深度调研
抢占智能时代制高点：我国人工智能产业发展调查
求是杂志社经济编辑部、赛迪研究院联合课题组
近年期间, 人工智能身为新一轮科技革命的核心引擎, 正以不曾有过的速度、广度以及深度渗入进人类生产生活的纹理之中, 深切地重新塑造全球经济结构、创新范式以及社会治理逻辑。当下, 我国已然位列全球人工智能发展的第一梯队, 正处于从并跑迈向领跑进行跨越的关键机遇时期。面对越发激烈的国际竞争和高质量发展的内在需求情况, 我国人工智能产业究其具体“家底”到底怎样, 其发展势头究竟如何, 还有哪些存在的短板弱项之处呢? 带着这些诸多疑问, 我们展开了实地调研工作。
一、当前我国人工智能产业发展态势
深刻指出的国家领导人这般说: “引领这一轮科技革命以及产业变革的战略性技术是人工智能, 有着溢出带动性极强的‘头雁’效应。”人工智能既不是单一技术的线性迭代, 也不是某个产业的局部升级, 而是对经济社会运行底层逻辑进行全局性、颠覆性的重构。衡量它的发展速率和发展态势, 一定要破除已然传统的技术评估以及产业分析框架, 从技术能力、产业规模、要素支撑、融合应用等维度展开综合研判, 才能够洞察这场深刻的变革的整体面貌以及发展走向。
从技术能力方面看, 人工智能的开源引领技术达成群体突破, 于全球开发者网络里塑造新标准。在一家实验室进行调研期间咱看到, 科研团队引纳人工智能自我批评机制, 于无需人工干预的状况下, 模型历经多轮自我博弈后, 复杂编程解题的正确率显著提升。人工智能收获了从“能听会看”至“能思考、能推理、能规划”, 再到“掌握怎样学习”的进阶。从整体方面来看, 我国于模型性能、训练效率以及多模态融合等关键指标之上, 和国际顶尖水平之间的差距, 呈现出持续收窄的态势, 在部分领域内已然达成并跑、进而实现了领跑状态, 并且由此形成了一条以开源予以引领、促使生态共同繁荣的独具特色的技术路线。于 2025 年, 我国开源模型于全球的下载量占比达到了 17.1%。依据近期的统计数据显示, 在全球排名前 10 的开源模型当中, 有 8 款是来自于中国。DeepSeek—V4 大模型的性能能够和国际顶尖模型一较高下, 然而其应用程序编程接口即 API 的价格, 低至 GPT—5.5 大模型的 1%以下。它有着更深一层的意义, 在于冲破了少数科技巨头所形成的技术垄断局面, 使得全球范围内数百万的开发者, 能够依托中国的开源模型来展开二次开发操作。开源这件事, 不单单是给予利益, 它还是借助外部力量来凝聚内部实力, 伴随知识于开放共享之际极速流动且呈现溢出的情况, 我国那人工智能技术, 亦是在开放生态这一环境里面持续锤炼自身自我进化的能力。
以产业规模来瞧, 人工智能产业规模呈非线性地出现了爆发态势, 万亿蓝海背后价值溢出的那个效应是相当显著的。在2025年之际, 全球人工智能的市场规模已然达到了7575.8亿美元, 我国人工智能核心产业规模冲破了1.2万亿元。这1.2万亿元所具有的价值, 可不单单因为那数字, 更在于其背后有着增长逻辑这件事。传统产业一直遵循着要素线性投入、边际收益递减的那种固定规律, 然而人工智能却把这一模式给打破了, 技术突破和应用扩散相互之间起着强化作用, 从而形成了“越用越强”这种正反馈的循环情况。经过调研发现。北京身为创新策源地。到2025年时。人工智能核心产业有着规模达到4500亿元的情况。有一批打磨得成熟的算法模型。就仿佛是“数字新技术泵”一样。朝着河北的工厂。还有着天津的港口。以及内蒙古的牧场持续不断地输送智力动能。上海是以“模塑申城”当作抓手的。借助“模速空间”去构建那种生态引力场。深圳是瞄准产业落地事项的。专心致力于构建高度集聚且精准服务实体经济的企业生态。追根溯源来看, 人工智能产业显著具备一种特性, 即投入一元, 而后能利用乘数效应撬动数元, 其万亿规模的背后有着一条完整产业链, 这条产业链涵盖从底层算力到上层应用的部分, 包含从核心算法到智能终端的部分, 它所催生的是新型的服务, 促生出新形式的分工, 发育出新一类的市场。
在2026年4月24日这一天, 深度求索公司正式发布了全新系列模型DeepSeek—V4预览版, 并且同步进行了开源处理呢。该全新系列模型采用的是MoE架构, 它原生支持100万词元的超长上下文。此模型无论是在智能体能力方面, 还是在世界知识以及推理性能方面, 都在国内与开源领域达成了领先的态势。视觉中国供图。
若从要素支撑方面来看, 我国人工智能的核心资源达成了战略性的跃迁态势, 制度创新促使要素活性较快地得到增强提升。人工智能竞争的后续阶段进程里, 并非仅仅取决于模型运行的速度, 更在于算力底座构建的坚实程度, 以及数据活水流通畅快的程度。于这两项核心资源范畴内, 我国已成功构建起明显的规模优势。在算力这一方面, 组建起的万卡智算集群数量为42个, 一直到今年一季度那段时间, 智能算力规模达到了每秒1882百亿亿次浮点运算级别, 在全球的排名处于前列位置；在数据这一方面, 全国拥有的高质量数据集数量超过10万个, 其总量超过890拍字节, 这个总量的数值相当于中国国家图书馆数字资源总量数值的310倍。并且, 制度所具备的优势也正慢慢展现出来。我们于北京的数据基础制度先行区目睹, 为应对针对企业手握资源时出现 “不愿开放、不敢开放、不会开放” 的状况, 此地构建的 “监管沙盒” 机制恰如有效打破僵局的关键之举, 它允许企业在不转移数据所有权的此前提下, 进入受到保护的 “试验场” 展开融合训练。一位企业技术负责人如此表述: “过往依靠自己的小数据予以训练, 模型越来越偏离初衷 ；如今沙盒之中汇聚了 10 多个行当的真实数据, 准确率明显得以提升, 数据愈发使用愈发具备价值。”。
中国人工智能从深度融合应用角度出发观察, 正加速朝着各行各业进行渗透, 应用的广度以及融合的深度共同构建起全球竞争的全新优势状貌。截止到2025年年底之时, 中国重点行业企业的关键工序数控化率达到了68.6%这个比例数据, 人工智能融合应用正从先前的“点状开花”状态朝着“全链智能”的发展态势实现跨越迈进。其一, 是涵盖的渗透领域在持续不断地拓宽延展, 应用范围覆盖了国民经济当中绝大部分的大类行业范畴, 而且在制造、医疗、交通、金融、能源等多个领域形成了一批具备标杆性质的应用范例。二是赋能所处的能级有了显著的提升, 它从辅助的环节开始, 朝着研发设计、再到生产制造、还有运维管理等这些核心的环节全面纵深推进。我们在山东的一家重型装备制造企业进行实地察看时发现, 一整套工业大模型的系统, 彻底接手了包含图纸解析、开展工艺规划直到质量检测等整个链式环节的流程, 过去需要多家资深工程师花费数周时间才能完工的新品工艺设计过程, 现如今缩短到了72小时以内, 并且良品率还提升了5个百分点。三是新型的业态、新潮的模式加快速度涌现亮相, 智能网联汽车、借助人工智能技术生产的制药项目、具身具备智能条件的机器人等这些相互融合的新型业态呈现出蓬勃发展的态势, 持续不断地形成了万亿级别的产业新赛道景象。在调研期间, 切实能够体会到, 于这场全球范围的智能竞技角逐之中, 究竟是谁的相关应用场景丰富度超群、融合关联紧密程度极高、产业反馈密集程度极大。就会发现, 正是这样的一方, 掌握有关定义人工智能“如何运用、运用场所、运用深度”的标准体系以及应用范式, 同时, 也无疑是这一方, 掌握着智能时代的主动权。
二、我国人工智能产业发展面临的问题与挑战
当前, 全球人工智能技术的博弈, 正日益趋向白热化, 我国人工智能产业的发展, 正处在应用引领时期、基础追赶阶段、生态突围的关键隘口。面对算力封锁、人才争夺等外部压力不断持续的加大, 从高端芯片直至基础算法, 从原始创新到产业转化, 我们仍然存在不少“卡脖子”的环节以及卡点堵点。
人工智能产业发展空间受到国际竞争的挤压, 而调研发现, 一些西方国家针对中国的政策, 已从单一技术限制转变为系统性生态封锁, 这一封锁存在两种情况, 其一是“硬”封锁, 这种封锁持续加大力度；由于美国对中国人工智能芯片销售管制越发严格, 导致国内许多创新团队因为“算力匮乏”, 不得不放慢大模型研发的进度。其二是“软”生态方面竖起高大壁垒；英伟达公司的图形处理器, 在全球占据超过九成的市场份额, 其历经10多年所积累的统一设备计算架构生态, 已然建立起“硬件加软件再伴随开发者社区”的封闭体系！在上海针对一家国产芯片企业我们进行了了解, 其硬件算力指标已然快要接近国际主流水平, 然而客户最为关心的存在疑问的却是“能不能兼容CUDA”。其中的症结在于芯片替代并非是简单的硬件换装行为, 而是涉及到开发框架、算子库、调试工具、开发习惯等一系列一整套完整的技术栈的系统迁移情况。数百万的开发者与CUDA生态在深度程度方面存在密切相连的捆绑关系, 迁移所需要付出的代价成本是高昂的, 适配所需要的周期是漫长的, 即使国产替代在性能方面达到了标准要求, 规模化应用依旧面临着存在的障碍。三是规则话语权博弈呈现出激烈的态势。多国围绕全球人工智能技术标准、治理规范以及数据跨境规则等方面, 大多是由西方国家占据主导地位。回溯到2025年初, DeepSeek大模型凭借自身技术上取得的突破, 在全球市场掀起轰动效应, 紧接着西方多个国家纷纷抛出禁令或者开启严格审查举措。现实情况给我们警醒与提示, 技术处于领先之势不一定就能够顺利获得市场进入的许可, 倘若缺少话语权, 那么产业向海外拓展就会受到他人的制约。
大模型于专业场景遭遇可靠危机, 大模型于通用对话里表现令人惊艳, 然而一旦步入工业检测、医疗诊断、金融风控等对精度以及可靠性有着严苛要求区域, 其能力缺陷就凸显出来, 一家制造企业向我们反馈, 人工智能视觉检测系统因为光线存在轻微变化进而把良品错误判定成废品, 本该正确判断的废品却被放行, 最终依旧需要人工再次进行检查, “演示时惊艳异常, 产线上却状况百出”成为诸多企业应用人工智能后出现的真实情景写照。难点在于大模型于开放域任务那儿呈现的泛化能力, 没办法自然而然地转移到容错率近乎为零的专业场景里, 从“能言善辩”到“能切实可用”, 存在着一条巨大的工程化差距。“幻觉”问题同样不能被忽视。在通用场景时, 这种差错可能仅仅就是个小毛病, 然而在医疗剂量、法律判决、金融风控等场景当中, 每一回“煞有介事地乱说一通”都有可能引发无法挽回的风险。这揭示出了大模型的一个根本性质缺陷: 它实际上仍旧是模式匹配器具而并非逻辑推理工具。要怎样从那种“会说话表现”迈向“讲真话状态”, 又如何从“猜答案行径”转变为“懂因果情形”, 这是产业朝着纵深方向发展必定得跨越的一道门槛。
模型发展需求, 高质量数据集仍难以满足。调研发现, 当前普遍存在的问题当中, 数据“原油”丰富, 然而“炼化”能力不足。全球范围之内, 可用私有数据规模远远要大于公开数据规模, 只是受制于数据标准不统一、授权机制不健全、合规边界不清晰等制度性障碍, 大量高价值数据被困于“孤岛”。我国虽然坐拥海量数据资源, 可是真正能够用于大模型训练的数据却是严重缺失。全球通用的50亿规模数据训练集中, 中文语料占比仅仅只有1.3%。另外, 数据流通存在梗阻情况, 致使我国数据规模方面的优势不容易充分转变为核心竞争力。并且, 版权与法律风险正不断上升。有一家出海企业告知我们, 其视频生成模型被指控没有经过授权抓取海外平台的视频用来训练, 在境外遭遇了集体诉讼。一旦数据主权以及版权壁垒变成新的贸易武器, 就可能中断国内企业获取国际高质量数据资源的合法途径。
人工智能产业应用的商业闭环还没有被打通, 人工智能产业应用正处于从政策驱动转变为市场驱动的交叉路口, 可持续的商业模式仍处于探索阶段。一方面, 产业链存在“齿轮错位”的情况, 算力层价格高昂且与模型适配程度不够, 模型层具有通用性但行业定制化能力欠缺, 应用层许多是单点工具型产品且彼此之间无法通信, 算力、模型、应用这三个环节之间缺少有效的啮合机制。另一方面, 企业盈利模式不清晰, 国内用户付费习惯还没有形成, 大量应用公司只能依靠一个项目一个且维系, 或者依赖政府补贴来“输血”。这发生了从“政策输血”到“市场造血”方面的转换, 此情形是产业能不能走出培育期的关键所在。三的确是产品规模化复制存在艰难状况。有一位身为工业人工智能方面创始人的人坦诚声称: “存在经过三个工厂试点达成成功的情况, 然而客户表示要是换一条产线, 那么相应方案就宣告作废了。倘若无法实现标准化, 便不能够达成规模化；要是不能规模化, 那就会一直处于烧钱的状态。”“样板间”跟“商品房”二者之间, 所欠缺的并非单个项目的技术, 却是那种具备可配置、可复制、可运维特性而且处于标准化状态的产品体系, 其前提条件又是产业链各个环节构建起标准化的对接接口。
三、加快我国人工智能产业发展要打一场体系化协同战
人工智能是一种特别特殊的通用目的技术, 和历史上哪一次科技革命的前沿技术都不一样。首先呢, 它有着很强的路径依赖跟生态锁定效应。底层芯片界定算力形态, 中间框架确定开发范式, 上层应用深度离不开前两者的接口标准, 这样一个高度耦合的技术架构, 让先发者一旦在某层获得主导, 就能上下渗透, 把整个产业链锁在自己的生态体系里。其次, 竞争已经变成了环环相扣的体系化博弈。传统科技竞争着重于单一技术, 一旦攻克便能实现突围；然而人工智能的竞争却是涵盖芯片、框架、数据、应用、规则的全维度比拼, 任何一个维度存在的短板都极有可能成为整个体系的“阿喀琉斯之踵”。其三, 扩散周期被极大限度地压缩。电气革命历经一百年方才达成对社会的全面渗入, 信息技术耗费半个世纪才得以重塑商业形态；但是人工智能正以瞬间出现、瞬间渗透并且瞬间改造的快速节奏来改写行业底层逻辑, 先发优势转化成为锁定优势的速率大幅提升, 进而留给追赶者的反应时间急剧缩短。处在人工智能这场关乎未来走向的全球竞争较量里, 我们所要应对的并非是某一个技术层面具体细节的“卡脖子”状况, 而是涵盖从最底层硬件一直到最上层生态, 从技术标准一直衍生至治理规则的全方位、全流程的竞争态势。想要打破已然形成的困局, 努力争取占据主动地位, 仅仅依靠单点的突破突围是毫无作用的, 势必要展开一场涉及“全要素加上全生态”的系统性、协调性的战斗。一方面要促使算力、数据、算法、场景等各种各样的要素能够充分地流动起来, 另一方面要激发企业、高校、科研机构、开发者社区等不同样态主体的创新创作活力, 更重要的是以国家战略作为统领全局的核心, 把各个方面的力量紧密地凝聚成一股力量, 从而形成一股凝聚在一起的整体合力。
近年来, 河北身为全国算力产业布局里的重要节点, 以政策当作引领, 以基建作为基础, 以融合发展作为目标, 以区域协同作为路径, 加速去构建全国领先的算力产业生态, 促使算力产业蓬勃地发展。《2025综合算力指数》表明, 河北综合算力指数维持在全国第一。图片是2025年9月7日所拍摄的河北省张家口市怀来县秦淮大数据产业园。人民图片 陈晓东/摄。
增强核心技术攻克力度, 稳固自主可控发展基础。核心技术攻克务必把目标从单项指标的追赶, 提升为以构建生态作牵引的体系化作战行动。其一, 朝着基础原理钻研深入。要是源头创新仅仅在应用层、工程层使劲, 始终只能在他人的理论框架内进行修修补补之事。得把更多资源投向算法可解释性、因果推理、类脑计算等基础研究未涉足区域, 把控定义技术路线的底层逻辑情况, 方可从根本上摆脱路径依赖状况。其二, 靶向攻克与规模化迭代同等重要。汇聚于人工智能芯片、开发框架、基础软件等, 产业链核心的那些环节, 施行“揭榜挂帅”、“赛马制”这类攻关的机制, 凝聚力量以突破重要的关键堵点。更为要紧的一点是, 技术这一方面的突破, 必然要跟市场应用构建起闭环，唯有把国产软硬件大规模投放到真实的训练场景当中, 于规模化的试错里持续地迭代优化, 才能够凭借市场反馈来回馈技术成熟度, 一步步塑造出能够跟先发者展开竞争的生态吸引力。
改进数据要素给予状况, 消除高质量给予方面的阻碍之处。我国的数据资源具备显著优势, 然而需要处理好“能够提炼加工”以及“能够实现流通”这两个关键限制因素。其一, 构建高质量的“数据油田”。依靠国家级的数据标注基地, 首先在工业、医疗、金融等具备发展基础的领域营造标准化的数据集系统, 与此同时增大数据合成以及智能增强技术的研究投入力度。唯有把原始数据转化成能够直接应用于模型训练的高质量数据, 数据要素才能够切实进入生产函数当中。其二, 凭借制度创新来消除流通障碍。加快基础制度供给, 围绕产权界定、收益分配、安全合规展开, 推广“数据沙箱”、“监管沙盒”等创新模式, 在确保所有权不变且安全可控的前提下, 实现多源数据融合训练, 让数据在流动中真正达成价值倍增。
推进规模应用的迅速推广、构建起可持续的商业闭环, 应用场景乃是检验人工智能质量的最终战场, 当下人工智能产业发展所面临的核心难题, 并非不存在优质试点, 而是优质试点难以实现批量复制, 要大力深入施行“人工智能 +”行动, 其一, 使深度嵌入核心业务得以实现, 促使人工智能因辅助场景迈向研发设计、生产调度、风险管控等高价值环节, 凭借切实的降本增效来撬动企业付费心意, 其二便是构建产业链协同啮合机制。促使算力商、模型商以及行业用户深度地相互结合, 构建起算力依据需求来供给、模型依据需求来适配、场景能够快速实现落地的协同网络, 凭借标准化的接口而打破“各管一摊”的状况。三是坚决地推进产品化的转变。从定制化的项目模式朝着可配置、可复制、可运维的标准化解决方案进行跨越, 通过规模化来摊薄研发以及算力的成本, 推动产业从烧钱的循环进入到盈利的循环之中。
增强安全治理本事, 稳固产业发展安全根基。人工智能的黑箱特质、自主演变能力跟泛化能力, 致使风险源从外部侵袭延展到模型自身的“基因瑕疵”。安全治理得从静态的合规查验, 提升为全生命周期的动态防护。其一, 构建分层分类的敏捷治理架构。针对通用基础模型着重突出透明度还有可追溯性, 于垂直应用场景依据风险等级施行差异化监管, 像针对医疗、金融等高风险领域进行严格认证以及鲁棒性评测, 对于其他低风险场景采用轻量监管, 以此达成安全与发展的精准平衡。再者是强化技术内生的安全屏障, 加大算法可解释性、隐私计算、对抗训练等安全技术的研发投入, 建构常态化模型安全体检机制, 通过“技术防火墙”预先置于风险, 使得安全能力变成模型自身的“出厂设置”而非事后补丁, 三是主动引领全球规则构建。促使我们国家于数据分级、算法备案、安全评测等范畴的实践经验转变成为国际治理方案, 在多边框架里夺取规则塑造的主动权, 防止被反向锁定。
强化多元协同保障, 构建全要素全生态支撑体系。体系化破局所需的是与之适配的制度供给以及要素支撑。就资金层面来讲, 要培育真正适配创新的耐心资本。发挥国家基金引领作用, 联动地方形成梯次布局的耐心资本矩阵, 保障底层攻关还有基础设施建设的长周期投入。同步推广“算力券”等普惠工具, 为中小企业参与创新降低门槛。在人才层面, 要着力锻造既晓得算法逻辑又明白行业痛点的“两栖人才”。在校园课堂之中, 这类复合型人才没办法被批量制造出来, 一定要经由龙头企业联合高校院所共同搭建产教融合平台, 于真实的产业场景里长时间“浸泡”方可造就。要尽快构建起具备规模效应的复合型人才培养体系, 从而形成从顶尖科学家延伸至规模化应用人才的梯次供给状况。对开放合作而言, 务必要坚守根植中国、网联世界这样的原则。依托“一带一路”等机制, 支持企业通过开源协作、联合研发等方式, 深度嵌入全球创新网络, 在合规的前提下, 突破非商业壁垒, 于开放博弈当中, 提升竞争力, 如此才能在新一轮科技革命和产业变革里, 掌握战略主动。
调研手记：
以人类文明演进的大历史坐标方面去审视, 人工智能的深层含义弄不好会比我们现在所认知的范围更为广阔。它不单单是技术的更新、产业的提升, 而且还是一次人类认知方法、社会组织形式的系统性重新塑造。就在那么个时候机器开始懂得学习、懂得推理、懂得创造以后, 我们所面对的不光是一场技术方面的竞争, 更是一回对于人类自身所处位置的再次认知。调研一路走来, 有“东数西算”所编织而成的算力动脉, 还有“监管沙盒”所激活的数据活水, 有开源大模型在全球开发者当中掀起的生态浪潮, 更有人形机器人在产线上与人类并肩进行作业, 所见到的以及所听闻的, 让我们深切感受到了一种蓬勃向上的力量。这意味着, 在这一轮技术创新的浪潮里, 我们并非是迟到者, 并非是追赶者, 并非是补课者, 而是同场竞技者, 甚至在某些领域是引领者。在全球人工智能发展以及治理还处在混沌状态下进行博弈之际, 我们所做出之路径挑选正在开拓一种崭新的可能, 那便是以开放去替换封闭，又以协同去替换处于垄断状态的情形, 再以赋能去替换控制从而形成智能文明新范式。多年以后, 当人们回首去看这场有关人工智能变革的起跑之时的情景后, 或许会这般去评价: 即在与新时代相关联的历史关键节点处, 中国既没有产生犹豫的情绪, 也没有出现缺席的状况, 反而迈着大步积极迎了上去。
执笔：郭斐然 贾子君 王宇霞 舒予
