“人工智能+”双向赋能引领新质生产力提升

【观点摘要】

·当前人工智能进入产业应用关键阶段，要将“技术进步增量”转化为“经济发展增量”，需从生产力提升发力。

·每一次通用技术突破，都会催生适配的产品服务、企业与商业模式，并释放红利，推动经济社会进步。

·鼓励数字化基础好、智能升级需求大的场景先行先试，形成示范带动效应后扩大场景范围，避免企业在对智能化转型缺乏充分认知时盲目跟风。

从工厂里的智能生产线，到城市中的智慧交通网络，再到医疗领域的AI辅助诊断……人工智能正在融入经济社会的方方面面。

眼下，我国人工智能产业不断壮大，新技术、新应用、新业态不断涌现。如何更深层次地赋能经济社会高质量发展？

“人工智能在技术创新与商业应用的双轮驱动下，加速与实体经济深度融合，已形成覆盖基础层、框架层、模型层、应用层的人工智能技术产业体系。”中国信息通信研究院院长余晓晖做客经济高质量发展专家谈时表示，算力等人工智能基础设施性能不断提升，人工智能数据产业蓬勃发展，算法创新加快迭代演进，各类智能产品和服务创新活跃，具备了良好的人工智能规模化商业化应用基础。

国务院日前印发《关于深入实施“人工智能+”行动的意见》（以下简称《意见》），明确了系统推进“人工智能+”的总体要求，分2027年、2030年、2035年三阶段推动人工智能与经济社会各行业各领域广泛深度融合，系统布局“人工智能+”6大重点行动和8大基础支撑能力。

《意见》如何通过系统布局推动人工智能技术与经济社会双向深度融合？

余晓晖表示，《意见》重点聚焦深度融合，以人工智能应用引领生产力提升、生产力提升反哺人工智能科技创新的双向赋能为主线，重点布局了促进人工智能技术创新群体性突破，加强人工智能与其他行业技术融合创新，推动人工智能更高水平赋能实体经济的切实举措：

一是加快推动人工智能向现实生产力转化。每一次通用技术突破，都会催生适配的产品服务、企业与商业模式，并释放红利，推动经济社会进步。当前人工智能进入产业应用关键阶段，要将“技术进步增量”转化为“经济发展增量”，需从生产力提升发力。《意见》一方面聚焦生产力重点领域，构建中国特色“AI4S”体系，提出一二三产业的全要素智能化转型发展路径，布局智能原生新技术、新业态、新模式，培育服务消费的新模式、产品消费的新场景等，加快促进人工智能进一步向现实生产力转化；另一方面从民生、治理、全球合作切入，提出优化工作方式、构建治理图景、共建全球治理体系等举措，推动构建适配先进生产力的生产关系。

二是形成以人工智能应用引领生产力提升、生产力提升反哺人工智能科技创新的双向赋能模式。“人工智能+”需与行业技术融合推动各行业创新，借全领域智能化升级的场景与数据实现技术突破。《意见》布局“人工智能+”重点应用与技术支撑体系，构建“以创新带应用、以应用促创新”双向赋能新范式。从内在要素看，推动算法、数据、算力三大要素紧密耦合，相互强化，模型算法重构应用生产力，新应用场景催生海量高价值数据，并驱动模型持续迭代优化，进一步突破基础原理和关键工程化问题，持续增强“人工智能+”技术能力的关键引擎，形成技术应用内生性正反馈循环的“飞轮效应”；从发展过程看，通过重点领域突破及后续规模化应用，在对技术核心要求提出更高要求的同时，为人工智能技术持续优化提供充足需求牵引力和市场空间。同时，通过优化应用环境、繁荣开源生态、建设人才队伍、强化政策法规、提升安全水平等举措，为双向赋能新范式构筑完善资源与制度支撑。

三是推动数字经济向智能经济加速演进。智能经济是脱胎换骨的全新形态，《意见》的实施，将加快通过人工智能的变革性赋能作用，释放数据要素价值，驱动物理世界、数字空间和知识体系的优化创新，突破科学发现、技术进步和生产组织的瓶颈与边界，推进科技范式变革、生产要素重组、产业体系升级、治理模式优化，大幅提升资源利用和经济社会运行效率，实现生产力突破和社会福祉增进，塑造全新智能发展范式。同时，《意见》也针对迈向智能经济过程中的重点民生问题给予回应，尤其是强调要充分发挥人工智能对新就业岗位的创造效果，有序推动人工智能规模化落地。

下一步深入实施“人工智能+”行动应注意把握好哪些方面？余晓晖认为主要把握以下三方面：

一是注重技术创新与环境保障的协调统一。要把握人工智能发展规律，完善政策构建、提高资源供给、加强法规建设、研制关键标准、培养复合人才、激发创业就业活力、加大财政支持、促进国际合作、保障技术安全，落实《意见》要求，解决算力短缺、标准滞后、人才匮乏、转型成本高制约“人工智能+”可持续发展的关键问题。

二是注重产品能力与实际需求的协调统一。人工智能企业有技术储备和产品开发能力，但因缺乏对行业流程和场景逻辑的深入理解，难以形成契合实际需求的解决方案，陷入供需错配局面。结合《意见》要求，需推动供需深度对接，加快基础理论研究、提高模型推理精度、调研场景诉求、优化产品能力、强化技术协同创新，缓解模型输出不稳定、场景融合难等行业应用“不能用”“不好用”的困扰。

三是注重行业水平与转型路线的协调统一。不同行业在数字化水平、资源供给能力、市场竞争格局等应用基础方面差异较大，需坚持市场驱动，结合场景价值、模型生态等因素因业施策，制定符合企业实际的智能化转型路线。鼓励数字化基础好、智能升级需求大的场景先行先试，形成示范带动效应后扩大场景范围，避免企业在对智能化转型缺乏充分认知时盲目跟风。（实习生赵梓稀对本文亦有贡献）