人工智能正重塑全球科技格局，生成式大模型的突破引领着智能计算时代的到来。本文将系统梳理技术演进历程，并探讨我国的发展机遇与挑战。

十四届全国ren大c委会专题讲座第十讲讲稿

人工智能与智能计算的发展

孙凝晖

计算技术的演进可分为四个重要阶段：从机械计算到电子计算，再到网络计算，最终迈向智能计算。早期的算盘、纳皮尔筹等工具开启了计算历史，而现代计算机的科学基础则建立在布尔代数、图灵机等理论之上。

现代计算系统已形成五类平台架构：高性能计算、企业服务器、个人电脑、智能手机以及嵌入式设备。这些平台支撑着不同领域的应用需求。计算发展史可分为三个时代：电子计算时代以机器为中心，网络计算时代聚焦人机交互，当前的智能计算时代则实现人机物三元融合。

智能计算经历了四个关键发展阶段：通用计算装置奠定基础，逻辑推理专家系统尝试符号计算，深度学习系统实现模式识别突破，大模型系统则开创了生成式AI新纪元。2020年成为重要转折点，AI技术从小模型判别式转向大模型生成式。

大模型技术展现出三大特征：海量参数规模、庞大数据训练量、巨大算力需求。这带来三项重要变革：技术层面出现规模定律现象，产业层面催生算力需求爆发，社会层面影响劳动力市场结构。

AI技术前沿呈现四个发展方向：多模态大模型实现跨模态理解，视频生成模型展现世界建模潜力，具身智能推动虚实融合，AI4R范式有望革新科研方式。通用人工智能仍面临诸多挑战，需要持续探索。

人工智能安全风险主要集中在两方面：互联网虚假信息泛滥和大模型可信问题。应对措施包括发展检测技术，推进相关立法工作。我国已发布多项规范文件，需加快构建完整的治理体系。

我国智能计算发展面临四个主要困境：核心技术存在差距，高端芯片受限，生态建设不足，应用门槛过高。这些问题制约着产业的整体进步。

发展道路选择涉及三个关键维度：技术体系宜采取开源开放策略，基础设施需实现智能要素全面基础化，应用方向应聚焦实体经济赋能。这些选择将决定我国在全球竞争中的位置。

注释部分对专业术语进行了详细说明，包括模式识别、Token等概念的定义，以及芯片工艺、CUDA等技术原理的解释。

人工智能发展关乎国家竞争力，需要统筹技术突破与安全保障，走出一条符合国情的高质量发展道路。通过持续创新和生态建设，我国有望在智能计算时代实现重要突破。