今年全国两会期间，围绕人工智能的讨论热度持续攀升，人工智能相关话题已成为两会关键词。中国电子学会政策研究与国际合作处处长王桓在接受《中国电子报》记者采访时表示，当前，凭借超大规模市场、丰富应用场景、活跃创新主体三大核心优势，我国人工智能产业呈现“稳中有进、进中提质、质中有新”的鲜明特征。
在他看来，我国人工智能整体水平已跻身全球第一梯队，但仍处于技术赶超、产业壮大、应用落地的关键发展期。产业面临高端芯片对外依存度较高、专业复合型人才短缺、产业链上下游协同不足等挑战。
应该如何实现人工智能高质量发展，推动我国成为全球人工智能产业发展的增长极和创新策源地？王桓从“AI开源”与“AI治理”两个维度出发分享了自己的见解。
放大开源优势，筑牢自主创新的“压舱石”
王桓认为，开源是激活全社会创新活力的“催化剂”，也是筑牢自主创新底座的“压舱石”。坚持开源创新，不仅能够打破技术壁垒，让中小企业、科研院所、开发者共享技术成果；更能摆脱对国外技术体系的依赖，让我国AI产业发展拥有属于自己的“根技术”。
不过，支持开源路径并不意味着摒弃闭源路径。王桓表示，开、闭源路径并非非此即彼的对立关系，而是竞合共生、各展所长、融合发展的态势。
闭源模式的核心优势在于商业变现能力强，头部企业凭借技术积累和资源优势，在高端商业化场景、精准化服务体验上形成壁垒，更能通过商业化反哺技术研发，在核心算法、模型优化上保持领先；而开源模式的核心价值则在于技术普及和生态培育，成为全球AI技术创新的“试验场”，不仅能推动技术的快速落地和场景适配，更能培育海量开发者，构建起多元化的产业生态。
从全球竞争格局来看，海外头部企业在闭源大模型的技术成熟度、全球商业落地能力上仍占据优势，而我国则依托开源生态实现了快速崛起，在模型的本土化适配、垂直场景应用上形成了独特优势。王桓强调，未来全球AI的竞争，不再是单一的开、闭源路径比拼，而是“开源生态自主可控+闭源技术持续突破”的综合实力较量，谁能实现二者的协同发展，谁就能在全球AI竞争中占据主动。
为此，他呼吁，要建设并持续优化国家级人工智能开源社区生态，立足“全球视野、国家战略、市场导向”，做好顶层设计、生态培育、服务保障三方面工作，打造具有中国特色和全球影响力的开源生态体系。
具体而言，第一，强化顶层统筹设计，明确国家级开源社区的战略定位和发展规划，由国家相关部门牵头，整合全国算力、数据、人才等优质资源，设立专项扶持资金，重点支持核心技术开源、社区平台建设和优质项目孵化。同时建立统一的技术标准和评价体系，让社区发展有章可循、有规可依。第二，坚持产学研用协同共建，突出企业的主体地位，鼓励头部科技企业、高校、科研院所、中小企业共同参与社区建设，推动开源项目从单纯的技术研发向场景落地延伸，打造“研发-测试-应用-反馈”的闭环，让社区成为技术创新、成果转化、人才培养的复合型平台。第三，完善社区运营和激励机制，建立开放、公平、透明的开发者评价和激励体系，通过资金支持、荣誉认证、商业合作等方式，激发开发者的参与热情。同时提升社区的国际化水平，吸引全球优秀开发者参与，推动中国开源项目走向世界。
同时，王桓也强调，要警惕开源可能伴生的风险，如技术安全、产权界定、商业落地、生态可持续等问题，他建议，应提前布局、系统施策、源头规避。一是建立全流程开源技术安全审查机制，对核心开源项目开展常态化安全检测和漏洞排查，明确安全责任主体，防范网络安全风险和技术泄露风险，保障国家数字安全。二是完善开源知识产权保护体系，细化开源协议的适用范围和权责边界，建立知识产权纠纷调解机制，厘清开发者、贡献者、使用者的权利义务，避免知识产权侵权问题。三是探索多元化的开源商业模式，推动开源项目与市场需求深度结合，通过技术服务、定制化开发、生态合作等方式，让开发者和企业在开源生态中实现价值回报，解决开源“只投入、无收益”的痛点。四是建立开源生态治理机制，明确社区的运营规则和管理体系，防止恶意分叉、无序竞争等问题，保障开源生态的健康可持续发展。
强化安全治理，构建全球合作的“中国方案”
在人工智能治理方面，王桓认为，人工智能是一场全球性的技术革命，其引发的伦理、安全、就业等问题具有跨国界特征，必须通过国际协作共同应对。他表示，我国作为全球AI发展的重要力量，肩负着推动构建公平合理、包容普惠的全球AI治理体系的重要责任。
王桓特别提到了近期Claude发生的大面积服务中断事件，认为这并非单一的技术故障问题，而是暴露了全球AI产业发展中底层架构、算力支撑、生态可控等方面的共性问题。他进一步分析表示，Claude事件也为我国AI产业的安全、稳定、可持续发展敲响了警钟。并同步提出了四项针对性建议。
第一，坚定不移推动核心技术自主可控。AI大模型的运行依赖于底层架构、核心算法、关键组件等一系列核心技术，必须加大对底层技术的研发投入，突破“卡脖子”技术，掌握核心技术的自主知识产权。
第二，加快构建稳固可靠的算力基础设施体系。AI大模型的训练、推理和常态化服务，离不开强大、稳定、高效的算力支撑，Claude服务中断，背后也反映出算力调度及冗余设计等方面的问题。要持续加大算力基础设施建设，突破算力芯片、调度系统、边缘计算等关键技术，打造以“东数西算”为核心的全国一体化算力网络，同时优化算力资源配置，提升算力的冗余备份和应急处置能力，保障算力供给的稳定性和安全性。
第三，打造全链条自主可控的AI产业生态。人工智能发展是一个系统工程，从数据采集、算法研发、算力支撑到应用场景，各个环节环环相扣。应推动数据、算法、算力的协同发展，培育本土的AI产业链上下游企业，形成从底层技术到终端应用的全链条自主发展能力，避免对国外技术平台和服务体系的单一依赖，防止形成短板。
第四，高度重视AI技术的成熟度和稳定性。大模型在大规模商用过程中，系统稳定性、容错能力、应急处置能力至关重要，不能只追求AI技术的迭代速度和模型参数，更要注重技术研发的扎实性和产品服务的稳定性，强化对AI系统的全流程测试、风险防控和应急演练，提升其抗风险能力和容错能力，确保AI技术在商用过程中安全、稳定、可靠。
最后，针对如何进一步加强人工智能治理国际合作，王桓提出了三点具体建议：第一，坚持共商共建共享的治理理念。在国际合作中充分尊重各国的发展阶段、国情差异和利益诉求，针对发达国家和发展中国家制定差异化的治理指引，推动形成兼顾各方利益、普惠全球的AI治理体系，让各国都能共享AI技术发展的红利。第二，聚焦核心领域开展深度合作。围绕人工智能安全、数据跨境流动、知识产权保护、算法透明度、就业保障等全球AI治理的核心议题，开展联合研究和实践探索，形成具有约束力的国际规则和共识，共同防范AI技术发展带来的各类风险。第三，加强人才和技术的双向交流。推动各国人工智能领域的专家、学者、开发者开展常态化交流合作，建立人才培养合作机制，共同培育兼具技术能力和治理思维的复合型人才。同时推动AI治理技术的研发和共享，让人工智能技术始终朝着造福人类、推动全球发展的方向前行。