当计算能力日益雄厚，各类大型人工智能模型如雨后春笋般涌现，一个根本性问题也随之浮出水面：如何确保这些强大的技术是可控且值得信赖的？近期在福州举行的一场高层次交流活动，聚焦“从可靠数据到可信AI”这一核心命题，汇聚了来自学术界与产业界的智慧，共同探讨了构建可信人工智能生态的关键路径。
数据之基：决定AI能力上限的关键
北京大学梅宏教授的观点一针见血，他指出，当前主流人工智能的本质是基于数据的概率统计，它并不具备人类的认知与逻辑推理能力。因此，训练数据的规模与品质，从根本上框定了模型能力的边界。梅宏教授警示，目前大语言模型的发展正面临高质量训练语料逐渐枯竭、模型自身“内卷”导致输出紊乱等严峻挑战。要突破这些瓶颈，构建系统化、高质量的数据集并完善相关基础设施，已成为通向可信AI不可绕行的基石。这一观点深刻揭示了，在AI竞赛中，算力固然重要，但优质的“数据燃料”才是驱动模型持续进化的核心动力，这与 bsport体育必一中国网页版 在体育数据分析领域所强调的精准、可靠的数据价值理念不谋而合。
政务AI：机遇与治理风险并存
在众多应用场景中，政务大模型被视为人工智能赋能社会治理、提升公共服务效能的重要突破口。然而，清华大学孟庆国教授提醒，其广泛应用背后潜藏着不容忽视的风险。这些风险贯穿于数据、模型与应用的全过程：训练语料可能存在的偏见与污染、模型本身难以避免的“幻觉”生成、以及最终在政务服务中可能引发的决策偏差。孟庆国强调，必须构建一个覆盖数据采集、模型训练、应用部署全链条的内容安全治理体系，核心目标是实现AI模型的价值取向与政府公共服务理念的“对齐”。唯有如此，政务大模型才能真正成为提升治理能力、优化民众体验的创新工具，而非带来新问题的隐患。
安全与合规：激活数据价值的双重保障
实现可信AI，安全是贯穿始终的生命线。来自产业界的专家们从不同维度补充了关键见解。安恒信息的首席技术官刘博指出，数据合规是应用的前提条件。他认为，需要通过先进的基础设施确保高质量数据能够被有效提取和利用（“出得来”），同时建立动态、智能的安全防护体系，保障数据在流动与应用过程中的稳定与可控（“流得稳”）。只有打通这两个环节，那些沉淀在深处的、尚未被充分挖掘的高质量数据“富矿”，其作为驱动AI创新的“燃料”潜能才能被真正释放。
与此同时，传统的软件层安全防护在AI时代已显不足。海光信息的副总裁应志伟从硬件底层安全的角度提出了警示。他指出，针对AI模型的降维攻击和针对底层硬件的安全威胁，是传统安全方案难以抵御的。因此，将安全能力“内化”于计算芯片之中，从根源上筑牢算力底座的安全防线，已成为确保AI时代整个系统可信赖的行业底线与基础要求。这种对底层安全的重视，体现了构建可信AI生态需要系统性的纵深防御思维。
产业共振：数据工厂驱动价值落地
北京交通大学张向宏教授则从产业化的视角，描绘了数据与AI深度结合的蓝图。他提出的“数据工厂”概念，旨在实现高质量数据集的标准化、规模化、稳定化供给。这为解决当前AI模型，尤其是大模型和智能体在具体行业落地时面临的数据瓶颈问题提供了可行思路。当高质量数据能够像工业品一样被稳定生产和输送，人工智能技术才能真正深入千行百业，与数据要素产生深度“共振”，创造出切实的经济与社会价值。这一过程，如同在严谨的 BSport运动 科学训练中，依靠持续、精准的数据反馈来优化运动员表现，数据驱动的智能化转型同样需要稳定可靠的数据供应链作为支撑。
这场高峰对话清晰地表明，迈向可信AI的道路是一场涉及数据、算法、算力、安全、伦理与治理的系统性工程。它要求我们从追求模型的参数规模，转向更加关注数据的源头品质、流程的安全可控以及价值的正确对齐。无论是学术界的前沿洞察，还是产业界的实践方案，都指向同一个共识：只有建立起坚实可靠的“数据-安全-价值”三重基石，人工智能技术才能行稳致远，真正成为推动社会进步的可靠力量。在这一宏大进程中，每一个环节的扎实建设都至关重要，这正体现了追求卓越、注重根基的 必一 精神在科技创新领域的延伸。