好评中国 | “人工智能+”的牵引力，不在实验室在车间

10月16日，国务院常务会议听取“人工智能+”行动进展情况汇报，表述中有一个值得细读的重心转移：不是笼统地要求“加快发展”，而是明确“注重以落地应用牵引技术创新”。一个“牵引”，把政策的着力点摆得很清楚：技术创新的方向，不由参数竞赛定义，由应用现场定义。

过去一段时间，人工智能的叙事容易被一种“实验室逻辑”主导：模型参数多大、算力多少P、榜单排名第几。这些指标有意义，但它们回答不了实体经济最关心的问题：这个东西到底能干什么，用了之后成本降不降、良率提不提、人能不能从危险岗位上撤下来。国常会讲“从我国产业体系完备、应用场景丰富、工程化能力强等实际出发”，指向的正是这个落差——中国的优势不在某一个单项指标上，在于有足够多、足够复杂的真实场景，能把技术逼到“非解决问题不可”的墙角。

变化已经在发生。截至2025年底，我国规上制造业人工智能技术应用普及率超过30%，AI正从局部试点向研发设计、生产制造、质量管控等核心环节延伸。在汽车零部件产线上，15台人形机器人已投入常态化运行，完成一次上料循环控制在40秒以内，连续无故障运行超过2个月，累计运行约1000小时，协助生产超过6万个零部件。这些数字的意义不在于“机器人进工厂”本身有多新鲜，而在于它证明了一件事：当应用场景足够具体、需求足够刚性，技术创新会被“用”的力量推着往前走，而不是停在演示视频里等风来。所谓“以落地应用牵引技术创新”，就是让车间里、产线上、诊室中的真实问题，成为研发清单上的第一行。

与“牵引”相配套的，是安全治理思路的同步调整。会议提出“因业分级分类施策，加强风险研判评估，守牢人工智能安全底线”。这句话承认了一个基本事实：医疗AI和工业质检AI的风险阈值，本来就不该用同一把尺子量。一个质检模型的误判可能意味着一批零件的返工，一个辅助诊断模型的误判则可能关乎一个人的生命。不分场景的“一刀切”式监管，要么捆住手脚，要么留下真空。分级分类，是把安全责任落到具体的行业语境里，让监管的精度追上应用的广度。

“人工智能+”的“+”号后面，接的不能只是概念和估值。它最终要接的是实体经济的真需求，是那些“不用AI就干不好、用对了AI就能干得更好”的地方。政策评价的尺子正在从“跑分”转向“干活”，从“能不能做出来”转向“有没有人用、用了有没有用”。这个转向未必轰轰烈烈，但它决定了这一轮人工智能浪潮最终留下的是什么：是一堆过几年就没人记得的演示视频，还是车间里多出来的那几台一直在转的机器。

“人工智能+”的成色，终究要由车间、田埂和诊室来回答，而不是由实验室独自书写。（文/陈一钊）