崔爽|科技日报记者

2025年，以DeepSeek为代表的大模型企业通过算法创新、数据工程提升、存储优化等技术手段，达到与全球领先的OpenAI o1推理模型相当的实力，却只用对方不到10%的推理成本，为全球AI发展提供了“中国方案”。

今年政府工作报告提出，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用。

“加快大模型推理落地，是突破技术封锁的关键路径，更是抢占产业智能化制高点的战略需求。”全国人大代表、华中科技大学副校长冯丹在接受科技日报记者采访时表示，通过政策引导、技术创新与标准建设，从“算力竞赛”转向“算法+数据+存储协同创新”，我国有望在近年实现大模型推理应用的全面发展和换道超车。

“我国正在积极推动大模型走向千行百业，不同行业具有独特的业务逻辑和数据特点，大模型推理需要进行针对性的开发才能有效应用。”冯丹强调，但与此同时，目前缺乏通用的行业适配框架和工具，导致模型开发周期长、效果差，阻碍了大模型推理在行业的快速落地。

同时，模型应用效果也依赖于长期积累的庞大行业数据。当前，行业数据分散在各单位的“数据孤岛”中，垂直行业高质量中文语料仅占全球大模型训练推理数据的1.3%，成为制约行业大模型推理的瓶颈。

另外，推理成本上，算力不足仍是影响大模型推理成本的决定因素；在推理标准上，也缺少符合中国行业应用特点的推理效能评估标准，应用选型缺乏依据。

因此，冯丹建议，加强政策引导，制定行业数据存储要求和流通规则，构建行业适配框架和工具，加快行业应用；推动技术创新，设立新一代AI算法、新一代AI存储重大技术专项，支持关键技术持续发展；强化标准建设，建立符合中国行业应用的推理评估体系，掌握标准话语权。

具体来看，她提到，支持行业单位牵头建立行业数据存力中心或语料库中心，支持高校、科研机构和行业单位建立数据共享联盟，支持联合共建“算法-数据-存储”联合实验室，将基础研究、技术创新、产业创新与市场应用有机结合，加速相关技术发展。同时，可以组织相关专家和企业共同制定大模型推理在不同行业应用的评测标准，发布大模型推理效能评估国家标准，涵盖模型性能、数据质量、安全性、幻觉率、时效性、能耗比等多个维度；建立权威的大模型推理评测机构和平台，定期发布评测报告，为企业选择和应用大模型提供参考。

本文转载自《科技日报》，原作者崔爽。

 *本文收录于《话数》用户专刊第2期    

原文链接：https://www.oceanclub.org/cn/discuss/info/4168