专访复旦肖仰华：应推动发展国产算力联盟和生态，科研文化需鼓励原始创新

红星资本局5月23日消息，2023数字经济（东湖）论坛上，复旦大学教授、上海市数据科学重点实验室主任肖仰华就国内大模型与数字经济发展的关系做主旨演讲。

会后肖仰华接受红星资本局专访，他阐明当前国内大模型发展，技术同质化严重，应推动算力联盟、数据联盟和技术联盟成立。他还指出，需要不断优化科研文化和科研生态，才能激发原始创新。而原始创新对于日后科技引领非常重要。

复旦大学教授、上海市数据科学重点实验室主任肖仰华

协调和统筹大模型研发资源

推动数据、模型研发等方面的联盟和协作

对当前国内大模型发展状态，肖仰华表示，正面来说，企业意识到大模型的战略意义，积极主动投入资源值得肯定；但另一方面，企业各自为政，采取了同质化的技术路线，导致重复投入，造成资源浪费，还会浪费宝贵的时间。“国际竞争焦点是科技竞争，已经到了白热化的阶段，慢一拍就会形成非常大的差距。所以我们要尽可能避免资源与时间浪费。”

“我们国家的大模型产业，现在处于起步阶段，又是各自为政，大模型能力缺乏统一的规划和协调，所以大模型产业需要进一步的统筹。”他对红星资本局表示。

肖仰华认为目前国内大模型的主要问题是：技术同质化比较严重；数据生态不完善；算力被掣肘。

他强调，应发展国产算力，尤其发展国产算力联盟和生态；并且持续投入模型创新，避免“卡脖子”风险；需要试错的技术路线不要重复去试，这样可以极大提升研发效率。

肖仰华呼吁，要有第三方机构出面，协调和统筹我国大模型研发资源上的规划和投入，推动数据、算力、模型研发等方面的联盟和协作。

2015年成立的Open AI，2018年投入大模型研发，到今年已五年时间。“它们花了很大时间去试错和摸索，这是难以一朝一夕赶上的，即便我们的很多企业都在努力追赶。”肖仰华说，对于工艺过程的追赶，我们的优势在于举国体制，可以把串行的试错变成并行的试错，比如10条技术路线同时试错。

但这样的并行试错背后需要相关研发机构形成联盟，从而做到技术共享、协同研发。把试错的成本和代价极大降低，显著缩短试错周期。“关键还是在于要推动算力联盟、数据联盟和技术联盟。”

建议打造完善大模型产业生态

科研文化需鼓励原始创新

对国内大模型发展而言，起步较晚，那优势*？

肖仰华给红星资本局列举了中国发展AIGC（人工智能生成内容）的自身优势，比如数据基础好、市场广阔。“我们的数据采集、汇聚、流通、交易、共享等方面基础良好，推进的进程不比美国差多少。而且我们有‘数据二十条’，有明确的法律法规保障数据产业的健康发展，这对于大模型发展非常重要。有了法律法规的保障以后，在数据基础上做价值变现，才有可能形成优质大模型，所以数据是我们非常大的优势。”

大模型发展，需要应用和市场检验，要把模型研发和应用检验两个环节双向拉通，迭代演进，模型才能进步，应用才有成效。在这方面，肖仰华指出，“我们国家非常有优势，因为我们有14亿人的广阔市场。广阔市场一定会带来丰富应用场景，可以检验大模型的应用效果，进而反馈与推动大模型的发展。”

但肖仰华同样提到短板，比如算力被掣肘，在通用人工智能技术原始创新方面也相对落后。他建议打造完善大模型的产业生态，打通大模型应用的后一公里，建立完整的大模型产业生态。“用成熟的生态带动大模型核心技术的研发，这或许会是中国特色的大模型产业发展道路。在大模型产业发展方面，我们不必盲从，走出自己的特色更为重要。”

肖仰华解释，“应用和集成创新，这是我们的强项。但是跟美国相比，我们缺的是原始创新，原始创新甚至到了极度稀缺的程度。需要不断优化科研文化和科研生态，才能激发原始创新。”

“我们过去的科研文化适合追赶。要肯定过去的成绩，能够用短短几十年追赶到现在的这个地步是非常不容易的。但是要有清醒的认识，追赶的心态在未来的科技竞争中，可能不适合原始创新。”

肖仰华呼吁，在科研领域，我们的科研文化要容忍异类，要多一点不同的声音，要百花齐放。将来想要引领，就一定要鼓励原始创新。这就要求科研文化足够宽容、允许失败、允许偏执，鼓励思辨、鼓励质疑，才有可能真正实现原始创新。

“我相信我们的科研文化会改变，国家也在推动这个事情。文化的改变绝不是一朝一夕的，需要漫长的过程，需要所有人的努力。”肖仰华说。

红星新闻记者 王田

编辑 杨程

以上就是【专访复旦肖仰华：应推动发展国产算力联盟和生态，科研文化需鼓励原始创新】的相关内容，查看其它ai资讯请关注微咔网