◎高志华
前不久，国务院印发《深入实施“人工智能+”行动意见》，明确了实施“人工智能+”行动的总体要求、发展目标和重点方向，为进一步推动人工智能与经济社会各行业各领域广泛深度融合，培育和发展新质生产力，加快形成智能经济和智能社会新形态提供了路径指引。作为引领新一轮科技革命和产业变革的核心驱动力，人工智能与实体经济的深度融合既是培育新质生产力的关键路径，也是推动高质量发展的重要引擎。在全球AI治理格局加速重构的背景下，深入实施“人工智能+”行动，对把握技术革命机遇、构建现代化产业体系具有重要意义。
产业化水平持续提升
当前，我国人工智能产业正加快从技术研发向场景落地、从单点突破向系统集成跃升，已在制造、农业、医疗等主要领域初步形成规模化应用格局。
一是技术产业化水平显著提升。在智能制造领域，工业视觉检测、智能排产优化、设备预测性维护等技术的广泛应用，实现了对生产流程的精准控制和效率提升，为汽车、电子等行业创造了稳定高效的生产环境，显著提升了产品良率和交付稳定性。在智慧农业方面，智能监测系统已覆盖从作物生长、病虫害预警到精准灌溉的全周期管理，有效提高了资源利用效率，降低了人力成本和灾害风险。在医疗领域，10余家三甲医院部署的AI辅助诊断系统，标志着我国人工智能在医疗健康领域的深度应用迈出关键一步。
二是产业协同能力持续增强。随着大模型、物联网、数字孪生等新一代信息技术加速向实体经济融合，人工智能也从单点应用向全流程智能化不断升级。当前，智能感知、数据分析、自主决策、反馈优化等技术集成化发展趋势日益明显，从数据采集、模型训练到场景落地，产业智能化“感知—决策—执行—优化”的闭环体系逐步构建。广东、上海等多地已建成“AI赋能平台”系统，实现了对产业链各环节的一体化管理和资源调度，显著提升了产业协同效率与创新响应能力。同时，人工智能平台逐步延伸至研发设计、供应链管理、市场营销等环节，为产业创新、效率提升、价值创造提供了坚实支撑。
仍存各种制约因素
尽管人工智能产业化发展取得了显著进展，但在核心芯片自主研发、算法创新与场景适配、数据要素流通体系等方面仍存在制约因素。
一是核心技术自主化程度仍显不足。当前受限于技术积累和产业生态，我国AI芯片仍以成熟工艺为主，先进制程的高端产品尚未大规模普及；部分工业软件对进口依赖度较高，系统集成度与协同性不足；多模态大模型中，视觉与语言模型的融合度不够，算法与硬件的适配性仍有待提升。
二是应用成本高、服务体系不健全。部分行业存在算力资源购置成本高、技术落地难、服务生态不完善等问题，致使中小企业“用不起”“用不好”人工智能。部分企业在AI应用中存在“重模型、轻数据”“重技术、轻场景”的倾向，尚未形成可持续的商业模式与价值闭环，影响了人工智能实际应用效果和用户体验。
三是数据标准缺失、流通机制不畅。当前人工智能领域尚未建立统一的行业数据标准和接口规范，不同系统间难以实现完全的数据互通与模型互认，技术协同效率受到制约。部分AI项目虽配备先进算法，但数据孤岛现象严重、场景适配不足，导致资源浪费和应用效果不佳。产业链上下游之间数据割裂、协同不足，反映出技术体系与产业需求的匹配性有待提升。
多头并进推动产业发展
要破解制约人工智能产业化的瓶颈，推动人工智能向更深层次、更广领域、更强能力发展，需在技术创新、生态构建、治理完善、人才支撑等方面协同发力，构建系统化、可持续的高质量人工智能发展体系。
一是加快核心技术自主攻关。应鼓励龙头企业、高校和科研机构组建联合创新平台，围绕AI芯片、工业软件、算法框架等薄弱环节，加快实现核心技术的突破和迭代升级。国家人工智能基金专项资金应重点支持芯片研发，同时加快多模态大模型、具身智能等前沿算法开发，推动形成软硬件协同、云边端一体的智能系统解决方案。
二是完善标准规范体系建设。应加快出台覆盖数据格式、模型接口、安全评估、伦理审查等关键环节的国家或行业标准，解决当前系统互操作性差、数据流通不畅等问题。同步推进技术验证、场景适配、应用推广等标准建设，形成可复制、可推广的“基础模型+行业知识”系统模式。
三是优化政策支持与生态培育。设立人工智能产业化专项资金，对AI芯片、工业软件、算力平台等关键领域给予研发补贴、应用奖励和市场推广支持，推动重点行业率先突破、形成示范带动效应。推动金融机构开发适配AI项目的专项贷款和金融产品，缓解相关企业的资金压力。
四是加强技术服务体系建设。应鼓励发展一批专业化、行业化的AI服务商，为企业提供数据治理、模型训练、系统集成、运维优化等“全链条”服务。通过开展“AI赋能”“技术下沉”等服务项目，加强行业技术培训和应用辅导，提升企业对AI技术的使用能力和信任程度，避免技术资源的闲置化、低效化。
五是推动产学研用协同创新。应依托国家人工智能创新体系，建设一批技术创新中心、场景测试基地和产业孵化平台，打通从基础研究到产品开发、从技术验证到规模应用的全过程。
六是强化人才支撑和治理保障。应加快复合型AI人才培养，在高等教育、职业培训和继续教育中增加人工智能相关课程与实践内容，培养既懂技术又通产业的人才。同时，推动建立数据确权、算法审计、安全评估等治理机制，鼓励数据要素有序流通和技术成果转化应用，激发创新活力，为AI系统运营提供持续动力。
人工智能正处于由“技术突破”走向“产业落地”、由“单点应用”走向“系统赋能”的关键跃升期。持续推动人工智能走创新、协同、安全发展之路，不仅是产业转型升级的核心任务，也是培育新质生产力的战略抓手。面向未来，亟待构建“技术突破、场景驱动、生态协同、治理完善”的人工智能发展新格局，以创新为牵引、以标准为引导、以示范为带动，让智能化技术在千行百业落地生根，为我国经济高质量发展注入新动能。（作者系中共武汉市委党校副教授）
