我国人工智能产业发展形势研判及思路建议

2024年是实现“十四五”规划目标任务的关键一年，当前我国工业和信息化发展中的热点、难点有哪些？今后一个时期的发展目标是怎样的？近日，赛迪研究院重磅推出集体研究成果《“十五五”前期研究成果汇编》，力争为工业和信息化部和各地工业和信息化主管部门科学制定“十五五”规划提供支撑，为企业把握行业发展大势做好服务。

《“十五五”前期研究成果汇编》分为上下两篇，上篇为综合篇，分别从制造业、数字化转型、产业科技创新、中小企业、工业绿色发展、数字经济、网络安全、数据治理、国际合作等9个角度进行了分析；下篇为行业篇，选取了高端装备制造业、氢能、安全应急装备、原材料、新材料、生物制造、新型储能、历史经典、医药工业、电子信息、先进计算、量子、集成电路、光伏、显示、软件、未来产业、低空经济、人工智能等19个行业进行分析。

工业互联网世界编辑部将遴选《“十五五”前期研究成果汇编》系列中部分内容，以飨读者。本期发布《“十五五”时期我国人工智能产业发展形势研判及思路建议》。

文 |赛迪智库未来产业研究中心

人工智能产业是新一代信息技术产业的创新前沿，是推动未来产业发展的核心动能，是打造新质生产力的关键。在云计算、大数据、深度学习等关键技术的持续创新与深度应用的推动下，人工智能迎来前所未有的发展机遇，已步入以大模型为代表的通用人工智能发展阶段，我国人工智能产业亦在国际化的竞争舞台上行稳致远。立足于“十五五”这一新的历史坐标，我们必须精准把握国内外发展大势，紧紧抓住通用人工智能发展的关键“窗口期”，发挥既有优势，补齐短板不足，不断推进人工智能产业的高质量发展，以确保在全球竞争中占据核心竞争优势。

一、“十五五”时期人工智能产业发展面临新形势

（一）产业规模快速增长

近年来，我国人工智能产业规模呈爆炸式增长，成为推动经济高质量发展的新引擎。央视财经数据显示，我国人工智能核心产业规模已超过5000亿元。沙利文咨询预测，2024年我国人工智能市场规模将突破7993亿元。从细分领域来看，人工智能大模型正处于井喷式发展高峰期，是推动产业快速增长的核心力量。2023年，我国人工智能大模型市场规模达21亿美元，同比增长110%，占全球市场规模的10%。据钛媒体国际智库报告预测，2024年我国大模型市场规模将达216亿元，持续保持两位数以上增速。当前，全国各地密集出台政策推动人工智能产业发展，如北京市印发《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023-2025年）》，提出到2025年人工智能核心产业规模达到3000亿元的目标。头部企业加速人工智能领域布局，天眼查数据显示，越来越多的企业争先抢占人工智能赛道，百度、腾讯、华为等大厂在人工智能算法和模型、数据处理能力和计算资源等方面发展迅速。未来，随着政策红利的持续释放、核心技术的日益成熟、应用场景的不断拓宽，我国人工智能产业将持续增长，在全球范围内扮演更加重要的角色，为推动全球科技进步和经济发展作出更大贡献。

（二）技术变革推动发展

当前，人工智能技术正处于飞速发展阶段，未来，以算力、算据、算法三大基础要素的精巧配合和相互促进为本质的技术变革，将推动人工智能产业向纵深发展。一是多模态模型或将成为人工智能产业标配。微软的研究员撰写的综述预测，多模态基础模型将从专用走向通用，未来将有更多的研究关注如何利用大模型处理多模态任务。目前国内超80个大模型多仅支持文本输入输出这一单一模态，与人类利用视觉嗅觉听觉等多感官获取信息、通过语言表情动作等多方式表达信息相比具有明显不足。未来随着技术的日臻成熟，大模型创新将从支持单模态单任务逐渐发展为将文本、图像、音视频等集于一体的多模态多任务，竞争重点将从参数量的提升转向多模态信息整合和深度挖掘能力的提升。二是数据智能有望迎来跨越式发展。当前，作为大模型训练“原料”的数据，尤其是高质量数据面临短缺，据Epoch AI Research研究团队称，高质量语言数据将在2026年耗尽。若失去新增数据源，同时数据利用效率又未能显著提升，未来人工智能大模型的发展速度将明显放缓。因此，大模型领域不断迸发的数据需求，将倒逼数据在大规模、多模态、高质量三维度上全面提升，数据智能技术将飞速发展。三是传统计算范式变革成为必然趋势。算力作为“燃料”是支撑人工智能模型不断进化的关键，OpenAI数据显示，训练GPT-3 175B模型需要的算力高达3640PF-days（以1PetaFLOP/s的效率要跑3640天）。未来，传统计算范式将无法满足人工智能算力需求的指数级增长，智能算力无处不在的计算新范式加速实现。

（三）具身智能引发关注

具身智能（Embodied Intelligence）是一种智能系统的设计理念，其目标是通过将感知、决策和行动融合在一起，使机器能够像人类一样具备身体和运动能力。具身智能的核心理念是利用机器的身体结构和动作能力来增强其智能表现和解决复杂任务的能力。传统的人工智能系统主要关注于数据处理和算法的优化，而具身智能则更加注重机器与环境的互动和交流。

目前，具身智能已经成为国际学术前沿研究方向，包括美国国家科学基金会在内的机构都在推动具身智能的发展。谷歌公司的Everyday Robot已经能够将机器人和对话模型结合到一起，形成一个更大的闭环。UC伯克利的LM Nav用三个大模型（视觉导航模型ViNG、大型语言模型GPT-3、视觉语言模型CLIP）教会了机器人在不看地图的情况下按照语言指令到达目的地。基于形态的具身智能研究，例如机器人关节控制，使机器人完全依靠自身形态即可实现对整体行为的控制。未来，具身智能有望在机器人、自动驾驶、智能家居等领域实现重大突破和广泛应用。

（四）应用渗透千行百业

当前，以大模型为代表的人工智能技术赋能千行百业，成为驱动产业转型升级“第二增长曲线”的新支点。我国人工智能已在众多行业落地应用，赋能效果明显。例如：汽车行业成为大模型技术最大的交互应用场景。各大车企加快人工智能技术在智能座舱、智能驾驶、智能制造等方面的落地应用，为汽车行业带来深刻变革。如人工智能大模型可以辅助自动驾驶算法的训练和优化，亦可以作为“控制者”直接驾驶车辆。生物医药领域应用大模型大幅提升研发效率。药物设计和病情发现是生物医药领域的重要环节，传统手段耗时长、成本高，大模型技术在生物制造领域应用可提高药物研发效率和成功率，助力发现新疗法。人工智能显著提升集成电路设计制造领域生产力。芯片设计制造具有极高的专业性和复杂性，人工智能驱动的集成电路设计制造技术由大模型自动为工程师提供技术洞察，改进未来芯片设计生产方式，减轻工程师负担，缩短芯片研发周期，促进芯片领域生产力提升。尽管如此，我国人工智能多数应用仍处于“小规模试点”阶段，相距发达国家仍有不小差距，未来，随着人工智能技术的不断成熟，落地应用将向“深水区”持续迈进，发展空间广阔。

（五）安全监管趋紧趋严

如何确保人工智能“自我进化”的有益无害，一直是人工智能产业发展面临的重大难题。技术安全方面，人工智能技术的复杂性和不透明性造成“黑箱”困扰。人工智能设计者利用不同来源的数据进行训练建模，随着算力水平的提升，用于训练的数据量呈指数级增长，人工智能自我学习更新的速度也越来越快，但其结果“不可解释”，人工智能设计者难以把控其“自我进化”方向。应用安全方面，“真假难辨”“技术换人”的风险持续增加。生成式人工智能的生成结果已可“以假乱真”，真假难辨对个人安全乃至国家安全都带来较大风险，此外，随着人工智能技术的普及和发展，失业人群数量增加，未来人工智能更将在多个领域赶超人类，引发更多社会问题。数据安全方面，数据泄露等安全问题的解决更加趋难。随着生成式人工智能技术向多模态发展，其文件格式更加丰富，未来数据泄漏问题将难以通过传统的数据防泄漏方法解决。当前，世界各国呈现出政策法规先行、安全监管趋严等特征，如2023年3月，意大利数据保护局以违反《通用数据保护条例》为由暂时禁用ChatGPT，并在此后提出系列整改要求。未来，随着人工智能的快速发展，与之配套的政策法规也将更加完善，安全监管将更加严格，治理力度将持续加大。

二、“十五五”时期人工智能产业发展思路和目标

（一）顶层谋划引领方向，构筑政策支持体系

做好顶层设计，制定国家层面的人工智能发展战略，科学谋划、统筹布局，构建多层次、多维度的政策支持体系。加强央地联动，畅通跨部门、跨行业、跨区域协作，推动政产学研用金各方主体精准发力，面向工业细分领域、不同发展阶段企业、不同产业链环节，为人工智能产业发展营造良好的制度环境和政策环境。加强政策的普惠性、包容性、协调性和延续性，完善应用策略和推进路线，遵循先易后难、先简单后复杂的原则，明确在不同行业部署的优先级和应用重点，加快构建人工智能应用的试错机制，使技术在应用中不断迭代发展。

（二）政府引导企业主导，加强产学研用协同

坚持有效市场和有为政府相结合，充分发挥市场对资源配置的决定性作用，更好发挥政府行业指导、市场监管、安全治理作用，推动人工智能加快融入各行各业，全面赋能传统产业转型升级，提升经济社会智能化水平。政府引导错位竞争，强化区域竞合。加强对全产业链技术、市场等的理解，共同推动人工智能关键核心技术突破，积极开展人工智能通用技术联合攻关。积极推动企业发挥核心作用，通过深化产学研用合作模式，激发企业在人工智能领域的创新活力。鼓励企业在技术研发上持续加大投入，先行探索人工智能产品创新和实际应用场景，引领行业发展，推动人工智能技术在多个领域的广泛应用，实现技术突破与产业升级的双赢局面。

（三）优化创新发展要素，夯实产业生态基础

走求实扎实的创新路子，加强科技创新与产业创新的紧密对接，通过政策引导和激励机制，促进科研成果向实际生产力的转化，实现技术、产品、应用的系统化和迭代创新，提升产业核心竞争力，推动产业链升级和优化。深入推进人工智能赋能新型工业化，贯彻实施“人工智能+”行动计划，将人工智能技术与制造业深度融合，推动智能制造、智能服务等新型产业模式的发展。鼓励企业开放其典型应用场景，作为技术创新和验证的试验场，以此吸引和汇聚人才、技术、数据、算力等关键资源要素，构建供需互动、相互促进的创新生态系统。鼓励跨学科交叉融合，推动人工智能与其他前沿科技领域的协同发展，通过跨界合作，打破传统学科界限，激发新的创新思维和解决方案，不断拓展人工智能技术的创新边界和应用领域。

（四）健全监管治理体系，促进产业安全发展

探索营造稳定包容的发展环境，建立健全公开透明的人工智能监管体系，有效应对新兴技术带来的挑战。通过前瞻性研判，主动识别防范潜在风险，确保人工智能技术安全、可靠、可控应用。进一步完善数据保护、隐私安全、知识产权等人工智能领域相关法律法规框架，明确责任归属、行为规范和违规处罚。坚持开放合作原则，积极参与国际人工智能治理，通过与国际社会广泛交流合作，共同制定国际标准和规则，促进全球人工智能的健康发展。加强技术资源开放共享，加速技术创新，促进全球资源优化配置，提升全行业竞争力。

（五）以技术突破、产业升级与典型应用场景打造为三大着力点，加速产业创新发展

到2030年，突破一批人工智能关键核心技术，培育具有3-5家具有全球竞争力的人工智能企业和一批专精特新中小企业，挖掘一批特色应用场景，打造一批面向行业应用的人工智能典型产品，遴选一批安全稳定、可复制、可推广的优质解决方案，培育壮大自主产业生态。人工智能技术方面。到2030年，人工智能基础理论实现重大突破，人工智能芯片、深度学习框架、算法等关键技术达到国际先进水平，人工智能产业进入全球价值链高端。人工智能大模型产品方面。人工智能成为新型工业化发展的重要驱动力，赋能广度深度不断拓展提升，形成2-3个高水平通用大模型和若干工业细分领域行业大模型。典型场景应用方面。打造一批示范性强、影响力大、带动性广的典型应用案例，有效推动产业高端化、智能化、绿色化发展，促进制造业整体水平大幅提升，创新能力显著增强，全面支撑制造强国建设。

三、“十五五”时期人工智能产业发展需要解决的关键问题

（一）高端人才相对稀缺，关键核心技术有待突破

人才方面，仍需加大力度优化人才供给结构。根据脉脉高聘人才智库发布《2023泛人工智能人才洞察》，人工智能人才供不应求情况进一步加剧，2022年人工智能行业人才供需比为0.63,2023年1-8月下降至0.39。斯坦福大学《人工智能指数2023》指出，中国人工智能高端学者数量排名全球第二，但仅与谷歌公司一家数量接近，总量上只有美国的五分之一。关键核心技术方面，我国人工智能重应用轻基础。我国虽然在语音、视觉和自然语言处理等应用算法开发上屡获佳绩，但在数据标准、模型原创、基础理论开发或技术优化等方面仍落后于国际领先水平，长期以来存在的研究依赖惯性导致中国在基础研究领域投入力量较为薄弱。

夯实基础领域人才培育，推进人工智能原始创新。人才培育方面，从人工智能专业相关的基础领域出发，加强数学、物理、电子信息、脑神经学科等前沿基础学科建设，积极培育前沿领域交叉复合型人才。对基础算法、开源框架、芯片等短板领域的要进一步加大人才交流和引进通道，鼓励高校和科研机构增加赴外交流合作、高校和企业之间建立人才双向流通通道，畅通产学研用人才链。国际项目合作，技术咨询平台等多种合作手段多措并举，创新人才引培模式。原始创新方面，加快关键技术突破，充分发挥高校和科研院所创新能力，开展深度学习、机器视觉、智能决策、人机交互、大模型等领域前沿理论研究。鼓励高校、人工智能企业、工业制造企业等成立专注工业人工智能的创新联合体，推动核心技术研发，提高符合产业特点的技术产品供给。

（二）算力需求大、成本投入高，行业进入门槛较高

人工智能模型变“大”需要攻克算力挑战与理论限制，让人工智能模型变得更大并非单纯增加神经网络深度、堆叠人工神经元就可以实现。以CNN、RNN等人工神经元为基础的模型需要采用串行结构，模型训练过程需要顺序执行，无法充分利用所有计算资源。随着模型参数量提升，训练时间呈指数型增长。同时，模型参数量的增加会导致模型的过拟合风险上升，训练过程需要更多的数据和计算资源，优化也变得更加困难。人工智能大模型的训练成本包括GPU等算力芯片成本、服务器成本、标准机柜成本、训练时长内的电力消耗费用、人力投入费用等多方面。根据市场调研机构TtrendForce数据，ChatGPT每日处理1300万独立访问量，需要3万+片NVIDIA A100 GPU以庞大的计算和存储资源支持，初期投入高达8亿美元，1750亿参数的GPT-3的总训练成本高达1200万美元。

降低算力使用门槛，优化算力体系建设。一是强化分布式计算、量化、显存优化、算子融合等关键核心技术攻关与落地应用，降低大模型推理的时延，提高吞吐量，减少对算力的需求。二是推进高性能算力供给。适度超前布局算力、网络等支撑人工智能发展的数字基础设施，加快实施“东数西算”工程，形成全国算力一张网，搭建算力共享服务平台，解决企业算力应用瓶颈。三是发布算力券实施方案支持人工智能大模型应用落地。为企业提供算力券补贴支持，努力帮助企业降低智能算力使用成本，全力支持制造业等重点领域企业开展人工智能行业大模型应用探索和落地实践。四是建议分步骤推进智能算力中心建设，先追求算力的普惠化，降低成本和提高利用率，再逐步扩容。

（三）人工智能重点行业应用不足，行业合作生态亟待建立

一方面，尽管人工智能技术的发展势头强劲，但对我国大多数传统行业的应用还处于小规模试点，与欧美等发达国家相比，尚存在较大的差距。根据凯捷公司的统计数据显示，欧洲顶级制造业企业中，人工智能的应用普及率已经超过了51%，美国也达到了28%，而我国顶级制造业企业的人工智能应用普及率仅为11%。这一数据不仅揭示了我国在人工智能应用方面的不足，也反映出巨大的发展潜力和提升空间。另一方面，在重点应用领域，尤其是工业制造行业，大模型技术的应用案例尚显不足。目前，工业领域对大模型的探索性应用主要集中在设计辅助、质量预测、设备维护等方面。这些应用虽然在一定程度上提高了生产效率和产品质量，但距离广泛应用和形成可复制、可推广的工业大模型还有一定距离。

加快赋能千行百业，打造行业合作生态。一是引导人工智能企业与行业领军企业开展定向合作。基于行业企业提供真实业务场景、数据以及行业真实需求，开发核心算法和预训练模型，共同研发落地应用大模型。二是打造人工智能企业与行业企业的对接平台。搭建人工智能企业与制造业、医疗、农业等行业企业的对接平台，帮助双方实现技术、模型、数据、场景等资源对接，孵化行业领域应用模式。三是依托工业互联网平台，打造人工智能企业与行业企业的大模型合作生态。通过工业互联网平台实现两者的快速对接，提供保障算法、模型、数据安全的人工智能要素线上交易服务，面向不同行业建立标准化的大模型开发环境，帮助企业快速研发和验证场景化解决方案。

（四）适度监管与促进发展并重，监管手段创新势在必行

人工智能产业当前处于快速成长期，其技术演变和经济社会影响具有很多的不确定性。一方面，人工智能具有强大的创新力，有望发展成为新的经济增长引擎，极大改善社会福祉。另一方面，人工智能带来的伦理与安全、负外部性等问题也频频引发社会关注。如果政策过严、管制过多，将在一定程度上阻碍我国人工智能产业发展进程，可能拉大我国与发达国家的差距，导致我国陷入被动和落后的局面；如果政策过松、监管滞后，也可能导致人工智能“负作用”在经济社会各领域持续扩散。因此，以何种力度、何种方式、在何种时机对人工智能进行合理规制，是监管部门需要重点解决的难题。

推动监管手段创新，提升应对挑战能力。一是明确技术研发“禁区”，禁止危害社会运转和公众生活安全的技术研发方向，禁止技术研发用于违法犯罪。二是不断完善各类监管标准规范，包括数据使用监管、算法使用监管等，充分推动相关法律法规完善治理机制，引导人工智能产业健康可持续性发展。三是鼓励可信技术用于伦理监管领域，推动监管手段创新也受益于技术创新。最后，创新试点示范和沙盒监管等新监管方式，对部分前沿引领性技术允许小规范、小范围的先行先试，及时令行禁止，采取先验证后推广，边试边用的模式，逐步同步监管手段与技术创新。

审核编辑 黄宇