培育大模型产业生态需要制度革新丨法经兵言

4月29日，习近平总书记在上海考察时指出，人工智能技术加速迭代，正迎来爆发式发展，上海要总结好以大模型产业生态体系孵化人工智能产业等成功经验，加大探索力度，力争在人工智能发展和治理各方面走在前列，产生示范效应。当下，培育和建设大模型产业生态、促进人工智能发展至关重要。

何为大模型产业生态

人工智能大模型是指具有大规模参数和复杂计算结构的机器学习模型，通常基于深度神经网络构建，参数规模可达数十亿甚至数万亿。OpenAI通过GPT系列模型从0到1创新了大模型范式、完成行业标准定义，DeepSeek则进行架构创新、知识蒸馏和工程优化，大幅降低了模型训练与推理成本，实现从1到N的普惠化突破，使大模型普遍可及性大幅增强。

大模型产业生态是指以通用大模型作为核心驱动技术，由对大模型产业有重要影响的数据、算法、算力等各类要素，政府、企业、用户等多元主体，基础设施、技术模型和服务应用等多层级产业链组成复杂体系，通过基础模型的研发推动人工智能商业化和落地应用，实现大模型产业生态扩展。

大模型产业生态的形成既是必要也是必然。

从必要性而言，大模型产业涵盖数据、算力、算法、模型开发和落地应用多个环节，一方面，大模型技术相对复杂；另一方面，高质量的数据资源与算力资源供给不足，需要对要素资源和技术进行协同整合。作为基础的通用大模型难以直接满足具体需求，需要结合场景进行精准适配，适应不同应用场景需求，因此大模型产业发展需要产业生态形成以降低研发成本、提升创新效率。

从必然性而言，大模型产业高度依赖数据、算法、算力资源，三要素之间相互依赖，缺一不可，这种要素的强耦合性决定了大模型产业生态化的发展方式；大模型具有通用属性，通用技术的演进特征就是接入各行各业成为普惠性应用，多场景的碎片化需求会进一步驱动整个产业链的协同，开源大模型的发展趋势将进一步吸引开发者接入，丰富大模型应用生态。

大模型产业生态的发展趋势与风险

当前，我国大模型产业生态处于快速发展与积极构建的关键阶段。相较于此前适用于特定领域、特定任务的人工智能，大模型产业生态的发展趋势聚焦于多模态融合、人机交互共生、技术迭代轻量化、开源生态构建等方向，需重视大模型产业生态发展过程中面临的诸多法律风险。

多模态融合是大模型产业生态的主要发展方向之一。大模型能够实现普惠应用的重要基础在于大模型能够处理文本、图像、语音、视频等多种数据模态，并且能够进行跨模态推理，显著提升复杂场景中的决策能力。然而，来自不同渠道、形式多样的多模态数据也意味着数据安全风险的增加。随着大模型接入各行各业，其训练数据易涉及敏感个人信息，数据来源是否合法合规尤为重要，在数据的收集、存储、使用和传输过程中，若管理措施不当，容易发生数据泄露，严重侵犯个人隐私。

开源生态构建是推动大模型产业生态发展的强大动力。一方面，开源模型降低了大模型应用门槛，减少了大模型研发的资金和时间成本，能够吸引开发者和企业参与，加速产业应用并推动技术普惠。另一方面，开源生态加速了跨行业、跨领域的资源共享与应用场景创新。但模型代码公开可能导致模型被滥用，使大模型被用于开发钓鱼软件、深度伪造工具，进行金融诈骗、网络谣言传播等违法违规活动，不仅会损害用户和企业的合法权益，还可能对社会秩序和国家安全造成严重威胁。同时，当前的开源大模型对于算力依赖程度较大，而算力资源主要集中于欧美国家和境外相关头部企业，存在管制风险。

人机交互的加强是大模型普惠应用的必然趋势。以能够像人一样拥有感知、学习和与环境动态交互能力的具身智能为例，具有物理形态的人工智能载体已经被广泛应用于交通指挥、智能医疗、工业生产、自动驾驶、安全防护等多个领域，通过与人交互强化自主学习能力。因此，人机交互使大模型具备更强的环境交互性与高度自主性，行为结果难以预期。当大模型与人类共同完成任务时，责任界定往往较为复杂。例如，在智能医疗辅助诊断中，若大模型的诊断建议导致误诊，可能涉及医生、医院、模型开发者、数据提供者等多主体责任，具体责任难以追溯。

大模型产业生态需要制度革新

上海在大模型产业生态构建上形成了一定的示范效应，其经验核心在于建立“政策引领+生态协同+场景驱动”三位一体的发展模式。在这一发展过程中从大模型产业角度出发，以培育与建设大模型产业生态为目标，积极应对大模型产业中的重点风险，实现??技术刚性??与制度弹性??的平衡。为此，亟待从大模型产业发展的规律和特征入手，构建和完善符合其健康发展的制度体系和实施方法，以制度革新支撑技术创新。

在大模型产业的基础设施层，数据和算力等资源的丰富程度决定着人工智能大模型发展的上限，故数据与算力等关键资源的合理共享与流动格外重要。对于多模态数据的流通与共享，需在数据分类分级的基础上，根据《公共数据资源登记管理暂行办法》加快推动公共数据资源开放共享，对敏感数据采取加密、脱敏和访问控制等手段，实现数据的“可用不可见”，同时加强对数据来源的合法性的审查，保障数据安全。算力资源上，产业政策应在遵循《反垄断法》和《公平竞争审查制度实施细则》等法律法规的基础上，通过算力补贴引导企业合理布局算力资源，降低跨区域算力调度成本，避免补贴过度集中在少数地区或企业。

在大模型产业的技术模型层，需要支持与规范模型开源生态构建。首先，开源生态的建设以统一的标准为前提，开源生态构建上，产业政策可通过引导和资金支持，推动行业协会、标准化组织等制定与大模型平台互操作相关的行业标准和技术规范，提升技术兼容性和协同性，以标准统一推动创新与开源。

其次，加强对开源社区的管理和开源大模型知识产权保护，对开源社区管理实施??基金会、企业、高校等多元主体协同多元共治，探索分离知识产权与使用权的“有限共享”机制和开源许可证分级管理制度，引导企业建立覆盖全生命周期的开源合规体系。

最后，需要规范开源相关的垄断行为??，禁止企业滥用市场支配地位限制模型接入或捆绑销售，对产业链下游应用开发者收取不合理的高价许可费或设置歧视性条款，维护中小企业和开发者参与公平。

在大模型产业的服务应用层，涉及政府和监管机构、相关企业、应用平台和用户等多元主体，培育与建设大模型产业生态需要多主体形成治理合力。针对人机交互、人机协作过程中的侵权责任认定问题，需建立“资源—责任”匹配为导向的责任场景分类模式，基于场景复杂度与机器责任分级规则匹配差异化义务，强化医疗、金融等高风险场景的责任，推动人机责任的动态调整，并适当引入保险机制，提高大模型产业的抗风险能力的同时保障受害者的合法权益得到及时有效的救济。

针对生成内容合规和防范虚假信息，需压实平台责任，对于训练数据来源和模型版本迭代应记录存证，确保其可追溯。在模型输入端可设置敏感词库，防止违法内容的生成，在输出端要根据《人工智能生成合成内容标识办法》等规定进行标识。

近年来一直热议的避风港原则，即“通知—删除”原则，以及合理使用原则，在人工智能时代的适用需要相应调整，但是如何调整，平台与平台之间、平台对平台内用户，特别是经营者用户的监管义务和职责如何确定还需要进一步明确，平台的信息过滤义务的设定及边界在哪里都需要科学化、精细化设计，各类平台在进行数据获取与训练中需要守住哪些底线，使用的边界如何划定等都需因应调整。总的原则在于促进创新为主线，兜住安全为底线，一定要注意平衡好创新发展与安全运行之间的动态平衡，既要为技术创新及场景应用，特别是在应用中创新留出空间，也要为各类应用划出红线和底线，为应用场景制定好规则和规矩。

（陈兵系南开大学竞争法研究中心主任、法学院副院长，数字经济交叉科学中心研究员；董思琰系南开大学竞争法研究中心博士生）