生成式AI管理规则落地 大模型后时代到来

news2025/1/2 0:19:20

国家网信办等七部门联合颁布的《生成式人工智能服务管理暂行办法》,给中国生成式AI产业树立了发展规范。

这份监管文件的用意并不止于管控,还用大量的笔墨传递出推动产业发展的原则,尤其强调“鼓励生成式人工智能技术在各行业、各领域的创新应用”。

监管新政发布的时机,恰逢AIGC热潮降温期。此时,各路大模型的面世已经无法给世界带来新的感官刺激,虽然大模型的升级路依旧漫漫,但外界对应用端的渴求,已经促使大模型后时代提前到来。

开源证券研究认为,游戏、电商和教育将是生成式AI率先改造的赛道。当大模型在细分场景中带来颠覆性体验,势头有所衰减的AI才会重拾魅力。

生成式AI管理规则将行 概念股抬头

7月13日,国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、国家广电总局公布《生成式人工智能服务管理暂行办法》(下称《办法》),自2023年8月15日起施行。

在海内,外生成式AI经历了半年多无序狂奔后,中国对生成式AI的研发及服务做出明确的管理规范,标志着AI产业草莽时代的终结。

 网信办公布生成式AI管理文件

这份监管文件可以概括出两大关键词:加强监管、鼓励发展。

在监管层面,《办法》指出,只要是利用生成式AI技术向中国境内公众提供生成文本、图片、音视频等内容的服务,都需要遵守规定。换言之,向国内用户提供服务的海外生成式AI应用也被囊括在监管范畴内。

监管条例对生成式AI的研发和服务环节都做出了详细的规定。

内容方面,不能生成危害国家、暴力、色情、虚假等法律法规禁止的内容;算法设计层面,需要采取有效措施避免民族、信仰、性别等歧视;权益方面,需要尊重知识产权,不得侵害他人肖像权、隐私权等权益;服务规范方面,提供者应履行网络信息安全义务,采取措施防范未成年人沉迷生成式AI服务,不得非法收集用户个人身份数据等。

上述规定基本对过往生成式AI的暴露出的负面行为画好了红线。比如,利用ChatGPT生成谣言、侵犯知识产权、利用生图工具“换脸”“脱衣”等恶性事件,在日后将受到严格的监管。

必要性的监管之外,促进生成式AI的良性发展,也是《办法》中强调的一块重点。“鼓励”和“推动”的字眼多次出现在文件中。

监管部门表示,鼓励生成式AI在各行各业的应用,鼓励算法、框架、芯片等基础技术的自主创新,推动公共训练数据资源平台建设。同时,还要促进算力资源共享,提升算力的利用效能。

重监管、促发展的原则下,中国生成式AI步入崭新的发展阶段。一方面,监管条例明确后,相关企业可更清晰、高效地执行研发,加快技术落地;另一方面,新规的多项激励性条例,也能让生成式AI的研发降本增效。

全球范围内,欧盟正在推进其《人工智能法案》的最后立法进程,美国则预计将在今年夏天推出一系列监管措施,日本预计在今年年底前出台监管政策。

此次国内的监管落位,普遍被视为利好国内生成式AI产业发展,证券市场反映了外界的预期。

在经历了数周的下跌后,AI概念股在7月14日重新抬头,三六零、科大讯飞、昆仑万维分别上涨了2.46%、2.71%、4.04%,百度在美股市场上涨了2.35%。

中信证券研报称,人工智能应用层发展有望得到促进,如游戏、工具型和娱乐型应用。同时,政策也强调推动生成式人工智能基础设施和公共训练数据资源平台建设,有望带动数据、模型等相关公司的发展。

大模型后时代 开“卷”应用

除了管理层面的《办法》颁布外,众多知名科技公司也在参与人工智能产业发展标准化的制定。

在刚刚结束的2023世界人工智能大会上,国家标准委指导的国家人工智能标准化总体组宣布,上海人工智能实验室与百度、360、华为、阿里等公司,联合担任我国首个大模型标准化专题组组长,并正式启动大模型测试国家标准制订。

根据要求,上述单位需要发挥在大模型领域的理论和实践经验,围绕大模型软硬件底座、关键技术、产业应用等领域的突出问题提供标准化研究选题建议。

监管规范和行业标准几乎在同一时间建立,推动着中国生成式AI企业向“正规军”过渡,而潜在的竞争和洗牌也将一同展开。

从ChatGPT引发大模型浪潮开始,中国企业在大模型方面的军备竞赛尤为激烈。根据中国科学技术信息研究所所长赵志耘于今年5月发布的《中国人工智能大模型地图研究报告》,据不完全统计,中国10亿级参数规模以上大模型已发布了79个。

“百模大战”如火如荼,但大模型引发的兴奋度也在逐日衰减。外界期待,在监管部门鼓励生成式AI进入应用端的背景下,AI公司们能掏出点不一样的东西。

尽管大模型的优化空间仍然很大,但不夸张地说,大模型后时代已经提前到来。当前的市场对重复造轮子产出的大模型早就审美疲劳,这意味着大模型对现有商业场景的改造将成为新的风口。

哪些赛道有望率先得到生成式AI的加持?开源证券认为,游戏、电商和教育首当其冲。

游戏产业从制作到后续的玩家体验,都有被AIGC革命的趋势。无论是游戏剧情设计、人物原画设计方面,生成式AI都能够显著提升效率,而网易游戏《逆水寒》也将AI引入到游戏中,让NPC可以与玩家自然对话,输出不同的交互体验。长久来看,AIGC将持续提升游戏的内容丰富度。

电商赛道,也是AI能够大展拳脚的舞台。开源证券表示,具备UGC内容及数据优势的头部导购平台基于大模型推出的“AI导购”或推动流量及收入增长提速,“AI+数字人”有望打开更广阔的商业化空间。

而在教育领域,AIGC技术将推动青少年AI培训市场规模增长加速,海量教学内容与大模型结合,能够让AI成为某个细分学科的老师,AI辅助教学市场空间巨大。从具体实例看,驾驶学校东方时尚已经启用了AI教练,在车上以语音形式实时指导学员练车。

此外,影视、传媒等注重内容生产的行业,也将持续被AIGC改造。预计在未来,会有大批基于大模型的、面向垂直行业的AI生产力工具面世,辅助人类高效完成内容创作。

从卷大模型到卷应用,生成式AI的浪潮也将从巨头公司向具有创造力的中小公司流去,当大模型加上创造力,有可能诞生与对话机器人完全不同的新应用,更加独特的商业故事正在酝酿之中。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/775890.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Unity 锚点 Anchors的通俗易懂详解

一、锚点Anchors是什么 当你在Canvas下建子物体的时候,选中子物体就会自带四个△,如下 这个三角也可以是分开的,如下 值得一提的是,这四个三角只能组成一个矩形,或者一个点,例(矩形&#xff09…

YOLO数据集实现数据增强的方法(裁剪、平移 、旋转、改变亮度、加噪声等)

前言 最近我在做论文实验时从MSCOCO数据集中筛选了符合条件的1260张图片,但数据样本太少了,于是我就利用数据增强的方法实现了带标签的样本扩充,最后扩充为7560张图片。本文就来记录一下过程,有不懂的地方欢迎留言噢~ 目录 前言…

40.构造函数与析构函数

目录 1.构造函数 构造函数在以下情况被调用: 构造函数可以具有以下特点: 下面是一个简单的示例代码,展示了一个类的构造函数的定义和用法: 构造函数的特征 2.析构函数 析构函数的声明和定义如下: 以下是一…

信息安全-1网络信息安全概述

文章目录 一、概述1.1 网络安全现状 二、 网络信息安全现状与问题三、网络安全防御3.1 基本属性3.2 安全目标和功能 四、基本技术4.1 基本技术4.2 管理内容&方法4.2.3 管理要素: 五、信息安全管理流程六、法律法规 对网络安全和信息化工作作出重要指示 昨天突然…

OOM--除堆栈溢出外,其他几种溢出

从实践经验的角度出发,在处理小内存或者32位的应用问题时,除了Jaya堆和方法区之外,我们注意到下面这些区域还会占用较多的内存,这里所有的内存总和受到操作系统进程最大内存的限制: 直接内存:可通过-XX:MaxDirectMemorySize调整大…

CS 144 Lab Zero -- 可靠的内存字节流

CS 144 Lab Zero -- 可靠的内存字节流 环境搭建使用socket写一个网络程序In-memory reliable byte stream 对应课程视频: 【计算机网络】 斯坦福大学CS144课程 Lab 0 对应的PDF: Lab Checkpoint 0: networking warmup Lab 0 会省去Telnet部分内容。 环境搭建 Run Ubuntu ver…

模拟算法leetcode刷题

1)替换所有的问号: 1)模拟算法流程&#xff0c;一定要在草稿纸上过一遍流程 2)将流程转化成代码 1576. 替换所有的问号 - 力扣&#xff08;Leetcode&#xff09; class Solution {public String modifyString(String s) {char[] arrays.toCharArray();for(int i0;i<array.le…

去掉回车和换行符

1.工具用notePad 把Linux 等环境下的日志打印出来的sql 复制出来时包含换行符和回车符&#xff0c;无法直接在数据库客户端工具直接执行&#xff0c;需要去掉换行符和回车符。使用notepad 中的替换功能批量替换回车符和换行符。

6. 测试的分类以及黑盒测试、白盒测试和黑盒测试的区别

目录 1. 按照测试对象划分 1.1 界面测试 1.2 可靠性测试 1.3 容错性测试 1.5 兼容性测试 1.6 易用性测试 1.7 安装卸载测试 1.8 安全性测试 1.9 性能测试 1.10 内存泄漏测试 2. 按是否查看代码划分 2.1 黑盒测试&#xff08;Black-box Testing&#xff09; 优点 …

在 IDEA 中使用 Git 图文教程

Git 专栏索引&#xff1a; Git 分布式版本控制系统使用教程 在 IDEA 中使用 Git 图文教程 在 IDEA 中使用 Git 图文教程 &#x1f680;1. 配置 Git&#x1f680;2. 创建项目远程仓库&#x1f680;3. 初始化本地仓库&#x1f680;4. 连接远程仓库&#x1f680;5. 提交到本地仓库…

Python(二十三)运算符——赋值运算符

❤️ 专栏简介&#xff1a;本专栏记录了我个人从零开始学习Python编程的过程。在这个专栏中&#xff0c;我将分享我在学习Python的过程中的学习笔记、学习路线以及各个知识点。 ☀️ 专栏适用人群 &#xff1a;本专栏适用于希望学习Python编程的初学者和有一定编程基础的人。无…

CityGML三维场景查看

今天我将展示如何读取 CityGML 文件并以 3D 方式查看其信息&#xff0c;以及如何通过挤出将shapefile转化为3D模型。 我还没有找到 3D 渲染器中可用设置的非常详细的描述&#xff0c;因此我花了一些时间测试它们。 我试图弄清楚它们的作用以及何时使用它们。 我将在本文末尾解…

英码积极参与行业交流活动,“快、易、省”赋能更多企业具备AI能力

2023年&#xff0c;ChatGPT的火爆引发了算力需求的大爆发&#xff0c;有人说&#xff0c;边缘计算因兼具时延低与安全等优势&#xff0c;或将成为解决AI算力紧张的良方&#xff1b;在人工智能产业发展的推动下&#xff0c;边缘计算成为了众人瞩目的焦点。随着应用场景的多元化和…

关于 华为云:服务器上传文件夹后显示403

问题原因&#xff1a; 华为云&#xff1a;当前使用的操作系统默认的umask 值是0027 上传文件后出现权限403 的问题&#xff1a; 解决1&#xff1a;修改 /etc/profile 文件 027 022 查看是否修改&#xff1a; 指令&#xff1a;umask 0022 需要删除之前的 文件重新上传&am…

【C语言】指针还不会?这一篇就够了

&#x1f466;个人主页&#xff1a;Weraphael ✍&#x1f3fb;作者简介&#xff1a;目前正在回炉重造C语言&#xff08;2023暑假&#xff09; ✈️专栏&#xff1a;【C语言航路】 &#x1f40b; 希望大家多多支持&#xff0c;咱一起进步&#xff01;&#x1f601; 如果文章对你…

HNU-计算机系统CS-学习感悟

本学期学的两门核心课&#xff0c;一个CS&#xff0c;一个OS。对我来说都有一定难度。 CS总评91/100。主要是期末考试没太发挥好&#xff0c; 主要原因是存储部分有个没有考虑写的情况&#xff0c;送了8分。 总领 CS的学习采用最经典的书——CSAPP&#xff0c;也被称为计算机…

vue3 ts vite electron开发桌面程序

1、搭建vuetsvite项目 # 创建Vue项目 npm init vue # 安装依赖 npm install # 一定要安装成开发依赖 npm install electron electron-builder -D 根目录创建plugins文件夹&#xff0c;文件夹中创建ts文件&#xff0c;vite.electron.build.ts是打包文件代码&#xff0c;v…

LeetCode面试题02.07.链表相交

面试题02.07.链表相交 两种解题思路 面试题02.07.链表相交一、双指针二、哈希集合 一、双指针 这道题简单来说&#xff0c;就是求两个链表交点节点的指针 这里注意&#xff1a;交点不是数值相等&#xff0c;而是指针相等 为了方便举例&#xff0c;假设节点元素数值相等&…

MySQL 坐标批量计算及优化

文章目录 1、坐标计算2、优化 现在有一个需求&#xff0c;就是找出距离某用户最近的一些点&#xff0c;一种实现方法就是调用地图的api来计算筛选&#xff0c;另外一种就是在数据库中计算&#xff0c;考虑到地图api有并发量限制&#xff0c;所以选用数据库计算的方式。 1、坐标…

Python实现HBA混合蝙蝠智能算法优化BP神经网络分类模型(BP神经网络分类算法)项目实战

说明&#xff1a;这是一个机器学习实战项目&#xff08;附带数据代码文档视频讲解&#xff09;&#xff0c;如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 蝙蝠算法是2010年杨教授基于群体智能提出的启发式搜索算法&#xff0c;是一种搜索全局最优解的有效方法…