2024年是實現“十四五”規劃目標任務的關鍵一年，當前我國工業和信息化發展中的熱點、難點有哪些？今后一個時期的發展目標是怎樣的？近日，賽迪研究院重磅推出集體研究成果《“十五五”前期研究成果匯編》，力爭為工業和信息化部和各地工業和信息化主管部門科學制定“十五五”規劃提供支撐，為企業把握行業發展大勢做好服務。

《“十五五”前期研究成果匯編》分為上下兩篇，上篇為綜合篇，分別從制造業、數字化轉型、產業科技創新、中小企業、工業綠色發展、數字經濟、網絡安全、數據治理、國際合作等9個角度進行了分析；下篇為行業篇，選取了高端裝備制造業、氫能、安全應急裝備、原材料、新材料、生物制造、新型儲能、歷史經典、醫藥工業、電子信息、先進計算、量子、集成電路、光伏、顯示、軟件、未來產業、低空經濟、人工智能等19個行業進行分析。

工業互聯網世界編輯部將遴選《“十五五”前期研究成果匯編》系列中部分內容，以饗讀者。本期發布《“十五五”時期我國人工智能產業發展形勢研判及思路建議》。

文 |賽迪智庫未來產業研究中心

人工智能產業是新一代信息技術產業的創新前沿，是推動未來產業發展的核心動能，是打造新質生產力的關鍵。在云計算、大數據、深度學習等關鍵技術的持續創新與深度應用的推動下，人工智能迎來前所未有的發展機遇，已步入以大模型為代表的通用人工智能發展階段，我國人工智能產業亦在國際化的競爭舞臺上行穩致遠。立足于“十五五”這一新的歷史坐標，我們必須精準把握國內外發展大勢，緊緊抓住通用人工智能發展的關鍵“窗口期”，發揮既有優勢，補齊短板不足，不斷推進人工智能產業的高質量發展，以確保在全球競爭中占據核心競爭優勢。

一、“十五五”時期人工智能產業發展面臨新形勢

（一）產業規模快速增長

近年來，我國人工智能產業規模呈爆炸式增長，成為推動經濟高質量發展的新引擎。央視財經數據顯示，我國人工智能核心產業規模已超過5000億元。沙利文咨詢預測，2024年我國人工智能市場規模將突破7993億元。從細分領域來看，人工智能大模型正處于井噴式發展高峰期，是推動產業快速增長的核心力量。2023年，我國人工智能大模型市場規模達21億美元，同比增長110%，占全球市場規模的10%。據鈦媒體國際智庫報告預測，2024年我國大模型市場規模將達216億元，持續保持兩位數以上增速。當前，全國各地密集出臺政策推動人工智能產業發展，如北京市印發《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025年）》，提出到2025年人工智能核心產業規模達到3000億元的目標。頭部企業加速人工智能領域布局，天眼查數據顯示，越來越多的企業爭先搶占人工智能賽道，百度、騰訊、華為等大廠在人工智能算法和模型、數據處理能力和計算資源等方面發展迅速。未來，隨著政策紅利的持續釋放、核心技術的日益成熟、應用場景的不斷拓寬，我國人工智能產業將持續增長，在全球范圍內扮演更加重要的角色，為推動全球科技進步和經濟發展作出更大貢獻。

（二）技術變革推動發展

當前，人工智能技術正處于飛速發展階段，未來，以算力、算據、算法三大基礎要素的精巧配合和相互促進為本質的技術變革，將推動人工智能產業向縱深發展。一是多模態模型或將成為人工智能產業標配。微軟的研究員撰寫的綜述預測，多模態基礎模型將從專用走向通用，未來將有更多的研究關注如何利用大模型處理多模態任務。目前國內超80個大模型多僅支持文本輸入輸出這一單一模態，與人類利用視覺嗅覺聽覺等多感官獲取信息、通過語言表情動作等多方式表達信息相比具有明顯不足。未來隨著技術的日臻成熟，大模型創新將從支持單模態單任務逐漸發展為將文本、圖像、音視頻等集于一體的多模態多任務，競爭重點將從參數量的提升轉向多模態信息整合和深度挖掘能力的提升。二是數據智能有望迎來跨越式發展。當前，作為大模型訓練“原料”的數據，尤其是高質量數據面臨短缺，據Epoch AI Research研究團隊稱，高質量語言數據將在2026年耗盡。若失去新增數據源，同時數據利用效率又未能顯著提升，未來人工智能大模型的發展速度將明顯放緩。因此，大模型領域不斷迸發的數據需求，將倒逼數據在大規模、多模態、高質量三維度上全面提升，數據智能技術將飛速發展。三是傳統計算范式變革成為必然趨勢。算力作為“燃料”是支撐人工智能模型不斷進化的關鍵，OpenAI數據顯示，訓練GPT-3 175B模型需要的算力高達3640PF-days（以1PetaFLOP/s的效率要跑3640天）。未來，傳統計算范式將無法滿足人工智能算力需求的指數級增長，智能算力無處不在的計算新范式加速實現。

（三）具身智能引發關注

具身智能（Embodied Intelligence）是一種智能系統的設計理念，其目標是通過將感知、決策和行動融合在一起，使機器能夠像人類一樣具備身體和運動能力。具身智能的核心理念是利用機器的身體結構和動作能力來增強其智能表現和解決復雜任務的能力。傳統的人工智能系統主要關注于數據處理和算法的優化，而具身智能則更加注重機器與環境的互動和交流。

目前，具身智能已經成為國際學術前沿研究方向，包括美國國家科學基金會在內的機構都在推動具身智能的發展。谷歌公司的Everyday Robot已經能夠將機器人和對話模型結合到一起，形成一個更大的閉環。UC伯克利的LM Nav用三個大模型（視覺導航模型ViNG、大型語言模型GPT-3、視覺語言模型CLIP）教會了機器人在不看地圖的情況下按照語言指令到達目的地。基于形態的具身智能研究，例如機器人關節控制，使機器人完全依靠自身形態即可實現對整體行為的控制。未來，具身智能有望在機器人、自動駕駛、智能家居等領域實現重大突破和廣泛應用。

（四）應用滲透千行百業

當前，以大模型為代表的人工智能技術賦能千行百業，成為驅動產業轉型升級“第二增長曲線”的新支點。我國人工智能已在眾多行業落地應用，賦能效果明顯。例如：汽車行業成為大模型技術最大的交互應用場景。各大車企加快人工智能技術在智能座艙、智能駕駛、智能制造等方面的落地應用，為汽車行業帶來深刻變革。如人工智能大模型可以輔助自動駕駛算法的訓練和優化，亦可以作為“控制者”直接駕駛車輛。生物醫藥領域應用大模型大幅提升研發效率。藥物設計和病情發現是生物醫藥領域的重要環節，傳統手段耗時長、成本高，大模型技術在生物制造領域應用可提高藥物研發效率和成功率，助力發現新療法。人工智能顯著提升集成電路設計制造領域生產力。芯片設計制造具有極高的專業性和復雜性，人工智能驅動的集成電路設計制造技術由大模型自動為工程師提供技術洞察，改進未來芯片設計生產方式，減輕工程師負擔，縮短芯片研發周期，促進芯片領域生產力提升。盡管如此，我國人工智能多數應用仍處于“小規模試點”階段，相距發達國家仍有不小差距，未來，隨著人工智能技術的不斷成熟，落地應用將向“深水區”持續邁進，發展空間廣闊。

（五）安全監管趨緊趨嚴

如何確保人工智能“自我進化”的有益無害，一直是人工智能產業發展面臨的重大難題。技術安全方面，人工智能技術的復雜性和不透明性造成“黑箱”困擾。人工智能設計者利用不同來源的數據進行訓練建模，隨著算力水平的提升，用于訓練的數據量呈指數級增長，人工智能自我學習更新的速度也越來越快，但其結果“不可解釋”，人工智能設計者難以把控其“自我進化”方向。應用安全方面，“真假難辨”“技術換人”的風險持續增加。生成式人工智能的生成結果已可“以假亂真”，真假難辨對個人安全乃至國家安全都帶來較大風險，此外，隨著人工智能技術的普及和發展，失業人群數量增加，未來人工智能更將在多個領域趕超人類，引發更多社會問題。數據安全方面，數據泄露等安全問題的解決更加趨難。隨著生成式人工智能技術向多模態發展，其文件格式更加豐富，未來數據泄漏問題將難以通過傳統的數據防泄漏方法解決。當前，世界各國呈現出政策法規先行、安全監管趨嚴等特征，如2023年3月，意大利數據保護局以違反《通用數據保護條例》為由暫時禁用ChatGPT，并在此后提出系列整改要求。未來，隨著人工智能的快速發展，與之配套的政策法規也將更加完善，安全監管將更加嚴格，治理力度將持續加大。

二、“十五五”時期人工智能產業發展思路和目標

（一）頂層謀劃引領方向，構筑政策支持體系

做好頂層設計，制定國家層面的人工智能發展戰略，科學謀劃、統籌布局，構建多層次、多維度的政策支持體系。加強央地聯動，暢通跨部門、跨行業、跨區域協作，推動政產學研用金各方主體精準發力，面向工業細分領域、不同發展階段企業、不同產業鏈環節，為人工智能產業發展營造良好的制度環境和政策環境。加強政策的普惠性、包容性、協調性和延續性，完善應用策略和推進路線，遵循先易后難、先簡單后復雜的原則，明確在不同行業部署的優先級和應用重點，加快構建人工智能應用的試錯機制，使技術在應用中不斷迭代發展。

（二）政府引導企業主導，加強產學研用協同

堅持有效市場和有為政府相結合，充分發揮市場對資源配置的決定性作用，更好發揮政府行業指導、市場監管、安全治理作用，推動人工智能加快融入各行各業，全面賦能傳統產業轉型升級，提升經濟社會智能化水平。政府引導錯位競爭，強化區域競合。加強對全產業鏈技術、市場等的理解，共同推動人工智能關鍵核心技術突破，積極開展人工智能通用技術聯合攻關。積極推動企業發揮核心作用，通過深化產學研用合作模式，激發企業在人工智能領域的創新活力。鼓勵企業在技術研發上持續加大投入，先行探索人工智能產品創新和實際應用場景，引領行業發展，推動人工智能技術在多個領域的廣泛應用，實現技術突破與產業升級的雙贏局面。

（三）優化創新發展要素，夯實產業生態基礎

走求實扎實的創新路子，加強科技創新與產業創新的緊密對接，通過政策引導和激勵機制，促進科研成果向實際生產力的轉化，實現技術、產品、應用的系統化和迭代創新，提升產業核心競爭力，推動產業鏈升級和優化。深入推進人工智能賦能新型工業化，貫徹實施“人工智能+”行動計劃，將人工智能技術與制造業深度融合，推動智能制造、智能服務等新型產業模式的發展。鼓勵企業開放其典型應用場景，作為技術創新和驗證的試驗場，以此吸引和匯聚人才、技術、數據、算力等關鍵資源要素，構建供需互動、相互促進的創新生態系統。鼓勵跨學科交叉融合，推動人工智能與其他前沿科技領域的協同發展，通過跨界合作，打破傳統學科界限，激發新的創新思維和解決方案，不斷拓展人工智能技術的創新邊界和應用領域。

（四）健全監管治理體系，促進產業安全發展

探索營造穩定包容的發展環境，建立健全公開透明的人工智能監管體系，有效應對新興技術帶來的挑戰。通過前瞻性研判，主動識別防范潛在風險，確保人工智能技術安全、可靠、可控應用。進一步完善數據保護、隱私安全、知識產權等人工智能領域相關法律法規框架，明確責任歸屬、行為規范和違規處罰。堅持開放合作原則，積極參與國際人工智能治理，通過與國際社會廣泛交流合作，共同制定國際標準和規則，促進全球人工智能的健康發展。加強技術資源開放共享，加速技術創新，促進全球資源優化配置，提升全行業競爭力。

（五）以技術突破、產業升級與典型應用場景打造為三大著力點，加速產業創新發展

到2030年，突破一批人工智能關鍵核心技術，培育具有3-5家具有全球競爭力的人工智能企業和一批專精特新中小企業，挖掘一批特色應用場景，打造一批面向行業應用的人工智能典型產品，遴選一批安全穩定、可復制、可推廣的優質解決方案，培育壯大自主產業生態。人工智能技術方面。到2030年，人工智能基礎理論實現重大突破，人工智能芯片、深度學習框架、算法等關鍵技術達到國際先進水平，人工智能產業進入全球價值鏈高端。人工智能大模型產品方面。人工智能成為新型工業化發展的重要驅動力，賦能廣度深度不斷拓展提升，形成2-3個高水平通用大模型和若干工業細分領域行業大模型。典型場景應用方面。打造一批示范性強、影響力大、帶動性廣的典型應用案例，有效推動產業高端化、智能化、綠色化發展，促進制造業整體水平大幅提升，創新能力顯著增強，全面支撐制造強國建設。

三、“十五五”時期人工智能產業發展需要解決的關鍵問題

（一）高端人才相對稀缺，關鍵核心技術有待突破

人才方面，仍需加大力度優化人才供給結構。根據脈脈高聘人才智庫發布《2023泛人工智能人才洞察》，人工智能人才供不應求情況進一步加劇，2022年人工智能行業人才供需比為0.63,2023年1-8月下降至0.39。斯坦福大學《人工智能指數2023》指出，中國人工智能高端學者數量排名全球第二，但僅與谷歌公司一家數量接近，總量上只有美國的五分之一。關鍵核心技術方面，我國人工智能重應用輕基礎。我國雖然在語音、視覺和自然語言處理等應用算法開發上屢獲佳績，但在數據標準、模型原創、基礎理論開發或技術優化等方面仍落后于國際領先水平，長期以來存在的研究依賴慣性導致中國在基礎研究領域投入力量較為薄弱。

夯實基礎領域人才培育，推進人工智能原始創新。人才培育方面，從人工智能專業相關的基礎領域出發，加強數學、物理、電子信息、腦神經學科等前沿基礎學科建設，積極培育前沿領域交叉復合型人才。對基礎算法、開源框架、芯片等短板領域的要進一步加大人才交流和引進通道，鼓勵高校和科研機構增加赴外交流合作、高校和企業之間建立人才雙向流通通道，暢通產學研用人才鏈。國際項目合作，技術咨詢平臺等多種合作手段多措并舉，創新人才引培模式。原始創新方面，加快關鍵技術突破，充分發揮高校和科研院所創新能力，開展深度學習、機器視覺、智能決策、人機交互、大模型等領域前沿理論研究。鼓勵高校、人工智能企業、工業制造企業等成立專注工業人工智能的創新聯合體，推動核心技術研發，提高符合產業特點的技術產品供給。

（二）算力需求大、成本投入高，行業進入門檻較高

人工智能模型變“大”需要攻克算力挑戰與理論限制，讓人工智能模型變得更大并非單純增加神經網絡深度、堆疊人工神經元就可以實現。以CNN、RNN等人工神經元為基礎的模型需要采用串行結構，模型訓練過程需要順序執行，無法充分利用所有計算資源。隨著模型參數量提升，訓練時間呈指數型增長。同時，模型參數量的增加會導致模型的過擬合風險上升，訓練過程需要更多的數據和計算資源，優化也變得更加困難。人工智能大模型的訓練成本包括GPU等算力芯片成本、服務器成本、標準機柜成本、訓練時長內的電力消耗費用、人力投入費用等多方面。根據市場調研機構TtrendForce數據，ChatGPT每日處理1300萬獨立訪問量，需要3萬+片NVIDIA A100 GPU以龐大的計算和存儲資源支持，初期投入高達8億美元，1750億參數的GPT-3的總訓練成本高達1200萬美元。

降低算力使用門檻，優化算力體系建設。一是強化分布式計算、量化、顯存優化、算子融合等關鍵核心技術攻關與落地應用，降低大模型推理的時延，提高吞吐量，減少對算力的需求。二是推進高性能算力供給。適度超前布局算力、網絡等支撐人工智能發展的數字基礎設施，加快實施“東數西算”工程，形成全國算力一張網，搭建算力共享服務平臺，解決企業算力應用瓶頸。三是發布算力券實施方案支持人工智能大模型應用落地。為企業提供算力券補貼支持，努力幫助企業降低智能算力使用成本，全力支持制造業等重點領域企業開展人工智能行業大模型應用探索和落地實踐。四是建議分步驟推進智能算力中心建設，先追求算力的普惠化，降低成本和提高利用率，再逐步擴容。

（三）人工智能重點行業應用不足，行業合作生態亟待建立

一方面，盡管人工智能技術的發展勢頭強勁，但對我國大多數傳統行業的應用還處于小規模試點，與歐美等發達國家相比，尚存在較大的差距。根據凱捷公司的統計數據顯示，歐洲頂級制造業企業中，人工智能的應用普及率已經超過了51%，美國也達到了28%，而我國頂級制造業企業的人工智能應用普及率僅為11%。這一數據不僅揭示了我國在人工智能應用方面的不足，也反映出巨大的發展潛力和提升空間。另一方面，在重點應用領域，尤其是工業制造行業，大模型技術的應用案例尚顯不足。目前，工業領域對大模型的探索性應用主要集中在設計輔助、質量預測、設備維護等方面。這些應用雖然在一定程度上提高了生產效率和產品質量，但距離廣泛應用和形成可復制、可推廣的工業大模型還有一定距離。

加快賦能千行百業，打造行業合作生態。一是引導人工智能企業與行業領軍企業開展定向合作。基于行業企業提供真實業務場景、數據以及行業真實需求，開發核心算法和預訓練模型，共同研發落地應用大模型。二是打造人工智能企業與行業企業的對接平臺。搭建人工智能企業與制造業、醫療、農業等行業企業的對接平臺，幫助雙方實現技術、模型、數據、場景等資源對接，孵化行業領域應用模式。三是依托工業互聯網平臺，打造人工智能企業與行業企業的大模型合作生態。通過工業互聯網平臺實現兩者的快速對接，提供保障算法、模型、數據安全的人工智能要素線上交易服務，面向不同行業建立標準化的大模型開發環境，幫助企業快速研發和驗證場景化解決方案。

（四）適度監管與促進發展并重，監管手段創新勢在必行

人工智能產業當前處于快速成長期，其技術演變和經濟社會影響具有很多的不確定性。一方面，人工智能具有強大的創新力，有望發展成為新的經濟增長引擎，極大改善社會福祉。另一方面，人工智能帶來的倫理與安全、負外部性等問題也頻頻引發社會關注。如果政策過嚴、管制過多，將在一定程度上阻礙我國人工智能產業發展進程，可能拉大我國與發達國家的差距，導致我國陷入被動和落后的局面；如果政策過松、監管滯后，也可能導致人工智能“負作用”在經濟社會各領域持續擴散。因此，以何種力度、何種方式、在何種時機對人工智能進行合理規制，是監管部門需要重點解決的難題。

推動監管手段創新，提升應對挑戰能力。一是明確技術研發“禁區”，禁止危害社會運轉和公眾生活安全的技術研發方向，禁止技術研發用于違法犯罪。二是不斷完善各類監管標準規范，包括數據使用監管、算法使用監管等，充分推動相關法律法規完善治理機制，引導人工智能產業健康可持續性發展。三是鼓勵可信技術用于倫理監管領域，推動監管手段創新也受益于技術創新。最后，創新試點示范和沙盒監管等新監管方式，對部分前沿引領性技術允許小規范、小范圍的先行先試，及時令行禁止，采取先驗證后推廣，邊試邊用的模式，逐步同步監管手段與技術創新。

審核編輯 黃宇