證券時報記者 郭博昊
在全國兩會期間，全國政協委員、工業和信息化部原副部長王江平接受包括證券時報在內的媒體采訪時指出，隨著DeepSeek大模型的出現，針對特定模型架構的專用芯片將成為未來的發展趨勢。通過優化芯片設計，使得運用高製程工具實現低製程製造成為可能。王江平判斷，在未來一年或兩年內，專用芯片領域將迎來爆發式增長。
人工智能在帶來高效便捷的同時，也需警惕數據偏差與幻覺問題。王江平指出，人工智能的“幻覺”現象與數據集的質量和豐富性密切相關，同時也受到模型訓練程度的影響。對於推理模型而言，幻覺問題尤為突出。當數據在某些特定領域不完整時，模型容易產生幻覺。
他解釋，人工智能本身具有“補白”機製。當其內部數據充足時，模型會根據既定權重進行計算並輸出結果。然而，當數據集不夠豐富時，模型會降低權重並嚐試填補空白。這種填補有時會產生幻覺，普通人可能難以察覺，但專業人士往往能夠輕易辨別出這是錯誤的，甚至是胡編亂造的內容。
因此，當人工智能應用於特定行業時，數據集的重要性不言而喻。隻有強大的數據集才能支撐人工智能的高質量運行。從這一角度來看，幻覺問題本質上也反映了數據集質量問題。
王江平指出，數據集的構建應當依托於專業的實體企業，例如行業龍頭企業、工程設計院以及高校科研機構等。這些機構掌握著海量且高質量的數據資源。通過合理的商業模式將這些分散的數據進行集成，不僅可以實現數據的共享與價值最大化，還能為人工智能的發展提供堅實的基礎。隻有經過這樣係統化整合的數據，才能真正具備價值。
一方麵，過去人工智能模型往往被視為一種高精尖的技術，其應用門檻較高，限製了其在更廣泛領域的普及。DeepSeek推出後顯著降低了人工智能的使用門檻，使得市場需求迅速增長。然而，目前數據集的建設尚未完全跟上這一發展節奏，仍處於逐步完善的過程中。
另一方麵，數據集的構建還涉及企業隱私問題。對於企業而言，數據是其核心資產之一，因此企業通常不願意輕易共享。這就需要我們探索一種有效的共享機製，既能保障企業的合法權益，又能推動數據集的建設與發展。
王江平特別指出，算力是我國當前麵臨的一個重要短板，但通過綜合施策，仍有望實現轉型與突破。在算力基礎設施中，芯片是我國的薄弱環節。然而，隨著人工智能時代的到來，特別是像DeepSeek這樣的先進模型的出現，專用芯片將迎來巨大的發展機遇。過去，GPU作為一種通用性算力芯片，被廣泛應用於各類計算任務。但在DeepSeek等大模型出現後，針對特定模型架構的專用芯片將成為未來的發展趨勢。通過優化芯片設計，使得運用高製程工具實現低製程製造成為可能。
王江平預測，在未來一年或兩年內，專用芯片領域將迎來爆發式增長。這將為我國人工智能產業的發展提供有力支撐，同時也將推動我國在全球算力競爭中占據更有利的位置。
