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
近几年，人工智能身为新一轮科技革命的核心主要依靠带动力量, 正怀着未曾有过的速度、广度以及深度深入到人类日常生产生活的组织结构当中, 可以深刻地重新塑造全球经济架构、新型创新范示例以及对应的依靠社会调控的思维条理规则。当下的时候, 我国已位列全球人工智能有关发展的首要层次队列, 正处于是跟随一起跑进而向着领先超越跨越的重要决定时机的阶段。面对愈发激烈的国际交锋竞争以及高质量发展的由内部产生的需要要求, 我国人工智能产业究竟“自身所拥有的资源”是怎样的情况, 发展的趋势劲头如何, 还有哪些存在薄弱的方面缺点? 带着这些有待解答的问题疑惑, 我们展开了实地的研究考察。
一、当前我国人工智能产业发展态势
国家领导人深刻地指出, 人工智能是引领这一轮科技革命以及产业变革的战略性技术, 有着溢出带动性很强的“头雁”效应, 人工智能绝对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的全局性、颠覆性的重构, 衡量它的发展水平和发展态势, 必须破除传统的技术评估与产业分析框架, 要从技术能力、产业规模、要素支撑、融合应用等维度进行综合研判, 才能够窥见这场深刻变革的全貌与走向。
基于技术能力而言, 人工智能技术凭借开源引领达成全体突破, 于全球开发者网络里塑造新标准。在一家实验室展开调研之际, 我们目睹, 研究团队引进人工智能自我批评机制, 无需人工介入, 模型历经多轮自我博弈, 复杂编程解题正确率大为提高。人工智能达成了从“能听会看”迈向“能思考、能推理、能规划”, 进而到“掌握如何学习”的进阶。从整体来看, 我国于模型性能、训练效率以及多模态融合等关键性指标之上, 同国际顶尖水准之间的差距在持续地收窄, 在部分领域已然达成并跑、领跑的态势, 进而形成了一条以开源进行引领、生态共同繁荣的别具一格的技术路线。在2025年的时候, 我国开源模型在全球下载量当中的占比达到了17.1%。依据近期所做的统计, 在全球排名处于前10的开源模型里面, 有8款是源自中国的。DeepSeek—V4大模型的性能能够与国际顶尖模型相媲美, 然而应用程序编程接口, 也就是API的价格低至GPT—5.5大模型的1%以下。它有着更为深层的意义, 在于打破了少数科技巨头所形成的技术垄断, 使得全球数百万开发者能够基于中国开源模型开展二次开发。开源不单单是进行让利, 还是在借助力量凝聚众力, 伴随知识于开放共享里加速流动以及溢出, 我国人工智能技术也在开放生态当中持续锤炼自我进化的能力。
从产业规模方面来看, 人工智能产业规模达成了非线性的爆发态势, 万亿蓝海背后的价值溢出效应显著。在2025年的时候, 全球人工智能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突破了1.2万亿元。这1.2万亿元的价值含量, 不仅仅在于数字自身, 更在于其背后的增长逻辑。传统产业依照要素线性投入、边际收益递减的固定规律, 然而人工智能打破了这一束缚, 技术突破与应用扩散相互加强, 形成了“越用越强”的正反馈循环。经过对相关情况的调研会有这样的发现, 充当创新策源关键之地的是北京, 到了2025年的时候, 人工智能的核心产业规模会达到4500亿元, 有一堆精细打磨且成熟了的算法模型, 就好像是那个神奇的“数字技术泵”一样, 持续不断地朝着河北之所属的工厂、天津之所属的港口、内蒙古之所属的牧场输送智力方面的动能；上海把“模塑申城”当作重要的着手点, 借助“模速空间”去构建那种有着生态引力的场域；深圳将目标精准定在产业落地这件事上面, 专心致力于构建那种高度集聚、能够精准服务实体经济的企业之上显现的良好生态。总得来说, 人工智能产业显著有着“投入一元, 带动数元”那般的乘数效果, 万亿范围的后面是一条自底层算力直至上层应用、从核心算法至智能终端的全产业链条, 它催生出的是新服务、新分工和新市场。
2026年4月24日那天, 深度求索公司正式发布了全新系列模型DeepSeek—V4预览版, 一并实现同步开源 , 此模型采用MoE架构，并且原生支持100万词元的超长上下文, 而且在智能体能力、世界知识以及推理性能方面, 此模型各自均达成了国内居首位以及在开源领域领先的成绩 , 视觉中国予以提供图片。
依据要素支撑来瞧, 我国人工智能核心资源达成了战略性的跃迁, 制度创新促使要素活性得到加速释放。人工智能竞争的后续阶段, 并非仅仅看模型运行的速度有多快手, 还取决于算力底座构建得有多牢固坚实, 数据活水流动得有多顺畅通畅。在这两项核心资源方面, 我国已然构建起显著的规模优势。关于算力这一块, 有42个万卡智算集群被建成了, 一直到今年一季度的时候, 智能算力规模达到了每秒1882百亿亿次浮点运算那么多, 这一规模在全球范围内占据着前列位置；在数据方面, 全国高质量的数据集数量超过了10万个, 其总量超过了890拍字节, 这个总量相当于中国国家图书馆数字资源总量的310倍。并且, 制度存在的优势开始慢慢凸显出来了。在北京数据基础制度先行区, 我们看到, 对于企业手握资源存在的“不愿开放、不敢开放、不会开放”的问题, 这里所建立的“监管沙盒”机制, 有效打破了僵局, 该机制允许企业在不转移数据所有权的情况下, 进入受保护的“试验场”进行融合训练。一位企业技术负责人说道: “以前使用自己的小数据训练时, 模型越训越偏；现在沙盒里汇聚了10多个行业的真实数据, 准确率显著提升, 数据越用越值钱。”。
先从融合应用这方面来看, 我国人工智能极速朝着千行百业去渗透, 应用的广度以及融合的深度构建起全球竞争的新优势。一直到2025年年底时, 我国重点行业企业关键工序的数控化率达到了68.6%, 人工智能的融合应用正从“点状开花”朝着“全链智能”去跨越。这里面, 一是渗透的领域不断拓宽, 应用覆盖了国民经济绝大部分的大类行业, 而且在制造、医疗、交通、金融、能源等领域形成了一批标杆类应用。二是赋能的能级有了显著的提升, 开始从辅助的环节快速朝着研发设计、生产制造、运维管理等核心环节进行纵深推进。在我们山东的家重型装备制造企业里能看到, 有一套工业大模型系统, 它全面接管了从图纸解析、工艺规划一直到质量检测的全链条流程, 以往多名资深工程师花费数周搞的新品工艺设计, 现在被压缩到了72小时之内, 良品率还提升了5个百分点。三是新业态新模式在加速地涌现, 智能网联汽车、人工智能制药、具身智能机器人等融合新业态正在蓬勃生长, 持续不断地形成万亿级产业新赛道。在调研期间, 就能够深切地亲身感受得到, 在这一场全球范畴当之中的智能竞赛里面, 究竟是谁的应用场景是最为丰富的, 谁所具备的融合程度处于最紧密的状态, 谁所获得最终产业产业反馈反馈乃是出于最密集这样子独特状况的, 那么, 这个人他就是掌握了用来定义人工智能应用的具体方式方法、应用所在的具体位置领域以及使用深度达到怎样水平的标准体系, 同时还掌握了智能时代主动权的人。
二、我国人工智能产业发展面临的问题与挑战
当下, 全球人工智能技术的博弈日益朝着白热化演进, 我国人工智能产业的发展正处于这样的关键隘口, 即由应用引领, 以基础进行追赶, 借生态实现突围。面对诸如算力封锁、人才争夺等外部压力不停持续增大, 从高端芯片到基础算法, 从原始创新过渡到产业转化的整个过程中, 我们仍然存在较多诸如遭遇困难难以突破的环节以及阻碍发展的堵点。
人工智能产业发展空间被国际竞争挤压, 调研发现, 一些西方国家对华政策从单一技术限制升级成系统性生态封锁, 其一, “硬”封锁持续加重, 美国对我国人工智能芯片销售管制力度持续加大, 致使国内不少创新团队因“算力饥渴”, 被迫放慢大模型研发节奏, 其二, “软”生态构建壁垒, 英伟达公司的图形处理器, 也就是GPU有全球九成以上份额, 其统一计算设备架构, 即CUDA生态经10多年积累, 形成了“硬件+软件+开发者社区”的闭环体系。我们于上海的一家国产芯片企业处知晓, 其硬件算力指标已然快要接近国际主流水平了，然而客户最为在意的却是“可不可以兼容CUDA”。问题的关键在于芯片替代并非单纯意义上的硬件更换, 而是关联到开发框架、算子库、调试工具以及开发习惯等一系列技术栈的系统转移。数百万的开发者与CUDA生态深度绑定在一起, 迁移成本庞大、适配周期长久, 国产替代就算性能达到标准, 规模化应用依旧面临着阻碍。再者就是规则话语权的博弈相当激烈。全球人工智能技术标准, 是由西方国家主导的, 治理规范同样如此, 数据跨境规则也是这般。2025年初的时候, DeepSeek大模型凭借自身技术突破震动了全球市场, 跟着西方有多个国家先后出台了禁令, 或者是启动了严格审查。现实所给出的警示是, 技术处于领先状态但不一定就能获得市场准入权限, 要是缺少话语权, 那么产业出海就一定会受到他人的制约。
大模型于专业场景遭遇可靠性危机, 它在通用对话里表现得令人惊艳, 然而一旦步入工业检测、医疗诊断、金融风控等那些对精度与可靠性有着严苛要求的领域的时候, 能力上的缺陷就凸显出来了, 有一家制造企业给我们反馈说, 人工智能视觉检测系统因为光线出现轻微变化就把良品误判成废品, 倒是废品却被放行, 最终还是需要人工重新进行检测, “演示时惊艳, 产线上翻车”成了人工智能在好多企业落地时的真实写照。关键之处在于, 大模型于开放域任务里所呈现出的泛化能力, 没办法自然而然地转移到容错率近乎为零的专业场景之中, 从擅长表达迈向能可靠运用, 存在着一道极大的工程化差距。“幻觉”问题同样不能被忽视。在一般场景里边, 这种差错可能仅仅是小毛病, 然而在医疗剂量、法律判决、金融风控等场景下, 每一回貌似认真实则乱说一通都可能引发无法挽回的风险。这揭示了大模型的一个根本性不足: 它本质上依旧是模式匹配器而非逻辑推理器。怎样从那种具备说话能力的状态迈向能够说出真实话语的状态, 又怎样从只是猜测答案的情形转变为真正明白其中因果关系的状况, 这是产业朝着纵深方向发展时必定要跨越的一道关口。
仍难以满足模型发展需求的是高质量数据集。调研发现, 当前普遍存在的问题乃是, 数据“原油”丰富, 然而“炼化”能力不足。全球可用私有数据规模要远远大于公开数据规模, 可是, 由于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, 有大量高价值数据被困在了“孤岛”之中。我国虽有着海量的数据资源, 但是真正能够用于大模型训练的数据却严重短缺。在全球通用的50亿规模数据训练集中, 中文语料的占比仅仅只有1.3%。除此之外, 数据流通存在梗阻状况, 这使得我国数据规模方面的优势, 难以充分转变为核心竞争力。并且, 版权与法律方面的风险, 正在持续不断地攀升。有一家出海企业告知我们, 其视频生成模型, 被指控在未经授权的情况下, 抓取海外平台的视频用于训练, 在境外遭遇了集体诉讼的情况。一旦数据主权和版权壁垒, 演变成崭新的贸易武器, 那么就极有可能切断国内企业获取国际高质量数据资源的合法通道。
尚没有打通人工智能产业应用的商业闭环, 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界点上, 可持续商业模式仍在探寻之中。其一, 产业链存在“齿轮错位”的情况, 算力层价格高昂并且与模型适配不够, 模型层具有通用性然而行业定制化能力欠佳, 应用层大多是单点工具型产品且相互之间无法通信, 算力、模型、应用这三个环节之间缺少有效的啮合机制。其二, 企业盈利模式不清晰, 国内用户付费习惯还未养成, 大量应用公司只能依靠项目制逐个订单维持, 或者依赖政府补贴来“输血”。产业能不能走出培育期, 关键在于从“政策输血”转变成“市场造血”。三是产品规模复制艰难。一位搞工业人工智能的创始人承认: “建三个工厂测试成功了, 但客户说换条生产线, 先前弄好的的方案就没用了。不能标准化, 就不能大规模搞；没办法大规模去做东西, 那就一直得往里投钱。”“样板间”与“市场化房屋产品量产状态”的之间缺乏差距单一项技术, 而是需要可布局、可复刻、可维护的标准化产品体系, 而这又要在产业链各单元形成标准化的对接接口。
三、加快我国人工智能产业发展要打一场体系化协同战
与历史上任何一回科技革命的前沿技术都全然不同的人工智能, 是一种极其特殊的通用目的技术, 它具有极强的路径依赖与生态锁定效应, 底层芯片定义算力形态, 中间框架决定开发范式, 上层应用深度依赖前两者的接口标准, 正是这一高度耦合的技术架构, 使得先发者一旦在某层取得主导, 便能上下渗透, 将整个产业链锁死于自己的生态体系, 并且还有其二, 竞争已演变为环环相扣的体系化博弈。传统科技竞争将焦点聚集于单一技术, 攻克它便能够实现突围, 然而人工智能的竞争却是涵盖芯片、框架、数据、应用、规则的全维度竞赛, 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, 扩散周期被极大地压缩了。电气革命历经一百年才达成对社会的全面渗透, 信息技术耗费半个世纪才重塑商业形态, 而人工智能正凭借瞬间涌现、瞬间渗透、瞬间改造的速度去改写行业底层基本逻辑, 先发优势转变为锁定优势的速度显著加快, 留给追赶者的反应时间大幅收窄。全球人工智能竞赛关乎未来, 我们面临的并非单一技术点的“卡脖子”, 乃是由底层硬件至上层生态、从技术标准到治理规则的全栈竞争。要破解困局、争取主动, 仅靠单点突围没用, 得打一场“全要素 + 全生态”的体系化协同战。一方面要让算力、数据、算法、场景等各类要素充分流动, 另一方面要激发企业、高校、科研机构、开发者社区等多元主体的创新活力, 还要以国家战略为引领, 把各方力量汇聚成一股, 形成整体合力。
这几年以来, 河北身为全国算力产业布局里的关键节点, 秉持政策作引领, 将基建当作基础, 把融合发展当成目标, 以区域协同作为路径, 加快构建全国领先水平的算力产业生态, 致力于推动算力产业气势旺盛地发展, 《2025综合算力指数》表明, 河北综合算力指数稳固处于全国首位, 图片为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。
加大核心技术攻坚的力度, 稳固自主可控发展的基础。核心技术攻坚这个行为, 要把目标从仅仅追赶个别指标, 提升为凭借构建生态来带动的体系化行动。其中一点是前往基础原理探寻根源。要是源头开创仅仅集中在应用层面和工程层面用力, 那始终只能在他人的理论架构内进行小修小补。一定要将更多的资源投入到像算法可解释性、因果推理、类脑等这类基础研究的空白地带, 掌握规定技术走向的底层逻辑, 如此才能够从根本方面摆脱路径依赖。另外一点是靶向攻克跟规模化反复并重。针对人工智能芯片、开发框架、基础软件等产业链核心环节予以聚焦, 施行“揭榜挂帅”、“赛马制”攻关机制, 集中力量去突破关键堵点。更为紧要的是, 技术突破务必要与市场应用构建成闭环, 唯有把国产软硬件大规模投入到真实训练场景之中, 于规模化试错里持续迭代优化，才可以借助市场反馈来对技术成熟度进行反哺, 一步步形成能够和先发者展开竞争的生态吸引力。
使得数据要素供给得以优化, 进而将高质量供给的堵点予以打通。我国的数据资源具备显著优势, 然而要把“可炼化”以及“可流通”这两大瓶颈问题处理妥当。其一, 构建高质量的“数据油田”。凭借国家级数据标注基地, 率先于工业、医疗、金融等条件成熟的领域构建标准化数据集体系, 与此同时增加数据合成与智能增强技术的研发投入。唯有把原始数据加工成能够直接用以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。其二, 通过制度创新来打通流通方面的梗阻障碍。紧扣产权界定, 围绕收益分配, 依据安全合规, 加速基础制度供给, 将“数据沙箱”、“监管沙盒”等创新模式予以推广, 于保证所有权维持不变, 且在安全可行可靠可控情况下, 促使多源数据达成融合训练, 使得数据于流动进程当中切实达成价值成倍增长。
推进规模应用的推广速度, 搭建起可持续的商业闭环。应用场景作为检验人工智能水平的最终场所。当下人工智能产业发展所面临的关键难题, 并非是缺少出色的试点, 而是出色的试点不具备批量复制的能力。要大力开展“人工智能+”行动。第一个方面是深度嵌入到核心业务当中, 促使人工智能从辅助场景迈向研发设计、生产调度、风险管控等高价值环节, 依靠实质性地降低成本、提升效率来激发企业的付费意愿。第二个方面是构建产业链协同啮合的机制。促使算力商、模型商、行业用户深度地相互结合, 构建起算力依据需求进行供应、模型依据需求予以适配、场景能够迅速落地的协同网络体系, 借助标准化接口来打破各自为政的态势。三是坚决有力地推进产品化的转型变革。从定制化的项目模式朝着可进行配置、可予以复制、可开展运维的标准化解决办法进行跨越进展, 依靠规模化来摊薄研发以及算力方面的成本, 推动产业从烧钱的循环状态步入盈利的循环状态。
增强安全治理方面的能力, 稳固产业发展的安全底线, 人工智能具备的黑箱特性, 以及其拥有的自主演化能力和泛化能力, 致使风险源从外部攻击领域伸展达到模型自身存在的“基因缺陷”之处, 安全治理需要从静态的合规检查状态, 转变成为全生命周期的动态防护模式去进行, 首先一点是要构建起分层分类的敏捷治理架构。将透明度以及可追溯性着重施加于通用基础模型之上, 针对垂直应用场景依据风险等级去施行差异化监管, 像是针对医疗、金融等具备高风险的领域开展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确平衡。其次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, 构建常态化的模型安全体检机制, 凭借“技术防火墙”将风险前置, 使得安全能力成为模型自身的“出厂设置”而非事后的补丁。再者是主动引领全球规则构建。促使我国于数据分级范畴、算法备案领域、安全评测等方面的实践经验, 转变成为国际治理方案, 于多边框架里夺取规则塑造的主动权, 防止被反向锁定。
使多元协同保障得到强化, 去构建全要素全生态支撑体系。想要体系化破局, 那就需要与之适配的制度供给与要素支撑。在资金层面, 要培育真正适配创新的耐心资本。发挥国家基金的引领作用, 联动地方形成呈现梯次布局的耐心资本矩阵, 以此保障底层攻关与基础设施建设进行长周期投入。而且要同步推广“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, 要着力锻造同时既懂算法逻辑又懂行业痛点的“两栖人才”。不是在校园课堂里就能批量制造出此等复合型人才的, 得靠龙头企业联合高校院所去搭建产教融合平台, 于真实产业场景里长时间“泡着”磨炼才行。要赶紧打造出有规模效应的复合型人才培育体系, 造就从顶尖科学家到规模化应用人才的梯次供给。在开放合作方面, 得秉持扎根中国、连接世界的原则。依托“一带一路”等这样的机制, 借此支持企业去采用开源协作然后是联合研发等方式很深入地嵌入全球创新网络之中, 要在合规的前提条件之下突破非商业壁垒障碍, 并且要在开放那种充满博弈的环境里提升竞争力, 只有这样才能够在新一轮科技革命以及产业变革当中掌握战略主动地位。
调研手记：
站在大历史坐标下, 对人类文明的演进加以审视时, 人工智能的深远意义, 或许远远超出了我们当下的认知边界, 它不只是技术的迭代, 也是产业的升级, 更是一场面向人类认知方式的系统性重塑, 以及社会组织形态的系统性重塑。当机器开始学会认知事物, 逐渐收获创造性并且掌握推理能力时, 我们所面对的, 不仅仅是同一种类型的技术竞赛, 更是一次针对人类自身位置的再认识。一路走来进行调研, 先是看见“东数西算”所编织而成的算力动脉, 接着又瞧见“监管沙盒”激活的数据活水, 之后还目睹开源大模型于全球开发者之间掀起的生态浪潮, 最后看到人形机器人在职产线上跟人类一道并肩作业, 耳闻目睹的种种情形让我们深深地感受到了一种有着无限活力且蓬勃向上的力量。这也就意味着, 在这一回的技术创新浪潮当中, 我们并非是那种迟到者, 也不是追赶者, 更不是补课者, 而是能够与之共同在同一个场地进行竞赛的参与者, 甚至在某些特定的领域还是处于带头引领位置的引领者。在全球人工智能发展以及治理尚处于混沌之内进行博弈之际, 我们所做出的路径选择正开创着一种全新的可能，那便是以开放去取代封闭, 以协同去取代垄断, 以赋能去取代控制的智能文明全新范式。多年以后 , 当人们回首瞻望这场人工智能变革的起始时刻 , 或许会如此这般评价: 在新时代的历史关键节点 , 中国未曾有过犹豫 , 未曾出现缺席 , 而是迈着大步迎头而上。
执笔：郭斐然 贾子君 王宇霞 舒予
