生成式人工智能大模型助推實體經濟高質量發展：理論機理、實踐基礎與政策路徑

范德志，于 水

(南京農業大學 公共管理學院，江蘇 南京 210095)

2019年3月中央全面深化改革委員會第七次會議通過的《關于促進人工智能和實體經濟深度融合的指導意見》指出，要促進人工智能和實體經濟深度融合的任務。黨的二十大報告強調“加快發展數字經濟，促進數字經濟和實體經濟深度融合”。(1)習近平：《高舉中國特色社會主義偉大旗幟為全面建設社會主義現代化國家而團結奮斗》，載《人民日報》2022年10月26日。以ChatGPT為代表的生成式人工智能大模型以自然語言理解能力與內容生產能力引起全球關注，ChatGPT代表了大模型產業發展的全新高地，未來預計能夠產生數萬億美元的經濟價值。(2)齊旭：《ChatGPT：AI的新起點？》，載《中國電子報》2023年2月10日。生成式人工智能大模型具備的人工智能算法和大語言模型技術在金融、傳媒、電商等領域具有潛在的應用情景，有望成為我國實體經濟高質量發展的重要技術設施，賦能更多行業和場景，推動新一輪的產業變革和模式創新。

人工智能并不是新近的概念，早在1956年，美國達特茅斯學院上麥卡錫首次提出了“人工智能”這個概念，即為人工智能發展史上的元年。2017年谷歌公司發布了transfomer為后續GPT模型的基礎架構。2018年至2020年間，OpenAI公司相繼發布了GPT-1、GPT-2、GPT-3。直到2022年11月OpenAI開發并推出的聊天機器人ChatGPT，它是基于GPT-3.5架構的大型語言模型并通過強化學習進行預訓練。自此，國內外對生成式人工智能大模型的研究與應用日益增多。Doraid Dalalah等研究了大模型在教育和學術研究中的應用。(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政治立法中的優勢和風險。(4)Sarah Kreps，Maurice Jakesch：Can AI communication tools increase legislative responsiveness and trust in democratic institutions？Government Information Quarterly，40(3)，2023.ChatGPT在創業內容創作領域的應用，如模仿名人CEO的風格。(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.我國學者一是聚焦于技術風險層面，警惕ChatGPT技術所帶來的知識產權、算法歧視、數據安全(6)劉艷紅：《生成式人工智能的三大安全風險及法律規制——以ChatGPT為例》，載《東方法學》2023年第4期。等多重風險挑戰。二是專注于技術產品的場景開發。ChatGPT具備的突出優勢能在數字政務、新聞傳播(7)何向向：《基于智能內容生成的新聞傳播生態重塑、風險與應對——以ChatGPT為例》，載《傳媒》2023年第10期。、教育考試(8)徐光木，等：《ChatGPT助推教育考試數字化轉型：機遇、應用及挑戰》，載《中國考試》2023年第5期。等不同場景帶來的機遇與挑戰。三是針對ChatGPT提出了不同的治理路徑，規制新興技術可能會帶來的潛在風險，如探索“先發展，再治理”“邊發展，邊管理”(9)鐘祥銘，方興東，顧燁燁：《ChatGPT的治理挑戰與對策研究——智能傳播的“科林格里奇困境”與突破路徑》，載《傳媒觀察》2023年第3期。全鏈條治理(10)張凌寒：《深度合成治理的邏輯更新與體系迭代——ChatGPT等生成型人工智能治理的中國路徑》，載《法律科學(西北政法大學學報)》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的價值挑戰及其包容性治理》，載《海南大學學報(人文社會科學版)》2023年第5期。等多元化風險防范策略。

綜上所述，已有研究對大模型的應用場景、技術風險、規制手段等方面作了研究，對充分認識大模型的突出優勢及其對實體經濟的影響發揮了重要作用。與此同時，學術界鮮有進行大模型與實體經濟的融合研究，尤其是鮮有立足于新動能、新產業、新模式，從大模型賦能為視角進行研究，為此本研究具有較為重要的理論與現實價值?；诖?，本文在系統梳理總結大模型助推實體經濟高質量發展理論機理的基礎上，考察大模型在技術創新、產業發展及其政策制定方面的實踐基礎，最后提出利用大模型推動實體經濟高質量發展的政策建議。

一、生成式人工智能大模型賦能實體經濟高質量發展的理論機理

高質量發展必須把握的核心要義在于培育新動能、發展新產業和形成新模式。生成式人工智能大模型從宏觀、中觀以及微觀層面為新動能、新產業和新模式的形成與發展提供了新的路徑，大模型賦能實體經濟高質量發展的關鍵在于微觀、中觀和宏觀層面的協調、有序推進。在微觀層面上，關注于大模型的人機交互模式、信息分發獲取模式、內容生產模式；在中觀層面上，聚焦大模型將催生超級產業組織、改變產業關聯關系和助推傳統產業轉型升級；在宏觀層面上，大模型能夠激發創新效率、提高生產要素組合效率、改善政府宏觀調控。與此同時，微觀、中觀和宏觀的理論脈絡具有統一性、連貫性，即微觀層面是中觀層面和宏觀層面的先決條件，中觀層面是連接微觀層面和宏觀層面的中介載體，宏觀層面是實體經濟高質量發展的綜合體現。

(一)生成式人工智能大模型在宏觀層面通過提升生產效率推動高質量發展

1.提高生產要素的組合效率

基于自然語言的ChatGPT快速應用、AIGC(人工智能生成內容)應用場景快速拓展，麥肯錫研究報告《2023年AI現狀：生成式AI的爆發之年》指出，生成式人工智能可能每年為全球經濟貢獻“一個英國的GDP”，到2040年，生成式人工智能可以使勞動生產率每年增長0.1%至0.6%。大模型對企業的生產要素組合產生了深刻影響，助推企業在采購、研發、生產、銷售與售后等價值鏈環節能夠做到快速行動、及時決策，破解傳統的技術治理或算法治理中模型通用能力不強的困境。ChatGPT僅需管理者設置合適的提示詞(prompt)就能協助管理者完成指派的各種任務，分析企業發展過程中的大量數據，幫助企業發現和解決問題，由此轉變傳統資源的投入、整合和利用方式，將人從重復性的、簡單的腦力勞動中解放，并以資源、資本、勞動等要素的最小化投入，實現產出的最大化。同時，利用多模態感知、深度學習等技術，將數據轉化為可視化的圖表和報告，為企業提供更全面、更準確的數據分析結果，實現資源與要素的協作化開發、集約化整合和高效化利用，進而提高生產要素組合效率。據美國高盛公司的研究，采用生成式人工智能技術后，先進國家的全要素生產率將提高1.5個百分點，10年內全球GDP將至少凈增7%。

2.激發產業創新效率

創新是實體經濟高質量發展的的動力源泉。創新效率既取決于子系統之間的交流、合作等交易過程的效率，也取決于子系統的內部管理過程的效率，內部效率與外部效率的有機融合是其成敗的關鍵所在。(12)李輝：《大數據推動我國經濟高質量發展的理論機理、實踐基礎與政策選擇》，載《經濟學家》2019年第3期。一方面，大模型具備強大的自然語言理解與泛化能力，激發產業創新的內生動力。大模型能不依賴于標簽進行自我優化，省去了巨大的數據打標成本，較強的人機交互水平能夠適應用戶更為復雜的任務需求，諸如工業制造、自動駕駛、醫療診斷等領域逐步擺脫傳統工作模式，社會職業群體將逐漸向人工智能技術操作以及社會功能性服務領域轉移，從而降低了人類重復勞動的成本，讓其專注于更有創新性的工作任務，最終促進產業創新效率的提升。另一方面，大模型的多模態整合能力，激發產業鏈上中下游的協作交流效率。它能夠將數據流、技術流、資金流和人才流有效整合，并與大數據、云計算、區塊鏈等行業融合發展，各種信息不對稱性程度降低，產業鏈上中下游的社會分工協作、合作互動效率得以更大程度開發，也能催生出更多的產業鏈和產業生態的形成。

3.改善政府宏觀調控

在不完全的信息狀態下，為避免可能的市場失靈導致社會經濟不穩定，亟需政府層面進行宏觀調控、加強政策供給，而政府宏觀調控的有效性主要取決于政府各職能部門能否搜集、整合、分類和利用海量數據，獲取完備、充足的有效、可用信息。在工業化時代，人類只能對圖片、視頻、聲音等數據進行挖掘和搜集，此時只能獲取歷史數據而難以對正在發生或未來的數據進行處理和分析。在此情況下，政府宏觀調控獲取到的信息可能是不完全或者不準確的信息數據，因而在制定和實施產業政策、財政政策、投融資政策時，政府在因果思維模式下的選擇將不可避免有主觀判斷的成分。(13)何大安，楊益均：《大數據時代政府宏觀調控的思維模式》，載《學術月刊》2018年第5期。隨著大模型時代的到來，融合人工智能、大數據、云計算等技術的數智化政務服務在實踐中悄然興起，成為政務服務的技術、理論和實踐前沿。相比于數字政務，數智政務擴展了“智能化”方面的潛力，(14)汪波，牛朝文：《從ChatGPT到GovGPT：生成式人工智能驅動的政務服務生態系統構建》，載《電子政務》2023年第9期。以生成式人工智能大模型加持的政務系統使得完全信息成為可能。大模型在促進政務信息與數據及時有效的獲取、存儲、處理與加工等方面具有潛在的應用價值，以更低門檻、更高效率，打通部門數據斷流節點難題，推動各類數據在生產、配送、服務等環節的暢通流動，為政府決策提供更為全面、真實、有效的信息，大幅提高政府宏觀決策的質量與效率。

(二)生成式人工智能大模型在中觀層面通過促進產業變革推動高質量發展

1.改變了產業關聯關系

產業關聯關系指產業之間錯綜復雜的生產技術聯系和經濟聯系，(15)芮明杰：《產業經濟學》，上海：上海財經大學出版社，2005年版，第300頁。具體體現在產品供需關聯和技術供需關聯兩個方面。其一，依靠海量信息與數據的有效收集、存儲與加工，輔助用戶精準化地分析產品上下游的市場需求和供給。大模型具備調用多種程序來實現一個指令的綜合能力，其心智方面趨于人類，輔助用戶更敏銳地發掘事物之間的內在聯系。企業利用大模型對產品的屬性進行分析，了解產品屬性之間的相關關系和市場偏好。根據海量數據的智能分析結果，用多模態圖形化的方式進行展示和分析，輔助使用者可以更為精準化的對產品屬性進行優化和調整。其二，作為一種自然語言處理技術，生成式人工智能大模型與智能制造、云計算等前沿技術的供需關聯度日益緊密。在智能制造中，大模型可用于工業生產流程中的自然語言交互、語音識別等，與工業機器人、自動化系統進行自然語言對話，提高了工業生產效率；大模型可以用于智能客服、智能推薦和智能搜索等云計算場景，提高云計算平臺的智能化水平。

2.催生超級產業組織

數字化背景下的產業組織是通過殺手并購和差別定價行為實施自我優待、拒絕交易等行為達到壟斷市場目的的新式產業組織形態。(16)張文魁：《數字經濟的內生特性與產業組織》，載《管理世界》2022年第7期。在此過程，生成式人工智能大模型推動分散化數字資源分配的再次聚集，并與下游平臺端的深度結合，頭部企業重新掌握用戶的信息數據，形成了一種超級產業組織。一方面，大模型將億萬用戶的偏好特征、信息數據、萬億級參數等集成于大模型應用平臺。另一方面，大模型可以通過多模態的方式進一步擴大模型獲取數據的來源渠道，在數據和算法成為當下新的權力要素背景下，超級產業組織隨之誕生。如ChatGPT上線僅兩個月全球用戶就突破1億人，創下了有史以來增長最迅速的消費者應用程序紀錄，這也印證了ChatGPT應用的速度和廣度。ChatGPT連接著世界級的超大規模用戶群，由此，帶有邊界化、職能化的垂直經濟結構特征的產業組織逐漸走向具有橫向聯合性質的跨區域、跨領域、跨行業的超級產業組織。

3.助力傳統產業轉型升級

其一，大模型改變傳統產業生產方式，促進傳統產業的智能化、個性化變革。一方面，在企業生產中提高傳統產業勞動生產率和資源利用率，通過對員工和設備的多模態實時分析并生成報告。輔助員工完成產品的智能設計、加工、監督等多個環節的智能化任務。另一方面，傳統工業生產中規?；?、標準化操作是產業發展的主要方式，在大模型條件下，產品個性化定制成為企業發展的趨勢。ChatGPT根據用戶的需求偏好進行個性化設置，根據不同的場景提供不同的服務。其二，大模型推動傳統產業內部流程再造，提高產業研發、制造、運營、服務等環節的效率。在研發設計環節，ChatGPT可用于企業對客戶需求的精準化、實時化分析，縮短產品研發、設計的時間，并對產品設計提出技術改進方案，輔助開發者創新；在生產制造環節，大模型輔助企業員工精準設定技術設備的工藝參數，實現工業生產的精細化操作；在運營管理環節，大模型整合多種系統終端，直接為管理人員提高可供參考、選擇的決策方案；在產品服務環節，大模型應用于人機協同的會話、業務處理、推廣宣傳等創新領域，并與傳統產業多個環節的契合，推動企業從‘大規模標準化生產’轉向‘個性化定制+柔性化生產’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數字經濟效應——基于馬克思的機器與異化理論》，載《經濟問題》2023年第7期。

(三)生成式人工智能大模型在微觀層面通過革新商業模式推動高質量發展

1.改變傳統人機交互模式

人機交互模式是指在人與計算機系統中，借助某種計算機對話語言，完成指定任務的技術，它經歷了從“刺激—反饋”“一鍵操縱”“智能服務”到“情感交流”的模式演變。(18)梁爽：《從“刺激-反饋”到“情感交流”——移動應用人機交互的模式演變與發展歷程》，載《青年記者》2021年第4期。在早期手工作業階段，人機交互表現為由開發者本人使用計算機，采用手工操作和二級制代碼的方法，進行較為簡易的計算工作。進入網絡用戶界面階段，以HTML及HTTP為基礎的瀏覽器是其代表，由此形成的萬維網使交互過程擺脫了以往只能依賴特定路徑查找信息的限制。例如，搜索引擎、聊天工具等。當下，大模型正顛覆傳統人機交互模式，以擬人化、強交互性、全感官(19)于水，范德志：《新一代人工智能(ChatGPT)的主要特征、社會風險及其治理路徑》，載《大連理工大學學報(社會科學版)》2023年第5期。的特質模擬用戶的思維過程，根據用戶給定的上下文和語法規則生成情景化的回復，在對海量數據不斷地學習、訓練和反饋迭代升級的過程中，不斷提高大模型的人機交互水平，使其更能應對復雜多變的場景。在此意義下，突破了傳統人機交互中過于規則化、標準化的模式，如傳統模式下用戶只能通過網站平臺進行商品的瀏覽、搜索、選擇、購買等，大模型則促進人工智能的商用價值從傳統的商業端、政府端延伸至消費者端，(20)張璐：《通用人工智能風險治理與監管初探——ChatGPT引發的問題與挑戰》，載《電子政務》2023年第9期。以多模態的信息攫取方式，直接與用戶進行自然語言互動，并根據用戶需求進行精準化的產品推薦和服務供給，而用戶也可以根據自己的喜好和需求進行個性化設置。

2.改變信息分發獲取模式

隨著算法驅使的信息分發獲取技術的興起，它開始取代傳統人工、社交媒體及其搜索引擎的統治地位，根本性地顛覆了社交媒體基于人際關系和社交圖譜的內容傳播機制，用戶個人擔負起信息分發獲取的主角。在此背景下，數據和算法輔助和改進用戶內容生產的便捷性、高效性和豐富性，認知智能技術實現更高效的信息整合和知識推薦，如當下的抖音、快手、淘寶等就是典型代表。而通過大算力、強算法和大數據形成的生成式人工智能，顛覆了以用戶為中心的內容分發獲取模式，從當下表現出來的智能特征看，大模型的泛化性、涌現性可以不依賴于標簽進行優化，憑借多輪次的上下文學習、推理，能主動承認甚至質疑輸出結果的問題及其局限性，進而提高答案的精確性，并在某些環節上展現出超越人類的創新性能力。大模型構建出的人機高度融合的新型生產力創造不僅迎合了市場需求與政策規劃，也有助于實現公共價值與商業價值的平衡，而其所具有的新的信息分發獲取模式將塑造新的商業生態，必將改變人類信息傳播的認知動力機制。(21)方興東，顧燁燁，鐘祥銘：《ChatGPT的傳播革命是如何發生的？——解析社交媒體主導權的終結與智能媒體的崛起》，載《現代出版》2023年第2期。

3.革新內容生產模式

勞動工具的每一次變革都帶來生產方式變革。在大模型出現之前，總體上是人類生成內容，電視臺、廣播、報紙等圍繞人類所形塑的專業生產內容(PGC)或用戶生產內容(UGC)，主要是圍繞人類采集、加工、處理等活動形成的內容生產流程。工業革命后出現并延續如今的專業化分工、組織化運行、大規模生產的內容生產模式，而該模式實現的前提是以人作為生產和管理的主體。作為人工智能生成內容的革新，ChatGPT大模型區別于傳統PGC和UGC的內容生成模式，其強交互性、多模態性等特質嵌入至內容生產的各個環節，內容生產的主體不再局限于用戶，內容生產運行邏輯發生重要變化，其趨向于以人機協同共創的智能化、個性化的方向發展。一方面，大模型協助用戶進行內容創作，個性化回應用戶提出的開放域問題，并通過人工標注數據與強化學習方法的結合來生成多模態知識，以此極大拓展用戶進行創新和創意的能力。另一方面，大模型能夠自主實現文本、視頻、圖片等多種形式的知識融合創新，在與各類軟件融合形成“大一統”的超級APP平臺，進一步實現技術賦能的集成式創新，成為商業變革中強大的生產力工具。在此意義上，大模型的內容生產模式形成了人與人工智能協同生產內容的新運行范式。(22)陸小華：《智能內容生成的實質、影響力邏輯與運行范式——ChatGPT等智能內容生成現象透視與解析》，載《新聞大學》2023年第4期。

二、生成式人工智能大模型賦能實體經濟高質量發展的實踐基礎

(一)生成式人工智能大模型的關鍵技術為高質量發展提供了創新支撐

以ChatGPT為代表的生成式人工智能大模型在機器翻譯、文本挖掘、文本分析等自然語言處理方面取得了顯著進步，這主要歸功于近幾年深度神經網絡、機器學習等關鍵核心技術不斷的迭代升級，并基于巨量數據和大算力的加持，使得ChatGPT的具體落地得到基礎性支持。換言之，ChatGPT的關鍵技術來源于海量數據的積累、算力性能的提升和算法效力的增強。其一，算力性能的提升。ChatGPT大模型能夠迅速成熟、迅速擴散則主要依賴于大算力的支持。ChatGPT使用神經網絡架構(Transformer)在微軟云計算平臺計算，利用該平臺的超算基礎設施進行預訓練，算力總消耗投入約3640PF-days(假設每秒計算一千萬億次，要運行3640天)。正是由于龐大的算力投入，才能確保ChatGPT模型的出色性能。其二，算法效力的增強。大模型借助人類反饋強化學習(RLHF)的訓練方法，將人機互動中的訓練經驗和智慧結晶吸納至多輪訓練過程中，不斷地學習推理、迭代升級內容，依靠不斷地反饋、試錯來糾正程序偏差，實現特定任務目標的可持續性改進，逐步讓模型具備對生成結果的評判能力?；诘降母陋剟钅Ｐ秃筒呗阅Ｐ?，使得獎勵模型對輸出結果的質量、目標更加精準化，在持續試錯中獎勵模型不斷地完善更新輸出結果，在此過程中逐漸與初始模型拉開差距，使得最終的生成內容更為符合用戶的期待和需求。其三，海量的數據積累。ChatGPT有高達萬億級的參數，它利用公共爬蟲數據集聚合著超過萬億單詞的人類語言數據集。正是在此基礎上，ChatGPT才能具有龐大的世界知識能力，增強了模型的回答能力和知識量級。因而，對比傳統分析式人工智能所具有的一般到個別的推理邏輯，作為一種生成式的人工智能技術，ChatGPT能夠從個別特質中歸納出具有普適性、一般化的問題，展現出其獨具特色的涌現、泛化特質。具言之，一方面，它深度學習特性可以持續助它不斷突破技術瓶頸，聯動云計算、大數據、物聯網等數字新技術進行集成式創新升級，為社會的數字化進步提供強大的技術支持。另一方面，它的群智開放性可以吸引多元主體的共同參與，有利于形成技術創新的良性循環，進而為實體經濟高質量發展提供可持續性的創新支撐。

(二)生成式人工智能大模型為高質量產業發展提供了重要機遇

生成式人工智能大模型的持續進步將不斷助力“數字產業化”和“產業數字化”。一方面，數字產業化是對核心技術的持續創新，推動數字技術或信息技術的規?；?、市場化應用?！丁笆奈濉睌底纸洕l展規劃》指出包括人工智能算法、算力在內的數字經濟核心產業增加值將在2025年達到13.8萬億元。以ChatGPT為代表的生成式人工智能機器學習系統，其運作依賴龐大的計算能力支持，僅預訓練期得算力消耗約3640PF-days。因而，大模型的創新應用將會助推算力及其相關新型基礎設施的建設發展，進一步促進技術的創新與應用。與此同時，亟需大規模算力支持的戰略性新興產業和未來產業，例如自動駕駛、元宇宙、衛星互聯網、數字人、芯片等產業，也會由于算力網絡結構布局的優化、算力利用效能的提高而廣泛受益，進而促進量子計算、物聯網、大數據等新興產業的創新發展。

另一方面，大模型將加速產業數智融合，推動產業數字化。產業數字化指傳統產業部門通過引入數字技術而實現產業轉型升級，(23)江小涓，靳景：《中國數字經濟發展的回顧與展望》，載《中共中央黨校(國家行政學院)學報》2022年第1期。通常對產業鏈各環節進行數字化改造、智能化轉型。當下，我國正處于傳統產業向數字化、智能化深度轉變的初期階段，人工智能與各種產業融合發展成為推進傳統產業轉型升級的重要驅動力。以制造領域為例，我國已建成2500多個數字化車間和智能工廠。在人工智能產業應用方面，我國已進入全球第一梯隊，2022年我國人工智能核心產業規模同比增長18%，達到5080億元。從生成式人工智能大模型的上中下游產業鏈來看，上游主要包括硬件制造商、芯片制造商、操作系統制造商及其高?？蒲性核?，主要負責自然語言處理、機器學習等技術的研發。中游包括軟件平臺商、算法開發商等，支持技術的開發和使用，以提高大模型應用于不同場景中的性能和契合度。下游包括各行各業的企業和機構，例如教育、金融、醫療、工業等領域的具體應用，由此可見大模型具有廣闊的市場發展空間?？傊?，生成式人工智能大模型正在發展成與各類產業深度融合的橫向結合體，其相關應用正加速滲透到經濟社會發展的各領域，顯著提升了實體經濟發展的生產效率和生產能力。

(三)生成式人工智能大模型戰略制定為高質量發展奠定了政策基礎

近年來，我國人工智能技術呈現快速發展趨勢，人工智能相關管理政策如“雨后春筍”般涌現，多部細分領域的管理政策先后出臺?！痘ヂ摼W信息服務算法推薦管理規定》《互聯網信息服務深度合成管理規定》分別從算法治理、深度合成治理等不同層面，對技術合規提出了相應要求。為促進以ChatGPT為代表的生成式人工智能的健康發展和規范應用，2023年4月《生成式人工智能服務管理辦法(征求意見稿)》發布，這是首次從國家層面針對生成式人工智能產業發布的規范性政策。該政策涵蓋了對于生成式人工智能技術的定義、適用范圍、使用要求、數據來源和處理、監管措施等多方面內容。實際上，我國生成式人工智能的發展已由理論性研究步入了實踐應用階段，在影視、娛樂、傳媒、金融、醫療、工業等各大行業和領域延伸和拓展。

各省市是高質量發展的重要參與主體。各地政府有意識地提高人工智能產業自主性發展的優先度，根據產業具體發展狀況制定個性化發展方案，以及兼顧產業發展風險等方面展開具體行動。如深圳、北京、上海等地已出臺了生成式人工智能相關的地方性政策或指導文件，明確本地區的發展目標。例如《深圳市加快推動人工智能高質量發展水平應用行動方案(2023—2024年)》將“打造國家新一代人工智能創新發展試驗區和國家人工智能創新應用先導區”視為重要方向；深圳南山區結合本地發展需求，出臺了《南山區加快人工智能全域全時創新應用實施方案》，致力于建設人工智能全域全時的應用場景?！侗本┦写龠M通用人工智能創新發展的若干措施(2023—2025年)(征求意見稿)》也是首份由地方政府出臺的與大模型高度相關的政策文件。主要從算力、數據、大模型技術、場景應用、監管環境等五大方向對通用人工智能的發展提出了詳細的政策規劃。上海出臺了《上海市加大力度支持民間投資發展若干政策措施》《徐匯區關于支持生成式人工智能發展的若干措施》緊密契合企業需求和產業關切，推動人工智能經濟價值的實現。

三、生成式人工智能大模型賦能實體經濟高質量發展的政策路徑

生成式人工智能大模型與實體產業發展是緊密聯系的，實體經濟的高質量發展要求大模型的脫虛向實，推動實體產業的經營性、根本性的變革，同時實現實體經濟高質量發展這一目標，能推動大模型技術安全、可持續性運用，也是檢驗大模型理論水平、實踐應用水平、發展程度、合理性及合法性等方面的重要標準。為此，實現大模型與實體經濟高質量發展的深度融合，助力實體經濟轉型升級，要將大模型的應用作為發展實體產業的動能，也要將實體行業發展作為大模型應用條件以及對大模型需求導向的設計基礎。因而，關鍵是要權衡好政策規劃與技術規范的相互關系，以及計劃手段與市場需求的相互關系，盡可能發揮大模型賦能的適用性、創新性與可持續性，進而高質高效地促進實體經濟發展。

(一)完善人工智能頂層設計和統籌，超前布局生成式人工智能大模型技術

生成式人工智能所表現出的強大能力，可能代表了一場技術革命、一種新的生產生活方式、一個新時代，它對人類經濟社會的沖擊難以預料，這在一定程度上倒逼政府部門通過政策規劃手段，以預防和規制大模型可能出現的潛在風險。

其一，統籌推進生成式人工智能與實體產業的發展規劃。加快研究制定適應本土發展路徑的生成式人工智能產業政策，立足于產業發展的全周期治理，對大模型的基礎層、專業層及應用層采取分層、分級、專門化的治理思路。不宜將生成式人工智能一概納入高風險治理框架，而應根據預訓練模型、數據保密級別或規模等特征單獨設計技術標準體系、應用規則等，避免合規成本過高阻礙產業發展，進而引致歐盟數字經濟的幼兒，數據監管的巨匠(24)金晶：《歐盟的規則，全球的標準？數據跨境流動監管的“逐頂競爭”》，載《中外法學》2023年第1期。的監管困境。

其二，加強大模型與實體產業領域的深度融合，促進數實融合發展。生成式人工智能作為一種新的生產力要素，在實踐應用過程中要防止脫實向虛，堅持服務于實體經濟發展為需求導向，切實從實體經濟發展中的痛點進行研發和應用。實踐中，大模型已在教育、醫療、交通、工業等領域落地。應通過上述領域的應用示范，形成一批示范性強、帶動性廣的重大應用場景。此外，大模型對實體經濟的賦能是以高質量為發展標準，因而新一代人工智能應用要錨定國內外原創性、引領性的科技創新路徑，堅決杜絕類似ChatGPT人工智能的山寨版、偽創新、蹭熱點的技術建設和場景應用。

其三，大模型作為一種“非中性”的技術工具，成為各國在虛擬空間進行權力較量、安全博弈和利益斗爭的新武器，因而有必要重點關注網絡安全領域，規范技術研發路徑，預防國際數據生態安全、倫理安全等不確定性風險。為此要堅持自立自強的大模型技術創新體系和可信可控的技術安全屏障并重，構建高校、企業、研究機構等主體相協同的產學研創新生態群，積極鼓勵和支持內培、外引人工智能領域的復合型人才。同時，應立足于開放的國際化與全球化，鼓勵我國數據安全領域學者、企業家積極參與網絡空間國際交流與合作。

(二)加快人工智能新型基礎設施建設，夯實產業數字化轉型基礎

未來國家產業競爭力將取決于新實體經濟發展水平，而新實體經濟必須建立在新型基礎設施基礎之上。(25)郭朝先，方澳：《新基建賦能實體經濟高質量發展的生成邏輯與優先策略》，載《新疆師范大學學報(哲學社會科學版)》2023年第6期。目前我國新型基礎設施建設存在核心算法受制于人、算力瓶頸、數據安全等不確定性風險。因而，亟需強化新型基礎設施建設，為生成式人工智能與實體經濟融合共進提供必要的基礎支撐。

第一，算法是生成式人工智能與實體經濟融合發展的重要生產關系?，F階段，國內人工智能發展整體缺少對語言大模型框架及底層技術設計的清晰認知。為此，一是要重點支持對機器學習、深度學習等人工智能技術產業及人才的培育，構建以企業為創新主體、政府政策支持、社會協同參與相結合的大模型人才隊伍培養體系，各大高校和研究院應擴大深度學習、機器學習等底層技術設計等相關專業的招生規模，培育適應市場需求的人才。二是應設立大模型產學研融合的研發機構，推動大中型科技企業共建共性技術研發平臺，合作參與大語言模型的產業化和商業化進程，形成“企業出題、政府立項、企業資助、協同破題、優先轉化”的科研合作機制，實現對模型架構、深度學習等相關科技的深度轉化與應用。

第二，算力是生成式人工智能與實體經濟融合發展的重要生產力，能夠提高數據處理、算法訓練的速率。摩爾定律認為全球人工智能的運算量每18個月需要翻一番，當下ChatGPT的發展可能已經涵蓋萬億級別的參數，算力需求也會隨之加大。生成式人工智能的競爭聚焦點逐漸轉移至人工智能的算力上，或者是包括GPU在內的算力資源支持上。因而，要大力扶持國產產商，強化企業培育力度，積極與國內頭部芯片研發型、制造型、生產型企業建立長期綁定合作機制，集聚技術創新資源要素，推動企業自主軟件架構的形成，建立起覆蓋上中下游的應用生態。

第三，數據是生成式人工智能與實體經濟融合發展的重要生產資料。高質量的數據能夠驅動算法持續性的迭代升級。一是要在國家層面設計一條基于數據開放共享、數據隱私保護、數據價值要素三者的均衡性政策思路，制定公共數據開放負面清單，基于大模型的具體業務應用進行黑箱測試，結合數據規范、數據安全等因素形成數據監管機制。二是企業應采取數據加密、數據脫敏等技術手段，建立數據訪問審核機制，對涉密數據進行嚴格管控。大模型的基礎數據涉及到采集、存儲、標注、傳輸等環節，企業在數字基礎設施中增加諸如區塊鏈、前沿密碼等技術，建立面向數據采集標注全流程的數據安全合規管理體系。

(三)拓寬人工智能產業多元的融資方式，優化大模型與實體經濟融合的融資環境

第一，創新政府財稅支持模式。在宏觀政策邏輯中，減稅降費既有利于穩定經濟增長，也有利于促進產業結構升級。(26)邢麗：《新形勢下優化減稅降費政策的方向和著力點》，載《財政科學》2023年第3期。同時，政府的財政支持是社會資本流動的“風向標”，財稅對大模型產業的發展起到了積極作用，應建立激勵機制+項目導向→考核指標→優勝劣汰(27)胡吉亞：《新一代信息技術產業融資模式的創新績效研究》，載《湖南大學學報(社會科學版)》2023年第3期。的資金良性循環機制。以政府部門的財政激勵、項目引導等作為抓手，對人工智能產業發展中達到預期研發目標的企業進行財政激勵，尤其是在人工智能基礎研究領域中取得新進展的企業予以大力扶持，推動產學研資深度融合，讓大模型最新科技成果及時產業化。

第二，創建以區塊鏈為支撐的大模型信貸融資平臺。區塊鏈所具有的去中心化、不可篡改性的信息交互模式，為信貸融資提供一種更加安全、透明和高效的解決方案。在征信領域，傳統商業依賴于中央銀行的中心化征信系統，實踐中，除央行征信以外的企業金融數據還掌握在其他金融機構中，導致信息無法實現及時共享。在區塊鏈環境下，商業銀行可利用鏈式結構的技術特性進行數據追蹤，將企業的各種金融活動記錄在每個節點上，從而實現信用評估。在信貸的監督與管理領域，時間戳扮演著公證人的角色，記錄在每個節點上的金融活動數據將得到永久儲存。此外，時間戳也能對企業交易行為進行追蹤、查詢和驗證，對企業的信貸活動進行嚴密監督，保障銀企信息溝通的及時準確。

第三，建設以“股貸債?！甭搫?、股權投資為主的金融服務體系。目前，信用評價難、抗風險能力弱、融資難、融資貴等問題是初創科技型企業面臨的突出困境。股權投資為主、“股貸債?！睘榭苿摻鹑隗w系的建設明確了方向。一方面，以股、貸、債、保等各類支持科技創新企業融資工具形成有效聯動，推動券商、銀行、保險等金融機構研發和發售科技金融產品。另一方面，不斷完善金融支持科技創新的配套機制建設，健全知識產權保護法律法規，加強科技企業信用信息平臺建設等，為金融機構精準識別科技型企業并提供更具針對性的金融服務提供抓手。

(四)充分發揮數字政府平臺優勢，運用大模型提升政府治理能力

ChatGPT大模型作為人工智能領域一次重大的技術性突破，其強大的學習、推理等能力，對提高數字政府建設水平進而賦能實體經濟高質量發展具有重要意義。

第一，積極鼓勵支持大模型平臺的發展，形塑市場主體訴求響應機制，搭建政企互動橋梁，全面提升政府經濟態勢感知和研判能力。大模型基于龐大的語料體系，在大規模的語料上進行自監督訓練后，涌現出強泛化的模式識別、推理能力與記憶能力，政府部門能快速對企業的需求進行采集、分類、整理與處置，實現對企業需求的全流程、跟蹤式處理，在此背景下政府更能積極主動感知市場環境下相關企業的訴求，協調解決市場主體疑難問題。

第二，深化政務服務網建設推動涉企服務“一網通辦”，為企業開辦、企業經營、助企紓困、留抵退稅等主題提供集成式服務。大模型突破傳統信息搜索的“平臺化”模式，一改原有互聯網信息壟斷與層級分明的現狀，使之更加扁平化，(28)于文軒：《ChatGPT與敏捷治理》，載《學?！?023年第2期。信息數據實現跨區域、跨層級、跨部門的多元主體協同互動，政府部門也因與企業的高頻互動，能更為精準地回應企業需求。強化跨域的政務服務“跨省通辦”合作，為企業群眾跨區域辦事創業提供更多的便利。

第三，依托ChatGPT大模型平臺推動政企、政民等多元主體的合作，為數字政府的“良術善用”提供長效性的動力，進而保障實體經濟的高質量發展。一方面，政府部門應加強人工智能底座建設的引導，建立人工智能總體性治理框架，支持國內互聯網頭部企業打造對標ChatGPT的人工智能大模型，企業在總體性框架下設定透明化、回應性等全生命周期的風險規制細則。另一方面，培育公民的人工智能素養和技術責任，保障政府數據采集的客觀性、準確性，降低數據存有的偏差分布，促進政府對數字資源的精準有效配置。

四、結語

黨的二十大報告強調，堅持把發展經濟的著力點放在實體經濟上。以ChatGPT為代表的生成式人工智能大模型的應用場景將會越來越廣泛，為實體經濟數字化升級注入新的動力和活力。在可預見的未來，生成式人工智能大模型能夠有效地賦能實體經濟發展，釋放數據要素紅利、推動傳統產業轉型升級，助力數實融合一體化發展。在此過程中亟需關注的在于，一是關注于生成式人工智能大模型應用于實體經濟高質量發展理論與實踐方面的研究，著力突破生成式人工智能前沿基礎研究的創新。二是大模型廠商要緊密結合國家戰略需求和行業發展方向，深入探索實體經濟發展的難點和痛點，打造適應多樣化場景的大模型。三是大模型是新型基礎設施的關鍵底座之一，因而要加強大模型產品的自主創新力度，同時要構建國產化算力產業體系，全面夯實人工智能底座技術。具體要從算力、算法、訓練框架、數據資源、儲備人才等各個層面提升我國大模型產業的核心競爭力。四是處理好大模型所帶來的知識產權、數據隱私、算法偏見等一系列潛在挑戰，防范化解新技術帶來的不確定性風險。