美国NAIRR对我国构建人工智能创新生态的启示

　　原文刊载于《中国科学院院刊》2025年第11期“资讯与观察”，文章为精简版

　　美国国家人工智能研究资源（NAIRR）在资源优化配置与高效利用方面提供了重要借鉴。本文从两个关键层面分析了NAIRR对我国人工智能创新发展的启示：（1）创新驱动要素层面，探讨了NAIRR在计算和存储资源、数据资源、软件、人才和资本投入等方面的整合策略；（2）协同治理架构层面，重点研究了NAIRR的合作治理模式和多元参与机制。借鉴NAIRR经验，构建统一的人工智能基础资源集成平台，并建立统一领导、多方协作的管理机制，对我国完善人工智能创新生态具有关键战略意义。

　　当前AI前沿发展高度依赖算力与数据，但这些关键资源正日益集中于大型企业与顶尖机构。这一不断扩大的“资源鸿沟”，不仅限制了AI服务于公共利益的能力，也加剧了区域间的发展不平衡。为解决这一问题，构建一个能广泛共享计算、数据、软件与专业知识的国家级AI研究基础设施至关重要，它将成为推动AI研发“民主化”、让创新机遇普惠各方的关键。美国的国家人工智能研究资源（NAIRR）正是这样的实践，为研究人员一站式提供所需资源。本文通过剖析NAIRR在创新驱动要素与协同治理架构两方面的成功经验，为我国构建自身的人工智能创新生态提供关键启示。

　　2023年6月，美国发布了《国家人工智能研究资源（NAIRR）实施计划》报告，该报告中提出构建一个共享的国家级人工智能研究基础设施，以负责任地进行人工智能的发现和创新。其核心使命是激发创新、丰富人才多样性、提高研究能力，推广安全、可靠、可信的人工智能。NAIRR整合了来自联邦政府、国家实验室、高校及企业的计算、数据、软件与测试工具等核心资源，向研究人员与教育者开放（图1）。为实现高效运作，NAIRR聚焦四大重点领域：NAIRR Open提供开放资源访问；NAIRR Secure支持隐私安全研究；NAIRR Software促进软件工具互操作；NAIRR Classroom推广AI教育与培训。

　　NAIRR借鉴美国重大科研设施的成功经验，构建了一套“统一领导、战略协作、专业运营、独立评估”的合作管理模式（图2）。统一领导：由国家科学基金会（NSF）担任行政总部，提供核心资金并负责总体监督。战略协作：由多部门负责人组成指导委员会，提供战略指导与集体监督，体现了跨部门的多方协作。专业运营：项目管理办公室负责落实战略、管理资源与监督运营；第三方非政府机构作为“运营实体”负责专业运作，下设科学、技术、伦理等顾问委员会，广泛听取各界意见。独立评估：由独立的外部机构负责绩效评估，确保成效。

　　NAIRR的合作伙伴网络非常广泛，涵盖了13家政府机构，谷歌、英伟达等科技巨头，顶尖研究所以及Hugging Face等开源社区。NAIRR的多元参与机制有助于建立一个互助平台，连接不同层次水平的用户，实现资源共享和优势互补。在学术界，顶尖高校作为主要用户和贡献者，同时NAIRR特别关注并支持资源匮乏的机构（如少数族裔高校），促进教育公平和人才多样性。在产业界，企业既受益于研究成果，也通过贡献云服务、软件和数据，深度参与基础设施建设，形成良性循环。

　　美国各界普遍将NAIRR视为提升国家AI竞争力、促进公私合作与培养人才的关键举措。产业界领袖认为，它能通过提供普惠的计算资源和数据集，显著扩大研究社区，加速可信AI的创新，并指引未来AI的投资与发展方向。政府人士则指出，NAIRR为跨部门协作与共享最佳实践提供了重要平台。

　　NAIRR通过汇聚公有与私有部门的多种资源（包括云平台、高性能计算集群及硬件加速器等），为AI工作流提供全面支撑。为提升资源使用效率，NAIRR采取了两大关键措施：一是推动“数据和计算资源共址”，在HPC中心投资建设AI数据共享基础设施并扩大计算能力，减少数据移动，提升处理效率；二是促进“数据上云”，通过与商业云服务商合作，将NIH、NASA等机构的大型数据集部署在云端，避免了繁重的数据下载，极大促进了数据的协同利用。

　　根据数据敏感度，划分“开放区”与“安全区”，实施不同的安全策略与访问权限控制。

　　NAIRR与Data.gov等平台及联邦机构合作，引入地球科学、医学研究、气象监测等多个关键领域的数据资源。

　　NAIRR将软件基础设施视为AI创新生态的关键支撑。运营实体评估研究人员常用开源工具，打造一个以轻量级虚拟机形式发布的标准软件环境，支持跨资源提供程序。为整合其多样化资源，NAIRR引入并借鉴现有成熟方案（如NSF ACCESS程序），部署了一套集成软件栈，用以统一处理资源调度、计费与管理、文件传输等核心运营服务。

　　NAIRR将人才视为AI发展的核心动力，其人才战略是“多元吸纳”与“分层培养”。它致力于打破地域与背景限制，构建一个包容且多元化的人才团队，以汇聚全国创新思想并强化美国AI研发潜力。在实践层面，运营实体为不同水平的用户提分层技术培训，形式包括教程、在线研讨会与定制课程，内容覆盖平台使用、资源操作及政策规范。

　　NAIRR通过显著的资金支持和灵活的市场激励机制，确保了其资源的持续更新和广泛的可访问性。NAIRR总预算约为26亿美元（为期6年），其中22.5亿直接用于采购与升级资源，以保持技术领先。资金来源于政府拨款与企业支持（如AWS、谷歌云等提供的平台和计算资源）。在机制上，NAIRR采用分层定价以降低中小企业与研究人员的门槛，同时对部分用户开发收费模式，形成良性循环。资源通过竞争性提案进行分配，以此激励高质量研究，确保资源流向最具创新性的项目。

　　随着大模型兴起，人工智能对算力需求激增，形成显著算力缺口。当前我国算力资源主要集中于大型实体，中小企业因资源匮乏而创新受限。虽然“东数西算”工程推动算力西迁，但东西部资源不平衡问题依然存在。NAIRR经验为我国弥合算力鸿沟提供了重要启示。

　　投资服务器、计算集群、HPC和云计算设施等多样化资源，构建具有国际竞争力的算力体系。参考NAIRR联邦模式，建立全国性人工智能研究资源平台，整合全国计算与数据资源。

　　优化资源配置，提升超算/智算中心服务效能。制定合理计费模式与使用规范，确保公共算力平台资源公平分配。积极拓展对中小企业的支持，促进产业链均衡发展与创新能力提升。

　　提高自主创新能力，提升国产芯片与算法竞争力，完善芯片研发生态，提升产业链竞争力。弥补算力缺口需“开源”与“节流”并举，如与云服务商合作部署大型数据集于云端，以简化访问并节约算力。

　　我国人工智能数据发展存在高价值公共数据开放不足、行业数据流通不充分、数据质量不高、标准规范缺乏等问题。NAIRR的数据管理经验为我国提供了重要借鉴。

　　明确各领域数据开放的标准和流程，推动跨行业、跨领域数据整合与共享，鼓励政企研之间的数据合作与交流，打破数据孤岛，实现数据资源的最大化利用。激励各类主体参与数据生产和创新，促进数据要素市场的繁荣发展。

　　对内建立数据分级分类访问机制，根据数据敏感度实施差异化安全管控；对外明确跨境数据传输的条件、程序和责任，在保障安全与隐私前提下促进国际数据合作。

　　我国人工智能软件产业链面临对外依赖挑战，表现为对国际巨头生态和国外开源框架的深度依赖，限制了国产软件的自主创新能力。借鉴NAIRR等经验，推动国内软件生态持续完善。

　　建立标准化软件环境，采用轻量级虚拟化与容器技术，确保通用性与易用性。开发或引入成熟集成软件，实现资源高效管理与技术共享，支持分布式工作流编排，提升系统功能性与处理效率。

　　鼓励创新、培育本土企业，强化合作。利用可控开源形成自主生态体系，针对国家重点战略需求，优先发展短板技术，探索未来先进技术，提升AI软硬件技术的可持续发展能力。

　　当前，我国人工智能领域面临人才短缺、高层次人才不足、区域分布不均衡、教育与实践脱节等问题。参考NAIRR经验，结合我国国情，为完善人工智能创新生态中的人才要素，提出以下建议。

　　积极吸引和培养不同学科、地区和行业的人才，以促进创新思维和形成广泛视角，确保AI技术发展的全面与包容。加大对中西部、少数民族和农村地区人才培养的支持力度，缩小区域人才差距。鼓励不同背景的人才参与AI项目的评审决策，提供多样化视角。

　　建立以市场需求为导向的分层培养体系，推动政企研共建校企合作机制，创建产教融合实践基地，实现社会需求与高校培养的无缝对接。培养具备AI思维的新型人才，推进AI新职业的国家职业标准，优化评价职称体系，为顶尖和高技能人才提供税收优惠等激励，激发创新积极性。

　　我国AI资本市场在繁荣之下，仍面临融资结构不均、中小企业融资难、过度依赖风投、投资盲目跟风易形成泡沫等挑战。借鉴NAIRR经验，为优化AI资本市场提出以下建议。

　　制定长期投资规划，保障关键基础设施和项目获得稳定资金并高效使用。通过扶持政策，营造有利投融资环境，为企业和行业发展提供政策支持。

　　探索政府拨款、企业投资、国际合作及民间资本等多元化资金来源，确保资金稳定。构建创业项目与投资机构的信息交流平台，实现精准对接，提高资金投入的针对性和有效性。

　　采用分层定价模式，降低中小企业使用国家级AI基础设施的门槛。同时，对不符合免费访问条件的用户开发直接收费模式，拓宽资源应用范围，确保更多用户按需获取资源，推动市场活力和多元化发展。

　　我国已初步建立多部门协同的人工智能管理体系，包括2017年成立的新一代人工智能发展规划推进办公室与战略咨询委员会，以及2023年《生成式人工智能服务管理暂行办法》所明确的监管框架。

　　当前，我国正积极探索构建高效协同的国家人工智能管理体系，优化资金配置，提高运营效率，并强化监督评价机制。参考NAIRR的合作治理模式，本文提出一个四层级的国家人工智能基础设施管理架构模型。顶层设计层由国务院发挥核心统筹作用，确保各项政策、资源和行动计划与国家战略目标一致。跨部门协调层由人工智能发展协调委员会负责协调各机构之间的工作，讨论和解决跨部门问题，确保政策和项目的一致性和协同性。行动实施层由相关国家机关及各部委牵头，承担并落实具体职能。绩效评估层由人工智能发展评估小组定期发布评估报告，对人工智能基础设施的建设和应用效果进行评估和反馈，并提出改进建议。

　　NAIRR的多元参与机制通过调动各方积极性，实现资源共享与优势互补。我国实践与此相呼应，如2017年科技部牵头成立的AITISA联盟，已聚集近200家产学研资用机构，旨在促进协同创新与产业生态构建。

　　借鉴NAIRR经验，我国可进一步强化多元参与机制，推动政府、企业与学术界深度融合。在学术界，应加强对欠发达地区的资源与培训支持，鼓励顶尖高校作为资源贡献者和培训提供者；在产业界，激励企业通过云服务、软件工具与数据集参与基础设施建设。同时，建立有效的反馈与评估机制，确保合作举措持续优化，适应技术与市场发展需求。

　　人工智能技术的突破依赖于创新生态系统的支撑，这需要长期对基础设施、教育培训的系统投入，以及学术界与产业界的深度合作。为高效整合全国人工智能资源，构建统一的人工智能基础资源集成平台至关重要。

　　NAIRR的成功经验体现为开放包容、资源整合、合作共赢与安全可靠。其试点项目联合政府、企业、学术界等多方力量，共同提供数据、算力、软件工具等资源，并通过培训体系加强人才保障。借鉴NAIRR，我国应统筹融合算力、数据、软件、人才与资本等关键要素，参考其合作治理与多元参与机制，建立科学的协同架构，明确各方责权利，持续完善人工智能创新生态。

　　蒋 甜中国科学院文献情报中心馆员。主要研究领域：科技情报、科学数据、人工智能等。

　　钱 力中国科学院文献情报中心正高级工程师。主要研究领域：科技文献大数据与知识挖掘，知识技术与智能信息处理。

　　本刊发表的所有文章，除另有说明外，文责自负，不代表本刊观点。返回搜狐，查看更多