我国AI发展面临的挑战与突破路径

虽然我国算力总规模已跻身全球前列，但软硬件生态系统仍显薄弱，限制了整体性能的充分发挥。从数据看，我国已具备支撑人工智能快速发展的硬件条件。截至2024年第一季度，智能算力总量达到每秒1882百亿亿次浮点运算能力，处于世界领先水平；智能化计算中心建设不断加快，现已建成42个万卡级别的智能计算集群，为人工智能的规模化发展打下坚实基础。从产业链角度看，我国已初步构建起较为完善的算力产业体系。国内企业围绕芯片、软件平台、服务器、网络设备、存储及集群等环节进行布局，推出了一体机、超节点和智能终端等多种算力部署方案，满足不同业务场景需求。然而从实际效能来看，规模优势尚未完全转化为核心竞争力。当前国产AI芯片与主流框架之间的兼容性问题仍未彻底解决，多个芯片厂商各自为政，形成“生态碎片化”局面，导致开发者在国产芯片上部署大模型时需投入大量额外适配工作。

大模型研发进展迅速，但原始创新能力相较国际先进水平仍有提升空间。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。经测试，我国大模型在基础能力方面已接近国外一流水平，并在中文语境中表现出明显优势。以DeepSeek为例，国产大模型在效率导向路线上展现出真实国际竞争力，其开源项目下载量已跃居全球前列，这表明我国在工程化创新方面具备较强实力。但需要清醒认识到，工程落地能力强不等于原始创新强。在复杂推理、工具使用等方面，我国模型与国际顶尖水平仍存在一定差距，前沿技术的原始创新能力尚处追赶阶段。此外，产业界与学术界之间的协同仍不充分，基础研究成果向产业转化的链条尚不畅通，科研成果从实验室到市场的转化周期较长、效率偏低，持续创新的内生动力仍需加强。高水平AI专业人才供给与产业快速扩张之间存在显著缺口。

近日，随着DeepSeek—V4预览版发布，华为昇腾AI芯片因与其深度适配而受到市场关注。此次通过双方芯模技术的紧密协同，昇腾超节点全系列产品均支持DeepSeek—V4系列模型。图示为2026年5月10日，某AI展馆展示的华为昇腾910（Ascend 910）芯片。视觉中国 龙巍/摄

人工智能应用场景广泛，但场景数据驱动的良性循环尚未真正形成。当前工业、医疗、交通、金融等领域已有大量探索性应用，概念验证项目众多，这是我国独特的战略优势。同时也要看到，我国AI“应用场景沉淀数据—数据训练优化模型—模型升级拓展场景—场景扩容积累数据”的闭环迭代机制尚未完全建立。数据要素市场化配置机制仍不健全，跨领域、跨行业、跨层级的数据孤岛问题尚未根本解决，场景数据的权属、流通、安全治理等制度仍需完善。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，这不仅影响大模型等关键技术的自主迭代升级，也阻碍了AI应用从“可用”向“好用”、“易用”的深度演进。

人工智能治理框架初步建立，但还需进一步提升治理能力与全球规则制定的话语权。我国高度重视AI治理，已出台《生成式人工智能服务管理暂行办法》《人工智能科技伦理审查与服务办法（试行）》等政策法规，初步形成覆盖个人信息保护、算法推荐、深度合成、网络安全等关键领域的治理体系，并积极参与联合国、G20、金砖国家等多边机制相关议题讨论，治理探索处于全球前列。但也要看到，当前我国AI治理面临双重挑战：从国内看，治理能力与产业发展速度之间存在明显落差。AI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、可解释性仍需提升，制约着AI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，欧盟则通过严格监管争取规则制定权，对我国参与全球AI治理构成现实挑战。