堅持問題導向，構建系統性支持體系
當前，生成式人工智能正處於由模型突破向系統性賦能轉化的關鍵階段，亟待政策體系與制度安排的同步演進。在此背景下，應堅持系統觀與問題導向，圍繞“夯實平台能力基礎—推動融合落地—完善社會支持體系”的邏輯路徑因類施策，協同發力，加快構建與生成式人工智能相適應的新型產業體系和政策支持體系。
第一，在技術側培育平台型通用能力，強化融合賦能機制。支持建設跨行業、跨模態的基礎模型和訓練數據體系，鼓勵形成“可嵌入、可重組、可演進”的通用生成引擎。推動模型壓縮優化、異構部署與邊緣計算適配，提升模型的輕量化與場景適應能力。
第二，在產業牽引側因類施策，推進融合落地與生態協同。推動生成式人工智能在製造、農業等傳統行業中的數字基礎建設與關鍵場景應用，解決“不願用、用不起”等現實問題。支持新興產業深化生成式人工智能場景應用，推動多技術融合，激發大中小企業融通發展活力。引導前沿產業以生成式人工智能為引擎開展跨界預研與願景孵化，培育未來增長極。
第三，在社會體系支持側完善基礎保障與促進能力。健全科技金融服務，完善算力券、數據券等創新工具的發放機制與政策協同機制，形成政策合力。推動公共數據與算力平台開放共享，提升中小機構生成式人工智能技術可及性。優化跨學科教育體系，加快培養應用型人工智能人才。加強用戶教育和社會引導，構建共建共享的生成式人工智能應用生態。
（陳海鵬 作者系上海市科學學研究所副所長、正高級工程師） |
