當(dāng)前，我國(guó)生成式人工智能產(chǎn)業(yè)發(fā)展迅速，相關(guān)企業(yè)數(shù)量已經(jīng)超過4500家。然而，生成式人工智能與實(shí)體經(jīng)濟(jì)融合的深度和廣度仍有待提升，其巨大潛力尚未充分釋放。究其原因，一方面在于生成式人工智能技術(shù)本身仍處于快速發(fā)展期，成熟度有待提高；另一方面，不同產(chǎn)業(yè)因其自身特性和發(fā)展階段的差異，對(duì)生成式人工智能技術(shù)的需求呈現(xiàn)顯著差異。為此，提升生成式人工智能技術(shù)的通用性和適用性、推動(dòng)科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新深度融合成為當(dāng)務(wù)之急。

應(yīng)用驅(qū)動(dòng)發(fā)展，加速融入實(shí)際場(chǎng)景

當(dāng)前，生成式人工智能的發(fā)展呈現(xiàn)出三個(gè)主要特征。

一是模型智能水平提升迅猛。

DeepSeek的R1模型和阿里巴巴的Qwen2.5系列均展示出與國(guó)際同類前沿模型相當(dāng)?shù)闹悄芩?。其中，DeepSeek在2024年末發(fā)布的R1推理模型，在多個(gè)推理任務(wù)上取得突破，成為中國(guó)AI歷史上首個(gè)具備“類GPT-4”能力的開源大模型。此外，一批AI新興企業(yè)也迅速崛起，陸續(xù)推出具備推理能力的高質(zhì)量模型，形成了多點(diǎn)開花、梯隊(duì)并進(jìn)的競(jìng)爭(zhēng)格局。

二是開源生態(tài)構(gòu)建展現(xiàn)出獨(dú)特的產(chǎn)業(yè)發(fā)展優(yōu)勢(shì)。

相較于國(guó)際AI巨頭多采用閉源策略，我國(guó)生成式人工智能頭部企業(yè)在開源方面更為積極，頻繁推出開源權(quán)重模型，推動(dòng)了國(guó)內(nèi)大模型社區(qū)的開放協(xié)作氛圍，使中小企業(yè)和開發(fā)者得以基于優(yōu)質(zhì)模型進(jìn)行定制開發(fā)和微調(diào)，加速了生成式人工智能的本土化創(chuàng)新與應(yīng)用擴(kuò)散。

三是應(yīng)用驅(qū)動(dòng)創(chuàng)新成效顯著，AI全面引領(lǐng)商業(yè)模式重構(gòu)。

多家企業(yè)將生成式人工智能嵌入搜索引擎、輸入法、文字處理軟件、云服務(wù)等產(chǎn)品生態(tài)系統(tǒng)中，構(gòu)建了涵蓋搜索、社交、電商、文娛、辦公等多個(gè)領(lǐng)域的應(yīng)用矩陣。這種“模型即服務(wù)”模式，使得生成式人工智能快速深入到C端與B端用戶的實(shí)際應(yīng)用場(chǎng)景之中。同時(shí)，企業(yè)通過AI智能體的應(yīng)用，將多模態(tài)、物聯(lián)網(wǎng)等技術(shù)系統(tǒng)化融合整合，釋放出巨大商業(yè)潛力。2024年以來，國(guó)內(nèi)生成式人工智能應(yīng)用的活躍用戶規(guī)模和滲透率均在穩(wěn)步增長(zhǎng)，2024年11月應(yīng)用滲透率達(dá)27.1%，用戶基礎(chǔ)不斷擴(kuò)大，形成了以應(yīng)用需求為核心的快速迭代路徑。

平臺(tái)基礎(chǔ)能力不足，產(chǎn)業(yè)生態(tài)仍需完善

盡管中國(guó)生成式人工智能已在模型能力、企業(yè)生態(tài)與應(yīng)用廣度方面取得突破性進(jìn)展，但其作為未來產(chǎn)業(yè)關(guān)鍵技術(shù)底座的普適性平臺(tái)能力仍在演進(jìn)迭代過程中，技術(shù)路徑仍未收斂，整體生態(tài)發(fā)展呈現(xiàn)梯度分化。這種分化體現(xiàn)在模型智能能力的集中化與平臺(tái)通用性不足，也體現(xiàn)在算力資源、數(shù)據(jù)基礎(chǔ)、標(biāo)準(zhǔn)體系等支撐條件的各自為戰(zhàn)甚至碎片化。生成式人工智能距離持續(xù)賦能發(fā)展新質(zhì)生產(chǎn)力，構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系的目標(biāo)仍有較大差距。

一是生成式人工智能的產(chǎn)業(yè)應(yīng)用可及性不足。

當(dāng)前高性能大模型主要集中于少數(shù)頭部企業(yè)，形成中國(guó)生成式人工智能第一陣營(yíng)。然而，大量中小模型在國(guó)際通用評(píng)測(cè)標(biāo)準(zhǔn)中表現(xiàn)仍不突出，推理能力、泛化能力與穩(wěn)定性存在較明顯差距。中小企業(yè)與傳統(tǒng)產(chǎn)業(yè)用戶普遍缺乏模型定制與本地化部署能力，對(duì)生成式人工智能的適配能力較弱，難以將其嵌入核心業(yè)務(wù)流程。多數(shù)大模型在通用性構(gòu)建方面尚不成熟，語料同質(zhì)、交互風(fēng)格趨同、接口標(biāo)準(zhǔn)不統(tǒng)一等問題較為普遍，尚未形成統(tǒng)一、高效的跨行業(yè)賦能體系，也加劇了“頭部先進(jìn)、基層難用”的生態(tài)斷層，影響生成式人工智能作為通用基礎(chǔ)平臺(tái)的普適能力建設(shè)。

二是商業(yè)轉(zhuǎn)化臨界點(diǎn)尚未到來，行業(yè)落地較為緩慢。

當(dāng)前，生成式人工智能技術(shù)大規(guī)模商業(yè)化應(yīng)用的路徑不暢，在算力資源緊張與訓(xùn)練成本高企的背景下，企業(yè)在實(shí)際部署中對(duì)生成式人工智能創(chuàng)新的投入回報(bào)比不夠理想，不同產(chǎn)業(yè)類型的生成式人工智能商業(yè)落地路徑呈現(xiàn)出明顯梯度。傳統(tǒng)產(chǎn)業(yè)整體數(shù)字化水平有限，模型與業(yè)務(wù)系統(tǒng)之間數(shù)據(jù)集成基礎(chǔ)薄弱，短期內(nèi)難以形成規(guī)模效應(yīng)；新興產(chǎn)業(yè)在部分場(chǎng)景中已實(shí)現(xiàn)探索性應(yīng)用，但普遍仍處于“點(diǎn)狀突破、多點(diǎn)未及”的階段；而未來產(chǎn)業(yè)由于具備更高的成本容忍度與對(duì)顛覆式創(chuàng)新的開放態(tài)度，被認(rèn)為是生成式人工智能最具戰(zhàn)略潛力的應(yīng)用場(chǎng)景，但產(chǎn)業(yè)落地的不確定因素更多。根據(jù)行業(yè)特點(diǎn)發(fā)揮科技金融等政策工具的分類施策路徑尚需探索完善。

三是產(chǎn)業(yè)化可持續(xù)推進(jìn)支撐體系有待完善。

當(dāng)前，生成式人工智能在標(biāo)準(zhǔn)規(guī)范、治理機(jī)制與政策支持方面仍存在系統(tǒng)性滯后，難以支撐其向平臺(tái)化、廣覆蓋方向發(fā)展。技術(shù)層面，盡管部分模型已實(shí)現(xiàn)開源，但在訓(xùn)練流程、API接口、安全部署等關(guān)鍵環(huán)節(jié)尚未建立統(tǒng)一標(biāo)準(zhǔn)，導(dǎo)致平臺(tái)間互操作性差、集成成本高、生態(tài)協(xié)同效率低，制約中小企業(yè)與應(yīng)用方的接入能力與創(chuàng)新空間。治理層面，缺乏覆蓋模型安全、責(zé)任劃分、風(fēng)險(xiǎn)管控的成熟機(jī)制，難以應(yīng)對(duì)模型開放性、合成內(nèi)容管理等帶來的現(xiàn)實(shí)挑戰(zhàn)。政策層面，現(xiàn)有扶持工具類型有限，且存在扶持力度不均衡、覆蓋范圍不全面、政策缺乏協(xié)調(diào)性等問題，未形成面向不同發(fā)展階段主體的差異化支持體系。基礎(chǔ)設(shè)施層面，中文高質(zhì)量語料、跨模態(tài)數(shù)據(jù)、行業(yè)知識(shí)圖譜等基礎(chǔ)資源供給仍顯不足，制約了模型通用能力與多場(chǎng)景適配能力的系統(tǒng)提升。整體來看，支撐體系的缺口正在成為制約生成式人工智能產(chǎn)業(yè)化可持續(xù)發(fā)展的關(guān)鍵短板。

堅(jiān)持問題導(dǎo)向，構(gòu)建系統(tǒng)性支持體系

當(dāng)前，生成式人工智能正處于由模型突破向系統(tǒng)性賦能轉(zhuǎn)化的關(guān)鍵階段，亟待政策體系與制度安排的同步演進(jìn)。在此背景下，應(yīng)堅(jiān)持系統(tǒng)觀與問題導(dǎo)向，圍繞“夯實(shí)平臺(tái)能力基礎(chǔ)—推動(dòng)融合落地—完善社會(huì)支持體系”的邏輯路徑因類施策，協(xié)同發(fā)力，加快構(gòu)建與生成式人工智能相適應(yīng)的新型產(chǎn)業(yè)體系和政策支持體系。

第一，在技術(shù)側(cè)培育平臺(tái)型通用能力，強(qiáng)化融合賦能機(jī)制。

支持建設(shè)跨行業(yè)、跨模態(tài)的基礎(chǔ)模型和訓(xùn)練數(shù)據(jù)體系，鼓勵(lì)形成“可嵌入、可重組、可演進(jìn)”的通用生成引擎。推動(dòng)模型壓縮優(yōu)化、異構(gòu)部署與邊緣計(jì)算適配，提升模型的輕量化與場(chǎng)景適應(yīng)能力。

第二，在產(chǎn)業(yè)牽引側(cè)因類施策，推進(jìn)融合落地與生態(tài)協(xié)同。

推動(dòng)生成式人工智能在制造、農(nóng)業(yè)等傳統(tǒng)行業(yè)中的數(shù)字基礎(chǔ)建設(shè)與關(guān)鍵場(chǎng)景應(yīng)用，解決“不愿用、用不起”等現(xiàn)實(shí)問題。支持新興產(chǎn)業(yè)深化生成式人工智能場(chǎng)景應(yīng)用，推動(dòng)多技術(shù)融合，激發(fā)大中小企業(yè)融通發(fā)展活力。引導(dǎo)前沿產(chǎn)業(yè)以生成式人工智能為引擎開展跨界預(yù)研與愿景孵化，培育未來增長(zhǎng)極。

第三，在社會(huì)體系支持側(cè)完善基礎(chǔ)保障與促進(jìn)能力。

健全科技金融服務(wù)，完善算力券、數(shù)據(jù)券等創(chuàng)新工具的發(fā)放機(jī)制與政策協(xié)同機(jī)制，形成政策合力。推動(dòng)公共數(shù)據(jù)與算力平臺(tái)開放共享，提升中小機(jī)構(gòu)生成式人工智能技術(shù)可及性。優(yōu)化跨學(xué)科教育體系，加快培養(yǎng)應(yīng)用型人工智能人才。加強(qiáng)用戶教育和社會(huì)引導(dǎo)，構(gòu)建共建共享的生成式人工智能應(yīng)用生態(tài)。

本文來源于《科技日?qǐng)?bào)》2025年05月19日。陳海鵬，上海市科學(xué)學(xué)研究所副所長(zhǎng)、正高級(jí)工程師。文章觀點(diǎn)不代表主辦機(jī)構(gòu)立場(chǎng)。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com