人工智能高质量发展的六个着力点

△ 点击关注上方，星标或置顶公众号

第一时间获取锦麟资本最新消息

尽管人工智能技术路线的竞争充满变数，但“效率优先”已成为各方关注的焦点。我国在工程化创新和应用场景上的积累，恰好与这一方向高度契合。机遇千载难逢，我们要以习近平总书记关于AI发展的重要论述为指引，坚定信心，将战略判断转化为持续产业竞争力，加快推动AI高质量发展和全方位赋能。当前，需在几个关键领域精准发力、协同推进。

需平衡规模与效能，推动我国从“算力大国”向“算力强国”迈进。我国算力规模虽居全球前列，但需将规模优势转化为效能优势。应进一步引导各地统筹布局智算中心建设，推动万卡级及以上集群向枢纽节点集中，深化算力与电力、网络的协同规划，提升绿电、核电等清洁能源占比，降低能耗强度，增强基础设施的可持续运营能力。要面向应用场景推动算力精准供给，针对大模型训练、推理、科学计算等不同负载特征，优化资源调度与配置，避免“大水漫灌”式粗放供给，实现算力与应用需求的高效匹配。要加快推进算力互联网络建设，推动东西部算力互补，降低使用门槛，让中小企业也能便捷获取高质量算力，搭建智能化转型的普惠基础设施。

应平衡追赶与创新，在效率路线上构建自主竞争优势。当前我国工程化创新实力已获国际验证，但要在规模定律演进中保持竞争力，需在坚持效率优先的同时，加强原始创新能力建设。要利用国家科技重大专项等渠道，加强AI基础理论框架研究，强化对基础模型架构创新、训练算法优化、原生多模态融合等前沿方向的支持；推进多元技术路线并行探索，对非Transformer架构、智能体自主进化、可解释性与对齐等新方向保持战略储备，防止单一路径依赖。要构建以企业和高校为主导的产学研协同创新体系，推动学界与业界深度融合，打通基础研究向产业转化的链条，建立鼓励创新、宽容失败的评价机制，形成无缝协作的创新生态。要加大AI专业人才培养力度，支持校企联合培养，壮大既懂技术又懂行业的复合型人才队伍，为持续突破提供人才储备。

应平衡单点突破与整体协同，通过软硬件生态建设打造系统性竞争优势。历史经验表明，单点技术突破固然重要，但决定产业格局的是软硬件深度协同的完整生态体系。例如，英伟达在AI时代占据主导地位，根本原因在于GPU、CUDA软件栈与PyTorch等框架共同构成了开发者高度依赖的生态，芯片、框架、工具链、应用层深度适配，形成“越用越优”的正循环，使后来者难以撼动其优势。这对我国启示深刻：补齐软硬件短板不能依赖单点突破，必须系统推进“算法—框架—芯片—系统”全链条协同，打破各芯片厂商软件栈碎片化格局，推动开发者在国产软硬件体系上高效构建应用。要鼓励芯片厂商与大模型团队开展早期深度协同设计，使硬件特性与模型架构相互适配。

应平衡技术与产业，推动应用落地从“样板间”走向规模化。AI与实体经济的融合，是技术能力与产业需求双向适配的过程。要培育壮大专业化行业应用服务商，让既懂AI又懂行业的“中间力量”承担桥梁职能。工业是AI赋能实体经济的主战场：视觉大模型大幅压缩漏检率，实现全流程在线检测；大模型通过学习海量数据输出最优工艺参数，将良率提升至人工经验难以企及的水平；预测性维护模型显著缩短计划外停机时间，降低生产中断损失。这些实践表明，AI以数据为纽带，将工程师的隐性经验转化为可复用、可迭代的显性知识，成为工厂持续改善的“数字参谋”。要推动龙头企业率先深度应用，通过供应链带动机制扩散至中小企业，同时打通跨企业数据流通壁垒，让丰富场景转化为驱动模型进化的数据飞轮。

应平衡发展与治理，以高水平治理护航高质量发展。治理与发展并非对立，而是辩证统一、相辅相成的。要从提升产业实力的高度认识安全治理价值。要健全AI政策法规、标准规范与伦理准则，为创新破除障碍。要推动可信AI技术攻关，提升算法准确性、鲁棒性和可解释性，让用户“用得放心”。要建立覆盖大模型全生命周期的安全评估体系，完善针对幻觉率、抗攻击性、可控性的标准化测试方案，推动治理从被动应对向主动防范转变。完善的治理体系本身就是产业竞争力——只有建立系统完备的AI治理体系，才能为高价值行业应用打开广阔空间。

打造中国AI国际公共产品，为世界贡献中国智慧与力量。立足国内优势，与南方国家共享AI技术成果、经验与方案，推动全球治理规则协调。健全AI开源机制，建设高水平开源社区。支持“技术开源+生态共建”推广通用模型，以“本地化拓展+普惠赋能”开拓市场，为发展中国家提供高质量技术供给。加强政府引导与产业协同，推动硬件、算法、应用、解决方案全链条出海。落实《“人工智能+”国际合作倡议》，依托联合国、金砖、“一带一路”等机制，协同推进国际交流。高质量建设金砖、东盟人工智能合作中心，加快能力建设，参与全球治理。秉持“普惠包容、智能向善”理念，讲好中国故事、贡献中国力量。

- END -