刘平1石勇1李何敏2冯锦源1李彪21. 中国科学院大学北京 1000492. 西南财经大学四川 成都 611130摘 要 2024年政府工作报告强调了对大数据和人工智能等前沿技术研究与应用的进一步深化提出要积极实施“人工智能”行动培育并发展具有全球竞争力的数字化产业集群。目前“人工智能”正以前所未有的速度和规模渗透到经济和社会的每一个角落。然而人工智能与行业的结合还不够紧密“人工智能”并非简单相加本质是通过新技术催生新质生产力为经济社会的各个方面带来新的产业、模式和动力从而产生乘数效应。基于此希望通过探讨人工智能与行业结合的本质加强人工智能技术与各行业的深度融合优化行业相关资源配置促进“人工智能”跨行业可持续融合与增长。关键词 人工智能; 人工智能; 资源配置DOI:10.11959/j.issn.2096-0271.2026008引用格式刘平, 石勇, 李何敏, 等. “人工智能”跨行业可持续融合与增长战略[J]. 大数据, 2026, 12(1): 1-10.Liu P, Shi Y, Li H M, et al. Strategies for sustainable integration and growth of “Artificial Intelligence ” across industries[J]. Big Data Research, 2026, 12(1): 1-10.0 引言在数字化浪潮的推动下人工智能AI已成为全球科技创新的竞争高地其跨行业的融合与应用正日益深入。党的二十届三中全会明确指出将人工智能列入八大战略性产业之一并完善生成式人工智能发展和管理机制建立人工智能安全监管制度。这些战略部署不仅彰显了人工智能在国家发展中的核心地位也为各行各业的数字化转型指明了方向。首先值得关注的是以DeepSeek为代表的国内智能技术平台通过构建多模态行业知识引擎与垂直领域解决方案正在为“人工智能”行动的实践提供关键技术支撑。当前“人工智能”正以迅猛的速度渗透到经济和社会的每一个角落其影响力和应用范围不断扩大例如郭亮等基于大数据技术赋能甘肃省旅游业实现智慧文旅推动了甘肃省智慧旅游的快速发展。然而人工智能与行业的结合仍面临诸多挑战。一方面行业内部对人工智能的认识和应用还不够深入尚未找到实现深度融合的有效方法另一方面人工智能技术的迅猛发展与行业实际需求之间存在一定差距即便DeepSeek等前沿企业已实现多模态大模型的技术突破但仍需解决行业适配性与价值转化效率等核心问题这要求人们进一步挖掘两者的结合潜力以促进实质性的价值生成。“人工智能”代表了一种新范式它将人工智能作为一种基础性、驱动性的技术力量与制造、医疗、教育、交通、农业、旅游等多个领域进行深度融合创造出新的产品、服务和商业模式。这种融合趋势在DeepSeek等企业实践中得到充分体现——通过构建开放的技术生态体系其智能引擎已成功嵌入工业质检、智慧诊疗、个性化教育等30余个垂直场景。值得注意的是这种融合不是简单的技术叠加而是通过深度整合激发出乘数效应推动经济社会的整体跃升。也就是说它的本质在于通过新技术催生新质生产力为经济社会的各个方面带来新产业、新模式和新动力。因此如何加强人工智能技术与各行业的深度融合优化资源配置促进跨行业可持续融合与增长成为目前亟待解决的问题。本文旨在探讨“人工智能”跨行业可持续融合与增长战略通过深入剖析行业的特点、“人工智能”的本质和发展特点及其价值阐释人工智能与行业融合的核心原理和逻辑基础。此外本文将提出一系列策略建议旨在为“人工智能”在各行业的深入应用与长远发展提供理论支持和实践指导。1 “人工智能”的本质及发展特点1.1 “人工智能”的本质通常而言人工智能涉及计算机系统利用深度学习、自然语言处理等技术手段来模拟人类的智能行为。而“人工智能”是一个更广泛的概念它将人工智能视为一种基础和驱动力使其与制造业、医疗保健、教育、交通、农业等多个行业紧密融合从而开发出新的产品、服务和商业模式促进传统产业的更新换代以及整个社会经济结构的革新。中国信息通信研究院人工智能研究中心常务副主任魏凯指出二者的主要区别在于人工智能强调技术本身“人工智能”则更加强调跟行业、场景的融合。也就是说“人工智能”人工智能各行各业各种应用场景。当前各行各业正在积极开展“人工智能”行动但《中国新一代人工智能科技产业发展报告2024》显示人工智能企业主要集中在第三产业占比71.93%第二产业占比27.92%第一产业仅占0.15%。这说明“人工智能”的发展与行业属性密切相关。各行业在计算能力、数据、极端风险、社会效益等方面的差异是人工智能技术与不同行业融合速度呈现分层分布的根本原因。受边际效用的启发本文将人工智能与行业的深度融合“人工智能”理解成一个二阶问题而不是一阶问题。具体来说“人工智能”行动的一阶问题是指如何快速将人工智能技术应用到各个行业强调技术实施速度和行业规模的绝对增长。而“人工智能”行动的二阶问题则集中在如何根据行业特点优化资源配置保证特定行业技术应用的可持续发展强调行业规模的相对增长追求社会效益的最大化。1.2 “人工智能”的发展特点要想促进人工智能与行业的深度融合不仅要掌握人工智能与行业结合的本质还要洞察“人工智能”的发展特点把握好促进“人工智能”发展的关键要素。数据、算力和模型算法被称为人工智能的“三驾马车”。数据作为人工智能的基石承载着各种信息和知识是训练和优化模型的重要来源算力是算法和数据的基础设施支撑着算法和数据进而影响着人工智能的发展模型算法是人工智能系统的核心组成部分它决定了机器如何处理数据并作出决策没有足够的算力支持模型算法可能无法处理大规模的数据集或执行高效的计算操作。因此“人工智能”的发展离不开数据、算力和模型算法。接下来本文将从这3点出发来阐述其发展特点。1数据人工智能的迅猛发展带动了数据规模不断攀升。根据IDC的预测到2025年年底全球数据量预计将飙升至213.56 ZB。数据是人工智能训练和学习的核心要素具体来说人工智能算法依赖于庞大的数据集来优化其参数和设置进而提高预测的准确性使之更贴近实际情况。数据的丰富程度、数量和多样性是决定人工智能学习效果的关键因素随着可用数据的增加人工智能算法性能也随之增强。目前数据服务行业已迈向高度个性化的定制服务阶段。诸如百度、阿里巴巴、京东等企业根据特定的应用场景和客户需求提供定制化的数据服务解决方案企业追求的数据集也正逐步从适用于通用型简单场景转向适用于更复杂和个性化的应用场景业界正积极寻求方法构建高质量的数据集然而高质量数据集少且受限是我国人工智能发展面临的一大挑战。一方面大模型本身通过模型学习语料库的内含知识但由于“数据孤岛”、制度缺失等因素的影响可供使用的公共数据集、科学语料库较少加之投入成本、商业模式、入局时间等因素的限制高质量、多维度、标准化丰富的数据库特别是视频、传感信号、3D点云等新型中文数据集匮乏。另一方面中文语料库在互联网数据中的占比不到4%高质量的中文数据更是稀缺这导致大模型无法基于足够多样性的样本进行训练收敛。除此之外我国大量大模型的研发仍采用国际开放数据集或者基于海外预训练模型在中文语料库上进行微调训练因此国际开放数据集对于我国至关重要。但2024年2月时任美国总统拜登签署的“关于防止有关国家访问美国敏感数据”的行政令标志着未来我国使用国际数据可能进一步受到限制。2算力算力是数据和算法的基础设施是大模型发展的基石对模型的训练速度和收敛模型的规模有决定性作用进而影响着人工智能的发展。算力的强弱直接体现了处理数据的能力。算力的生成依赖于芯片技术并通过基础软件的有效配置最终实现在终端应用中的高效运用。作为算力的核心人工智能芯片的性能对于推动整个人工智能产业的繁荣具有决定性作用。我国的人工智能芯片大多处于跟跑状态与国际先进水平的差距在2.5代以上赛迪智库的人工智能产业形势分析课题组的研究表明国内人工智能芯片制造商在很大程度上依赖于高通、英伟达、AMD等国际领先企业的供应。在国产芯片尚未完全替代国外高端芯片的背景下美国对我国实施了严格的高端芯片出口限制。不仅如此美国在人工智能核心硬件领域还在继续取得新的突破如Groq发布的语言处理单元language processing unitLPU大模型推理芯片得益于自研的TSA架构其推理速度是英伟达最新GPU的10倍但能耗只有其1/10。除此以外基于GPU的软件生态是人工智能产业的核心英伟达构建的CUDA生态牢牢掌握了全球人工智能领域的核心在该领域我国目前虽然已进行了初步的探索但无论是生态的成熟度还是覆盖范围仍有待加强。3模型算法自2020年OpenAI发布GPT-3以来包括谷歌、华为、阿里巴巴、中国科学院和智源研究院在内的多家企业和研究机构纷纷加大研发力度推出了一系列超大规模的预训练模型如Switch Transformer、DALL·EMT-NLG、盘古、悟道2.0、紫东太初和M6等。2022年后人工智能领域尤其是生成模型领域发展突飞猛进ChatGPT、智谱清言、文心一言、Sora等大模型不断突破在语言、语音、图像、视频、多模态等领域取得了令人惊艳的效果相比之前的模型性能有巨大的提升为人机交互、内容创作、信息生成等带来了根本性的变革。根据中国信息通信研究院发布的《人工智能白皮书2022年》这些超大规模预训练模型将持续促进技术进步并朝着更大规模和多模态的方向发展。截至目前美国在人工智能领域处于全球领先地位。斯坦福最新的报告《2025年人工智能指数报告》显示2024年全球有40个著名的人工智能模型源自美国的机构超过中国的15个和欧盟的3个。其人工智能的前沿创新和应用成为全球主要的引领者。同时我国人工智能领域也在迅猛发展政府将人工智能纳入国家发展战略并出台了一系列支持政策。根据《每日经济新闻》记者的不完全统计截至2024年4月我国有关企业和机构公布的大模型数量已达 308个涵盖50多个行业类别。其中企业发布的有240个占比77.9%高校和研究机构发布的有65个占比21.1%政府事业单位发布的有3个占比1.0%。我国机器人安装量居世界首位全球61%的人工智能专利来自我国。另外《北京市人工智能行业大模型创新应用白皮书2023年》指出我国和美国发布的通用大模型总数占全球的80%欧盟、加拿大、新加坡等组织和国家尚处于起步阶段我国与美国呈现AI领域的两极局面。但国内大模型发展存在一系列的问题例如我国基础模型算法少大模型大多以Transformer为基础缺乏奠基式机构以及类似BERT、GPT、SORA等能够引起大变革的模型国内大模型“套壳”国外开源大模型的情况众多。而且国内大模型研制单位目前“各自为战”尚未形成有机生态与当前主流的训练框架TensorFlow和PyTorch等相比国内自研的训练框架如华为MindSpore等国际竞争力依然较弱不足以满足大模型训练以及服务运营需要。2 行业特点人工智能技术已经在农业、制造业、交通、教育、医疗保健、社会管理等多个领域催生了众多示范性的创新产品和应用实例。例如农业领域出现了农业无人机、智能农场和智慧渔场等新兴业态工业领域则见证了无人工厂和灵活的数字生产线等智能化生产方式的兴起百度的自动驾驶技术、阿里巴巴的城市大脑、腾讯的医疗影像分析和科大讯飞的智能语音技术等均被纳入国家新一代人工智能开放创新平台智能终端、机器人等标志性产品的创新性持续增强。但当前我国人工智能领域的发展主要集中在服务业与制造业融合程度较低。根据《中国新一代人工智能科技产业发展报告2024》人工智能企业主要集中在第三产业占比高达71.93%相比之下第二产业的占比为27.92%而第一产业的占比微乎其微仅为0.15%。在第三产业中信息传输、软件和信息技术服务业占据首位占比达到31.64%科学研究和技术服务业紧随其后占比为25.23%教育领域则以11.28%的占比位列第三。其他行业的占比均不足10%。一方面我国企业的发展水平存在较大差异既有技术领先、数字化水平高的企业也有缺乏研发能力、仍处于机械化阶段的企业。特别是在县域经济中许多企业的生产技术和设备较为落后智能化水平亟待提升。此外多数实体企业在研发上的投入不足技术创新的引领作用也不明显。这些就导致人工智能与实体经济尤其是制造业的深度融合面临重大挑战。另一方面目前市场上的人工智能产品60%以上为视觉AI和大语言AI产品其中大语言AI主要是通用AI不适用于专业化的应用场景。垂直大模型若要适配具体场景的融合和赋能需要更精准数据、稀缺样本数据优化算法进行长时间的预训练以及相应的时间和成本投入而智能制造企业等工业企业在人工智能算法能力方面储备普遍不足因此人工智能与其融合程度始终较低。3 “人工智能”的价值根据索洛增长模型Solow growth mode如图1所示经济增长由劳动力、资本和全要素生产率的增速共同决定提高全要素生产率是经济在增速放缓时期实现新增长的关键。科技创新在其中扮演着决定性角色人工智能作为科技创新的重要推动者其发展对于增强全要素生产率具有至关重要的影响。“人工智能”的价值主要体现在将数据、算力和算法作为新型生产要素与劳动力、资本和土地等传统生产要素深度融合推动全要素生产率的提升。图1 索洛增长模型随着我国经济发展进入新常态人工智能越来越成为推动生产力整体提高和形成新质生产力的核心力量。新质生产力作为当代先进生产力不仅依赖于技术方面的突破更需要生产要素的创新配置以及产业的优化升级这些都是“人工智能”能有效推动的领域。在生产要素创新配置方面人工智能作为一种新生产工具通过将数据作为新生产要素将算力作为新基础能源重新定义了生产过程中的各个环节。数据作为新型生产要素对土地、劳动、资本、技术等生产要素具有放大、叠加、倍增效果。通过大规模的数据处理和分析人工智能技术的引入能够优化生产决策提高生产效率。算力作为新基础能源支撑着人工智能的运算需求使复杂的计算任务能够迅速完成。通过高效的人机协作方式“人工智能”实现了劳动者技能的提升、劳动资料的智能化以及劳动对象的多样化进一步促使劳动者、劳动资料和劳动对象产生质变最终实现生产要素的创新性配置以及全要素生产率的提高。在产业优化升级方面“人工智能”不仅仅延展了传统生产的边界还开拓了新的产业空间。人工智能的兴起催生了新产业、新业态和新商业模式加速了产业的跨界融合和转型升级它通过创新性改善生产要素的配置提高了全要素生产率促进了新质生产力的发展。因此开展“人工智能”行动不仅是为了利用人工智能推动产业升级更是为了打开新质生产力的大门实现生产要素的深度整合和优化配置推动社会生产力全面提升。目前“人工智能”已经在各行各业表现出非凡的潜力。例如在制造业领域制造企业可以利用智能化的生产设备、机器视觉系统、自动化检测与控制系统等实现生产流程的自动化和智能化。这些技术的应用显著提高了生产效率减少了人工干预从而提升全要素生产率让企业更具竞争力和灵活性在农业领域人工智能技术可用于土壤监测、作物健康分析、自动化灌溉和精准施肥等方面从而提高农业生产的效率在金融领域人工智能的应用主要体现在风险管理、投资决策、客户服务等方面人工智能技术能够通过大数据分析和机器学习算法预测市场趋势实现更精准的风险管理、欺诈检测和投资决策提升金融业的运营效率在医疗领域人工智能技术的应用正在推动诊断、治疗和管理方式的变革通过对医学影像的分析、病历数据的处理和基因组数据的解读可以提供更加精准的诊断和个性化的治疗方案。总之通过推动技术进步、优化资源配置、提升劳动生产率和促进创新人工智能不仅在现有经济体系中发挥着重要作用也为未来经济增长和生产力提升提供了新的动力。因此充分发挥人工智能技术的优势贯彻落实“人工智能”行动推动人工智能与各行业深度融合是提升全要素生产率和促进经济持续增长的必然选择。4 政策建议在党的二十届三中全会上《中共中央关于进一步全面深化改革、推进中国式现代化的决定》明确指出将人工智能与新一代信息技术、航空航天、新能源、新材料、高端装备、生物医药、量子科技一起作为八大战略性产业同时完善生成式人工智能发展和管理机制建立人工智能安全监管制度。这一决定反映了国家对推动人工智能发展的决心。2025年8月国务院《关于深入实施“人工智能”行动的意见》进一步明确“强化前瞻谋划、系统布局、分业施策、开放共享、安全可控”的总体要求提出到2027年实现人工智能与六大重点领域广泛深度融合新一代智能终端应用普及率超70%到2030年普及率突破90%的阶段性目标为战略落地划定清晰路径。在当今世界百年未有之大变局加速演进、产业和科技革命不断深化的背景下深化人工智能与各行业的融合加速新质生产力的培育掌握经济增长的新动力是推动经济高质量发展的关键。因此为了更有效地实施“人工智能”行动充分利用“人工智能”进行产业升级实现人工智能与各行业的深度融合将人工智能有序赋能重点领域加快重塑产业生态培育经济发展新动能需要关注以下4个方面。1注重长远效益产业的发展不仅要追求短期内的规模扩张更应关注其长远的社会效益和潜在的变革能力。这意味着在进行产业融合时需要充分评估人工智能技术对产业结构的优化作用以及对劳动力市场、消费者福利和社会整体健康的影响。例如在评估制造业与人工智能的融合时需要考虑技术进步是否会带来生产效率的大幅提升以及是否有可能创造新的就业机会或者反之是否导致产业智能化带来的结构性失业问题。因此在推进“人工智能”行动时需结合经济原理、国家战略规划和产业发展现状全面评价产业的社会效益和潜在变革能力跳出对短期内绝对扩张速度的单一关注。2充分考虑行业属性不同行业在计算能力、数据、极端风险、社会效益等方面的差异是人工智能技术与不同行业融合速度呈现分层分布的根本原因。因此在推动“人工智能”行动时需充分考虑行业属性差异对“人工智能”发展的影响把握各行业计算能力、数据等核心要素的差异化特征因地制宜推进“人工智能”行动积极构建适应特定领域的大型模型发展新生态圈避免社会资源浪费发挥最大效用。不仅如此政府应当结合国家发展战略的需要和国家整体“人工智能”的发展现状参考《关于深入实施“人工智能”行动的意见》的要求编制分行业中长期路线图明确优先领域如医疗、制造、农业、能源等并给予政策支持。3数据资源领域整合政府在协调跨行业、跨部门的数据资源整合方面具有不可替代的作用。数据是一切人工智能算法的基础。在数据层面政府应着力构建“人工智能”数据资源的跨部门协调机制例如推动建立跨行业、跨部门的协同平台如联合实验室、产业联盟推动数据共享、标准互通和资源整合通过整合优质数据资源进一步激发“人工智能”的发展潜力。4人工智能极端风险治理坚持有效市场与有为政府相结合实现对各行业人工智能极端风险的有效治理以安全可靠的人工智能赋能高质量发展最终实现社会效益最大化。有效的市场机制与积极的政府角色在推动人工智能与产业深度融合中至关重要。市场在资源分配中发挥着决定性作用它不仅激发了技术革新也激发了企业对人工智能技术投资的热情。然而由于人工智能技术的通用性和潜在的影响力其在产业中的广泛应用也伴随着一系列潜在风险例如技术垄断、数据隐私泄露、就业结构变化导致的失业问题等。对这些极端风险的管理需要政府的积极介入和监督政府可以通过制定政策、财政支持、建立行业标准和规范等措施来引导人工智能技术的发展方向确保技术创新的安全性并有效管理行业面临的极端风险以安全可靠的人工智能赋能高质量发展最终实现社会效益最大化。参考文献见原文点击篇末『阅读原文』阅读及下载本文作者简介刘平男中国科学院大学经济与管理学院博士生主要研究方向为数据权属和安全、数字经济。石勇男博士中国科学院大学讲席教授、博士生导师发展中国家科学院院士国务院参事。中国科学院虚拟经济与数据科学研究中心主任中国科学院大数据挖掘与知识管理重点实验室主任中国管理现代化研究会联职理事长国际信息技术与量化管理学会主席。主要研究方向为数据挖掘、数字经济、机器学习等。《大数据》、Intermational Journal ofInformation TechnologyDecision Making(SCI期刊)和 Annals ofData Science创刊主编。曾获2009年“复旦管理学杰出贡献奖”、2021年“成思危全球奖”、国际多目标决策学会2009年“康托学术奖”、2001年中国国家杰出青年科学基金奖、1999年度内布拉斯加州立大学卓越研究奖、1997-2000年美国IEEE卓越演讲者等奖项。出版专著35部在80多种国际杂志与刊物上发表300多篇学术论文连续多年被评为全球高被引科学家。李何敏女西南财经大学工商管理学院硕士生主要研究方向为机器学习。冯锦源男中国科学院大学经济与管理学院博士生主要研究方向为多模态生成模型和大模型微调。李彪男博士西南财经大学大数据研究院副教授四川省经济和信息化厅专家库成员、民建四川省委参政议政专家库成员主要研究方向为机器学习的生成模型、计算机视觉任务、机器学习量化模型等。相关阅读面向人工智能的数据治理框架构建企业级人工智能高质量数据集方法与路径人工智能大语言模型数据集现状和充实对策研究联系我们:Tel:010-53859533010-53879208E-mail:bdrbjxintong.com.cnhttp://www.j-bigdataresearch.com.cn/转载、合作010-53879255大数据期刊《大数据Big Data ResearchBDR》双月刊是由中华人民共和国工业和信息化部主管人民邮电出版社主办中国计算机学会大数据专家委员会学术指导北京信通传媒有限责任公司出版的期刊已成功入选中国科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊以及信息通信领域高质量科技期刊分级目录、计算领域高质量科技期刊分级目录并多次被评为国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。关注《大数据》期刊微信公众号获取更多内容
“人工智能+”跨行业可持续融合与增长战略
刘平1石勇1李何敏2冯锦源1李彪21. 中国科学院大学北京 1000492. 西南财经大学四川 成都 611130摘 要 2024年政府工作报告强调了对大数据和人工智能等前沿技术研究与应用的进一步深化提出要积极实施“人工智能”行动培育并发展具有全球竞争力的数字化产业集群。目前“人工智能”正以前所未有的速度和规模渗透到经济和社会的每一个角落。然而人工智能与行业的结合还不够紧密“人工智能”并非简单相加本质是通过新技术催生新质生产力为经济社会的各个方面带来新的产业、模式和动力从而产生乘数效应。基于此希望通过探讨人工智能与行业结合的本质加强人工智能技术与各行业的深度融合优化行业相关资源配置促进“人工智能”跨行业可持续融合与增长。关键词 人工智能; 人工智能; 资源配置DOI:10.11959/j.issn.2096-0271.2026008引用格式刘平, 石勇, 李何敏, 等. “人工智能”跨行业可持续融合与增长战略[J]. 大数据, 2026, 12(1): 1-10.Liu P, Shi Y, Li H M, et al. Strategies for sustainable integration and growth of “Artificial Intelligence ” across industries[J]. Big Data Research, 2026, 12(1): 1-10.0 引言在数字化浪潮的推动下人工智能AI已成为全球科技创新的竞争高地其跨行业的融合与应用正日益深入。党的二十届三中全会明确指出将人工智能列入八大战略性产业之一并完善生成式人工智能发展和管理机制建立人工智能安全监管制度。这些战略部署不仅彰显了人工智能在国家发展中的核心地位也为各行各业的数字化转型指明了方向。首先值得关注的是以DeepSeek为代表的国内智能技术平台通过构建多模态行业知识引擎与垂直领域解决方案正在为“人工智能”行动的实践提供关键技术支撑。当前“人工智能”正以迅猛的速度渗透到经济和社会的每一个角落其影响力和应用范围不断扩大例如郭亮等基于大数据技术赋能甘肃省旅游业实现智慧文旅推动了甘肃省智慧旅游的快速发展。然而人工智能与行业的结合仍面临诸多挑战。一方面行业内部对人工智能的认识和应用还不够深入尚未找到实现深度融合的有效方法另一方面人工智能技术的迅猛发展与行业实际需求之间存在一定差距即便DeepSeek等前沿企业已实现多模态大模型的技术突破但仍需解决行业适配性与价值转化效率等核心问题这要求人们进一步挖掘两者的结合潜力以促进实质性的价值生成。“人工智能”代表了一种新范式它将人工智能作为一种基础性、驱动性的技术力量与制造、医疗、教育、交通、农业、旅游等多个领域进行深度融合创造出新的产品、服务和商业模式。这种融合趋势在DeepSeek等企业实践中得到充分体现——通过构建开放的技术生态体系其智能引擎已成功嵌入工业质检、智慧诊疗、个性化教育等30余个垂直场景。值得注意的是这种融合不是简单的技术叠加而是通过深度整合激发出乘数效应推动经济社会的整体跃升。也就是说它的本质在于通过新技术催生新质生产力为经济社会的各个方面带来新产业、新模式和新动力。因此如何加强人工智能技术与各行业的深度融合优化资源配置促进跨行业可持续融合与增长成为目前亟待解决的问题。本文旨在探讨“人工智能”跨行业可持续融合与增长战略通过深入剖析行业的特点、“人工智能”的本质和发展特点及其价值阐释人工智能与行业融合的核心原理和逻辑基础。此外本文将提出一系列策略建议旨在为“人工智能”在各行业的深入应用与长远发展提供理论支持和实践指导。1 “人工智能”的本质及发展特点1.1 “人工智能”的本质通常而言人工智能涉及计算机系统利用深度学习、自然语言处理等技术手段来模拟人类的智能行为。而“人工智能”是一个更广泛的概念它将人工智能视为一种基础和驱动力使其与制造业、医疗保健、教育、交通、农业等多个行业紧密融合从而开发出新的产品、服务和商业模式促进传统产业的更新换代以及整个社会经济结构的革新。中国信息通信研究院人工智能研究中心常务副主任魏凯指出二者的主要区别在于人工智能强调技术本身“人工智能”则更加强调跟行业、场景的融合。也就是说“人工智能”人工智能各行各业各种应用场景。当前各行各业正在积极开展“人工智能”行动但《中国新一代人工智能科技产业发展报告2024》显示人工智能企业主要集中在第三产业占比71.93%第二产业占比27.92%第一产业仅占0.15%。这说明“人工智能”的发展与行业属性密切相关。各行业在计算能力、数据、极端风险、社会效益等方面的差异是人工智能技术与不同行业融合速度呈现分层分布的根本原因。受边际效用的启发本文将人工智能与行业的深度融合“人工智能”理解成一个二阶问题而不是一阶问题。具体来说“人工智能”行动的一阶问题是指如何快速将人工智能技术应用到各个行业强调技术实施速度和行业规模的绝对增长。而“人工智能”行动的二阶问题则集中在如何根据行业特点优化资源配置保证特定行业技术应用的可持续发展强调行业规模的相对增长追求社会效益的最大化。1.2 “人工智能”的发展特点要想促进人工智能与行业的深度融合不仅要掌握人工智能与行业结合的本质还要洞察“人工智能”的发展特点把握好促进“人工智能”发展的关键要素。数据、算力和模型算法被称为人工智能的“三驾马车”。数据作为人工智能的基石承载着各种信息和知识是训练和优化模型的重要来源算力是算法和数据的基础设施支撑着算法和数据进而影响着人工智能的发展模型算法是人工智能系统的核心组成部分它决定了机器如何处理数据并作出决策没有足够的算力支持模型算法可能无法处理大规模的数据集或执行高效的计算操作。因此“人工智能”的发展离不开数据、算力和模型算法。接下来本文将从这3点出发来阐述其发展特点。1数据人工智能的迅猛发展带动了数据规模不断攀升。根据IDC的预测到2025年年底全球数据量预计将飙升至213.56 ZB。数据是人工智能训练和学习的核心要素具体来说人工智能算法依赖于庞大的数据集来优化其参数和设置进而提高预测的准确性使之更贴近实际情况。数据的丰富程度、数量和多样性是决定人工智能学习效果的关键因素随着可用数据的增加人工智能算法性能也随之增强。目前数据服务行业已迈向高度个性化的定制服务阶段。诸如百度、阿里巴巴、京东等企业根据特定的应用场景和客户需求提供定制化的数据服务解决方案企业追求的数据集也正逐步从适用于通用型简单场景转向适用于更复杂和个性化的应用场景业界正积极寻求方法构建高质量的数据集然而高质量数据集少且受限是我国人工智能发展面临的一大挑战。一方面大模型本身通过模型学习语料库的内含知识但由于“数据孤岛”、制度缺失等因素的影响可供使用的公共数据集、科学语料库较少加之投入成本、商业模式、入局时间等因素的限制高质量、多维度、标准化丰富的数据库特别是视频、传感信号、3D点云等新型中文数据集匮乏。另一方面中文语料库在互联网数据中的占比不到4%高质量的中文数据更是稀缺这导致大模型无法基于足够多样性的样本进行训练收敛。除此之外我国大量大模型的研发仍采用国际开放数据集或者基于海外预训练模型在中文语料库上进行微调训练因此国际开放数据集对于我国至关重要。但2024年2月时任美国总统拜登签署的“关于防止有关国家访问美国敏感数据”的行政令标志着未来我国使用国际数据可能进一步受到限制。2算力算力是数据和算法的基础设施是大模型发展的基石对模型的训练速度和收敛模型的规模有决定性作用进而影响着人工智能的发展。算力的强弱直接体现了处理数据的能力。算力的生成依赖于芯片技术并通过基础软件的有效配置最终实现在终端应用中的高效运用。作为算力的核心人工智能芯片的性能对于推动整个人工智能产业的繁荣具有决定性作用。我国的人工智能芯片大多处于跟跑状态与国际先进水平的差距在2.5代以上赛迪智库的人工智能产业形势分析课题组的研究表明国内人工智能芯片制造商在很大程度上依赖于高通、英伟达、AMD等国际领先企业的供应。在国产芯片尚未完全替代国外高端芯片的背景下美国对我国实施了严格的高端芯片出口限制。不仅如此美国在人工智能核心硬件领域还在继续取得新的突破如Groq发布的语言处理单元language processing unitLPU大模型推理芯片得益于自研的TSA架构其推理速度是英伟达最新GPU的10倍但能耗只有其1/10。除此以外基于GPU的软件生态是人工智能产业的核心英伟达构建的CUDA生态牢牢掌握了全球人工智能领域的核心在该领域我国目前虽然已进行了初步的探索但无论是生态的成熟度还是覆盖范围仍有待加强。3模型算法自2020年OpenAI发布GPT-3以来包括谷歌、华为、阿里巴巴、中国科学院和智源研究院在内的多家企业和研究机构纷纷加大研发力度推出了一系列超大规模的预训练模型如Switch Transformer、DALL·EMT-NLG、盘古、悟道2.0、紫东太初和M6等。2022年后人工智能领域尤其是生成模型领域发展突飞猛进ChatGPT、智谱清言、文心一言、Sora等大模型不断突破在语言、语音、图像、视频、多模态等领域取得了令人惊艳的效果相比之前的模型性能有巨大的提升为人机交互、内容创作、信息生成等带来了根本性的变革。根据中国信息通信研究院发布的《人工智能白皮书2022年》这些超大规模预训练模型将持续促进技术进步并朝着更大规模和多模态的方向发展。截至目前美国在人工智能领域处于全球领先地位。斯坦福最新的报告《2025年人工智能指数报告》显示2024年全球有40个著名的人工智能模型源自美国的机构超过中国的15个和欧盟的3个。其人工智能的前沿创新和应用成为全球主要的引领者。同时我国人工智能领域也在迅猛发展政府将人工智能纳入国家发展战略并出台了一系列支持政策。根据《每日经济新闻》记者的不完全统计截至2024年4月我国有关企业和机构公布的大模型数量已达 308个涵盖50多个行业类别。其中企业发布的有240个占比77.9%高校和研究机构发布的有65个占比21.1%政府事业单位发布的有3个占比1.0%。我国机器人安装量居世界首位全球61%的人工智能专利来自我国。另外《北京市人工智能行业大模型创新应用白皮书2023年》指出我国和美国发布的通用大模型总数占全球的80%欧盟、加拿大、新加坡等组织和国家尚处于起步阶段我国与美国呈现AI领域的两极局面。但国内大模型发展存在一系列的问题例如我国基础模型算法少大模型大多以Transformer为基础缺乏奠基式机构以及类似BERT、GPT、SORA等能够引起大变革的模型国内大模型“套壳”国外开源大模型的情况众多。而且国内大模型研制单位目前“各自为战”尚未形成有机生态与当前主流的训练框架TensorFlow和PyTorch等相比国内自研的训练框架如华为MindSpore等国际竞争力依然较弱不足以满足大模型训练以及服务运营需要。2 行业特点人工智能技术已经在农业、制造业、交通、教育、医疗保健、社会管理等多个领域催生了众多示范性的创新产品和应用实例。例如农业领域出现了农业无人机、智能农场和智慧渔场等新兴业态工业领域则见证了无人工厂和灵活的数字生产线等智能化生产方式的兴起百度的自动驾驶技术、阿里巴巴的城市大脑、腾讯的医疗影像分析和科大讯飞的智能语音技术等均被纳入国家新一代人工智能开放创新平台智能终端、机器人等标志性产品的创新性持续增强。但当前我国人工智能领域的发展主要集中在服务业与制造业融合程度较低。根据《中国新一代人工智能科技产业发展报告2024》人工智能企业主要集中在第三产业占比高达71.93%相比之下第二产业的占比为27.92%而第一产业的占比微乎其微仅为0.15%。在第三产业中信息传输、软件和信息技术服务业占据首位占比达到31.64%科学研究和技术服务业紧随其后占比为25.23%教育领域则以11.28%的占比位列第三。其他行业的占比均不足10%。一方面我国企业的发展水平存在较大差异既有技术领先、数字化水平高的企业也有缺乏研发能力、仍处于机械化阶段的企业。特别是在县域经济中许多企业的生产技术和设备较为落后智能化水平亟待提升。此外多数实体企业在研发上的投入不足技术创新的引领作用也不明显。这些就导致人工智能与实体经济尤其是制造业的深度融合面临重大挑战。另一方面目前市场上的人工智能产品60%以上为视觉AI和大语言AI产品其中大语言AI主要是通用AI不适用于专业化的应用场景。垂直大模型若要适配具体场景的融合和赋能需要更精准数据、稀缺样本数据优化算法进行长时间的预训练以及相应的时间和成本投入而智能制造企业等工业企业在人工智能算法能力方面储备普遍不足因此人工智能与其融合程度始终较低。3 “人工智能”的价值根据索洛增长模型Solow growth mode如图1所示经济增长由劳动力、资本和全要素生产率的增速共同决定提高全要素生产率是经济在增速放缓时期实现新增长的关键。科技创新在其中扮演着决定性角色人工智能作为科技创新的重要推动者其发展对于增强全要素生产率具有至关重要的影响。“人工智能”的价值主要体现在将数据、算力和算法作为新型生产要素与劳动力、资本和土地等传统生产要素深度融合推动全要素生产率的提升。图1 索洛增长模型随着我国经济发展进入新常态人工智能越来越成为推动生产力整体提高和形成新质生产力的核心力量。新质生产力作为当代先进生产力不仅依赖于技术方面的突破更需要生产要素的创新配置以及产业的优化升级这些都是“人工智能”能有效推动的领域。在生产要素创新配置方面人工智能作为一种新生产工具通过将数据作为新生产要素将算力作为新基础能源重新定义了生产过程中的各个环节。数据作为新型生产要素对土地、劳动、资本、技术等生产要素具有放大、叠加、倍增效果。通过大规模的数据处理和分析人工智能技术的引入能够优化生产决策提高生产效率。算力作为新基础能源支撑着人工智能的运算需求使复杂的计算任务能够迅速完成。通过高效的人机协作方式“人工智能”实现了劳动者技能的提升、劳动资料的智能化以及劳动对象的多样化进一步促使劳动者、劳动资料和劳动对象产生质变最终实现生产要素的创新性配置以及全要素生产率的提高。在产业优化升级方面“人工智能”不仅仅延展了传统生产的边界还开拓了新的产业空间。人工智能的兴起催生了新产业、新业态和新商业模式加速了产业的跨界融合和转型升级它通过创新性改善生产要素的配置提高了全要素生产率促进了新质生产力的发展。因此开展“人工智能”行动不仅是为了利用人工智能推动产业升级更是为了打开新质生产力的大门实现生产要素的深度整合和优化配置推动社会生产力全面提升。目前“人工智能”已经在各行各业表现出非凡的潜力。例如在制造业领域制造企业可以利用智能化的生产设备、机器视觉系统、自动化检测与控制系统等实现生产流程的自动化和智能化。这些技术的应用显著提高了生产效率减少了人工干预从而提升全要素生产率让企业更具竞争力和灵活性在农业领域人工智能技术可用于土壤监测、作物健康分析、自动化灌溉和精准施肥等方面从而提高农业生产的效率在金融领域人工智能的应用主要体现在风险管理、投资决策、客户服务等方面人工智能技术能够通过大数据分析和机器学习算法预测市场趋势实现更精准的风险管理、欺诈检测和投资决策提升金融业的运营效率在医疗领域人工智能技术的应用正在推动诊断、治疗和管理方式的变革通过对医学影像的分析、病历数据的处理和基因组数据的解读可以提供更加精准的诊断和个性化的治疗方案。总之通过推动技术进步、优化资源配置、提升劳动生产率和促进创新人工智能不仅在现有经济体系中发挥着重要作用也为未来经济增长和生产力提升提供了新的动力。因此充分发挥人工智能技术的优势贯彻落实“人工智能”行动推动人工智能与各行业深度融合是提升全要素生产率和促进经济持续增长的必然选择。4 政策建议在党的二十届三中全会上《中共中央关于进一步全面深化改革、推进中国式现代化的决定》明确指出将人工智能与新一代信息技术、航空航天、新能源、新材料、高端装备、生物医药、量子科技一起作为八大战略性产业同时完善生成式人工智能发展和管理机制建立人工智能安全监管制度。这一决定反映了国家对推动人工智能发展的决心。2025年8月国务院《关于深入实施“人工智能”行动的意见》进一步明确“强化前瞻谋划、系统布局、分业施策、开放共享、安全可控”的总体要求提出到2027年实现人工智能与六大重点领域广泛深度融合新一代智能终端应用普及率超70%到2030年普及率突破90%的阶段性目标为战略落地划定清晰路径。在当今世界百年未有之大变局加速演进、产业和科技革命不断深化的背景下深化人工智能与各行业的融合加速新质生产力的培育掌握经济增长的新动力是推动经济高质量发展的关键。因此为了更有效地实施“人工智能”行动充分利用“人工智能”进行产业升级实现人工智能与各行业的深度融合将人工智能有序赋能重点领域加快重塑产业生态培育经济发展新动能需要关注以下4个方面。1注重长远效益产业的发展不仅要追求短期内的规模扩张更应关注其长远的社会效益和潜在的变革能力。这意味着在进行产业融合时需要充分评估人工智能技术对产业结构的优化作用以及对劳动力市场、消费者福利和社会整体健康的影响。例如在评估制造业与人工智能的融合时需要考虑技术进步是否会带来生产效率的大幅提升以及是否有可能创造新的就业机会或者反之是否导致产业智能化带来的结构性失业问题。因此在推进“人工智能”行动时需结合经济原理、国家战略规划和产业发展现状全面评价产业的社会效益和潜在变革能力跳出对短期内绝对扩张速度的单一关注。2充分考虑行业属性不同行业在计算能力、数据、极端风险、社会效益等方面的差异是人工智能技术与不同行业融合速度呈现分层分布的根本原因。因此在推动“人工智能”行动时需充分考虑行业属性差异对“人工智能”发展的影响把握各行业计算能力、数据等核心要素的差异化特征因地制宜推进“人工智能”行动积极构建适应特定领域的大型模型发展新生态圈避免社会资源浪费发挥最大效用。不仅如此政府应当结合国家发展战略的需要和国家整体“人工智能”的发展现状参考《关于深入实施“人工智能”行动的意见》的要求编制分行业中长期路线图明确优先领域如医疗、制造、农业、能源等并给予政策支持。3数据资源领域整合政府在协调跨行业、跨部门的数据资源整合方面具有不可替代的作用。数据是一切人工智能算法的基础。在数据层面政府应着力构建“人工智能”数据资源的跨部门协调机制例如推动建立跨行业、跨部门的协同平台如联合实验室、产业联盟推动数据共享、标准互通和资源整合通过整合优质数据资源进一步激发“人工智能”的发展潜力。4人工智能极端风险治理坚持有效市场与有为政府相结合实现对各行业人工智能极端风险的有效治理以安全可靠的人工智能赋能高质量发展最终实现社会效益最大化。有效的市场机制与积极的政府角色在推动人工智能与产业深度融合中至关重要。市场在资源分配中发挥着决定性作用它不仅激发了技术革新也激发了企业对人工智能技术投资的热情。然而由于人工智能技术的通用性和潜在的影响力其在产业中的广泛应用也伴随着一系列潜在风险例如技术垄断、数据隐私泄露、就业结构变化导致的失业问题等。对这些极端风险的管理需要政府的积极介入和监督政府可以通过制定政策、财政支持、建立行业标准和规范等措施来引导人工智能技术的发展方向确保技术创新的安全性并有效管理行业面临的极端风险以安全可靠的人工智能赋能高质量发展最终实现社会效益最大化。参考文献见原文点击篇末『阅读原文』阅读及下载本文作者简介刘平男中国科学院大学经济与管理学院博士生主要研究方向为数据权属和安全、数字经济。石勇男博士中国科学院大学讲席教授、博士生导师发展中国家科学院院士国务院参事。中国科学院虚拟经济与数据科学研究中心主任中国科学院大数据挖掘与知识管理重点实验室主任中国管理现代化研究会联职理事长国际信息技术与量化管理学会主席。主要研究方向为数据挖掘、数字经济、机器学习等。《大数据》、Intermational Journal ofInformation TechnologyDecision Making(SCI期刊)和 Annals ofData Science创刊主编。曾获2009年“复旦管理学杰出贡献奖”、2021年“成思危全球奖”、国际多目标决策学会2009年“康托学术奖”、2001年中国国家杰出青年科学基金奖、1999年度内布拉斯加州立大学卓越研究奖、1997-2000年美国IEEE卓越演讲者等奖项。出版专著35部在80多种国际杂志与刊物上发表300多篇学术论文连续多年被评为全球高被引科学家。李何敏女西南财经大学工商管理学院硕士生主要研究方向为机器学习。冯锦源男中国科学院大学经济与管理学院博士生主要研究方向为多模态生成模型和大模型微调。李彪男博士西南财经大学大数据研究院副教授四川省经济和信息化厅专家库成员、民建四川省委参政议政专家库成员主要研究方向为机器学习的生成模型、计算机视觉任务、机器学习量化模型等。相关阅读面向人工智能的数据治理框架构建企业级人工智能高质量数据集方法与路径人工智能大语言模型数据集现状和充实对策研究联系我们:Tel:010-53859533010-53879208E-mail:bdrbjxintong.com.cnhttp://www.j-bigdataresearch.com.cn/转载、合作010-53879255大数据期刊《大数据Big Data ResearchBDR》双月刊是由中华人民共和国工业和信息化部主管人民邮电出版社主办中国计算机学会大数据专家委员会学术指导北京信通传媒有限责任公司出版的期刊已成功入选中国科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊以及信息通信领域高质量科技期刊分级目录、计算领域高质量科技期刊分级目录并多次被评为国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。关注《大数据》期刊微信公众号获取更多内容
