聚焦“强本”“固基”“重用”加快推进人工智能产业创新发展

我国人工智能产业发展已驶入快车道，数据资源位居全球第一，算力资源、产业规模位居全球第二，具备了赋能千行百业推动新质生产力发展的基础。然而，人工智能产业技术原创性不足、相关数据、人才要素保障不到位、与制造业深度融合推进滞阻等问题依然突出。为此，建议强化人工智能产业创新之本，夯实数据之基，深化数智之用，优化人才要素协同生态，促进人工智能赋能产业深度转型升级，加快推动新质生产力发展。

人工智能产业创新发展面临的四大问题

（一）技术卡点：底层算法与基础框架存在外部依赖风险
尽管我国在人工智能应用领域取得了显著进展，但在基础技术和原创性研究方面仍落后于国际前沿。高水平基础研究不足导致关键算法、深度学习框架等技术依赖于TensorFlow、PyTorch等国外开源平台，我国在人工智能学习框架研发上缺乏领导力。全球著名人工智能学者李飞飞联合领导的斯坦福大学以人为本人工智能研究所发布《2024年人工智能指数报告》显示，全球具有影响力的国际通用大模型美国有61个，而中国仅有15个。尽管我国人工智能产业发展在全球地位突出，但与美国相比，仍存在较大差距。

（二）要素堵点：数据孤岛与资源共享不足阻碍技术迭代
数据是人工智能技术应用的基础，然而目前我国数据共享和权益保护相关的标准、规范及制度性设计尚不健全，数据的权利归属界定、估值定价、流通规则尚不完善，阻碍了数据要素的高效流通配置，这导致企业在人工智能研发过程中面临高质量数据不足的问题，削弱了数据要素对技术迭代和模型优化的支撑作用。我国部分地方政府和企业倾向于发展自己的数据平台，数据之间缺乏标准化和互通性，导致“数据孤岛”现象普遍。各行业间数据资源未能有效整合和共享，不利于跨行业、跨领域的人工智能应用创新。

（三）应用难点：中小企业推广人工智能工业化应用场景动力不足
受宏观经济形势影响，许多制造业企业特别是中小企业面临转型困难，生产经营压力加大，再投资偏谨慎，维稳保本情绪浓重，导致其对智能化改造动力不足，尤其是中小企业，普遍存在“不敢改”“不愿改”的现象。此外，信息化改造投入多为软件和服务，缺乏实物资产支撑，难以获得大规模设备改造更新资金支持，企业改造意愿更加不足。同时，工业领域内细分行业的流程和需求高度分化，许多场景需定制化智能解决方案，一些传统制造企业生产环节缺乏有效数据积累，数据碎片化严重，难以支撑算法优化，使智能化升级面临“不能改”的现实障碍。

（四）人才短板：高端人才短缺与教育体系建设滞后于产业发展
尽管我国已培养了大量IT和人工智能从业人员，但在顶尖算法专家、人工智能战略家、跨学科研究者等高端人才方面依然匮乏，尤其是在自然语言处理、机器学习算法、生成式AI等领域，我国顶级专家数量远不及国际领先国家。《2024年人工智能指数报告》显示，全球拥有AI Top 2000学者的前20家机构中，美国有16家，中国仅有2家。此外，当前教育体系未能及时匹配人工智能赋能千行百业的产业化需求，AI教育偏重于软件开发，忽视“人工智能+”行业知识的培养教育，导致各行各业智能化改造缺乏施工队。

进一步推进人工智能发展的政策建议

（一）强化基础研究与原始创新，增强核心技术话语权
围绕人工智能数学机理、大数据智能、多模态智能、决策智能、类脑智能、具身智能等方向，加大基础研究支持力度，探索构建具有国际影响力的人工智能原创理论体系。优化政府－市场－企业科技创新协同攻关机制，全力突破分布式高效深度学习框架、大模型新型基础架构等基础平台技术和高维空间多模态语义对齐、大规模认知与推理等关键算法，推动大模型相关技术创新和算法开源开放协同创新，增强底层技术创新供给能力。设立专项基金支持核心算法和开源技术项目，鼓励产业界使用并推广国产框架，强化基础研究成果的落地转化，增强我国在全球技术标准和框架研发上的话语权，缩小与国际前沿的差距。

（二）完善数据要素治理体系，提升数据流通与共享能力
完善数据要素治理与合规使用框架，尽快推动国家级数据治理标准制定，明确数据采集、存储、交换与使用规范，加强数据隐私与安全保护，避免数据滥用和泄漏。探索编制工业数据分类分级指导目录，鼓励企业开展数据分类分级，形成数据资产目录，搭建数据智能管理平台，加强数据治理能力建设。鼓励地方政府推进多部门、多层级的数据联动，在金融、医疗、交通等重点行业率先构建数据共享试点，加大对企业和科研机构的数据资源开放的激励，通过政策支持和税收优惠，企业打破“数据孤岛”，建设跨行业、跨区域的数据共享平台，提升数据资源对AI技术迭代与模型优化的支撑能力。

（三）促进“实数”供需对接，激发企业智能化改造动力
建设并评选人工智能百大场景示范工程，树立场景应用标杆，面向重点行业、关键环节、典型产品智能化升级需求，选择基础好、带动性强的城市和企业开展试点，打造一批可复制、可推广的标杆型示范应用场景。建立常态化场景对接工作机制，通过举办新场景发布会、供需对接会、组织“揭榜挂帅”、评选标杆应用案例等多种方式，促进大模型场景供需对接，推动相关技术及产品熟化落地。统筹大规模设备更新政策和中小企业数字化转型支持政策，利用超长期特别国债专项资金，进一步加大中小企业全流程智能化改造支持力度，完善智能改造投资税收优惠政策，缓解企业智能化改造成本压力。

（四）深化教育改革与人才培养，构建“产教融合”新模式
依托重点高校与科研院所，建立面向前沿技术的高水平实验室和研究中心，吸引和培养世界一流的AI科学家。鼓励高校与企业共建实验室、联合开发课程，打造多层次、多渠道的实践教学体系，促进AI技术与行业应用无缝对接。加强跨学科合作，探索“人工智能+X”发展模式，重视人工智能专业与制造、金融、农学、医学等其他专业有机融合，探索设立高校和企业共同合作的多学科、开放式人才培养平台，培养一批掌握人工智能理论与工程技术的复合型、创新型、技艺精湛的高技能专业人才。