韩晶 林琳：深化“人工智能+”行动 全方位赋能千行百业

 

编者按：人工智能作为引领新一轮科技革命和产业变革的战略性技术，正以前所未有的深度和广度影响着人类生产生活方式。本文立足全球人工智能技术加速创新迭代的时代背景，阐述了全面实施“人工智能+”行动的战略意义、发展成效，以及面临的主要挑战和具体的实施路径，为人工智能赋能千行百业提供理论思考。

中国高度重视人工智能的发展和治理，积极推动人工智能科技创新与产业创新深度融合，赋能经济社会高质量发展。党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出，全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。这是把握时代大势、构筑国家未来发展新优势的关键抉择。面对新阶段、新任务、新挑战，必须充分发挥我国产业体系完备、市场规模庞大、应用场景丰富的独特优势，持续强化核心技术攻关，坚持以应用需求为导向、以场景创新为牵引，全面激发人工智能的潜力，为推动经济社会高质量发展、实现中国式现代化注入澎湃动力。

一、“人工智能+”行动的战略意义

当前，人工智能已成为重塑全球竞争格局、驱动经济社会变革的核心引擎。全面实施“人工智能+”行动，是推动我国实现高水平科技自立自强、赢得全球科技竞争主动权的战略选择，是推动产业结构与消费结构协同升级、构建智能经济新形态的关键路径，也是提升社会治理现代化水平、增进民生福祉的重要实践。

（一）人工智能是驱动科技跨越发展的强劲动力

科技实力是国家综合国力的重要体现。近年来，全球主要国家纷纷将人工智能发展提升至国家战略高度，加速推进核心技术突破与产业生态布局，抢先在新一轮科技革命中构筑竞争新优势。对我国而言，加快发展新一代人工智能，既是实现高水平科技自立自强、建设科技强国的必然要求，更是抢占全球科技制高点、牢牢把握发展主动权的战略抉择。全面实施“人工智能+”行动，有助于充分发挥我国产业体系完备、市场规模庞大、应用场景丰富的独特优势，以实际需求牵引技术迭代，推动我国在基础理论、前沿算法、高端芯片等关键领域加快突破，实现从跟跑、并跑到领跑的跨越，从而全面提升国家科技创新能力，助力我国在全球科技竞争中赢得持久战略优势。

（二）人工智能是推动经济高质量发展的强大引擎

新一代人工智能作为兼具技术特性和经济特征的通用技术，正在深刻重构人类生产生活的基本范式，持续催生新产业、新模式、新动能。全面实施“人工智能+”行动，有助于从供需两端协同发力，通过技术融合推动产业升级、激发消费潜能，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态，为经济高质量发展添薪续力。从生产端看，人工智能与传统产业深度融合，促进钢铁、石化等传统产业智能化转型，大幅提升生产效率与产品质量，推动产业向价值链高端迈进；同时，人工智能带动数字产业整体升级，促进大模型、具身智能等新兴产业和未来产业蓬勃发展，为新质生产力的培育提供重要支撑。从供给端看，人工智能不断拓展数字消费边界，创新体验式消费、个性化定制等服务场景，推动智能网联汽车、智能家居、智能穿戴等产品快速普及，并加速与低空经济、脑机接口等前沿技术融合，持续释放消费潜力，形成供给创新与需求升级相互促进的良性循环机制。

（三）人工智能是加强社会治理与增进民生福祉的强力推手

人工智能是引领社会变革的关键力量，对公共服务创新、社会治理增效与人民生活品质提升具有普惠作用。全面实施“人工智能+”行动，推动智能产品与服务广泛融入社会发展各环节，使技术红利惠及全体人民，有助于构建以人为本、智慧协同、可持续发展的智能社会。在微观层面，人工智能通过自动驾驶、智能家居、智慧医疗、智能办公等场景应用，显著提升个人工作效率、学习质量与生活便利性，持续增强人民群众的获得感、幸福感与安全感。在中观层面，人工智能深度融入医疗、教育、交通、金融等领域，推动企业运行模式转型、产业组织形态优化与就业结构升级。平台经济的蓬勃发展与灵活就业生态的完善，也为社会运行注入了新的活力与发展机遇。在宏观层面，人工智能在数字政府、智慧城市、数字乡村、智能应急等场景中持续深化应用，有效提升治理精细化水平与公共服务供给效能，为实现更高水平的国家治理现代化提供有力支撑。

 

二、“人工智能+”行动的发展成效

近年来，国家高度重视人工智能发展，持续完善顶层设计、加强工作部署，全面推进人工智能科技创新、产业发展和赋能应用。2017年，国务院印发《新一代人工智能发展规划》，确立“三步走”战略目标；2024年，“人工智能+”行动首次被写入政府工作报告，成为国家战略重点；2025年，国务院出台《关于深入实施“人工智能+”行动的意见》，进一步明确科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作六大行动方向。在政策的有力推动下，我国人工智能发展已全面步入场景化、规模化应用新阶段，并取得一系列重要成果。

（一）人工智能基础支撑持续夯实

数据与算力是人工智能发展的基石。我国持续推进数据资源优化与算力设施建设，为人工智能的规模化应用构筑坚实底座。在数据方面，我国稳步推进数据要素市场建设，已在钢铁、煤炭等重点行业建成一批行业高质量数据集，且中文高质量训练数据的供给能力与标准化水平显著提升。据国家数据局2025年8月公布的数据，多数模型训练使用的中文数据占比已经超过60%，有的模型达到80%；截至同年6月底，全国高质量数据集累计交易额达到近40亿元。在算力方面，智能算力基础设施建设全面加速，我国算力总规模已位居全球第二。华为昇腾、寒武纪等国产AI芯片实现关键技术突破，并逐步构建开放协同的产业生态。当前，我国算力体系正朝着智能化、集约化、网络化、绿色化及量子化方向系统演进，为人工智能深度赋能千行百业奠定了坚实基础。

（二）人工智能技术创新能力迈上新台阶

我国人工智能技术进入快速演进期，创新活力持续释放、创新能力稳步增强、创新成果加速涌现。近年来，我国在基础大模型、人形机器人等领域形成了一批标志性成果。大模型算法架构从单一类型向多元化创新，且参数规模和算法能力显著提升，主流模型普遍达到千亿级参数规模，部分先进模型在文本理解生成、多模态融合、深度推理等关键能力上已进入国际领先行列，模型通用化程度与实用性能显著提升。同时，我国持续坚持开源开放的技术路线，通过建设共享平台与协作社区，推动技术交流与产业协同，大幅降低人工智能技术应用门槛，缩短创新转化周期。此外，人工智能领域专利数量不断增加，国际影响力不断增强。我国已成为全球人工智能专利最大拥有国，相关专利占比达到60%。

（三）人工智能产业体系日趋完善

近年来，我国持续加强人工智能产业布局，形成覆盖基础层、技术层与应用层的全链条产业体系，产业规模持续扩大。在产业布局方面，我国已在智能芯片、智能算力、深度学习框架、高质量数据集等关键环节完成系统化布局，各细分领域涌现出一批具有核心竞争力的骨干企业。数据显示，我国人工智能企业总量已突破5000家，其中入选国家级专精特新“小巨人”企业超过400家；累计建成3.5万多家基础级、7000多家先进级、230多家卓越级智能工厂，展现出蓬勃的创新活力与产业动能。在产业规模方面，我国人工智能产业规模持续快速增长，综合竞争力显著增强。根据中国互联网络信息中心发布的数据，2024年我国人工智能产业规模突破7000亿元，连续多年保持20％以上的增长率，为“人工智能+”行动向纵深推进提供了坚实的产业基础。

（四）人工智能赋能经济社会发展成效显著

人工智能正在以前所未有的广度和深度融入经济社会各领域，赋能效应持续凸显。从行业层面看，人工智能呈现出垂直深耕与全面渗透共同推进的趋势。技术加速在制造、金融、医疗、教育、城市治理等重点领域落地，推动行业运行模式优化与效率提升。例如，在农业领域，农业无人机、智能机器人助力实现精准施肥、病虫害识别与产量预测；在医疗领域，人工智能在医学影像分析、新药研发等环节的应用显著提升了诊疗精准性与药物研发效率；在金融领域，AI投资顾问、反欺诈系统、智能信贷评估等持续增强金融服务效能与风险管控能力。从个体层面看，随着智能产品加快普及、应用场景日趋丰富、使用成本逐步降低，人工智能用户规模呈现快速增长态势。根据中国互联网络信息中心发布的数据，截至2025年6月，我国生成式人工智能用户规模达5.15亿人，较2024年12月增长2.66亿人，用户规模半年翻番；普及率为36.5%，充分表明人工智能正深度融入人民群众的日常生活，并切实服务于其多样化需求。

 

三、“人工智能+”行动的主要挑战

当前，我国人工智能发展已在基础设施、技术创新、产业培育与应用赋能等方面取得阶段性成效，但在核心技术自主研发、成果落地与规模化应用、基础要素支撑、制度体系与治理机制建设等方面仍存在瓶颈，亟需统筹布局、重点突破，以推动“人工智能+”行动向纵深发展。

（一）人工智能核心技术自主创新能力有待提升

当前我国人工智能领域的自主创新能力仍显不足，主要表现为基础理论支撑薄弱和关键技术存在短板。

一是基础理论研究深度不足。基础研究是驱动人工智能创新发展的根本源泉，而我国当前的研究重心仍较多聚焦于算法调优、场景适配等应用层面，在数理、计算机科学等底层理论方向的投入相对有限，导致原创性理论成果较少，原始创新能力有待加强。此外，基础理论与前沿技术之间的融合不够深入，前瞻性研究布局仍有欠缺。

二是关键核心技术“卡脖子”问题突出。当前我国人工智能在软硬件技术领域尚未形成完整的自主可控体系。从软件技术看，我国在人工智能底层架构设计、核心算法创新与大模型迭代升级等方面，与国际先进水平仍存在一定差距。大模型底层架构仍以单一类型为主，灵活性与扩展性有限。通用大模型普遍面临可解释性不足、输出“幻觉”等技术瓶颈，面向垂直领域的专用模型开发以及语言、语音、视觉等多模态协同能力仍有待提升。从硬件技术看，高端AI芯片等关键核心部件自主供给能力不足，供应链对外依存度较高。虽然国产GPU已初步实现进口替代，但在计算性能、能效优化、软件生态建设等方面仍与国际先进水平存在差距。

（二）人工智能的规模化应用面临多重障碍

人工智能技术在落地过程中仍面临产学研协同不畅、产业链衔接不紧、行业应用支撑体系不完善等多重制约。

一是产学研协同机制尚未健全。高校、科研机构与企业之间尚未建立目标协同、评价互通、利益共享与风险共担的长效合作机制。例如，现有评价体系未能充分兼顾科技创新与产业应用价值，导致产学研融合成果难以获得有效激励；利益分配与风险分担机制不清晰，致使部分“人工智能+”合作仍停留在短期项目层面。同时，覆盖“技术研发-中试验证-应用推广”全链条的公共支撑平台缺失，制约了技术成果转化效率与创新资源整合能力。

二是产业链关键环节衔接不足。人工智能产业链各环节呈现相对分散的状态，芯片设计、算法研发与应用场景之间尚未形成高效联动。例如，国产AI芯片与主流深度学习框架的兼容性仍不足，导致硬件性能未能充分转化为实际应用效能。

三是行业应用支撑体系不完善。面向具体行业的专用模型面临数据资源缺乏、验证场景有限、适配优化不足等制约，在复杂工艺流程、隐性经验知识等产业核心能力的理解和建模方面存在明显局限。同时，专用模型在算力、数据、训练等方面的投入成本较高，超出许多中小企业承受能力，配套工具链的缺失进一步加剧了规模化推广的难度。

（三）人工智能基础要素支撑体系尚不健全

当前我国人工智能在数据、算力、人才等基础要素方面仍存在短板，制约了“人工智能+”行动的深入推进。

一是高质量数据供给与流通机制不完善。当前我国大模型训练所需要的高质量数据供给不足，其中高质量的中文语料及专业领域数据尤为缺乏，且呈现碎片化分布特征。公共数据开放有限，限制关键领域数据的规模与质量；专用模型所需的行业数据多掌握在企业及研究机构手中，获取门槛较高。同时，跨领域、跨部门的数据标准与共享机制尚未建立，“数据孤岛”问题突出。数据要素市场化机制仍不成熟，在确权、定价、交易等关键环节缺乏制度保障，制约数据资源的优化配置和价值释放。

二是国产算力规模与效能有待提升。与美国等领先国家相比，我国算力基础设施在总体规模与系统布局方面仍有追赶空间。同时，国产算力在计算性能、系统适配及能效表现等方面仍落后于国际先进水平，难以完全支撑大规模、高性能计算需求。尤其在大模型迭代过程中，需耗费大量资源进行系统适配与优化，降低研发效率。

三是高端人才供给不足与结构失衡并存。人工智能领域人才缺口持续扩大，尤其是兼具基础理论知识与工程实践能力的复合型人才。人力资源和社会保障部有关报告显示，我国人工智能人才缺口超过500万，供求比例达1∶10。与此同时，现有人才队伍呈现明显的结构性失衡，形成应用型人才较多、基础研究和技术研发人才稀缺的“倒金字塔”分布，底层创新人才储备薄弱，不利于人工智能核心技术突破与产业长期发展。

（四）人工智能制度体系与治理机制亟待完善

人工智能全面赋能经济社会需要与之匹配的制度环境与治理体系，我国在法律法规、标准体系和治理机制等方面的建设仍滞后于技术发展与应用速度。

一是行业应用标准体系尚未建立。面向不同行业特点与实际需求的人工智能技术标准、评估规范与实施指南仍不完善，导致技术落地缺乏统一、明确的依据，制约人工智能在垂直领域的深化应用与规模化推广。

二是跨部门、跨区域政策协调不足。虽然我国已培育形成若干具有引领作用的人工智能创新高地，但区域间普遍存在政策同质化严重、跨部门协调机制不畅等现象，容易引发基础设施重复投入、创新资源错配、审批流程复杂等问题，影响整体资源配置效率与产业协同发展。

三是安全治理与风险防控能力仍需加强。随着技术应用场景不断拓宽，数据安全、算法公平、隐私保护、责任界定等问题日益突出。例如，深度伪造技术扰乱信息秩序，人脸识别引发隐私伦理争议，自动驾驶等新兴领域缺乏清晰的法律责任框架等。亟待构建涵盖技术伦理、数据治理、算法审计、应急响应的多层次治理体系，形成与发展阶段相适应、创新与规范相平衡的治理格局。

 

四、“人工智能+”行动的实施路径

针对当前“人工智能+”行动实施过程中存在的痛点、难点与堵点，需坚持前瞻谋划、系统布局、分业施策、开放共享、安全可控，以应用需求为导向、以场景创新为牵引，在核心技术攻关、成果规模化应用、基础要素支撑、制度与治理模式创新等方面协同发力，推动人工智能与经济社会各个领域深度融合。

（一）加强人工智能核心技术自主创新能力

全面推进“人工智能+”行动向纵深发展，需坚持从基础理论研究、核心技术攻关、开源生态构建等方面系统布局，增强技术自主研发能力。

一是强化基础理论研究。着力推动基础理论与前沿技术的深度融合，系统推进交叉学科建设与新兴方向培育。一方面，在国家层面持续加大对数学、计算机科学等基础学科的投入，强化基础研究与机器学习理论、自主推理决策等前沿方向的深度融合，力争实现关键原理的原创性突破。另一方面，聚焦类脑智能、量子计算等前瞻性领域，通过科研项目布局、跨学科联合攻关等方式，孵化具有突破潜力的交叉研究方向，推动形成新兴学科增长点。

二是加强核心技术攻关。加强核心软硬件自主创新，构建自主可控、协同运行的人工智能基础软硬件系统。在软件技术层面，推动基于国产算力平台的大模型研发与应用，加速与之适配的算法创新。围绕高级推理、深度多模态交互、自主学习决策等新方向，积极探索新型模型架构与高效训练方法。聚焦钢铁大模型、医疗影像分析、机器人控制等特色场景，加速行业专用大模型研发落地。加大多语种大模型的研发力度，积极在海外布局大模型推广。在硬件技术层面，发挥新型举国体制优势，集中力量攻克高端AI芯片、传感器等关键领域核心技术，提升产业链自主可控能力。

三是深化开源技术生态建设。加快布局新一代人工智能开源开放平台，通过政策引导和专项扶持，推动形成覆盖模型、工具、服务等环节的国产大模型开源体系，促进技术共享与产业协作，推动人工智能产业生态繁荣发展。

（二）以需求为牵引，推动人工智能成果落地应用

全面推进“人工智能+”行动向纵深发展，需从产学研协同创新、产业链上下游联动、应用场景创新孵化等方面持续发力，推动人工智能技术成果与产业需求的精准对接，加快人工智能成果落地与规模化应用步伐。

一是加强产学研协同创新。推动国家实验室、龙头企业、高校和科研院所共建联合研发实体，构建目标协同、评价互通、利益共享与风险共担的长效合作机制。完善开放式创新机制，深化“揭榜挂帅”制度，面向全球发布重大技术需求榜单，鼓励跨机构聚焦高端芯片、基础软件等核心技术开展联合攻关。同时，加快推进综合服务平台建设。围绕重点行业建设人工智能赋能中心，布局一批“人工智能+”公共服务平台，提供设施共享、技术研发、中试验证、企业孵化等综合服务，打通从实验室到规模化应用的“最后一公里”。

二是强化产业链上下游协同攻关。着力培育人工智能产业链链主企业，构建以头部企业为引领、中小企业协同配套的“雁阵”格局。鼓励链主企业牵头，围绕制造业、能源、医疗等重点行业建设专用模型，并推动平台资源开放共享，加快实现关键产业环节智能模型的全覆盖，促进技术供给与产业实际需求的精准适配与高效对接。

三是建立场景创新孵化机制。有序开放政务、医疗、交通等公共领域应用场景，加快推进重点行业人工智能应用基地建设，通过税收优惠等政策工具，引导资金与技术向代表性应用场景集聚，促进人工智能企业与行业用户开展深度合作。同时，根据不同行业特征分类施策。在传统行业领域，聚焦人工智能在流程优化、效能提升与质量控制等关键环节的融合应用，着力破解行业发展的核心痛点；在新兴产业领域，围绕低空经济、生物制造、具身智能等方向，打造一批高价值示范场景，通过技术验证与商业模式探索，加速新兴产业的孵化培育与规模化发展进程。

（三）强化人工智能基础要素支撑

全面推进“人工智能+”行动向纵深发展，需强化数据、算力、人才、资金等多重保障。

一是完善数据供给与流通交易机制。加强高质量数据集建设，重点提升高质量中文语料与专业领域数据的供给能力。推进重点领域国家级数据中心建设，有序开放政务、医疗、交通等公共数据资源，扩大优质数据供给规模。支持企业围绕产业需求开发多样化数据产品与服务，降低数据获取与应用门槛。同时，完善数据流通交易机制。加快建立统一的行业数据标准和接口规范，着力破解数据互操作性差、流通不畅等问题。培育多层次、专业化的数据交易平台和服务机构，完善数据要素市场化配置机制。培育多层次数据交易平台和专业化第三方数据服务机构，推动数据要素实现高效流通与价值转化。

二是提升国产算力规模与效能。统筹推进算力基础设施建设，加快形成规模适度、结构合理、集约高效的算力供给体系。一方面，扩大算力整体规模。以“东数西算”工程为牵引，加快构建全国一体化智能算力网络，优化算力设施区域布局，促进东西部算力资源协同互补，提升算力供给能力。另一方面，提升算力应用效能。加强高端芯片、调度算法等关键环节的核心技术攻关，突破算力领域“卡脖子”瓶颈。推动国产算力产品性能优化与生态适配，提升算力基础设施的自主可控水平与综合应用效能。

三是加强复合型人才支撑。围绕“人工智能+”行动实施需求，完善复合型人才培养机制，扩大高素质人才供给规模。在高校方面，推进“人工智能+”交叉学科体系建设，在生命科学、化学、制药等相关专业中增设人工智能通识课程，系统培养兼具基础理论知识与人工智能技术应用能力的复合型创新人才。在企业方面，引导行业骨干企业深度参与人才培养全过程，通过参与培养方案制定、课程体系开发、校企联合培养及项目实践等方式，增强人才培养与产业实际需求的契合度，提升人才解决复杂问题的实践能力。

四是加强多渠道资金支撑。设立国家级人工智能专项基金与产业投资基金，重点支持基础大模型研发、大规模算力中心建设等战略性强、周期长、投入高的关键领域，引导长期资本与耐心资本深度参与。鼓励银行、保险、证券、基金等金融机构加强协作，创新开发适配“人工智能+”产业特点的金融产品与服务模式，强化对创新主体的支持力度。同时，面向科技型企业和中小微企业提供低息贷款、贴息等融资服务，并加大对掌握关键核心技术的专精特新企业的扶持力度。

（四）完善人工智能制度体系与治理机制

全面推进“人工智能+”行动向纵深发展，需统筹推进标准规范、政策协同与安全治理能力建设，加快构建安全可信、开放协同的人工智能治理生态。

一是加快人工智能标准体系建设。完善人工智能法律法规、政策制度与伦理准则。在普适性标准的基础上，加强重点行业人工智能应用技术标准的制定，规范模型研发、评估与应用流程，推动建立覆盖智能装备、数据安全、系统互操作等方面的国家标准体系。同时，积极参与全球人工智能治理进程，在联合国等多边框架下形成具有广泛共识的标准规范，推动我国治理规则、技术标准与国际接轨。

二是加强跨部门、跨区域政策协同。整合科技、工信、财政等相关部门力量，统筹推进重点项目协同、财政资金调度、人才一体联动等模式，促进各部门在制定相关政策时衔接配合。同时，推动京津冀、长三角、粤港澳等重点区域立足自身禀赋与产业基础，实施差异化“人工智能+”区域发展战略，构建全国协调联动、资源互补、合作互通的产业发展格局。

三是提升人工智能安全治理水平。构建基于数据可信度与危害等级的数据标签体系，建立与之配套的可信认证与溯源机制。对于教育、医疗、公共安全等领域的高风险场景，加大数据安全与模型可靠性管控力度。构建弹性审慎的监管机制，大力推行监管沙盒、技术评估、伦理审查、算法备案等新型治理工具，同时注重风险防范与创新发展的动态平衡。

作者 | 韩晶 北京师范大学经济与工商管理学院政治经济学系主任、二级教授

林琳 北京师范大学经济与工商管理学院博士研究生

责编 | 范璧萱

校对 | 李天翼

审核 | 张一博、孙楠、叶其英

监审 | 刘斌

责任编辑：范璧萱

文章来源：http://www.71.cn/2026/0514/1291660.shtml