2025公共人工智能（Public AI）白皮书

核心观点

• AI 发展失衡： 当前 AI 发展呈现权力集中趋势，少数科技巨头控制着最先进的 AI 模型以及计算能力、数据资源等基础基础设施，威胁到 AI 开放的透明度和民主问责制。
• 公共 AI 框架： 提出“公共 AI”概念，指代透明治理、公共问责、开放公平访问和明确公共目的的 AI 系统。公共 AI 框架基于公共数字基础设施理念，强调计算、数据和模型等关键基础设施的开放性和可及性。
• AI 技术栈： 将 AI 系统分解为计算、数据、模型和应用四个层次，并分析了每个层次中存在的权力集中问题。计算层依赖少数云服务提供商和芯片制造商，数据层存在数据垄断和版权问题，模型层缺乏高性能开源模型。
• 公共 AI 三条路径： 提出三条实现公共 AI 的路径，分别针对计算、数据和模型层：
  • 计算路径： 建议投资公共计算基础设施，支持开源 AI 发展，并加强公共计算机构之间的协调。
  • 数据路径： 强调创建高质量数据集作为数字公共产品，通过基于共同体的治理模式确保数据开放公平访问，并建立公共数据共享机制。
  • 模型路径： 旨在培养全开源 AI 模型生态系统，包括高性能“旗舰模型”和专用小型模型，并强调构建可持续的开源 AI 开发能力。
• 公共 AI 生态系统： 建议创建公共生成式 AI 基础设施和系统生态系统，并设立一个能够协调各机构行动的公共机构。
• “公共性程度渐变”框架： 提出该框架用于评估和塑造 AI 项目，基于开放程度、治理结构和与公共价值的契合度，将 AI 项目映射到从完全公共到完全私有的连续体上。
• 其他措施： 除了三条主要路径外，还需要投资 AI 人才和能力建设、支持范式转变创新、资助开源软件和工具、以及构建有效的公共 AI 应用部署途径。

关键数据

• AI 训练计算能力自 2012 年以来增长了 300,000 倍。
• 2023 年，人工智能公司每天运营成本高达 70 万美元。
• 2023 年，人工智能公司从风险投资公司那里获得的资金高达 270 亿美元，其中 80-90% 在早期轮次中返还给了云服务提供商。
• 仅少数公司拥有开发和部署尖端 AI 模型所需的大量计算资源。

研究结论

• 公共 AI 政策应避免参与由商业利益驱动的 AI 竞赛，而是应以务实的发展策略为目标，将计算投资与明确的模型开发和部署目标相结合。
• 公共 AI 策略应优先考虑支持可持续和开放的 AI 发展生态系统，包括对软件和工具的投资。
• 政府应发挥关键作用，投资 AI 人才和研究，并建立能够协调各机构行动的公共机构。
• 公共 AI 政策应以使命为导向，确保 AI 技术的发展符合公共利益。