中國(guó)網(wǎng)/中國(guó)發(fā)展門(mén)戶(hù)網(wǎng)訊 大模型的涌現(xiàn)和同質(zhì)化能力不僅將大幅提升人類(lèi)的認(rèn)知效率，還將引發(fā)經(jīng)濟(jì)、社會(huì)、文化等領(lǐng)域的變革與重塑。世界主要國(guó)家爭(zhēng)相加快推進(jìn)大模型發(fā)展，探索大模型發(fā)展的有效路徑成為當(dāng)前關(guān)注的焦點(diǎn)。美國(guó)大模型開(kāi)源創(chuàng)新生態(tài)的繁榮是其技術(shù)和產(chǎn)業(yè)發(fā)展始終走在前列的重要原因。一方面，大量開(kāi)源的基礎(chǔ)大模型層出不窮，不斷推動(dòng)底層技術(shù)性能的進(jìn)步。例如，以開(kāi)放式大語(yǔ)言預(yù)訓(xùn)練模型OPT、GPT-NeoX-20B等為代表的早期開(kāi)源大模型的推出促進(jìn)了開(kāi)源社區(qū)對(duì)大模型的研究，美國(guó)OpenAI公司推出的GPT大模型的早期版本也完全開(kāi)源。開(kāi)源情況下，研發(fā)者能直接接觸具有前沿性能的大模型，通過(guò)對(duì)已有開(kāi)源大模型進(jìn)行微調(diào)或者采用更大、更高質(zhì)量數(shù)據(jù)集及更大規(guī)模模型參數(shù)創(chuàng)建性能更優(yōu)的基礎(chǔ)大模型，推動(dòng)開(kāi)源大模型技術(shù)性能快速進(jìn)步。另一方面，以開(kāi)源大模型為基礎(chǔ)的開(kāi)源應(yīng)用不斷出現(xiàn)，推動(dòng)大模型產(chǎn)業(yè)的壯大。以AI（人工智能）繪畫(huà)生成工具Stable Diffusion為代表的開(kāi)源大模型形成了廣泛的用戶(hù)社區(qū)，衍生出極具多樣性的應(yīng)用場(chǎng)景，打開(kāi)了大模型產(chǎn)業(yè)應(yīng)用的想象空間。

與之相比，盡管我國(guó)部分大模型性能突出，但大模型上下游產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié)缺乏協(xié)同，存在競(jìng)爭(zhēng)無(wú)序和資源浪費(fèi)現(xiàn)象。一方面，存在大量未開(kāi)源的低質(zhì)量大模型，導(dǎo)致低水平重復(fù)建設(shè)，難以真正推動(dòng)我國(guó)大模型的發(fā)展；另一方面，大模型上游涉及的數(shù)據(jù)、算力，以及下游涉及的應(yīng)用，均未能建立起真正的開(kāi)源開(kāi)放生態(tài)，阻礙了我國(guó)大模型產(chǎn)業(yè)的發(fā)展。這一狀態(tài)將影響我國(guó)大模型產(chǎn)業(yè)的可持續(xù)發(fā)展，難以保障我國(guó)科技安全和產(chǎn)業(yè)鏈安全。

經(jīng)驗(yàn)表明，開(kāi)源創(chuàng)新生態(tài)能幫助匯聚全球開(kāi)發(fā)者智慧以推動(dòng)大模型技術(shù)進(jìn)步，并激發(fā)社會(huì)創(chuàng)新活力加快大模型應(yīng)用落地，能夠憑借開(kāi)源開(kāi)放這一全球公認(rèn)的突破科技?jí)艛嗷蛑萍s的有力手段推動(dòng)我國(guó)大模型及相關(guān)產(chǎn)業(yè)發(fā)展。然而，現(xiàn)有研究缺乏對(duì)大模型開(kāi)源創(chuàng)新生態(tài)的關(guān)注。本文從上游供應(yīng)生態(tài)、下游應(yīng)用生態(tài)和治理協(xié)調(diào)生態(tài)3個(gè)維度回顧開(kāi)源創(chuàng)新生態(tài)構(gòu)建的相關(guān)經(jīng)驗(yàn)；從關(guān)系到大模型性能的底層算法、數(shù)據(jù)和算力維度，大模型下游產(chǎn)業(yè)生態(tài)搭建現(xiàn)狀，大模型開(kāi)源治理體系，以及政府系統(tǒng)協(xié)同政策推動(dòng)方面，分析目前我國(guó)大模型開(kāi)源創(chuàng)新生態(tài)構(gòu)建存在的問(wèn)題；在此基礎(chǔ)上，提出構(gòu)建開(kāi)源創(chuàng)新生態(tài)推動(dòng)大模型產(chǎn)業(yè)發(fā)展的相關(guān)對(duì)策建議。

開(kāi)源創(chuàng)新生態(tài)對(duì)發(fā)展我國(guó)大模型的重要意義

大模型是指包含超大規(guī)模參數(shù)（通常在10億個(gè)以上）的深度學(xué)習(xí)或機(jī)器學(xué)習(xí)模型，具有基礎(chǔ)資源門(mén)檻高、產(chǎn)業(yè)集群效應(yīng)強(qiáng)和潛在壟斷性大等特點(diǎn)，后發(fā)企業(yè)難以快速形成行業(yè)積累實(shí)現(xiàn)追趕。開(kāi)發(fā)貢獻(xiàn)者、行業(yè)開(kāi)源者、開(kāi)源使用者等多元?jiǎng)?chuàng)新主體基于開(kāi)放、協(xié)作和共享理念，圍繞數(shù)字基礎(chǔ)設(shè)施構(gòu)建協(xié)同創(chuàng)新和價(jià)值共創(chuàng)的開(kāi)源創(chuàng)新生態(tài)，有助于整合資源降低大模型研發(fā)成本，匯聚眾智促進(jìn)大模型技術(shù)迭代演進(jìn)，形成相對(duì)競(jìng)爭(zhēng)優(yōu)勢(shì)，從而有效推動(dòng)大模型的發(fā)展與趕超。

整合底層基礎(chǔ)資源，降低行業(yè)研發(fā)成本

大模型往往需要大量的訓(xùn)練數(shù)據(jù)、多種不同的學(xué)習(xí)任務(wù)及強(qiáng)大的計(jì)算資源支撐，致使訓(xùn)練成本巨大（例如，GPT-3的訓(xùn)練據(jù)估計(jì)花費(fèi)超過(guò)4 600萬(wàn)美元）。開(kāi)源創(chuàng)新生態(tài)一方面能夠促進(jìn)基礎(chǔ)數(shù)據(jù)資源的自由流動(dòng)和高速聚集整合，從頂層設(shè)計(jì)上擴(kuò)大數(shù)據(jù)規(guī)模、提高數(shù)據(jù)質(zhì)量和多樣性，加強(qiáng)中文數(shù)據(jù)的標(biāo)準(zhǔn)化集成和持續(xù)積累優(yōu)化，為大模型算法和技術(shù)研發(fā)提供數(shù)據(jù)保障；另一方面可以提供基礎(chǔ)的大模型算法技術(shù)并促進(jìn)算力基礎(chǔ)設(shè)施的共建共用，以低成本的開(kāi)放協(xié)作模式推動(dòng)開(kāi)發(fā)者充分探索參數(shù)、數(shù)據(jù)和算力組合情況下的性能表現(xiàn)，推動(dòng)大模型整體的改進(jìn)創(chuàng)新。由此，開(kāi)源創(chuàng)新生態(tài)能夠通過(guò)數(shù)據(jù)共享、算法開(kāi)源、算力基礎(chǔ)設(shè)施共建共用等方式，解決大模型研發(fā)和應(yīng)用中單一機(jī)構(gòu)難以完全滿(mǎn)足數(shù)據(jù)、算法和算力資源要求的問(wèn)題，從而降低企業(yè)乃至全社會(huì)商業(yè)化大模型的成本?？梢?jiàn)，開(kāi)源創(chuàng)新生態(tài)有助于打破壟斷、降低大模型技術(shù)研發(fā)和優(yōu)化的競(jìng)爭(zhēng)壁壘，提高大模型數(shù)據(jù)和算力等基礎(chǔ)設(shè)施的使用效率，加速推動(dòng)我國(guó)大模型技術(shù)的創(chuàng)新發(fā)展及快速應(yīng)用。

推動(dòng)技術(shù)透明可信，促進(jìn)技術(shù)迭代創(chuàng)新

大模型高昂的研發(fā)成本限制了學(xué)術(shù)界、非營(yíng)利組織和較小規(guī)模工業(yè)實(shí)驗(yàn)室研究人員對(duì)大模型的研究和訪問(wèn)；不僅如此，閉源的大模型研發(fā)過(guò)程大幅降低了技術(shù)透明度和可信度，難以匯聚社會(huì)多方力量深化對(duì)大模型技術(shù)相關(guān)道德倫理風(fēng)險(xiǎn)的認(rèn)知，進(jìn)而阻礙大模型技術(shù)在各行業(yè)中的落地應(yīng)用。大模型開(kāi)源創(chuàng)新生態(tài)能降低各方潛在參與者參與大模型研究的難度，使得研究者更好理解大模型工作原理，提升社會(huì)對(duì)大模型應(yīng)用接受度。同時(shí)，大模型的發(fā)展具有較強(qiáng)的產(chǎn)業(yè)集群效應(yīng)（圖1），開(kāi)源創(chuàng)新生態(tài)有助于數(shù)據(jù)、算法和算力全方位協(xié)同，供應(yīng)商、從業(yè)人員、平臺(tái)、服務(wù)、數(shù)據(jù)和生產(chǎn)有效結(jié)合，加快大模型在各個(gè)產(chǎn)業(yè)中的應(yīng)用，促進(jìn)從模型層、中間層到應(yīng)用層的多元主體價(jià)值共創(chuàng)。開(kāi)源開(kāi)放有助于建立社會(huì)對(duì)大模型技術(shù)的信任，推動(dòng)不同級(jí)別大模型在各個(gè)行業(yè)的應(yīng)用，而通過(guò)廣泛應(yīng)用場(chǎng)景積累的技術(shù)需求和技術(shù)問(wèn)題將反哺大模型技術(shù)本身，推動(dòng)大模型技術(shù)迭代發(fā)展。

以非對(duì)稱(chēng)競(jìng)爭(zhēng)優(yōu)勢(shì)，打破潛在行業(yè)壟斷

開(kāi)源開(kāi)放是全球公認(rèn)的突破科技?jí)艛嗷蛑萍s的有力手段，推動(dòng)大模型開(kāi)源創(chuàng)新生態(tài)建設(shè)不僅將為我國(guó)大模型技術(shù)提供新的發(fā)展機(jī)遇，還有望推動(dòng)我國(guó)大模型產(chǎn)業(yè)出海，打破潛在行業(yè)壟斷，化被動(dòng)為主動(dòng)?！拔④沇indows+OpenAI大模型+英偉達(dá)GPU”通過(guò)強(qiáng)強(qiáng)聯(lián)合綁定形成新的壟斷生態(tài)，阻礙我國(guó)信創(chuàng)產(chǎn)業(yè)發(fā)展、威脅我國(guó)信創(chuàng)產(chǎn)業(yè)的科技安全和產(chǎn)業(yè)鏈安全。大模型開(kāi)源創(chuàng)新生態(tài)能充分發(fā)揮我國(guó)在開(kāi)源芯片等領(lǐng)域的技術(shù)優(yōu)勢(shì)，并通過(guò)集中攻關(guān)開(kāi)辟新賽道形成非對(duì)稱(chēng)競(jìng)爭(zhēng)優(yōu)勢(shì)。同時(shí)，推動(dòng)我國(guó)大模型開(kāi)源創(chuàng)新生態(tài)在全球大模型生態(tài)中占據(jù)一席之地，可為我國(guó)大模型技術(shù)在其他國(guó)家的應(yīng)用提供良好契機(jī)。這能夠打破國(guó)外大模型的潛在壟斷生態(tài)，擺脫對(duì)歐美科技基于封閉知識(shí)產(chǎn)權(quán)的“非對(duì)稱(chēng)依賴(lài)”。既往發(fā)展經(jīng)驗(yàn)表明，構(gòu)建開(kāi)源創(chuàng)新生態(tài)不僅能推動(dòng)上下游相關(guān)產(chǎn)業(yè)健康有序協(xié)同發(fā)展，還能掌握一定技術(shù)發(fā)展路線話語(yǔ)權(quán)和主導(dǎo)權(quán)，使我國(guó)軟件產(chǎn)業(yè)牢牢嵌套在國(guó)際整體生態(tài)之中，打破制約壟斷。

構(gòu)建開(kāi)源創(chuàng)新生態(tài)的國(guó)際經(jīng)驗(yàn)

開(kāi)源運(yùn)動(dòng)從軟件代碼的公開(kāi)協(xié)作開(kāi)始，其開(kāi)放共享的理念逐步擴(kuò)散到計(jì)算機(jī)及相關(guān)產(chǎn)業(yè)的方方面面。越來(lái)越多來(lái)自全球的個(gè)人開(kāi)發(fā)者和組織積極投身到開(kāi)源運(yùn)動(dòng)中，數(shù)十年間國(guó)際上圍繞開(kāi)源逐步構(gòu)建起穩(wěn)固完善的上游供應(yīng)生態(tài)、豐富多元的下游應(yīng)用生態(tài)和公開(kāi)有效的治理協(xié)調(diào)生態(tài)，其發(fā)展經(jīng)驗(yàn)值得借鑒以構(gòu)建我國(guó)大模型開(kāi)源創(chuàng)新生態(tài)。

構(gòu)建穩(wěn)固完善的開(kāi)源上游供應(yīng)生態(tài)

上游供應(yīng)生態(tài)的發(fā)展為開(kāi)源項(xiàng)目的技術(shù)進(jìn)步和持續(xù)創(chuàng)新奠定了基礎(chǔ)。

支持開(kāi)發(fā)者的開(kāi)發(fā)工具和資源是上游供應(yīng)生態(tài)的關(guān)鍵組成部分。開(kāi)源項(xiàng)目可以為開(kāi)發(fā)者提供友好的協(xié)作工具、文檔和教育資源，以幫助他們理解和使用項(xiàng)目，提高開(kāi)發(fā)效率并確保代碼質(zhì)量。在國(guó)際大模型開(kāi)源過(guò)程中，這些開(kāi)發(fā)工具和資源也被大量采用。例如，開(kāi)源分布式版本控制系統(tǒng)Git為開(kāi)發(fā)者提供了管理代碼版本、協(xié)作開(kāi)發(fā)和代碼審查等功能，其廣泛應(yīng)用使得開(kāi)發(fā)者能夠更好地管理和追蹤代碼的變更，同時(shí)也有助于團(tuán)隊(duì)間的協(xié)作和合作。集成開(kāi)發(fā)環(huán)境（IDE）和編程語(yǔ)言工具鏈等開(kāi)發(fā)工具為開(kāi)發(fā)者提供了高效的編寫(xiě)環(huán)境，Visual Studio Code、Eclipse、PyCharm等開(kāi)放的集成開(kāi)發(fā)環(huán)境提供了豐富的功能和插件生態(tài)系統(tǒng)，使得開(kāi)發(fā)者能夠高效地編寫(xiě)、測(cè)試和調(diào)試代碼。

支持開(kāi)發(fā)者的數(shù)據(jù)是上游供應(yīng)生態(tài)的關(guān)鍵一環(huán)。作為軟件開(kāi)發(fā)的重要底座，數(shù)據(jù)對(duì)應(yīng)用性能訓(xùn)練的提升至關(guān)重要。開(kāi)放的數(shù)據(jù)集不僅有利于構(gòu)建公開(kāi)透明的協(xié)作環(huán)境，同時(shí)能大幅降低技術(shù)開(kāi)發(fā)前期成本及開(kāi)發(fā)門(mén)檻，推動(dòng)技術(shù)進(jìn)步。目標(biāo)檢測(cè)、自動(dòng)駕駛、人臉識(shí)別、自然語(yǔ)言處理、文本監(jiān)測(cè)、醫(yī)療等方向均有大量經(jīng)典開(kāi)源數(shù)據(jù)集，例如人臉識(shí)別領(lǐng)域的YouTube Face Database包含1595個(gè)不同人的3425個(gè)視頻，總計(jì)671.41 GB數(shù)據(jù)，能夠幫助訓(xùn)練優(yōu)化人臉識(shí)別算法，減少開(kāi)發(fā)人員在技術(shù)早期開(kāi)發(fā)過(guò)程中遇到的困難。這些經(jīng)典開(kāi)源數(shù)據(jù)集也是大模型產(chǎn)生之初可靠的數(shù)據(jù)來(lái)源。

打造豐富多元的開(kāi)源下游應(yīng)用生態(tài)

下游應(yīng)用生態(tài)包括開(kāi)源軟件的應(yīng)用和集成，以及相關(guān)的商業(yè)生態(tài)系統(tǒng)。豐富多元的下游應(yīng)用生態(tài)能吸引更多開(kāi)發(fā)者和企業(yè)使用、擴(kuò)展和創(chuàng)造基于開(kāi)源項(xiàng)目的應(yīng)用，促進(jìn)相關(guān)產(chǎn)業(yè)的繁榮發(fā)展。以往的開(kāi)源下游應(yīng)用生態(tài)構(gòu)建經(jīng)驗(yàn)值得我國(guó)在打造大模型開(kāi)源下游應(yīng)用生態(tài)過(guò)程中學(xué)習(xí)。

廣泛的用戶(hù)和開(kāi)發(fā)者參與，從不同的角度和需求出發(fā)為軟件貢獻(xiàn)代碼、提供反饋并解決問(wèn)題，從而推動(dòng)軟件本身的發(fā)展和改進(jìn)。例如，Android移動(dòng)操作系統(tǒng)的成功很大程度上得益于其擁有豐富多樣的下游應(yīng)用。開(kāi)發(fā)者可以通過(guò)使用Android開(kāi)發(fā)工具包（SDK）創(chuàng)建應(yīng)用程序，并通過(guò)Google Play商店這一應(yīng)用市場(chǎng)將大量涵蓋各種領(lǐng)域和需求的應(yīng)用程序分發(fā)給用戶(hù)。由此，Android打造的多元下游應(yīng)用生態(tài)為用戶(hù)提供了廣泛的選擇，這種繁榮的應(yīng)用生態(tài)系統(tǒng)吸引了全球范圍內(nèi)的開(kāi)發(fā)者和企業(yè)，推動(dòng)了Android平臺(tái)的發(fā)展和創(chuàng)新，促進(jìn)Android系統(tǒng)產(chǎn)業(yè)整體的發(fā)展。又如，OpenAI也開(kāi)放其大模型應(yīng)用程序接口（API），鼓勵(lì)其他開(kāi)發(fā)者將其大模型服務(wù)集成進(jìn)其應(yīng)用產(chǎn)品中，充分開(kāi)發(fā)下游應(yīng)用生態(tài)。

通過(guò)專(zhuān)門(mén)的支持機(jī)構(gòu)或社區(qū)來(lái)提供技術(shù)支持、文檔、培訓(xùn)和社區(qū)管理等服務(wù)。這可以幫助用戶(hù)和開(kāi)發(fā)者更好地理解和使用開(kāi)源軟件，并解決在實(shí)際應(yīng)用中遇到的問(wèn)題。例如，開(kāi)源機(jī)器學(xué)習(xí)框架TensorFlow和PyTorch都有龐大的社區(qū)支持和專(zhuān)門(mén)的支持機(jī)構(gòu)。這些支持機(jī)構(gòu)提供了官方文檔、教程、示例代碼等資源，幫助用戶(hù)和開(kāi)發(fā)者學(xué)習(xí)和使用這些框架。同時(shí)，還通過(guò)舉辦培訓(xùn)課程、開(kāi)發(fā)者大會(huì)等活動(dòng)，促進(jìn)用戶(hù)和開(kāi)發(fā)者之間的交流和合作。

發(fā)展基于開(kāi)源軟件的下游商業(yè)生態(tài)系統(tǒng)。開(kāi)源軟件商業(yè)生態(tài)系統(tǒng)的核心在于開(kāi)源軟件的產(chǎn)品和服務(wù)提供商，他們?cè)陂_(kāi)源軟件的基礎(chǔ)上通過(guò)提供定制化的解決方案、額外高級(jí)功能、代碼托管或整合、搭建并運(yùn)營(yíng)插件市場(chǎng)、提供培訓(xùn)和咨詢(xún)等運(yùn)維服務(wù)等模式（表1）來(lái)謀求商業(yè)回報(bào)。經(jīng)驗(yàn)表明，開(kāi)源商業(yè)化有助于開(kāi)源產(chǎn)出成果發(fā)揮價(jià)值，幫助其實(shí)現(xiàn)“價(jià)值創(chuàng)造—價(jià)值實(shí)現(xiàn)—價(jià)值分配”的合理閉環(huán)。形成有效商業(yè)模式的下游開(kāi)源商業(yè)生態(tài)系統(tǒng)不僅對(duì)開(kāi)源項(xiàng)目本身的健康可持續(xù)發(fā)展具有重要作用，還能促進(jìn)同類(lèi)技術(shù)的持續(xù)創(chuàng)新和市場(chǎng)競(jìng)爭(zhēng)。美國(guó)大模型領(lǐng)域也積極探索開(kāi)源商業(yè)化模式，意圖構(gòu)建起繁榮可持續(xù)的開(kāi)源大模型下游商業(yè)生態(tài)。例如，美國(guó)Stability AI公司通過(guò)開(kāi)發(fā)開(kāi)源大模型Stable Diffusion的商用版本，為客戶(hù)提供定制拓展服務(wù)來(lái)促進(jìn)大模型的應(yīng)用。

培育公開(kāi)有效的開(kāi)源治理協(xié)調(diào)生態(tài)

開(kāi)源治理協(xié)調(diào)生態(tài)涉及開(kāi)源項(xiàng)目的決策、管理和社區(qū)參與等方面，開(kāi)源治理協(xié)調(diào)生態(tài)的健康發(fā)展對(duì)于項(xiàng)目的長(zhǎng)期穩(wěn)定和社區(qū)的繁榮至關(guān)重要。主要包括以下3個(gè)方面。

公開(kāi)透明的決策流程和溝通機(jī)制能使所有人了解技術(shù)路線決策細(xì)節(jié)，從而對(duì)項(xiàng)目建立長(zhǎng)期的信任，促進(jìn)參與和合作。例如，在美國(guó)發(fā)布的Linux內(nèi)核社區(qū)采用郵件列表作為主要溝通方式，由此使得項(xiàng)目成員能隨時(shí)了解項(xiàng)目發(fā)展方向和最新動(dòng)態(tài)；通過(guò)一系列公開(kāi)的解釋文檔詳細(xì)說(shuō)明了技術(shù)開(kāi)發(fā)相關(guān)的決策執(zhí)行機(jī)制和協(xié)作模式。所有決策流程和相關(guān)信息公開(kāi)可追溯增強(qiáng)了社區(qū)的信任感，鼓勵(lì)更多人參與到開(kāi)源項(xiàng)目貢獻(xiàn)中，從而促進(jìn)了項(xiàng)目的健康長(zhǎng)久發(fā)展。

建立有效的沖突解決機(jī)制也是構(gòu)建成功開(kāi)源治理協(xié)調(diào)生態(tài)中的關(guān)鍵一環(huán)。例如，位于美國(guó)的云原生計(jì)算基金會(huì)（CNCF）下設(shè)技術(shù)監(jiān)督委員會(huì)來(lái)協(xié)調(diào)組件之間兼容性沖突，其技術(shù)監(jiān)督委員會(huì)成員通過(guò)選舉產(chǎn)生，其成員來(lái)自供應(yīng)商、最終用戶(hù)等多個(gè)方面，能充分代表開(kāi)源社區(qū)內(nèi)各方的利益，有助于維護(hù)社區(qū)的和諧與穩(wěn)定，并推動(dòng)項(xiàng)目的進(jìn)展。

良好有效的開(kāi)源制度設(shè)計(jì)對(duì)開(kāi)源參與者長(zhǎng)期可持續(xù)參與到開(kāi)源項(xiàng)目貢獻(xiàn)之中非常重要。其中，開(kāi)源許可證是開(kāi)源制度設(shè)計(jì)中的關(guān)鍵，它決定了如何使用、修改和分發(fā)開(kāi)源軟件。選擇符合項(xiàng)目目標(biāo)和社區(qū)需求的開(kāi)源許可證能保護(hù)貢獻(xiàn)者的權(quán)益、推動(dòng)創(chuàng)新和知識(shí)共享。常見(jiàn)的開(kāi)源許可證包括MIT許可證、Apache許可證和GNU通用公共許可證等。阿聯(lián)酋開(kāi)發(fā)的Falcon大模型就采用Apache-2.0許可證，其成為第一個(gè)可以免費(fèi)商用的開(kāi)源大模型，這將促進(jìn)其模型在科研及商業(yè)化中的應(yīng)用。

我國(guó)大模型開(kāi)源創(chuàng)新生態(tài)建設(shè)面臨的挑戰(zhàn)

我國(guó)開(kāi)源創(chuàng)新生態(tài)尚處于初步探索階段，社會(huì)對(duì)開(kāi)源認(rèn)知不夠，且缺乏建設(shè)開(kāi)源創(chuàng)新生態(tài)的經(jīng)驗(yàn)及配套完善的體制機(jī)制。大模型作為新興技術(shù)和產(chǎn)業(yè)，其開(kāi)源創(chuàng)新生態(tài)的建設(shè)將面臨更大的挑戰(zhàn)。一方面，我國(guó)大模型底層基礎(chǔ)研究能力相對(duì)薄弱，數(shù)據(jù)和算力基礎(chǔ)制約大模型性能提升；另一方面，大模型產(chǎn)業(yè)內(nèi)各類(lèi)創(chuàng)新主體間未形成有效協(xié)同，產(chǎn)業(yè)內(nèi)無(wú)序競(jìng)爭(zhēng)引發(fā)亂象叢生。這些挑戰(zhàn)不僅限制了我國(guó)大模型進(jìn)一步的發(fā)展應(yīng)用，更阻礙了我國(guó)大模型參與國(guó)際競(jìng)爭(zhēng)，在全球范圍內(nèi)影響力的輻射擴(kuò)散。

系統(tǒng)協(xié)同政策架構(gòu)設(shè)計(jì)缺失

盡管我國(guó)在國(guó)家層面（表2）及各省級(jí)地方政府層面（表3）均高度重視大模型發(fā)展，從算力支持、場(chǎng)景開(kāi)放、技術(shù)突破、產(chǎn)品生態(tài)等多方面積極出臺(tái)大模型產(chǎn)業(yè)發(fā)展措施，鼓勵(lì)大模型應(yīng)用落地。然而，我國(guó)現(xiàn)有政策系統(tǒng)性不足，主要集中在大模型本身，對(duì)大模型產(chǎn)業(yè)鏈條的其他環(huán)節(jié)關(guān)注不夠，尤其是數(shù)字公共產(chǎn)品制度、開(kāi)源商業(yè)化制度等適應(yīng)開(kāi)源創(chuàng)新生態(tài)的體制機(jī)制建設(shè)尚不健全，導(dǎo)致產(chǎn)業(yè)鏈上下游協(xié)同不足，難以滿(mǎn)足建設(shè)大模型開(kāi)源創(chuàng)新生態(tài)需求。同時(shí)，各部門(mén)間缺乏有效信息互通、各地政府間技術(shù)要素不流動(dòng)，政策趨同致使無(wú)法形成合力推動(dòng)人工智能大模型產(chǎn)業(yè)整體發(fā)展，未充分發(fā)揮出對(duì)實(shí)體經(jīng)濟(jì)的賦能作用。多個(gè)部門(mén)同時(shí)負(fù)有促進(jìn)大模型應(yīng)用落地、產(chǎn)業(yè)繁榮的職責(zé)，部門(mén)職能存在重疊導(dǎo)致政策間的協(xié)調(diào)不足，無(wú)法充分發(fā)揮政策指導(dǎo)促進(jìn)的作用。

技術(shù)能力制約生態(tài)形成

我國(guó)大模型整體技術(shù)實(shí)力與國(guó)外頭部企業(yè)差距明顯，在算法、人才和科研投入方面與國(guó)外頭部企業(yè)差距較大，同時(shí)部分關(guān)鍵核心技術(shù)尚未突破，尚未形成促進(jìn)國(guó)產(chǎn)大模型發(fā)展的支撐基礎(chǔ)。根據(jù)權(quán)威測(cè)評(píng)榜單Super CLUE的評(píng)測(cè)，截至2023年10月，GPT-4、Claude2和GPT-3.5在基礎(chǔ)模型領(lǐng)域綜合排名前3位（圖2），我國(guó)基礎(chǔ)模型在計(jì)算、代碼、生成與創(chuàng)作、上下文對(duì)話、角色扮演、工具使用方面得分與GPT-4的相應(yīng)指標(biāo)相差10分以上，部分指標(biāo)接近GPT-3.5，僅在中文知識(shí)題目方面明顯優(yōu)于國(guó)際模型。大模型廠商技術(shù)上的基本同源導(dǎo)致現(xiàn)階段較為相似的模型性能，尚未形成顯著技術(shù)性能優(yōu)勢(shì)，同質(zhì)化嚴(yán)重影響了下游應(yīng)用生態(tài)的構(gòu)建。同時(shí)，我國(guó)基礎(chǔ)模型缺乏原創(chuàng)性，版本迭代和技術(shù)演進(jìn)高度依賴(lài)國(guó)外進(jìn)展。特別是我國(guó)目前廣泛應(yīng)用的主流模型大多基于Transformer架構(gòu)，而非我國(guó)自主研發(fā)的架構(gòu)，在一定程度上制約了我國(guó)國(guó)產(chǎn)大模型自主創(chuàng)新生態(tài)的形成。

數(shù)據(jù)算力顯著限制技術(shù)發(fā)展

OpenAI、Google人工智能研究團(tuán)隊(duì)相繼證明，人工智能模型的性能隨著模型規(guī)模的指數(shù)級(jí)上升而線性增長(zhǎng)，并在模型規(guī)模達(dá)到某個(gè)閾值時(shí)對(duì)某些問(wèn)題的處理性能突增，具備涌現(xiàn)能力。這一現(xiàn)象凸顯數(shù)據(jù)和算力在提升大模型性能中的重要意義。在數(shù)據(jù)方面，盡管我國(guó)已有部分中文開(kāi)源數(shù)據(jù)集，但從數(shù)據(jù)規(guī)模和語(yǔ)料質(zhì)量上均與海外有較大差距，且部分內(nèi)容較為陳舊，高質(zhì)量全面完整可信的開(kāi)放中文數(shù)據(jù)集匱乏。同時(shí)，我國(guó)尚未建立有效的數(shù)據(jù)流通規(guī)則和數(shù)據(jù)供需對(duì)接機(jī)制，企業(yè)獲取數(shù)據(jù)資源的成本極高。數(shù)據(jù)產(chǎn)品供應(yīng)鏈尚不完善嚴(yán)重制約了我國(guó)大模型的訓(xùn)練表現(xiàn)。在算力方面，中國(guó)、美國(guó)在全球算力規(guī)模中的份額分別為33%、34%，其中以圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)處理器（NPU）為主的智能算力規(guī)模方面中國(guó)高于美國(guó)，分別為39%、31%，具備發(fā)展大模型產(chǎn)業(yè)的有利基礎(chǔ)。然而，現(xiàn)階段國(guó)產(chǎn)GPU性能難以滿(mǎn)足大模型訓(xùn)練要求，與國(guó)際主要采用的英偉達(dá)A100芯片存在顯著差距。例如，國(guó)產(chǎn)算力最高的昇騰910芯片計(jì)算速度（320 TFLOPS）僅與英偉達(dá)A100 PCle版本持平，與英偉達(dá)H100 NVL版本相差10倍以上（表4）。另外，國(guó)產(chǎn)人工智能智算芯片配套的編程環(huán)境尚不成熟。與英偉達(dá)的并行計(jì)算平臺(tái)和編程模型（CUDA）工具包相比，我國(guó)相應(yīng)軟件生態(tài)建設(shè)仍需加強(qiáng)，這是一個(gè)投入巨大并且漫長(zhǎng)的過(guò)程。

創(chuàng)新主體無(wú)序競(jìng)爭(zhēng)制約整體發(fā)展速度

包括：“百模大戰(zhàn)”引發(fā)無(wú)序競(jìng)爭(zhēng)，由于數(shù)據(jù)“孤島”、賽道重疊、市場(chǎng)競(jìng)爭(zhēng)等原因企業(yè)各自為戰(zhàn)，造成資源投入分散、共創(chuàng)共建開(kāi)源意愿不足等問(wèn)題。數(shù)據(jù)顯示，截至2023年10月，我國(guó)有互聯(lián)網(wǎng)企業(yè)（百度、字節(jié)跳動(dòng)、阿里巴巴等）、新興創(chuàng)業(yè)公司（百川智能、MiniMax、月之暗面等）、傳統(tǒng)AI企業(yè)（科大訊飛、商湯科技等），以及高?？蒲性核?54家單位開(kāi)展了通用大模型研發(fā)，導(dǎo)致資源碎片化投入，重復(fù)低水平建設(shè)，計(jì)算資源競(jìng)爭(zhēng)加劇。國(guó)產(chǎn)大模型應(yīng)用軟硬件適配與協(xié)同優(yōu)化尚顯不足，軟硬件生態(tài)有待進(jìn)一步豐富。對(duì)比國(guó)內(nèi)外大模型產(chǎn)品應(yīng)用流量來(lái)源，國(guó)外大模型來(lái)自移動(dòng)端的用戶(hù)流量遠(yuǎn)高于國(guó)產(chǎn)大模型，且國(guó)產(chǎn)大模型產(chǎn)品應(yīng)用在電子郵件、社交應(yīng)用程序、自然搜索等外接應(yīng)用流量上也遠(yuǎn)低于ChatGPT（表5）?，F(xiàn)有國(guó)產(chǎn)大模型尚未探索出合適的大模型開(kāi)源商業(yè)模式。我國(guó)在開(kāi)源商業(yè)化方面的實(shí)踐經(jīng)驗(yàn)不足，采取的開(kāi)源商業(yè)策略單一，企業(yè)多面臨“技術(shù)業(yè)務(wù)兩張皮”的困境，尚未實(shí)現(xiàn)諸如微軟Office365 Copilot、ChatGPT企業(yè)版等對(duì)企產(chǎn)品的商業(yè)化落地，難以搭建起可持續(xù)的大模型下游開(kāi)源商業(yè)生態(tài)。目前，按照交易量收取費(fèi)用、定制開(kāi)發(fā)收取費(fèi)用是國(guó)產(chǎn)大模型產(chǎn)品主要收費(fèi)模式，這些商業(yè)模式難以覆蓋大模型開(kāi)發(fā)所需的巨大算力及人力成本，且多為一次性付費(fèi)，致使與軟硬件生態(tài)之間的開(kāi)源協(xié)作受阻。

開(kāi)源支持體系建設(shè)水平較低

目前，我國(guó)從大模型開(kāi)發(fā)、訓(xùn)練到應(yīng)用的全鏈條開(kāi)源支持體系水平較低，不利于集中優(yōu)勢(shì)力量，阻礙了技術(shù)突破的步伐。在開(kāi)源開(kāi)發(fā)平臺(tái)方面，我國(guó)Gitee、GitLink、AtomGit等開(kāi)源代碼托管平臺(tái)發(fā)展尚不完善。例如，國(guó)內(nèi)Gitee等代碼托管平臺(tái)因網(wǎng)絡(luò)及設(shè)備故障而導(dǎo)致用戶(hù)存儲(chǔ)代碼丟失的大型故障時(shí)有發(fā)生，且維護(hù)不透明，運(yùn)營(yíng)穩(wěn)定性較差，因此難以維持用戶(hù)使用黏性；而國(guó)外的美國(guó)Github專(zhuān)門(mén)有網(wǎng)站記錄所有故障及修復(fù)時(shí)間，穩(wěn)定的運(yùn)營(yíng)機(jī)制極大增強(qiáng)了用戶(hù)信任度，從而促進(jìn)了用戶(hù)的使用量。這一差距充分反映在訪問(wèn)統(tǒng)計(jì)數(shù)據(jù)上，我國(guó)開(kāi)源代碼托管平臺(tái)Gitee的每月訪問(wèn)量為800萬(wàn)次，美國(guó)Github平臺(tái)則高達(dá)4.32億次。在開(kāi)源測(cè)試和訓(xùn)練平臺(tái)方面，國(guó)際流行的人工智能開(kāi)源模型庫(kù)和社區(qū)平臺(tái)Hugging Face發(fā)展至今已集成了超過(guò)50萬(wàn)具備圖像識(shí)別、語(yǔ)音生成、文本生成等多種功能的開(kāi)源大模型和超過(guò)11萬(wàn)包含多種數(shù)據(jù)類(lèi)型的高質(zhì)量開(kāi)源數(shù)據(jù)集，有全球超過(guò)5萬(wàn)家組織使用該平臺(tái)，形成了較為成熟的大模型開(kāi)源工具平臺(tái)生態(tài)。然而，我國(guó)類(lèi)似的開(kāi)源平臺(tái)發(fā)展仍處于初級(jí)階段，ModelScope魔搭開(kāi)源平臺(tái)不僅公布的數(shù)據(jù)集、模型質(zhì)量參差不齊，部分有較多漏洞，難以進(jìn)一步開(kāi)發(fā)優(yōu)化或直接應(yīng)用，而且開(kāi)源共建水平較低，如ModelScope魔搭社區(qū)開(kāi)源的2 158個(gè)模型中接近60%的模型由排名前10位的貢獻(xiàn)者捐出，超1/3模型由阿里巴巴達(dá)摩院一家貢獻(xiàn)。大模型開(kāi)源代碼托管、訓(xùn)練、測(cè)試平臺(tái)的低水平致使國(guó)產(chǎn)大模型往往托管在國(guó)外平臺(tái)上，造成我國(guó)大模型的訓(xùn)練環(huán)境和應(yīng)用場(chǎng)景流失在國(guó)外，難以保留在國(guó)內(nèi)，不利于自主發(fā)展。在開(kāi)源治理協(xié)調(diào)平臺(tái)方面，我國(guó)相關(guān)治理機(jī)構(gòu)缺乏與業(yè)界的及時(shí)深度交流，導(dǎo)致對(duì)開(kāi)源大模型中涉及的“開(kāi)源”認(rèn)定、版權(quán)歸屬界定等關(guān)鍵問(wèn)題認(rèn)知不足，難以在負(fù)責(zé)任開(kāi)源大模型生態(tài)建設(shè)過(guò)程中發(fā)揮引導(dǎo)和平衡作用。同時(shí)，開(kāi)源基金會(huì)等開(kāi)源促進(jìn)組織發(fā)展尚處于初級(jí)階段，開(kāi)源項(xiàng)目運(yùn)營(yíng)經(jīng)驗(yàn)不足，運(yùn)營(yíng)能力欠缺，難以有效支持大模型開(kāi)源項(xiàng)目的持續(xù)發(fā)展。

我國(guó)構(gòu)建大模型開(kāi)源創(chuàng)新生態(tài)的建議

我國(guó)應(yīng)充分吸收開(kāi)源創(chuàng)新生態(tài)構(gòu)建經(jīng)驗(yàn)，秉持開(kāi)源開(kāi)放的理念構(gòu)建大模型開(kāi)源創(chuàng)新生態(tài)，推動(dòng)大模型全產(chǎn)業(yè)鏈的繁榮有序發(fā)展。一方面，政府要處理好打造大模型開(kāi)源生態(tài)過(guò)程中政府和市場(chǎng)之間的關(guān)系，相關(guān)部委要明確職責(zé)，形成政策合力。另一方面，社會(huì)要建立起對(duì)開(kāi)源的合理認(rèn)知，通過(guò)數(shù)字公共品制度等探索構(gòu)建符合大模型產(chǎn)業(yè)特性的開(kāi)源治理體系，推動(dòng)形成涵蓋大模型上下游全產(chǎn)業(yè)鏈的健康開(kāi)源創(chuàng)新生態(tài)，促進(jìn)大模型產(chǎn)業(yè)創(chuàng)新與可持續(xù)發(fā)展。具體包括以下4個(gè)方面。

加強(qiáng)頂層設(shè)計(jì)，明確各個(gè)部門(mén)職責(zé)

建議效仿中央科技委員會(huì)統(tǒng)籌全國(guó)科技發(fā)展總體部署的機(jī)制，國(guó)家層面建立統(tǒng)籌大模型發(fā)展的組織或機(jī)制。明確中央網(wǎng)絡(luò)安全和信息化委員會(huì)辦公室、國(guó)家發(fā)展和改革委員會(huì)、工業(yè)和信息化部、科學(xué)技術(shù)部、教育部、國(guó)家數(shù)據(jù)局等相關(guān)部委在大模型及上下游產(chǎn)業(yè)鏈各環(huán)節(jié)發(fā)展中的具體職責(zé)，并進(jìn)行有效統(tǒng)籌。持續(xù)關(guān)注大模型產(chǎn)業(yè)及上下游發(fā)展需求，為打造可持續(xù)的大模型開(kāi)源創(chuàng)新生態(tài)提供協(xié)同有差異的政策支持與資源保障，形成合力促進(jìn)大模型產(chǎn)業(yè)發(fā)展。

以數(shù)據(jù)、算力和算法為抓手補(bǔ)短板、固底板，推動(dòng)產(chǎn)學(xué)研持續(xù)投入大模型開(kāi)源技術(shù)研發(fā)。建議由中央網(wǎng)絡(luò)安全和信息化委員會(huì)辦公室、工業(yè)和信息化部負(fù)責(zé)大模型產(chǎn)業(yè)培育引導(dǎo)，科學(xué)技術(shù)部、中國(guó)科學(xué)院、教育部等合作推動(dòng)大模型底層技術(shù)及原理研究，培養(yǎng)產(chǎn)業(yè)發(fā)展所需的人工智能架構(gòu)設(shè)計(jì)方面人才，國(guó)家發(fā)展和改革委員會(huì)牽頭地方政府做好算力中心、跨區(qū)域算力網(wǎng)絡(luò)的建設(shè)及運(yùn)營(yíng)；數(shù)據(jù)局厘清數(shù)據(jù)產(chǎn)權(quán)、數(shù)據(jù)資產(chǎn)評(píng)估等相關(guān)阻礙數(shù)據(jù)產(chǎn)業(yè)鏈發(fā)展的相關(guān)問(wèn)題，推動(dòng)上游數(shù)據(jù)產(chǎn)業(yè)鏈繁榮有序健康發(fā)展。

打造共享的大模型研發(fā)基礎(chǔ)體系

建設(shè)開(kāi)放國(guó)家算力平臺(tái)支持大模型訓(xùn)練。解決跨數(shù)據(jù)中心算力協(xié)同面臨的相關(guān)體制機(jī)制挑戰(zhàn)，提高各地已有智算中心的利用率和使用效率。推動(dòng)國(guó)家實(shí)驗(yàn)室算力平臺(tái)向社會(huì)開(kāi)放，支持組建算力聯(lián)盟引導(dǎo)算力開(kāi)放，集中高檔GPU算力資源，降低各類(lèi)大模型研發(fā)訓(xùn)練成本。設(shè)立國(guó)家級(jí)開(kāi)源項(xiàng)目推動(dòng)頭部科技企業(yè)搭建公共大模型基礎(chǔ)平臺(tái)、構(gòu)建低代碼開(kāi)發(fā)工具，促進(jìn)上、中、下游企業(yè)間的協(xié)同創(chuàng)新。加快落實(shí)《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》，發(fā)揮算力對(duì)大模型發(fā)展的驅(qū)動(dòng)作用。

推動(dòng)建立國(guó)產(chǎn)智算芯片開(kāi)源編譯生態(tài)。統(tǒng)一各國(guó)產(chǎn)智算芯片編譯環(huán)境接口，構(gòu)建類(lèi)CUDA平臺(tái)打通硬件和AI訓(xùn)練之間的中間軟件層，加大對(duì)適應(yīng)人工智能計(jì)算所具有的計(jì)算密度高、需要大量低精度計(jì)算等特點(diǎn)的軟硬件協(xié)同設(shè)計(jì)研發(fā)。這能夠降低采用不同GPU進(jìn)行大模型訓(xùn)練時(shí)額外的學(xué)習(xí)成本，有利于大模型發(fā)展。同時(shí)開(kāi)源所匯聚的合力能降低芯片廠家的開(kāi)發(fā)成本，促進(jìn)算力領(lǐng)域技術(shù)研發(fā)，加快國(guó)產(chǎn)GPU芯片發(fā)展。注重與國(guó)內(nèi)硬件生態(tài)連接，形成軟硬件有效協(xié)同，提升產(chǎn)業(yè)創(chuàng)新體系整體效能。通過(guò)設(shè)立大模型開(kāi)源大基金等方式，推動(dòng)國(guó)產(chǎn)大模型開(kāi)源軟硬件生態(tài)發(fā)展，形成基礎(chǔ)軟硬件與大模型有效協(xié)同。

促進(jìn)開(kāi)放數(shù)據(jù)體系建設(shè)。發(fā)揮國(guó)家數(shù)據(jù)局的統(tǒng)一協(xié)調(diào)作用構(gòu)建高質(zhì)量數(shù)據(jù)集，擴(kuò)大政府開(kāi)放數(shù)據(jù)范圍并通過(guò)建立多層次數(shù)據(jù)開(kāi)放體系加強(qiáng)數(shù)據(jù)交換共享，形成大模型發(fā)展的開(kāi)放數(shù)據(jù)支撐。加快構(gòu)建有利于促進(jìn)大模型產(chǎn)業(yè)發(fā)展的數(shù)據(jù)版權(quán)制度，借鑒國(guó)外大模型訓(xùn)練版權(quán)責(zé)任豁免機(jī)制，探索實(shí)現(xiàn)更為邏輯周密和利益平衡的數(shù)據(jù)版權(quán)規(guī)則設(shè)計(jì)。

強(qiáng)化全產(chǎn)業(yè)鏈開(kāi)源開(kāi)放體系建設(shè)

加強(qiáng)大模型相關(guān)全產(chǎn)業(yè)鏈生態(tài)布局，推動(dòng)大模型開(kāi)發(fā)、訓(xùn)練、應(yīng)用全鏈條支撐平臺(tái)有組織地建設(shè)，由中立的組織機(jī)構(gòu)主導(dǎo)、科技企業(yè)參與大模型產(chǎn)業(yè)創(chuàng)新生態(tài)基礎(chǔ)層和模型層的開(kāi)源，由科技企業(yè)主導(dǎo)大模型產(chǎn)業(yè)創(chuàng)新生態(tài)中間層和應(yīng)用層的開(kāi)源。

從產(chǎn)業(yè)生態(tài)的角度引導(dǎo)推動(dòng)大模型產(chǎn)業(yè)應(yīng)用落地。全面調(diào)研和布局大模型相關(guān)的產(chǎn)業(yè)鏈，促進(jìn)開(kāi)源大模型在行業(yè)核心應(yīng)用場(chǎng)景如生物醫(yī)藥、智能化教育教學(xué)、智能制造等領(lǐng)域進(jìn)行應(yīng)用示范，推動(dòng)開(kāi)發(fā)各類(lèi)新型應(yīng)用場(chǎng)景，支持AI創(chuàng)新企業(yè)采用公共算力開(kāi)發(fā)行業(yè)智能應(yīng)用，引導(dǎo)行業(yè)用戶(hù)與大模型廠商合作，推動(dòng)各行業(yè)智能化升級(jí)。

加強(qiáng)面向開(kāi)源代碼的計(jì)算和訓(xùn)練型大模型平臺(tái)的設(shè)計(jì)開(kāi)發(fā)和推廣。對(duì)標(biāo)GitHub和Hugging Face等建設(shè)利于大模型開(kāi)發(fā)、測(cè)試和訓(xùn)練的開(kāi)源平臺(tái)，開(kāi)展我國(guó)開(kāi)源平臺(tái)建設(shè)工作，助力大模型的利用和推廣。發(fā)揮開(kāi)源基金會(huì)或新型研發(fā)機(jī)構(gòu)作用，引導(dǎo)企業(yè)依托國(guó)內(nèi)代碼托管平臺(tái)開(kāi)源一批具有行業(yè)影響力的軟件項(xiàng)目，積極培育我國(guó)開(kāi)源生態(tài)環(huán)境。

探索新型大模型商業(yè)開(kāi)源運(yùn)營(yíng)機(jī)制。借鑒OpenAI的“非營(yíng)利性機(jī)構(gòu)+有限入股營(yíng)利回報(bào)”模式，加強(qiáng)市場(chǎng)主導(dǎo)和產(chǎn)業(yè)政策支撐共同推進(jìn)基礎(chǔ)大模型市場(chǎng)建設(shè)，構(gòu)建可持續(xù)的開(kāi)源創(chuàng)新成果商業(yè)模式。

鼓勵(lì)社會(huì)資本參與開(kāi)源大模型技術(shù)的產(chǎn)業(yè)投資。推動(dòng)社會(huì)資本參與大模型產(chǎn)業(yè)的風(fēng)險(xiǎn)投資和產(chǎn)業(yè)投資，探索建立線下孵化器空間，聯(lián)合開(kāi)源社區(qū)及代碼托管平臺(tái)共同打造線上線下融合、極具活力的開(kāi)發(fā)者社區(qū)，促進(jìn)開(kāi)源大模型下游商業(yè)生態(tài)繁榮發(fā)展。

完善開(kāi)源創(chuàng)新治理體系鼓勵(lì)發(fā)展

推動(dòng)商業(yè)開(kāi)源政策研究。研究制定有利于開(kāi)源商業(yè)化實(shí)施的相關(guān)政策，推動(dòng)建成公眾貢獻(xiàn)數(shù)據(jù)和使用數(shù)據(jù)行業(yè)規(guī)范等數(shù)字公共產(chǎn)品制度，強(qiáng)化開(kāi)源許可證的法律效力，有力保護(hù)開(kāi)源成果知識(shí)產(chǎn)權(quán)，將“開(kāi)源不等于免費(fèi)”的開(kāi)源理念貫徹到大模型產(chǎn)學(xué)研用全過(guò)程。研究制定實(shí)驗(yàn)室開(kāi)源大模型開(kāi)源許可機(jī)制，針對(duì)開(kāi)源社區(qū)上不同類(lèi)型下游開(kāi)發(fā)者和用戶(hù)，打造不同開(kāi)源層級(jí)的許可協(xié)議，授權(quán)開(kāi)源使用。推動(dòng)開(kāi)源產(chǎn)業(yè)發(fā)展，以稅收優(yōu)惠等方式鼓勵(lì)企業(yè)積極探索開(kāi)源，參與開(kāi)源生態(tài)建設(shè)，深入了解開(kāi)源回饋方式，尋找有效的基于開(kāi)源的商業(yè)反饋模式。

推動(dòng)開(kāi)源社區(qū)治理水平提升。持續(xù)支持國(guó)內(nèi)開(kāi)源基金會(huì)、開(kāi)源社區(qū)等開(kāi)源力量發(fā)展，推動(dòng)開(kāi)源文化理念在社會(huì)的廣泛傳播。提高開(kāi)源社區(qū)運(yùn)營(yíng)水平，運(yùn)用大數(shù)據(jù)分析手段精確評(píng)估社區(qū)內(nèi)參與合作者的貢獻(xiàn)情況，精準(zhǔn)識(shí)別社區(qū)內(nèi)核心開(kāi)源貢獻(xiàn)者并予以獎(jiǎng)勵(lì)，形成良好的“貢獻(xiàn)-承認(rèn)”正向反饋循環(huán)。完善大模型開(kāi)源評(píng)價(jià)、安全評(píng)估框架等監(jiān)測(cè)機(jī)制，以推動(dòng)大模型產(chǎn)業(yè)良性健康發(fā)展。

推動(dòng)大模型開(kāi)源國(guó)際交流合作。打造具有國(guó)際先進(jìn)技術(shù)水平的大模型開(kāi)源開(kāi)放平臺(tái)，并加強(qiáng)與國(guó)際溝通大模型倫理治理，參與探討制定國(guó)際標(biāo)準(zhǔn)。鼓勵(lì)企業(yè)融入國(guó)際頂尖開(kāi)源社區(qū)、參與開(kāi)源規(guī)則制定等，通過(guò)開(kāi)源爭(zhēng)取全球智慧。依托開(kāi)源社區(qū)，加強(qiáng)大模型技術(shù)人才自主培養(yǎng)和國(guó)際交流，推動(dòng)高校、科研院所與企業(yè)培育更多有熱情做開(kāi)源貢獻(xiàn)的人才。

（作者：溫馨、馮澤，中國(guó)科學(xué)院科技戰(zhàn)略咨詢(xún)研究院；張超，上海交通大學(xué)國(guó)家戰(zhàn)略研究院；郭銳、陳凱華，中國(guó)科學(xué)院大學(xué)公共政策與管理學(xué)院；朱其罡，上海開(kāi)源信息技術(shù)協(xié)會(huì) 對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)?！吨袊?guó)科學(xué)院院刊》供稿）