以“人工智能+”行动促进产业高质量发展

人工智能（Artificial Intelligence，AI）作为新一轮科技革命和产业变革的核心驱动力，正在深刻改变人类的生产生活方式和社会发展进程。2024年全国两会政府工作报告中首次提出的“人工智能+”行动，标志着我国正式将人工智能上升为国家战略层面的重点发展方向。这一决策具有深远的战略意义，既是推动经济高质量发展的关键抓手，也是提升综合国力和国际竞争力的重要举措。

“人工智能+”的内涵、特征及其赋能机制

“人工智能+”是一个新兴概念，核心思想是将人工智能技术与经济社会各领域深度融合，推动传统行业转型升级和新兴产业培育发展。与传统的“互联网+”类似，“人工智能+”强调的是技术赋能和跨界融合，但其内涵和外延更为丰富和广泛。“人工智能+”不仅仅是简单的技术叠加，而是通过人工智能算法、大数据分析、云计算等技术手段，重构传统行业的业务流程、管理模式和服务模式。其本质是利用人工智能技术解决实际问题、创造价值，具有三个突出特征：一是技术驱动，以人工智能为核心技术支撑；二是跨界融合，能够打破行业界限，实现跨领域协同创新；三是价值创造，通过技术赋能提升效率、降低成本、创造新价值。

人工智能通过促进产业结构优化升级、激发新兴产业和业态的培育、提升资源配置效率、推动科技创新与产业创新深度融合，以及促进绿色低碳转型等机制，赋能产业高质量发展。

一是促进产业结构优化升级。人工智能通过提升生产效率和产品质量，推动产业结构优化升级。例如，人工智能在制造业中的应用，能够实现生产过程的智能化和自动化，提高生产效率，降低生产成本，提升产品质量，推动制造业向高端化、智能化、绿色化方向发展。

二是激发新兴产业和业态的培育。人工智能作为前沿技术，能够催生新兴产业和业态，拓展经济增长点。例如，人工智能在医疗、金融、教育等领域的应用，催生了智能医疗、金融科技、在线教育等新兴产业，推动经济结构多元化发展。

三是提升资源配置效率。人工智能通过大数据分析和智能决策，优化资源配置，提高生产要素的利用效率。例如，人工智能在物流行业的应用，能够实现智能调度和路径优化，降低运输成本，提高物流效率，促进供应链的高效运作。

四是推动科技创新与产业创新深度融合。人工智能促进科技创新与产业创新的深度融合，推动技术成果转化为实际生产力。例如，人工智能在农业领域的应用，能够实现精准农业，提高农作物产量和质量，推动农业现代化发展。

五是促进绿色低碳转型。人工智能在能源、交通等领域的应用，能够优化能源利用，降低碳排放，促进绿色低碳转型。例如，人工智能在智能电网中的应用，能够实现能源的智能调度和优化，推动能源结构转型。

我国人工智能发展现状及面临的挑战

经过近年来的快速发展，我国在人工智能领域取得了显著成就，主要表现在：

一是产业规模不断发展壮大。截至2024年12月底，相关企业超过4500家，核心产业规模已接近6000亿元人民币，产业链覆盖芯片、算法、数据、平台、应用等上下游关键环节。

二是技术创新能力显著增强。尤其在计算机视觉、自然语言处理等领域，我国已达到世界先进水平。例如，在全球计算机视觉竞赛ImageNet中，我国的研究机构多次获得冠军。我国的人工智能芯片企业寒武纪科技已经推出多款高性能AI处理器，并在国内外市场上获得广泛应用。

三是产业化应用广泛。我国在人工智能的产业化应用方面处于全球领先地位。人工智能技术已在制造、医疗、金融等多个领域得到广泛应用。在智能音箱市场中，我国成为全球最大的市场，市场份额已经超过50%。

四是新业态不断涌现。人工智能催生了大量新业态、新模式，如智能驾驶、智慧城市、智慧医疗等，为经济增长注入新的动力。我国的智能驾驶技术已经进入商业化应用阶段，已有数十个城市开放了自动驾驶测试道路。这些创新应用不仅推动了技术进步，也创造了大量新的就业机会。人工智能辅助诊断系统已经在多家医院投入使用，在北京协和医院，人工智能辅助诊断系统已经被用于肺癌筛查，准确率超过95%。根据《中国人工智能医疗产业发展报告》，预计到2025年，人工智能医疗市场规模将超过4500亿元人民币。

同时，也应注意到，我国人工智能发展在促进产业高质量发展方面面临诸多挑战。

一是技术与研发层面。在硬件端，我国高端人工智能芯片仍严重依赖进口；在软件端，核心算法和基础研究方面与国际先进水平仍存在差距。此外，研发成果与市场需求存在脱节，据统计，约有60%的人工智能研发成果难以实现商业化应用，导致应用场景局限于试点多、规模小。

二是数据治理与隐私安全保护方面。一方面，安全性、数据管理、算法透明度等方面的标准尚未形成全国统一规范。人工智能依赖大数据驱动，但当前各部门、各企业间数据采集、存储和管理存在“孤岛”现象，严重制约了算法训练和模型优化。另一方面，数据安全问题成为制约人工智能产业扩展的重要隐患。例如，在某些智能医疗应用中，患者数据的安全性受到了威胁。国际商用公司安全部门发布的《2024年数据泄露成本报告》显示，目前数据泄露平均成本上升至488万美元。

三是算力资源与硬件设施方面。硬件设施不足，高性能计算资源的短缺，限制了大规模人工智能模型的训练和应用。

四是人才方面。高水平人工智能研发人才和应用型人才仍然不足。截至2024年12月，我国生成式人工智能产品的用户规模达2.49亿人，预计2030年我国人工智能人才缺口超过400万人。

五是区域、行业的不均衡有加大趋势。大部分人工智能资源集中在北上广深，中西部发展滞后。人工智能企业数量东部占比80%以上，而西部不足10%；部分传统制造领域的人工智能应用尚处于初级阶段，存在“落地难”的问题。

促进人工智能与产业发展深度融合的路径

“人工智能+”行动是我国在第四次工业革命中抢占先机的重要举措。通过推动人工智能与产业的深度融合，我国不仅能够实现经济的高质量发展，还能在全球科技竞争中占据有利地位。然而，这一目标的实现并非一蹴而就，需要政府、企业、科研机构等协同发力。

构建全方位政策支撑体系。一是建立健全数据安全、隐私保护等方面的法律法规。在国家层面，依据《数据安全法》《个人信息保护法》建立三级法律体系，建议尽快出台“人工智能发展促进法”，增设“算法审计”与“数据主权”专章。在行业层面，尽快制定自动驾驶等领域专用标准。推进伦理治理，在深圳、上海等先行示范区试点建立人工智能伦理审查委员会。二是积极参与国际标准制定，提升我国在人工智能领域的影响力。例如，组建国际人工智能标准工作组，在人工智能伦理标准方面提出中国方案。

夯实核心技术创新基座。一是突破关键技术。加大对芯片设计、基础算法等核心技术的研发投入力度。实施“强芯计划2.0”，重点突破存算一体芯片（如天数智芯BI-V100）、光子计算芯片等，在成都、武汉建设国产EDA工具研发基地。二是加快算力网络建设。构建“国家超算中心（10E级）+区域智算中心（100P级）+边缘计算节点”三级算力网络，重点支撑大模型训练。区域智算中心按“东数西训”布局。三是培育开源创新生态。支持开源社区建设，促进技术共享和协作创新。例如，在深度学习框架领域，设立“开源贡献指数”，对贡献500万+行代码的企业给予一定比例的研发费用加计扣除。

推动人工智能技术示范应用。一是开展试点示范。选择重点行业和领域开展人工智能应用试点，形成可复制的经验。例如，建立制造业智能化改造分级标准，在长三角、珠三角遴选500家“灯塔工厂”。构建“产业大脑+未来工厂”新范式，发展苏州工业AI检测等特色应用场景集群。设立国家级人工智能创新应用先导区。二是构建普惠性技术应用支持体系。开发“AI适配度诊断平台”，为中小企业提供免费技术匹配服务。通过提供技术支持、资金补贴等方式，帮助中小企业实现智能化转型。

构建梯队式人才培养体系。一是优化高等教育供给结构。在高校设立“人工智能+X”专业，培养复合型人才。例如，在计算机科学专业中增加人工智能课程比重；试点清华“姚班”培养模式，建立本—硕—博贯通培养机制。二是实施数字工匠培育计划。针对在职人员开展人工智能技能培训，提升其适应新技术的能力。例如，在先进制造业集群建立人工智能培训基地，开展“名师带徒+项目实训”。建立技能等级与薪酬挂钩机制，对获证人员给予奖励。

打造开放协同创新网络。一是构建研发共同体。加强与国际顶尖科研机构和企业的合作，引进先进技术和管理经验。例如，积极参与全球人工智能研究网络（如欧盟“AI全球伙伴关系”计划），共建联合实验室。在粤港澳大湾区设立国际人工智能交易所，实现算法模型、数据资源的跨境挂牌交易。二是推进规则对接互认，促进全球产业链协同。例如，在人工智能芯片标准方面推动国际互认。在上海自贸试验区开展“沙盒监管”试点，实现与新加坡等地的测试结果互认。建立跨境数据流动“分类分级管理”制度，在符合条件的地区试点可信数据空间。

李鹏 | 中国社会科学院工业经济研究所副编审，经济学博士；研究方向： 产业经济、能源环境经济。

李鹏.以“人工智能+”行动促进产业高质量发展[J].中国石化，2025，（03）:13-16.