人工智能（AI）是新一轮科技革命和产业变革的重要驱动力量。

　　从ChatGPT到DeepSeek，生成式人工智能加速赋能千行百业，成为培育和发展新质生产力的重要引擎。这让参加全国两会的代表、委员感慨，“世界或将进入新的康波周期”。

　　康波周期，一种经济周期理论，常以核心技术的突破作为划分起点。它指的是长达50至60年的经济波动中，经济体分别经历复苏、繁荣、衰退、萧条等环节。

图为在傅利叶智能机器人实验室里，工程师正在对通用机器人进行训练、调试，每一个细节和关键关节都要进行无数遍的测试。/文汇报记者袁婧摄

　　在代表、委员眼中，新一轮康波周期的曙光乍现。以人形机器人为例，截至去年底，全国人形机器人企业已有近百家，其中30余家企业宣布今年开始商业化量产。值此关键时刻，如何抢抓机遇、乘势而上？

　　代表、委员们认为，要主动解决目前AI领域存在的现实难题，即技术跑在标准前、产品跑在认证前、应用跑在法规前。通过系统设计、前瞻布局、制度支撑，推动应用加快落地、促进人机交互与虚实融合、加快迈向通用AI，重新定义智能时代的劳动者和生产工具，促进新质生产力发展。

系统设计

　　从实验室走上央视蛇年春晚舞台，人形机器人规模量产在即。不少代表、委员却在调研札记中写下顾虑：协同难。

　　现象级应用迭出，扎根一线的代表、委员却敏锐地捕捉到技术体系百花齐放的另一面——通信协议、接口标准缺失，导致硬件、算法、场景间协同困难。从运动控制精度到环境感知能力，都缺乏量化指标。

　　“工业数据共享难，垂直领域大模型低水平重复建设。”全国人大代表、中国电气装备科技创新部部长张帆认为，AI新技术在消费端挖掘出不少新风口，但在制造端仍未催生出高价值应用场景。

图为人形机器人—“青龙”正在进行不同形状和重量的物品识别和抓取能力测试。/文汇报记者袁婧摄

　　全国政协委员、上海市经济和信息化委员会主任张英也发现，部分“伪智能”产品正流入市场，有企业为获得资本青睐，利用智能概念包装炒作普通产品。究其原因，现有检测机构多聚焦传统工业机器人，缺乏对人形机器人具身智能的专项评测。

　　飞速发展的新兴产业亟需规范。日前，由中国牵头制定的全球首个养老机器人国际标准发布。该标准细化养老机器人的功能和性能分类，由此，引导从业者回归理性，正视现实存在的技术瓶颈、成本制约以及市场需求差异等问题。

　　“加快制定行业分类体系、通信协议等基础标准。”张英认为，规范数据采集及使用标准，明确人机交互安全规范标准及伦理准则，这样才能通过软硬协同提升产业规模化效率。

　　还有一些中小企业反映，训练验证资源匮乏，高成本仿真测试环境与实体“训练学校”短缺，致使其难以完成可靠性验证，制约技术迭代速度。

　　近日，全国首个异构人形机器人训练场在沪启用，今年有望沉淀下1000万条数据。这一由国家地方共建人形机器人创新中心搭建的训练场，有望破解标准难统一、数据无法跨平台迁移复用等瓶颈。

　　这进一步启发了张英。“能否打造国家级测评认证‘考场’，推动人形机器人‘持证上岗’？”她呼吁，从国家层面加强测评认证机制，全方位进行科学测评，保障上市产品的质量和安全性。

前瞻布局

　　算力之于AI产业的重要性不言而喻。从快速处理用户请求到实时分析决策，唯有高算力才能确保系统的响应速度和准确性。

　　调研中，张帆发现，各地算力资源分散，亟需统筹布局。建议充分发挥龙头企业的行业牵引作用，建设AI联合创新中心，共建、共享、共用行业垂直大模型。

　　有代表认为，算力共享不应仅停留于企业主体间。调研发现，算力瓶颈正在让“产学研”衔接难度变大。一边是市场上持续迭代的新技术，另一边是相对封闭的课程设置、学习平台。建议通过产教融合破解高校科研的算力困局，同时，支持社会各类主体协同推动AI数据科学和高质量语料库建设。

图为每一个细节和关键关节都要进行无数遍的测试。/文汇报记者袁婧摄

　　国内顶尖高校纷纷行动起来，各显神通。有些加强校企合作，有些租借资源，有些直接购买算力服务。比如：上海交通大学近日完成DeepSeek全系列模型的本地化部署，成为国内首批实现千亿级大模型全栈国产化部署的高校之一。这标志着高校AI基础设施建设迈入新阶段。

　　“探索AI加持下的科研新范式。”全国人大代表、上海交通大学校长丁奎岭解释，依托与企业共建的上海交通大学鲲鹏昇腾科教创新卓越中心，将推动DeepSeek系列模型与课程教学、科研创新等方面深度融合。比如：通过AI等新技术完成知识传授，由此让学生拥有更多空间充分互动研讨，激荡创意思维。

　　在丁奎岭看来，未来人才培养尤其要强调底层创新和交叉创新能力。对高校来说，这意味着理、工、农、医、文等各学科都要积极拥抱人工智能。该校已成立AI综合改革推进小组，通过有组织的科研与教学，全校“一盘棋”推动AI在不同学科、不同领域应用落地。近期，学校正酝酿成立千万元级“AI+”种子基金，面向全校征集优质课题，以项目资助为指挥棒，引导更多传统学科师生融合AI技术，开拓科学研究的新可能。

　　“相信下一个DeepSeek级的创新突破，就在我们身边，”丁奎岭充满期待。

制度护航

　　大模型井喷式迸发、通用AI进入研发快车道，新技术发展分秒千里，也带来硬币的另一面——AI造谣、AI侵权、AI诈骗等现象时有发生。

　　来自中国裁判文书网的数据显示，2021年至2024年，全国法院共审理涉AI纠纷案件1659件，绝大部分系生成式AI相关案件。

　　放眼全球，为AI发展设定“基本护栏”成为共识。去年初，欧盟出台全球首部综合性AI监管法案，率先建立统一规范的监管框架，确保技术应用发展遵循公平、透明、可信的原则。

　　全国政协委员、国浩律师（上海）事务所合伙人吕红兵梳理发现，AI法草案目前已被国务院列入立法工作规划中。“与传统立法相比，AI立法面临技术产业迭代带来的社会关系不确定、风险不可预见等。”在他看来，制定一部综合性AI法律难度极大，不妨先选择生成式AI这一社会最关心、最直接、最现实的切口，尽快推进“小、快、灵”立法，尽早出台行政法规。

图为位于浦东张江的全国首个国地共建的人形机器人创新中心。/文汇报记者袁婧摄

　　吕红兵认为，这部行政法规应对技术开发者、服务提供者、使用者、监管者以及社会公众，分门别类明确各自权利和义务、职能与责任。比如：技术开发者对用于训练大语言模型的数据进行严格筛选与分类，剔除不当元素文本数据，确保数据源合法且内容健康；对于现有模型，运用数据遗忘等技术手段，消除不当内容输出；引入人工审核机制，对自动化系统标记为敏感或禁止的内容进行复核；建立开放研究、社区合作、线索举报机制，优化大语言模型筛选系统。

　　代表、委员们认为，立法要切实回应关键核心问题——AI生成内容过程中的著作权归谁。吕红兵建议，按照更好发挥数据要素作用的立法本意，淡化所有权、强化使用权，并明确使用原则。比如：涉及商业使用时，要求技术开发者支付报酬，由其与权利人组织协商解决。

　　治当下、谋长远，AI立法正当其时。

（文章来源：上观新闻）

来源：东方财富网

作者：上观新闻