当前✿ღ✿，人工智能（AI）大模型技术已成为推动国家科技和经济高质量发展的新引擎✿ღ✿，但其发展仍面临几个重大挑战✿ღ✿，包括算力掣肘✿ღ✿、推理幻觉和产业落地壁垒等挑战✿ღ✿。为充分发挥AI对我国科技和经济发展的赋能作用✿ღ✿，需从模型架构创新✿ღ✿、测试标准体系构建和产学研协同三方面突破✿ღ✿，打造具有国际竞争力的AI创新高地✿ღ✿。

　　当今AI模型发展以Transformer架构及其变体为主导✿ღ✿，以大参数量✿ღ✿、大算力为基础✿ღ✿，其训练成本正以惊人的速度增长✿ღ✿，这种模式在长期运行中可能面临能耗与训练效率的挑战✿ღ✿，同时高昂的成本也可能对规模化应用和推广造成一定制约✿ღ✿。AI训练过程中✿ღ✿，算力需求的持续膨胀已成为制约AI创新的一项关键因素✿ღ✿。为推动我国AI研发实现跨越式发展✿ღ✿，亟须在模型架构层面进行根本性创新✿ღ✿。

　　从认知科学视角看✿ღ✿，人脑在能耗极低的情况下实现了高效的智能处理✿ღ✿。人脑通过分层处理✿ღ✿、注意力机制和预测编码✿ღ✿，以稀疏编码✿ღ✿、模块化分工✿ღ✿、抽象表征等方式实现高效运算✿ღ✿。这些认知机制为突破算力瓶颈提供了重要思路✿ღ✿：通过模拟大脑的预测加工系统✿ღ✿，构建具有主动推理能力的生成模型✿ღ✿；设计更高效的记忆架构✿ღ✿，防止AI的“灾难化遗忘”✿ღ✿；参照大脑皮层的层次化表征系统✿ღ✿，构建具有多重抽象级别的计算框架✿ღ✿。当前✿ღ✿，大模型普遍存在的不可解释性问题✿ღ✿，也凸显了单纯依赖数据驱动的局限性✿ღ✿。基于对人类智能的探索✿ღ✿，挖掘学习机制AI应用✿ღ✿，✿ღ✿、功能模块分区✿ღ✿，有望指导设计出能够更高效自适应环境✿ღ✿、自主学习的AI训练范式✿ღ✿。

　　为实现我国在AI研发上从“跟跑”到“并跑”乃至“领跑”的转变✿ღ✿，几大研究方向值得重点布局✿ღ✿：一是开展基于脑科学与认知科学的智能本质研究✿ღ✿，深入探索人类智能的内在机理及其对AI架构的启发✿ღ✿；二是推进受脑启发的AI算法研发电子代工✿ღ✿，✿ღ✿，开发更高效轻量化的AI模型✿ღ✿；三是加强通用人工智能（AGI）理论创新✿ღ✿，构建新一代AGI理论体系✿ღ✿。为推动上述方向✿ღ✿，建议前瞻性布局新型计算芯片✿ღ✿、认知神经网络✿ღ✿、脑科学与类脑智能等前沿方向✿ღ✿。支持科研机构开展跨学科交叉研究✿ღ✿，探索更高效的模型架构和训练方法✿ღ✿，推动AI发展模式从“算力驱动”向“效率优先”转型✿ღ✿。通过降低算力门槛✿ღ✿，可使广大中小企业以更低成本接入AI技术✿ღ✿，形成新的产业增长点相约同城✿ღ✿。同时相约同城✿ღ✿，理论突破将带动芯片✿ღ✿、算法✿ღ✿、云计算等全产业链协同发展✿ღ✿，进一步夯实数字经济发展基础✿ღ✿。

　　当前✿ღ✿，AI大模型在各行业应用呈现蓬勃发展态势✿ღ✿。然而✿ღ✿，在模型实现流畅交互的同时✿ღ✿，其固有的不可解释性✿ღ✿、“幻觉”问题与潜在的安全隐患pp电子(中国)·官方网站✿ღ✿，✿ღ✿，也制约着其在关键领域的深度应用✿ღ✿。比如✿ღ✿，在医疗场景中✿ღ✿，模型可能生成看似合理✿ღ✿、实则错误的“幻觉”信息✿ღ✿，即在医疗诊断时提供不准确的建议✿ღ✿，带来误诊等后果✿ღ✿。同时✿ღ✿，大模型决策过程不透明✿ღ✿、易受恶意攻击导致数据泄露等问题✿ღ✿，也使得关乎国计民生的关键领域在引入大模型时不得不慎之又慎✿ღ✿。此外✿ღ✿，因大模型的智能尚未升维为通用的认知与适应能力✿ღ✿，仍不能被广泛认可为AGI✿ღ✿。

　　构建面向AGI的测试标准✿ღ✿，必须克服传统测评方法的局限✿ღ✿，借鉴发展心理学与心理测量✿ღ✿，构建新一代测评体系✿ღ✿：在横向上✿ღ✿，建立覆盖视觉✿ღ✿、语言✿ღ✿、认知推理✿ღ✿、社会价值等多维度的综合任务集✿ღ✿；在纵向上✿ღ✿，设计受人类心智发展启发的“AI发展里程碑”测试pp电子游戏试玩✿ღ✿，✿ღ✿，评估其能力是否遵循合理✿ღ✿、稳健的演进路径✿ღ✿。这尤其适用于评估AI的自我认知✿ღ✿、情感依恋✿ღ✿、道德判断等对安全至关重要的高阶能力相约同城✿ღ✿，为AGI的发展提供更科学的指引✿ღ✿。

　　标准化建设既能提升模型质量✿ღ✿，对技术落地提出更高要求✿ღ✿，又能为监管提供技术支撑pp电子·(中国)官方网站✿ღ✿，加速可信AI在关键领域的部署应用pp电子·(中国)官方网站✿ღ✿。同时pp电子·(中国)官方网站✿ღ✿，完善的标准体系将增强市场信心✿ღ✿，吸引更多社会资本投入AI产业PP电子APP下载✿ღ✿，✿ღ✿，推动形成规模化应用场景✿ღ✿，有望带动相关服务业和制造业升级发展✿ღ✿。为此✿ღ✿，要加快建立覆盖测试方法✿ღ✿、标准体系相约同城✿ღ✿、流程评估和伦理规范的全链条标准体系✿ღ✿。构建针对AI理解能力✿ღ✿、安全性能✿ღ✿，以及通用性的评测框架✿ღ✿，针对重点风险领域设计场景化测试基准✿ღ✿，通过可解释性评估等手段量化模型的安全和可靠性✿ღ✿。同时✿ღ✿，积极推进测试标准与国际接轨✿ღ✿，支持第三方机构参与认证评估pp电子·(中国)官方网站✿ღ✿，为行业提供科学可靠的评判依据✿ღ✿。

　　全面推动人工智能与经济社会各行业各领域的广泛深度融合相约同城✿ღ✿，进一步深化产学研协同创新✿ღ✿，加速AI技术的规模化落地pp电子·(中国)官方网站✿ღ✿，应着力做好以下工作✿ღ✿。

　　第一✿ღ✿，建立跨学科人才培养机制✿ღ✿。跨学科视角对于AI发展至关重要✿ღ✿，要培养既懂人工智能又懂人类智能的复合型人才和团队✿ღ✿，建立跨学科研发平台pp电子·(中国)官方网站✿ღ✿，为两者的深度融合研发提供人才支撑✿ღ✿。第二✿ღ✿，建立需求导向的研发机制✿ღ✿。组建国家级AI产业创新联盟✿ღ✿，推广“政府—高校—企业—产业园区”协同模式✿ღ✿。在真实应用场景中形成持续优化的反馈机制✿ღ✿，降低科研和企业技术验证门槛✿ღ✿，形成“创新—应用—反馈—迭代”的闭环系统✿ღ✿。同时✿ღ✿，完善知识产权分配和激励机制✿ღ✿，充分调动科研人员参与成果转化的积极性✿ღ✿。第三相约同城✿ღ✿，构建开放共享的AI产业生态✿ღ✿。建设高质量共享数据集和公共测试平台✿ღ✿，促进大中小企业融通发展✿ღ✿。

　　综上✿ღ✿，通过人类智能启发的理论架构创新✿ღ✿、测试标准引领和跨学科深度融合的产学研协同✿ღ✿，有望解决算力✿ღ✿、安全✿ღ✿、落地等当前AI发展的关键瓶颈pp电子·(中国)官方网站✿ღ✿，探索出一条独具中国特色发展路径✿ღ✿，推动我国在全球数字经济竞争中占据有利位置✿ღ✿，为加快建设创新型国家提供有力支撑pp电子游戏✿ღ✿！✿ღ✿。

　　（作者✿ღ✿：彭玉佳✿ღ✿、方方✿ღ✿，分别系北京大学首都发展研究院研究员✿ღ✿，北京大学副校长✿ღ✿、心理与认知科学学院教授）