夜雨聆风
开篇定调：人工智能，百年变局中的战略必争之地
习近平总书记强调：“人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。”
党的二十届四中全会提出全面实施“人工智能 +” 行动，“十五五” 规划纲要进一步部署赋能千行百业。当前全球 AI 技术路线尚未固化，战略机遇窗口稍纵即逝，准确把握发展前沿与竞争格局，推动 AI 高质量发展，是打造新质生产力、赢得全球战略主动的必然之举。
一、AI 发展三大新趋势：从 “被动训练” 到 “自主进化”
此轮 AI 革命因算法、数据、算力全链条突破，呈现出前所未有的演进态势，核心趋势集中在三个维度：
（一）技术迭代：从“年更” 到 “周更” 的自主进化
•迭代速度指数级跃升：2024 年起，顶尖模型迭代周期从数月压缩至数周，参数从百万级飙升至万亿级，推理与训练能力持续突破；
•追赶逻辑重构：国内头部企业可在 1-2 个迭代周期内完成关键技术追平与超越，打破传统技术变革的追赶节奏；
•效率革命凸显：主流模型推理词元输出成本三年下降 99%，成本收敛刺激应用普及，形成 “技术迭代 - 应用爆发” 的正向循环。
（二）应用赋能：智能原生重构生产力
•核心特征：AI 从 “辅助工具” 变为 “共生伙伴”，以 “智能原生” 方式重构企业战略、流程与产品，催生 “一人企业” 等新业态；
•工业双向奔赴：我国完整工业门类提供海量场景，AI 赋能工业升级的同时，工业数据反哺模型迭代，加速 “智能涌现”；
•全球渗透差异：2025 年全球 16.3% 的劳动年龄人口使用生成式 AI，但南北差距扩大 —— 北半球渗透率 24.7%，南半球仅 14.1%，阿联酋（64%）、新加坡（60.9%）领跑全球。
（三）影响维度：全场景渗透与双刃剑效应
•场景全覆盖：从智能眼镜实时翻译、数字人咨询，到工业人形机器人巡检，AI 从 “会聊天” 转向 “会干活”；
•治理成全球议题：联合国、金砖、东盟等国际组织均聚焦 AI 治理，凝聚发展共识；
•风险凸显：智能体应用“小龙虾” 暴露权限模糊、信息泄露、提示词注入等风险，就业替代担忧加剧。
二、AI 发展四大底层规律：看懂竞争本质
此轮 AI 打破传统线性发展模式，形成独特运行逻辑，决定全球竞争格局：
规律类型 | 核心内涵 | 典型案例 |
规模与效率张力 | 规模定律仍生效，但边际收益递减，效率创新成关键 | DeepSeek 以开源模式实现低成本媲美顶尖模型，下载量全球领先 |
全栈协同制胜 | 竞争力源于“算法 — 框架 — 芯片 — 系统” 协同，生态黏性极强 | 英伟达通过 GPU+CUDA 软件栈 + PyTorch 框架，构建难以撼动的生态闭环 |
模数共振迭代 | 数据、模型、应用深度耦合，形成“数据筑基 — 模型赋能 — 应用落地 — 数据富集” 闭环 | 蓝创智能清源大模型赋能化工企业，打通数据孤岛，年节约能源成本超百万元 |
治理与产业互撑 | 治理能力是产业竞争力的重要组成，产业实力为治理提供底气 | 欧盟通过合规监管争取规则制定权，美国依托技术优势输出标准 |
三、我国 AI 发展的四大挑战：机遇背后的短板
我国 AI 综合实力实现整体性跃升，但在核心领域仍存在短板，需正视差距：
（一）算力规模领先，效能释放不足
•规模优势：2025 年一季度智能算力达 1882 百亿亿次 / 秒，万卡智算集群 42 个，算力产业链完整；
•核心瓶颈：“生态割裂” 严重，国内芯片厂商各守一套软件栈，开发者适配国产芯片需额外投入大量成本，规模优势未转化为竞争力。
（二）大模型追赶强劲，原始创新待突破
•亮眼成绩：2025 年 AI 企业超 6200 家，核心产业规模破 1.2 万亿元，国产大模型中文场景优势明显，工程化创新能力突出；
•关键差距：复杂推理、工具使用等领域与国际一流模型仍有差距，基础研究向产业转化链条不畅，高水平人才缺口显著。
（三）场景丰富，数据飞轮未转动
•战略优势：工业、医疗、金融等领域探索性应用众多，概念验证项目可观；
•突出问题：“数据孤岛” 未破解，数据权属、流通、安全规则不完善，质量与标准化不足，“场景 - 数据 - 模型” 闭环迭代未形成。
（四）治理框架初成，规则话语权待提升
•国内进展：出台《生成式人工智能服务管理暂行办法》等政策，治理框架覆盖数据安全、伦理审查等核心领域；
•双重挑战：国内治理能力跟不上产业发展速度，AI 幻觉、可解释性等问题制约高风险行业应用；国际上美欧争夺规则制定权，我国参与全球治理面临压力。
四、破局路径：五大关键举措，推动 AI 高质量发展
把握效率优先的技术路线，发挥工程化创新与场景优势，需在五大领域精准发力：
1. 算力升级：从 “大国” 到 “强国”
•统筹布局：推动万卡智算集群向枢纽节点集聚，提升绿电、核电占比，降低能耗；
•精准供给：针对训练、推理等不同负载，优化算力调度，避免“大水漫灌”；
•普惠共享：建设算力互联网络，推动东西部协同，降低中小企业算力使用门槛。
2. 创新突破：平衡追赶与原创
•强化基础研究：支持模型架构、训练算法等前沿方向，储备非 Transformer 等多元技术路线；
•深化产学研融合：打通“实验室 - 市场” 转化链条，建立宽容失败的评价机制；
•人才培育：校企联合培养复合型人才，壮大既懂技术又懂行业的队伍。
3. 生态构建：破解单点突破困境
•全链协同：推进“算法 — 框架 — 芯片 — 系统” 深度对接，打破软件栈碎片化格局；
•早期适配：鼓励芯片厂商与大模型团队协同设计，让硬件特性与模型架构相互适配。
4. 应用落地：从 “样板间” 到规模化
•培育中间力量：壮大行业应用服务商，搭建技术与产业的对接桥梁；
•工业赋能深化：推广质量检测（压缩漏检率）、工艺优化（提升良率）、设备运维（缩短停机时间）等成熟案例，将工程师隐性经验转化为显性知识；
•打通数据壁垒：推动跨企业、跨机构数据流通，让场景真正转化为数据飞轮。
5. 治理护航：发展与安全并重
•健全制度：完善政策法规、标准规范与伦理准则，为创新破除障碍；
•技术攻关：提升算法准确性、鲁棒性与可解释性，推动可信 AI 发展；
•主动防控：建立大模型全生命周期安全评估体系，制定幻觉率、抗攻击性等测试标准。
五、全球布局：打造 AI 国际公共产品
立足国内优势，参与全球 AI 治理，贡献中国力量：
•技术共享：健全开源机制，建设高水平开源社区，以“技术开源 + 生态共建” 推广通用模型；
•普惠赋能：向发展中国家提供技术与解决方案，通过“本地化拓展” 开拓全球市场；
•国际合作：依托联合国、金砖、“一带一路” 等机制，建设中国 — 金砖、中国 — 东盟 AI 创新中心，推动治理规则协调统一。
结语：AI 赋能，决胜未来
作者：余晓晖 中国信息通信研究院院长、党委副书记
（内容来源：《求是》2026/10。本公众号通过编辑、归纳整理而成，分享内容仅供行业交流学习使用，版权归原撰写方所有。）
