习近平总书记指出：“人工智能是新一轮科技革命和产业变革的重要驱动力量，将对全球经济社会发展和人类文明进步产生深远影响。”当前，在海量数据与强大算力支撑下，听得懂、说得出、能互动的生成式人工智能快速迭代升级，呈现出良好互动性、高度通用性、智能生成性等特征，并正与各行各业形成更加刚性、高频、泛在、深度的联结，也导致其潜在风险增加。党的二十届三中全会提出“完善生成式人工智能发展和管理机制”，体现了更好统筹发展和安全的客观需要，为推动人工智能领域的技术进步、产业发展与安全保障提供了政策指引。

　　生成式人工智能属于一个宽泛的范畴，而以DeepSeek为代表的人工智能大模型是生成式人工智能的一种实现方式。人工智能大模型是通过深度学习技术在海量数据上训练出来的、拥有大规模参数和复杂计算结构的机器学习模型，能够理解和生成多模态内容，具有逻辑推理和问题求解能力，是推动新一代人工智能发展的关键技术载体和新型基础设施。人工智能大模型具有强大赋能效应，把握人工智能大模型的演进方向与风险监管，具有重要的现实意义。

　　人工智能大模型多态整合持续迭代与演进

　　作为数字经济发展的重要引擎，人工智能大模型的演进不仅重塑技术发展范式，更深刻影响全球产业竞争格局。大数据、大算力与强算法构成驱动人工智能大模型发展的核心要素，三者相辅相成、协同发力，共同推动技术向更高水平、更深层次发展。海量数据为模型训练提供丰富素材，强大算力是模型高效运行的硬件支撑，而先进算法则赋予模型学习与推理能力，三者共同构筑起人工智能大模型发展的坚实基座。

　　当前，全球人工智能大模型发展呈现出明显的极化态势，以中美为代表的国家凭借技术积累、资源优势与创新生态，成为引领行业发展的核心力量。这种发展态势不仅体现国家科技实力与创新能力的较量，更折射全球数字经济竞争格局的深刻变革。在技术演进过程中，人工智能大模型发展衍生出一系列新特征与新趋势。

　　其一，前沿模型研发成本呈指数级攀升，复杂的技术架构与庞大的训练需求，对技术研发主体的资源整合能力与资金投入强度提出更高要求。其二，数据资源作为模型训练的基础要素，其有限性与模型发展需求之间的矛盾日益突出，高质量数据的稀缺性制约着模型性能提升，数据资源的挖掘与利用边界亟待突破；其三，随着技术的快速发展，传统评测标准已难以适应新型大模型的评估需求，多样化的基准测试、评测数据集、评测方法与工具竞相涌现，急需加速构建更为科学、全面的人工智能大模型评估体系，为技术发展提供精准导向与规范指引。

　　人工智能大模型场景融合持续加深与拓宽

　　人工智能大模型正经历从通用能力构建向垂直场景渗透的范式迁移，其场景融合的广度与深度已成为衡量技术成熟的核心维度。

　　从发展动因看，行业数字化转型的差异化需求构成场景融合的核心驱动力。不同领域知识体系、业务流程与安全约束，要求大模型技术实现从“标准化供给”向“定制化服务”的跨越。这种跨越催生出基于通用大模型的行业适配方法论体系，其核心要义在于通过领域数据增强、任务目标对齐与计算架构优化，构建兼具泛化能力与专业深度的领域模型。

　　从技术维度看，场景融合呈现出显著层级化特征。底层是跨领域知识结构化建模，中层是行业任务的算法语义解析，顶层是业务流程的智能决策嵌入。这种多层级架构使得不同行业的模型适配呈现出差异化技术复杂度，数字化基础深厚的领域更易实现知识迁移，而安全敏感型领域则需构建更严格的可信计算体系。

　　从战略价值看，场景融合正重塑产业竞争与国家安全的底层逻辑。在产业层面，大模型与实体经济的融合催生新质生产力，推动研发设计、生产制造、服务运营等全链条的智能化变革；在安全层面，关键领域的模型自主可控已成为国家科技安全的重要组成，而军事、新材料等战略领域的深度应用，则凸显人工智能作为未来竞争制高点的定位。这种双重属性使得人工智能大模型场景融合超越技术范畴，成为衡量国家数字治理能力的重要标尺。

　　风险监管向敏捷治理、柔性治理转型

　　在人工智能大模型技术加速迭代与广泛应用的背景下，风险监管范式正经历从传统刚性规制向敏捷治理、柔性治理转型的深刻变革，这种转变不仅是应对技术风险的现实需要，更是数字时代治理理论创新与实践发展的必然趋势。

　　从风险本质来看，人工智能大模型的多维潜在风险源于技术复杂性与应用边界不确定性。数据安全、算法偏见、网络威胁、军事化滥用等风险交织叠加，形成具有传导性、隐蔽性与放大效应的风险生态系统。这种风险特征突破传统监管的认知框架与应对能力，倒逼治理模式必须向更具适应性与前瞻性的方向演进。

　　在此背景下，敏捷治理与柔性治理成为破局关键。敏捷治理强调监管机制的动态适应性与快速响应能力，通过构建弹性规则体系、建立风险预警与迭代优化机制，实现对大模型技术全生命周期的精准监管。这种模式打破传统监管滞后于技术发展的困局，以动态调整的规则框架平衡创新激励与风险防控。柔性治理则立足于伦理规范与法律法规的协同共治，将价值导向的软性约束与责任明确的硬性规范有机结合，既通过伦理准则引导技术发展方向，又以法律制度划定行为边界，构建起刚柔并济的治理体系。

　　治理模式的转型也重塑着全球数字治理格局。在国家层面，敏捷治理与柔性治理能力成为衡量数字竞争力与安全防护水平的重要指标；在国际层面，推动着全球数字治理规则的重构，促进不同治理理念与制度体系的交流互鉴。我国提出的全球人工智能治理倡议，正是基于对这种治理趋势的深刻把握，倡导构建开放包容、协同共治的全球治理框架，彰显大国在数字时代的责任担当与治理智慧。

　　加快形成向善发展的人工智能治理生态

　　提升人工智能产业链的韧性和安全水平。一是研发合成数据技术与方法，尤其是中文合成数据，形成强大数据资源，打破人工智能训练数据瓶颈。二是大力推进绿色算力发展，研发算力中心冷板式液冷散热技术和人工智能热能回收技术，建立规模化经济型零碳AI数据中心。三是支持绿色数据中心认证，通过制定和推广绿色数据中心认证标准，引导AI数据中心向低能耗、高效率方向发展。四是大力发展量子计算机、光计算等前沿科技和未来产业领域，弥补AI算力差距。

　　构建国内外双循环的人工智能生态。一是以基础研究、自主创新和要素聚集为核心，支持人工智能产业要素聚集，集中产学研三方力量，提升关键技术自主研发能力，构筑人工智能技术的完备性和控制力。二是注重人工智能战略人才、技术人才和业务人才培养与引进，重点支持战略人才聚焦科学研究、技术人才聚焦技术培训、业务人才聚焦场景应用。三是支持人工智能大模型企业加速“出海”，深化战略性合作，形成多层次、多元化的技术合作伙伴同盟关系。

　　推进全球人工智能向善治理。一是鼓励产学研单位积极主动参与国际人工智能标准化活动，携手全球人工智能产业链上下游企业共同制定国际人工智能综合标准化体系，包括基础共性标准、基础支撑标准、关键技术标准、智能产品与服务标准等。二是广泛汇集全球人工智能专家，在尊重各方文化多样性、政治安全等诉求基础上，探索多元化人工智能测试评估体系，完善通用大模型和行业大模型测试评估体系。三是在多维合作机制下建立多学科多主体参与的人工智能伦理全流程治理，积极助力联合国出台人工智能伦理原则、发布人工智能伦理治理指引，协同构建分级分类伦理治理模式，加快形成向善发展的人工智能治理生态。

　　作者吴小龙、吴记，分别系中山大学商学院副教授、管理学院教授

　　本文系国家自然科学基金青年基金项目（72202244）、国家自然科学基金优秀青年基金项目（72322020）阶段性成果