点击蓝字
关注我们


薛澜
国务院参事、清华大学苏世民书院院长、人工智能国际治理研究院院长、中国科技政策研究中心主任


——访清华大学文科资深教授、苏世民书院院长薛澜
■中国经济时报记者 张一鸣
■见习记者 姚俊臣
AI智能体正从实验室加速走向产业一线。如何构建可持续的创新生态?如何助力企业跨越创新的“死亡之谷”?如何把握政府与市场的边界?这些问题既关乎一线企业的战略选择,也考验着政府的治理能力。围绕上述话题,中国经济时报记者日前专访了清华大学文科资深教授、苏世民书院院长薛澜。
中国经济时报:很多企业在投入人工智能时都会面临成本和收益的挑战,您怎么看待这个问题?
薛澜:这是一个非常现实,也非常重要的问题。人工智能,不论是大语言模型还是AI智能体,在应用前期一般都会经历一个投入比较大、收益比较小的阶段。企业需要投入大量资金和人力成本,还要考虑学习和试错成本。不同企业对这个阶段的承受能力是不一样的,一些企业投入一段时间后,如果没有看到收益,可能就会选择“打退堂鼓”了,尤其是中小企业,面临的生存压力会更大。
中国经济时报:您认为,企业如何才能坚持下来,穿越创新的“死亡之谷”?
薛澜:我觉得有两个地方值得注意。一是需要“一把手”的强力支持。如果最高决策层不够坚定,很容易半途而废。二是企业要有一定的思想准备,接受一个“只见投入、不见收益”的蓄力阶段。现在市场竞争非常激烈,尤其是中小企业,更愿意采用成熟、现成的解决方案。对于还需要深度整合、尚未完全成熟的AI智能体应用,其接受度会相对低一些。
除了企业自身之外,还需要发展一类“服务型公司”。它们既熟悉AI智能体技术,又理解具体行业场景,能够在技术和行业之间搭建桥梁、在技术扩散和落地应用方面更好地为企业服务。尤其是在技术刚刚落地、应用还不成熟的阶段,由专业服务团队来“搭桥”,可以帮助企业更快地跨越“死亡之谷”。所以,这类企业的价值还是很大的。
中国经济时报:您认为,在人工智能这样的战略性新兴产业中,政府与市场的边界在哪儿?
薛澜:一般而言,政府要完善好基本的市场制度体系,保障公平的市场竞争环境,如果出现市场失灵、企业违规等情况时还要予以必要的监管干预。当然,对于芯片这类“卡脖子”技术,通常还需要政府在资源配置和组织协调上发挥更加直接的作用。
在人工智能领域也是这样。算力中心、数据中心这样的基础性设施需要政府发挥重要作用,但同时也要避免行政力量过度替代市场机制。例如,在数据资源配置方面,尽管已经成立了国家数据局,但是如果缺乏有效的市场机制,还是很难形成长期稳定的高质量数据供给。因此,必须把有效市场和有为政府有机结合起来。
中国经济时报:在现有的制度框架下,企业和个人对发展AI智能体的态度还比较分化,有的觉得要加快发展,有的觉得还有很大的风险。您怎么看待这种心态的差异?这对治理提出了什么要求?
薛澜:我认为这是非常好的现象。社会发展到今天,我们越来越强调对个体的尊重,尤其是对个人观念、个人选择的尊重。在人工智能发展的问题上出现不同声音,说明大家在认真思考,而不是一味地接受或排斥技术。
但是,这对技术开发者和政府监管者提出了更高的要求。一方面,人类社会有一些共识性的基本价值原则,不论是大语言模型还是AI智能体都不能违反。我们现在强调的“价值对齐”,其实就是希望让系统的行为始终在社会共识的框架内运行。但另一方面,我们也要基于每个人对风险的感知、对价值的判断给予充分的自主权。
总之,解决问题的关键是在尊重知情权的基础上,给大家更多的选择。既要履行告知义务,也要在基本的价值原则之上包容多样化的选择。
中国经济时报:我们注意到,近几年,硅谷涌现出大量由年轻人创办的AI智能体公司。您认为,这种由年轻人带动的创新生态对国内是否有借鉴意义?
薛澜:中国目前也有很好的创新创业环境。过去这些年,中国的人工智能初创企业非常多,相当大的比例是由年轻人创建的。最近两年没有之前那么热闹,我认为很重要的一点是资金的问题。
一方面,国际资本受外部环境影响出现收缩趋势;另一方面,国内虽然有一些政府参与或主导的资本投入,但又难以完全适应高风险、长周期的科技创新逻辑,这对于处在技术创新早期阶段的企业来说会形成一定的压力。同时,资本市场的退出机制也不够顺畅,一定程度上影响了创新循环的效率。
我认为,中国不缺少优秀的年轻人,也不缺少好的想法,但怎么能够保障更好的资金支持,可能是需要破解的一个难题。
中国经济时报:围绕“价值对齐”,目前国内外有哪些进展?在技术快速演进的背景下,还面临哪些挑战?
薛澜:近几年,无论是中国企业还是国外企业,在“价值对齐”方面都取得了很大的进步。尤其在中国,不仅企业层面重视,政府监管部门的要求也非常严格。不过,现实的挑战在于,模型能力在快速提升,而与之配套的“价值学习”能力能否同步跟进,这是一个需要持续关注的问题。





内容中包含的图片若涉及版权问题,请及时与我们联系删除



评论
沙发等你来抢