超越大模型：解读《人工智能合作发展行动计划》的真正内涵

2026年7月17日，国家发展改革委联合相关部门推出了《人工智能合作发展行动计划》。

若仅看名称，可能误以为这是一份国际协作倡议；若只关注八项行动，又可能将其拆解为数据、算力、开源、人才、标准等八个独立政策要点。

但真正关键的是，这八项行动融合后形成的整体逻辑：

中国正推动人工智能从单一技术和产业领域，升级为一种能跨国界、跨行业、跨组织协同的基础实力。

这暗示，AI竞赛的重心正在转移。

未来较量的不仅是模型参数、算力规模和产品数量，更是谁能整合数据、链接算力、壮大开源生态、打造行业应用、培育复合型人才，并将标准、安全和伦理融入整个系统。

简言之，AI正从“谁的技术更强”转向“谁能让人更安全、低成本、可持续地使用”。

过去几年，国内人工智能政策的脉络较为明确：弥补技术缺口、强化自主创新、搭建算力设施、推进大模型研发和“人工智能+”实践。

其核心目标，是提升国内人工智能产业的供应能力。

但这份《行动计划》的视野显著更广。

官方文件多次强调跨境数据共享、普惠计算、国际开源社区、跨国产业协作、联合人才培养、标准统一、安全合作和科技伦理。

它回应的不再仅是“中国如何发展AI”，而是几个更全球性的问题：

因此，这份计划更像一幅全球AI能力构建蓝图。

它既涵盖基础设施，也包括应用生态；既关注创新效率，也重视安全边界；既提出能力输出，也强调共同建设。

如果用一句话总结，它聚焦的不是如何打造几个AI明星产品，而是如何让AI成为更多国家、更多行业和更多人都能触及的公共服务。

《行动计划》提出八项行动：高质量数据供给、算力资源普惠、开源生态共享、AI深度赋能、数智人才共育、规则标准共建、安全治理协作、AI向善。

表面看是八个方向，实际上可重组为一套完整的五层能力栈。

高质量数据供给解决的是“AI靠什么学习”，算力资源普惠解决的是“AI在哪里运行”。

数据与算力是智能时代的新型基础资源。但计划并未停留在“多建数据中心、多购算力卡”，而是进一步提出跨境可信数据空间、多语种语料共建、行业高质量数据集、算力设施联通和绿色能源驱动。

这里至少释放出三个信号。

第一，数据的价值将从“拥有”转向“可治理、可流通、可使用”。

企业内部并不缺数据，真正缺的是经过清洗、确权、分类、授权和持续更新的数据。大量文件和业务记录如果不能被安全调用，就只是信息库存，而非生产要素。

第二，算力竞争将从单点规模转向网络化供给和服务可达性。

真正决定企业能否用上AI的，不只在于一个地区建了多少算力中心，而是算力能否按需获取、稳定交付、有效调度，并与具体场景匹配。

第三，绿色低碳将成为AI基础设施的重要约束。

随着大模型训练和推理需求持续增长，能源消耗已成为AI规模化发展的实际成本。绿色能源、算电协同和基础设施利用效率，将逐渐从加分项变为必答题。

因此，真正稀缺的并不只是原始数据和算力设备，而是把数据和算力转化为稳定服务的组织能力。

生态安全共享，是整个计划中连接“技术供给”和“广泛应用”的关键环节。

对于多数企业和发展中国家而言，从零训练通用大模型并不现实。开源模型、基础算法和工具组件，能显著降低技术门槛，让更多组织把资源投入到本地化适配和行业创新中。

但开源并不等于没有规则。

《行动计划》在鼓励共建国际开源社区的同时，也提出要协同制定开源合规体系与安全准则。

这意味着，下一阶段的开源竞争不只是“谁把代码放出来”，而是比拼四种能力：

未来更有价值的企业，未必都去训练一个更大的通用模型，而可能是在成熟的开源底座上，把行业数据、专业知识和业务流程封装成可复制的解决方案。

开源降低的是技术门槛，行业知识抬高的是价值门槛。

《行动计划》把科学、制造、医疗、教育、农业、治理列为重点领域，并特别提到促进智能体规范应用与创新发展。

这表明政策关注点正从“有没有AI产品”，转向“AI是否真正改变了生产方式和服务方式”。

模型只是能力