人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù),，具有溢出帶動性很強的“頭雁”效應(yīng),，是培育和發(fā)展新質(zhì)生產(chǎn)力的重要引擎,。我國高度重視人工智能發(fā)展,，2024年,，“人工智能+”首次被寫入《政府工作報告》,，2024年12月召開的中央經(jīng)濟工作會議強調(diào),，開展“人工智能+”行動，培育未來產(chǎn)業(yè),。今年4月25日,，習(xí)近平總書記在中共中央政治局第二十次集體學(xué)習(xí)時強調(diào)，全面推進人工智能科技創(chuàng)新,、產(chǎn)業(yè)發(fā)展和賦能應(yīng)用,。在技術(shù)創(chuàng)新與商業(yè)應(yīng)用驅(qū)動下，人工智能產(chǎn)業(yè)規(guī)模持續(xù)增長,，行業(yè)進入高速發(fā)展期,。

　　人工智能引領(lǐng)技術(shù)創(chuàng)新和產(chǎn)業(yè)變革

　　人工智能是指模擬、延伸和擴展人類智能的一類技術(shù),，旨在使機器能夠執(zhí)行需要人類智能的任務(wù),，其發(fā)展需要數(shù)據(jù),、算法和算力等要素支撐。從初期探索到成為新一輪科技革命和產(chǎn)業(yè)變革的引領(lǐng)性技術(shù),，人工智能發(fā)展經(jīng)歷了“兩落三起”,。

　　20世紀50年代至70年代，是初期探索與理論奠基階段,。這一時期的研究集中在符號處理方面,，即計算機通過編程規(guī)則和推理引擎處理任務(wù)，初步展示出人工智能的潛力,。然而,，由于計算能力及算法的局限性，早期人工智能技術(shù)難以應(yīng)對復(fù)雜問題,，70年代一度陷入低谷,。進入20世紀80年代，“專家系統(tǒng)”逐漸興起并在醫(yī)療,、金融等領(lǐng)域得到應(yīng)用,，但由于依賴人工編寫規(guī)則，可擴展性較差,，加之計算資源有限,，人工智能未能進一步發(fā)展，直到90年代初,，人工智能研究遭遇第二次瓶頸,。進入21世紀，得益于互聯(lián)網(wǎng),、大數(shù)據(jù)的發(fā)展和計算能力提升,，人工智能技術(shù)迎來革命性突破。深度學(xué)習(xí)成為主流方向,，在圖像處理,、自然語言處理等領(lǐng)域取得重要進展，尤其是谷歌公司的“阿爾法圍棋”（AlphaGo）擊敗世界圍棋冠軍,，展示了人工智能在復(fù)雜問題決策領(lǐng)域的巨大潛力,。這一階段，人工智能開始在語音識別,、金融風(fēng)控等多個領(lǐng)域廣泛應(yīng)用,，并不斷推動相關(guān)技術(shù)創(chuàng)新和產(chǎn)業(yè)變革。

　　2020年,，大規(guī)模預(yù)訓(xùn)練模型的興起標志著人工智能發(fā)展進入新階段,。GPU（圖形處理器）與TPU（張量處理器）等高性能計算芯片進步、云計算與分布式計算架構(gòu)發(fā)展，以及互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)發(fā)展積累的海量數(shù)據(jù),，使得訓(xùn)練和部署超大規(guī)模人工智能模型成為可能,。以GPT-4.5、Gemini2.0,、DeepSeek-V3等為代表的大模型擴展了人工智能的能力邊界,，這些大模型具有千億級參數(shù),，通過大規(guī)模數(shù)據(jù)訓(xùn)練實現(xiàn)跨任務(wù),、跨模態(tài)的通用智能，能夠完成高質(zhì)量的自然語言理解,、代碼生成,、數(shù)據(jù)分析、智能創(chuàng)作等任務(wù),。此外,，具身智能將人工智能從數(shù)字世界擴展到物理世界，使得智能機器人系統(tǒng)能夠在物理環(huán)境進行感知,、規(guī)劃,、決策和執(zhí)行，利用感知到的數(shù)據(jù)學(xué)習(xí)物理世界運行的客觀規(guī)律,，進行自我訓(xùn)練和迭代升級,，實現(xiàn)智能水平快速進化。

　　人工智能未來的發(fā)展方向是通用人工智能,，不僅需要強大的計算能力,，還要具備持續(xù)學(xué)習(xí)、適應(yīng)環(huán)境,、理解復(fù)雜情境等能力,，這些能力往往難以通過簡單增加算力資源來實現(xiàn)。未來人工智能的發(fā)展,，一方面可能像DeepSeek那樣,，從外延式發(fā)展轉(zhuǎn)向集約化、系統(tǒng)優(yōu)化的內(nèi)涵式發(fā)展,；另一方面可能拓展類腦計算,，采用與人腦一樣的存算一體模擬計算方式，顛覆硬件與軟件分離的傳統(tǒng)計算模式,，追求高算效和高能效,。

　　人工智能技術(shù)不斷創(chuàng)新突破，正深度嵌入信息技術(shù),、生物科技,、材料科學(xué)等多個領(lǐng)域，算力基礎(chǔ)設(shè)施、數(shù)據(jù),、模型,、應(yīng)用等產(chǎn)業(yè)鏈各個環(huán)節(jié)多種業(yè)態(tài)蓬勃發(fā)展。同時,，人工智能加快賦能傳統(tǒng)行業(yè)智能化轉(zhuǎn)型升級,，不斷孕育新的產(chǎn)業(yè)。人工智能成為推動科技進步,、產(chǎn)業(yè)升級和經(jīng)濟發(fā)展的關(guān)鍵力量,，美國、歐洲等國家和地區(qū)將其作為提升核心競爭力的重要抓手,，紛紛加大投入推動人工智能產(chǎn)業(yè)發(fā)展,。

　　人工智能產(chǎn)業(yè)形態(tài)初步形成

　　在不斷的探索和實踐中，人工智能技術(shù)實現(xiàn)跨越式提升,，應(yīng)用價值得到企業(yè)的廣泛認同,，初步形成了較為完整的產(chǎn)業(yè)形態(tài)。整體上看,，人工智能產(chǎn)業(yè)可分為核心產(chǎn)業(yè)和融合應(yīng)用產(chǎn)業(yè),。核心產(chǎn)業(yè)主要涉及人工智能軟件算法、硬件產(chǎn)品,、解決方案和平臺服務(wù)等方面,，例如GPU芯片、服務(wù)器,、數(shù)據(jù)中心,、云計算服務(wù)、模型軟件等,。融合應(yīng)用產(chǎn)業(yè)是指將人工智能技術(shù)應(yīng)用到傳統(tǒng)產(chǎn)業(yè)中,，推動產(chǎn)業(yè)智能化轉(zhuǎn)型，形成智能制造,、智能網(wǎng)聯(lián)汽車,、智能安防等萬億元級產(chǎn)業(yè)。人工智能核心產(chǎn)業(yè)和融合應(yīng)用產(chǎn)業(yè)相互促進,、共同發(fā)展,，推動形成相對完整的產(chǎn)業(yè)體系，技術(shù)創(chuàng)新不斷涌現(xiàn),、產(chǎn)業(yè)投資持續(xù)擴大,、應(yīng)用場景日益豐富。

　　從全球來看,，美國在人工智能領(lǐng)域起步較早,，人才,、技術(shù)等方面均有較大優(yōu)勢，處于國際領(lǐng)先地位并形成了獨特的發(fā)展路徑,。美國人工智能產(chǎn)業(yè)發(fā)展以技術(shù)創(chuàng)新為引領(lǐng),，按照“通用基礎(chǔ)模型—行業(yè)垂直模型”的擴展邏輯，優(yōu)先研發(fā)高性能通用大模型,，再逐步向垂直領(lǐng)域滲透,，形成“自上而下”的發(fā)展路徑。利用技術(shù)和資本方面的優(yōu)勢,，企業(yè)傾向于集中資源打造高性能通用模型,，例如美國OpenAI公司的GPT-4、谷歌公司的Gemini等,，然后通過開放API接口吸引開發(fā)者構(gòu)建垂直應(yīng)用,。最典型的就是微軟將ChatGPT嵌入Office套件,，快速在全球范圍內(nèi)推廣,。這種模式既能快速占領(lǐng)市場，又能通過數(shù)據(jù)反哺優(yōu)化模型性能,，形成“贏者通吃”局面,，欲將其他競爭者拒之門外，或者成為其產(chǎn)業(yè)生態(tài)的一部分,。美國人工智能發(fā)展路徑本質(zhì)上是“技術(shù)優(yōu)勢—市場擴張—生態(tài)壟斷”的正向循環(huán),，其核心在于通過基礎(chǔ)研究積累與技術(shù)開源降低行業(yè)門檻，再以通用模型為樞紐構(gòu)建跨領(lǐng)域應(yīng)用生態(tài),，在技術(shù)標準與商業(yè)模式方面提升全球影響力,。

　　不同于美國，歐盟和日本則立足資源稟賦和產(chǎn)業(yè)基礎(chǔ)引入人工智能技術(shù),，因此呈現(xiàn)不同發(fā)展特點,。歐盟人工智能產(chǎn)業(yè)在行業(yè)數(shù)據(jù)資源方面具有一定優(yōu)勢，憑借在醫(yī)療,、制造業(yè)等關(guān)鍵領(lǐng)域的深厚積累,，西門子、大眾汽車等企業(yè)加快全球化布局,，積累了大量高價值數(shù)據(jù),。同時，歐盟在立法和標準制定方面處于領(lǐng)先地位,，2024年發(fā)布全球首部綜合性監(jiān)管法規(guī)《人工智能法案》,，積極推動建設(shè)人工智能系統(tǒng)、加強人工智能倫理治理,，其治理模式被多國借鑒,。日本則重點推動人工智能技術(shù)與制造業(yè)融合，通過工業(yè)機器人、智能制造系統(tǒng)優(yōu)化生產(chǎn)流程,，持續(xù)提升效率,，同時加快服務(wù)型制造發(fā)展，探索解決本土勞動力短缺問題,。不過,，總體來看，歐盟和日本在技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用方面落后于美國,。

　　我國人工智能發(fā)展注重整體布局與產(chǎn)業(yè)協(xié)同,，而非單一技術(shù)指標的突破。作為全球工業(yè)門類最齊全的國家,，我國制造業(yè)增加值占全球比重約30%,，結(jié)合這一基礎(chǔ)和優(yōu)勢，人工智能產(chǎn)業(yè)發(fā)展更加注重應(yīng)用優(yōu)先與產(chǎn)業(yè)協(xié)同,，推動人工智能技術(shù)與行業(yè)Know-How深入融合,，形成差異化競爭力。例如,，將人工智能應(yīng)用于自動化質(zhì)檢,，提高效率、降低成本,；將大模型應(yīng)用于金融領(lǐng)域,，提升風(fēng)險管理能力。技術(shù)發(fā)展路徑上,，主要通過算法創(chuàng)新突破物理限制,，DeepSeek-V3模型訓(xùn)練成本僅為GPT-4的1/10，推理成本為OpenAI o1的1/30,，實現(xiàn)多項突破性創(chuàng)新,，人工智能產(chǎn)業(yè)從技術(shù)跟跑轉(zhuǎn)為并跑和領(lǐng)跑。

　　協(xié)同創(chuàng)新人工智能產(chǎn)業(yè)鏈

　　2017年,，《新一代人工智能發(fā)展規(guī)劃》發(fā)布實施,，標志著我國人工智能產(chǎn)業(yè)進入系統(tǒng)性布局階段。2017年至2024年,，我國人工智能核心產(chǎn)業(yè)規(guī)模從180億元躍升至6000億元,，企業(yè)數(shù)量超4700家，論文發(fā)表量和專利授權(quán)量均居全球第一位,。人工智能產(chǎn)業(yè)體系初步構(gòu)建,，形成了覆蓋軟件、硬件,、算法,、數(shù)據(jù)等全產(chǎn)業(yè)鏈的創(chuàng)新企業(yè),，一些初創(chuàng)公司在大模型、人形機器人,、腦科學(xué)等領(lǐng)域嶄露頭角,，產(chǎn)業(yè)鏈從單點突破轉(zhuǎn)向協(xié)同創(chuàng)新。

　　國內(nèi)科技龍頭企業(yè)紛紛布局人工智能,。百度,、阿里巴巴、字節(jié)跳動,、科大訊飛等推出自研大模型,，并將大模型接入業(yè)務(wù)系統(tǒng)，提升運行效率和用戶使用體驗,。例如阿里巴巴推出的Qwen系列開源大模型,，在性能、多模態(tài)覆蓋,、參數(shù)規(guī)模,、部署靈活性等方面均顯著提升。截至今年2月,，在海內(nèi)外開源社區(qū)中,，基于Qwen的衍生模型已超9萬個,。同時,，月之暗面、深度求索,、智譜AI等一大批初創(chuàng)企業(yè)不斷涌現(xiàn),，呈現(xiàn)蓬勃發(fā)展態(tài)勢，深度求索的DeepSeek開源大模型性能全球領(lǐng)先,。從分布上來看,，人工智能企業(yè)主要集中在北京、上海,、深圳,、杭州等地，其中北京產(chǎn)業(yè)優(yōu)勢最為突出,，現(xiàn)有人工智能企業(yè)超2400家,，核心產(chǎn)業(yè)規(guī)模突破3000億元，形成全鏈條完整布局,，備案上線大模型105款,，居全國首位。

　　在專有服務(wù)平臺建設(shè)方面,，部分企業(yè)深耕細分賽道,，通過整合人工智能技術(shù),、行業(yè)數(shù)據(jù)與專業(yè)知識構(gòu)建定制化、垂直化服務(wù)平臺,，為相關(guān)企業(yè)提供專業(yè)領(lǐng)域的定制化服務(wù),。人工智能與細分產(chǎn)業(yè)領(lǐng)域相結(jié)合助力轉(zhuǎn)型升級，是我國人工智能產(chǎn)業(yè)發(fā)展的重要路徑,，隨著模型能力提升以及與產(chǎn)業(yè)融合創(chuàng)新的深入,，部分細分領(lǐng)域涌現(xiàn)出不少成功案例。

　　語音助手,、智能客服是人工智能大模型最先適配的場景,。通過聊天對話框或者集成到語音助手提供對話服務(wù)，是目前大模型最常見的服務(wù)方式,，用戶可通過文本,、語音的輸入輸出獲取知識與信息。不過,，目前大模型付費訂閱模式尚不成熟,，阿里云、字節(jié)跳動,、騰訊等企業(yè)通過低價或免費策略搶占市場,，百度文心一言的VIP服務(wù)也已轉(zhuǎn)為免費模式。語音助手成為手機,、智能音箱等智能硬件的一個功能,，難以獨立收費。但在企業(yè)服務(wù)領(lǐng)域,，智能客服應(yīng)用持續(xù)拓寬和深化,，2023年智能客服市場規(guī)模39.4億元，金融,、電商,、消費零售、生活服務(wù)行業(yè)應(yīng)用規(guī)模占比超70%,。

　　在金融領(lǐng)域,，金融服務(wù)公司利用人工智能技術(shù)進行用戶畫像、風(fēng)險管理以及智能投顧,，服務(wù)水平大幅提升,。銀行、信貸公司通過人工智能大模型系統(tǒng)分析工商,、供應(yīng)鏈數(shù)據(jù)等多維度復(fù)雜信息,，實現(xiàn)小額貸款快速評估，有效降低了不良貸款率,。例如,，江蘇銀行使用DeepSeek動態(tài)信用模型,，風(fēng)險評估準確率提升約35%，招商銀行,、平安銀行等通過大模型系統(tǒng)評估用戶投資偏好,，為其智能推薦結(jié)構(gòu)性理財產(chǎn)品，轉(zhuǎn)化率大大提高,。

　　在智能制造領(lǐng)域,，人工智能大模型滲透研發(fā)、生產(chǎn),、運維等全鏈條,，推動制造業(yè)向智能化、柔性化,、高效化升級,。通過大模型與EDA（電子設(shè)計自動化）技術(shù)結(jié)合，可快速生成多版本設(shè)計方案,，同時利用強化學(xué)習(xí)評估性能參數(shù)（如能耗,、強度），顯著縮短研發(fā)周期,，解決了傳統(tǒng)流程依賴人工經(jīng)驗導(dǎo)致的設(shè)計效率低,、多目標優(yōu)化難以平衡等問題。產(chǎn)業(yè)設(shè)計環(huán)節(jié),，通過數(shù)字孿生技術(shù)優(yōu)化產(chǎn)線設(shè)計,，縮短產(chǎn)線調(diào)整周期，有效降低了額外成本,。通過分析傳感器和設(shè)備日志數(shù)據(jù),，還能對設(shè)備進行預(yù)測性維護，減少停機時間,、降低維修成本。同時,，機器視覺技術(shù)已大規(guī)模應(yīng)用于質(zhì)檢環(huán)節(jié),，實現(xiàn)毫秒級完成質(zhì)量檢測，準確率超99.8%,，人工成本減少約70%,。人工智能應(yīng)用于制造業(yè)，推動生產(chǎn)方式變革,，帶動智能制造快速發(fā)展,，但前期投入成本較高的問題還有待解決，未來進一步突破模型可解釋性,、降低成本后,，或加速普惠應(yīng)用,。

　　在礦產(chǎn)開采領(lǐng)域，人工智能在勘探,、生產(chǎn),、安全等環(huán)節(jié)得到應(yīng)用，幫助企業(yè)有效提升效率,、優(yōu)化成本,。具體來看，云鼎科技開發(fā)的礦山大模型應(yīng)用于化工行業(yè),，可精準預(yù)測甲醇精餾,、低溫甲醇洗、煉焦配煤等流程的最優(yōu)工藝參數(shù),，提高產(chǎn)品質(zhì)量,，進一步降低生產(chǎn)成本。視覺大模型的應(yīng)用對提升化工關(guān)鍵裝置和園區(qū)安全管理水平發(fā)揮了重要作用,，保障企業(yè)生產(chǎn)安全高效,。AI算法代替人工實現(xiàn)精準控制，使得精煤生產(chǎn)效率提高0.2%以上,，全流程智能巡檢在改善作業(yè)環(huán)境的同時,，也降低了安全風(fēng)險。

　　在智能網(wǎng)聯(lián)汽車領(lǐng)域,，人工智能已廣泛應(yīng)用于產(chǎn)品設(shè)計,、智能座艙研發(fā)、自動駕駛等層面,。通過大模型應(yīng)用,，可根據(jù)用戶需求快速生成外觀設(shè)計圖，大大縮短了產(chǎn)品設(shè)計周期,。以智能駕駛為例,，截至2024年末，具備L2級組合輔助駕駛功能的乘用車新車銷售占比達57.3%,，具備領(lǐng)航輔助駕駛功能的新車滲透率為13.2%,，隨著人工智能技術(shù)的算法創(chuàng)新與場景應(yīng)用深度融合，催生出Robotaxi運營,、無人物流配送,、智能道路基礎(chǔ)設(shè)施建設(shè)運維等一系列新業(yè)態(tài)。

　　產(chǎn)業(yè)化之路需破解多重難題

　　DeepSeek的出現(xiàn)開辟了一條新的技術(shù)路線,，無需堆砌算力,，通過算法和模型架構(gòu)優(yōu)化為低成本發(fā)展提供了可能。但也要看到,，加快人工智能產(chǎn)業(yè)化進程,，我國在核心技術(shù)攻關(guān),、產(chǎn)業(yè)生態(tài)構(gòu)建等方面還有待進一步突破。

　　核心技術(shù)層面,，算力基礎(chǔ)尚未完全自主可控成為掣肘,。與美國相比，我國在芯片架構(gòu),、核心算法及軟件工具鏈領(lǐng)域仍存在代際差距,，技術(shù)成熟度不足導(dǎo)致大模型訓(xùn)練效率與實時應(yīng)用場景拓展受限。算法領(lǐng)域取得了重大進展,，但底層框架高度依賴開源體系,，類腦智能、多模態(tài)融合等前沿領(lǐng)域缺乏原創(chuàng)性突破,。同時,，技術(shù)適配性不足成為人工智能與行業(yè)結(jié)合、推動場景落地的主要瓶頸之一,。單一模型難以應(yīng)對復(fù)雜場景,，多模型協(xié)同與集成學(xué)習(xí)亟待突破。以制造業(yè)為例,，產(chǎn)線設(shè)備參數(shù)與工藝流程的異構(gòu)性要求AI系統(tǒng)既具備跨場景知識遷移能力,，又能精準嵌入行業(yè)特有經(jīng)驗，但現(xiàn)有模型對隱性工藝知識的抽象建模能力還較為薄弱,。破解這一難題,，需突破多模態(tài)感知融合、邊緣計算實時決策,、行業(yè)知識圖譜與模型泛化協(xié)同等技術(shù)壁壘,。

　　產(chǎn)業(yè)生態(tài)建設(shè)方面，科技龍頭企業(yè)積極推動技術(shù)開源,，但中小企業(yè)協(xié)同發(fā)展的生態(tài)尚未形成,。在工業(yè)制造、醫(yī)療健康,、能源石化等垂直領(lǐng)域,，由于缺乏行業(yè)主體深度參與或主導(dǎo)，往往只能以應(yīng)用方的單一角色淺嘗輒止,，難以從行業(yè)戰(zhàn)略、技術(shù)研發(fā),、業(yè)務(wù)流程,、應(yīng)用場景等多個維度進行深度整合。行業(yè)專有服務(wù)平臺建設(shè)略顯滯后,，企業(yè)難以獲取專業(yè)技術(shù)支持,，數(shù)據(jù)質(zhì)量參差不齊,、算力分配不均、行業(yè)標準缺失等問題制約了規(guī)�,；瘧�(yīng)用,。資本層面，人工智能投資放緩,，中國工業(yè)互聯(lián)網(wǎng)研究院數(shù)據(jù)顯示,，2024年美國在人工智能領(lǐng)域投資額約641億美元，我國約為55億美元,。

　　值得注意的是,，由于大模型研發(fā)投入大而收益不確定性高，目前行業(yè)應(yīng)用多停留在試點階段,，形成商業(yè)閉環(huán)仍面臨挑戰(zhàn),。例如，工業(yè)生產(chǎn)場景對精度,、可靠性的嚴苛要求,，與現(xiàn)有生成式人工智能的專業(yè)理解短板形成錯位；技術(shù)迭代速度與企業(yè)消化能力脫節(jié),，導(dǎo)致適配難度加大,；企業(yè)盈利模式不確定，主流的API調(diào)用,、訂閱制,、項目制尚未實現(xiàn)可持續(xù)盈利。以O(shè)penAI為例,，預(yù)計2029年有望盈利,，2026年虧損或達140億美元，是2024年預(yù)期虧損的3倍,。頭部企業(yè)通過免費模式搶占市場,，但數(shù)據(jù)資產(chǎn)轉(zhuǎn)化、技術(shù)迭代降本,、垂直場景價值挖掘的閉環(huán)尚未打通,，持續(xù)投入與收益平衡成為破局關(guān)鍵。

　　發(fā)揮場景優(yōu)勢加速應(yīng)用創(chuàng)新

　　我國有超大規(guī)模市場的旺盛需求,，擁有全球最完整的工業(yè)體系,，需持續(xù)發(fā)揮場景優(yōu)勢、加速應(yīng)用創(chuàng)新,，推動人工智能產(chǎn)業(yè)邁向更高水平,。

　　一是強化頂層設(shè)計。將推動人工智能產(chǎn)業(yè)發(fā)展納入“人工智能+”總體戰(zhàn)略部署，開展多維度,、多階段系統(tǒng)布局和強化政策支持,。發(fā)揮超大規(guī)模市場、產(chǎn)業(yè)體系完備,、應(yīng)用場景豐富等優(yōu)勢,，有效整合數(shù)據(jù)、知識,、人才資源,，夯實算力基礎(chǔ)，深入挖掘垂直領(lǐng)域應(yīng)用場景,，實施一批產(chǎn)業(yè)創(chuàng)新及應(yīng)用示范工程,。

　　二是攻克關(guān)鍵核心技術(shù)。人工智能關(guān)鍵核心技術(shù)是行業(yè)發(fā)展的重中之重,。核心產(chǎn)業(yè)技術(shù)方面,，重點支持基礎(chǔ)科研和大模型技術(shù)攻關(guān)，鼓勵企業(yè)與科研機構(gòu)協(xié)同合作,，集中優(yōu)勢資源突破技術(shù)瓶頸,，為產(chǎn)業(yè)發(fā)展筑牢根基。同時,，著力建設(shè)自主可控的AI軟件工具系統(tǒng),，擺脫對CUDA（統(tǒng)一計算設(shè)備架構(gòu)）等國外技術(shù)生態(tài)的依賴，開發(fā)具有自主知識產(chǎn)權(quán)的計算平臺,，基于開源開放和國產(chǎn)化平臺開展原生大模型開發(fā)和應(yīng)用創(chuàng)新,。行業(yè)應(yīng)用的核心技術(shù)方面，鼓勵龍頭企業(yè)牽頭組成創(chuàng)新聯(lián)合體,，聚焦行業(yè)關(guān)鍵共性場景聯(lián)合開發(fā)深度學(xué)習(xí),、機器學(xué)習(xí)等核心算法模型，通過持續(xù)創(chuàng)新不斷提升模型的性能與精度,，推動專用多模型“垂直做精”與通用大模型“橫向擴展”形成互補,。

　　三是完善產(chǎn)業(yè)體系形成發(fā)展合力。首先,，將人工智能作為戰(zhàn)略性新興產(chǎn)業(yè),，加大技術(shù)研發(fā)、模型訓(xùn)練,、應(yīng)用推廣等各環(huán)節(jié)產(chǎn)業(yè)主體和平臺建設(shè)力度,。鼓勵科技領(lǐng)軍企業(yè)發(fā)揮技術(shù)引領(lǐng)帶動作用，構(gòu)建開放包容的開源生態(tài),，支持中小企業(yè)深耕垂直細分領(lǐng)域,，打造“獨門絕技”,，在新賽道脫穎而出,。其次,，聚焦工業(yè)制造、醫(yī)療健康,、能源,、金融等垂直領(lǐng)域，引導(dǎo)行業(yè)主體深度參與人工智能產(chǎn)業(yè)布局,。加快專有服務(wù)平臺建設(shè),，為企業(yè)提供專業(yè)技術(shù)支持、解決方案和咨詢服務(wù),，支持第三方機構(gòu)搭建開源模型適配平臺,。再次，加強算力等基礎(chǔ)設(shè)施建設(shè),，加快公共數(shù)據(jù)開放和企業(yè)數(shù)據(jù)流通,，支持模型應(yīng)用、數(shù)據(jù)服務(wù)等相關(guān)企業(yè)組建聯(lián)合體,，開發(fā)高質(zhì)量數(shù)據(jù)集,，發(fā)展“數(shù)據(jù)即服務(wù)”“模型即服務(wù)”等新業(yè)態(tài)，同時完善人工智能監(jiān)管制度以及應(yīng)用標準,，為企業(yè)開展數(shù)據(jù)合規(guī)認證,、隱私保護、模型安全評估等提供依據(jù),。

　　四是構(gòu)建協(xié)同創(chuàng)新的產(chǎn)業(yè)生態(tài),。聚焦重點領(lǐng)域人工智能應(yīng)用面臨的共性問題，推動行業(yè)場景和數(shù)據(jù)開放,，打造“AI+千行百業(yè)”的協(xié)同創(chuàng)新生態(tài),。一方面，圍繞能源化工,、高端制造,、材料、生物等重點領(lǐng)域建設(shè)行業(yè)大模型應(yīng)用創(chuàng)新工程中心,，有序組織科技領(lǐng)軍企業(yè),、科研機構(gòu)、行業(yè)龍頭企業(yè),、高等院校等優(yōu)勢力量,，面向垂直細分領(lǐng)域應(yīng)用需求，推動大模型技術(shù)與行業(yè)知識,、工藝等緊密結(jié)合,，以強大的工程化能力驅(qū)動人工智能產(chǎn)業(yè)發(fā)展,。另一方面，強化需求側(cè)管理,，鼓勵在PC端,、手機端推廣AI應(yīng)用，提高國產(chǎn)GPU,、CPU（中央處理器）和軟件的市場占有率,，有效擴大人工智能核心產(chǎn)業(yè)規(guī)模。鼓勵企業(yè)創(chuàng)新商業(yè)模式,，支持其通過技術(shù)紅利,、數(shù)據(jù)資產(chǎn)積累重構(gòu)商業(yè)模式，在垂直場景中挖掘深度價值,，實現(xiàn)數(shù)據(jù)資源向數(shù)據(jù)資產(chǎn)轉(zhuǎn)化,，推動人工智能產(chǎn)業(yè)可持續(xù)發(fā)展。

　　（本文來源：經(jīng)濟日報 作者：中國科學(xué)院科技戰(zhàn)略咨詢研究院 執(zhí)筆：王曉明 鹿文亮 侯云仙）