夯实AI根基：底层技术实现关键突破
当前，全球人工智能技术正处于爆发、融合与变革的浪潮中。我国人工智能技术已从“全面跟跑”跨越至“全面并跑、部分领跑”阶段，完成了从侧重应用创新向核心底层自主创新的关键性转型。
数据、算力和算法构成了AI发展的三大支柱。业内指出，数据方面，我国依托海量场景优势，高质量数据供给能力持续增强；算力方面，正加速追赶并形成独特优势；算法方面，已达到国际领先水平。这三者的协同创新，有力支撑了AI技术不断攀登新高峰。
挖掘数据潜能
数据被誉为人工智能的关键“燃料”。作为新型生产要素，其规模与质量直接决定了AI所能触及的高度与深度。
在近日举办的APEC数字周数据系列活动中，国家数据局局长刘烈宏指出，圆桌会顺应AI发展趋势，推动APEC数据合作从“管好数据”转向“用好数据”。合作重点已从隐私保护和跨境流动规则，扩展至数据供给、流通、应用及赋能增长的全过程，丰富了合作内涵，为未来区域合作从治理转向价值创造开辟了新路径。
“数据是AI赋能产业的基础要素，算法模型训练优化、场景感知及趋势研判均离不开高质量数据。唯有打破产业链数据壁垒，推动归集与共享，才能让AI精准适配产业场景，释放分析决策能力。同时，规范数据流通并守住安全底线，是AI赋能产业的重要保障。”太平洋经济合作理事会双主席詹永新说。
国家数据局统计显示，2025年我国AI训练与推理数据总量达199.48艾字节，同比增长42.86%，推理数据量首次超越训练数据，达101.34EB。截至今年6月底，全国各行业高质量数据集总量超1565拍字节，较一季度末增长超60%，体量相当于中国国家图书馆数字资源的547倍左右，为AI发展提供了坚实后盾。
随着数据资源体系日趋完善，数据价值加速释放，应用场景正从单点探索迈向规模化落地。在工业领域，数据驱动智能制造与生产优化；在医疗领域，数据助力精准诊疗与资源协同；在城市治理领域，数据推动公共服务更加精准高效。
以四川省成都市为例，成都数据集团智慧蓉城研究院院长蒋翔宇介绍，成都整合了全市11类核心交通数据及道路感知设备实时数据，日均处理量达3.2亿条，实现了全城交通态势的动态研判与堵因溯源。在房产交易方面，通过人工审批向数据自动核验转变，交易时长压缩至最快2小时办结，累计服务市民超200万人次。
巩固算力基石
算力是支撑AI演进的基础底座与核心引擎，其供给水平直接决定了AI发展的速度与规模。
工信部数据显示，截至今年6月底，我国智能算力规模达2185EFLOPS，其中东部、中部、西部、东北地区占比分别为55.9%、10.6%、32.6%、0.9%。全国算力设施整体上架率达71.4%，算力传输能力显著增强，近两年相关枢纽节点间网络性能提升了10%。
随着AI向科学智能、行业智能体及物理AI等复杂场景迈进，超大规模算力系统正从单纯支撑模型训练，转向支撑科研创新和产业智能。
在今年世界人工智能大会上，全国产十万卡AI超集群曙光8000（登峰）首次全球亮相。目前，该集群已接入全国一体化算力网，完成300余项应用优化，覆盖大模型、机器人、新药研发、新材料、量子计算、天文气象等20余个领域，超70项应用实现万卡扩展，支撑了蛋白质折叠模拟、万亿原子级水分子动力学模拟等科学智能应用，以及大模型训练、智能体应用等持续运行。
中国移动副总经理张冬介绍，公司正加快全国一体化算力网建设，投产多个超万卡智算集群及12个区域智算中心，升级1500个边缘智算节点，智算规模突破107EFLOPS。下一步，将攻关超大规模国产智算集群核心技术，构建多元异构算力生态，依托算网大脑实现算网电一体化调度。
“AI大模型和智能体的爆发式增长推高了智能算力需求。”工信部信息通信管理局局长谢存表示，将按照“点、链、网、面”体系化思路，优化算力基础设施部署，打造互联互通节点，提升资源利用效率。
工信部将优化算力资源供给，统筹产业与能源因素，推动智算集群建设和算电协同，打造梯次化布局，加强统筹监测；印发算力标准指南，推动建立服务能力评估及市场化定价标准；开展新型传输协议、卡间互联等技术攻关。
谢存还提到，将建设高速宽带网络，打造畅通的算力传输通道。深入推进城域“毫秒用算”专项行动，提升交互体验，推动算力互联互通。实施普惠算力赋能中小企业行动，提升服务易用性。组织算力企业开展国际交流，完善服务体系，强化国际合作。
强化算法优势
算法是AI的核心大脑与逻辑体系，决定了AI的思考、推理与执行边界，也是产业差异化竞争的关键。当前，AI算法正告别参数堆砌的粗放模式，迈向高效、场景化、自主化新阶段，呈现从“通用大模型”向“行业专用模型、智能体算法、具身智能算法”演进的态势。
以扫地机器人为例，其进化路径从设定固定路径作业，发展为自主观察环境、判断路径，体现了算法的自主化与场景化迭代。2026年，追觅扫地机首创主动双目视觉方案，结合云端大模型万物识别能力，大幅拓展家庭场景识别范围。追觅科技持续加大研发投入，在计算机视觉、大语言模型等领域，围绕目标检测、场景识别、感知处理、路径规划及语义处理等技术深耕，沉淀了领先的算法能力。
中国电子信息产业发展研究院苏庭栋表示，在高端算力受限背景下，我国走出了一条通过算法优势提升模型效能的新路，涌现出多个达国际先进水平的通用大模型，中美顶尖模型性能评分差距持续缩小。
2024年图灵奖得主理查德·萨顿认为，静态标注数据模式已触顶，经验驱动是下一代AI的核心路线。传统模型仅能复刻人类知识，难以自主推导事实，而以强化学习为核心的智能体能在与环境交互中持续获取动作与反馈，实现自主迭代。
北京通用人工智能研究院院长朱松纯认为，单纯扩大参数无法诞生真正的通用人工智能，现有大语言模型仅是概率匹配工具，缺失完整认知架构与价值判断。应尝试走出区别于海外的数据驱动原创路线，将价值逻辑嵌入算法底层，从根源解决模型逻辑缺失与善恶判断难题。
赛智产业研究院院长赵刚建议，我国需在算力、算法、智能体及高质量数据上持续发力。具体包括：提升AI芯片单卡、万卡及高带宽内存性能，为万亿参数级大模型提供底座；突破实时交互世界模型与具身智能设计，推动AI从虚拟走向物理世界；构建多智能体协同框架，让AI从“单兵作战”迈向“群体智能”；加强具身智能等高质量数据集建设，突破通用泛化能力瓶颈。