我国“人工智能+”行动进入深水区 需统筹应对四大趋势新变化

2026年1月5日 总第929期 我国“人工智能+”行动进入深水区需统筹应对四大趋势新变化 2025年以来，我国人工智能产业蓬勃发展，“人工智能+”行动深度推进，全方位、深层次、高水平赋能经济社会发展。赛迪研究院认为，当前我国“人工智能+”呈现AI生态和创新实力提升、AI赋能持续深化、各地响应政策落地三大特点和智能原生业态快速成熟、企业应用关注价值提升、应用场景成为竞争核心战场、多生态融合加速完善四大趋势，建议持续攻坚底层核心技术，加快挖掘应用场景，完善商业模式，强化资金人才等要素保障。 一、我国“人工智能+”推进呈现三大特点 （一）人工智能生态和创新实力实现跨越式跃升，已形成规模领先、链条完整、技术引领的全球产业高地 伴随着DeepSeek、通义千问等生成式人工智能技术成熟应用，我国人工智能产业规模持续壮大，企业数量持续增加，产业链日趋完备，技术创新保持活跃。从产业规模看，当前已形成覆盖基础层、框架层、模型层、应用层的完整人工智能产业体系，产业链覆盖芯片、算力、数据、平台、应用等各相关环节。根据工业和信息化部数据，我国人工智能核心产业规模已超过9000亿元，生成式人工智能用户规模超过5亿人，人工智能企业数量超过5300家，全球占比达到15%，国家级人工智能专精特新“小巨人”企业超400家，产业综合实力稳居全球第一梯队。从技术创新能力看，我国人工智能产品数量迅猛增长，创新成果不断涌现。根据国家互联网信息办公室数据，截至2025年10月，累计有611款生成式人工智能服务完成备案，306款生成式人工智能应用或功能完成登记。同时，我国在全球人工智能技术领域的话语权持续增强，根据世界知识产权组织（WIPO）报告，我国已成为全球人工智能专利最大拥有国，占比达60%，已成为推动全球人工智能技术创新的重要力量。 （二）人工智能赋能千行百业持续深化，涌现出一批实现关键环节智能化突破、赋能产业价值升级的标杆案例 “人工智能+”融合应用持续拓展，标杆场景和典型应用场景加快向多行业、多环节渗透。在制造领域，人工智能已深度融入研发设计、中试验证、生产制造、营销服务、运营管理全环节，通过工业机器人、数字孪生、预测性维护等技术，形成生产全流程的“感知-分析-决策-执行”闭环，推动工厂向柔性化、智能化、自适应升级。如浪潮云依托人工智能模型工厂打造了招聘专员、采购专员、运营专员、合同专员等不同角色的“数字伙伴”，提升组织办公效率。在医疗领域，人工智能应用已实现从单点辅助诊断向覆盖全生命周期健康管理的跨越，通过医疗影像分析、慢病防控、精准医疗等技术手段，构建起疾病风险主动预警、个性化健康干预和全程连续服务的新范式，推动医疗模式从被动治疗向主动健康转型。在金融领域，人工智能在代码助手、智能客服等成熟场景基础上，进一步嵌入风控管理、智能投顾、支付清算及基础设施运行等环节，推动金融从服务中介向智能中枢升级。 （三）各地积极推动政策落地，呈现地域多点开花、领域多位开放的态势，在国内形成多极化发展格局 各省市区加快推动政策落地，以场景开放和供需对接为抓手，征集发布系列应用场景典型案例，推动产业高质量发展和社 会治理水平提升，中西部地区与东部发达省市实现同台竞争，并持续向县市下沉。如广东2025年发布三批“人工智能+”应用场景清单，共涉及人工智能+制造、人工智能+交通、人工智能+民政等13大行业78类应用场景；浙江发布26个浙江国企“人工智能+”开放场景清单，涵盖交通、制造、服务、能源、建筑、金融、新材料、环保等8大重点领域；广西2025年发布两批“人工智能+”行动开放场景清单，涵盖制造、农业、交通、医疗、文旅、能源等9个重点领域，共53个场景；四川围绕先进制造、应急救援（公共安全）、社会民生（养老康复）等领域发布88项人工智能应用场景需求清单和技术（产品）清单；甘肃、宁夏等西部省（区）以及江苏太仓市、广西隆安县等县市也通过发布典型应用场景清单，支持人工智能+行动走深走实。 二、“人工智能+”围绕价值深化呈现四大趋势 （一）技术升级持续加快，智能原生业态快速成熟 我国人工智能大模型已在多语言理解、代码生成等能力上达到国际先进水平，与美国大模型的性能差距进一步缩小，未来将通过算法架构优化、开源生态扩散、推理能力增强、数据质量提升等路径继续提升模型性能，推动智能体、人工智能终端、具身智能等智能原生技术、产品和服务体系加速成熟。从内容生产看，智能原生内容生产将从辅助创作向直接生成高价值内容跨越，智 能绘画、智能文案平台、数字资产生成工具、自动化视频制作系统等新业态将快速成熟。从用工模式看，智能原生数字员工将从流程辅助向“可委托型工作者”转变，提升流程性、分析性工作的执行能力，AI编程智能体、AI商务助理、AI法务助手、AI运维代理等数字员工将进一步拓展应用。从终端形态看，智能原生硬件终端将从功能载体向智能中枢转变，提升实时感知、自然交互和自主决策能力，AI手机、AI PC、智能眼镜、人形机器人等人工智能终端将加速商业化落地。 （二）企业应用向纵深发展，更加关注价值提升 人工智能在我国企业的数智化转型中发挥重要作用，形成了系列典型应用场景和案例，未来将进一步融入核心业务流程，从单点优化向持续创造可衡量价值转变。人工智能应用环节将向核心业务拓展，从主要应用于客服问答、图像识别、文字审核等外围功能向研发设计、供应链管理、营销、风控等价值链关键环节深化，切实提升企业竞争力。人工智能应用目标将从技术体验向价值实现转变，ROI（投资回报率）、客户体验改善、流程效率提升等可量化指标将成为企业部署人工智能的优先考虑。人工智能应用模式将向综合化、定制化、专业化转变，多智能体协同等综合性解决方案将助力实现跨部门、跨流程智能决策和执行闭 环，人工智能与数据资产、业务规则与专家经验等行业知识的深度融合将推动定制化、专业化解决方案的发展。 （三）竞争路径差异化，应用场景成为竞争的核心战场 当前我国人工智能与产业实践深度融合，行业竞争从以模型性能提升为核心的单一技术路线向以场景为核心，涵盖数据治理、垂直模型微调、人机协同机制、边缘智能部署、可信AI架构等多维度的差异化创新转变。应用场景正成为企业竞争的核心战场，加快推动在高价值、高复杂度场景中实现规模化落地，争夺行业标准与客户认知的定义权和主动权，未来随着场景颗粒度不断细化与数据合规体系完善，具备多元创新能力与场景深耕实力的企业将具有产业生态的更强主导力。场景也成为各地政府落实“人工智能+”行动的重要抓手，以及优化区域产业体系，壮大新质生产力的关键因素，未来可能改变各地区生产比较优势，重塑产业格局。 （四）产品向全栈化转变，多生态融合加速完善 当前人工智能产业链条分散，芯片、框架、模型、应用等环节由不同厂商主导，集成成本较高，未来人工智能市场用户将不再满足采购人工智能模块，更倾向于获得覆盖从底层算力、模型训练、数据处理，到上层应用、运维、安全的全栈化人工智能产 品，推动企业加速布局覆盖“算力—算法—数据—平台—应用”的全栈能力。随着单一生态越来越难以满足复杂产业场景的多样化需求，跨生态协同将加速推进。未来人工智能与大数据、元宇宙、空天信息等新一代信息技术产业将在底层架构实现融合，进一步拓展技术和应用边界，开源生态与商业生态将在模型共享、工具兼容等领域加强互操作性，推动标准接口、数据格式和评估体系的统一。政产学研金介用等多元主体也将在生态共建中发挥更多作用，加快完善政策、标准、安全等配套体系，实现多生态融合共生。 三、对策建议 （一）攻坚底层核心技术，筑牢创新底座 强化基础理论研究，支持相关机构聚焦多模态大模型架构、端侧轻量化推理、AI与脑科学融合等前沿方向，设立重点专项，鼓励高校、科研机构与龙头企业开展长期协同攻关。攻坚关键硬件瓶颈，集中突破高端AI训练与推理芯片的设计与先进工艺，支持重点企业开展高端算力芯片研发与应用，破解“卡脖子”瓶颈。构建开源创新生态，建立国家级AI开源平台，推动模型、数据、算法全面共享，借鉴DeepSeek快速迭代经验，设立开源贡献奖励机制，缩短创新周期，打造具有全球影响力的开源社区。 （二）加强生态深度合作，挖掘应用场景 建立产业链上下游联动平台，推动科研院所、算力厂商与应用企业深度合作，打造技术研发、场景验证、商业落地闭环。完善数据与算力支撑体系，搭建跨行业数据共享平台，加快国产算力与主流模型适配优化，降低应用开发成本。创新多元化盈利模式，推广行业解决方案订阅制、按使用量计费等灵活定价方式，聚焦垂直领域打造可量化价值的应用场景。强化政策引导与生态培育，以“人工智能+”行动为抓手，打造标杆示范项目，破解场景规模化落地难题。 （三）优化协同支持机制，完善商业模式 加快构建面向人工智能应用商业化的政府、企业和社会协同支持机制。在政府层面，在智慧城市、公共医疗、应急管理等公共服务领域探索数据开放、算力支持、购买服务、运营分成等政府支持模式，加快打通高质量行业数据的合规流通渠道，建设开放型共性技术平台，降低行业应用门槛。在企业层面，支持用户企业主动参与需求定义，推动硬件租赁、算法订阅等应用模式，降低模型成本。在社会层面，支持行业协会牵头制定人工智能应用伦理准则、服务标准与合同范本，培育有利于人工智能商业化的生态土壤。 （四）提升资金人才供给，强化要素保障 完善多元化、全周期、重场景的投融资机制，引导资金向场景深化和能力建设倾斜，重点支持制造业、农业、能源等传统领域中具有明确业务闭环和价值验证路径的人工智能项目。鼓励金融机构开发适配人工智能项目特点的金融产品。完善中小企业人工智能专项融资政策。加快产教融合，构建“政府—高校—企业”协同人才培养机制，支持高校与龙头企业共建现代产业学院，开设“人工智能+”交叉课程，扩大职业培训覆盖面，支持企业完善股权期权等中长期激励，打造覆盖研发、工程、运营、管理全链条的人才梯队。 本文作者：赛迪研究院苏庭栋邰奕阳陈渌萍联系方式：13121201203电子邮件：sutd@ccidthinktank.com