时，微观、中观和宏观的理论脉络具有统一性、连贯性，即微观层面是中观层面和宏观层面的先决条件，中观层面是连接微观层面和宏观层面的中介载体，宏观层面是实体经济高质量发展的综合体现。

(一)生成式人工智能大模型在宏观层面通过提升生产效率推动高质量发展

1.提高生产要素的组合效率

基于自然语言的ChatGPT快速应用、AIGC(人工智能生成内容)应用场景快速拓展，麦肯锡研究报告《2023年AI现状：生成式AI的爆发之年》指出，生成式人工智能可能每年为全球经济贡献“一个英国的GDP”，到2040年，生成式人工智能可以使劳动生产率每年增长0.1%至0.6%。大模型对企业的生产要素组合产生了深刻影响，助推企业在采购、研发、生产、销售与售后等价值链环节能够做到快速行动、及时决策，破解传统的技术治理或算法治理中模型通用能力不强的困境。ChatGPT仅需管理者设置合适的提示词(prompt)就能协助管理者完成指派的各种任务，分析企业发展过程中的大量数据，帮助企业发现和解决问题，由此转变传统资源的投入、整合和利用方式，将人从重复性的、简单的脑力劳动中解放，并以资源、资本、劳动等要素的最小化投入，实现产出的最大化。同时，利用多模态感知、深度学习等技术，将数据转化为可视化的图表和报告，为企业提供更全面、更准确的数据分析结果，实现资源与要素的协作化开发、集约化整合和高效化利用，进而提高生产要素组合效率。据美国高盛公司的研究，采用生成式人工智能技术后，先进国家的全要素生产率将提高1.5个百分点，10年内全球GDP将至少净增7%。

2.激发产业创新效率

创新是实体经济高质量发展的的动力源泉。创新效率既取决于子系统之间的交流、合作等交易过程的效率，也取决于子系统的内部管理过程的效率，内部效率与外部效率的有机融合是其成败的关键所在。(12)李辉：《大数据推动我国经济高质量发展的理论机理、实践基础与政策选择》，载《经济学家》2019年第3期。一方面，大模型具备强大的自然语言理解与泛化能力，激发产业创新的内生动力。大模型能不依赖于标签进行自我优化，省去了巨大的数据打标成本，较强的人机交互水平能够适应用户更为复杂的任务需求，诸如工业制造、自动驾驶、医疗诊断等领域逐步摆脱传统工作模式，社会职业群体将逐渐向人工智能技术操作以及社会功能性服务领域转移，从而降低了人类重复劳动的成本，让其专注于更有创新性的工作任务，最终促进产业创新效率的提升。另一方面，大模型的多模态整合能力，激发产业链上中下游的协作交流效率。它能够将数据流、技术流、资金流和人才流有效整合，并与大数据、云计算、区块链等行业融合发展，各种信息不对称性程度降低，产业链上中下游的社会分工协作、合作互动效率得以更大程度开发，也能催生出更多的产业链和产业生态的形成。

3.改善政府宏观调控

在不完全的信息状态下，为避免可能的市场失灵导致社会经济不稳定，亟需政府层面进行宏观调控、加强政策供给，而政府宏观调控的有效性主要取决于政府各职能部门能否搜集、整合、分类和利用海量数据，获取完备、充足的有效、可用信息。在工业化时代，人类只能对图片、视频、声音等数据进行挖掘和搜集，此时只能获取历史数据而难以对正在发生或未来的数据进行处理和分析。在此情况下，政府宏观调控获取到的信息可能是不完全或者不准确的信息数据，因而在制定和实施产业政策、财政政策、投融资政策时，政府在因果思维模式下的选择将不可避免有主观判断的成分。(13)何大安，杨益均：《大数据时代政府宏观调控的思维模式》，载《学术月刊》2018年第5期。随着大模型时代的到来，融合人工智能、大数据、云计算等技术的数智化政务服务在实践中悄然兴起，成为政务服务的技术、理论和实践前沿。相比于数字政务，数智政务扩展了“智能化”方面的潜力，(14)汪波，牛朝文：《从ChatGPT到GovGPT：生成式人工智能驱动的政务服务生态系统构建》，载《电子政务》2023年第9期。以生成式人工智能大模型加持的政务系统使得完全信息成为可能。大模型在促进政务信息与数据及时有效的获取、存储、处理与加工等方面具有潜在的应用价值，以更低门槛、更高效率，打通部门数据断流节点难题，推动各类数据在生产、配送、服务等环节的畅通流动，为政府决策提供更为全面、真实、有效的信息，大幅提高政府宏观决策的质量与效率。

(二)生成式人工智能大模型在中观层面通过促进产业变革推动高质量发展

1.改变了产业关联关系

产业关联关系指产业之间错综复杂的生产技术联系和经济联系，(15)芮明杰：《产业经济学》，上海：上海财经大学出版社，2005年版，第300页。具体体现在产品供需关联和技术供需关联两个方面。其一，依靠海量信息与数据的有效收集、存储与加工，辅助用户精准化地分析产品上下游的市场需求和供给。大模型具备调用多种程序来实现一个指令的综合能力，其心智方面趋于人类，辅助用户更敏锐地发掘事物之间的内在联系。企业利用大模型对产品的属性进行分析，了解产品属性之间的相关关系和市场偏好。根据海量数据的智能分析结果，用多模态图形化的方式进行展示和分析，辅助使用者可以更为精准化的对产品属性进行优化和调整。其二，作为一种自然语言处理技术，生成式人工智能大模型与智能制造、云计算等前沿技术的供需关联度日益紧密。在智能制造中，大模型可用于工业生产流程中的自然语言交互、语音识别等，与工业机器人、自动化系统进行自然语言对话，提高了工业生产效率；大模型可以用于智能客服、智能推荐和智能搜索等云计算场景，提高云计算平台的智能化水平。

2.催生超级产业组织

数字化背景下的产业组织是通过杀手并购和差别定价行为实施自我优待、拒绝交易等行为达到垄断市场目的的新式产业组织形态。(16)张文魁：《数字经济的内生特性与产业组织》，载《管理世界》2022年第7期。在此过程，生成式人工智能大模型推动分散化数字资源分配的再次聚集，并与下游平台端的深度结合，头部企业重新掌握用户的信息数据，形成了一种超级产业组织。一方面，大模型将亿万用户的偏好特征、信息数据、万亿级参数等集成于大模型应用平台。另一方面，大模型可以通过多模态的方式进一步扩大模型获取数据的来源渠道，在数据和算法成为当下新的权力要素背景下，超级产业组织随之诞生。如ChatGPT上线仅两个月全球用户就突破1亿人，创下了有史以来增长最迅速的消费者应用程序纪录，这也印证了ChatGPT应用的速度和广度。ChatGPT连接着世界级的超大规模用户群，由此，带有边界化、职能化的垂直经济结构特征的产业组织逐渐走向具有横向联合性质的跨区域、跨领域、跨行业的超级产业组织。

3.助力传统产业转型升级

其一，大模型改变传统产业生产方式，促进传统产业的智能化、个性化变革。一方面，在企业生产中提高传统产业劳动生产率和资源利用率，通过对员工和设备的多模态实时分析并生成报告。辅助员工完成产品的智能设计、加工、监督等多个环节的智能化任务。另一方面，传统工业生产中规模化、标准化操作是产业发展的主要方式，在大模型条件下，产品个性化定制成为企业发展的趋势。ChatGPT根据用户的需求偏好进行个性化设置，根据不同的场景提供不同的服务。其二，大模型推动传统产业内部流程再造，提高产业研发、制造、运营、服务等环节的效率。在研发设计环节，ChatGPT可用于企业对客户需求的精准化、实时化分析，缩短产品研发、设计的时间，并对产品设计提出技术改进方案，辅助开发者创新；在生产制造环节，大模型辅助企业员工精准设定技术设备的工艺参数，实现工业生产的精细化操作；在运营管理环节，大模型整合多种系统终端，直接为管理人员提高可供参考、选择的决策方案；在产品服务环节，大模型应用于人机协同的会话、业务处理、推广宣传等创新领域，并与传统产业多个环节的契合，推动企业从‘大规模标准化生产’转向‘个性化定制+柔性化生产’的制造模式。(17)孔德臣，姜迎春：《ChatGPT等新一代人工智能的特性及其数字经济效应——基于马克思的机器与异化理论》，载《经济问题》2023年第7期。

(三)生成式人工智能大模型在微观层面通过革新商业模式推动高质量发展

1.改变传统人机交互模式

人机交互模式是指在人与计算机系统中，借助某种计算机对话语言，完成指定任务的技术，它经历了从“刺激—反馈”“一键操纵”“智能服务”到“情感交流”的模式演变。(18)梁爽：《从“刺激-反馈”到“情感交流”——移动应用人机交互的模式演变与发展历程》，载《青年记者》2021年第4期。在早期手工作业阶段，人机交互表现为由开发者本人使用计算机，采用手工操作和二级制代码的方法，进行较为简易的计算工作。进入网络用户界面阶段，以HTML及HTTP为基础的浏览器是其代表，由此形成的万维网使交互过程摆脱了以往只能依赖特定路径查找信息的限制。例如，搜索引擎、聊天工具等。当下，大模型正颠覆传统人机交互模式，以拟人化、强交互性、全感官(19)于水，范德志：《新一代人工智能(ChatGPT)的主要特征、社会风险及其治理路径》，载《大连理工大学学报(社会科学版)》2023年第5期。的特质模拟用户的思维过程，根据用户给定的上下文和语法规则生成情景化的回复，在对海量数据不断地学习、训练和反馈迭代升级的过程中，不断提高大模型的人机交互水平，使其更能应对复杂多变的场景。在此意义下，突破了传统人机交互中过于规则化、标准化的模式，如传统模式下用户只能通过网站平台进行商品的浏览、搜索、选择、购买等，大模型则促进人工智能的商用价值从传统的商业端、政府端延伸至消费者端，(20)张璐：《通用人工智能风险治理与监管初探——ChatGPT引发的问题与挑战》，载《电子政务》2023年第9期。以多模态的信息攫取方式，直接与用户进行自然语言互动，并根据用户需求进行精准化的产品推荐和服务供给，而用户也可以根据自己的喜好和需求进行个性化设置。

2.改变信息分发获取模式

随着算法驱使的信息分发获取技术的兴起，它开始取代传统人工、社交媒体及其搜索引擎的统治地位，根本性地颠覆了社交媒体基于人际关系和社交图谱的内容传播机制，用户个人担负起信息分发获取的主角。在此背景下，数据和算法辅助和改进用户内容生产的便捷性、高效性和丰富性，认知智能技术实现更高效的信息整合和知识推荐，如当下的抖音、快手、淘宝等就是典型代表。而通过大算力、强算法和大数据形成的生成式人工智能，颠覆了以用户为中心的内容分发获取模式，从当下表现出来的智能特征看，大模型的泛化性、涌现性可以不依赖于标签进行优化，凭借多轮次的上下文学习、推理，能主动承认甚至质疑输出结果的问题及其局限性，进而提高答案的精确性，并在某些环节上展现出超越人类的创新性能力。大模型构建出的人机高度融合的新型生产力创造不仅迎合了市场需求与政策规划，也有助于实现公共价值与商业价值的平衡，而其所具有的新的信息分发获取模式将塑造新的商业生态，必将改变人类信息传播的认知动力机制。(21)方兴东，顾烨烨，钟祥铭：《ChatGPT的传播革命是如何发生的？——解析社交媒体主导权的终结与智能媒体的崛起》，载《现代出版》2023年第2期。

3.革新内容生产模式

劳动工具的每一次变革都带来生产方式变革。在大模型出现之前，总体上是人类生成内容，电视台、广播、报纸等围绕人类所形塑的专业生产内容(PGC)或用户生产内容(UGC)，主要是围绕人类采集、加工、处理等活动形成的内容生产流程。工业革命后出现并延续如今的专业化分工、组织化运行、大规模生产的内容生产模式，而该模式实现的前提是以人作为生产和管理的主体。作为人工智能生成内容的革新，ChatGPT大模型区别于传统PGC和UGC的内容生成模式，其强交互性、多模态性等特质嵌入至内容生产的各个环节，内容生产的主体不再局限于用户，内容生产运行逻辑发生重要变化，其趋向于以人机协同共创的智能化、个性化的方向发展。一方面，大模型协助用户进行内容创作，个性化回应用户提出的开放域问题，并通过人工标注数据与强化学习方法的结合来生成多模态知识，以此极大拓展用户进行创新和创意的能力。另一方面，大模型能够自主实现文本、视频、图片等多种形式的知识融合创新，在与各类软件融合形成“大一统”的超级APP平台，进一步实现技术赋能的集成式创新，成为商业变革中强大的生产力工具。在此意义上，大模型的内容生产模式形成了人与人工智能协同生产内容的新运行范式。(22)陆小华：《智能内容生成的实质、影响力逻辑与运行范式——ChatGPT等智能内容生成现象透视与解析》，载《新闻大学》2023年第4期。

二、生成式人工智能大模型赋能实体经济高质量发展的实践基础

(一)生成式人工智能大模型的关键技术为高质量发展提供了创新支撑

以ChatGPT为代表的生成式人工智能大模型在机器翻译、文本挖掘、文本分析等自然语言处理方面取得了显著进步，这主要归功于近几年深度神经网络、机器学习等关键核心技术不断的迭代升级，并基于巨量数据和大算力的加持，使得ChatGPT的具体落地得到基础性支持。换言之，ChatGPT的关键技术来源于海量数据的积累、算力性能的提升和算法效力的增强。其一，算力性能的提升。ChatGPT大模型能够迅速成熟、迅速扩散则主要依赖于大算力的支持。ChatGPT使用神经网络架构(Transformer)在微软云计算平台计算，利用该平台的超算基础设施进行预训练，算力总消耗投入约3640PF-days(假设每秒计算一千万亿次，要运行3640天)。正是由于庞大的算力投入，才能确保ChatGPT模型的出色性能。其二，算法效力的增强。大模型借助人类反馈强化学习(RLHF)的训练方法，将人机互动中的训练经验和智慧结晶吸纳至多轮训练过程中，不断地学习推理、迭代升级内容，依靠不断地反馈、试错来纠正程序偏差，实现特定任务目标的可持续性改进，逐步让模型具备对生成结果的评判能力。基于迭代式的更新奖励模型和策略模型，使得奖励模型对输出结果的质量、目标更加精准化，在持续试错中奖励模型不断地完善更新输出结果，在此过程中逐渐与初始模型拉开差距，使得最终的生成内容更为符合用户的期待和需求。其三，海量的数据积累。ChatGPT有高达万亿级的参数，它利用公共爬虫数据集聚合着超过万亿单词的人类语言数据集。正是在此基础上，ChatGPT才能具有庞大的世界知识能力，增强了模型的回答能力和知识量级。因而，对比传统分析式人工智能所具有的一般到个别的推理逻辑，作为一种生成式的人工智能技术，ChatGPT能够从个别特质中归纳出具有普适性、一般化的问题，展现出其独具特色的涌现、泛化特质。具言之，一方面，它深度学习特性可以持续助它不断突破技术瓶颈，联动云计算、大数据、物联网等数字新技术进行集成式创新升级，为社会的数字化进步提供强大的技术支持。另一方面，它的群智开放性可以吸引多元主体的共同参与，有利于形成技术创新的良性循环，进而为实体经济高质量发展提供可持续性的创新支撑。

(二)生成式人工智能大模型为高质量产业发展提供了重要机遇

生成式人工智能大模型的持续进步将不断助力“数字产业化”和“产业数字化”。一方面，数字产业化是对核心技术的持续创新，推动数字技术或信息技术的规模化、市场化应用。《“十四五”数字经济发展规划》指出包括人工智能算法、算力在内的数字经济核心产业增加值将在2025年达到13.8万亿元。以ChatGPT为代表的生成式人工智能机器学习系统，其运作依赖庞大的计算能力支持，仅预训练期得算力消耗约3640PF-days。因而，大模型的创新应用将会助推算力及其相关新型基础设施的建设发展，进一步促进技术的创新与应用。与此同时，亟需大规模算力支持的战略性新兴产业和未来产业，例如自动驾驶、元宇宙、卫星互联网、数字人、芯片等产业，也会由于算力网络结构布局的优化、算力利用效能的提高而广泛受益，进而促进量子计算、物联网、大数据等新兴产业的创新发展。

另一方面，大模型将加速产业数智融合，推动产业数字化。产业数字化指传统产业部门通过引入数字技术而实现产业转型升级，(23)江小涓，靳景：《中国数字经济发展的回顾与展望》，载《中共中央党校(国家行政学院)学报》2022年第1期。通常对产业链各环节进行数字化改造、智能化转型。当下，我国正处于传统产业向数字化、智能化深度转变的初期阶段，人工智能与各种产业融合发展成为推进传统产业转型升级的重要驱动力。以制造领域为例，我国已建成2500多个数字化车间和智能工厂。在人工智能产业应用方面，我国已进入全球第一梯队，2022年我国人工智能核心产业规模同比增长18%，达到5080亿元。从生成式人工智能大模型的上中下游产业链来看，上游主要包括硬件制造商、芯片制造商、操作系统制造商及其高校科研院所等，主要负责自然语言处理、机器学习等技术的研发。中游包括软件平台商、算法开发商等，支持技术的开发和使用，以提高大模型应用于不同场景中的性能和契合度。下游包括各行各业的企业和机构，例如教育、金融、医疗、工业等领域的具体应用，由此可见大模型具有广阔的市场发展空间。总之，生成式人工智能大模型正在发展成与各类产业深度融合的横向结合体，其相关应用正加速渗透到经济社会发展的各领域，显著提升了实体经济发展的生产效率和生产能力。

(三)生成式人工智能大模型战略制定为高质量发展奠定了政策基础

近年来，我国人工智能技术呈现快速发展趋势，人工智能相关管理政策如“雨后春笋”般涌现，多部细分领域的管理政策先后出台。《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》分别从算法治理、深度合成治理等不同层面，对技术合规提出了相应要求。为促进以ChatGPT为代表的生成式人工智能的健康发展和规范应用，2023年4月《生成式人工智能服务管理办法(征求意见稿)》发布，这是首次从国家层面针对生成式人工智能产业发布的规范性政策。该政策涵盖了对于生成式人工智能技术的定义、适用范围、使用要求、数据来源和处理、监管措施等多方面内容。实际上，我国生成式人工智能的发展已由理论性研究步入了实践应用阶段，在影视、娱乐、传媒、金融、医疗、工业等各大行业和领域延伸和拓展。

各省市是高质量发展的重要参与主体。各地政府有意识地提高人工智能产业自主性发展的优先度，根据产业具体发展状况制定个性化发展方案，以及兼顾产业发展风险等方面展开具体行动。如深圳、北京、上海等地已出台了生成式人工智能相关的地方性政策或指导文件，明确本地区的发展目标。例如《深圳市加快推动人工智能高质量发展水平应用行动方案(2023—2024年)》将“打造国家新一代人工智能创新发展试验区和国家人工智能创新应用先导区”视为重要方向；深圳南山区结合本地发展需求，出台了《南山区加快人工智能全域全时创新应用实施方案》，致力于建设人工智能全域全时的应用场景。《北京市促进通用人工智能创新发展的若干措施(2023—2025年)(征求意见稿)》也是首份由地方政府出台的与大模型高度相关的政策文件。主要从算力、数据、大模型技术、场景应用、监管环境等五大方向对通用人工智能的发展提出了详细的政策规划。上海出台了《上海市加大力度支持民间投资发展若干政策措施》《徐汇区关于支持生成式人工智能发展的若干措施》紧密契合企业需求和产业关切，推动人工智能经济价值的实现。

三、生成式人工智能大模型赋能实体经济高质量发展的政策路径

生成式人工智能大模型与实体产业发展是紧密联系的，实体经济的高质量发展要求大模型的脱虚向实，推动实体产业的经营性、根本性的变革，同时实现实体经济高质量发展这一目标，能推动大模型技术安全、可持续性运用，也是检验大模型理论水平、实践应用水平、发展程度、合理性及合法性等方面的重要标准。为此，实现大模型与实体经济高质量发展的深度融合，助力实体经济转型升级，要将大模型的应用作为发展实体产业的动能，也要将实体行业发展作为大模型应用条件以及对大模型需求导向的设计基础。因而，关键是要权衡好政策规划与技术规范的相互关系，以及计划手段与市场需求的相互关系，尽可能发挥大模型赋能的适用性、创新性与可持续性，进而高质高效地促进实体经济发展。

(一)完善人工智能顶层设计和统筹，超前布局生成式人工智能大模型技术

生成式人工智能所表现出的强大能力，可能代表了一场技术革命、一种新的生产生活方式、一个新时代，它对人类经济社会的冲击难以预料，这在一定程度上倒逼政府部门通过政策规划手段，以预防和规制大模型可能出现的潜在风险。

其一，统筹推进生成式人工智能与实体产业的发展规划。加快研究制定适应本土发展路径的生成式人工智能产业政策，立足于产业发展的全周期治理，对大模型的基础层、专业层及应用层采取分层、分级、专门化的治理思路。不宜将生成式人工智能一概纳入高风险治理框架，而应根据预训练模型、数据保密级别或规模等特征单独设计技术标准体系、应用规则等，避免合规成本过高阻碍产业发展，进而引致欧盟数字经济的幼儿，数据监管的巨匠(24)金晶：《欧盟的规则，全球的标准？数据跨境流动监管的“逐顶竞争”》，载《中外法学》2023年第1期。的监管困境。

其二，加强大模型与实体产业领域的深度融合，促进数实融合发展。生成式人工智能作为一种新的生产力要素，在实践应用过程中要防止脱实向虚，坚持服务于实体经济发展为需求导向，切实从实体经济发展中的痛点进行研发和应用。实践中，大模型已在教育、医疗、交通、工业等领域落地。应通过上述领域的应用示范，形成一批示范性强、带动性广的重大应用场景。此外，大模型对实体经济的赋能是以高质量为发展标准，因而新一代人工智能应用要锚定国内外原创性、引领性的科技创新路径，坚决杜绝类似ChatGPT人工智能的山寨版、伪创新、蹭热点的技术建设和场景应用。

其三，大模型作为一种“非中性”的技术工具，成为各国在虚拟空间进行权力较量、安全博弈和利益斗争的新武器，因而有必要重点关注网络安全领域，规范技术研发路径，预防国际数据生态安全、伦理安全等不确定性风险。为此要坚持自立自强的大模型技术创新体系和可信可控的技术安全屏障并重，构建高校、企业、研究机构等主体相协同的产学研创新生态群，积极鼓励和支持内培、外引人工智能领域的复合型人才。同时，应立足于开放的国际化与全球化，鼓励我国数据安全领域学者、企业家积极参与网络空间国际交流与合作。

(二)加快人工智能新型基础设施建设，夯实产业数字化转型基础

未来国家产业竞争力将取决于新实体经济发展水平，而新实体经济必须建立在新型基础设施基础之上。(25)郭朝先，方澳：《新基建赋能实体经济高质量发展的生成逻辑与优先策略》，载《新疆师范大学学报(哲学社会科学版)》2023年第6期。目前我国新型基础设施建设存在核心算法受制于人、算力瓶颈、数据安全等不确定性风险。因而，亟需强化新型基础设施建设，为生成式人工智能与实体经济融合共进提供必要的基础支撑。

第一，算法是生成式人工智能与实体经济融合发展的重要生产关系。现阶段，国内人工智能发展整体缺少对语言大模型框架及底层技术设计的清晰认知。为此，一是要重点支持对机器学习、深度学习等人工智能技术产业及人才的培育，构建以企业为创新主体、政府政策支持、社会协同参与相结合的大模型人才队伍培养体系，各大高校和研究院应扩大深度学习、机器学习等底层技术设计等相关专业的招生规模，培育适应市场需求的人才。二是应设立大模型产学研融合的研发机构，推动大中型科技企业共建共性技术研发平台，合作参与大语言模型的产业化和商业化进程，形成“企业出题、政府立项、企业资助、协同破题、优先转化”的科研合作机制，实现对模型架构、深度学习等相关科技的深度转化与应用。

第二，算力是生成式人工智能与实体经济融合发展的重要生产力，能够提高数据处理、算法训练的速率。摩尔定律认为全球人工智能的运算量每18个月需要翻一番，当下ChatGPT的发展可能已经涵盖万亿级别的参数，算力需求也会随之加大。生成式人工智能的竞争聚焦点逐渐转移至人工智能的算力上，或者是包括GPU在内的算力资源支持上。因而，要大力扶持国产产商，强化企业培育力度，积极与国内头部芯片研发型、制造型、生产型企业建立长期绑定合作机制，集聚技术创新资源要素，推动企业自主软件架构的形成，建立起覆盖上中下游的应用生态。

第三，数据是生成式人工智能与实体经济融合发展的重要生产资料。高质量的数据能够驱动算法持续性的迭代升级。一是要在国家层面设计一条基于数据开放共享、数据隐私保护、数据价值要素三者的均衡性政策思路，制定公共数据开放负面清单，基于大模型的具体业务应用进行黑箱测试，结合数据规范、数据安全等因素形成数据监管机制。二是企业应采取数据加密、数据脱敏等技术手段，建立数据访问审核机制，对涉密数据进行严格管控。大模型的基础数据涉及到采集、存储、标注、传输等环节，企业在数字基础设施中增加诸如区块链、前沿密码等技术，建立面向数据采集标注全流程的数据安全合规管理体系。

(三)拓宽人工智能产业多元的融资方式，优化大模型与实体经济融合的融资环境

第一，创新政府财税支持模式。在宏观政策逻辑中，减税降费既有利于稳定经济增长，也有利于促进产业结构升级。(26)邢丽：《新形势下优化减税降费政策的方向和着力点》，载《财政科学》2023年第3期。同时，政府的财政支持是社会资本流动的“风向标”，财税对大模型产业的发展起到了积极作用，应建立激励机制+项目导向→考核指标→优胜劣汰(27)胡吉亚：《新一代信息技术产业融资模式的创新绩效研究》，载《湖南大学学报(社会科学版)》2023年第3期。的资金良性循环机制。以政府部门的财政激励、项目引导等作为抓手，对人工智能产业发展中达到预期研发目标的企业进行财政激励，尤其是在人工智能基础研究领域中取得新进展的企业予以大力扶持，推动产学研资深度融合，让大模型最新科技成果及时产业化。

第二，创建以区块链为支撑的大模型信贷融资平台。区块链所具有的去中心化、不可篡改性的信息交互模式，为信贷融资提供一种更加安全、透明和高效的解决方案。在征信领域，传统商业依赖于中央银行的中心化征信系统，实践中，除央行征信以外的企业金融数据还掌握在其他金融机构中，导致信息无法实现及时共享。在区块链环境下，商业银行可利用链式结构的技术特性进行数据追踪，将企业的各种金融活动记录在每个节点上，从而实现信用评估。在信贷的监督与管理领域，时间戳扮演着公证人的角色，记录在每个节点上的金融活动数据将得到永久储存。此外，时间戳也能对企业交易行为进行追踪、查询和验证，对企业的信贷活动进行严密监督，保障银企信息沟通的及时准确。

第三，建设以“股贷债保”联动、股权投资为主的金融服务体系。目前，信用评价难、抗风险能力弱、融资难、融资贵等问题是初创科技型企业面临的突出困境。股权投资为主、“股贷债保”为科创金融体系的建设明确了方向。一方面，以股、贷、债、保等各类支持科技创新企业融资工具形成有效联动，推动券商、银行、保险等金融机构研发和发售科技金融产品。另一方面，不断完善金融支持科技创新的配套机制建设，健全知识产权保护法律法规，加强科技企业信用信息平台建设等，为金融机构精准识别科技型企业并提供更具针对性的金融服务提供抓手。

(四)充分发挥数字政府平台优势，运用大模型提升政府治理能力

ChatGPT大模型作为人工智能领域一次重大的技术性突破，其强大的学习、推理等能力，对提高数字政府建设水平进而赋能实体经济高质量发展具有重要意义。

第一，积极鼓励支持大模型平台的发展，形塑市场主体诉求响应机制，搭建政企互动桥梁，全面提升政府经济态势感知和研判能力。大模型基于庞大的语料体系，在大规模的语料上进行自监督训练后，涌现出强泛化的模式识别、推理能力与记忆能力，政府部门能快速对企业的需求进行采集、分类、整理与处置，实现对企业需求的全流程、跟踪式处理，在此背景下政府更能积极主动感知市场环境下相关企业的诉求，协调解决市场主体疑难问题。

第二，深化政务服务网建设推动涉企服务“一网通办”，为企业开办、企业经营、助企纾困、留抵退税等主题提供集成式服务。大模型突破传统信息搜索的“平台化”模式，一改原有互联网信息垄断与层级分明的现状，使之更加扁平化，(28)于文轩：《ChatGPT与敏捷治理》，载《学海》2023年第2期。信息数据实现跨区域、跨层级、跨部门的多元主体协同互动，政府部门也因与企业的高频互动，能更为精准地回应企业需求。强化跨域的政务服务“跨省通办”合作，为企业群众跨区域办事创业提供更多的便利。

第三，依托ChatGPT大模型平台推动政企、政民等多元主体的合作，为数字政府的“良术善用”提供长效性的动力，进而保障实体经济的高质量发展。一方面，政府部门应加强人工智能底座建设的引导，建立人工智能总体性治理框架，支持国内互联网头部企业打造对标ChatGPT的人工智能大模型，企业在总体性框架下设定透明化、回应性等全生命周期的风险规制细则。另一方面，培育公民的人工智能素养和技术责任，保障政府数据采集的客观性、准确性，降低数据存有的偏差分布，促进政府对数字资源的精准有效配置。

四、结语

党的二十大报告强调，坚持把发展经济的着力点放在实体经济上。以ChatGPT为代表的生成式人工智能大模型的应用场景将会越来越广泛，为实体经济数字化升级注入新的动力和活力。在可预见的未来，生成式人工智能大模型能够有效地赋能实体经济发展，释放数据要素红利、推动传统产业转型升级，助力数实融合一体化发展。在此过程中亟需关注的在于，一是关注于生成式人工智能大模型应用于实体经济高质量发展理论与实践方面的研究，着力突破生成式人工智能前沿基础研究的创新。二是大模型厂商要紧密结合国家战略需求和行业发展方向，深入探索实体经济发展的难点和痛点，打造适应多样化场景的大模型。三是大模型是新型基础设施的关键底座之一，因而要加强大模型产品的自主创新力度，同时要构建国产化算力产业体系，全面夯实人工智能底座技术。具体要从算力、算法、训练框架、数据资源、储备人才等各个层面提升我国大模型产业的核心竞争力。四是处理好大模型所带来的知识产权、数据隐私、算法偏见等一系列潜在挑战，防范化解新技术带来的不确定性风险。