人工智能发展新挑战与机遇

当前全球人工智能技术路径尚处变动之中，这为加速发展提供了宝贵的战略窗口期，但随着主要国家不断加大投资，这一机会窗口正在逐渐收窄。一旦技术生态系统成型，将形成强大的路径依赖，后发国家突破的难度会显著增加。因此，谁能在竞争中率先取得进展，谁就更可能在未来的全球产业版图中占据主导。近年来，我国对人工智能发展高度重视，持续完善顶层设计并加强统筹部署，使人工智能整体实力实现系统性提升。然而，在基础理论和关键核心技术方面，我国仍存在一些短板。我们需全面了解人工智能的发展现状与不足，按照中央的部署和要求，正视差距、持续努力。

我国算力总规模已居世界前列，但软硬件生态的不足限制了其效能的充分发挥。从规模来看，我国已具备支撑人工智能产业高速发展的硬件基础。截至今年一季度，我国智能算力规模已达每秒1882百亿亿次浮点运算，处于全球领先水平；智算中心建设不断加速，已建成42个万卡智算集群，为人工智能的规模化发展提供了坚实基础。从产业链角度看，我国已初步构建起较为完整的算力产业体系。国内企业围绕芯片、软件栈、服务器等算力产业链环节进行布局，推出了多种算力部署方案，满足不同业务场景的需求。但从实际效能看，规模优势尚未完全转化为核心竞争力。国产智能芯片与主流软件框架的兼容性问题仍未彻底解决，不同芯片厂商各自维护独立的软件栈，造成“生态割裂”，开发者在国产芯片上部署大模型时，往往需要额外投入大量适配工作。

大模型研发进展迅速，但原始创新能力与国际先进水平相比仍有差距。到2025年，我国人工智能企业数量超过6200家，核心产业规模突破1.2万亿元。测试显示，国产大模型在基础能力上已与国际先进水平基本持平，尤其在中文场景中表现突出。以DeepSeek为代表的国产大模型在效率优先路线上展现出国际竞争力，开源下载量位居全球前列，表明我国在工程化方面具备较强能力。但需注意，工程化落地强不等于原始创新强。我国大模型在复杂推理、工具使用等方面与国际先进水平仍有差距，原始创新能力仍处于追赶阶段。同时，产业界与学术界深度融合不足，基础研究向产业转化的链条尚不顺畅，科研成果从实验室走向市场的周期较长、转化率偏低，持续突破的内生动力仍需加强。高水平人工智能专业人才的供给与产业快速扩张的需求之间存在显著缺口。

近期，随着DeepSeek—V4预览版的发布，华为昇腾人工智能芯片因与之实现深度适配而受到市场关注。通过双方在芯模技术上的紧密协同，昇腾超节点全系列产品已支持DeepSeek—V4系列模型。2026年5月10日，某人工智能展馆展示了华为昇腾910（Ascend 910）系列人工智能芯片。视觉中国 龙巍/摄

人工智能应用场景广泛，但数据飞轮效应尚未真正形成。目前，工业、医疗、交通、金融等领域已出现大量探索性应用，概念验证项目数量可观，这是我国独特的战略优势。但也要看到，我国人工智能“场景落地沉淀数据—数据训练优化模型—模型升级拓展场景—场景扩容富集数据”的闭环尚未完全形成。数据要素市场化配置机制仍需完善，跨领域、跨行业、跨层级的数据壁垒与“数据孤岛”问题尚未根本解决，数据的权属界定、流通交易、安全治理等制度规则仍需完善，部分领域数据质量不高、标准化程度不足、开放共享不畅等问题依然存在，这不利于大模型等关键技术的自主迭代升级，也影响了人工智能应用从“可用”向“好用”、“易用”的深度跨越。

我国人工智能治理框架初步建立，但治理能力与全球规则制定话语权仍需提升。我国已出台《生成式人工智能服务管理暂行办法》等政策法规，初步建立了覆盖个人信息保护、算法推荐、深度合成、网络与数据安全等关键问题的治理框架，并积极参与联合国、G20、金砖等多边机制的相关议题讨论，治理探索走在全球前列。但也要认识到，当前我国人工智能治理面临两方面挑战。从国内看，治理能力与产业发展速度之间仍存在明显落差。人工智能幻觉、偏差等技术风险尚无成熟解决方案，算法模型的准确性、可解释性有待提升，制约了人工智能在医疗、工业控制、金融决策等高风险行业的深度应用。从国际看，美国依托技术与生态优势输出标准、强化全球主导地位，欧盟通过严格合规监管争取人工智能规则制定权，对我国参与全球人工智能治理构成挑战。

详见：中国信息通信研究院院长、党委副书记余晓晖文章《准确把握人工智能发展前沿与竞争格局》