我國“人工智能+”行動的必要性及推進路徑

吳盈盈  宋平  任璐

（中國信息通信研究院人工智能研究所，北京 100191）

摘要：分析闡述了我國人工智能發(fā)展布局，從基礎支撐、應用賦能、生態(tài)構建等方面體系化剖析我國人工智能發(fā)展現(xiàn)狀，總結歸納出應以應用為牽引發(fā)展我國人工智能產業(yè)，并提出了需明確適配行業(yè)、厘清落地現(xiàn)狀與問題、精準把握推進力度來有序有效推進“人工智能+”行動。

關鍵詞：人工智能+；產業(yè)升級；新型工業(yè)化

0  引言

人工智能已深度滲透社會經濟各領域、全過程，成為各國發(fā)展布局的關鍵。面對全球人工智能技術日新月異的新形勢，亟須從產業(yè)架構深度挖掘我國人工智能產業(yè)的獨特優(yōu)勢，精準定位發(fā)展抓手，為工作部署提供靶向指引，推動產業(yè)實現(xiàn)高質量躍升。本文首先對人工智能作為我國重點發(fā)展方向進行了分析和闡述，包括人工智能對人類社會的影響、我國人工智能布局以及產業(yè)發(fā)展現(xiàn)狀與挑戰(zhàn)；之后提出了“人工智能+”行動是我國人工智能產業(yè)發(fā)展突破的關鍵，并進一步闡述了推進“人工智能+”行動的意義；最后厘清了“人工智能+”的內涵理解，給出了推進“人工智能+”行動的方法路徑。

1  人工智能已成為我國重點發(fā)展方向

1.1  人工智能的影響

人工智能作為新一輪科技革命和產業(yè)變革的核心驅動力，正以前所未有的速度滲透到人類社會的各個領域。其強大的數(shù)據處理、學習和決策能力，深刻改變了人們的生產生活方式，引發(fā)了廣泛而深遠的影響。

從經濟發(fā)展的角度來看，人工智能已成為培育新質生產力的核心動能。這種驅動作用體現(xiàn)在兩個層面：其一，人工智能加速了生產工具與生產流程的智能化轉型。以工業(yè)領域為例，人工智能應用率先在研發(fā)設計與驗證、運營管理與營銷兩個環(huán)節(jié)落地，并持續(xù)向生產制造環(huán)節(jié)滲透[1]，帶動全要素生產率提升。其二，人工智能催生傳統(tǒng)行業(yè)的新業(yè)態(tài)。以自動駕駛領域為例，其通過多傳感器融合、深度學習算法及車路協(xié)同技術的突破，推動汽車產業(yè)從單一交通工具制造向“智能移動空間”生態(tài)轉型，帶來車規(guī)級芯片研發(fā)、自動駕駛解決方案定制等商業(yè)機會，形成新的經濟增長點。

從社會發(fā)展的角度來看，人工智能正重塑民生服務格局。它不僅改變了民眾獲取信息的渠道，降低了知識獲取門檻，更優(yōu)化了公共資源配置，提升了公共服務的普惠性，讓更多欠發(fā)達地區(qū)和群體共享技術紅利。以“醫(yī)院問診”場景為例，“人工智能名醫(yī)”通過大模型與臨床思維學習訓練，讓名醫(yī)資源打破時間、空間和數(shù)量限制，實現(xiàn)隨時隨地遠程問診，極大緩解醫(yī)療資源分布不均勻的問題。

人工智能在推動社會進步的同時，也對就業(yè)結構產生沖擊，給倫理治理帶來挑戰(zhàn)。首先，人工智能將重塑就業(yè)結構和模式。歷次科技革命都會引發(fā)就業(yè)結構深層次重塑，人工智能發(fā)展引發(fā)的就業(yè)變革也將呈現(xiàn)出“破壞—重構—升級”的螺旋式演化規(guī)律。在技術革新的沖擊下，重復性高、創(chuàng)造性低的中低技能崗位首當其沖。數(shù)據顯示[2]，約9 200 萬個標準化崗位（如財會、翻譯等），將因人工智能的應用面臨替代風險。但人工智能也會促進傳統(tǒng)崗位煥發(fā)新生，并使全新職業(yè)賽道加速涌現(xiàn)。從人工智能產業(yè)核心的算法研發(fā)、數(shù)據標注，到與實體經濟融合催生的自動駕駛工程、智能客服等跨界崗位，預計將釋放1.7 億個就業(yè)新機會，推動就業(yè)結構向更具技術含量與創(chuàng)新價值的方向迭代升級[2]。其次，人工智能也衍生出一系列復雜的倫理社會風險。它能夠以假亂真地生成幻覺信息與虛假內容，在互聯(lián)網的加速傳播下，擾亂信息真實性的根基，使公眾難以分辨虛實。而其自主決策的“黑箱”特性，讓算法運作過程晦澀難懂，一旦出現(xiàn)決策失誤或引發(fā)事故，責任認定變得模糊不清，給現(xiàn)有的法律框架與治理體系帶來巨大沖擊。隨著人臉識別等技術的普及，個人生物特征等敏感信息面臨泄露風險，公民的隱私權與人身安全時刻受到威脅。此外，人工智能訓練數(shù)據中若存在偏見與歧視，經過算法的不斷學習與強化，會進一步放大社會不公，加深不同群體間的隔閡，威脅社會公平正義的底線。

1.2  我國人工智能布局

《新一代人工智能發(fā)展規(guī)劃》明確“三步走”目標：從技術與應用跟世界先進水平“并跑”，到以理論突破帶動部分技術和應用“領先”，再到理論、技術、應用均達世界先進水平[3]。圍繞技術自立自強、賦能實體經濟、安全可靠可控這3個重點，我國在算力、數(shù)據、算法、應用、安全5個維度已制定發(fā)布多項政策。

“人工智能+”行動連續(xù)兩年被寫入我國政府工作報告之中[4-5]，多部門迅速跟進出臺一系列人工智能賦能行業(yè)的政策文件，全方位、深層次地深化產業(yè)布局，致力于推動人工智能與各領域的深度融合。工業(yè)和信息化部于2024年開始以人工智能和制造業(yè)深度融合為主線，以智能制造為主攻方向，以場景應用為牽引全面推進人工智能賦能新型工業(yè)化活動[6]。國務院國有資產監(jiān)督管理委員會于2024年啟動中央企業(yè)“人工智能+”專項行動，并將以“應用導航”“數(shù)據賦能”“智算筑基”為重點在2025年繼續(xù)深化該項行動[7]。此外，中國氣象局、國家衛(wèi)生健康委員會、教育部等眾多部門也緊密圍繞各自領域的需求與特點出臺“人工智能+”相關政策文件，充分發(fā)揮人工智能的技術優(yōu)勢，提升各領域的生產服務質量與效率。

在國際舞臺上，我國提出的《全球人工智能治理倡議》[8]和《人工智能能力建設普惠計劃》[9]，均以推動人工智能全球務實合作為宗旨，促進多邊交流與協(xié)同發(fā)展，著力彌合國際智能鴻溝，實現(xiàn)科技紅利共享。整體來看，我國高度重視人工智能國際合作，始終以合作、開放、發(fā)展與安全的理念[10]，致力于以人工智能技術創(chuàng)新驅動產業(yè)升級和技術共享，踐行真正的人工智能多邊主義。

1.3  我國人工智能產業(yè)發(fā)展現(xiàn)狀與挑戰(zhàn)

1.3.1  基礎層

算力、數(shù)據與算法作為人工智能的核心要素，構成了驅動現(xiàn)代人工智能發(fā)展的底層支柱。其中，算力是支撐人工智能運行的硬件基礎，為模型訓練與推理提供計算能力保障；數(shù)據是人工智能的“知識基座”，其規(guī)模與質量直接決定了模型學習的廣度與深度；算法是人工智能的“智能內核”，具備理解、生成、推理能力。三者間形成緊密的協(xié)同生態(tài)：算力與數(shù)據規(guī)模的擴張能夠推動算法迭代優(yōu)化，而算法復雜度的提升又會反向刺激算力升級與數(shù)據需求增長。這種循環(huán)促進的機制，正是人工智能技術持續(xù)突破的核心動力。

在全球算力競爭的大背景下，我國算力產業(yè)發(fā)展態(tài)勢迅猛。從整體規(guī)模來看，截至2024年底，我國算力總規(guī)模已達280 EFLOPS（每秒百億億次浮點運算，F(xiàn)P32），其中智能算力占比32%，達90 EFLOPS，穩(wěn)居全球第一梯隊[11]。從增長動能來看，隨著“東數(shù)西算”工程的深入推進，各類新增算力加速向國家樞紐節(jié)點匯聚[12]，我國2024年算力規(guī)模較2023年增長16.5%[13]，擴張速度顯著。

與此同時，我國算力產業(yè)發(fā)展還面臨結構性挑戰(zhàn)。目前，我國仍存在算力供給緊張與部分算力閑置未有效利用的雙重矛盾，標準化、普惠化的全國算力服務統(tǒng)一大市場尚未形成。部分地區(qū)算力中心呈現(xiàn)“多而散”的狀態(tài)，各主體獨立運營、缺乏協(xié)同和共享機制，難以實現(xiàn)跨主體、跨行業(yè)、跨區(qū)域的資源高效共享。且我國高性能芯片與國際先進水平存在差距，盡管涌現(xiàn)了華為昇騰芯片等國產人工智能芯片，但在性價比、能效比等指標上還有待提升。

在數(shù)據資源上，我國呈現(xiàn)出數(shù)據總量持續(xù)擴張、數(shù)據質量同步提升的雙重增長態(tài)勢。從數(shù)據總量來看，2024年我國數(shù)據生產總量為41.06 澤字節(jié)（ZettaByte，ZB），同比增長25%，預計在2025年將突破50 ZB[12]。其中，金融、互聯(lián)網、通信、制造等數(shù)字化基礎較為扎實的行業(yè)數(shù)據增長勢頭強勁；大模型、智能家居、智能網聯(lián)汽車的規(guī)模化應用已成為數(shù)據增長的核心驅動力，貢獻了整體數(shù)據量的40%以上；而機器人產業(yè)化進程的加速更帶動其數(shù)據生產量增速超30%，成為極具潛力的未來增長極。從數(shù)據質量來看，依托政策引導與市場需求的雙重拉動，我國已在成都、合肥等地的數(shù)據標注基地推進行業(yè)高質量數(shù)據集建設[12]，形成了335 個醫(yī)療、工業(yè)、教育等行業(yè)的高質量數(shù)據集[15]，2024年高質量數(shù)據集數(shù)量同比增長27.4%[14]，為大模型訓練及人工智能應用落地提供了堅實的數(shù)據支撐。

比較而言，我國數(shù)據標注產業(yè)規(guī)模有待提升。2023年，全球數(shù)據標注工具和服務市場規(guī)模達85 億美元[16]，而我國數(shù)據標注產業(yè)規(guī)模于2024年突破80 億元[15]，且相關企業(yè)仍處于發(fā)展初期，距離Scale AI、Clickworker等具有國際影響力的企業(yè)仍有差距。同時，我國數(shù)據資源的有效利用存在較大提升空間。2023年，我國數(shù)據留存率僅為2.9%，低于發(fā)達國家平均水平，因此我國從數(shù)據資源大國向數(shù)據資源強國的跨越仍需持續(xù)發(fā)力[17]。

在算法框架方面，我國基礎模型能力已實現(xiàn)從“跟隨”轉為“并跑”的跨越。2024年，我國基礎模型能力提升明顯。語言大模型在數(shù)學、理解等專項能力上表現(xiàn)優(yōu)異，但多語言、推理等場景仍有差距。在多模態(tài)大模型能力上，“文生圖”能力躋身全球第一梯隊，“文生視頻”能力保持全球領先。

我國在基礎架構及訓推框架上還處于發(fā)展階段。如DeepSeek依托工程化創(chuàng)新實現(xiàn)了行業(yè)影響力的快速提升，但底層理論創(chuàng)新仍然不足。我國代表性框架（如百度飛槳、華為昇思等）在分布式訓練、千億參數(shù)模型支持等領域取得階段性進展，但在算子庫完整性、編譯優(yōu)化效率等技術指標上較弱，且國際社區(qū)活躍度與學術影響力不足，尚未形成“技術研發(fā)—生態(tài)建設”的正向循環(huán)。

1.3.2  應用層

人工智能應用可按服務對象分為B（Business）端應用和C（Consumer）端應用。B端應用面向企業(yè)、政府、機構等組織，以解決商業(yè)痛點、提升運營效率為核心；C端應用則直接服務于個人消費者，以改善生活體驗、滿足個性化需求為目標。從應用發(fā)展前景來看，我國龐大且完備的產業(yè)體系與超大規(guī)模的人口基數(shù)為人工智能應用提供了廣闊的市場空間，但付費意愿仍需培養(yǎng)。

從B端應用來看，以制造業(yè)為例，我國在該領域具備扎實的產業(yè)基礎與廣闊的發(fā)展空間。2023年，我國制造業(yè)占據全球制造業(yè)近30%的份額，達到4.8 萬億美元產值，占國內生產總值的27%[18]。自2010年起，我國成為全球擁有聯(lián)合國產業(yè)分類中全部工業(yè)門類的國家，涵蓋41 個工業(yè)大類、207 個中類、666 個小類，且近半數(shù)工業(yè)品產量位居全球首位[19]。依托從上游原材料到下游終端產品的完整產業(yè)鏈、強大完善的制造與配套能力、在全球制造業(yè)格局中不可替代的主導地位，我國潛在制造業(yè)人工智能應用場景及市場空間巨大。同時，從投資流向來看，我國43%的人工智能風險投資流向制造業(yè)，標志著制造業(yè)人工智能應用正成為資本聚焦的重點領域，我國制造業(yè)人工智能應用將迎來進一步突破[20]。在產業(yè)落地層面，我國制造業(yè)人均工業(yè)機器人數(shù)量已超越多數(shù)發(fā)達國家[21]，且供應能力持續(xù)攀升。在2025年第一季度，我國工業(yè)機器人產量達到14.9 萬套，同比增長26%[22]，為智能制造提供了堅實的硬件支撐。

從C端應用來看，國內外市場規(guī)模相近。截至2025年6月，ChatGPT憑借近8 億周活用戶、超1 億日活用戶的數(shù)據，深度滲透全球民眾的工作生活場景[23]。同時，我國人工智能應用榜單的前五名（夸克、DeepSeek、豆包、快對AI、騰訊元寶）已實現(xiàn)超1.2 億日活用戶總和[24]，盡管單款產品尚未形成絕對優(yōu)勢，但14多億人口的基數(shù)為C端人工智能應用市場增長預埋無限潛力。

然而，龐大的用戶規(guī)模與商業(yè)化變現(xiàn)能力尚未形成正向關聯(lián)。受國內互聯(lián)網長期免費經濟模式影響，我國消費者已形成謹慎的數(shù)字產品付費習慣，疊加人均收入差異導致的價格敏感性，我國C端人工智能應用付費轉化率面臨瓶頸。數(shù)據顯示[25]，66.8%的受訪者愿意為人工智能服務訂閱付費，但普遍心理價位錨定在1~20 元/月的低價區(qū)間，與國外用戶對ChatGPT Plus（20 美元/月）等高價服務的較高接受度形成反差。

1.3.3  生態(tài)層

人工智能產業(yè)生態(tài)的構建與發(fā)展離不開多要素的協(xié)同支撐，而人才與資金作為核心驅動力發(fā)揮著不可替代的作用。人才作為技術創(chuàng)新的主體，其思維與科研能力是推動人工智能技術突破理論邊界、迭代升級的關鍵要素。資金為產業(yè)發(fā)展提供物質基礎，通過在技術研發(fā)、成果轉化、規(guī)模應用等階段的持續(xù)注入，能夠有效激活創(chuàng)新鏈條，加速產品商業(yè)化進程。

在人才方面，我國近年來加大人工智能人才集聚及培養(yǎng)力度。在人才分布上，跟隨產業(yè)集群效應，“長三角”“京津冀”“粵港澳”等城市群依托經濟、科研、產業(yè)鏈優(yōu)勢，已形成人工智能核心人才圈[26]。在人才培養(yǎng)方面，截至2025年4月，全國共有626 所普通高校成功備案人工智能本科專業(yè)[27]，越來越多的高校也在探索學科交叉融合的“人工智能+”及產學研聯(lián)動的創(chuàng)新人才培養(yǎng)模式，人才隊伍規(guī)模正不斷擴大。

總體來看，我國在人工智能頂尖人才儲備上還遠不足。從人才吸引力來看，僅有12%的人工智能精英首選在中國就業(yè)[28]，國內頂尖高校、科研機構與頭部企業(yè)尚未對全球人工智能頂尖人才形成“虹吸”效應。從人才影響力來看，我國頂尖人工智能人才的整體學術貢獻度未占領先優(yōu)勢。清華大學發(fā)布的2022年人工智能全球2 000 名最具影響力學者榜單（AI 2 000）中，我國僅有232 人次入選，占比為11.6%[29]。

在投融資方面，我國人工智能投融資愈發(fā)活躍。從規(guī)模總量上來看，2024年我國人工智能投融資事件達696 起，投融資規(guī)模破千億元，創(chuàng)新活力持續(xù)釋放[29]。在投資偏好上，我國人工智能投資呈現(xiàn)“輕基礎、重應用”的特點，超半數(shù)資金流向人工智能行業(yè)應用賽道，重點布局具身智能和自動駕駛等領域[30]。

從全球來看，我國在人工智能領域的投資規(guī)模仍顯偏小。2024年，我國人工智能融資金額的全球占比下滑至13.2%[31]，國內投資機構普遍“穩(wěn)慎、猶豫”，且我國人工智能企業(yè)鮮少獲得高額投資。

2  “人工智能+”行動是我國產業(yè)發(fā)展突破的關鍵

2.1  推進“人工智能+”行動的意義

我國具備數(shù)據資源與市場規(guī)模的雙重優(yōu)勢：作為超大規(guī)模社會經濟體，龐大的人口基數(shù)形成天然的數(shù)據富集生態(tài)，而多元場景需求則為技術創(chuàng)新提供了廣闊的實踐空間與價值轉化渠道。與此同時，我國資本配置明顯向應用層傾斜，進一步強化了技術商業(yè)化的推進動能。

基于上述優(yōu)勢，我國宜構建以應用牽引為核心的人工智能產業(yè)發(fā)展范式。通過發(fā)揮“人工智能+”的場景賦能效應，依托上層豐富的應用生態(tài)與多元化賦能需求，形成對基礎層軟硬件能力的反向驅動機制，從而突破技術發(fā)展瓶頸。具體而言，可將龐大市場規(guī)模形成的潛在動能轉化為行業(yè)應用的現(xiàn)實效能，以“大市場”驅動應用商業(yè)閉環(huán)，并通過新應用場景催生海量數(shù)據，憑借爆發(fā)式增長的用戶規(guī)模帶動數(shù)據持續(xù)積累，推動各行業(yè)場景數(shù)據規(guī)模呈指數(shù)級增長。在此基礎上，進一步推進應用價值向產業(yè)資源的轉化，通過數(shù)據要素的深度開發(fā)與價值釋放，夯實人工智能發(fā)展的資源底座，將數(shù)據規(guī)模優(yōu)勢系統(tǒng)性轉化為模型能力優(yōu)勢。海量數(shù)據的持續(xù)輸入將加速算法優(yōu)化迭代，進而形成對芯片技術創(chuàng)新、算力基礎設施升級的剛性需求。伴隨技術迭代與產業(yè)升級，將吸引更多高端人才集聚與社會資本投入，最終以“應用牽引—底層突破 —生態(tài)完善”的上升路徑，實現(xiàn)我國人工智能產業(yè)從規(guī)模優(yōu)勢向技術優(yōu)勢、生態(tài)優(yōu)勢的全面轉化。

2.2  “人工智能+”的內涵理解

從概念的本質來看，“人工智能+”并非人工智能技術與行業(yè)場景的機械疊加，而是通過技術滲透實現(xiàn)全領域生產要素的重構與價值釋放，與“+人工智能”存在根本不同。

與“+人工智能”相比，“人工智能+”的應用覆蓋面更廣、應用融合度更深。在“+人工智能”階段，側重于在現(xiàn)有產業(yè)、業(yè)務流程或產品中，被動或局部地引入人工智能技術，解決特定問題，通常局限于單一業(yè)務環(huán)節(jié)或特定場景。例如，傳統(tǒng)零售企業(yè)為優(yōu)化庫存管理，引入人工智能算法進行銷量預測。這往往只是對原有業(yè)務的局部優(yōu)化，未對整個業(yè)務體系和商業(yè)模式進行根本性變革。在教育領域，部分在線教育平臺僅將人工智能用于課程推薦，而未從教學理念、學習模式等層面進行深度革新，難以產生顛覆性影響。而在“人工智能+”階段，人工智能技術作為核心驅動力，從頂層設計出發(fā)，主動對傳統(tǒng)產業(yè)與新興領域進行系統(tǒng)性改造與重塑，滲透到經濟社會的各個環(huán)節(jié)，同時致力于打破行業(yè)的發(fā)展邊界，構建全新的產業(yè)生態(tài)，推動產品模式、商業(yè)模式、服務模式創(chuàng)新，繼而推動全領域、全鏈條的系統(tǒng)性變革。

與“+人工智能”相比，“人工智能+”的帶動性、發(fā)展性更強。從短期來看，“+人工智能”因只聚焦于單一環(huán)節(jié)，應用落地的技術門檻低、時間周期短，可快速發(fā)揮人工智能提質增效的作用；但從長期來看，“+人工智能”的發(fā)展模式對人工智能產業(yè)本身的帶動作用有限。而“人工智能+”雖在短期內對算力、算法、數(shù)據的要求更高，賦能千行百業(yè)的速度相對較慢，但這種發(fā)展模式從人工智能本身出發(fā)，從長期來看更能帶動人工智能產業(yè)鏈上下游協(xié)同發(fā)展，繁榮產業(yè)生態(tài)。

2.3  推進“人工智能+”行動的方法路徑

“人工智能+”可賦能社會經濟體系的全領域、全鏈條，若缺乏科學規(guī)劃與有效引導，極易引發(fā)資源分散、重復建設等問題，導致技術應用流于表面，難以形成實際效能。因此，推進“人工智能+”行動需以系統(tǒng)性思維統(tǒng)籌全局，避免盲目跟風、一擁而上。

首先，要明確“+”的行業(yè)，確保技術資源與政策支持能夠集中投入關鍵領域。在行業(yè)選擇層面，需以國家發(fā)展方向為指引，聚焦對社會經濟貢獻顯著、與民眾生活質量緊密關聯(lián)的關鍵領域，從經濟發(fā)展和民生福祉兩大維度統(tǒng)籌布局。從經濟發(fā)展維度來看，第一產業(yè)作為國民經濟的根基，承載著保障國家糧食安全的重任，“人工智能+農業(yè)”將推動農業(yè)生產模式向智能化、集約化深度轉型，促進“鄉(xiāng)村振興”規(guī)劃的實施；第二產業(yè)作為國民經濟的支柱，是實體經濟的核心載體，“人工智能+制造業(yè)”將推動產業(yè)結構優(yōu)化升級，助力我國從“制造大國”向“智造強國”跨越，穩(wěn)固實體經濟根基；第三產業(yè)作為吸納就業(yè)的主渠道和經濟增長的新引擎，“人工智能+服務業(yè)”將有效提升服務質量與效率，重塑服務模式與體驗，增強經濟發(fā)展的韌性與活力。從民生福祉維度來看，醫(yī)療行業(yè)直接關系民眾生命健康，是民生保障的核心支柱，“人工智能+醫(yī)療”將有效緩解“看病難、看病貴”的難題，提升醫(yī)療資源配置效率與診斷準確性，讓優(yōu)質醫(yī)療服務惠及更多人群，提升全民健康水平；教育行業(yè)作為民生福祉的重要基石，是培養(yǎng)社會勞動力的核心手段，“人工智能+教育”將促進教育公平，讓每個孩子都能享有優(yōu)質教育資源，為我國未來發(fā)展奠定基礎；養(yǎng)老服務行業(yè)在人口老齡化加劇的背景下，成為保障民生福祉的迫切需求，“人工智能+養(yǎng)老”將緩解人力不足、服務精準度低、情感關懷缺失等困境，全方位提升老年人的生活幸福感與安全感。

其次，要厘清“人工智能+”在各行業(yè)落地的現(xiàn)狀和問題，判斷“什么能做”“什么要做”。可從需求側、供給側、保障側3個維度展開系統(tǒng)性剖析：需求側聚焦市場對“人工智能+”產品及服務的需求總和，反映了行業(yè)潛在的發(fā)展空間；供給側涵蓋能夠提供“人工智能+”相關技術、產品與服務的主體，直接決定了滿足市場需求的能力；保障側則是確保“人工智能+”健康、穩(wěn)定、可持續(xù)發(fā)展的支撐體系，全方位為人工智能賦能行業(yè)發(fā)展保駕護航。

從需求側來看，各行業(yè)存在共性問題。一方面，許多傳統(tǒng)行業(yè)企業(yè)對人工智能技術的認知和接受程度較低，缺乏應用人工智能技術的意識和動力，擔心技術投入成本高、回報周期長，對人工智能技術的實際價值和應用潛力認識不足；另一方面，即便企業(yè)有應用意愿，也面臨著缺乏專業(yè)人才、難以評估人工智能技術適用性等難題。以中小企業(yè)為例，其數(shù)字化基礎薄弱，缺乏數(shù)據積累和技術團隊，難以獨立開展人工智能應用項目，導致“不敢用”“不會用”的情況普遍存在。同時，各行業(yè)在需求側還存在特性問題。以制造業(yè)為例，工業(yè)應用場景碎片化高，且不同企業(yè)的生產流程、設備參數(shù)和工藝標準存在較大差異，導致人工智能模型難以實現(xiàn)跨場景復用，制約規(guī)模化應用。因此，要有序推進人工智能賦能工業(yè)場景的落地應用，優(yōu)先聚焦生產流程中的高價值場景，同時支持新場景試點示范，鼓勵大型企業(yè)和行業(yè)龍頭發(fā)揮示范引領作用，帶動中小企業(yè)共同推進“人工智能+”，激勵更多企業(yè)參與新場景開拓。

從供給側來看，各行業(yè)普遍存在垂類模型訓練及推理的算力不足、行業(yè)高質量數(shù)據集供給有限、模型能力與行業(yè)實際需求脫節(jié)等問題，造成“不能用”“不好用”的困擾。因此，在算力層面，要加速自主算力技術迭代，推進國產芯片架構創(chuàng)新與異構計算融合發(fā)展，并進一步統(tǒng)籌算力布局，強化算力資源的跨區(qū)域協(xié)同調度與動態(tài)分配；在數(shù)據層面，要建立公共數(shù)據分級分類開放機制，優(yōu)先開放政務、交通、醫(yī)療等領域的高價值數(shù)據，同步完善數(shù)據質量管理體系與標準化標注流程，健全數(shù)據確權、定價、交易等流通機制，破除“數(shù)據孤島”；在算法層面，要聚焦現(xiàn)有技術路線進行模型優(yōu)化，持續(xù)提升推理精度與效率，更要鼓勵產學研協(xié)同探索，推動算法研發(fā)與行業(yè)需求深度耦合，形成適配產業(yè)發(fā)展的技術供給體系。

從保障側來看，各行業(yè)都面臨復合型人才匱乏、智能化轉型資金短缺、行業(yè)標準體系滯后、安全監(jiān)管機制缺位等難題，嚴重阻礙“人工智能+”的供需對接。在人才培育上，既要鼓勵高校優(yōu)化學科設置，強化人工智能與行業(yè)學科的交叉融合，推動產學研用聯(lián)合培養(yǎng)適應產業(yè)需求的復合型人才，又要加速傳統(tǒng)行業(yè)人才的智能化轉型，建立面向行業(yè)從業(yè)者的常態(tài)化人工智能培訓機制；在資金支持上，應充分發(fā)揮國有資金引導作用，推動社會資本加大投入，暢通相關企業(yè)融資上市渠道；在標準建設上，要加快各行各業(yè)順應人工智能時代的標準制訂，建立動態(tài)更新機制，確保標準體系與技術發(fā)展保持同步；在安全監(jiān)管上，需建立覆蓋人工智能全生命周期的風險分級分類管理框架，并加快人工智能立法進程，明確技術研發(fā)者、使用者、監(jiān)管者的權責邊界，完善風險應急處置機制，為“人工智能+”的健康發(fā)展筑牢制度防線。

最后，要把握“人工智能+”的推進力度，確保技術發(fā)展與社會穩(wěn)定、價值導向“同頻共振”。在就業(yè)保障方面，聚焦制造業(yè)、服務業(yè)等重點領域，加強對重點領域就業(yè)和失業(yè)形勢監(jiān)測，并建立人工智能失業(yè)援助快速響應機制，幫助失業(yè)群體實現(xiàn)技能重塑與崗位轉換，防范化解潛在的規(guī)模性失業(yè)風險，確保勞動力市場平穩(wěn)過渡；在倫理規(guī)范方面，要引導行業(yè)堅持“以人為本”“智能向善”，完善倫理審查制度，筑牢人工智能發(fā)展的倫理基石。

3  結束語

推進“人工智能+”行動將充分釋放我國數(shù)據資源富集、市場規(guī)模廣闊的雙重優(yōu)勢，有力驅動技術創(chuàng)新突破與產業(yè)生態(tài)構建，為我國在全球人工智能競爭中開辟差異化突圍路徑。鑒于“人工智能+”應用廣度的持續(xù)延伸和深度的不斷挖掘，需秉持全局觀念，分行業(yè)、有側重地推進“人工智能+”行動，并充分考量其可能引發(fā)的社會結構性變革。在宏觀框架外，各行業(yè)“人工智能+”行動需緊密結合自身技術基礎與發(fā)展訴求，制訂相應推進策略，具體落地路徑仍有待進一步探索。

The necessity and implementation path of China’s “AI+” initiative

WU Yingying, SONG Ping, REN Lu

（Artificial Intelligence Institute, China Academy of Information and Communications Technology, Beijing 100191, China）

Abstract: The paper analyzes and elaborates on the layout of China’s artificial intelligence (AI) industry. It systematically examines the current state of China’s AI development from the perspectives of foundational support, application empowerment, and ecosystem building. The study concludes that China’s AI industry should be driven by application-led development. It further proposes that the “AI+” initiative should be advanced in an orderly and effective manner by clearly identifying suitable industries, thoroughly assessing the current state and challenges of implementation, and precisely calibrating the intensity of its rollout.

Keywords: AI+; industrial upgrade; new industrialization