人工智能计量能力建设指南正式出炉
日前，市场监管总局、国家发展改革委联合发布《人工智能计量体系和能力建设指引（2026版）》（以下简称《指引》），全面规划人工智能计量能力建设工作。“十五五”规划纲要明确全面实施“人工智能+”行动。《指引》的发布，标志着我国人工智能产业从“建算力、扩规模”向“提质量、强根基”转型迈出关键步伐，对推动人工智能技术与实体经济深度融合、加快发展新质生产力具有重要意义。《指引》围绕基础支撑、通用技术、核心技术、计量技术规范、计量服务产业、智能赋能计量等六大领域系统部署，打通实验室创新与行业应用“最后一公里”。聚焦“
第五期“AI+ 电子信息”研修活动圆满收官
作为国家人工智能应用中试基地（制造领域）的建设主体，苏数科集团坚决落实国家及省市关于“人工智能 + 制造”的战略部署，加速推进人工智能赋能新型工业化先导区建设。依托苏州电子信息产业集群优势与升级需求，集团成功举办了第五期“AI+ 电子信息”高级研修班，旨在为电子信息企业搭建数智化转型的学习交流桥梁，促进 AI 技术的实际落地与应用。实地探访标杆产线沉浸式体验 AI 智造作为电子信息高端装备制造领域的典范，华兴源创已全面实现柔性生产、智能管理及远程运维等数智化场景的落地，将前沿技术与生产制造、质量管控、流程
广东发布2026至2030年人工智能赋能科研行动纲要
查看附件 👇广东省加快推动人工智能赋能科学研究行动方案（2026—2030年）为落实国家深化“人工智能+”战略部署，抢占智能发展制高点，以AI引领科研范式革新，加速多领域科技突破，为产业升级注入核心动力，特制定本方案。一、总体思路坚持以新时代中国特色社会主义思想为指引，贯彻党的二十大及历次全会精神，落实省委“1310”部署，前瞻把握AI趋势，孕育全球影响力原创成果，开创“人工智能+科学研究”新范式，集聚产学研核心力量，加速“从0到1”重大发现，以AI深度赋能推动科研创新与产业升级双向跃升。二、发展目标至2
广东发布2026至2030年人工智能科研赋能行动方案
广东省加快推动人工智能赋能科学研究行动方案（2026—2030年）为落实国家“人工智能+”战略部署，抢占人工智能发展先机，引领科研范式革新，加速多领域科技突破，为产业升级注入核心动力，特制定本方案。一、总体思路坚持以新时代中国特色社会主义思想为指引，全面贯彻党的二十大及历次全会精神，落实省委“1310”部署，前瞻把握人工智能趋势，孕育全球影响力原创成果，开创“人工智能+科学研究”新范式，汇聚产学研核心力量，加速“从0到1”重大发现，以人工智能深度赋能推动科研创新与产业升级双向飞跃。二、发展目标至2027年
新基建提速：构建空天地海通信网赋能数智转型
新一代“空天地海”通信网建设加速（经济新方位·精准发力建好“六张网”） 助推经济社会数智化升级 本报记者 王 政《人民日报》（2026年06月08日第02版） 5月31日凌晨，西昌卫星发射中心，长征二号丁运载火箭划破夜空，将卫星互联网技术试验卫星送入预定轨道。该试验卫星主要用于开展手机宽带直连卫星、天地网络融合等技术试验验证。 从5G—A（5G演进网络）商用到第二阶段6G技术试验，从万兆光网到卫星互联网……一张高速泛在、天地一体的新一代通信网正加速构建。 基础网络“信号升格” 浙江杭州梦想小镇，我国首个5
人工智能发展的三大趋势
点击蓝色字体 关注我们人工智能技术构想由来已久，在近70年的跌宕起伏中，已历经逻辑推理、专家系统、深度学习等重要阶段。得益于算法、数据、算力全链条的突破，近年来人工智能各方面能力快速提升，在部分领域达到“类人”甚至“超人”的水平。可以说，此轮人工智能发展在速度、社会渗透力与跨界带动作用上均呈现出前所未有的态势，具体表现为三个方面。一是人工智能技术创新正从“被动训练”向“自主进化”方向演进，迭代速度快速提升。在发展初期，人工智能模型参数小、算力更新慢，迭代周期以年为单位，经典的目标检测模型升级跨度为两年。随
鄞州十五五规划：布局人工智能创新轴
鄞州区在“十五五”规划中明确提出将全力打造人工智能创新轴。在统筹推进人工智能创新轴建设中，将构建“高校院所+创新载体”策源强场、“孵化器+小微园区”加速力场以及“产业平台+场景应用”规模基场，确立“六位一体”的协同发展模式，培育具有鄞州特色的“创新策源—智造转化—产业赋能”人工智能产业链集群。人工智能创新轴的规划布局1.创新策源功能区（中）。以宁波南高教园区为创新核心，发挥浙大软件学院、浙大宁波理工、宁波诺丁汉大学在科技创新和人才方面的引领支撑作用。依托中河智谷，重点建设人工智能全要素产业园，加速引进智能
内蒙古上线全国首座绿色算力全栈AI平台
2026年5月30日，全国首座绿色算力全栈AI平台——内蒙古词元交易平台，正式在内蒙古自贸试验区呼和浩特片区投入运营。该平台的启用意味着人工智能产业在算力服务领域取得了关键进展。其核心优势如下：1. 何谓“全栈AI平台”？• 传统方式：需自行采购服务器、构建框架、部署模型及开发应用，这对团队从硬件到软件的综合素质要求极高，门槛严苛。• 全栈AI平台：从底层GPU算力、模型工具，到数据集与词元交易，乃至最终应用，平台均提供一体化打包服务。用户可依据需求灵活选择单一层级（如仅用算力），或直接获取全套服务以快速
刘烈宏智博会发声：AI决胜关键不在模型而在数据质量
近期，国家数据局局长刘烈宏在2026世界智能产业博览会上揭示了一个关键趋势：未来人工智能的角逐焦点，正由“比拼模型”逐渐转向“较量数据”。尽管大众目光多聚焦于大模型、智能体及机器人，但此次发言释放的更深信号是——国家已将“高质量数据集构建”提升至战略高度。今日，让我们用通俗语言解析这一动向。为何当下格外重视高质量数据集？回顾过去两年，舆论焦点多集中于大模型。从ChatGPT到各类行业专属模型，众多企业陷入参数、算力及模型能力的内卷。然而随着产业演进，业界愈发认清一个现实：即便模型再强大，若缺乏优质数据，其
两部门联合发布人工智能计量能力建设指南(2026版)
日前，市场监管总局、国家发展改革委共同发布《人工智能计量体系和能力建设指引（2026版）》（以下简称《指引》），统筹规划人工智能计量能力建设。"十五五"规划纲要明确全面部署"人工智能+"行动。《指引》的出台，标志我国人工智能领域从"建算力、扩规模"向"提质量、强根基"实现重要突破，对推动人工智能技术与实体经济深度融合、加快发展新质生产力具有深远影响。《指引》围绕基础支撑、通用技术、核心技术、计量技术规范、计量服务产业、智能赋能计量等六大部分统筹规划，连接科研创新与产业实践。聚焦"测量精度"难题，让人工智能
两部门联合部署AI计量能力建设顶层设计
市场监管总局与国家发展改革委联合发布《人工智能计量体系和能力建设指引（2026版）》（以下简称《指引》），对人工智能计量能力进行全面系统规划。"十五五"规划《纲要》明确全面实施"人工智能+"行动。《指引》的发布标志着我国人工智能产业从"建算力、扩规模"向"提质量、强根基"转型升级，对推动人工智能技术与实体经济深度融合、培育新质生产力具有重要战略意义。《指引》围绕基础支撑、通用技术、核心技术、计量技术规范、计量服务产业、智能赋能计量等六大部分全面部署，打通实验室创新与行业应用的关键环节。聚焦"测不准"痛点，
市场监管与发改委携手推进AI计量体系建设
近日，国家市场监督管理总局、国家发展改革委联合发布《人工智能计量体系和能力建设指引（2026版）》，全面规划人工智能计量能力建设路径。"十五五"规划纲要明确全面实施"人工智能+"行动。这一指引的发布，标志着我国人工智能产业从"建算力、扩规模"向"提质量、强根基"转型，对推动AI技术与实体经济深度融合、培育新质生产力具有重要意义。指引围绕基础支撑、通用技术、核心技术、计量技术规范、计量服务产业、智能赋能计量等六大板块系统部署，打通实验室创新与行业应用"最后一公里"。破解"测不准"困境，让人工智能更可信。针对
两部门联手攻克AI计量与数据瓶颈
28日，从市场监管总局传来消息，该局联合国家发展改革委近期共同发布了《人工智能计量体系和能力建设指引（2026版）》（简称《指引》），全面规划人工智能（AI）计量能力的建设，表明我国人工智能发展正从“建算力、扩规模”转向“提质量、强根基”的关键阶段。 《指引》在基础支撑、通用技术、核心技术、计量技术规范、计量服务产业、智能赋能计量等六大板块进行系统规划，致力于打通实验室创新成果向行业应用转化的“最后一公里”。 面对算法“黑箱”及决策解释性不足等痛点，《指引》聚焦解决“测不准”问题，部署了AI系统内部状态监
科杰科技深耕AI数据底座，助推产业数智化升级
随着大模型加速融入千行百业，智能体深度赋能产业变革，高质量AI数据基础设施，已然成为人工智能迭代演进的核心基石。在第九届数字中国建设峰会现场，深耕AI数据基础设施赛道的科创企业——科杰科技，凭借深厚技术积淀与丰富行业实践，坚持以技术立本、以创新赋能，持续为数字中国建设夯实底层数据底座、筑牢数智发展根基。 以技术筑基：打造AI数据基础设施“核心引擎” 走进科杰科技展位，科技感十足的展台与演示大屏吸引了众多观众驻足。作为一家国家级专精特新重点“小巨人”企业，科杰科技长期致力于AI数据基础设施软件的研发与创新。
智识前沿|人工智能发展的三大新动向
人工智能的构想源远流长，在近百年的起伏中，经历了逻辑推理、专家系统、深度学习等关键阶段。得益于算法、数据与算力的全链条突破，近年来人工智能的各项能力飞速提升，在部分领域已达到“类人”甚至“超人”的水平。可以说，本轮人工智能发展在速度、社会渗透力及跨界带动效应上，均展现出前所未有的态势，具体体现为以下三点。首先，人工智能技术创新正由“被动训练”向“自主进化”转变，迭代速率显著加快。发展初期，模型参数少、算力更新慢，迭代周期长达数年，经典目标检测模型的升级跨度约为两年。随着算法框架的持续优化和算力的飞跃，人工