搶占智能時(shí)代制高點(diǎn)：我國(guó)人工智能產(chǎn)業(yè)發(fā)展調(diào)查

ROBOT INDUSTRY

近年來(lái)，人工智能作為新一輪科技革命的核心引擎，正以前所未有的速度、廣度與深度滲透進(jìn)人類(lèi)生產(chǎn)生活的肌理，深刻重塑全球經(jīng)濟(jì)結(jié)構(gòu)、創(chuàng)新范式以及社會(huì)治理邏輯。

當(dāng)前，我國(guó)已躋身全球人工智能發(fā)展第一梯隊(duì)，正處在從并跑向領(lǐng)跑跨越的關(guān)鍵機(jī)遇期。面對(duì)日益激烈的國(guó)際競(jìng)爭(zhēng)和高質(zhì)量發(fā)展的內(nèi)生需求，我國(guó)人工智能產(chǎn)業(yè)究竟“家底”如何，發(fā)展勢(shì)頭怎樣，還有哪些短板弱項(xiàng)？帶著這些疑問(wèn)，我們進(jìn)行了實(shí)地調(diào)研。

1

當(dāng)前我國(guó)人工智能產(chǎn)業(yè)發(fā)展態(tài)勢(shì)

習(xí)近平總書(shū)記深刻指出：“人工智能是引領(lǐng)這一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，具有溢出帶動(dòng)性很強(qiáng)的‘頭雁’效應(yīng)。”人工智能絕非單一技術(shù)的線(xiàn)性迭代，亦非某個(gè)產(chǎn)業(yè)的局部升級(jí)，而是對(duì)經(jīng)濟(jì)社會(huì)運(yùn)行底層邏輯的全局性、顛覆性重構(gòu)。衡量其發(fā)展水平和發(fā)展態(tài)勢(shì)，必須破除傳統(tǒng)的技術(shù)評(píng)估與產(chǎn)業(yè)分析框架，從技術(shù)能力、產(chǎn)業(yè)規(guī)模、要素支撐、融合應(yīng)用等維度進(jìn)行綜合研判，方能窺見(jiàn)這場(chǎng)深刻變革的全貌與走向。

從技術(shù)能力看，以開(kāi)源引領(lǐng)的人工智能技術(shù)實(shí)現(xiàn)群體突破，在全球開(kāi)發(fā)者網(wǎng)絡(luò)中鍛造新標(biāo)準(zhǔn)。在一家實(shí)驗(yàn)室調(diào)研時(shí)我們看到，研究團(tuán)隊(duì)引入人工智能自我批評(píng)機(jī)制，無(wú)需人工干預(yù)，模型經(jīng)過(guò)多輪自我博弈后，復(fù)雜編程解題正確率大幅提升。人工智能實(shí)現(xiàn)了從“能聽(tīng)會(huì)看”到“能思考、能推理、能規(guī)劃”，再到“掌握如何學(xué)習(xí)”的進(jìn)階。整體上，我國(guó)在模型性能、訓(xùn)練效率、多模態(tài)融合等關(guān)鍵指標(biāo)上與國(guó)際頂尖水平的差距持續(xù)收窄，部分領(lǐng)域已實(shí)現(xiàn)并跑、領(lǐng)跑，形成了一條開(kāi)源引領(lǐng)、生態(tài)共榮的獨(dú)特技術(shù)路線(xiàn)。2025年，我國(guó)開(kāi)源模型全球下載量占比達(dá)17.1%。據(jù)近期統(tǒng)計(jì)，全球排名前10的開(kāi)源模型中，有8款來(lái)自中國(guó)。DeepSeek—V4大模型性能比肩國(guó)際頂尖模型，而應(yīng)用程序編程接口（API）價(jià)格低至GPT—5.5大模型的1%以下。其更深層意義在于打破了少數(shù)科技巨頭的技術(shù)壟斷，讓全球數(shù)百萬(wàn)開(kāi)發(fā)者可以基于中國(guó)開(kāi)源模型進(jìn)行二次開(kāi)發(fā)。開(kāi)源不僅是讓利，也是借力聚力，隨著知識(shí)在開(kāi)放共享中加速流動(dòng)與溢出，我國(guó)人工智能技術(shù)也在開(kāi)放生態(tài)中持續(xù)鍛造自我進(jìn)化能力。

從產(chǎn)業(yè)規(guī)模看，人工智能產(chǎn)業(yè)規(guī)模實(shí)現(xiàn)了非線(xiàn)性爆發(fā)，萬(wàn)億藍(lán)海背后的價(jià)值溢出效應(yīng)明顯。2025年，全球人工智能市場(chǎng)規(guī)模已達(dá)7575.8億美元，我國(guó)人工智能核心產(chǎn)業(yè)規(guī)模突破1.2萬(wàn)億元。這1.2萬(wàn)億元的含金量，不光在于數(shù)字本身，更在于其背后的增長(zhǎng)邏輯。傳統(tǒng)產(chǎn)業(yè)遵循要素線(xiàn)性投入、邊際收益遞減的鐵律，而人工智能打破了這一魔咒，技術(shù)突破與應(yīng)用擴(kuò)散相互強(qiáng)化，形成了“越用越強(qiáng)”的正反饋循環(huán)。調(diào)研發(fā)現(xiàn)，北京作為創(chuàng)新策源地，2025年人工智能核心產(chǎn)業(yè)規(guī)模達(dá)4500億元，一批打磨成熟的算法模型，如同“數(shù)字技術(shù)泵”，向河北的工廠(chǎng)、天津的港口、內(nèi)蒙古的牧場(chǎng)源源不斷輸送智力動(dòng)能；上海以“模塑申城”為抓手，通過(guò)“模速空間”構(gòu)建生態(tài)引力場(chǎng)；深圳瞄準(zhǔn)產(chǎn)業(yè)落地，致力于構(gòu)建高度集聚、精準(zhǔn)服務(wù)實(shí)體經(jīng)濟(jì)的企業(yè)生態(tài)。歸根結(jié)底，人工智能產(chǎn)業(yè)明顯帶有“投入一元，撬動(dòng)數(shù)元”的乘數(shù)效應(yīng)，萬(wàn)億規(guī)模的背后是一條從底層算力到上層應(yīng)用、從核心算法到智能終端的全產(chǎn)業(yè)鏈，它催生的是新服務(wù)、新分工與新市場(chǎng)。

從要素支撐看，我國(guó)人工智能核心資源實(shí)現(xiàn)戰(zhàn)略性躍遷，制度創(chuàng)新加速釋放要素活性。人工智能競(jìng)爭(zhēng)的后程，不只看模型跑得有多快，還取決于算力底座筑得有多實(shí)、數(shù)據(jù)活水流得有多暢。在這兩大核心資源上，我國(guó)已建立起顯著的規(guī)模優(yōu)勢(shì)。算力方面，建成萬(wàn)卡智算集群42個(gè)，截至今年一季度，智能算力規(guī)模達(dá)每秒1882百億億次浮點(diǎn)運(yùn)算，位居全球前列；數(shù)據(jù)方面，全國(guó)高質(zhì)量數(shù)據(jù)集超10萬(wàn)個(gè)，總量超890拍字節(jié)，相當(dāng)于中國(guó)國(guó)家圖書(shū)館數(shù)字資源總量的310倍。而且，制度優(yōu)勢(shì)也在逐漸顯現(xiàn)。我們?cè)诒本?shù)據(jù)基礎(chǔ)制度先行區(qū)看到，針對(duì)企業(yè)手握資源“不愿開(kāi)放、不敢開(kāi)放、不會(huì)開(kāi)放”的問(wèn)題，這里建立的“監(jiān)管沙盒”機(jī)制有效打破了僵局，允許企業(yè)在不轉(zhuǎn)移數(shù)據(jù)所有權(quán)的前提下，進(jìn)入受保護(hù)的“試驗(yàn)場(chǎng)”進(jìn)行融合訓(xùn)練。一位企業(yè)技術(shù)負(fù)責(zé)人說(shuō)：“以前用自己的小數(shù)據(jù)訓(xùn)練，模型越訓(xùn)越偏；現(xiàn)在沙盒里匯聚了10多個(gè)行業(yè)真實(shí)數(shù)據(jù)，準(zhǔn)確率顯著提升，數(shù)據(jù)越用越值錢(qián)。”

從融合應(yīng)用看，我國(guó)人工智能加速向千行百業(yè)滲透，應(yīng)用廣度與融合深度構(gòu)筑起全球競(jìng)爭(zhēng)新優(yōu)勢(shì)。截至2025年底，我國(guó)重點(diǎn)行業(yè)企業(yè)關(guān)鍵工序數(shù)控化率達(dá)68.6%，人工智能融合應(yīng)用正從“點(diǎn)狀開(kāi)花”向“全鏈智能”跨越。一是滲透領(lǐng)域持續(xù)拓寬，應(yīng)用覆蓋國(guó)民經(jīng)濟(jì)絕大部分大類(lèi)行業(yè)，并且在制造、醫(yī)療、交通、金融、能源等領(lǐng)域形成一批標(biāo)桿應(yīng)用。二是賦能能級(jí)顯著提升，從輔助環(huán)節(jié)加速向研發(fā)設(shè)計(jì)、生產(chǎn)制造、運(yùn)維管理等核心環(huán)節(jié)縱深推進(jìn)。我們?cè)谏綎|一家重型裝備制造企業(yè)看到，一套工業(yè)大模型系統(tǒng)全面接管從圖紙解析、工藝規(guī)劃到質(zhì)量檢測(cè)的全鏈條流程，過(guò)去多名資深工程師耗時(shí)數(shù)周的新品工藝設(shè)計(jì)，如今壓縮至72小時(shí)以?xún)?nèi)，良品率提升5個(gè)百分點(diǎn)。三是新業(yè)態(tài)新模式加速涌現(xiàn)，智能網(wǎng)聯(lián)汽車(chē)、人工智能制藥、具身智能機(jī)器人等融合新業(yè)態(tài)蓬勃生長(zhǎng)，不斷形成萬(wàn)億級(jí)產(chǎn)業(yè)新賽道。調(diào)研中能夠深切感受到，在這場(chǎng)全球智能競(jìng)賽中，誰(shuí)的應(yīng)用場(chǎng)景最豐富、融合程度最緊密、產(chǎn)業(yè)反饋?zhàn)蠲芗l(shuí)就掌握了定義人工智能“怎么用、用在哪、用多深”的標(biāo)準(zhǔn)體系和應(yīng)用范式，誰(shuí)就掌握了智能時(shí)代的主動(dòng)權(quán)。

2

我國(guó)人工智能產(chǎn)業(yè)發(fā)展面臨的問(wèn)題與挑戰(zhàn)

當(dāng)前，全球人工智能技術(shù)博弈日趨白熱化，我國(guó)人工智能產(chǎn)業(yè)發(fā)展正處于應(yīng)用引領(lǐng)、基礎(chǔ)追趕、生態(tài)突圍的關(guān)鍵隘口。面對(duì)算力封鎖、人才爭(zhēng)奪等外部壓力的持續(xù)加碼，從高端芯片到基礎(chǔ)算法，從原始創(chuàng)新到產(chǎn)業(yè)轉(zhuǎn)化，我們依然存在不少“卡脖子”環(huán)節(jié)和卡點(diǎn)堵點(diǎn)。

國(guó)際競(jìng)爭(zhēng)擠壓人工智能產(chǎn)業(yè)發(fā)展空間。調(diào)研發(fā)現(xiàn)，一些西方國(guó)家對(duì)華政策已從單一技術(shù)限制升級(jí)為系統(tǒng)性生態(tài)封鎖。一是“硬”封鎖持續(xù)加碼。美國(guó)對(duì)華人工智能芯片銷(xiāo)售管制力度不斷加大，導(dǎo)致國(guó)內(nèi)不少創(chuàng)新團(tuán)隊(duì)因“算力饑渴”被迫放緩大模型研發(fā)節(jié)奏。二是“軟”生態(tài)構(gòu)筑壁壘。英偉達(dá)公司的圖形處理器（GPU）占據(jù)全球九成以上份額，其統(tǒng)一計(jì)算設(shè)備架構(gòu)（CUDA）生態(tài)經(jīng)過(guò)10余年積累，已形成“硬件+軟件+開(kāi)發(fā)者社區(qū)”的閉環(huán)體系。我們?cè)谏虾Ｒ患覈?guó)產(chǎn)芯片企業(yè)了解到，盡管其硬件算力指標(biāo)已接近國(guó)際主流水平，但客戶(hù)最關(guān)心的卻是“能不能兼容CUDA”。癥結(jié)在于芯片替代不是簡(jiǎn)單的硬件換裝，而是牽涉開(kāi)發(fā)框架、算子庫(kù)、調(diào)試工具、開(kāi)發(fā)習(xí)慣等一整套技術(shù)棧的系統(tǒng)遷移。數(shù)百萬(wàn)開(kāi)發(fā)者深度綁定CUDA生態(tài)，遷移成本高昂、適配周期漫長(zhǎng)，國(guó)產(chǎn)替代即便性能達(dá)標(biāo)，規(guī)模化應(yīng)用仍面臨障礙。三是規(guī)則話(huà)語(yǔ)權(quán)博弈激烈。全球人工智能技術(shù)標(biāo)準(zhǔn)、治理規(guī)范、數(shù)據(jù)跨境規(guī)則等多由西方國(guó)家主導(dǎo)。2025年初，DeepSeek大模型憑借技術(shù)突破震動(dòng)全球市場(chǎng)，西方多個(gè)國(guó)家隨即出臺(tái)禁令或啟動(dòng)嚴(yán)格審查。現(xiàn)實(shí)警示我們，技術(shù)領(lǐng)先未必能得到市場(chǎng)準(zhǔn)入，缺少話(huà)語(yǔ)權(quán)，產(chǎn)業(yè)出海就會(huì)受制于人。

大模型在專(zhuān)業(yè)場(chǎng)景面臨可靠性危機(jī)。大模型在通用對(duì)話(huà)中表現(xiàn)驚艷，但一旦進(jìn)入工業(yè)檢測(cè)、醫(yī)療診斷、金融風(fēng)控等對(duì)精度與可靠性要求嚴(yán)苛的領(lǐng)域，能力缺陷便凸顯出來(lái)。一家制造企業(yè)向我們反饋，人工智能視覺(jué)檢測(cè)系統(tǒng)因光線(xiàn)輕微變化便將良品誤判為廢品，廢品反被放行，最終仍需人工重檢。“演示時(shí)驚艷，產(chǎn)線(xiàn)上翻車(chē)”成為人工智能在許多企業(yè)落地時(shí)的真實(shí)寫(xiě)照。癥結(jié)在于大模型在開(kāi)放域任務(wù)中展現(xiàn)的泛化能力，并不能自然遷移至容錯(cuò)率趨近于零的專(zhuān)業(yè)場(chǎng)景，從“能說(shuō)會(huì)道”到“能用可靠”，橫亙著一道巨大的工程化鴻溝。“幻覺(jué)”問(wèn)題也不容忽視。通用場(chǎng)景下，這種錯(cuò)誤或許只是瑕疵，但在醫(yī)療劑量、法律判決、金融風(fēng)控等場(chǎng)景中，每一次“一本正經(jīng)地胡說(shuō)八道”都可能觸發(fā)不可挽回的風(fēng)險(xiǎn)。這暴露了大模型的一項(xiàng)根本性缺陷：它本質(zhì)上仍是模式匹配器而非邏輯推理器。如何從“會(huì)說(shuō)話(huà)”走向“講真話(huà)”，從“猜答案”走向“懂因果”，是產(chǎn)業(yè)向縱深發(fā)展必須跨越的門(mén)檻。

高質(zhì)量數(shù)據(jù)集仍難滿(mǎn)足模型發(fā)展需求。調(diào)研發(fā)現(xiàn)，當(dāng)前普遍存在的問(wèn)題是數(shù)據(jù)“原油”豐富，但“煉化”能力不足。全球可用私有數(shù)據(jù)規(guī)模遠(yuǎn)遠(yuǎn)大于公開(kāi)數(shù)據(jù)規(guī)模，但受制于數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、授權(quán)機(jī)制不健全、合規(guī)邊界不清晰等制度性障礙，大量高價(jià)值數(shù)據(jù)被困于“孤島”。我國(guó)雖坐擁海量數(shù)據(jù)資源，但真正能用于大模型訓(xùn)練的數(shù)據(jù)卻嚴(yán)重短缺。全球通用的50億規(guī)模數(shù)據(jù)訓(xùn)練集中，中文語(yǔ)料占比僅為1.3%。此外，數(shù)據(jù)流通的梗阻，讓我國(guó)數(shù)據(jù)規(guī)模優(yōu)勢(shì)難以充分轉(zhuǎn)化為核心競(jìng)爭(zhēng)力。還有版權(quán)與法律風(fēng)險(xiǎn)正持續(xù)攀升。一家出海企業(yè)告訴我們，其視頻生成模型被指控未經(jīng)授權(quán)抓取海外平臺(tái)視頻用于訓(xùn)練，在境外遭遇集體訴訟。一旦數(shù)據(jù)主權(quán)和版權(quán)壁壘演變?yōu)樾碌馁Q(mào)易武器，就可能切斷國(guó)內(nèi)企業(yè)獲取國(guó)際高質(zhì)量數(shù)據(jù)資源的合法通道。

人工智能產(chǎn)業(yè)應(yīng)用商業(yè)閉環(huán)尚未打通。人工智能產(chǎn)業(yè)應(yīng)用正站在從政策驅(qū)動(dòng)到市場(chǎng)驅(qū)動(dòng)的十字路口，可持續(xù)商業(yè)模式尚在探索。一是產(chǎn)業(yè)鏈“齒輪錯(cuò)位”。算力層昂貴且與模型適配不足，模型層通用但行業(yè)定制化能力薄弱，應(yīng)用層多為單點(diǎn)工具型產(chǎn)品且互不通信，算力、模型、應(yīng)用三個(gè)環(huán)節(jié)之間缺乏有效的嚙合機(jī)制。二是企業(yè)盈利模式模糊。國(guó)內(nèi)用戶(hù)付費(fèi)習(xí)慣尚未形成，大量應(yīng)用公司只能依靠項(xiàng)目制一單一單維系，或依賴(lài)政府補(bǔ)貼“輸血”。從“政策輸血”到“市場(chǎng)造血”的轉(zhuǎn)換，是產(chǎn)業(yè)能否走出培育期的關(guān)鍵。三是產(chǎn)品規(guī)模化復(fù)制艱難。一位工業(yè)人工智能創(chuàng)始人坦言：“三個(gè)工廠(chǎng)試點(diǎn)成功，但客戶(hù)說(shuō)換條產(chǎn)線(xiàn)，方案就廢了。沒(méi)法標(biāo)準(zhǔn)化，就沒(méi)法規(guī)模化；沒(méi)法規(guī)模化，就永遠(yuǎn)在燒錢(qián)。”“樣板間”與“商品房”之間，差的不是單項(xiàng)技術(shù)，而是可配置、可復(fù)制、可運(yùn)維的標(biāo)準(zhǔn)化產(chǎn)品體系，前提又是產(chǎn)業(yè)鏈各環(huán)節(jié)形成標(biāo)準(zhǔn)化的對(duì)接接口。

3

加快我國(guó)人工智能產(chǎn)業(yè)發(fā)展要打一場(chǎng)體系化協(xié)同戰(zhàn)

人工智能是一種極為特殊的通用目的技術(shù)，與歷史上任何一次科技革命的前沿技術(shù)都截然不同。其一，它具有極強(qiáng)的路徑依賴(lài)與生態(tài)鎖定效應(yīng)。底層芯片定義算力形態(tài)，中間框架決定開(kāi)發(fā)范式，上層應(yīng)用深度依賴(lài)前兩者的接口標(biāo)準(zhǔn)——這一高度耦合的技術(shù)架構(gòu)，使得先發(fā)者一旦在某層取得主導(dǎo)，便能上下滲透，將整個(gè)產(chǎn)業(yè)鏈鎖死于自己的生態(tài)體系。其二，競(jìng)爭(zhēng)已演變?yōu)榄h(huán)環(huán)相扣的體系化博弈。傳統(tǒng)科技競(jìng)爭(zhēng)聚焦單一技術(shù)，攻克即可突圍；而人工智能的競(jìng)爭(zhēng)是覆蓋芯片、框架、數(shù)據(jù)、應(yīng)用、規(guī)則的全維度競(jìng)賽，任何一維度的短板都可能成為整個(gè)體系的“阿喀琉斯之踵”。其三，擴(kuò)散周期被極限壓縮。電氣革命用了一百年才完成對(duì)社會(huì)的全面滲透，信息技術(shù)用了半個(gè)世紀(jì)才重塑商業(yè)形態(tài)；而人工智能正以瞬間涌現(xiàn)、瞬間滲透、瞬間改造的速度改寫(xiě)行業(yè)底層邏輯，先發(fā)優(yōu)勢(shì)轉(zhuǎn)化為鎖定優(yōu)勢(shì)的速度大大加快，留給追趕者的反應(yīng)時(shí)間急劇收窄。在人工智能這場(chǎng)決定未來(lái)的全球競(jìng)賽中，我們面對(duì)的不是某個(gè)技術(shù)點(diǎn)的“卡脖子”，而是從底層硬件到上層生態(tài)、從技術(shù)標(biāo)準(zhǔn)到治理規(guī)則的全棧式競(jìng)爭(zhēng)。破解困局、爭(zhēng)取主動(dòng)，單點(diǎn)突圍無(wú)濟(jì)于事，必須打一場(chǎng)“全要素+全生態(tài)”的體系化協(xié)同戰(zhàn)。既要讓算力、數(shù)據(jù)、算法、場(chǎng)景等各類(lèi)要素充分涌流，又要激發(fā)企業(yè)、高校、科研機(jī)構(gòu)、開(kāi)發(fā)者社區(qū)等多元主體的創(chuàng)新活力，更要以國(guó)家戰(zhàn)略為統(tǒng)領(lǐng)，將各方力量擰成一股繩，形成整體合力。

強(qiáng)化核心技術(shù)攻堅(jiān)，筑牢自主可控發(fā)展根基。核心技術(shù)攻堅(jiān)必須將目標(biāo)從單項(xiàng)指標(biāo)的追趕，升級(jí)為以建生態(tài)為牽引的體系化作戰(zhàn)。一是向基礎(chǔ)原理扎根。源頭創(chuàng)新若只在應(yīng)用層、工程層發(fā)力，永遠(yuǎn)只能在別人的理論框架里修修補(bǔ)補(bǔ)。必須將更多資源投向算法可解釋性、因果推理、類(lèi)腦計(jì)算等基礎(chǔ)研究“無(wú)人區(qū)”，掌握定義技術(shù)路線(xiàn)的底層邏輯，才能從根本上擺脫路徑依賴(lài)。二是靶向攻堅(jiān)與規(guī)模化迭代并重。聚焦人工智能芯片、開(kāi)發(fā)框架、基礎(chǔ)軟件等產(chǎn)業(yè)鏈核心環(huán)節(jié)，實(shí)施“揭榜掛帥”、“賽馬制”攻關(guān)機(jī)制，集中力量突破關(guān)鍵堵點(diǎn)。更重要的是，技術(shù)突破必須與市場(chǎng)應(yīng)用形成閉環(huán)，只有將國(guó)產(chǎn)軟硬件大規(guī)模投入真實(shí)訓(xùn)練場(chǎng)景，在規(guī)模化試錯(cuò)中持續(xù)迭代優(yōu)化，才能用市場(chǎng)反饋反哺技術(shù)成熟度，逐步形成能夠與先發(fā)者競(jìng)爭(zhēng)的生態(tài)吸引力。

優(yōu)化數(shù)據(jù)要素供給，打通高質(zhì)量供給堵點(diǎn)。我國(guó)數(shù)據(jù)資源優(yōu)勢(shì)明顯，但要解決好“可煉化”與“可流通”兩大瓶頸。一是建設(shè)高質(zhì)量“數(shù)據(jù)油田”。依托國(guó)家級(jí)數(shù)據(jù)標(biāo)注基地，優(yōu)先在工業(yè)、醫(yī)療、金融等條件成熟的領(lǐng)域建立標(biāo)準(zhǔn)化數(shù)據(jù)集體系，同時(shí)加大數(shù)據(jù)合成與智能增強(qiáng)技術(shù)的研發(fā)投入。只有將原始數(shù)據(jù)加工為可直接用于模型訓(xùn)練的高質(zhì)量數(shù)據(jù)，數(shù)據(jù)要素才能真正進(jìn)入生產(chǎn)函數(shù)。二是以制度創(chuàng)新打通流通梗阻。圍繞產(chǎn)權(quán)界定、收益分配、安全合規(guī)加快基礎(chǔ)制度供給，推廣“數(shù)據(jù)沙箱”、“監(jiān)管沙盒”等創(chuàng)新模式，在確保所有權(quán)不變、安全可控的前提下，實(shí)現(xiàn)多源數(shù)據(jù)融合訓(xùn)練，讓數(shù)據(jù)在流動(dòng)中真正實(shí)現(xiàn)價(jià)值倍增。

加快規(guī)模應(yīng)用推廣，構(gòu)建可持續(xù)商業(yè)閉環(huán)。應(yīng)用場(chǎng)景是檢驗(yàn)人工智能成色的最終戰(zhàn)場(chǎng)。當(dāng)前人工智能產(chǎn)業(yè)發(fā)展面臨的核心難題，不是沒(méi)有好的試點(diǎn)，而是好的試點(diǎn)無(wú)法批量復(fù)制。要深入實(shí)施“人工智能+”行動(dòng)。一是深度嵌入核心業(yè)務(wù)，推動(dòng)人工智能從輔助場(chǎng)景進(jìn)入研發(fā)設(shè)計(jì)、生產(chǎn)調(diào)度、風(fēng)險(xiǎn)管控等高價(jià)值環(huán)節(jié)，以實(shí)質(zhì)性降本增效撬動(dòng)企業(yè)付費(fèi)意愿。二是構(gòu)建產(chǎn)業(yè)鏈協(xié)同嚙合機(jī)制。推動(dòng)算力商、模型商、行業(yè)用戶(hù)深度耦合，形成算力按需供給、模型按需適配、場(chǎng)景快速落地的協(xié)同網(wǎng)絡(luò)，以標(biāo)準(zhǔn)化接口打破“各管一攤”的局面。三是堅(jiān)定推進(jìn)產(chǎn)品化轉(zhuǎn)型。從定制化項(xiàng)目制向可配置、可復(fù)制、可運(yùn)維的標(biāo)準(zhǔn)化解決方案跨越，以規(guī)模化攤薄研發(fā)與算力成本，驅(qū)動(dòng)產(chǎn)業(yè)從燒錢(qián)循環(huán)進(jìn)入盈利循環(huán)。

提升安全治理能力，筑牢產(chǎn)業(yè)發(fā)展安全底線(xiàn)。人工智能的黑箱特性、自主演化能力與泛化能力，使風(fēng)險(xiǎn)源從外部攻擊延伸至模型自身的“基因缺陷”。安全治理須從靜態(tài)的合規(guī)檢查，升級(jí)為全生命周期的動(dòng)態(tài)防護(hù)。一是建立分層分類(lèi)的敏捷治理架構(gòu)。對(duì)通用基礎(chǔ)模型強(qiáng)調(diào)透明度和可追溯性，對(duì)垂直應(yīng)用場(chǎng)景根據(jù)風(fēng)險(xiǎn)等級(jí)實(shí)施差異化監(jiān)管，如對(duì)醫(yī)療、金融等高風(fēng)險(xiǎn)領(lǐng)域?qū)嵤﹪?yán)格認(rèn)證與魯棒性評(píng)測(cè)，對(duì)其他低風(fēng)險(xiǎn)場(chǎng)景采取輕量監(jiān)管，實(shí)現(xiàn)安全與發(fā)展的精準(zhǔn)平衡。二是強(qiáng)化技術(shù)內(nèi)生安全屏障。加大算法可解釋性、隱私計(jì)算、對(duì)抗訓(xùn)練等安全技術(shù)的研發(fā)投入，建立常態(tài)化模型安全體檢機(jī)制，用“技術(shù)防火墻”前置風(fēng)險(xiǎn)，讓安全能力成為模型自身的“出廠(chǎng)設(shè)置”而非事后補(bǔ)丁。三是主動(dòng)引領(lǐng)全球規(guī)則構(gòu)建。推動(dòng)我國(guó)在數(shù)據(jù)分級(jí)、算法備案、安全評(píng)測(cè)等領(lǐng)域的實(shí)踐經(jīng)驗(yàn)轉(zhuǎn)化為國(guó)際治理方案，在多邊框架中搶占規(guī)則塑造的主動(dòng)權(quán)，避免被反向鎖定。

強(qiáng)化多元協(xié)同保障，構(gòu)建全要素全生態(tài)支撐體系。體系化破局需要與之適配的制度供給與要素支撐。資金層面，要培育真正適配創(chuàng)新的耐心資本。發(fā)揮國(guó)家基金引領(lǐng)作用，聯(lián)動(dòng)地方形成梯次布局的耐心資本矩陣，保障底層攻關(guān)與基礎(chǔ)設(shè)施建設(shè)的長(zhǎng)周期投入。同步推廣“算力券”等普惠工具，為中小企業(yè)參與創(chuàng)新降低門(mén)檻。人才層面，要著力鍛造既懂算法邏輯又懂行業(yè)痛點(diǎn)的“兩棲人才”。這類(lèi)復(fù)合型人才無(wú)法在校園課堂上批量生產(chǎn)，必須通過(guò)龍頭企業(yè)聯(lián)合高校院所共建產(chǎn)教融合平臺(tái)，在真實(shí)產(chǎn)業(yè)場(chǎng)景中長(zhǎng)期“浸泡”出來(lái)。加快構(gòu)建具有規(guī)模效應(yīng)的復(fù)合型人才培養(yǎng)體系，形成從頂尖科學(xué)家到規(guī)模化應(yīng)用人才的梯次供給。開(kāi)放合作層面，要堅(jiān)持根植中國(guó)、網(wǎng)聯(lián)世界。依托“一帶一路”等機(jī)制，支持企業(yè)以開(kāi)源協(xié)作、聯(lián)合研發(fā)等方式深度嵌入全球創(chuàng)新網(wǎng)絡(luò)，在合規(guī)前提下突破非商業(yè)壁壘，在開(kāi)放博弈中提升競(jìng)爭(zhēng)力，方能在新一輪科技革命和產(chǎn)業(yè)變革中掌握戰(zhàn)略主動(dòng)。

調(diào)研手記：

站在人類(lèi)文明演進(jìn)的大歷史坐標(biāo)下審視，人工智能的深遠(yuǎn)意義或許遠(yuǎn)超我們當(dāng)下的認(rèn)知邊界。它不僅是技術(shù)的迭代、產(chǎn)業(yè)的升級(jí)，更是一場(chǎng)人類(lèi)認(rèn)知方式、社會(huì)組織形態(tài)的系統(tǒng)性重塑。當(dāng)機(jī)器開(kāi)始學(xué)會(huì)學(xué)習(xí)、學(xué)會(huì)推理、學(xué)會(huì)創(chuàng)造，我們面對(duì)的不僅是一場(chǎng)技術(shù)競(jìng)賽，更是一次對(duì)人類(lèi)自身位置的再認(rèn)識(shí)。調(diào)研一路走來(lái)，從“東數(shù)西算”編織的算力動(dòng)脈，到“監(jiān)管沙盒”激活的數(shù)據(jù)活水，從開(kāi)源大模型在全球開(kāi)發(fā)者中掀起的生態(tài)浪潮，到人形機(jī)器人在產(chǎn)線(xiàn)上與人類(lèi)并肩作業(yè)，所見(jiàn)所聞讓我們深切感受到一種蓬勃向上的力量。這意味著，在這一輪技術(shù)創(chuàng)新浪潮中，我們不再是遲到者、追趕者、補(bǔ)課者，而是同場(chǎng)競(jìng)技者，甚至在某些領(lǐng)域是引領(lǐng)者。當(dāng)全球人工智能發(fā)展與治理尚在混沌中博弈，我們的路徑選擇正在開(kāi)辟一個(gè)新的可能——以開(kāi)放替代封閉、以協(xié)同替代壟斷、以賦能替代控制的智能文明新范式。多年之后，當(dāng)人們回望這場(chǎng)人工智能變革的起跑時(shí)刻，或許會(huì)這樣評(píng)價(jià)：在新時(shí)代的歷史關(guān)口，中國(guó)沒(méi)有猶豫，沒(méi)有缺席，而是大步迎了上去。

本文作者：

求是雜志社經(jīng)濟(jì)編輯部

賽迪研究院聯(lián)合課題組

閱讀更多內(nèi)容，歡迎訂購(gòu)《機(jī)器人產(chǎn)業(yè)》雜志。

點(diǎn)擊跳轉(zhuǎn)！圈內(nèi)人都在看的專(zhuān)家觀點(diǎn)