人工智能技术加速应用落地

在南京人工智能生态街区的“AI·模坊”南京智能体集散中心，一款机器人在打招呼。新华社记者 季春鹏摄

图片来源于网络，如有侵权，请联系删除

在山西省运城市临猗县的生产车间，工人在检测智能机器人产品性能。常 奇摄（中经视觉）

图片来源于网络，如有侵权，请联系删除

  工业和信息化部最新数据显示，2025年前11个月，人工智能（AI）核心产业规模超过万亿元。从DeepSeek大模型引起全球关注，到AI眼镜、AI手机等各类智能终端广受消费者欢迎，再到以人形机器人为代表的具身智能产业快速跃升……2025年，在政策支持、市场需求和技术进步共同推动下，我国人工智能产业蓬勃发展，成为培育和发展新质生产力的重要引擎。

图片来源于网络，如有侵权，请联系删除

  专家认为，2026年，人工智能技术将迎来进一步升级，产业要素供给能力持续增强，既为传统产业转型升级注入澎湃动能，也为新兴产业开辟广阔赛道，全方位赋能千行百业。

  技术能力持续提升

  2025年，随着多模态、逻辑推理、物理感知等关键技术取得突破，人工智能产业发展基础越发牢固。

  赛迪研究院信息化与软件产业研究所人工智能研究室副主任刘丽超观察到，阿里巴巴、百度等企业持续加码原生多模态大模型，从训练初期就融合文本、图像、视频、音频等多模态数据，实现了理解与生成一体化；清华大学等团队研发的SALMONN音视频大模型在视频描述、问答等综合任务上表现出色；腾讯发布开源世界模型混元Voyager，在3D空间和时间中的感知、推理能力显著增强。工信部数据显示，截至2025年9月，我国人工智能企业数量超过5300家，其中，专精特新“小巨人”企业超400家。

  2025年，阿里巴巴不断加大对通义千问大模型的投入力度，从千问2.5（Qwen2.5）处理长文本能力得到有效提升，到QVQ-Max视觉推理模型能够结合图片和视频内容进行分析推理，再到Qwen3-Max总参数超过万亿，无论是编程能力还是智能体工具调用能力，均取得明显突破。国际权威调研机构沙利文发布的《中国GenAI市场洞察：企业级大模型调用全景研究，2025》报告显示，2025年上半年，中国企业级大模型调用市场中通义占比位列第一。

  “2025年，我们持续跟踪大模型升级迭代情况。从测试数据看，模型在语言和多模态理解能力上提升明显，综合能力分别提升了30%和50%，推理、编程等能力实现又好又快发展。”中国信息通信研究院人工智能研究所所长魏凯认为，大模型不断进步的背后是技术创新作支撑。线性注意力机制提升计算效率，面向环境的强化学习大幅提升模型工具使用能力。同时，业界针对自主学习、长期记忆等大模型能力短板也提出了初步方案。

  例如，2025年，科大讯飞5次迭代升级讯飞星火大模型，最新一代模型X1.5具备个性化记忆能力，实现多源记忆库信息检索、应用，以及个性化记忆识别、提取和更新，构建了用户个性化记忆库，包含长期画像、近期反馈、短期对话和个人资料数据。

  “通用人工智能时代正在开启，将从根本上变革产业形态。我们将聚焦AI主业，坚持底座模型自主研发，推动国产算力与操作系统适配再升级，为我国人工智能产业高质量发展注入新动力。”科大讯飞董事长刘庆峰说。

  应用落地不断深化

  2025年，人工智能加速进入千行百业，应用落地不断深化。“人工智能正深度嵌入制造体系，全国智能工厂数量突破3万家，带动生产效率提升22.3%，研发周期缩短近三成。”刘丽超介绍，2025年上半年，我国AI大模型解决方案市场规模达30.7亿元，同比增长122.1%，企业积极在重点行业拓展人工智能应用场景。

  “当前全球技术浪潮加速演进，AI正从概念走向深度产业化，成为推动未来增长的关键力量。”TCL创始人、董事长李东生告诉记者，TCL持续加大AI技术投入，驱动制造、研发、供应链、运营等全产业链革新，实现大规模价值落地。2025年，TCL发布显示领域具备强推理能力的垂域大模型——星智大模型3.0，凭借更全面的知识体系和更高效的学习适应能力，在半导体显示行业得到充分应用。

  例如，星智大模型可直接助力产品开发过程，支持产品问题解析效率提升20%，材料开发效率提升30%。“未来，星智大模型将渗透至生产和研发更多核心环节，成为半导体显示研发与制造的AI智能体中心。”李东生说。

  魏凯和他的团队在分析了数百个大模型在工业应用的案例后认为，其在价值链中的分布呈现“两端高、中间低”微笑曲线态势，这反映出研发设计与营销服务环节更易获得AI赋能。但在2025年，生产制造环节已展现出明显抬高趋势，案例占比由19.9%增长至25.9%。这一变化表明，AI正在向价值创造的核心环节渗透，但其渗透速度仍受限于工业数据获取难度、工艺知识的封装水平以及对可靠性的极致要求。

  赛迪研究院未来产业研究中心人工智能研究室主任钟新龙建议，应加大实施“人工智能+制造”行动，支持企业在重点场景应用通用大模型、行业大模型和智能体，并通过智能工厂梯度培育行动，带动装备、工业软件和系统集成创新成果加速应用和迭代。

  要素支撑更加有力

  算力与数据作为支撑人工智能产业发展的两项关键要素，供给能力不断提升。

  算力方面，智能算力规模稳步扩大，根据国际数据公司（IDC）和浪潮信息联合测算，2025年全国智能算力规模将达到1037.3EFLOPS。万卡级集群成为支撑大模型训练与推理的主流载体。

  数据方面，数据资源体量持续扩容，2025年全国数据生产总量突破50ZB。合肥、成都等7个数据标注基地数据标注规模超29PB，建设行业高质量数据集524个，赋能163个大模型研发。

  作为人工智能应用较为成熟的领域，自动驾驶技术迭代升级需要高质量数据训练模型。“我们拥有丰富的巴士车型数据集，并依托路侧多源感知设备，形成独有的路侧数据集，可实现7×24小时数据连续采集，用于训练预决策规划模型。”蘑菇车联总裁付强告诉记者，公司自主研发的路侧数据补盲与仿真技术，在推动硬件成本大幅下降的同时，提升性能与安全性，形成“数据—算法—性能”正向循环，不断优化AI模型。目前，蘑菇车联自动驾驶车辆已在国内10余个城市落地，助力自动驾驶走向规模化、商业化。

  在工业领域高质量数据集建设方面，我国拥有完整的工业体系和良好的数字化基础，这就保障了数据来源多样且真实。“建好用好工业数据集，加快大模型技术在工业领域深度应用，已经成为行业共识。”钟新龙建议，一方面，优先建设“工业大模型+行业知识库+时间序列数据”基础模型簇，突出对工艺机理、设备健康、能源效率和质量追溯的建模能力；另一方面，要在工厂侧强化数据治理和安全管理，在不出厂、不出网甚至不出设备的前提下，通过联邦学习、边缘计算等方式完成模型微调和推理，使大模型和智能体在满足安全合规的前提下，持续在真实生产数据上迭代优化。

  “下一步，要以国家级数据标注基地为依托，加快医疗、工业、交通等重点领域高质量数据集的标准化开发与共享，推动建立数据资源分级分类标准；建立跨行业、跨主体的数据流通机制，通过数据沙箱、数据信托等模式破解数据孤岛问题，推动公共数据授权运营与企业数据跨域融合。”刘丽超说。（记者 李芃达）