聚焦“強本”“固基”“重用” 加快推進人工智能產業創新發展

一、人工智能產業創新發展面臨的四大痛點堵點

（一）技術無根：底層算法與基礎框架外部依賴大

盡管我國在人工智能應用領域取得了顯著進展，但在基礎技術和原創性研究方面仍落后于國際前沿。高水平基礎研究不足導致關鍵算法、深度學習框架等技術依賴于TensorFlow、PyTorch等國外開源平臺，我國在人工智能學習框架研發上缺乏領導力。《2024年人工智能指數報告》顯示，全球具有影響力的國際通用大模型美國有61個，而中國僅有15個，我國人工智能產業與美國相比仍存在較大差距。

（二）數據孤島：數據資源開放共享難度大進展慢

數據是人工智能技術應用的基礎，然而目前我國數據共享和權益保護相關的標準、規范及制度性設計尚不健全，數據的權利歸屬界定、估值定價、流通規則尚不完善，阻礙了數據要素的高效流通配置，導致企業在人工智能研發過程中面臨高質量數據不足的問題，削弱了數據要素對技術迭代和模型優化的支撐作用。我國部分地方政府和企業傾向于發展自己的數據平臺，數據之間缺乏標準化和互通性，導致“數據孤島”問題。各行業間數據資源未能有效整合和共享，不利于跨行業、跨領域的人工智能應用創新。

（三）應用困難：中小企業AI工業化應用動力不足

受宏觀經濟形勢影響，許多制造業企業特別是中小企業生產經營壓力加大，再投資偏謹慎，維穩保本情緒濃重，對智能化改造動力不足，尤其是中小企業，普遍存在“不敢改”“不愿改”的現象。同時，工業領域細分行業的流程和需求高度分化，許多場景需定制化智能解決方案，一些傳統制造企業生產環節缺乏有效數據積累，數據碎片化嚴重，難以支撐算法優化，致使智能化升級面臨“不能改”的現實障礙。此外，信息化改造投入多為軟件和服務，缺乏實物資產支撐，難以獲得大規模設備改造更新資金支持，企業改造意愿不足。

（四）人才短板：教育培育體系對產業需求響應不足

盡管我國已培養大量IT和人工智能從業人員，但在頂尖算法專家、人工智能戰略家、跨學科研究者等高端人才方面依然匱乏，尤其是在自然語言處理、機器學習算法、生成式AI等領域，頂級專家數量不及國際領先國家。《2024年人工智能指數報告》顯示，全球擁有AI Top 2000學者的前20家機構中，美國有16家，中國僅有2家。此外，當前教育體系未能及時匹配人工智能賦能千行百業的產業化需求，AI教育偏重于軟件開發，忽視“人工智能+”行業知識的培養教育，導致各行各業智能化改造缺乏施工隊。

二、進一步推進人工智能發展的政策建議

（一）強化基礎研究與原始創新，增強核心技術話語權

圍繞人工智能數學機理、大數據智能、多模態智能、決策智能、類腦智能、具身智能等前沿領域，加大基礎研究支持力度，鼓勵科研人員開發原創技術路線，加大力氣開展機器學習軟硬件和支撐系統研發，全力突破分布式高效深度學習框架、大模型新型基礎架構等基礎平臺技術，打造TensorFlow、PyTorch的國產替代者，為構建我國自主可控的人工智能技術創新生態奠定堅實基礎。設立專項基金支持核心算法和開源技術項目，鼓勵業界使用并推廣國產框架，強化基礎研究成果的落地轉化，增強我國在全球技術標準和框架研發上的話語權，縮小與國際前沿的差距。

（二）完善數據要素治理體系，提升數據流通與共享能力

完善數據要素治理與合規使用框架，盡快推動國家級數據治理標準制定，明確數據采集、存儲、交換與使用規范，加強數據隱私與安全保護，避免數據濫用和泄露。探索編制工業數據分類分級指導目錄，通過數據要素補貼政策引導企業深度挖掘數據資源商業價值，開展數據分類分級管理，形成數據資產目錄，搭建數據智能管理平臺，主動加強數據治理能力建設。鼓勵行業龍頭企業牽頭設立數據業務獨立經營主體，聯合大中小企業打造行業公共數據庫，共同推進行業數據生態建設。鼓勵地方政府推進多部門、多層級的數據聯動，在金融、醫療、交通等重點行業率先推進數據共享試點，建設跨行業、跨區域的數據共享平臺，提升數據資源對AI技術迭代與模型優化的支撐能力。

（三）促進“實數”供需對接，激發企業智能化改造動力

建設并評選人工智能百大場景示范工程，樹立場景應用標桿，面向重點行業、關鍵環節、典型產品智能化升級需求，選擇基礎好、帶動性強的城市和企業開展試點，打造一批可復制、可推廣的標桿型示范應用場景。建立常態化場景對接工作機制，通過舉辦新場景發布會、供需對接會，組織“揭榜掛帥”、評選標桿應用案例等多種方式，促進大模型場景供需對接，推動相關技術及產品熟化落地。統籌大規模設備更新政策和中小企業數字化轉型支持政策，加大中小企業全流程智能化改造支持力度，完善智能改造投資稅收優惠政策，緩解企業智能化改造成本壓力。

（四）深化教育改革與人才培養，構建“產教融合”新模式

依托重點高校與科研院所，建立面向前沿技術的高水平實驗室和研究中心，吸引和培養世界一流的AI科學家。鼓勵高校與企業共建實驗室、聯合開發課程，打造多層次、多渠道的實踐教學體系，促進AI技術與行業應用無縫對接。加強跨學科合作，探索“人工智能+X”發展模式，重視人工智能專業與制造、金融、農學、醫學等其他專業有機融合，探索設立高校和企業共同合作的多學科、開放式人才培養平臺，培養一批掌握人工智能理論與工程技術的復合型、創新型、技藝精湛的高技能專業人才。

（韓曉，中國宏觀經濟研究院產業所。郭琎，中國宏觀經濟研究院市場所）