趋势一、数据安全治理成为数字经济的基石

趋势一、数据安全治理成为数字经济的基石 我国《数据安全法》提出“建立健全数据安全治理体系”，各地区各部门均在探索和建立数据分类分级、重要数据识别与重点保护制度。2022年12月，中共中央、国务院《关于构建数据基础制度更好发挥数据要素作用的意见》提出建立数据产权结构性分置制度，这将保障数据生产、流通、使用过程中各参与方享有的合法权利，进一步激发数据要素发挥价值。这些制度建立和实施的前提是数据安全治理有效实施。数据安全治理不仅是一系列技术应用或产品，更是包括组织构建、规范制定、技术支撑等要素共同完成数据安全建设的方法论。数据、模型算法、算力是数字经济发展的三大核心要素，其中数据是原材料。因此，发展数字经济、加快培育发展数据要素市场，必须把保障数据安全放在突出位置，着力解决数据安全领域的突出问题，有效提升数据安全治理能力。在建立安全可控、弹性包容的数据要素治理制度后，需有效推动数据开发利用与数据安全的一体两翼平衡发展。鉴于此，夯实数据安全治理是促进以数据为关键要素的数字经济健康快速发展的基石。

趋势二、智能网联汽车安全成为产业重点

近年来，我国高度重视智能网联汽车发展。今年我国新能源汽车产销分别达到705.8万辆和688.7万辆，同比增长96.9%和93.4%，市场占有率达到25.6%。我国正在不断释放智能网联汽车的鼓励性政策，加紧制定智能网联汽车产业发展战略规划。汽车智能化和网联化是一把双刃剑，一方面增强了便捷性，提高了用户体验感；另一方面，联网后的车辆有可能被黑客入侵和劫持，从而带来网络安全威胁。因此，智能联网汽车安全是企业的生命线。2022年，我国以新能源汽车为抓手，汽车产业在国内外发展势头强劲。在国家利好政策和市场需求的双重驱动下，2023年智能网络汽车将进一步快速发展，作为生命线的网络安全也将成为行业发展重点。

趋势三、关键信息基础设施保护领域成为行业增长点

关键信息基础设施一旦遭到破坏、丧失功能或者数据泄露，可能危害国家安全、国计民生和公共利益。当前，关键信息基础设施认定和保护越来越成为各方的关注焦点和研究重点。《关键信息基础设施安全保护条例》于2021年9月正式施行，对关键信息基础设施安全防护提出专门要求。《信息安全技术 关键信息基础设施安全保护要求》国家标准将于2023年5月实施，为各行业各领域关键信息基础设施的识别认定、安全防护能力建设、检测评估、监测预警、主动防御、事件处置体系建设等工作提供有效技术遵循，为保障关键信息基础设施全生命周期安全提供标准化支撑，预计带来的安全投入规模将达到百亿级。《关键信息基础设施安全保护条例》及相关国家标准的贯彻施行将带动重要行业和重要领域网络安全建设投入快速增长，关基市场将成为下一个网络安全行业的增长点。

趋势四、隐私计算技术得到产学研界共同关注

随着数据安全保护相关法律法规标准与数据要素流通政策密集出台，数据安全保护与数据共享流通之间的矛盾日益突出。作为平衡数据流通与安全的重要工具，隐私计算成为数字经济的底层基础设施，为各行各业搭建坚实的数据应用基础。近日，工信部等16部门共同发布的《关于促进数据安全产业发展的指导意见》提出，加强隐私计算关键技术攻关和产品研发。联邦学习、多方安全计算、安全求交、匿踪查询、差分隐私、同态加密等实现技术已经逐渐从学术界走向商业化应用，互联网、金融、政务、医疗、运营商等行业的应用继续加速，产学研各界也在合力探索技术应用的合规路径。尽管隐私计算有强劲的市场需求，但目前异构系统无法互联互通、产品性能效率低、产品适配性不强等突出问题仍制约着隐私计算技术更大规模的商业化应用。近年来，隐私计算产业快速增长，预计2025年国内市场规模将达百亿元，在巨大市场预期下，产学研界将更加关注隐私计算技术的新发展和产品应用的新场景。

趋势五、数据安全产业迎来高速增长

近年来，我国数字经济规模持续扩大，数据安全越发受到重视，数据安全产业增速明显，同比增长速度达30%，2022年更是达到40%。随着我国数字化转型步伐加速，数据规模持续扩大，金融、医疗、交通等重要市场以及智能汽车、智能家居等新兴领域数据安全投入持续增加，稳定增长的市场需求将吸引越来越多的传统安全企业以及新兴安全企业推出数据安全相关产品和服务。2023年，《网络数据安全管理条例》有望正式出台。在政策法规和可操作性标准持续优化完善的背景下，在数据合规与企业数据保护的双重驱动下，数据安全产品和服务市场需求更加凸显，以数据为中心的安全投资将获得增长，数据安全产业的增速有望进一步加大。在下游需求及国家政策推动下，各行业对数据安全的投入占比将持续增长，尤其是政务数据管理和央企、国企在相关领域的投入增速将明显加大，有望带动网络安全市场在2023年实现一定程度的复苏。

趋势六、国产密码技术将得到更加广泛地应用

密码是保障个人隐私和数据安全的核心技术，国产密码在各层次的充分融合应用成为基础软硬件安全体系化的核心支撑。在国家密码发展基金等国家级科技项目的引导和支持下，我国在密码算法设计与分析基础理论研究方面取得了一系列的创新科研成果，自主设计的系列密码算法已经成为国际标准、国家标准或密码行业标准，我国商用密码算法体系基本形成，能满足非对称加密算法、摘要算法和对称加密算法的需要。随着《密码法》的贯彻实施以及国家对国产化的支持，采用国产密码支撑底层芯片、卡、装置的条件日趋成熟，预计随着国产芯片性能提升和生态成熟，密码行业有望迎来全新国产化发展机遇。国产密码应用将在基础信息网络、涉及国计民生和基础信息资源的重要信息系统、重要工业控制系统、面向社会服务的政务信息系统中得到更加广泛的应用。

趋势七、供应链安全风险管理成为重要挑战

供应链风险管理一直是网络安全建设过程中的薄弱环节，尤其是采购的软件中多使用开源软件和源代码，为黑客通过供应链中供应商的薄弱安全链接访问企业数据提供可乘之机。随着经济全球化和信息技术的快速发展，网络产品和服务供应链已发展为遍布全球的复杂系统，任一产品组件、任一供应链环节出现问题，都可能影响网络产品和服务的安全。供应链攻击（尤其是勒索软件）将持续成为影响组织网络安全的重要因素，在目前远程办公逐渐常态化、规模化的环境下，组织内来源于全球供应链的设备、系统、服务、数据都存在供应链安全风险。2023年，供应链网络安全风险将作为一项社会技术挑战加以解决。保障供应链安全急需数据保护措施和身份验证技术的支持，对供应链实时数据可见性、流转节点安全检测和异常事件应急响应的需求将急剧增加。

趋势八、信创需求将全面爆发

基础软硬件是科技产业的支柱，信息技术创新直接关系国家安全，对信创产业的重视程度将上升到新高度。从近几年信创产业发展来看，通过应用牵引与产业培育，国产软硬件产品综合能力不断提升，操作系统、数据库等基础软件在部分应用场景中实现“可用”，正在向“好用”迈进。2022年，我国陆续发布《“十四五”推进国家政务信息化规划》，提出要实现全流程安全可靠的发展目标。未来五年，从党政信创到行业信创，从金融和运营商到教育和医疗，信创需求将全面爆发，国产软硬件渗透率将快速提升。2020-2022年是党政信创需求爆发的三年，2023-2027年行业信创将接力党政信创，从金融行业、运营商行业逐渐向教育、医疗等行业扩散。

趋势九、网络安全云化服务被用户广泛接纳

云计算与云应用已经成为IT基础设施，如何在公有云、私有云、混合云、边缘云以及云地混合环境中保障安全已成为未来组织发展的“刚需”。厂商需要积极应对软件化趋势，提升其产品的虚拟化、云化、SaaS化能力，从而抓住网络安全市场的下一个五年发展机遇。云化趋势为网络安全产品服务提供更有利的运营模式。“网络安全即服务”（CSaaS）将继续成为许多公司的最佳解决方案之一，以允许所使用的服务随时间变化并定期调整，确保满足客户的业务需求。在网络安全人才短缺、安全态势瞬息万变、安全防护云化的今天，用户愿意为硬件出高价而不愿意在软件甚至服务上投入的情况将得到改善，在数据安全政策法规和网络安全保险服务的共同支撑下，中小企业采购云化的网络安全服务意愿将增强，政务网络安全托管服务为广大政务用户提供了一种更经济、更便捷、更有效的选择。

趋势十、人工智能网络攻防呈现对抗发展演化

人工智能可以通过发现和检测网络攻击的安全威胁来提升自身网络安全保护水平，但人工智能也可能被恶意用于创建更加复杂的攻击，增加网络攻击监测发现的难度。网络安全从人人对抗、人机对抗逐渐向基于人工智能的攻防对抗发展演化。随着新一代人工智能技术的提出与发展，攻击方将利用人工智能更快、更准地发现漏洞，产生更难以检测识别的恶意代码，发起更隐秘的攻击，防守方则需要利用人工智能提升检测、防御及自动化响应能力。基于人工智能的自动化渗透测试、漏洞自动挖掘技术等将为这一问题的解决提供新的可能。 在国家大力推进数字化转型、激发数据要素价值的大背景下，我国网络与数据安全政策法规、技术标准不断完善，促进数据要素价值发挥和数据安全产业的规划不断出台，科技自强自立和扩大内循环在全国上下形成共识，自主可信可控成为不可逆转的趋势。2023年，网络安全行业将更加注重核心关键技术攻关，以重点产业带动网络新兴产业发展，促进网络安全自主技术的广泛应用，网络安全产业蓬勃发展的势头将继续保持。

大规模预训练模型的快速发展，特别是ChatGPT的横空问世，不仅向全世界展现了人工智能领域取得的突破性进展，也引爆了学术界和产业界对自然语言处理技术未来发展方向等关键问题的广泛关注。ChatGPT推出仅两个月后，月活用户已经突破了1亿，成为史上用户增长速度最快的消费级应用程序。ChatGPT是人工智能新纪元，微软联合创始人比尔·盖茨称其重要性不输“互联网”，英伟达CEO黄仁勋盛赞其诞生堪比“iPhone”问世

为推动当代人工智能研究及应用的发展，探索实现通用人工智能的基础理论及关键技术，尤其是预训练模型出现带来的全新变化，2023年4月16日，CCF YOCSEF 哈尔滨分论坛在哈尔滨工业大学科创大厦成功举办了“ChatGPT时代自然语言处理的机遇和挑战”深度思辨论坛。

本次论坛由CCF YOCSEF哈尔滨候任主席、哈尔滨工业大学副教授冯骁骋和现任副主席、东北林业大学副教授李洋担任执行主席，邀请了来自北京师范大学、上海交通大学、复旦大学、北京理工大学、智源AI研究院、大连理工大学、华为技术有限公司以及本地高校和企业的30余位专家学者参与。

一、ChatGPT是否是通用人工智能的必经之路？ 哈尔滨工业大学车万翔教授表示，ChatGPT作为必经之路的说法可能过于绝对。它并非是一个必要条件，而应该是一个充分条件。ChatGPT可能是通向通用人工智能的路径之一，同时也是一种重要的基础，但绝不会是“必经之路”。上海交通大学林洲汉助理教授表示，ChatGPT的感知能力确实已经达到了前所未有的高度，但是在认知层面上，ChatGPT仍然有许多可以改进的地方。当前的人工智能系统往往是基于特定任务的训练，而这些任务范围难以涵盖人类认知的全部层面。实现真正的通用人工智能，需要更深入地研究人类认知的本质，理解人类如何理解和处理信息。哈尔滨工业大学左旺孟教授表示，如果我们在未来能够达到足够高的语言理解和掌握能力，那么类似于ChatGPT这样的技术有可能成为通用人工智能的重要基石。随着技术的不断进步，也许可以更好地模拟和理解人类语言的本质，人工智能也能够更好地与人类进行交互和沟通，并实现更复杂的任务。北京师范大学新闻传播学院院长张洪忠教授表示，ChatGPT距离真正意义上的人工智能可能还有很大的一段路要走。首先ChatGPT不是类人思维的一项技术工作，我们对人脑的研究仍有很多未知和未解决的问题。实现类人的人工智能需要更深入、更全面的了解人类思维和意识的本质，这是一个充满挑战的领域。哈尔滨工业大学刘铭教授表示，从知识挖掘和知识库的角度出发，可以发现大模型的知识储备远超过人类，它可以从海量的数据中提取并整合各种知识，这些知识可以被应用于各种自然语言处理任务上。然而与人类相比，大模型缺乏创新和思维启发跳跃的能力，无法自主学习和主动思考，无法像人类那样从新的视角和思路来解决问题。

二：国产类ChatGPT模型的目标是什么？是追赶还是超越？ 北京师范大学新闻传播学院院长张洪忠教授表示，为了实现超越，可能需要采取“换道超车”的策略，即寻找新的方向。就像在2010年前后，移动互联网的兴起掀起了一股风口热潮，而当时微信之所以能够战胜一众对手，是因为它找准了自己的赛道。而“旧产品+新技术”的嫁接方式并不能实现巨大的创新，因此需要不断探索有潜力的应用场景和未来的赛道。只有在不断寻找新的方向，并将其与现有技术相结合，我们才能在竞争中立于不败之地。哈尔滨工业大学秦兵教授表示，“工程才能驱动创新”。自从ChatGPT问世以后，我们的很多工作都受到了冲击。我们现在之所以没有做出类似于ChatGPT的产品，可能就是因为我们当时没有工程上的硬需求以及我们对于工作上的一些不自信，而且算力资源也是一个非常重要的制约我们发展的原因。但乐观的是，我们国内市场的需求十分广泛，如金融、汽车行业等等，所以只要我们整合资源，追赶ChatGPT是指日可待的。哈尔滨工业大学车万翔教授表示，就当前的形势而言，我们应该采取“面上追赶，点上超越”的策略。从宏观角度来看，我们必须保持追赶的步伐，因为像GPT-4等后续工作的技术细节尚未公开，若我们无法在大层面上追赶，我们就很难找到“点上突破”的方向。而在“点”上，我们也应根据自身特色开展创新，找准进攻点。复旦大学自然语言处理实验室桂韬副研究员表示，我们的目标一定是超越，但在当前的形势下，我们可能仍需要一段时间来追赶。不仅国内，许多国外高校也面临着类似的挑战。这种需要巨大的人力、算力和财力资源的工作，往往只能依靠企业的支持。因此，我们需要建立起一种新的企业文化和价值观，注重长期的技术研究和前瞻性创新，而不是追求短期的利润最大化。哈尔滨工业大学左旺孟教授表示，在当前的环境下，工业界实现追赶和超越ChatGPT的可能性似乎更大一些。然而，这并不意味着高校无法做出重要的贡献，我们也需要鼓励有理想、有追求的年轻人去钻研和攻克一些技术难题，无论是在工业界还是高校，他们的努力和成就将会为我们的科研发展带来重要的推动力。云孚科技（北京）有限公司创始人兼CEO张文斌表示，短期内要实现追赶和超越的比较困难。然而，我们应该始终保持乐观的态度，因为在长期的发展中，技术和产业的进步是不可阻挡的。我们可以从分布式训练等角度出发，整合国内的训练资源与算力。但是，这一想法受到芯片及一些网络设施硬件技术发展的制约，同时成本也是一个考虑因素，导致短期内实际可行性并不高，我们应该报有信心和决心，从政府、企业和学校各方面共同努力。 刘挺教授在议题总结发言中表示，对于像哈工大这样大型研究团队，我们不应该只是局限于在别人的基础上修修补补，一定需要打造自己的大模型。在硬件和算力等方面，要为我们的国产大模型或者本校大模型提供条件，要为从头训练大模型创造条件。当前，大模型等领域正以指数级的速度发展，其发展速度令人惊叹，我们要有技术方向上的前瞻性，不能被某些新兴技术的线性发展速度所迷惑，我们需要不断寻找新的技术方向，并把握它们的发展轨迹，引领领域发展的势头。ChatGPT对各行各业的冲击都非常巨大，而且首当其冲的一定是信息量非常充足且开放的行业，比如：教育、金融等。但是，对于医疗、军事等这一类公开信息相对比较匮乏并且信息收集难度较大的行业而言，反而有机会通过学科融合交流来实现对以ChatGPT为代表的一系列大模型的追赶和超越。

之后，论坛进入分组讨论环节，围绕“ChatGPT时代自然语言处理的机遇与挑战”分成挑战组和机遇组两组分别展开。

一、挑战组 挑战组的专家学者们针对“ChatGPT时代下自然语言处理的挑战”这一议题，从软性条件、硬件支撑、算法研究、落地应用这四个层面展开了深入讨论，达成以下共识：（1）软性条件：缺乏理想主义资本人才和理想主义技术人才，过于注重功利化的结果，忽视了其他方面的价值。（2）硬件支撑：GPU等计算资源的不足导致发展速度远远落后。（3）算法研究：基础研究的不足、算法多样性的缺乏也限制了我们对大模型算法的推动。特别是数据飞轮劣势也是一个挑战，大量的数据是算法训练的关键，在任何环节的落后，都会导致需要付出更多的努力和寻找新的方法来解决这个问题。（4）落地应用：ChatGPT等大模型在实际应用中，落地方案需要考虑多个因素，其中包括安全性、可信性、依赖性、滥用风险、算法效率以及适用领域等。

二、机遇组 机遇组的专家学者们围绕着“ChatGPT时代下自然语言处理的机遇”展开了积极的讨论与互动，认为在ChatGPT影响下机遇与挑战是并存的，未来在“科研主题”以及“研究领域”的新机遇主要包括： （1）科研主题： 一些以往需要进行大量标注的特定领域无法实现的现实世界应用，在现在只需要通过少量的样例数据即可实现落地，为许多原本无法实现的任务提供了新的机会。AI for Science方面的发展也有了新的突破。深度学习已经可以用来模拟大规模的原子相互作用等科学问题。这意味着，我们现在有机会去探索更多的基础科学领域，例如物理学和生物学，解决更加激动人心的科学难题。我们可以更加深入地探讨NLP与其他学科的交叉应用，例如心智理论。这种跨学科的研究不仅可以推动技术的发展，还有助于我们更好地理解和探索人类思维和行为的本质。NLP领域的“仿真”上可能有机会开发新的研究体系，对大模型进行仿真，无需庞大的算力支持即可模拟大模型相关的各类实验，降低了NLP的门槛，形成一个新的研究派系。大模型中的知识和语言能力解耦合有可能成为一个新的研究方向，我们可以尝试更加灵活的在各项任务甚至各项学科上自由地对大模型的能力进行组合以及针对性应用。（2）研究领域： 过去，NLP一直处于AI技术的幕后，难以真正落地，但现在NLP已经成为整个AI技术的核心。在未来，NLP将会与其它模态的研究相结合，为人工智能技术的发展开辟更广阔的前景。NLP的深度研究正在开启崭新的机遇。过去传统的NLP任务往往被视为一个“终点”，但现在，这些任务被视为一个“中点”，可以作为进一步分析更多信息、更加复杂任务的基础。NLP community的人气有新机遇，这个领域门槛降低了，不再需要具备高深的编程技能就能够实现人工智能的应用。这也就意味着，更多的其它专业的人才能够参与进来，将其独特的知识和经验融入到NLP的应用中，从而释放出更广泛的创意和潜能。

最后，执行主席冯骁骋对本次论坛进行了总结。此次论坛围绕ChatGPT对自然语言处理领域的机遇与挑战展开了深入的思辨，探讨了未来行业发展方向与轨迹，为与会者们提供了一个广泛的交流平台，促进了学术和工业界之间的合作和互动，为ChatGPT在自然语言处理领域的应用和研究提供了重要的思路和方向。在ChatGPT的推动下，未来自然语言处理将继续展现其强大的潜力，推动人工智能技术的发展，让它更好地服务于人类社会。