发表于 3月 2026
分享
自 1956 年达特茅斯研讨会以来，大学在塑造人工智能领域一直扮演核心角色，奠定了大部分理论基础，并培养了如今引领该领域的研究人员与工程师。但格局已经改变。如今，生成式人工智能的多数突破来自企业实验室，它们拥有海量数据、大规模算力与直接落地渠道。从谷歌研究院最早提出的 Transformer 架构，到 OpenAI 规模化的大语言模型，再到深度求索公司近期使用的混合专家模型，前沿研究主要由产业主导，斯坦福大学 2025 年人工智能指数报告也印证了这一点。
这一转变迫使大学重新思考自身定位。核心问题不再是大学能否打造最大或最强的模型，而是能否在人工智能融入日常生活后，塑造其应用方式。随着生成式人工智能日益影响语言、教育与公共服务，大学所能发挥的最大作用或许不在于规模，而在于治理、本土适配与聚焦公共利益，尤其是在商业平台存在不足的领域。
我们在哈萨克斯坦纳扎尔巴耶夫大学智能系统与人工智能研究所的实践，展示了这一路径的可行性。大学可以不再局限于论文与原型，而是直接打造服务社会的人工智能系统。在全球平台难以支持本土语言、体现文化细节或契合国家优先事项的背景下，这一点尤为重要。
为何参与公共影响力的人工智能是大学的责任
生成式人工智能正快速改变人们沟通、获取信息与对接公共机构的方式。但主流模型大多由私营企业开发，主要基于少量高资源语言训练。对于语言使用人数较少的社会而言，这导致技术供给与文化意义、社会实用价值之间的差距不断扩大。
大学在弥补这一差距上具有独特优势：兼具研究独立性、公众信任度，以及横跨技术、语言学与社会科学的专业能力。长远视角让大学能够优先考虑包容性、透明度与国家相关性，而非短期商业回报。
数字主权同样重要。如果人工智能系统完全来自外部，社会很难了解其训练、更新与治理方式，这在教育、语言政策与公共管理领域尤为棘手。大学可以通过打造并管理立足本土、可公开检验、契合国家优先事项的人工智能系统提供助力，同时保持与全球研究界的连接。
要实现真正的影响力，服务公共利益的生成式人工智能不能停留在一系列短期项目或演示成果，而应被视为共享数字基础设施，设计上能够与学校、公共机构和普通用户协同工作，并随社会需求变化而不断演进。
从缺口到生态系统
我们的工作并非始于打造国家语言模型的雄心，而是源于一个现实问题：全球模型在哈萨克语上表现不佳，难以处理其复杂的词形变化，且常生成不符合文化语境的内容。这些缺陷影响信息获取，限制了人工智能在教育、媒体与政府部门的实用性。
单纯依赖外部人工智能系统也引发了透明度、稳定性与长期控制权的担忧。在教育、公共管理等敏感领域，不了解模型的训练与更新方式会带来结构性风险。从大学角度看，这一缺口既是研究挑战，也是社会责任。要解决这一问题，必须超越评估论文，打造适配本土需求的生成式人工智能生态系统。
一个重要启示是，具有公共影响力的人工智能并非单一模型，而是一整套生态。哈萨克斯坦首个基于精选多语言数据训练的大语言模型 KazLLM 的发布，是重要里程碑。其意义不仅在于模型本身，更在于它为后续应用奠定了基础。
KazLLM 得到了杨立昆等顶尖人工智能研究者的认可，被视为在全球主流平台之外，负责任开发特定语言与低资源语言模型的范例。它展示了自主生成式人工智能应有的形态：在保留语言多样性的同时，符合国际研究标准。
关键在于，KazLLM 被定位为基础型设施，而非一次性研究成果。研究所搭建了 ISSAI 实验平台，让学生、教育工作者与研究人员直接使用该模型及相关工具。用户无需深厚技术背景或依赖外部平台，即可实验、学习与评估人工智能系统。这种方式让真实应用场景自然出现，并为持续优化提供依据。
基础设施同样重要。打造与维护生成式人工智能需要现代硬件实操经验，包括英伟达、超威与华为的图形处理器与加速芯片。高效训练模型、管理算力资源、可靠部署系统的能力，与算法创新、数据处理能力同等重要。缺乏实操经验，即使设计精良的模型也可能只是孤立的研究成果。
这种生态模式也改变了人才培养方式。学生与青年研究人员能够参与人工智能全生命周期实践，从数据整理、模型训练到部署与治理。他们学习平衡成本、性能与扩展性的现实取舍，助力培养能够长期维护公共利益人工智能系统的本土人才。
以开放为策略
人们通常认为，自主人工智能出于战略考虑必须封闭。我们的实践表明恰恰相反：在清晰治理与负责任使用政策的配套下，开放能够增强公共影响力。
通过将模型、基准测试与文档开放用于非商业研究，智能系统与人工智能研究所实现了监督、协作与独立评估。这种透明度建立了政策制定者、教育工作者与用户的信任，同时将本土项目与全球研究界连接。
一个具体案例是 Qolda，该研究所完全开源的多语言语言与视觉模型。它拥有 40 亿参数，可在笔记本电脑与智能手机上运行，无需大规模算力支持，支持哈萨克语、俄语与英语，以紧凑高效的形式实现多模态推理。通过降低硬件与使用门槛，Qolda 将人工智能能力拓展到学生、研究人员、开发者与小型企业。
开放体现了核心学术理念：知识是公共产品。生成式人工智能系统应可检验、可调整、可讨论。大学不必通过不透明的工具影响社会，反而可以提供能够接受监督与公共讨论的人工智能。
大学作为协调者
大学还承担着关键的协调角色。与企业或政府机构不同，大学拥有公信力与独立性，能够汇聚数据科学家、语言学家、工程师、政策制定者、教育工作者与行业伙伴，围绕共同的人工智能基础设施开展合作。
在智能系统与人工智能研究所，与政府部门、语言机构及其他大学的合作对数据获取、评估与部署至关重要。这些合作以迭代与信任为基础，体现长期承诺，而非短期商业利益。
这一角色在生成式人工智能领域尤为重要，因为技术选择会带来语言、文化与伦理层面的影响。大学提供了审慎平衡这些因素所需的机构空间与治理框架。
作为哈萨克斯坦顶尖研究机构，纳扎尔巴耶夫大学吸引了国内最优秀的人才。在本地缺乏能够开展前沿人工智能研究的大型科技企业的情况下，大学具备开展灵活、高影响力项目的优势。它们能够快速调动人才，聚焦具有社会与国家意义的工作，将人工智能研究转化为公共资源。
对哈萨克斯坦以外地区的启示
哈萨克斯坦的经验具有广泛适用性。许多地区面临相似挑战：语言使用人数较少、依赖外部人工智能平台、亟需将人工智能融入教育与公共生活。大学在解决这些问题上具有独特优势，但前提是从抽象愿景转向实际影响力。
几项原则尤为突出：
生成式人工智能已经影响人们的沟通、学习与信息获取方式。问题不再是它是否会影响社会，而是由谁引导这种影响、为谁的利益服务。大学在走出实验室的同时保持严谨的研究标准，能够助力人工智能体现语言多样性、文化细微差异与社会优先事项，让技术创新与公共利益保持一致。