“大模型技术的进步使得通用人工智能成为可能，但要实现通用人工智能还有很长的路要走。”全国政协委员、中国科学院自动化研究所研究员王亮近日接受采访时说。王亮自2000年起研究计算机视觉，推动了步态识别算法产业化，是多模态人工智能系统全国重点实验室的研究者。

王亮指出，Deepseek在大模型技术上的突破，显著增强了人们对通用人工智能的信心。他认为，未来人工智能应用需融合多模态数据。此外，要推动“人工智能+”广泛应用，应深化学术研究与产业应用融合，并加速高质量数据共享。

大模型技术正推动人工智能向更通用方向发展。

近年来，大模型成为人工智能发展的强大动力。特别是今年，DeepSeek的突破备受关注。王亮分析，DeepSeek在软硬件层面均实现创新，极大提升了大模型的运行效率和通用性。

“大模型已具备学习、推理、规划、认知及决策等能力，可接受多模态数据输入，使通用人工智能从设想逐步变为可能。”王亮说。同时，大模型开源降低了开发门槛，加速了人工智能技术迭代，推动了技术广泛应用。

然而，王亮也指出，实现通用人工智能仍面临挑战。要让人工智能具备人类般的感知和处理信息能力，需攻克众多技术难题。例如，自动驾驶技术需结合多模态解决方案，弥补视觉技术不足。

王亮认为，多模态感知解决方案对人工智能在产业端广泛应用至关重要。如人形机器人需感知视觉、听觉、触觉等多模态数据；网络安全应用也需理解分析多模态数据，做出精准判断。

提升数据质量是关键

王亮表示，要进一步提升大模型性能，需更大规模的高质量数据，这是人工智能下一步发展的难点之一。

“真正用于大模型训练的数据需经过细致过滤、清洗和标注，耗时耗力且成本高。”王亮说，高质量数据标注能规范数据，推动大模型发展。近日，国家数据局发布多项技术文件，引导数据基础设施建设，王亮作为成员，期望推动数据共享，加速大模型技术应用。

促进产学研深度融合

王亮强调，推动人工智能应用，需促进产学研深度融合。

“过去几年，产学研融合取得一定成果，但仍存不足，与学术界和产业界定位、目标不同有关。”王亮分析，学术界关注前沿技术探索，产业界侧重短期应用与商业回报，导致脱节。为缩短适配周期，应加强学术界与产业界在研发阶段的合作。

“研发阶段就应加强协同，让学术界了解产业界需求，产业界提供数据，用于算法开发。”王亮建议，这样开发出的算法能直接应用于生产，形成产业闭环。

（文章来源：中国证券报）