今年以來開源大模型賽道的發展成效，標志著我國在這一領域正處于從“追隨者”到“引領者”的跨越式發展階段。

近些年，我國在開源大模型領域的技術突飛猛進，生態規模迅速擴大，涌現出諸多優秀的開源項目，在應用性能方面逐漸趕上國際前沿大模型，全球影響力凸顯。例如，深度求索的DeepSeek系列大模型的技術指標位居全球前列；阿里的Qwen系列大模型全球下載量已突破2億次，衍生模型數量超過10萬個，超越Meta的Llama成為全球最大開源模型族群。

面對全球人工智能行業激烈競爭，我國企業注重采取差異化發展戰略，著重提升產品的性價比。主要體現為：一是低成本高效能。DeepSeek的R1模型預訓練費用只有557.6萬美元，不到OpenAI GPT-4o模型的十分之一，推理成本也大幅降低。二是開源發展策略。與其他AI巨頭形成鮮明對比，我國企業堅持全球開源共享技術策略，大部分開源大模型支持免費商用和衍生開發，有利于降低企業的研發成本，吸引大量技術開發者加入其產業生態。三是多模態融合發展。我國開源大模型注重支持跨模態信息整合，有助于提升開源大模型與其他領域的融合程度。目前，我國開源大模型已經深入千行百業，在制造業、電力、醫療、教育、金融等領域都有應用，為各行業的智能化轉型提供了支持，展現出強大的賦能潛力。

也要看到，我國在算力、芯片、數據、安全等方面仍面臨一定風險與挑戰。比較突出的問題是，我國算力規模亟待提高，高性能AI芯片過度依賴進口。盡管目前我國算力規模已居全球第二位，但是開源大模型的算力需求呈指數級增長，未來的算力缺口將會制約我國開源大模型產業高速發展。數據規范化程度亟待提升，大模型安全治理機制滯后。開源大模型訓練需要使用海量數據，但是在數據獲取的便利性、數據來源的合法性、數據質量的可靠性、數據使用的安全性等方面仍然面臨不小挑戰，開源大模型在數據泄露與濫用、數據版權等方面的風險凸顯。盡管《生成式人工智能服務管理暫行辦法》已出臺，但在實操中缺乏統一標準和具體指南，亟待建立行業安全治理機制。

推動開源大模型實現質量躍升，仍需各方加強協同，通過政策引導破解算力、芯片、數據、安全等方面難題，多措并舉加快構建自主可控、安全可靠、全球領先的開源大模型產業，深化產研協同與國際合作，進而在全球競爭中占據更主動的地位。

構建自主算力體系，強化國際合作與標準制定。加大國產高性能芯片研發投入，支持國內企業技術攻關。推動“東數西算”工程與區域算力協同發展，注重在全國范圍內統籌建設萬卡級智能算力集群。我國應積極主導或參與國際開源大模型技術標準制定，通過全球開源社區等平臺推廣開源技術，共建全球AI治理聯盟。

完善數據共享與交易機制，建立健全安全治理框架。鼓勵建立行業數據庫，通過區塊鏈技術保障數據隱私與權屬，探索建立“數據訓練基地”模式，鼓勵企業以貢獻度換取數據使用權，促進數據要素的共享和交易。及時出臺與人工智能相關的政策法規和指導細則，并制定細分領域人工智能應用安全指南，推廣“算法備案”機制，建立第三方評測平臺，動態監測模型風險。

推動產研融合與生態協作，推出商業化支持政策。支持企業、高校聯合研發，推動大模型在更多產業落地見效，設立“揭榜掛帥”專項基金，推動高性能芯片、大模型性能優化等關鍵技術突破。鼓勵大模型企業平衡好免費服務與增值服務之間的關系，建立良性循環的商業模式。推動地方政府開放公共場景，加速大模型落地應用。

（作者系中國社會科學院大學應用經濟學院執行院長、教授、博士生導師）