2025年解读《关于深入实施“人工智能+”行动的意见》：以“人工智能+”培育智能经济新范式

政策复盘:人工智能顶层设计持续跃迁

(一)2015-2025年，从“互联网+”到“人工智能+

2015年7月，国务院印发并实施《关于积极推进“互联网+”行动的指导意见》，提出到2025年“互联网+”成为经济社会创新发展的重要驱动力量。此后，我国通过十年深耕“互联网+”行动,构建了万物互联的数字底座,互联网普及率达79.7%,网民规模达11.23亿人,拥有全球最大的5G网络和最丰富的应用场景库。

2025年8月，正是“互联网+”提出10周年，国务院印发《关于深入实施“人工智能+”行动的意见》，象征着我国正在从“互联网+”的广泛连接阶段，向“人工智能+”的创新引领阶段迈进。当前我国人工智能技术创新进入密集活跃期，产业体系日益完善，通过“人工智能+”行动，将人工智能技术的突破性成果深度融合到实体经济中。“互联网+”的本质是“连接”，带来的是“最变”，其重点在于解决“信息孤岛”问题，充分发挥互联网在生产要素配置中的优化和集成作用，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态忘。“人工智能+”的本质则是“赋能”，带来的是“质变”，通过应用渗透让机器具备自主分析和决策能力，引发各行业范式革命，推进经济社会智能化改造升级，推动我国全面步入智能经济和智能社会发展的新阶段。

从“互联网+”向“人工智能+”转变，既是主动应对全球科技竞争的战略选择，也是推动构建新发展格局的必然要求。人工智能是重构生产要素、重塑产业范式、重组价值链条的核心引擎，有利于提高生产效率和改变产业分工格局，加快形成与新质生产力相适配的新型生产关系，为经济社会ả瀚訝变汘鞅名瑯吿担围域带来新模式和新动能，为中国式现代化筑牢智能基座。

(二)“十四五”期间，中央 AI顶层设计经历四次跃迁

人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。回溯“十四五”以来的政策演进，可以看出中央在人工智能领域的顶层设计经历了显著的战略演进与重心迁移，呈现出清晰的四次跃迁轨迹。政策重心遵循“前沿科技攻关-基础设施筑基-产业应用落地一全面社会变革”的演进路径，不仅反映了国家对人工智能发展规律的深刻把握，也逐步构建起从技术研发到全面社会融合的系统性政策框架，推动人工智能从实验室走向产业、从工具升级为驱动社会变革的核心力量。

第一阶段:2021年3月，我国正式发布“十四五”规划，以“技术突破”为发展人工智能的核心使命。规划明确将人工智能列为前沿领域，强调“加强原创性引领性科技攻关、加强关键数字技术创新应用”，聚焦高端芯片、操作系统、人工智能关键算法、传感器等关键领域，加快推进基础理论、基础算法、装备材料等研发突破与迭代应用。这一时期政策着重引导科研机构、高校与企业加强原始创新，旨在缩小与国际领先水平的技术差距，为长期发展奠定科技基础。战略思维体现出“技术先行”导向，人工智能尚未广泛融入经济主战场，而更多被视为亟待突破的尖端科技领域。

第二阶段:2023年2月《数字中国建设整体布局规划》出台，政策重心由单纯技术攻坚转向“基础设施”构建。尽管该文件未直接提及“人工智能”，但首次从数字中国整体格局出发，强调建设高速算力网络、公共数据集、开放平台等人工智能发展所需的数字底座。我们认识到，单点技术突破若缺乏数据、算力与通用能力的支撑，难以形成规模化应用。推动智算中心、5G网络等新型基础设施建设，有助于为技术落地打造坚实的环境基础，以设施优势牵引技术转化与生态繁荣。

第三阶段:2024年政府工作报告明确提出开展“人工智能+”行动，标志着人工智能政策重心正式转向“产业赋能”。“人工智能+”行动突出人工智能与实体经济深度融合，注重场景开放与协同创新，鼓励企业以AI优化流程、研发新产品、重塑商业模式，其经济属性与社会价值得到系统性认可。这不仅是国家应对全球科技竞争的关键决策，更是传统产业转型升级、提升核心竞争力的时代必然，人工智能已经成为驱动社会经济全面转型的战略支撑。

第四阶段:2025年8月《关于深入实施“人工智能+”行动的意见》代表了一次全新的范式跃迁，政策焦点进入“全面社会变革”层次。人工智能不再被局限于行业工具或经济议题，而是被视为推动社会整体演进的核心引擎，成为引领国家竞争力重构的根本力量。深入实施“人工智能+”行动，有助于加快培育发展新质生产力，使全体人民共享人工智能发展成果，更好服务中国式现代化建设。最终目标为重塑人类生产生活范式，促进生产力革命性跃迁和生产关系深层次变革，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态。

“人工智能+”行动意见深度解读

(一)时间轴:2027/2030/2035 三阶段递进目标

《意见》提出 2027/2030/2035三阶段递进目标:到2027年，目标瞄准技术突破和夯实基础。率先实现人工智能与6大重点领域广泛深度融合、智能经济核心产业规模快速增长;到2030年也即“十五五”规划收官之年，目标瞄准承前启后与逐步崛起，起到AI+的技术升级，广泛应用、质量提升的作用;到2035年，也是我国基本实现社会主义现代化的关键之年,目标是全面步入智能经济和智能社会发展新阶段，体现了以AI助力经济社会建设的长远布局与强国战略。

三阶段递进目标展现了迈向智能经济需要“小步快跑”，由补短板到筑长板、由单点突破到系统成势、由跟跑并跑到领跑示范的跃升路径。这是结合技术发展、国内实践与全球形势的综合考量，有助于顺应和把握人工智能技术演进规律，推动人工智能赋能高质量发展。一是从技术趋势看，大语言模型、多模态模型、智能体和具身智能等领域技术不断出现突破性创新，人工智能逐步从单任务智能到可扩展、多任务智能的范式转变。二是从应用态势看，人工智能赋能行业的路径符合数字技术应用客观规律，即遵循“从数字化水平较好的领域率先突破，再逐步扩散到更多行业”的推进特征。在数字原生和数字化基础较好的领域已经取得良好成效的基础上，人工智能将在经济社会各领域实现深度应用，与更加复杂的物理场景和核心生产流程相结合，推动生产力实现更大的变革性突破。三是从全球形势看，全球AI领域竞争呈加速态势，近期美国发布AI行动计划，意在主导AI领域秩序;此时我国推出“人工智能+”行动意见，旨在以开源、包容的模式加速AI应用推进。

(二)六大重点行动全景拆解

深入推进“人工智能+”六大行动，紧密围绕科学研究者、行业企业、消费者、人民群众、政府部门以及全球各国等多方主体，逐步推动人工智能在各领域的规模化和商业化应用。这标志着我国人工智能技术产业已进入“实效落地”的关键阶段，通过大规模应用促进新型生产力的形成，打造产业发展的核心引擎。通过市场机制，激发企业创新的主导作用，构建起“数据驱动-需求引领-商业闭环-技术迭代”的良性循环，突破创新成果转化的瓶颈。

1.“人工智能+”科学技术，助力科研加速度

Alfor Science(A驱动科学发现)正在改写科学发现的底层逻辑，逐步改变人类探索世界的方式。《意见》从 AI加速科学发现进程、驱动技术研发模式创新和效能提升、创新哲学社会科学研究方法三个层面提出“AI+”科技发展的行动方向。

人工智能能够催化科学发现范式的重大变革。科学发现的范式以往经历四个阶段:实验科学(直接观察描述)、理论科学(理论科学预测)、计算科学(计算机模拟)和数据科学(以大数据挖掘规律)。在前两个阶段，拥有智力和感知的人类占据主导地位。而后两个阶段，AI技术将成为重要助手。在通用基座大模型与专业领域模型协同增效，未来也将涌现从辅助工具到主导科学研究的专家，打破传统学科壁垒，在数学证明、生物机制、材料设计等不同领域间高效运作。

2.“人工智能+”产业发展，培育智能原生颠覆性创新模式

“人工智能+”产业发展的重点在于培育智能原生新模式新业态,强调第一、二、三产业全要素智能化转型发展路径。

智能原生产业根植于人工智能与各类产业的深度融合,依赖于人工智能核心技术，用AI“造出新设备”“创建新系统”，重新定义产品、服务或商业模式。例如，自动驾驶车辆，本质基于智能原生的四轮机器，AI已从芯片到算法重构汽车制造范式，重新定义汽车行业的业态和商业模式。自动驾驶服务产生于AI能力，在与汽车制造行业的深度融合中创造出新范式、新系统。

智能原生产业促进全要素生产率智能化发展。智能原生产业通过技术穿透性推动全要素生产率进一步提升，重构全球生产要素配置方式。例如，从微观层面看，智能化提升生产管理软件、产线设备控制、工艺优化，提高生产效率;工业机器人通过自学习、自适应、字迭代优化操作路径，提升制造业人均产出。从中观层面看，产业大脑系统将研发-生产一物流的协同周期大大压缩。从宏观层面看，人工智能对全球生产率的增长贡献度将越来越突出。

智能原生产业不同于传统产业智能化转型。智能原生产业以A为核，创造出全新产品、全新服务、全新业态，体现的是颠覆性创新。而传统产业的智能化转型，是在原有产业框架的基础上引入AI技术，旨在提升现有业务的效率、改善用户体验或降低成本，这种转型属于渐进式创新。

3.“人工智能+”消费，拓展消费新场景培育新业态

AI对消费市场的重塑将围绕两大核心展开:一是场景创新拓展消费边界,二是深度激活潜在需求形成持续增长动能，这一进程的底层驱动力来自技术的持续突破与商业逻辑的迭代升级。服务消费方面，打造“提效+陪伴”双轮驱动的智能原生应用，以智能助理为新入口，全面升级文娱、电商、家政、物业、出行、养老、托育七大生活场景，拓展体验、个性、情感消费。例如，AIGC技术将对内容生产领域表现起到加成作用，主要体现在资源制作的效率提升、产出作品的动态交互能力增强以及三维模型生成的精度和速度提高。我们认为:这些进步不仅降低了开发成本加速了内容创造，还为产出的作品提供了更丰富的视觉效果和更深层次的互动性。长期来看，AICG技术将有望为内容制作领域带来更加多样化的应用场景、更高数量和质量的应用内容、更深度的用户沉浸体验，使数字内容产业突破传统产业的边际成本限制和产能限制，打破“成本一质量一速度”的不可能三角，呈现零边际成本和无限供给的特征。

产品消费方面,推动终端“万物智联”,聚焦智能网联汽车、AI手机/电脑、机器人、智能家居、智能穿戴五大品类，并融合元宇宙、低空飞行、增材制造、脑机接口，孵化下一代智能产品新形态例如，科沃斯推出的AI清洁机器人，在基础清扫功能外新增“宠物陪伴模式”:通过摄像头识别宠物情绪，主动播放安抚音乐并投喂零食。蔚来汽车在ET5车型上推出的“露营模式”，通过座椅自动放平、恒温控制与无人机联动功能，将车辆转化为移动生活空间，这一创新使车载睡袋等周边产品的选装率跃升，开辟出汽车后市场的新增长点。教育硬件领域,科大讯飞学习机通过 AI错题分析功能，提升初中生数学薄弱知识点的定位效率。

4.以工作、学习、生活三大抓手，塑造“人工智能+”提升民生福祉

历次重大改革均具有群众性,“人工智能+”行动也将是一场由全体人民共同参与的伟大变革。推进“人工智能+”民生福祉，符合人民至上这一本质要求，顺应不断满足人民群众的美好生活需要的向往，彰显“以人为本”和“智能向善”的人工智能正确发展理念。

推进“人工智能+”民生福祉需要准确把握追求性能与人文关怀的关系、推动发展与安全有序的关系、总体布局与预留空间的关系。一是性能与人文关怀的关系。人工智能正从工具辅助向智能协作发展，显著提升效率和便捷性。然而，需警惕过度依赖可能导致服务僵化，忽视人文关怀，尤其对老年群体和残箝闳障人士造成“数字鸿沟”。人工智能的根本目标是满足人的需求，提升尊严与幸福感，因此在提升效率的同时，应确保服务的灵活性、包容性和人性化，推动“无障碍”与“适老化”产品和服务。二是发展与安全有序的关系。在积极推动人工智能发展带来民生福祉的同时，要识别并应对技术应用中的潜在风险，确保安全性、可靠性和公平性。人工智能应与社会民生紧密结合。防止滥用和误用，解决医疗、就业、教育公平等民生关切，确保技术演进始终服务人类进步。三是总体布局与预留空间的关系。推进“人工智能+”民生福祉需加强前瞻性、战略性布局，准确识别主要矛盾び朱仁穢辉需鯗啰磨溈扒議并推动技术应用和服务突破。考虑到人工智能的高不确定性和应用风险,应适当留白、

建立容错机制，为社会创新提供足够的空间，确保在技术快速发展的同时能够灵活应对变化。深入实施“人工智能+”行动，加快推动人工智能在人们日常工作、学习、生活中的深度运用。普通人也将享受工作、学习、医疗等多方位的便捷服务。工作层面，以“人机协同+智能代理”重塑工作，新增岗位、赋能旧岗、培训托底。学习层面，让 AI贯穿“教、学、评”全过程，实现大规模因材施憊湛餸虑，┴貉人驍撮縑棚枼椿渃闬覩邓身AI学习。生活层面，用A打造全民健康助手、文化创作引擎和温情社会服务，共建“好房子”式高品质生活。

5.构建人机共治、安全协同与生态“智”理的“人工智能+”治理新格局

智能社会的发展趋势呈现三重特征:智能普惠持续驱动经济社会繁荣，人机共生重塑社会运行模式，虚实融合重构社会空间。科学把握智能社会发展趋势，布局建设城乡智能基础设施，不断提升“人工智能+”治理能力，重构治理体系的运行逻辑与结构范式，是推动智能社会健康发展的基础保障。一是智能普惠推动繁荣。人工智能实现规模化、低成本应用，正在深刻改变生产生活方式,降低创新门槛，释放社会活力，推动物质与文化繁荣。生成式人工智能加速数字与文化内容生产无人机、智能机器人等产品提升效率，无人配送、数字人主播等新业态加快落地。二是人机共生重塑模式，人工智能由工具向伙伴转变，社会运行进入“人机共生”阶段:人机协作优化生产服务，改善环境、提升效率;人机交互成为供需对接与交流的重要接口;人机关系从工具使用演化为伙伴关系，机器嵌入社会网络。三是虚实融合重构空间。智能终端与生成式AI缩短数字与物理距离，形成“虚实融合”格局。感知边界逐步消解，沉浸式交互普及;规则差异不断弥合，内容与服务实现虚实间快速切换，边界日益模糊。

6.从A普惠与全球共治两方面推动“人工智能+”全球合作

一是推动人工智能普惠共享。将人工智能作为全球公共产品，打造平等、互信、共赢的开放生态。加强国际合作，推动人工智能技术开源，促进算力、数据和人才共享，帮助全球南方国家提升人工智能能力，弥合全球智能鸿沟，实现各国平等参与智能化发展。二是共建全球共建。支持联合国在人工智能全球治理中的主导作用，推动形成各国广泛参与的治理框架。深化与国际组织、专业机构合作，协同制定治理规则和技术标准，共同应对人工智能应用风险，确保技术发展安全、可控和可靠。

(三)八大基础支撑能力亮点解读

《意见》以硬基础和软建设为保障，统筹发展和安全，围绕模型、数据、算力、应用、开源、人才、政策法规、安全8个方面，系统构建人工智能基础支撑体系。

一是提升模型基础能力。2025年初，基于Transformer的预训练模型DeepSeek-V3、推理模型Deepeek-R1借助开源生态、效率优化与成本控制，并以工程创新突破硬件瓶颈，刷新国际业界对中国技术实力的认知。与此同时，Transformer架构在推理能耗、成本及长上下文依赖上的瓶颈,也促使我国厂商重新审视循环神经网络。元始智能等企业已推出基于RNN的可扩展架构RWKV并持续迭代。《意见》强调支持多路径技术探索和模型基础架构创新。

二是加强数据供给创新。中国数据规模庞大且增速较快，助力人工智能数据采集与加工产业已逐渐成熟。IDC预计，全球数据量将由2025年的213.56ZB增至2029年的527.47ZB,实现翻番;其中，中国市场将由2025年的51.78ZB增至2029年的136.12ZB，年复合增长率达26.9%。在全球数据总量中，非结构化数据占主导，这意味着原始数据必须经清洗、整理、标注后才能转化为可用的结构化训练集。对此，我国已建成7个数据标注基地，形成涵盖医疗、工业、教育等行业的高质量数据集335个,支撑121个国产大模型的训练需求;各地共引进和培育数据标注企业223家,从业人员达5.8万人，带动行业相关产值超过83亿元。

三是强化智能算力统筹。智能算力是人工智能发展的核心驱动力，被视为支撑“AI+行动”的关键基础设施。当前，中国正通过系统性的政策设计，破解算力资源分布不均、利用效率不高、核心技术受限等瓶颈，构建自主可控、高效协同、普惠易用的国家智算体系。《意见》指出，特别是在“东数西算”、算力统筹、高质量数据集建设、模型能力评估等环节，从顶层设计构建统一、高效、安全的AI基础设施体系。

四是优化应用发展环境。首先，着力构建一个全链条、全要素、全周期的优质发展环境。在制造、医疗、交通、金融、能源等关键领域，布局建设一批人工智能应用中试基地。这些基地作为集共性技术研发、标准验证、人才实训、生态孵化于一体的战略性平台，能将通用大模型转化为解决行业痛点的专用方案，大幅降低 A技术的产业化门槛。其次，通过培育一批专业的人工智能应用服务商，发展“模型即服务”(MaaS)“智能体即服务”(AaaS)等新模式新业态，构建一个专业化、精细化、平台化的人工智能应用服务链。这将使AI能力像积木一样可被灵活调用，加速其在千行百业的渗透。最后，建立容错试错与激励机制，破解 AI创新面临的“高风险、长周期”的难题。

五是促进开源生态繁荣。开源是技术创新的“众包模式”，也是打破技术垄断、实现换道超车的关键路径。Design Arena是目前全球最大规模的众包AI生成设计Benchmark平台，它的核心机制是让真实的人类用户进行评测，DesignArena排行榜上排名前十几位开源AI模型全部来自中国。前十五名中，阿里贡献6款，DeepSeek贡献5款，智谱3款，月之暗面Kimi1款。直到第16位，才出现OpenAI的GPTOSS120B。《意见》从国家战略上在中国开源生态的社区建设、激励机制、国际影响力建设等方面提供了顶层保障。

六是加强人才队伍建设。建立以创新价值、能力、贡献为导向的多元化评价体系;支持企业灵活运用股权、期权、分红等中长期激励工具，吸引并留住顶尖人才，让科学家敢干、资本敢投、企业敢闯。

七是强化政策法规保障。《意见》坚持“在发展中规范，在规范中发展”，致力于构建一套适应性强、前瞻性足、包容性高的政策法规体系。其中重点强调了资本助力的重要性，提出健全国有资本投资人工智能领域考核评价和风险监管、加大人工智能领域金融和财政支持力度。

八是提升安全能力水平。动态、敏捷、多元协同的人工智能治理格局是确保AI技术“安全、可靠、可控”的关键。《意见》指出，在技术、应用、应急层面，构建“政府监管、企业履责、行业自律、社会监督”的多元协同治理格局，

产业映射:需求、供给与生态三重共振

六大重点行动、八大基础支撑共同支持雷求、供给与生态三重共振。一是场景落地从数字原生迈向智能原生。产品、服务甚至整个业务模式围绕AI的核心能力(理解、生成、推理、记忆)进行根本性、颠覆性创新。二是强化算力、模型、数据和应用的供给支撑。四要素双向赋能，算力作为物理基础，数据作为核心燃料，模型作为关键引擎，应用作为价值体现。四大要素的动态互动通过“应用落地-数据积累-模型优化一算力升级-应用拓展”实现系统化运转。三是构建开源、人才资本、安全的差异化协同生态支撑闭环。开源作为技术共享基础，人才是A生态发展的核心驱动力，资本作为加速引擎，是AI生态的“燃料”与助推器，安全作为底线保障，是AI生态稳健运行的保障。

(一)扩大需求:从数字原生到智能原生

早在2015年3月5日，十二届全国人大三次会议《政府工作报告》提出“互联网+”行动计划。历经十年，“互联网+”演进为“人工智能+”，我国由“广泛连接”迈向“数智赋能”。数字原生更具“互联网+”时代特色,以网络化协同为基础,注重数据的闭环沉淀和分析应用。当前社交媒体、电商等都可以认为是数字原生的产物。智能原生则是从设计之初就将AI考虑进来，产品、服务甚至整个业务模式围绕AI的核心能力(理解、生成、推理、记忆)进行根本性创新。例如，当下兴起的 AI编程智能体、DeepResearch工具等智能原生应用，以及AI眼睛、AIPC等智能原生硬件未来“基于AI构建”的产品和服务将走入千家万户。

工业为AI提供了最大规模、最高质量、最可持续的“数据一场景-价值”闭环,智能原生应助力产业全要素智能化发展。联合国工业发展组织(UNIDO)2024年发布的《工业化的未来》报告显示，中国从1980年仅占全球制造业5%的“追赶者”，跃升至2024年的31.6%，并将在2030年达到 45%。同期，美、日、德三国占比将分别萎缩至11%、5%和 3%，三国合计仅占19%，不足中国的二分之一。同时，中国是全球唯一拥有联合国工业分类目录中全部工业门类的国家。这意味着从芯片、汽车到服装、食品，任何一条产业链都能在中国找到完整配套。如此庞大的规模、齐全的链条和极高密度的制造场景，不仅为AI模型提供了海量的数据，也使中国工业成为孕育下一代AI技术、应用和商业模式的试验场。未来，基于工业“大而全、细而杂”的特点，以智能原生推进工业全要素智能化发展是关键。一方面，场景与 AI应相互反哺。工业流程庞大而丰富，可为工业AI提供得天独厚的战略资源;另一方面，工业数据获取难、时效性强、种类杂、维度多、来源散，涵盖运行、设备、质量、仿真等方方面面，行业知识与物理机理必须转化为算法约束，唯有构建贴近工业特性的技术架构和核心算法，加快人工智能在设计、中试、生产、服务、运营全环节落地应用，才能实现工业智能的全局自治，增强工业系统的智能感知与决策执行能力。

工业机器人是智能原生在工业领域的典型案例，把以人工智能为核心的“大脑”装入产业要素的“身体”，可构建一个产业要素智能协同、人机高效协作、任务自动流转的工作网络。我国装机已经在全球处于领先地位。从安装总量来看，国际机器人联合会(IFR)发布的《2024年世界机器人报告》显示，2023年中国新安装工业机器人数量达到27.63万台，占全球新安装量的51%。日本位居第二，新安装量约为4.61万台。美国排名第三，新安装量约为3.76万台。

从创新服务业发展新模式来看，中国庞大的人口基数和持续升级的消费雷求，为做大做强智能原生关键产品提供了规模化落地场景。2024年，我国以48万亿元的消费规模，稳居全球第二大消费市场，我国上网总人口达到11.08亿人，互联网普及率达78.6%，为人工智能应用落地和推广创造良好的基础条件。“AI+产品”消费增速持续快于总消费增速,显示出增长的强劲动力。2024年,人工智能消费级硬件市场规模突破1.17万亿元，同比增速约10%，远高于总社会消费增速3.4%。随着政策与市场协同发力，我国持续开拓人工智能消费场景。我们预计，AI+产品消费硬件及场景的

消费增速会持续超过10%，市场规模在2030年会突破2.5万亿元。AI手机、AIPC、AI眼镜、智能网联新能源汽车等新一代智能终端以及智能制造装备的智能化进程加快推进。围绕智能网联汽车、人形机器人、AI手机、AIPC、AR/VR设备等硬件，我国各大企业正加速布局，推动产品快速迭代。AI正在帮助制造业从单点应用走向全流程、全产业链的智能化升级。国内大模型厂商也将“智能终端 Agent”视为技术落地的关键突破口,联合汽车、手机、具身智能、I0T等场景伙伴，共同探索C端应用新空间

(二)强化供给:算力、模型、数据和应用强化支撑

算力、模型、数据与应用四大要素的动态协同,四者构成相互支撑、协同演进的核心支柱体系。-是算力作为物理基础，为模型训练的大规模并行计算、应用部的实时响应提供底层支撑，是人工智能发展的“数字基建”。其规模与效率直接决定模型训练周期、应用响应速度等关键指标，成为技术突破的硬件约束条件。二是数据作为核心燃料，高质量、大规模、多模态的数据为模型训练提供“原材料”，其覆盖广度与标注精度直接决定模型的泛化能力与性能上限，是驱动智能迭代的“源头活水”。三是模型作为关键引擎，通过算法创新实现数据价值的转化，是连接原始数据与场景应用的“智能桥梁”。模型架构设计与参数优化水平，决定了人工智能技术解决复杂问题的能力边界。四是应用作为价值体现，通过具体场景落地实现技术向经济社会价值的转化，同时在应用过程中产生的反馈数据，又成为模型迭代与数据积累的“天然孵化器”，形成技术进步与产业需求的正向循环。

四要素形成双向赋能的动态关系。数据赋能模型是高质量数据集训练出高性能模型，模型赋能算力是复杂模型对算力提出更高需求，驱动算力集群架构创新与能效优化，算力赋能应用是强大算力支持复杂应用场景落地，如智算中心支撑工业数字孪生系统运行，应用赋能数据是应用场景产生新数据，形成“采集-训练-反馈”的数据闭环。模型赋能应用是模型能力决定应用边界，如多模态大模型拓展智能交互场景的服务深度。应用赋能模型是应用反馈促进模型优化选代，如教育场景用户行为数据优化个性化推荐算法。

四大要素的动态互动通过“应用落地一数据积累-模塑优化一算力升级-应用拓展”的闭环链条实现系统化运转。当某一应用场景落地后，其产生的实时运行数据(如用户交互日志、设备传感信息)成为模型迭代的“燃料”,推动算法精度与泛化能力提升;优化后的模型对算力提出更高需求,驱动芯片架构、分布式训练框架等技术创新;而算力与模型的协同升级，又支撑更复杂的应用场景(如工业全流程智能化、城市级治理中枢)落地，形成“技术供给-场景验证一需求升级-技术再突破”的正向循环。

(三)生态构建:开源、人才、资本、安全形成闭环

开源、人才、资本、安全四要素在人工智能生态中形成差异化协同支撑体系，通过动态闭环实现系统耦合，为“人工智能+”行动提供可持续发展动力。各要素承担独特且不可替代的功能:

第一，开源作为技术共享基础，是AI生态创新的基石与催化剂。一是开源推动技术共享与创新，AI技术的源代码公开，吸引大量开发者基于此进行二次开发与优化，推动技术不断迭代。使得AI技术不再被少数企业或机构垄断,极大地降低了创新门槛,激发了全社会的创新活力，加速了AI技术在各领域的渗透。二是开源社区为AI人才提供了实践与成长的土壤。以知名开源社区GitHub为例，上面汇聚了大量AI开源项目，开发者可以在其中学习先进的算法实现、模型架构设计等知识，还能与来自世界各地的优秀人才交流合作。同时，企业和高校也可借助开源社区平台，精准对接人才。三是开源吸引资本注入与产业合作。开源项目凭借其开放性与创新性，吸引了大量资本关注。开源项目的成功也促进了产业合作，企业基于开源技术构建自身产品与服务，不同企业间围绕开源项目形成产业链上下游合作关系。

第二,人才是AI生态发展的核心驱动力。人才不仅是推动人工智能技术不断选代的关键资源,更是产业落地和生态繁荣的决定性因素。应充分发挥“企业-高校一科研机构”协同机制的优势，推动产学研深度融合,形成理论突破、技术攻关与产业转化紧密衔接的人才链条。通过联合培养计划、产学研实训平台和跨学科交叉研究，培育既懂技术研发、又熟悉行业需求的复合型团队。人才的集聚将直接带动技术创新与应用落地，进一步吸引资本投入和产业资源向人工智能领域汇聚，形成良性循环。同时，高水平人才群体的活跃参与，将在推动开源生态建设、促进技术共享和标准制定等方面发挥引领作用。在具体方向上，要重点聚焦算法优化与行业适配，推动基础研究成果和前沿探索快速从实验室走向真实场景的产业应用;通过人才的创新活力,加速人工智能技术与医疗、金融、制造、能源等重点行业深度融合，真正把人才优势转化为产业优势和发展动能，

第三，资本作为加速引警，是AI生态的“燃料”与助推器。资本为AI技术研发提供了必要的资金支持。例如，部分开源项目在发展初期，通过接受投资得以维持运营、吸引人才，进而不断完善技术。如一些开源的深度学习框架项目，在资本支持下能够持续优化性能、拓展功能，为AI开发者提供更强大的工具。除此之外资本助力人才培养与引进，推动产业整合与安全投入。

第四，安全作为底线保障，是AI生态稳健运行的保障。在人工智能技术快速迭代、应用场景不断扩展的过程中,安全问题贯穿数据获取、算法训练、模型部署到应用落地的各个环节。没有安全,就难以形成可持续的创新生态。一是通过建立全流程的安全防护机制，确保开源项目在开发、共享与应用中的可信性与稳定性。只有安全可控，才能赢得人才的信任与资本的信赖，吸引更多创新力量与资源要素向人工智能领域汇聚。二是强化算法安全、数据安全、算力安全与应用安全的系统布局，推动安全标准与合规体系的完善，提升应对潜在风险的预警和防护能力。

“人工智能+”行动的动态互动机制以“需求牵引-生态反哺”双向逻辑为核心，通过开源、人才、资本、安全四要素的价值循环实现协同发展。这一机制既通过需求侧拉动形成创新动力，又依托供给侧反哺保障可持续性，最终在政策引导下构建闭环生态。开源项目加速技术迭代，人才将技术转化为产业应用创造资本回报,资本反哺开源研发与人才培养,安全能力则保障各环节合规落地。

宏观透视:中国 AI发展的双重演进道路

(一)技术发展阶段:从“跟跑”到“并跑”再到“领跑”

回顾中国信息技术发展历程，呈现出从“技术追随”到“逐步引领”的清晰轨迹，这是对我国AI发展现状的定位，也为我国AI技术的进一步发展提供了路径指引。

一是个人计算机(PC)时代，中国信息产业基本处于“技术跟跑”状态。产业模式以组装加工为主，缺乏对中央处理器、操作系统、核心软件等关键技术的自主掌控。由于高度依赖海外技术供应与核心部件进口，国内企业多集中于产业链末端的制造与装配环节，附加值低，处于全球价值链的低端环节。

二是互联网时代，中国开始在应用层实现反超。一批具有国际影响力的互联网企业迅速崛起在电子商务、社交媒体、搜索引警和在线服务等领域展现出强大的创新能力和市场规模。然而，尽管应用生态繁荣，其技术底座--包括服务器芯片、数据库、开发框架及基础操作系统--仍严重依赖进口技术体系。这种“应用强、基础弱”的格局，使得产业整体发展存在潜在风险，尚未实现完全自主可控。

三是移动互联网时代，中国科技企业逐步实现关键环节的系统性突破。以华为公司为代表，通过自主研发的鸿蒙操作系统、麒麟系列芯片，以及在5G通信技术上的全球领先，中国首次在智能终端领域实现了与国际顶尖水平的“系统并跑”。这一阶段的技术积累不仅打破了国外在移动生态内的长期垄断，也使产业链价值分配发生深刻变化，标志着中国在全球科技竞争中的地位实现了从量变到质变的跃升。

四是人工智能时代，AI技术发展为中国实现从“并跑”到局部“领跑”提供了历史性机遇。以昇腾 AI芯片、DeepSeek大模型为代表的AI技术栈不断成熟,不仅初步构建起端到端的国产化 AI生态，更实现了系统级解决方案的范式输出。中国“AI栈”体系因其性能相当、成本可控、适配性强等特点，为全球南方国家提供了可行的替代方案。这些国家可直接引入中国提供的全栈AI能力,加速自身数字化进程。这意味着中国正在从技术追随者转向系统和生态的输出者，开始在AI这一前沿领域中扮演“领跑”角色。

(二)经济增长动能:从“土地财政”到“数据要素”再到“智能原生

人工智能在推动中国从“跟跑”到“领跑”跨越的同时，已不仅仅是一场技术革命与产业变革更是对经济增长动能的全面重塑。当下中国经济的底层逻辑正发生重大变化，经济增长驱动力从传统的土地财政全面转向新质生产力，构成一场巨大的“转型革命”

1.土地财政支撑经济增长

土地财政是中国20世纪90年代以来出现的一个特殊现象，该制度为中国政府创造了巨大的财政收入,为城市建设和发展提供了资金支持,是过去二十余年中国城市化和工业化发展的财政基础,在中国发展进程中发挥了至关重要的作用。地方政府通过将国有土地使用权以50-70年的期限出让给开发商或其他使用者来直接获取资金，因为无需上缴中央，土地出让收入成为地方政府财政收入的一大重要来源。与此同时，随着大量资金流向房地产，推动房地产行业的快速发展，也带动土地财政收入快速攀升。但随着我国经济从高速增长阶段转向高质量发展阶段，这种模式的不可持续性愈发显露。一方面，土地资源和城镇化进程已达到一定瓶颈，给土地财政留有的发展空间不充分;另一方面，“土地财政”发展模式背后隐藏着重复建设、土地泡沫、产能过剩、地方政府债台高筑等多重风险危机，并非经济可持续发展的长久之计。

2.数据要素驱动经济增长

数字经济时代，随着数据在各个社会生产领域的广泛应用，其重要性不言而喻。2020年，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，将数据列为与土地、劳动力、资本、技术要素并列的第五大生产要素，确立了数据在生产要素中的重要地位，旨在通过数据的流通、交易和应用，优化资源配置，提升生产效率，催生新产业。海量的数据资源、广泛的数字化应用场景以及日益完善的数据基础设施，共同为A技术的训练、迭代与商业化提供了不可或缺的燃料。这是对传统增长模式的重大突破，标志着我国经济增长逻辑开始转向以数据要素为驱动的阶段。

3.智能原生重塑经济增长

尽管数据要素对经济增长影响重大，但仅仅拥有数据并不足以构成可持续的竞争优势，数据的价值必须通过智能技术进行深度挖掘与转化。因此，当前中国经济增长动能正在进一步向“智能原生”演进。本次《意见》强调前瞻性布局“智能原生”概念，是指智能不再仅仅是优化传统业务的工具,而是成为重构经济与社会基础架构的根本性力量,标志着增长动能向更高形态的跃迁。今后,人工智能的应用不再是简单的“AI+”或“+AI”，而是内生于所有经济活动的核心流程，催生全新的产品形态、商业模式甚至产业体系。这意味着经济增长的核心引警将从“要素的规模化投入”转向“基于智能技术的全要素生产率提升与创新范式变革”。今后在智能原生生态下，AI将与资本，劳动力、技术、数据等所有生产要素深度融合，大幅提升其他要素的边际产出，从而产生乘数效应甚至指数效应。

2035 年中国 AI核心产业与 AI 赋能规模判断

(一)2025-2035 年中国AI核心产业规模判断

当前，我国人工智能产业正处于高速扩张期，发展活力与增长潜力持续凸显。据信通院统计2024年我国AI核心产业市场规模已达到6964亿元人民币，产业链已实现对芯片、算力、数据、平台及应用等关键环节的全面覆盖。同时，我国累计培育400余家A领域国家级专精特新“小巨人”企业，成为产业创新的重要载体。目前，我国已构建起覆盖基础层、框架层、模型层及应用层的完整 AI产业体系。尽管AI产业直接占GDP的比重仍较低，但增速明显高于整体 GDP增速，充分体现出强劲的扩张动能。

在此背景下，国务院发布的《关于深入实施“人工智能+”行动的意见》，立足当前产业基础瞄准未来发展需求，具有重要的战略引导意义。意见明确以“推动人工智能与实体经济深度融合为主线，一方面聚焦制造业、农业、服务业等重点领域，计划打造一批可复制、可推广的“人工智能+”示范场景，加快技术落地转化:另一方面着力强化算力基础设施布局，提出构建智能算力、通用算力与超算算力协同调度的全国一体化算力网络，同时完善AI产业链供应链体系，加大对专精特新企业的支持力度,从要素保障、场景拓展、生态构建等多维度为产业高质量发展提供有力支撑。该政策不仅与我国现有AI产业体系高度契合，也将有效破解产业发展瓶颈，为市场规模持续增长注入长期动力。基于政策红利的持续释放，结合当前技术演进与产业渗透速度，我们对未来十年中国AI市场规模进行前瞻预测:乐观情景下，2035年规模有望达到36.63万亿元;中性情景约为24.92万亿元;悲观情景约为16.72万亿元。

总体来看，意见通过“强化智能算力统筹”“提升模型基础能力”“加强数据供给创新”“优化应用发展环境”“培育智能终端生态”“发展开源与人才体系”等一体化政策工具，既促进供给端扩容，也拉动需求端采纳对算力、终端、算法与行业应用四个子产业均构成正向传导，但传导速度与幅度在短中长期可能会呈现一定差异:算力与算法受供给端和研发端政策影响更直接、基础设施与平台化速度较快:智能终端受渠道与体验约束，政策的拉动更多通过采购与生态建设体现;行业应用虽在长期弹性最大，但短期内受行业治理与企业改造节奏制约。

(二)2025-2035 年中国AI赋能产业规模判断

人工智能既是科技前沿领域的重要组成部分，也是推动传统产业转型升级、释放新一轮增长动能的关键力量。近年来，我国深入实施“AI+”行动，取得了显著成效，为人工智能深度赋能实体经济奠定了坚实基础。到 2024年底，全国已建成基础级智能工厂3万余家、先进级智能工厂1.200余家、卓越级智能工厂 230余家，覆盖制造业主要行业大类的80%以上。重点工业企业数字化研发设计工具普及率达到84.1%，工厂产品研发周期平均缩短28.4%，生产效率平均提升22.3%。与此同时，5G技术加速植入实体经济，已在86个国民经济大类形成应用，累计案例达13.8万个，建设“5G+工业互联网”项目超过1.85万个，在十个重点行业形成二十个典型应用场景，实现生产全流程的全面覆盖和深度融合。

当前，我国传统产业面临增速下行、效率提升乏力等结构性矛盾，亟需新的增长动力和改革路径。人工智能以其提高资源配置效率、重构生产要素关系、催生新业态的复合功能，成为解决上述矛盾的重要选择。在医疗、农业等重点领域，人工智能推广应用稳步推进，截至2025年3月，工业和信息化部、国家卫生健康委员会已确定“5G+医疗健康应用试点全国优秀项目”274个;农业农村部累计支持建设国家数字农业创新中心及分中心34个，初步形成智慧农业创新体系。

展望未来十年，AI对传统产业的赋能呈现由点到面、由工具化到要素化的演进态势，主要表现为三方面特征:一是技术扩散呈非线性特征。不同产业因数字化基础与场景复杂度存在差异，AI透存在先快后慢、先易后难的节奏，制造业因设备数字化率与流程标准化高，成为首批深度落地的领域:农业因场景碎片化而进展相对滞后，但技术潜力和改造空间巨大。二是价值创造由局部增效向全域重构跃迁。AI不仅提升生产效率，更在要素重组与价值链再造中发挥核心作用，数据与算法能力日益成为产业竞争的新型资产，推动土地、劳动力与资本等要素的价格与配置方式发生深刻变化。三是生态协同由单向传导向网络化溢出发展。头部企业的能力通过工业互联网平台、API接口等向中小企业溢出，行业内外数据与能力的联动催生跨界新业态，形成以大带小、以点促面的技术扩散格局。

在宏观贡献方面，经测算，在柯布-道格拉斯生产函数框架下，对比有AI影响与无AI影响两种情形，结果显示:2025-2035年间，AI对全要素生产率(TFP)的平均增速贡献约为1.3%;进一步测算表明，到2035年，AI对实际GDP的额外拉动约为14.8%。该结论表明，在资本边际报酬递减的大背景下，AI通过提升生产效率、优化要素配置和催生新业态，能够为我国经济增长提供重要的、可持续的动力源泉。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）