洞悉AI演进脉络，强力驱动智能技术赋能中国现代化

《洞悉AI演进脉络，强力驱动智能技术赋能中国现代化》

目录

1.中科院院士谭铁牛做客江苏公务员讲堂

2.智能技术演进轨迹、当前状况与未来走向

3.智能科技六大关键走向及深刻启迪

4.世界智能科技发展格局与全球治理现况

5.国内智能科技发展局势、积极前景与主要难题

6.全力推动智能技术助力中国式现代化

7.江苏省智能科技发展对策

8.谭铁牛院士履历

中科院院士谭铁牛做客江苏公务员讲堂

6月25日，省委组织部携手省委党校开办2026年第二期江苏公务员大讲堂。南京大学党委书记、中科院院士谭铁牛特邀发表主题演讲，题目为《洞悉AI演进脉络，强力驱动智能技术赋能中国现代化》。

该报告以总书记关于智能技术重要指示为根基，理清智能科技演变历程、海内外情况与前沿动向，贴合江苏本土实际，廓清省内智能产业发展方向、给出具体实行举措。

此次培训采取线上线下结合教学方式，全省超万名干部参加研习，助力各级干部认清智能技术演变大势，提高运用智能科技助推江苏现代化建设的履职本领。

智能技术演进轨迹、当前状况与未来走向

（一）演进轨迹

1.萌芽初探期（1956—上世纪70年代）

早期以符号逻辑与专家系统为主干，受限于计算能力不足，行业遭遇两波低潮期。

2.平稳推进期（1980—2010年）

机器学习渐趋成熟，语音识别、机器视觉等单点技术实现商用；互联网沉淀巨量数据，为智能科技崛起夯实数据底座。

3.迅猛爆发期（2010年至今）

深度学习突破、GPU算力猛增、海量数据三重助力，大模型与生成式AI迈入快车道，智能科技从感知智能跨越至认知智能。

（二）行业整体面貌

1.技术面：通用大模型、多模态AI、具身智能、自动驾驶、AI科学计算多点开花。

2.产业面：AI深度融入制造、医疗、政务、金融、交通、文娱等行业，各类数字化场景批量应用，全国统筹规划构建AI算力底座。

3.治理面：全球协同推进AI伦理规范、安全监管、数据合规与风险管控，兼顾创新推动与安全底线。

当前智能核心技术突破

1.通用大模型实现跨越式跃升

大模型依托超强算力构建的超参数深度学习模型，是当前智能科技的核心基石。

2017至2025年，业界基于Transformer架构不断迭代，多模态通用大模型技术呈指数级攀升；2025年国产开源大模型DeepSeek-R1发布，国内开源产业生态繁荣发展。

国产大模型逻辑推理与复杂问题处理能力迈入全球前列，同时算力使用成本不断降低，大幅削减各行业应用AI的门槛。

2.生成式AI全面普及

以大模型为底层支撑，AIGC技术迅速渗透千行百业，可自动生成文字、图像、音视频、程序代码，重塑全行业内容生产范式。

3. AI智能体规模化落地应用

AI智能体已连续纳入国家智能科技专项规划、“十四五”“十五五”数字经济规划，跃升为国家战略重点。

核心能力分为四层：基础交互、环境感知、反馈学习、自主迭代优化。

OpenClaw、Kimi Agent等智能体可自主理解需求、制定方案、完成复杂长周期任务，重塑开发流程，实现全流程自动化作业。

国产代表成果

宇树科技人形机器人突破关键核心技术，亮相央视春晚，走出实验室投入民用、商用市场，打破海外技术垄断。

AI技术定义及技术迭代脉络

一、核心AI技术定义

（一）生成式人工智能（GenAI/AIGC）

依托算法、训练模型和海量数据，可自主生成文本、图片、音频、视频、代码等各类内容的智能科技。日常使用的AI写作、AI画图、AI视频制作、通用大模型等，皆属此类技术，是当前智能科技发展的主流形态。

（二）具身人工智能

区别于纯算法、无实体的传统智能科技，具身智能的核心是智能源于躯体与环境的双向交互。它并非依托计算机凭空推演思考，而是依靠自身硬件结构、感知与运动能力，在真实场景中持续感知、行动、适配、迭代进化，模拟人类适应现实世界的成长逻辑。

二、智能科技三次技术驱动迭代脉络

（一）逻辑驱动时代

智能科技发展早期，以符号推理、固定程序判定为核心，仅能按照预设指令完成单一、固化的任务，无自主适配和创新能力，应用场景十分有限。

（二）知识驱动时代

依托人工搭建的专家知识库，通过固定规则匹配完成逻辑推理。该模式高度依赖人工录入知识，无法自主拓展学习，灵活度和可扩展性极差，难以适配复杂多变的场景需求。

（三）数据驱动时代

以深度学习、神经网络技术为核心，依托海量大数据自主学习、提炼规律、迭代优化，彻底突破传统技术局限，推动智能科技迎来爆发式发展，也是当前通用大模型的核心技术支撑。

智能科技六大关键走向及未来展望

一、六大关键走向

1.从单机智能迈向人机混合协同智能

未来智能不再是机器单独运算，而是形成人机分工、优势互补的主流模式。机器主打高精度算力运算与高速算法执行，人类依托常识经验、逻辑研判和价值判断做好决策把控，实现人机高效协同、精准赋能。

2.从粗放“蛮力AI”转向高效“灵巧AI”

行业逐步告别单纯堆砌算力、海量数据的粗放发展模式，向轻量化、高效率、低能耗、可解释、可管控方向升级，有效破解大模型黑箱问题、高能耗、不可持续等发展痛点，实现提质增效、安全可控发展。

3.从机械应答AI升级为温情共情AI

智能科技突破冰冷的程序化应答，依托情感计算技术精准识别人类情绪与语境，具备理解、共情、陪伴能力，形成有温度、人性化的智能服务，广泛应用于养老服务、政务客服、生活陪伴等场景。

4.多模态智能全面爆发落地

AI全面打通文字、图像、音频、视频及三维物理场景，实现数字智能与机器人实体深度融合，可在真实复杂环境中自主完成全闭环任务，支撑工业自主作业、智能科研等高端场景落地应用。

5. AI深度重构全行业核心业态

智能科技不再是简单的外围辅助工具，而是深度渗透工业、软件等全产业链底层逻辑，重塑产品设计、生产制造、运维管理等核心流程，全方位实现产业降本、提质、增效。

6.国际AI博弈竞争日趋白热化

AI技术主权、数据主权、产业链供应链安全已上升为国家核心战略，全球围绕技术壁垒、行业标准、话语权的竞争持续加剧，智能科技成为大国科技博弈的关键赛道。

二、未来整体发展方向

通用人工智能（AGI）将持续迭代演进，AI技术朝着轻量化、国产化、低成本化加速普及。AI与机器人、量子计算、脑机接口等前沿技术深度融合，推动智能从数字虚拟场景走向真实物理世界的具身智能。智能科技将从辅助工具迭代为核心生产力，实现全行业、全领域赋能。同时，全球AI治理体系持续完善，安全可控、向善发展将成为智能科技长期发展的核心主线。

智能科技发展六大深刻启迪

纵观智能科技发展历程，可总结出推动科技创新、产业发展的六大深刻启迪。

一、尊重科技发展客观规律

智能科技发展并非一路高歌，同样经历繁荣、停滞、低谷与爆发的周期性波动。推动AI发展必须尊重科学规律、顺应技术周期，稳中求进、久久为功，才能实现可持续、高质量发展。

二、夯实基础研究核心基石

底层基础研究是科技创新的源头活水。深度学习、神经网络等基础理论历经数十年沉淀，才迎来技术落地与产业爆发，并斩获诺奖，充分证明源头原始创新，是智能科技持续突破的根本支撑。

三、坚持需求牵引创新迭代

真实应用场景和民生需求是技术升级的核心动力。医疗智能筛查、人形机器人等技术，均依托现实刚需不断迭代成熟。脱离实际场景的技术创新缺乏生命力，最终会被市场和时代淘汰。

四、学科交叉催生颠覆性创新

跨界融合是科技创新的重要捷径。智能科技与结构生物学交叉融合，突破蛋白质三维结构预测难题，重塑生物医疗产业。实践证明，多学科碰撞、跨领域联动，是催生重大原创成果的关键路径。

五、包容试错鼓励创新探索

科技创新注定伴随试错，宽容失败是创新的应有之义。长期以来，前沿科研通过包容探索性、不确定性研究，持续试错攻关，最终孵化出语音识别、图像识别、智能交互等颠覆性技术成果。

六、立足理性务实谋划发展

智能科技发展要立足现实、脚踏实地，坚决摒弃空想化、理想化、概念化的浮躁心态。既要把握技术前沿趋势、坚定发展信心，也要科学研判阶段特征、务实设定发展目标，稳步推进技术落地与产业赋能。

全球智能科技发展格局与全球治理现况

（一）美国：全球AI源头领跑，掌握顶层技术霸权

美国是全球智能科技的策源地，在基础理论、底层算法框架、高端芯片算力、顶尖人才和头部科创企业方面形成全链条优势，原生大模型生态成熟，长期垄断源头核心技术，牢牢掌握全球AI技术标准与顶层话语权。

（二）中国：全球最大应用市场，产业落地加速突围

我国拥有全球最丰富的应用场景和海量数据资源，AI产业落地速度、商业化规模位居世界前列。国产大模型、行业智能解决方案快速迭代，算力基础设施加速建设，全产业链自主可控能力持续突破，形成“应用牵引、全域赋能”的发展优势。

（三）欧盟、英国：侧重合规治理与基础科研

欧盟出台全球最严格的《智能科技法案》，以伦理安全、合规监管为首要原则，重点布局高端制造、汽车工业、医疗、自动驾驶等合规智能场景，主打安全可控、以人为本的AI发展模式。英国深耕基础前沿研究，积极抢占全球AI治理规则制定话语权。

（四）日韩：深耕细分赛道，打造垂直领域优势

两国坚持差异化、垂直化发展路径。日本重点发力人形机器人、养老服务智能应用；韩国聚焦AI芯片算力、半导体、消费电子智能化升级，在细分领域形成全球领先优势。

（五）新兴经济体：起步较晚，依托合作跟随发展

东盟、非盟等新兴经济体AI基础薄弱、发展不均衡，自研技术与算力设施不足，主要依靠国际技术合作、开放引进的模式跟进发展。

（六）全球整体格局：大国博弈成为常态

智能科技已成为大国科技竞争、综合国力比拼的核心赛道。全球技术壁垒、供应链封锁、高端人才争夺日趋激烈，各国战略布局持续加码，AI领域的国际竞争与博弈全面加剧。

三、国际组织AI相关举措

（一）专业技术组织

IEEE、国际智能科技协会等机构，重点统筹全球AI技术标准、行业规范与伦理准则，推动行业规范化、安全化、有序化发展。

（二）公益类国际组织

聚焦智能科技向善应用，推动AI在生态环保、灾害救助、人道主义帮扶等公共领域落地，发挥技术社会价值。

四、全球智能科技治理三大核心挑战

（一）各国发展诉求差异显著

发达国家更加关注AI伦理、安全风险与监管约束；发展中国家首要目标是抢抓技术机遇、释放发展红利，双方发展诉求侧重点不同、立场差异较大。

（二）全球统一规则体系缺失

在跨国数据流动、算法权责界定、风险防控标准等关键领域，尚未形成全球统一的法律框架和通行规则，治理标准参差不齐。

（三）全球治理呈现碎片化格局

各国监管规则各自为政、互不兼容，跨境协同治理效率偏低，难以有效应对智能科技跨国界、系统性的安全风险与技术挑战。

国内智能科技发展局势、积极前景与主要难题

一、国内智能科技发展基本局势

（一）战略布局高位推进

我国将智能科技确立为国家核心战略、新质生产力核心赛道。国家顶层持续布局赋能，产学研协同的举国发展体系基本成型，为AI产业高质量发展筑牢制度根基。

（二）产业优势特色鲜明

我国拥有超大规模数据市场、海量多元应用场景、完备齐全制造业链条，形成了独具特色、全球领先的AI产业落地优势，行业赋能规模化、产业化成效凸显。

（三）技术迭代加速追赶

国产大模型产业蓬勃兴起、多点开花，算力芯片、开源框架、核心算法等关键领域持续突破，智能科技底层技术自主化水平稳步提升，对外依存度持续下降。

（四）核心短板依然突出

同时，我国AI发展仍存在明显短板，在高端算力芯片、底层基础算法、原创基础理论、顶尖核心人才等领域存在弱项，产业链供应链完全自主可控仍需久久为功、持续攻坚。

（五）产业生态日趋完善

我国AI全链条配套生态持续完善，算力调度、数据要素、产业标注、安全治理体系日趋成熟。普惠AI加速下沉普及，全面赋能基层民生、中小城市和中小微企业发展。

二、国内智能科技发展核心利好前景

（一）顶层政策持续赋能

国家持续出台智能科技专项规划、新质生产力配套政策，构建起长效、稳定的战略赋能体系，为AI产业健康发展、迭代升级提供坚实政策保障。

（二）关键技术不断突破

国产核心技术持续突围，以DeepSeek为代表的本土大模型跻身全球先进行列，算力芯片国产化替代提速增效，多个关键领域实现技术迭代、弯道超车。

（三）应用场景全球独有

我国拥有全球独一无二的海量落地场景，AI全面渗透智能制造、交通物流、医疗教育、智慧城市、民生服务等领域，场景丰富度、应用规模化成为核心竞争优势。

三、国内智能科技发展六大严峻挑战

（一）国际竞争环境日趋复杂

全球AI领域大国博弈持续升温，欧美日韩纷纷出台技术管制、产业封锁举措，技术壁垒持续加高、供应链竞争不断加剧、人才争夺日趋白热化，外部发展环境复杂严峻。

（二）核心硬件存在卡脖子风险

核心硬件领域短板突出，高端GPU芯片、工业EDA软件、机器人核心零部件等关键软硬件高度依赖进口，国产化替代进程滞后，底层供应链存在明显“卡脖子”风险。

（三）高端专业人才缺口巨大

高端复合型、研发型人才缺口巨大，底层算法、架构设计等核心领域人才储备薄弱。据预测，2030年我国AI人才缺口将突破400万，产业发展高度依赖海外高端人才回流赋能。

（四）高质量数据体系建设滞后

高质量训练数据体系建设滞后，中文优质数据占比偏低、全球话语权不足；行业数据孤岛现象普遍，数据共享流通机制不健全，算力与数据资源区域分布失衡，制约技术持续迭代升级。

（五）底层技术底座根基薄弱

当前AI竞争已从单一模型比拼，升级为芯片、算力、框架、数据的全链条博弈。我国在底层操作系统、开源生态、基础算力架构等核心底座领域，自主可控基础薄弱，核心竞争力仍需提升。

（六）全链条自主可控能力不足

全链条自主可控体系尚未完善，底层核心技术、工程落地能力、全产业链配套仍存在短板，从技术研发、产品迭代到产业落地的自主闭环体系仍需长期攻坚、持续完善。

全力推动智能技术助力中国式现代化

（一）四大战略意义

1.抢抓科技产业变革重大机遇

智能科技是第四次科技革命核心引擎，布局AI赛道，就是把握大国竞争、民族复兴关键机遇期，防止重演近代科技滞后的历史教训。

2.激活高质量发展强劲动能

AI是新质生产力核心载体，全方位赋能实体经济、带动产业转型升级，是实现经济提质增效、高质量发展的必由之路。

3.持续增进民生普惠福祉

智能科技广泛应用于医疗、教育、养老、交通、政务、城市服务等领域，便利群众日常生活，持续提升群众幸福感、获得感。

4.夯实国家安全综合实力根基

牢牢掌握AI技术主动权，全方位守护国防、网络、数据、社会领域安全，为中国式现代化稳步前行提供坚实保障。

（二）四大实践实施要求

1.强化顶层统筹规划

完善智能科技法律法规、伦理规范与跨部门协同机制，凝聚社会各方力量，统筹推进AI治理与长远发展。

2.推动科创产业深度融合

聚力攻克芯片、基础算法等底层核心技术，加速科研成果落地转化，构建产学研用一体化协同创新体系。

3.分层分类培育数字人才

一方面引进培育顶尖AI专业人才，打造核心攻坚队伍；另一方面普及全民数字素养，推动干部群众适应、用好智能技术。

4.立足实际稳妥有序发展

坚持实事求是、稳中求进，杜绝一哄而上、一刀切发展；严守安全底线，结合地方实际稳步推进智能科技建设。

（三）五大赋能方向

1.赋能经济现代化

以AI推动产业转型、智能制造增效，培育数字经济新业态、新岗位，夯实新质生产力根基，驱动经济高质量发展。

2.赋能区域城乡现代化

统筹推进智慧政务、智慧乡村、智慧交通建设，弥合区域数字差距，推动城乡公共服务均衡配置，促进区域协调发展。

3.赋能民生福祉现代化

依托智慧医疗、智慧养老、智慧教育、便民政务等场景下沉普惠服务，优化公共服务供给，全面改善群众生活品质。

4.赋能国家安全现代化

运用AI织密国防、网络、数据、社会安全防护网，提升风险预警、应急处置、全域防控的现代化水平。

5.赋能治理体系现代化

依靠智能手段开展精细化、科学化治理，走出以人为本、安全可控、向上向善的智能科技发展路径。

立足自主可控、坚持开放合作，走好创新、普惠、安全、向善的智能科技中国发展之路，以智能技术全方位支撑中国式现代化建设。

江苏省智能科技发展概况及发展建议

一、全省AI发展整体布局

（一）顶层政策与长远目标

我省先后出台《江苏省数字经济高质量发展三年行动计划》《江苏省“智能科技+”行动方案》专项政策，分层设定发展目标：

1. 2027年，数字经济核心AI产业增加值达到1.8万亿元，算力规模突破35EFLOPS，建成规模化智算集群；

2. 2030年，全省智能科技产业总规模突破万亿元；

3. 2035年，建成全国一流的智能科技创新策源高地。

（二）四大发展底座一体夯实

统筹推进算力、数据、模型、平台协同建设：

1.算力：布局大型智算集群，2027年总算力超35EFLOPS；

2.数据：搭建工业、医疗、农业等各领域高质量训练数据集；

3.模型：依托玄武大模型工厂，批量研发各行业垂直专用大模型；

4.平台：上线省级一体化算力平台，实现全省算力统一调度。

（三）核心优势与实践成效

1.科教资源雄厚。以南大为代表的省内高校深耕AI基础理论与底层算法，构建起“基础研究—产业应用”完整转化链条；

2.产融特色鲜明。智能科技深度赋能先进制造与实体经济，产学研融合发展水平位居全国前列；

3.应用场景全域覆盖。AI广泛落地智能制造、智慧医疗、智慧教育、现代农业、智慧城市等领域。

二、推动江苏AI高质量发展五条建议

总体方向：推动我省智能科技由应用跟跑，迈向全国产业生态领跑。

1.统筹全域布局，优化产业协同生态

统筹算力、数据、人才、数字经济各类发展要素，推动南京、苏州、无锡差异化错位发展，打造国家级智能科技标杆载体。

2.引育双向发力，打造国家级人才高地

面向全球引进行业顶尖领军人才；联动省内高校完善本硕博交叉学科培养体系，校企共建实训平台，补齐各层级AI人才缺口。

3.搭建省级协同公共资源平台

整合算力、行业大模型、优质数据集、测试验证场景，建成统一标准、开放共享、全程可追溯、可监管的全省AI公共基础底座。

4.构建全链条可信AI治理评价体系

围绕数据、算法模型、安全风控、伦理合规实施分级分类管理，实现智能科技全生命周期安全可控、合规可溯。

5.放大高校基础科研与交叉创新优势

打通“基础科研—场景试用—产业转化”闭环，依托高校源头创新能力，打造国家级智能科技创新高地。

谭铁牛院士履历

一、求学归国经历

谭铁牛1963年出生于湖南茶陵普通农家，高中成绩位列全县第一。1980年考入西安交通大学，后赴英国帝国理工学院攻读硕士、博士学位，留校任职雷丁大学，1994年获评计算机终身教授，在模式识别领域成果突出。

虽海外事业顺遂，他始终心怀家国。1996年入选中科院“百人计划”，1998年舍弃海外教职、房产，携全家回国投身科研事业。

二、工作履历

归国后兼顾科研攻关与科研管理，先后担任中科院自动化所实验室主任、所长，中科院副秘书长、副院长；2022年出任南京大学党委书记。

学术成就丰硕：2022年斩获国际模式识别领域最高奖项傅京孙奖，长期兼任国内外权威学术学会重要职务；2026年当选新设立的世界数据组织（WDO）首任理事长。

三、核心观点

1.全球数据治理两大方向

一是打破规则壁垒，统筹各国数据管理制度，统一行业标准，减少跨境数据合规成本；

二是共建普惠生态，推动数据赋能医疗、教育、交通等民生领域，助力发展中国家培育数据人才，共享数字经济发展红利。

2.智能科技发展思路

不认同一味堆砌算力、数据的“蛮力AI”，指出该模式存在效能增速放缓、能耗过高、数据失真三大短板；倡导轻量化、高效率的“灵巧AI”。

他认为发展AI要立足解决现实需求，切忌盲目追逐大模型，同步夯实基础理论、贴合产业实际应用。

3.教育数字化“五个坚持”（南大育人理念）

一是坚持系统统筹推进；

二是坚持以人为本，明确教师不可被智能科技替代；

三是坚持理性务实，杜绝盲目跟风上技术项目；

四是坚持开放共享，打通各类教育数据孤岛；

五是坚持安全为先，严守意识形态、学生个人信息双重安全底线。