| 姜谷粉丝 |
2025-11-13 13:33 |
10月28日，《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》（下称《“十五五”规划建议》）全文正式发布。与“十四五”规划相比，“十五五”在战略重点上既有延续性，也展现出了新的变化。
在经济发展目标层面，“十五五”规划建议提出“高质量发展要取得显著成效”，将增长目标从“十四五”的“持续健康发展”调整为“保持在合理区间”，并首次明确要求要提升“全要素生产率增长”。这表明国家更加注重增长的质量与效率。其中，在科技与产业发展方面，“十四五”规划聚焦于研发投入增长和基础技术突破，而“十五五”规划建议则提出了以“新质生产力”为引领，强调要“构建以先进制造业为骨干的现代化产业体系”，并新增了“科技自立自强水平大幅增长”的目标。这体现了国家科技战略的重心正在从研发基础和技术突破，转向强调科技与产业深度融合、并实现高水平自主可控的整体战略升级。
特别值得关注的是，“十五五”规划建议对人工智能给予了前所未有的重视。规划建议中“人工智能”一词被提及8次，“数智化”被提及5次，而“十四五”规划建议中这两个词的提及次数分别为2次和0次。规划建议更是明确提出：“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。”
实际上，早在今年8月，国务院发布的《关于深入实施“人工智能+”行动的意见》就已系统布局，要求到2027年率先实现人工智能与六大重点领域的广泛深度融合，并设定了面向2030年和2035年的长远发展目标。此后，在11月1日的亚太经合组织（APEC）会议期间，国家主席习近平亦多次提及人工智能，强调其对未来发展的重大意义，主张推动其健康有序发展。
从长远规划到具体行动意见，再到最高领导人的国际倡议，一系列信号共同表明，人工智能已成为驱动国家发展的关键战略引擎。
从人工智能到“人工智能+”：应用落地时代来临
观察近期政策的核心脉络，可以发现一个根本性的转变：国家对人工智能的战略导向正从聚焦技术本身，转向推动AI应用对各行各业的全方位赋能。
过去的政策更多关注技术突破和产业基础建设，“十四五”规划建议中，相关关键词是“加强基础研究”、“提升技术创新能力”和“培育新技术”。在这一方针指引下，我国人工智能领域取得了显著成就。据中国信息通信研究院测算数据，2024年我国人工智能产业规模已超9000亿元；截至2025年9月，人工智能企业数量超5300家，全球占比达到15%。在以大模型为代表的生成式AI浪潮中，DeepSeek、通义千问等一批本土大模型快速迭代，应用场景的丰富度与商业化进程已达到全球领先水平。与此同时，各地智能计算中心建设稳步推进，据工信部数据，我国算力总规模近5年的年均增速近30%，为AI发展提供了坚实的基础设施。
如果说过去几年AI发展是围绕模型、算法、算力的迭代与竞争，那么现在，随着技术逐步成熟，AI已经走到了大规模落地应用的关键节点。国家政策的战略重心因此转向为 “人工智能+”和“全方位赋能”。
AI赋能重点领域已取得初步成绩，展现巨大潜力
这一从“AI”到“AI+”的关键转变，标志着顶层设计的重心正在从技术研发转向应用落地。在落地的具体领域，国务院“人工智能+”行动意见提供了清晰的路线图，明确指出了科学技术、产业发展、消费提振、民生福祉、治理能力与全球合作这六大领域作为主攻方向，“十五五”规划建议中提出的目标也基本与之对应。这一目标的提出并非凭空擘画，而是建立在人工智能的应用探索已在各行各业广泛展开，其赋能价值已初步显现的基础之上。
在大湾区人工智能应用研究院（GBAI），我们过去两年对AI在不同行业、不同场景的研究发现AI的应用落地已经到了一个爆发式增长的节点。
例如，在科学研究领域，人工智能正在掀起一场“科研范式革命”。以药物研发为例，AI的应用显著改变了传统流程。传统的新药研发在寻找与疾病相关的生物靶点阶段，往往依赖于漫长且充满不确定性的实验分析。而AI通过对海量的基因、蛋白质组学和科研文献数据的学习，能够快速揭示疾病与特定生物靶点之间的复杂关联，将耗时的探索过程大幅缩短。在后续的分子设计与筛选环节，传统方法需要在庞大的化合物库中反复实验试错，而以AlphaFold为代表的AI大模型能够精准预测蛋白质的三维空间结构，并高效模拟其与候选药物分子的相互作用，显著提升了筛选的成功率和效率，降低了研发的时间和成本。这种加速效应在新材料发现、气候科学等同样依赖大量数据分析和模拟的学科中，也正发挥着相似的关键作用。
在产业发展领域，AI正深度融入生产、管理等关键环节，助力推动产业体系升级。比如在生产环节，基于机器视觉的AI质检系统，通过对产品瑕疵的实时、高精度识别，显著提升了产品良率与生产效率，降低了物料浪费和返工成本。在供应链管理环节，通过对海量实时数据的深度分析，AI能够实现更精准地需求预测、动态的运输路径规划和自动化的仓储调度。根据中国物流与采购联合会报告显示，采用智能采购供应链的企业，采购效率可提高30%以上，周期能缩短50%以上。在企业运营环节，AI正推动着后台职能部门的自动化升级，比如在财务处理场景，AI能够自动处理海量的、非结构化的财务数据，如发票识别、银行流水核对等；在税务场景中，AI可以自动生成申报表、辅助数据校验和合规性检查，有效降低错误风险并提升申报效率。
在消费领域，人工智能正通过提供更个性化和高效的互动，提升用户的消费体验，更好满足消费需求。比如电商平台中基于AI的个性化推荐系统，通过分析用户的浏览和购买行为，能更精准地推送用户可能感兴趣的商品，从而提升购物体验和转化率。在智能客服场景中，大模型客服摆脱了传统机器人依赖关键词的呆板模式，能够以更强的知识理解能力和拟人化沟通，提供更为精准高效的应答，在提升服务效率与用户满意度的同时，有效促进销售转化。此外，基于生成式AI的虚拟试衣、能够主动学习用户习惯的智能家居等新兴应用，也正在为消费者创造新的互动场景和消费业态，激发新的消费需求。
在民生福祉领域，人工智能的应用正致力于解决资源不均和效率不高的问题。比如在医疗方面，AI辅助诊断系统能够帮助医生分析CT等医学影像。在AI辅助下，病灶自动识别和定量标注等环节被大幅自动化，整个诊断流程用时可大幅缩短。AI作为辅助工具，在减轻医生超负荷工作和缓解医疗资源紧张方面正发挥着积极的作用。教育是民生的重要方面，也是与AI大模型技术特征高度契合的场景。大模型有潜力精准分析学生学情、动态推送个性化内容，实现大规模、低成本的“因材施教”。这有助于推动优质教育资源向落后地区普及，在提升整体效率的同时促进教育公平。
在社会治理领域，人工智能正在帮助提升城市管理和公共服务的运行效率。以目前兴建的“城市大脑”为例，通过整合交通、安防、环保、政务等多维度数据，AI能够对城市运行态势进行全景洞察和智能调度。例如，通过实时分析车流数据动态优化信号灯配时，有效缓解交通拥堵；通过智能视频分析快速识别突发事件，提升应急响应速度…
最后，在全球合作中，AI也在发挥沟通桥梁和协作工具的作用。比如AI实时翻译正在打破语言壁垒，为跨国会议、文化交流提供便利。在应对气候变化等全球性挑战时，AI能够帮助科学家整合和分析来自全球的庞大数据集，建立更精准的预测模型，为制定全球性策略提供科学依据等等。
总体来看，“人工智能+”的蓝图已经有了广泛的实践基础。当前的AI应用虽然在应用的深度和广度上仍有很大发展空间，但已清晰地展示出其在提升生产力、改善民生等方面的巨大潜力。
人工智能的应用将是驱动“十五五”核心目标的关键引擎
如果说政策指明的重点领域是“人工智能+”行动的‘战术目标’，那么其背后还被赋予了更为系统和根本的‘战略使命’——即作为核心引擎，为实现“十五五”规划提出的宏大目标提供根本性驱动力。因此，理解“人工智能+”的战略意义，需要将视角从具体行业的赋能实践，进一步扩展到其在国家发展宏观层面所扮演的关键角色。
规划建议将高质量发展作为首要目标，并指明其核心路径是提升全要素生产率。而“发展新质生产力”与“构建以先进制造业为骨干的现代化产业体系”，是实现这一路径的两大核心战略举措。在此宏观布局下，“人工智能+”扮演的，正是驱动这两大举措、最终实现全要素生产率提升的核心引擎。人工智能之所以能成为核心引擎，关键在于它从根本上重塑了生产要素的价值与配置。
首先，人工智能的应用正在推动数据转化为能够创造价值的新型生产要素，以此催生新质生产力。新质生产力的核心特征之一，就是生产要素的创新性配置。在传统经济中，数据多是生产经营的结果记录，而在“人工智能+”时代，数据被转化为可洞察的规律、可预测的趋势、可创造价值的核心生产要素。这不仅是增加了一种新要素，更是通过它来赋能和重塑劳动力、资本等传统要素，实现整体生产效率的增长。
其次，人工智能以“数智化”为手段，为构建现代化产业体系提供骨架与神经网络。一个现代化产业体系不仅要求单个企业的高效率，更强调产业链上下游的高效协同。人工智能正是实现这种系统性优化的关键引擎，通过将“智能”注入从研发、生产、供应到销售服务的整个链条，可以打通信息孤岛，优化全局资源配置。
无论是催生新质生产力，还是构建现代化产业体系，其背后都贯穿着一条共同的主线：通过与AI的深入融合，实现资源配置效率的根本性提升，这正是提升全要素生产率的关键。
除此之外，“人工智能+”的战略意义，更深层次地体现在国家科技主权的层面。“十五五”规划明确提出要“实现科技自立自强”、“抢占科技发展制高点”。而人工智能正是当前全球科技竞争的核心战场，主要经济体都在加紧布局。大力推进“人工智能+”，正是要通过我国海量的应用场景和产业优势，加速技术迭代与产业化落地，构建自主可控的人工智能技术体系和产业生态，从而在全球竞争格局中掌握主动权。
人工智能+的落地挑战
不过，根据我们在GBAI对各行业人工智能应用落地的跟踪和研究，虽然人工智能在各大重点领域的应用已展现出初步成效和广阔前景，但要将这些应用从“点”的突破扩展为“面”的普及，实现全方位赋能千行百业，仍然需要克服一系列现实的挑战。
首先，数据层面的制约依然突出。数据是训练AI模型的燃料，但高质量数据的获取和使用却困难重重。“数据孤岛”现象普遍存在，大量数据分散在不同部门、行业和企业中，难以互联互通，导致AI模型训练缺乏足够丰富和高质量的养料。我们的研究发现，这一问题在医疗（如医院间患者数据难以共享）、工业（如上下游企业间生产数据难以共享）等领域普遍存在。其次，数据的质量和标注成本也影响模型发展，但原始数据常常包含噪声和错误，而获取高质量标注数据又耗时耗力，成本巨大。此外，数据安全与个人隐私保护的法律法规要求日益严格，也在一定程度上限制了数据的可用性。
数据问题的解决需要技术手段，然而，数据问题远非纯技术问题，更涉及组织协调、利益分配与制度设计。建立有效的协调机制打破“数据孤岛”，逻辑上存在市场化和自上而下的制度设计两种路径，在这一点上，中国在后者（如通过顶层设计推动区域医疗数据中心建设）可能具备独特优势。
除数据之外，模型和算法成熟度也有待提升。尽管当前的大型语言模型展现了强大的生成能力，但在长期记忆、复杂逻辑推理等方面仍存在不足。如果将大模型比作AI的“大脑”，那么Agent（智能体）则是承载和执行大脑意图的“身体”，目前，Agent实现自主理解复杂目标、规划分解步骤、调用外部工具并稳定执行的能力普遍不够成熟。这导致AI在很多场景下还停留在辅助工具的角色，无法作为独立的执行者深度融入核心业务流程。
此外，从产业基础和国际竞争的视角来看，算力的挑战也十分严峻。AI的发展建立在海量算力之上，而算力的核心是高性能芯片。在当前复杂的国际环境下，中国正面临着高端芯片断供、技术封锁等现实困境。这使得我们在算力供给的总量与尖端水平上，与世界领先者存在客观差距，难以进行同等规模的算力“军备竞赛”。因此，对于中国而言，探索一条更加集约、高效的算力发展路径至关重要。
总的来说，推动“人工智能+”是一项系统工程。有了顶层设计的战略牵引，还必须正视并切实地解决数据、算法、制度设计等一系列具体问题。只有这样，人工智能才能真正全方位赋能经济社会的转型升级。
|
|