马克思在《资本论》中指出，“划分经济时期的事情，不是生产了什么，而是怎样生产，用什么劳动手段生产。劳动手段不仅是人类劳动力发展的分度尺，并且也是劳动所在的社会关系的指示器”。
近代史上，能够作为划时代分度尺的劳动手段均为蒸汽化、电气化和信息化等巨大的技术创新，都带来生产力大幅提升。然而，生产力提升的同时，往往也由于劳动手段的革新给经济社会发展带来巨大挑战。今天，生成式人工智能的快速发展，又一次将我们带到划时代的机遇和挑战面前。
生成式人工智带来多重挑战
生成式人工智能带来数字经济发展的新挑战。生成式人工智能的兴起源于深度学习技术的重大突破和数字内容供给的快速增长，其强大的性能使人工智能在需求牵引下快速向数字经济各领域渗透。生成式人工智能在产生新业态、新模式同时，其低成本、高效率、个性化的服务也冲击了同领域现有业务模式。软件业一直是高强度的信息处理和创造行业，无论使用哪种编程语言，总离不开繁重的模式化劳动。在生成式人工智能的帮助下，工作效率可以显著提高。以国内开发者最常用的辅助工具GitHub Copilot为例，当代码出现空缺，AI代码助手可以根据代码类型、代码上下文等信息，自动进行代码补全；并且能够根据代码反向生成注释和单元测试代码，甚至修正代码错误。其代码自动补全功能提升软件开发、测试、部署和维护等过程的自动化水平，带来巨大的效率飞跃的同时，软件业的工作组织模式也必然需要随之调整。
生成式人工智能带来就业的新挑战。从纺织机、内燃机到计算机的出现，新技术的引入往往使部分劳动者失去工作，生成式人工智能很大程度上也会产生同样影响。有研究模型计算显示，美国和欧洲大约三分之二的工作，在某种程度上将受到人工智能的影响。这意味着，在未来的几年内，很多人将不得不面对自己的职业前途问题。文化、媒体、金融等数字化程度较高、内容需求丰富的行业，其中的基础性工作可交由人工智能生成从而导致工作岗位减少。教育、电商等领域需要从业人员增加人工智能技能，以生成多感官交互的沉浸式体验。某种程度上，劳动者再次面临与非人类的竞争，一如200多年前英国工人与纺织机的斗争。
生成式人工智能带来科技创新的新挑战。生成式人工智能的大模型对算力、算法和语料有很高要求，一定程度上凸显了我国在算力、算法和高质量语料等方面的短板。高性能GPU的进口限制放大了算力缺口，算法研发与国际领先水平仍有差距，汉语语料与英文的数据质量和规模差距也不容忽视。如何应对生成式人工智能发展这项庞大的系统工程，是摆在科技创新面前的重要挑战。例如，我国的大语言模型产品距离ChatGPT尚有一定差距，甚至在中文对话能力方面也是如此。究其原因，中文语料的数量和质量不足是一个核心要素，虽然我国拥有大量电商、社交、搜索等网络数据，数据类型不够全面，知识可信性缺乏保证，数据清晰工作也有所欠缺。
积极应对挑战，化“危”为“机”
“努力在危机中育新机、于变局中开新局。”是习近平总书记对正视危机、化危为机做出的重要阐释。尽管生成式人工智能带来诸多挑战，但每一项的挑战和改变，必然也意味着新的机会。我们应找准定位，不断寻找探索挑战中蕴含的发展机遇。
瞄准新赛道，发挥新优势。生成式人工智能模型训练高度依赖语料。当前，各家企业的大语言模型基本是基于公开数据展开训练，鲜有模型获得制造业领域的专业数据，也就尚未在细分行业获得生成能力。我国作为全球唯一拥有联合国全部工业分类、制造业产值位居全球第一的国家，积累了海量的专业领域数据，丰富的数字资源有望支撑我国在另一条赛道实现快速发展。利用我国丰富的专业领域数据构建大规模的数据集，可以用于训练和优化AI模型。例如，在制造业中，可以利用AI优化生产过程、预测设备故障、提高产品质量等方面应用AI技术，从而提升整体的生产效率和竞争力。
拓展新技能，用好新工具。工作岗位的削减不仅仅代表就业机会的减少，往往也意味着新岗位的诞生。工业革命短期内导致了工作岗位减少。然而，长远来看，也为社会创造了新的就业机会。生成式人工智能的广泛应用将推动智能制造、智能交通、智能医疗等领域的不断发展，为就业市场注入新的活力。对劳动者而言，将人工智能作为效率提升的工具，以生成式人工智能作为增强自身竞争力的契机，自然是应对就业挑战最好的方式。劳动者通过积极适应新技术的发展，不断学习和提升自己的技能水平，掌握生成式人工智能技术，可以获得在数据分析、自然语言处理、创意内容生成等领域的技能，从而具备更好的就业机会和更强的竞争力，以适应人工智能新时代的就业市场。
打好新基础，创造新条件。生成式人工智能发展离不开算力基础设施、数据集、人才等基础条件。这三类关键基础条件正是我国近几年重点支持和发展的领域。新型基础设施建设、“清朗”行动和高技能人才队伍建设等一系列举措的出台，客观上加大了我国对算力基础设施的建设投入，优化了算力基础设施的运营效率；提升汉语数据质量，培养和引进高水平的人工智能人才，为生成式人工智能相关创新不断夯实基础。我国当前算力规模局全球第二位，已经建成9家国家超级计算中心，各类智能计算中心20余家，例如鹏城云脑现在对外开放的算力达到总能力3/4，可支持规模与GPT-3相当的两千亿参数的开源中文预训练语言大模型。可适当开放各类算力平台支持大模型训练，在较强算力的基础上，通过高质量数据集帮助模型更准确、更全面的训练，提高生成式AI模型的性能和鲁棒性，并提高模型在不同场景下的表现。
“智者虑事，虽处利地，必思所以害；虽处害地，必思所以利。”面对生成式人工智能带来的挑战，我们应冷静看待，积极应对，选好赛道、抓住机会，转危为机。
本文作者：
杨 超 国务院发展研究中心
谢宗旭 清华大学
