前沿热点 | 人工智能将引发哪些重要变革？

飞速发展的人工智能技术正不断改变着世界。今年1月，中国人工智能研发公司DeepSeek发布推理模型DeepSeek-R1，以低成本实现高效训练，代表着中国人工智能最新的技术突破。人工智能将如何重塑经济版图，给中国经济社会带来哪些重要影响？

人工智能引发的经济变革

一是效率革命重塑生产力底层逻辑。人工智能引发的经济变革本质是生产要素的结构性跃迁，近年其正以“数据燃料+算法引擎”的方式大幅度提升生产效率。人工智能带来的效率跃升并非通过简单替代人力实现，而是经由建立数据—算法—反馈的动态闭环，实现生产要素的智能重组，推动生产流程的系统性优化。其从需求预测、工业设计到供应链管理，每个环节可在算法精确计算下减少资源错配与人力物力过多投入。人工智能技术的应用使制造业和数字服务业等运营成本大大降低，这种效率红利将逐渐从龙头大型企业向中小企业传导。这种要素革命在重构价值创造的基本法则，使经济增长突破传统资源约束。

二是产业升级开辟价值创造新维度。人工智能推动的产业升级呈现网络化涌现特征。传统产业链的线性结构正在被数据驱动的价值网络取代，形成核心节点-智能连接-动态演化的新结构。这种升级模式打破传统产业升级的线性路径，形成以数据为纽带的产业拓扑网络。传统产业升级（线性路径）好比过去城市只有一条主干道，所有车辆须按固定路线行驶：工厂生产—物流运输—批发—商店零售。近年新型升级模式（产业拓扑网络）好比在城市建成立交桥网络，每个产业都像一个立交桥节点。工厂、物流、批发及零售商间不仅直连，还通过数据这个智能导航系统动态调整连接方式。传统产业升级是“修更宽的主干道”，现在则以算法为基础“建智能立交桥+实时导航”。人工智能推动产业升级呈纵向深化+横向突破双重特征。纵向深化是传统产业通过智能化改造实现价值跃迁，横向突破体现在新兴业态的爆发。这些升级不仅降本增效，创造新价值，更重构产业竞争规则。

三是增长引擎培育经济发展新动能。中国人工智能产业构建了场景创新—数据积累—技术迭代的增强回路。简言之，中国先以人工智能解决实际问题（应用场景），在解决问题时获得大量真实数据，对新数据的使用让人工智能变得更聪明，而更聪明的人工智能将解决更复杂的问题，如此循环壮大。中国发展人工智能具有三重优势：一是市场纵深，中国14亿人口每天产生全世界最庞大的数据，为人工智能提供宝贵训练数据，为算法进化提供独特“养分”。二是政策赋能，国家算力枢纽建设、数据要素市场化改革等举措构建基础设施-要素流通-应用创新的政策支撑体系。三是生态协同，华为研发的芯片、深度求索（DeepSeek）推出的大模型等人工智能技术有望一定程度突破“卡脖子”难题。从智慧工厂、无人农场、智慧城市“大脑”到人工智能教师，这场技术革命正重塑中国经济的地理版图与发展速度，勾勒中国经济动能转换的清晰脉络，重构经济底层逻辑，以海量数据作为核心生产要素，算法重构生产流程，算力升级为新型基础设施。

人工智能对中国经济发展的作用

首先是破解传统增长瓶颈的数字钥匙。人工智能有望通过三大路径重塑中国的经济基本面。一是要素升级的革命性突破。人工智能驱动的要素重构产生显著的乘数效应，比如，智慧城市“大脑”通过实时处理上百亿条交通数据，使主干道通行效率大大提升。实践表明，当数据要素深度融入传统生产要素，将有望爆发出指数级增长动能。二是效率革命的范式创新。这种效率提升不是简单线性增长，而是通过算法优化实现系统性重构。三是价值创造的维度拓展。人工智能正在打开价值创造的“多维空间”，从满足需求转向创造需求。这就像打开“需求宇宙”的多维入口，人工智能不仅解决看得见的问题，还像探照灯一样，可能照亮用户从未意识到的潜在需求空间。好比以前用户打车时呼叫出租车以满足需求，现在网约车平台的人工智能不仅派车更快满足用户需要，还可在用户下班前自动预约路线，推荐拼车时显示“顺路奶茶店”，创造消费需求，甚至可能根据通勤数据，建议用户搬到更便捷的小区，创造新的居住需求。

其次是构建现代化产业体系的连接器。人工智能的渗透呈梯度扩散、纵横交织特征。一是纵向深化的产业变革，人工智能正重塑产业链的深度。二是横向融合的生态重构，这种跨界融合正在打破传统产业边界。最后是民生领域的普惠突破，人工智能正成为弥合发展鸿沟的均衡器。可用城市改造工程类比理解这个重要变革。以前技术升级是单点突破，好比只装修了某个楼层，现在则是立体改造。在纵向上，传统产业链像没有电梯的高层老楼，每楼层独立运作；人工智能像给高楼加装的智能电梯，从地下室的原料采购，到顶楼的售后服务，所有楼层实现实时数据联通与自动化调度。在横向上，过去产业像被河流隔开的城区；现在人工智能像跨江缆车，飞架南北，击破区域分割。在民生方面，传统公共服务像手电筒般仅限照亮特定区域；现在人工智能如智能路灯系统实现全域覆盖。

最后是全球竞争格局中的战略突围。在人工智能的国际竞逐中，中国正形成一些独特优势。中国拥有海量的数据“富矿”，为算法训练提供宝贵资源，正形成从芯片设计到智能应用的完整生态，构成市场纵深的战略优势。北京等地数据产权交易所先行先试机制展现一定的资源整合能力，这种顶层设计+基层创新的模式突破后发国家技术追赶的常规路径，构成制度创新的体制优势。这些系统化能力使中国在自动驾驶、智慧城市、人形机器人及生成式人工智能产业等赛道形成较强竞争力，并构成产业协同的系统优势。

中国人工智能发展存在哪些短板？

中国人工智能产业已迈入“深水区”，特别是近年来在应用层突飞猛进，但其底层技术、人才储备、数据流通及法治建设等领域仍存在不少短板。

其一，在基础层技术方面存在欠缺。我国长期存在用进口芯片训练国产算法的现状，折射出基础层技术的不足。国产芯片性能与国际顶尖产品存在较大差距，中国在人工智能基础理论领域的原创性贡献亦需提升，当前技术应用主要是在学习他国的基础上进行创新整合的结果。后发国家技术追赶面临应用创新陷阱——应用层繁荣掩盖了基础层的薄弱。在过度的实用主义氛围下，中国人工智能基础研究投入相对较低，这种失衡导致技术生态中人工智能专利的基础算法类占比少，应用类占比较高，影响人工智能领域持续创新能力。强应用、弱基础的倒挂现象使得产业发展缺乏牢固的地基。要改变这种局面，中国需要进一步鼓励高校与科研机构深化人工智能基础理论研究，以应对人工智能人才断层现象。

其二，数据流动不畅影响价值发挥。虽然中国每天都在生成海量数据，但数据流通不畅的问题影响了大数据在人工智能产业中应有价值的发挥。比如，一些政府部门存在数据孤岛，政务数据开放率有限；金融、医疗甚至法律等专业领域的数据受限于隐私保护或商业秘密等原因，开放和利用率低。隐私计算技术成熟度不足，制约数据交易场景。此外，数据要素市场化面临数据产权界定成本与交易摩擦并存问题。要激活数据要素价值，需创新“数据联邦”模式，建立政务数据“负面清单”开放机制，未来可鼓励发展诸如区块链存证+联邦学习技术等，实现“数据可用不可见”。近年来北京与长三角等地区建设数据产权登记中心与交易中心。不过，当前数据产权登记试点面临登记体系多样、登记客体模糊、法律效力不足等问题，数据登记相关规范存在重复与冲突。重叠设置登记机关增加财政支出，降低行政效率。制度重复与冲突加大重复登记的可能，增加企业成本。

其三，技术变革时代相关法律存在滞后。人工智能技术变革日新月异，就像一辆飞驶的汽车，却面临还停留在马车时代的交通规则。人工智能引发事故责任的主观过错认定和责任分配存在难题。如自动驾驶汽车引发的交通事故，是汽车所有人、汽车生产商还是算法公司担责，现有法律尚无明确规定，法理上亦存在较大争议。现有个人信息保护法面对人工智能设备“偷数据”行为缺乏刚性约束及相应法律条文。金融机构用人工智能审批贷款或核定保险产品，系统可能暗藏地域偏见与性别歧视。现行法律对这类问题，很可能找不到处罚的事实依据。此外，现行法律对数字人的身份认定及责任分担亦存在空白。这些涉及人工智能的法律滞后可能引发诸多风险。出于立法的天然滞后性，飞速发展的人工智能领域可能出现越来越多的法律空白，甚至有可能造成社会失序。

构建人工智能创新生态的中国方案

中国人工智能产业正处在从应用创新迈向体系创新的关键节点。针对上述各短板，中国应探索出一条分层突破、生态共建的发展路径，为全球智能经济转型贡献中国智慧和中国方案。

第一，建成合理的技术阶梯与人才供给。进一步鼓励实施应用导向的人工智能基础研究战略，在自动驾驶、智慧医疗及智慧能源等各垂直领域形成技术突破与理论创新双向循环，形成在人工智能基础层夯基垒台、在应用层百花齐放的格局。为此，还需要推进跨学科人才培养。进一步鼓励有条件的高校推动“人工智能+X”学科建设，培育多个交叉学科点，形成理论层—工程层—应用层的人才培养谱系，建成“人工智能+X”特色专业，使人才供给与产业需求精准匹配。

第二，畅通数据要素的价值转化。在政策层面，构建具有中国特色的数据要素市场体系，推动分类分级确权制度。《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》设定“数据产权”概念，在数据资源持有权、数据加工使用权、数据产品经营权“三权分置”构想的基础上，提出“研究数据产权登记新方式”等要求。当前我国正在试点建立地方数据产权登记体系，破解数据孤岛问题，通过为数据产权确权、分级定价等机制创新，建立数据“三权分置”的产权框架，为提升数据交易效率探索出实践路线。从长远来看，最终需要国家层面统筹协调数据产权登记规则的制订，不断健全跨地区、跨部门协调机制，发挥部门整体优势，达成规则共识、形成政策合力，真正扩展数据登记凭证的应用场景，使数据产权登记获得市场的统一认可。在技术层面，通过“数据可用不可见”技术，诸如医疗机构在不泄露患者个人隐私信息前提下，完成医疗数据交易，为人工智能＋医疗的产业深化奠定基石。具体而言，医疗领域的一些人工智能辅助诊断系统在保证病患隐私的前提下，使基层医院诊断准确率大大提升。这背后是数据要素市场化改革的三大支柱：数据资源确权定价；数据交易多级市场体系建设；联邦学习技术让相关企业联合建模时数据不出库。上述途径将使数据要素真正成为驱动创新的动力源。

第三，推动产业升级及生态建设。智能制造、智慧农业、智能问诊及数字政务等多领域的实践正形成试点—推广—迭代的良性循环，使技术红利从单点向实体经济全面渗透。人工智能产业稳健发展既需要资本活水，也需要法治保障。一方面继续推动人工智能多元治理的立法框架，另一方面，在立法滞后与法律空白的情况下，推进伦理治理，通过人工智能伦理委员会的审查，叫停存在歧视风险的系统，消除认知偏见，减少大模型的“幻觉问题”，推动技术发展向善而行。

第四，构建敏捷治理的中国范式。调整和优化生成式人工智能服务管理政策，确立包容审慎的监管框架，通过设立沙盒监管—负面清单—伦理审查三级机制，既防范风险又保留创新空间，形成制度竞争优势。鼓励有条件的地方设立监管沙盒，培育创新，划定一些先行试验区；负面清单设定禁区，对涉及国家安全、社会公共利益的核心区域实施准入限制，并通过动态调整机制确保清单与技术进步同步；伦理审查守护底线，建立人工智能伦理风险评估矩阵。该框架既避免对人工智能领域过度监管而抑制创新，又防范对人工智能产业的放任主义风险，推动构建发展-安全-治理三位一体的治理体系。

第五，以法治保障人工智能发展。在促进人工智能驱动经济发展的过程中，需要坚定不移地贯彻法治精神，健全法律制度，保障相关企业合法权益、个人权益及社会利益，这包括明确人工智能数据使用边界，打击算法抄袭、数据盗窃，防止大企业垄断挤压创新，等等。具体而言，一是划清权利和义务的边界，诸如明确自动驾驶事故责任划分，限定人脸识别使用场景，等等。二是强化知识产权保护，及时推进数据产权登记与数据产权保护。三是推进基于人工智能的纠纷解决机制试点，比如设立人工智能仲裁与法庭，提升纠纷解决效率。这些路径为人工智能产业构建法治保障，法治护航将释放人工智能企业的创新活力。

人工智能为中国经济发展构建新前景

人工智能驱动的经济转型正在创造新的发展方式：在生产方式上，实现从规模经济向智能经济范式跨越；在治理体系上，探索有效市场和有为政府结合的更优解；在文明维度上，开辟技术赋能人的全面发展的新路径。这场变革既关乎经济增长速度，也是生产方式、治理模式、文明发展的深刻转变。当制度创新与技术变革形成共振，中国经济发展将迎来新的前景，一个由数据驱动、算法优化、算力支撑的发展蓝图正在形成。

当前，中国经济正处于新旧动能转换的关键节点。人工智能引发的不仅是技术变革，更是一场涉及生产要素、产业组织、空间结构、制度体系的系统革命。经济发展底层逻辑的重构已悄然发生，传统经济依赖土地、工业厂房、石油及劳动力等有形要素，智能经济的核心生产资料则是数据、算法与算力。这些变革不是简单的效率提升，而是生产关系的重构——数据要素打破行业壁垒，算法优化重塑价值链，智能技术催生无边界企业。技术红利有望从效率工具升华为普惠福祉，让民众对智能经济的高质量发展成果可感可知。在这场动能转换的过程中，中国探索出一条独特路径，以超大规模市场培育应用场景，以制度创新激活数据要素。作为破解传统增长瓶颈的数字钥匙和构建现代化产业体系的连接器，人工智能将创造一个更具韧性、富有活力、可持续的经济形态，为推进中国式现代化注入动能。

（上文略有删减，内容来自《人民论坛》杂志2025年第5期，原标题 | 人工智能驱动中国经济产业升级）

随着DeepSeek的火爆出圈，人工智能作为当前全球创新最活跃的领域之一，正在迎来智能化升级浪潮。登上春晚舞台扭起秧歌的宇树机器人、动画技术革新领跑电影票房的《哪吒之魔童闹海》，这些现象级的人工智能科技成为2025年年初的热门话题。当前，人工智能的研发和应用正在以前所未有的速度增长。势不可挡的人工智能，将会对经济社会带来哪些深远影响？一起关注！

人工智能三大发展趋势

第一，生成式人工智能聊天工具（大语言模型，LLM）呈现飞速发展态势。自从2022年11月人工智能聊天工具ChatGPT正式上线以来，基于大语言模型（LLM）的各种生成式AI工具不断涌现，其中很多工具甚至在短时间内就积累起了庞大的用户群体。生成式AI的广泛使用有可能改变经济发展、社会结构和全球竞争格局。结合世界银行的最新研究以及AI工具的检索结果表明：截至2025年2月，至少已有数百种生成式AI工具。访问量排名前10的AI工具每月总访问量超过71亿次。由于具备多样性和广泛的适用性，聊天机器人在生成式AI领域中占据主导地位，占前40大AI工具总流量的95%（中国有5个聊天机器人进入全球前10大AI工具）。其中，ChatGPT单独占据了前十大AI 工具总流量的53.52%，每月活跃用户达38亿。来自中国的DeepSeek月访问量 1.5 亿，其基于开源高性能模型，增速极快，发布3个月就跻身全球前十。

美国的AI开发和应用占据全球主导地位，一项美国全国性研究表明：2024年8月，美国18岁至64岁人口中有39%的人使用了生成式AI。超过24%的职场人士在接受调研前的一周内至少使用过一次生成式AI，接近九分之一的人在每个工作日都使用它。纵向历史数据的对比表明：生成式AI的应用速度比历史上个人电脑和互联网刚出现时候的发展速度更快。

第二，从全球范围看，中等收入国家对生成式AI的应用速度更快，低收入经济体与中高收入经济体对于AI的应用差距显著。自ChatGPT发布以来，它已覆盖全球218个经济体中的大多数。截至2025年2月，ChatGPT流量最高的五个经济体是美国（14.07%）、印度（9.49%）、巴西（4.74%）、英国（3.87%）和印度尼西亚（3.86%）。ChatGPT上线一个月后，美国的流量占比从70%降至25%。中等收入经济体贡献了超过50%的流量，相对于其GDP、电力消耗和搜索引擎流量而言，生成式AI的采用率明显较高。然而，低收入经济体的ChatGPT全球流量占比不到1%。更高的收入水平、更高的青年人口比例、更完善的数字基础设施以及更强的人力资本是生成式AI采用率较高的关键因素。

第三，人工智能与互联网、各种数字技术的广泛普及一样，正在转变为一项通用技术进步，对未来的经济社会将产生深远影响。几年前最先出现的人工智能系统都是“窄人工智能”，或者用于特定工作任务的某种自动化技术进步，比如工业机器人。而自2020年以来，现代的大语言模型（LLM）和其他类型的生成式AI正逐渐向通用化发展，能够执行从创意任务到简单推理在内的多种认知功能。深度学习代表性人物之一，图灵奖和诺贝尔奖得主杰弗里·辛顿表示，2023年他“突然改变了对这些AI技术是否会比人类更智能的看法”，并预估通用人工智能（AGI）将在“5到20年内实现，但没有太大信心，因为我们正处在一个非常不确定的时代”。

人工智能对劳动力市场有哪些影响？

当前，AI对经济增长和发展的影响，主要体现在对未来劳动力市场的重塑，尤其是产生的一系列变化及现象受到广泛关注。这些影响主要体现在AI对就业和工资增长、职业技能需求以及劳动收入差距影响等多个方面。AI的广泛应用将为劳动力市场带来前所未有的机遇，特别是在促进中低收入群体就业、降低收入差距、创造公平就业机会、提高劳动生产率和工作质量方面都具有积极的影响。

第一，尽管生成式AI在全球范围内正在以前所未有的速度发展，但是目前来看其对就业市场的总体影响依然有限。以美国为例，麦肯锡的调查显示，美国2022年与AI相关的招聘和就业岗位仅占全部就业岗位的2%，2023年不仅没有增长，还进一步下降到1.6%。全世界中等收入国家和高收入国家目前与AI相关就业、招聘岗位占全部就业岗位的比重大约仅为1%，低收入国家更是远低于1%的水平。2023年人工智能的扩张速度相较于前两年已经明显放缓，市场饱和度和竞争充分的趋势加剧，即便以目前的扩张速度来看，人工智能的应用在中短期甚至长期来看都不可能对各国就业市场产生大规模的冲击，更不可能对中国的就业市场产生显著影响。更为重要的是，正如麻省理工学院奥托教授提醒大家应当注意的是，随着全球人口出生率的走低和老龄化的加深，人们更应该担心的是未来全球劳动力的短缺变化趋势，而不是人工智能造成就业岗位的显著替代和就业机会的下降。

第二，目前大量的研究表明人工智能在显著提升劳动生产率、提高工作质量的情况下，并没有对就业岗位产生显著替代作用，反而还会在一定程度上促进就业增长。国际上不少研究成果均已表明，人工智能、互联网、大数据、云计算、供应链管理等数字技术以及基于数字技术的平台经济对就业增长总体上会产生促进作用，但是工业机器人的应用对就业增长的影响作用总体上为负面作用。主要原因在于，通用类型的技术进步产生的就业创造和就业补偿作用总体上要高于技术进步带来的就业替代作用，而工业机器人主要是用来完成特定专用任务的一种自动化技术设备，更容易产生就业替代作用。一些专门针对AI的实验室和实地随机受控实验研究表明，人工智能的应用对软件开发、金融服务、法律咨询、销售等领域的生产率提升效应十分显著，在保证工作任务质量前提下，劳动生产率的提升幅度介于26%至56%之间。更多的研究则发现，人工智能的应用会同时提高工作效率，节省工作时间，同时也大幅提升了工作质量及满意度，但并未在行业或者职业层面发现AI对就业增长产生显著的负面影响，反而由于生产率大幅提升会促进业务量增长从而带动就业增长。

第三，人工智能的应用主要集中在服务业部门。在高收入、高学历、高技能需求行业，AI的普及和应用程度更高。多数已有的实验研究发现，AI显著降低了高技能群体的技能相对优势，提升了中低技能群体的生产率和工作质量，有助于中低技能群体节省学习成本和学习时间，AI广泛应用会显著缩小高技能与中低技能群体收入差距，对于促进中低技能群体就业、创造更加公平的就业环境会产生重要促进作用。以互联网为代表的信息技术日新月异，引领了社会生产新变革。虽然信息技术的广泛应用大幅度提升了生产率并且没有对总体就业产生严重的替代作用，但是信息数字技术进步和广泛应用却显著扩大了高收入群体与低收入群体之间的收入差距，也就是我们通常说的“技能偏向类型的技术进步”。而人工智能的应用与信息数字技术完全不同，实验研究表明，AI对金融、法律、咨询、教育、科研、销售、软件通讯领域的大规模应用会大幅度提升这些行业中初学者、技能较低从业人员的生产率和工作质量，但对于这些行业中很多高技能、经验丰富员工的生产率提升非常有限，AI应用会显著缩小中低技能群体与高技能群体之间的生产率差距和收入差距。更值得注意的是，AI还为缓解机器人替代掉的中间技能劳动力提供了更多重新就业的机会，由于机器人主要是替代中间技能以及常规任务非认知类型的工作岗位，而AI主要用来弥补中间技能群体技能不足，对中间技能群体从事高技能、认知类型的工作岗位会产生显著的互补作用，促进中间技能群体重新就业，这对于稳定和重塑中间技能劳动力的就业将产生积极作用。中国是全球最大的、增长最快的工业机器人市场，数据显示，目前工业机器人应用已覆盖中国国民经济60个行业大类、168个行业中类。人工智能在中国的广泛应用将显著填补制造业中因机器人替代而减少的中间技能劳动力，从而为稳定国内就业增长发挥更为积极的作用。

人工智能在应用领域的最新进展

人工智能在医学领域的应用取得重大进展。2023年，多个重要的人工智能医疗系统相继推出，包括提升疫情预测能力的EVEscape和辅助人工智能驱动的基因突变分类的AlphaMissense。人工智能正被越来越多地用于疫情预测、新药物研发、医疗诊断等医学和生物学领域，高水平的医学人工智能时代已然到来。比如，针对基因突变，目前科学家们仍然无法完全理解基因突变会导致疾病的机理，无法判断突变是良性还是致病性等，这些都需要耗费大量精力进行实验。2023年，谷歌研究人员推出了AlphaMissense，这是一种新的AI模型，可以预测7100万个基因突变的致病性。基因突变可能导致包括癌症在内的多种疾病。在7100万种可能的错义变异中，AlphaMissense对89%进行了分类，其中57%被识别为可能良性，32%被识别为可能致病，其余的被归类为不确定。相比之下，人类注释者仅能确认所有错义突变性质中的0.1%。再比如，在AI绘制人类基因组图谱方面，首个人类基因组草案于2000年发布，并在2022年更新，取得重大突破。2023年，由来自60个机构的119位科学家组成的人类泛基因组研究联盟利用人工智能开发了一个更新且更具代表性的人类基因组图谱。此基于AI绘制的最新版基因组图谱，标注了99.07%的编码蛋白基因、99.42%的编码蛋白转录本，是迄今为止最全面、最具遗传多样性的人类基因组图谱。人工智能正越来越多地被用于实际医疗用途。

人工智能在气象预报与自然灾害预测方面的技术研发与实际应用。2023年新推出的人工智能系统GraphCast是一款新的天气预报系统，可以在不到一分钟内提供高度精确的未来十天天气预测。通过使用图神经网络和机器学习，GraphCast处理海量数据集，可以预测温度、风速、大气状况等多种气象要素，其预测结果与实际天气模式更为接近。GraphCast可以成为解析天气模式的重要工具，增强对极端天气事件的应对准备，并为全球气候研究作出贡献。2023年发布的AI新研究在预测大规模洪水事件方面取得了显著进展。洪水是最常见的自然灾害之一，尤其对基础设施缺乏的欠发达国家会造成毁灭性影响。一支来自谷歌的研究团队利用AI开发了高精度的水文模拟模型，适用于未监测的流域。这些创新方法能够提前多达五天预测某些极端洪水事件，其准确性达到或超越了当前最先进的模型（比如全球洪水预警系统GloFAS），该人工智能模型在一系列自然灾害事件中的预测精度均优于领先的现代方法，目前已在全球80余个国家用于洪水事件预测。

人工智能在推动新材料发现和应用方面具有重要作用。寻找新型功能材料是推动包括机器人技术和半导体制造在内的多个科学领域进步的关键。然而，这一发现过程通常成本高昂且进展缓慢。谷歌研究人员最新研究表明，利用最新开发的AI模型在大规模数据集上训练后，能够加速这一过程。他们的模型GNoME在材料发现方面的表现超越了传统方法，能够识别出大量稳定晶体。在以往GNoME揭示的220万个新的晶体结构中，许多是被人类研究人员所忽略的。像GNoME这样的由人工智能驱动的新材料研发项目的成功，凸显数据和规模在加速科学突破中的力量。

人工智能应用面临哪些主要风险？如何管制？

第一，人工智能应用也会带来各类风险和事故。人工智能事件数据库专门追踪各类人工智能的滥用实例，例如，面部识别系统导致错误逮捕、浪漫聊天机器人大量收集个人健康情绪等敏感隐私信息等。而且人工智能滥用事件的数量每年还在持续增加。《2024年人工智能指数报告》指出，2023年报告了123起人工智能滥用事件，比2022年增加了32.3%。自2013年以来，这类事件增加了20多倍。报告显示，滥用事件的持续增加可能源于人工智能在现实应用中的更大整合以及潜在滥用意识的不断膨胀。

第二，对人工智能带来的安全和可靠性问题的担忧不断增加。随着人工智能能力的不断提升，模型将会变得越来越普及，如何确保其安全性和可靠性成为政府部门的首要任务。一是确保人工智能系统的完整性涉及保护算法、数据和基础设施等组件免受网络攻击或对抗性攻击等外部威胁。二是安全性涉及尽量减少因故意或无意滥用人工智能系统而造成的伤害。这包括自动化黑客工具的开发或在网络攻击中使用人工智能等问题。三是安全性还包括人工智能系统自身固有的风险，例如可靠性问题以及潜在风险。在2023年，人工智能系统的安全性和可靠性引发了重大讨论，特别是关于与高级人工智能相关的潜在极端或灾难性风险。例如算法歧视，一些研究人员主张解决当前的风险问题，而另一些研究人员则强调应当为高级人工智能可能带来的极端风险做好准备。鉴于无法保证这些风险不会在某个时刻出现，因此需要通过负责任的人工智能开发来应对当前风险，同时监测尚未显现的潜在未来风险。此外，人工智能系统可能会放大网络攻击，导致威胁变得愈加复杂、适应性强且难以监测。随着人工智能模型越来越普遍和复杂，识别安全漏洞的关注度也在持续上升。

第三，人工智能应用对全球范围内政治虚假信息的可能影响。讨论人工智能对政治过程影响时，最主要的担忧之一是虚假信息的产生。虽然政治虚假信息是一个存在上千年的老问题，但人工智能使得生成此类虚假信息变得更为容易。自2020年美国总统选举以来，深度伪造技术显著提升。大规模的虚假信息可能会削弱公众对政府的信任与支持，并使公众讨论两极化。在2023年，更是出现了关于人工智能如何自动生成和传播伪造信息的案例研究，这个看似真实的虚假信息系统的设置仅需约400美元。

针对人工智能应用带来的风险安全挑战，全球各国对于人工智能的管制措施数量开始快速增长。斯坦福大学发布的《2024年人工智能指数报告》数据显示：全球立法程序中提到人工智能的次数几乎翻了一番，从2022年的1247次上升到2023年的2175次。2023年，49个国家的立法程序中提到了人工智能。美国发布人工智能法规的监管机构数量从2022年的17个增加到2023年的21个，显示出美国更广泛的监管机构对人工智能监管日益关注。比如，2023年美国立法机构提议设立《人工智能国家安全法案》，该提案明确并巩固了国防部获取基于人工智能终端安全工具的权力，从而增强其网络防御能力，该法案旨在使国防部能够利用人工智能自动监测和缓解对其网络和数字基础设施的威胁。再比如，2023年美国政策制定者提出《人工智能研究、创新和责任法案》，呼吁建立国家人工智能委员会，负责制定全面的人工智能监管框架。鉴于人工智能的快速创新和复杂性，法案重点在于减轻风险、维护美国在人工智能研发领域的领导地位。

（上文略有删减，内容来自《人民论坛》杂志2025年第5期，原标题人工智能的迭代演进及潜在影响。）

免责声明：本文所载内容来源于互联网、公众号等公开渠道，我们对文中观点持中立态度，仅供读者参考、交流。转载的稿件版权归原作者和机构所有。