“我们目前还没有实现对风险全面类型化和场景化的区分，因为风险具有复杂性，单一的治理技术和多元治理场景存在矛盾。接下来可以基于场景把监管做得更精细化，针对不同技术路线、应用模式和责任主体，在不同场景中对不同的风险点进行差异化监管。”王俊表示，同时，可以采取分级治理的模式，给中低风险领域留出试错和发展空间，积极运用一些监管科技，综合选择适配的监管科技模式，激活人工智能市场活力。
新浪集团法务部总经理谷海燕同样认为，希望看到更加有区分度的监管措施。比如欧盟的人工智能法案草案，采用风险区分规制路径，根据风险级别，分为不可接受风险人工智能、高风险人工智能、低风险人工智能，以及最小风险人工智能，并分别设置相关主体的法律义务。
“我们必须关注AI热潮中伴生的风险。”虞伟指出，比如在数据层面，面对生成式人工智能庞大的数据需求，如何建立高质量的语料数据库，如何加强全流程的数据合规管理。在法律层面，生成式人工智能的结果能否构成著作权法所定义的作品仍存争议，进一步的版权归属问题也需要厘清。此外，歧视、偏见、虚假信息传播等风险在大模型大量数据投喂的训练方式下也被放大，如何将道德伦理原则“教”给AI，做到精准纠偏，兼顾公平与效率，这些都需要进一步研究。
构建算力生态支撑人工智能产业发展
数据显示，今年上半年，国内发布的各类大模型数量超过100个。据不完全统计，目前国内已有大约80个参数在10亿规模以上的大模型。《办法》提出，推动生成式人工智能基础设施和公共训练数据资源平台建设。促进算力资源协同共享，提升算力资源利用效能。推动公共数据分类分级有序开放，扩展高质量的公共训练数据资源。鼓励采用安全可信的芯片、软件、工具、算力和数据资源。
算力是数字时代的底座，也是人工智能发展的引擎。据工信部最新消息，截至今年6月底，全国在用数据中心机架总规模超过760万标准机架，算力总规模达到每秒1.97万亿亿次浮点运算（197EFLOPS），算力总规模近五年年均增速近30%，存力总规模超过1080EB。 |
