中国新一代人工智能科技产业发展报告·2026

2026·天津 DeepApplicationofArtificialIntelligenceandNewFormsofIntelligentEconomy 内容提要 人工智能是具有基础设施性质的巨复杂技术系统。随着“人工智能+”战略的实施，人工智能的深度应用带来新的生产力革命性跃迁和生产关系的深刻变革，加快形成人智协同、跨界融合、共创分享的智能经济新形态。加强基础研究，实现核心和关键技术突破，深化拓展“人工智能+”，推动重点行业人工智能规模商业化应用，培育智能原生新产品、新业态和新模式，完善基础制度和治理体系，加速推动科技创新和产业创新的深度融合，是打造我国智能经济新形态的路线图。 近年来，新一代人工智能出现两次重大技术转向：一是从判别式人工智能向生成式人工智能的技术转向；二是在生成式人工智能发展中从强调规模效应向重视智能密度的技术转向。其中，第二次技术转向发生在2025年，以中国为主导，大模型的技术研发不再强调单一模型通用能力的提升，而是更加重视通过持续提升模型的智能密度推动人工智能在经济社会领域的深度和广泛应用。 围绕着人工智能深度应用和打造智能经济新形态，中国企业、大学和科研院所和政府共同推动人工智能创新生态的发展。在数据生态上，国家和地方政府积极布局高质量语料库和数据集开发，与企业共同建设可信数据空间；在算力基础设施建设上，在各省市算力中心建设的基础上，积极推动全国算力网发展。同时，加快智算芯片的研发，努力在受制于人的关键技术环节解决“卡脖子”问题；在模型开发上，在提升通用模型泛化能力的同时，重点发展行业模型和垂类模型。同时，加快智能体和具身智能的开发和应用，推动信息智能和物理智能的融合发展；在人才培养上，大学与头部科技企业合作，通过创建人工智能学院、开设人工智能专业和与人工智能相关的交叉学科的方式，加快人才培养。 人工智能深度应用和智能经济发展的动力来自包括企业、大学和科研院所、政府和投资机构在内的多元创新主体协同创新。到目前为止，我国人工智能企业数量超过6000家，核心产业规模预计突破1.2万亿元。与企业相比，大学和科研院所主要通过基础研究和人才培养服务人工智能科技创新和产业发展。同时，中央政府通过规划和行动计划的制定和实施推动人工智能基础研究、技术开发和规模应用，地方政府则从本地实际出发，在积极响应国家战略的同时，制定符合本地实际的发展规划和行动计划。 专精特新“小巨人”企业是人工智能深度应用和智能经济发展的生力军。它们一方面在包括芯片和工业软件领域进行技术攻关；另一方面在深耕的行业领域，推动行业智能化转型和发展。基于人工智能领域专精特新“小巨人”企业的技术合作关系数据，可以清晰地看到人工智能深度应用的前沿进展。 智能经济是基于网络空间发展的以数据、算法和算力融合产出的“智能要素”为关键驱动力的新经济形态。网络空间发展产出的数据是算法的原材料，算力为数据训练算法和推理提供计算能力。数据、算法和算力共同构成产出“智能 要素”的智能系统。通过“智能要素”的产出和投入，人工智能深度应用催生智能经济新形态。人智协同的“混合智能”及其生产方式是智能经济发展的基础。核心经济部门和融合经济部门的良性互动和正反馈是推动科技创新和产业创新深度融合和发展智能经济的关键动力和机制。人工智能深度应用在带动融合经济部门发展的同时，进一步带动核心产业部门的发展。围绕着数据确权流通、算法透明可控、劳动权益保障和伦理安全底线，在建立在发展中规范和在规范中发展的新兴通用目的技术和新质生产力发展逻辑的同时，加快构建与智能经济发展相适应的制度结构。 关键词：人工智能，复杂技术体系，深度应用，人智协同，智能经济 1.导论 近年来，人工智能技术创新出现了两次技术转向：一是从判别式人工智能到生成式人工智能技术转向；二是在生成式人工智能创新中，从强调规模效应到重视智能密度提升的技术转向。第二次技术转向为人工智能深度应用和智能经济发展奠定了坚实基础。 1.1信息智能和物理智能的融合催生智能经济新形态 随着通用大模型泛化能力的提升以及行业模型、智能体和具身智能的开发和应用，智能密度的持续提升推动信息智能和物理智能的融合，人工智能步入深度应用发展阶段。在“十五五”时期，人工智能的深度应用带来经济的结构性变革催生智能经济新形态。 首先，智能经济是信息智能和物理智能融合发展的结果。2022年11月，生成式大语言模型ChatGPT-3.5的推出，标志着从判别式人工智能向生成式人工智能的技术转变。2025年，从规模效应向智能密度提升的技术转向，使模型开发强调可靠性、安全性、实用性和可用性。模型泛化能力能够和可用性的提升、智能体和具身智能的开发和应用推动人工智能从信息智能向物理智能的跨越，为智能经济涌现创造了条件。大模型是以参数表达的知识库，智能体具备感知、记忆、决策和执行能力，具身智能则搭建了从网络空间到物理世界连接的桥梁。它们共同构成的智能系统推动人工智能从信息智能走向物理智能、生物智能和社会智能，创造出人智协同的生产方式、生活方式和科学研究范式，推动经济步入智能经济形态。 其次，人智协同的“混合智能”是智能经济运行的基础。与数字经济不同，智能经济的关键要素不再是数据，而是智能系统产出的“智能要素”。它和人类智能共同构成的“混合智能”，是微观经济活动的基础。“混合智能”突破了人类决策和资源配置及利用的智力限制，创造出新的生产力和生产关系形态。 第三，智能经济属于典型的创新经济[1]。在知识创造上，“混合智能”决策带来人类新知识创造活动效率的持续提升，创新成为现实经济活动的主导力量。在知识的利用上，人智协同生产方式带来生产制造过程的自感知、自学习、自决策、自执行和自适应，能够实现市场需求和供给的柔性匹配。基于“混合智能”的知识创造和知识利用的融合，不仅创造新的社会生产力，而且能够激活历次工业革命积累的社会生产力发展潜力。 第四，新质生产力和生产关系的重构是“十五五”和今后一段时期我国智能经济发展的逻辑主线。智能经济不是数字经济量的延伸，而是以“智能要素”为关键要素的经济结构变革过程。与“智能要素”的产出和投入相适应的生产关系调整，是发展新质生产力的前提和基础。 在智能经济发展上，中国是全球引领者。2025年，我国人工智能企业数量超过6000家，核心产业规模突破1.2万亿元人民币。在基础设施发展上，我国智能算力规模达1590EFLOPS，行业高质量数据集加速涌现，国产大模型引领全球开源生态；在产品创新上，AI手机、AI电脑、AI眼镜等人工智能终端产品加快走进千家万户；在应用场景上，人工智能应用已覆盖钢铁、有色、电力、通信等重点行业，逐渐深入到产品研发、质量检测、客户服务等重点 环节；在生态发展上，我国已经启动运行国家人工智能产业投资基金，资金规模达600亿元。同时，通过深入实施人工智能标准化专项行动，2025年累计研制发布40余项关键国家标准、行业标准，智能体协议、算子库等一批关键开源项目孵化落地[1]。无论在产业规模上，还是在基础设施建设、产品创新和应用上，我国智能经济发展都走在了世界前列。 1.2科技创新和产业创新深度融合加速智能经济发展 在新的阶段，推动人工智能深度应用是发展智能经济新形态的根本途径。其中的关键是加快培育实现人工智能科技创新和产业创新的融合发展的创新系统。随着数据、算法和算力在端侧的深度融合，科技创新和产业创新之间的关系发生了重大改变。 在工业经济时代，创新被看作是一个从基础研究到应用研究和技术开发再到规模生产的线性过程。20世纪90年代，日本经济的崛起引发对线性创新模式的质疑和反思。1997年，美国学者唐纳徳·斯托克斯（DonaldE.Stokes）提出了科技创新的巴斯徳象限，即应用需求激发和引导的基础研究。巴斯徳象限打破了割裂基础研究和应用研究的传统观念，提出两者之间双向反馈的创新模式。 智能时代的创新实践，打破了对创新过程的传统认识。与传统创新不同，人工智能领域的算法创新可以直接应用在实际生产和消费过程。在人工智能科技创新和产业发展领域，中国的深科技创新模式[2]充分体现了智能经济时代科技创新和产业创新融合发展的特征。深科技创新强调应用需求[3]牵引的基础研究、技术开发和规模应用创新循环，科技创新和产业创新一体化趋势日益明显[4]。科技创新和产业创新的深度融合标志着智能经济新形态的加速到来。 首先，从生态的视角看，我国人工智能创新生态是多样化和交互融合的。到目前为止，中国人工智能创新生态不仅包括国家、区域和城市创新生态，而且包括头部科技企业主导的产业创新生态。它们之间相互交互形成网络化结构。无论是技术创新还是产业发展，供给和需求不再是上下分层关系，而是在数据、算法、算力、智能体和具身智能等诸多关系要素互动中的共生演化关系。 其次，从技术系统演进视角看，2025年以来，人工智能开始从以算法为中心向数据、算力、模型、智能体和具身智能五要素融合的结构转变。工信部《“人工智能+制造”专项行动实施意见》提出，智能系统由算力底座、数据要素、模型及框架和智能体四个关键要素组成。其中，每个关键要素都属于人工智能技术系统的子技术系统。算力底座包括高端芯片、智算云操作系统、全国一体化算力网在内的软硬件技术体系，决定着智能系统技术供给的物理基础。数据是智能系统“智能要素”产出的原材料。模型和框架层包括通用模型、行业模型和开源框架，共同实现云、边、端的融合协同。智能体和具身智能是连接技术和产业的新物种，具备感知、决策和执行能力，打破了传统软件系统和物理设备隔离，实现了技术的现场 嵌入。四个子技术系统的融合共同构成的智能系统产出的是“智能要素”，直接应用于现实经济活动。 第三，从产业系统演进视角看，随着端侧部署的加快，人工智能核心产业部门和融合产业部门的界限被打破。在早期发展过程中，智能经济可以明显地划分为核心产业部门和融合产业部门。随着数据、算法和算力的端侧部署和深度融合，在具体应用场景中两个产业部门是融为一体的。一方面，融合产业部门产生需求，需求牵引技术创新；另一方面，核心产业部门的技术创新和产出开启新的应用场景，创造新需求。“智能要素”的供给和需求的一体化动态演进，推动产业系统和结构的持续演进。 第三，从技术结构和产业结构的演进视角看，技术结构变化推动了产业分工重组趋势的变化。人工智能产业链从软硬件制造纵向体系向基础支撑层、技术平台层和行业应用层垂直分工体系转变。基础支撑层汇聚芯片厂商、云服务商和数据交易中心，支撑算力与数据供给；技术平台层由模型开发商、开源社区和赋能应用服务商构成，承担智能算法调优、模型评测和安全保障的功能；行业应用层则以“工业智能体”和“新型智能终端”为核心载体，覆盖制造、能源、医药和消费品等重点领域。新的分工体系加速了科技创新成果产业转移转化的速度。 第四，科技创新和产业创新之间的深度融合源于新机制的出现。一是MaaS（模型即服务）模式使技术能力通过API化和云化直接渗透至应用层，企业可按需调用大模型并结合自身场景进行微调，形成从算法到服务的能力迁移；二是智能体的自主性使软硬件的边界消失，工业智能体可直接介入设备层，实现研发、生产和管理的智能闭环；三是“模数共振”效应形成模型与数据的持续反馈循环，数据治理成为产业内生过程，进而在产业链中催生新的数据治理岗位和安全规范。上述机制共同推动从人工智能智能产业化和产业智能化的相互融合，使技术创新和产业创新不再是传统的供需关系，而是迭代共生的循环系统。 第五，从国际视野看，我国人工智能领域的科技创新和产业创新融合发展路径具有独特的政策逻辑。以ITI、IDC和Gartner为代表的国际政策研究机构通常采用基础模型、基础设施和应用进行技术分类，强调技术体系与全球供应链的协同[1]。在我国，数据和算力被看作是国家基础设施，即算力是国力和数据为生产力要素的独特体系。同时，工信部提出的应用场景牵引策略通过构建行业全景图促使技术创新和产业发展同步演进。 最后，我国政策推进路径展现出技术创新和产业创新深度融合发展的趋势。技术创新和产业发