伴随着人工智能的快速发展，各种大模型技术持续飞跃，尤其是国产大模型Deepseek的推出，低成本、高效能的AI产品正席卷我们生活和工作的方方面面。然而，在这个过程中，就业替代、信息虚假传播等伦理与社会问题也逐渐浮现，引发广泛关注和思考。

如何看待当前大模型发展的阶段？DeepSeek等大模型与各行各业深度融合，是机遇还是挑战？大模型发展背后，如何平衡成本、效率和创新？新京报围绕相关话题，采访了经济学家、横琴数链数字金融研究院学术与技术委员会主席朱嘉明。

新京报贝壳财经：DeepSeek火爆后，大模型推出速度加快，如何评价当前大模型的数量和质量？

朱嘉明：整体来看，大模型在数量和质量上都在不断演进。数量上，加速增长，Epoch AI数据显示，ChatGPT推出的2022年，训练算力超1023次浮点运算的模型有22个，2024年已达99个。质量上，2025年起，大模型研发从粗放到集约转型，从增大参数量和数据规模转为强调算法架构创新、数据预处理与微调策略等。

需澄清的是，大模型领域虽无权力直接干扰，但非无政府状态，而是有严格且多元的标准体系与规范网络构建的有序生态。只有满足技术、伦理、平台和法律要求，大模型才能获得认可与应用。全球满足这些要求的大模型有限，多数是在开源基础上，针对垂直领域优化。

2025年，大模型研发的重要特征是展现多模态推理能力。大模型从语言中心向“内在多模态”转变，强调跨模态推理和交互式反馈，提升复杂场景下适应能力。新一代模型能处理文本、图像、音频、视频等，实现跨模态理解与推理。

大模型发展方向明朗。未来两三年，脑科学揭示大脑奥秘，量子技术加速成熟，有望与AI大模型深度融合创新，提高计算效率和推理能力，催生更接近人类思维的智能体系，标志“大模型2.0时代”来临。同时，AI技术迅速市场化，研发与部署成本降低，融入日常生活，改变工作娱乐方式。

新京报贝壳财经：如何理解大模型研发的标准？

朱嘉明：大模型研发有标准，离不开业界、学术界和标准组织共同制定的评估与认证标准。这些标准随模型能力提升推进，形成“标准-挑战-突破-再标准”循环。领先团队发布创新大模型，确立基准；其他团队攻关改进，推动性能跃迁；突破成果成新标杆，开启新一轮竞争。

这一循环使大模型生态性能升级，标准体系、数据集构建与测试方法等同步演进，形成良性共赢环境。

新京报贝壳财经：国内大模型处于什么阶段？

朱嘉明：国内大模型普及化、大众化，使用人数快速增长，应用向金融、工业、政务等行业渗透。但仅是起步，需更多落地探索。预计下半年政策供给和资金投入加码，产业化部署和规模化应用将提速。

国内大模型功能互补，无全能模型。不同模型协同满足多元需求。在物理形态领域，中国实现关键技术突破，大规模部署工业机器人。

新京报贝壳财经：大模型1.0和2.0的根本区别是什么？

朱嘉明：1.0时代基于Transformer架构，迭代规模和微调技术；2.0时代有望突破Transformer限制，引入类脑计算和量子计算等，实现性能和效率跨越。

自GPT系列模型问世，Transformer为核心的大模型进入1.0时代。主要依赖扩大参数规模、丰富数据，提升生成质量与效率。DeepSeek通过多步预测和计算稀疏化，提升推理性能。然而，算力投入回报递减，研发人员关注2.0时代。下一代模型将突破Transformer复杂度限制，实现高效管理，有望在类脑芯片上提升能效。量子-经典混合计算模式成熟，展现低能耗潜力。

新京报贝壳财经：DeepSeek成本控制展现优势，如何看待大模型成本、效率和创新的关系？

朱嘉明：DeepSeek控制成本有优势，但创新成本需考虑代际演进和成本结构差异。第一代创新投入高昂，后续迭代借助经验和技术优化实现优势。成本是衡量竞争力的重要指标，但需与性能、可持续性和技术迭代并重。

新京报贝壳财经：AI和大模型如何重塑全球产业结构和经济格局？

朱嘉明：AI作为新工具，催生新产业形态，重塑传统行业，构建智能体经济与人机协同网络。

新京报贝壳财经：AI和大模型带来算法偏见、就业替代等问题，如何看待？

朱嘉明：AI虽伴随算法偏见和虚假信息传播风险，但这些问题非主流，可通过技术改进和制度治理缓解。随着法规框架推进、业界经验积累和公众认知提升，误解将消退。AI处理大数据的优势将凸显。

（文章来源：新京报）