每經(jīng)記者：張蕊 每經(jīng)編輯：陳旭

9月4日，工業(yè)和信息化部、市場監(jiān)督管理總局聯(lián)合印發(fā)《電子信息制造業(yè)2025~2026年穩(wěn)增長行動方案》（以下簡稱《方案》）。

《方案》提出，2025~2026年，主要預期目標是：規(guī)模以上計算機、通信和其他電子設(shè)備制造業(yè)增加值平均增速在7%左右，加上鋰電池、光伏及元器件制造等相關(guān)領(lǐng)域后電子信息制造業(yè)年均營收增速達到5%以上。到2026年，預期實現(xiàn)營收規(guī)模和出口比例在41個工業(yè)大類中保持首位，5個省份電子信息制造業(yè)營收過萬億，服務(wù)器產(chǎn)業(yè)規(guī)模超過4000億元，75英寸及以上彩色電視機國內(nèi)市場滲透率超過40%，個人計算機、手機向智能化、高端化邁進。

推動電子整機高端化

在促進產(chǎn)業(yè)轉(zhuǎn)型升級，深化構(gòu)建高質(zhì)量供給體系方面，《方案》提出要推動電子整機高端化，提升產(chǎn)品供給水平。

其中提到，促進人工智能終端邁向更高水平智能創(chuàng)新，推動智能體與終端產(chǎn)品深度融合，制定人工智能終端智能化分級方法和標準，鼓勵各地推動人工智能終端創(chuàng)新應(yīng)用。同時，加快提升新一代整機裝備供給能力，推動5G/6G關(guān)鍵器件、芯片、模塊等技術(shù)攻關(guān)，加強6G技術(shù)成果儲備。

賽迪顧問人工智能與大數(shù)據(jù)研究中心常務(wù)副總經(jīng)理鄒德寶在接受《每日經(jīng)濟新聞》記者書面采訪時表示，當前人工智能終端尚未出現(xiàn)顛覆性應(yīng)用，這受制于多重因素。一是技術(shù)標準碎片化。大模型、智能體、智能芯片技術(shù)路線分散，導致軟硬件兼容適配成本高。這種碎片化導致整機、模型、App（手機軟件）需面向多種類芯片和操作系統(tǒng)開展開發(fā)適配，資源重復投入嚴重。二是應(yīng)用場景創(chuàng)新不足?，F(xiàn)有應(yīng)用多為功能疊加而非范式革新。當前AI終端發(fā)展仍集中在對現(xiàn)有功能的改進，缺乏類似移動支付對消費模式的重塑力。三是用戶體驗斷層，交互復雜度與實用性失衡。部分產(chǎn)品過度追求技術(shù)展示，如多模態(tài)交互設(shè)計復雜但實際利用率低，用戶在使用中常遇到答非所問、操作繁瑣等問題。四是產(chǎn)業(yè)生態(tài)割裂。終端企業(yè)與應(yīng)用開發(fā)者在數(shù)據(jù)歸屬、商業(yè)模式上競爭激烈，形成了信息孤島。

在鄒德寶看來，結(jié)合技術(shù)成熟度與市場需求，“殺手級”應(yīng)用在以下領(lǐng)域具有爆發(fā)潛力：一是沉浸式交互場景。人工智能與AR/VR的融合可能成為突破口。二是健康醫(yī)療領(lǐng)域。人工智能驅(qū)動的個性化健康管理系統(tǒng)可能顛覆傳統(tǒng)醫(yī)療模式。通過可穿戴設(shè)備實時監(jiān)測生理指標，結(jié)合大模型進行疾病風險預測和干預建議，未來或?qū)崿F(xiàn)“家庭醫(yī)生”功能。三是工業(yè)元宇宙場景。智能終端與數(shù)字孿生技術(shù)結(jié)合，可實現(xiàn)生產(chǎn)全流程的實時監(jiān)控與優(yōu)化。

加快重大項目建設(shè)

在推動科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新融合，建設(shè)現(xiàn)代化產(chǎn)業(yè)體系方面，《方案》提到，加快重大項目建設(shè)，強化撬動作用。

其中提到，加強CPU、高性能人工智能服務(wù)器、軟硬件協(xié)同等攻關(guān)力度，開展人工智能芯片與大模型適應(yīng)性測試。適度超前部署新型基礎(chǔ)設(shè)施建設(shè)，提升各地已建基礎(chǔ)設(shè)施運營管理水平，強化服務(wù)器、芯片和關(guān)鍵模塊的兼容適配。

《方案》提出開展人工智能芯片與大模型適應(yīng)性測試，主要是出于哪些考慮？

對此，鄒德寶表示，首先是技術(shù)適配的必要性。在性能優(yōu)化需求方面，不同架構(gòu)的AI芯片對大模型的支持存在顯著差異。例如，ASIC（專用集成電路）芯片在特定模型推理上能效比突出，但靈活性不足。GPU（圖形處理器）雖通用性強，但訓練大模型時功耗高達千瓦級。通過測試可針對芯片特性優(yōu)化模型架構(gòu)，例如在NPU（神經(jīng)網(wǎng)絡(luò)處理器）上采用低秩分解技術(shù)，可將矩陣運算量減少40%。

“在能效比平衡方面，端側(cè)AI對能耗敏感?！编u德寶說，例如，手機端部署10B參數(shù)模型需將功耗控制在500毫瓦以內(nèi)，而當前主流SoC（系統(tǒng)級芯片）的AI算力密度僅為20TOPS/W（衡量處理器能效的指標，指在1瓦功耗下處理器每秒能完成的萬億次運算）。測試可推動模型量化與芯片架構(gòu)創(chuàng)新，使能效比提升3~5倍。在兼容性保障方面，國產(chǎn)芯片與開源框架存在適配鴻溝，通過測試可完善工具鏈，實現(xiàn)一次開發(fā)、多芯片部署。

其次是產(chǎn)業(yè)生態(tài)構(gòu)建的必要性。鄒德寶指出，測試是推動國產(chǎn)芯片規(guī)?；瘧?yīng)用的關(guān)鍵。通過與大模型的適配驗證其商用價值。測試為分級評估提供數(shù)據(jù)支撐，以芯片、模型適配性為核心，可提升模型響應(yīng)速度，從而引導產(chǎn)業(yè)向高性能方向發(fā)展。另外，測試可以促進基礎(chǔ)設(shè)施升級。測試是新型基礎(chǔ)設(shè)施建設(shè)的前提，通過測試優(yōu)化，可以提升邊緣節(jié)點的模型壓縮率，同時減少推理精度損失率，進而降低邊緣推理成本。