人工智能大模型发展核心要素 - 人工智能大模型发展取决于算力、算法和数据三要素[1] - 当前最核心问题是数据的整理与利用效率低 制约了行业大模型的实际效果[1] - 目前仅有不到10%的企业能够将其业务知识数据有效供给大模型[1] 数据要素流通与安全挑战 - 随着数据基础设施完善 确保数据的安全流通成为关键问题[1] - 传统基于边界防护的安全方法已无法满足复杂网络环境下的防护需求 需要基于内生安全理念构建纵深防御体系[1] - 数据要素具有高流动性、低成本复制、报酬递增等特性 对经济发展有倍增效应[2] - 数据要素市场化进程中 安全与流通是两大核心挑战[2] 数据要素市场培育与基础设施 - 发展数字经济的关键是数据要素市场的培育与形成[2] - 中国数据要素化尚处起步探索阶段 在资产地位、权属确权、流通交易、利益分配和安全隐私等方面存在诸多障碍[2] - 迫切需要构建安全可信的流通基础设施 从技术、制度、生态多维度发力 以保障数据安全并打破流通壁垒[2] - 未来数据集的流通将更加注重通过大模型消费第三方数据平台的需求[2] 人工智能治理与产业发展 - AI数据标注公司Scale AI的成功证明数据产业潜力巨大 未来有望占据AI相关市场的半壁江山[2] - 当前人工智能治理存在数据质量、制度供给、责任界定等问题[3] - 中国需在数据治理层面突破技术瓶颈 在制度供给层面构建风险分类分级管理等机制[3] - 需在场景落地层面加强政企协同、产学研合作 同时加强国际合作以构建安全、可信、可持续的人工智能发展环境[3]