特稿：“十五五”我国AI产业发展形势研判及建议

编者按

2024年是实现“十四五”规划目标任务的关键一年，当前我国工业和信息化发展中的热点、难点有哪些？今后一个时期的发展目标是怎样的？近日，赛迪研究院重磅推出集体研究成果《“十五五”前期研究成果汇编》，力争为工业和信息化部和各地工业和信息化主管部门科学制定“十五五”规划提供支撑，为企业把握行业发展大势做好服务。

《“十五五”前期研究成果汇编》分为上下两篇，上篇为综合篇，分别从制造业、数字化转型、产业科技创新、中小企业、工业绿色发展、数字经济、网络安全、数据治理、国际合作等9个角度进行了分析；下篇为行业篇，选取了高端装备制造业、氢能、安全应急装备、原材料、新材料、生物制造、新型储能、历史经典、医药工业、电子信息、先进计算、量子、集成电路、光伏、显示、软件、未来产业、低空经济、人工智能等19个行业进行分析。

《“十五五”时期我国人工智能产业发展形势研判及思路建议》重点分析研判“十五五”时期人工智能发展面临的形势、可以设定的目标任务以及应该解决的关键问题。

文 | 赛迪未来产业研究中心

人工智能产业是新一代信息技术产业的创新前沿，是推动未来产业发展的核心动能，是打造新质生产力的关键。在云计算、大数据、深度学习等关键技术的持续创新与深度应用的推动下，人工智能迎来前所未有的发展机遇，已步入以大模型为代表的通用人工智能发展阶段，我国人工智能产业亦在国际化的竞争舞台上行稳致远。立足于“十五五”这一新的历史坐标，我们必须精准把握国内外发展大势，紧紧抓住通用人工智能发展的关键“窗口期”，发挥既有优势，补齐短板不足，不断推进人工智能产业的高质量发展，以确保在全球竞争中占据核心竞争优势。

一、“十五五”时期人工智能产业发展面临新形势

(一)人工智能产业规模爆发式增长，释放高质量发展新动能

近年来，我国人工智能产业规模呈爆发式增长，成为推动经济高质量发展的新引擎。央视财经数据显示，我国人工智能核心产业规模已超过5000亿元。沙利文咨询预测，2024年我国人工智能市场规模将突破7993亿元。从细分领域来看，人工智能大模型正处于井喷式发展高峰期，是推动产业快速增长的核心力量。2023年，我国人工智能大模型市场规模达21亿美元，同比增长110%，占全球市场规模的10%。据钛媒体国际智库报告预测，2024年我国大模型市场规模将达216亿元，持续保持两位数以上增速。当前，全国各地密集出台政策推动人工智能产业发展，如北京市印发《北京市加快建设具有全球影响力的人工智能创新策源地实施方案(2023-2025年)》，提出到2025年人工智能核心产业规模达到3000亿元的目标。头部企业加速人工智能领域布局，天眼查数据显示，越来越多的企业争先抢占人工智能赛道，百度、腾讯、华为等大厂在人工智能算法和模型、数据处理能力和计算资源等方面发展迅速。未来，随着政策红利的持续释放、核心技术的日益成熟、应用场景的不断拓宽，我国人工智能产业将持续增长，在全球范围内扮演更加重要的角色，为推动全球科技进步和经济发展作出更大贡献。

(二)算法、数据、算力三驾马车，推动大模型纵深演进

当前，人工智能技术正处于飞速发展阶段，未来，以算力、算据、算法三大基础要素的精巧配合和相互促进为本质的技术变革，将推动人工智能产业向纵深发展。一是多模态模型或将成为人工智能产业标配。微软的研究员撰写的综述预测，多模态基础模型将从专用走向通用，未来将有更多的研究关注如何利用大模型处理多模态任务。目前，国内超80个大模型多仅支持文本输入输出这一单一模态，与人类利用视觉嗅觉听觉等多感官获取信息、通过语言表情动作等多方式表达信息相比，具有明显不足。未来随着技术的日臻成熟，大模型创新将从支持单模态单任务逐渐发展为将文本、图像、音视频等集于一体的多模态多任务，竞争重点将从参数量的提升转向多模态信息整合和深度挖掘能力的提升。二是数据智能有望迎来跨越式发展。当前，作为大模型训练“原料”的数据，尤其是高质量数据一直面临着短缺的问题，据Epoch AI Research研究团队称，高质量语言数据将在2026年耗尽。若失去新增数据源，同时数据利用效率又未能显著提升，未来人工智能大模型的发展速度将明显放缓。因此，大模型领域不断迸发的数据需求，将倒逼数据在大规模、多模态、高质量三维度上全面提升，数据智能技术将飞速发展。三是传统计算范式变革成为必然趋势。算力作为“燃料”是支撑人工智能模型不断进化的关键，OpenAI数据显示，训练GPT-3 175B模型需要的算力高达3640PF-days(以1PetaFLOP/s的效率要跑3640天)。未来，传统计算范式将无法满足人工智能算力需求的指数级增长，智能算力无处不在的计算新范式加速实现。

(三)具身智能融合感知、决策和行动，开启智能系统新范式

具身智能(Embodied Intelligence)是一种智能系统设计理念，其目标是通过将感知、决策和行动融合在一起，使机器能够像人类一样具备身体和运动能力。具身智能的核心理念是利用机器的身体结构和动作能力来增强其智能表现和解决复杂任务的能力。传统的人工智能系统主要关注于数据处理和算法的优化，而具身智能则更加注重机器与环境的互动和交流。目前，具身智能已经成为国际学术前沿研究方向，包括美国国家科学基金会在内的机构都在推动具身智能的发展。谷歌公司的Everyday Robot已经能够将机器人和对话模型结合到一起，形成一个更大的闭环。UC伯克利的LM Nav用三个大模型(视觉导航模型ViNG、大型语言模型GPT-3、视觉语言模型CLIP)教会了机器人在不看地图的情况下按照语言指令到达目的地。基于形态的具身智能研究，例如机器人关节控制，使机器人完全依靠自身形态即可实现对整体行为的控制。未来，具身智能有望在机器人、自动驾驶、智能家居等领域实现重大突破和广泛应用。

(四)人工智能赋能千行百业，燃起产业“第二增长曲线”

当前，以大模型为代表的人工智能技术赋能千行百业，成为驱动产业转型升级“第二增长曲线”的新支点。我国人工智能已在众多行业落地应用，赋能效果明显。例如：汽车行业成为大模型技术最大的交互应用场景。各大车企加快人工智能技术在智能座舱、智能驾驶、智能制造等方面的落地应用，为汽车行业带来深刻变革。如人工智能大模型可以辅助自动驾驶算法的训练和优化，亦可以作为“控制者”直接驾驶车辆。生物医药领域应用大模型大幅提升研发效率。大模型帮助加快新药临床前发现和临床试验等环节，药物设计和病情发现是生物医药领域的重要环节，传统手段耗时长、成本高，大模型技术在生物制造领域应用可提高药物研发效率和成功率，助力发现新疗法。人工智能显著提升集成电路设计制造领域生产力。芯片设计制造具有极高的专业性和复杂性，人工智能驱动的集成电路设计制造技术由大模型自动为工程师提供技术洞察，改进未来芯片设计生产方式，减轻工程师负担，缩短芯片研发周期，促进芯片领域生产力提升。尽管如此，我国人工智能多数应用仍处于“小规模试点”阶段，相距发达国家仍有不小差距，未来，随着人工智能技术的不断成熟，落地应用将向“深水区”持续迈进，发展空间广阔。

(五)人工智能“自我进化”安全问题待解，全球治理力度持续加大

如何确保人工智能“自我进化”的有益无害，一直是人工智能产业发展面临的重大难题。技术安全方面，人工智能技术的复杂性和不透明性造成“黑箱”困扰。人工智能设计者利用不同来源的数据进行训练建模，随着算力水平的提升，用于训练的数据量呈指数级增长，人工智能自我学习更新的速度也越来越快，但其结果“不可解释”，人工智能设计者难以把控其“自我进化”方向。应用安全方面，“真假难辨”“技术换人”的风险持续增加。生成式人工智能的生成结果已可“以假乱真”，真假难辨对个人安全乃至国家安全都带来较大风险，此外，随着人工智能技术的普及和发展，失业人群数量增加，未来人工智能更将在多个领域赶超人类，引发更多社会问题。数据安全方面，数据泄露等安全问题的解决更加趋难。随着生成式人工智能技术向多模态发展，其文件格式更加丰富，未来数据泄漏问题将难以通过传统的数据防泄漏方法解决。当前，世界各国呈现出政策法规先行、安全监管趋严等特征，如2023年3月，意大利数据保护局以违反《通用数据保护条例》为由暂时禁用ChatGPT，并在此后提出系列整改要求。未来，随着人工智能的快速发展，与之配套的政策法规也将更加完善，安全监管将更加严格，治理力度将持续加大。

二、“十五五”时期人工智能产业发展思路和目标

“十五五”期间，我国人工智能产业将以科技引领、系统布局、市场主导、开源开放原则为导向，坚持和拓展“一二五五”的发展思路，即聚焦迈向通用人工智能“一条主线”，探索赋能新型工业化和科学研究新范式“两个应用”，坚持创新引领、数据驱动、算力支撑、应用深化、治理优化“五个路径”，开创“五个新局面”。

加大力度探索通用人工智能演进与实践路径。力求在无限的不确定性中寻找到技术发展最大的确定性。集中优势资源，打造具有国际竞争力的头部创新主体，推动人工智能产业向规模化、集群化发展。在“十五五”期间，实现人工智能从单一任务到多任务、从特定领域到全领域的突破。

扩充数据质与量，开拓合成数据新方式。加大数据的采集、存储和处理力度，提高数据的质量和数量。探索合成数据新方式，通过模拟和生成数据，丰富数据类型、提升数据价值。在“十五五”期间，推动数据发挥乘数效应实现人工智技能大模型能力“涌现”。

加大算力统筹整合力度，提前布局量智融合。打造智算设施高效协同、智算要素自主可控、智算应用融合泛在、绿色智算效能突出、智算生态安全开放的智能算力支撑体系。提前探索通算、智算、超算、量算四算一体化的统一算力体系。在“十五五”期间，构建联网调度、普惠易用、绿色安全、智能高效的全国一体化算力网。

创新应用范式，着力新型工业化与科学研究。提高新型工业化生产效率和产品质量，实现智能制造和绿色制造。推动科技创新步伐，提高科学研究效率和成果，力争在“十五五”期间赋能新型工业化达到新高度，科学研究达到新范式。

发展与安全并重，构建敏捷高效的治理体系。坚持“技术发展”和“安全可控”双轮驱动的基本原则，积极构建技术创新和安全保障动态平衡、协同发展的监管治理体系，着力推动我国人工智能产业高质量发展，牢牢把握人工智能国际竞争的主动权。力争在“十五五”期间构建敏捷高效的治理体系。

三、“十五五”时期人工智能产业发展需要解决的关键问题

(一)高端人才相对稀缺，关键核心技术有待突破

人才方面，仍需加大力度优化人才供给结构。根据脉脉高聘人才智库发布的《2023泛人工智能人才洞察》，人工智能人才供不应求情况进一步加剧，2022年人工智能行业人才供需比为0.63，2023年1-8月下降至0.39。斯坦福大学《人工智能指数2023》指出，中国人工智能高端学者数量排名全球第二，但总量上只有美国的五分之一。关键核心技术方面，我国人工智能重应用轻基础。我国虽然在语音、视觉和自然语言处理等算法开发上屡获佳绩，但在数据标准、模型原创、基础理论开发和技术优化等方面仍落后于国际领先水平，长期以来存在的研究依赖惯性导致中国在基础研究领域投入较弱。

夯实基础领域人才培育，推进人工智能原始创新。人才培育方面，加强数学、物理、电子信息、脑神经学科等人工智能相关前沿基础学科建设，积极培育交叉复合型人才。进一步扩大基础算法、开源框架、芯片等短板领域人才引进通道，鼓励高校和科研机构赴外交流合作、高校和企业间人才双向流通，畅通产学研用人才链。原始创新方面，加快关键技术突破，充分发挥高校和科研院所创新能力，开展深度学习、机器视觉、智能决策、人机交互、大模型等领域前沿理论研究。鼓励高校、人工智能企业、工业制造企业等成立专注工业人工智能的创新联合体，推动核心技术研发，提高符合产业特点的技术产品供给能力。

(二)算力需求大、成本投入高，行业进入门槛较高

人工智能模型变“大”需要攻克算力挑战与理论限制，让人工智能模型变得更大并非单纯增加神经网络深度、堆叠人工神经元就可以实现。随着模型参数量提升，训练时间呈指数型增长，同时，模型参数量增加导致模型过拟合风险上升，训练过程需要更多数据和计算资源，优化也更加困难。人工智能大模型训练成本包括GPU等算力芯片成本、服务器成本、标准机柜成本、训练时长内的电力消耗费用、人力投入费用等多方面。根据市场调研机构TrendForce数据，ChatGPT每日处理1300万独立访问量，需要3万多片NVIDIA A100 GPU支持，初期投入高达8亿美元，1750亿参数的GPT-3的总训练成本高达1200万美元。

降低算力使用门槛，优化算力体系建设。一是强化分布式计算、量化、显存优化、算子融合等关键核心技术攻关与落地应用，降低大模型推理的时延，提高吞吐量，减少对算力的需求。二是推进高性能算力供给。适度超前布局算力、网络等支撑人工智能发展的数字基础设施，加快实施“东数西算”工程，形成全国算力一张网，搭建算力共享服务平台，解决企业算力应用瓶颈。三是发布算力券实施方案支持人工智能大模型应用落地。为企业提供算力券补贴支持，帮助企业降低智算使用成本，支持制造业等重点领域企业开展人工智能行业大模型应用探索和落地实践。四是分步骤推进智能算力中心建设，先追求算力的普惠化，降低成本和提高利用率，再逐步扩容。

(三)人工智能重点行业应用不足，行业合作生态亟待建立

一方面，人工智能在我国大多数传统行业的应用还处于小规模试点，与欧美等发达国家相比差距较大。根据凯捷公司数据，欧洲顶级制造业企业中，人工智能的应用普及率已经超过了51%，美国也达到了28%，而我国顶级制造业企业的人工智能应用普及率仅为11%。这一数据不仅揭示了我国在人工智能应用方面的不足，也反映出巨大的发展潜力和提升空间。另一方面，在重点应用领域，尤其是工业制造行业，大模型技术的应用案例尚显不足。目前，工业领域对大模型的探索性应用主要集中在设计辅助、质量预测、设备维护等方面。这些应用虽然在一定程度上提高了生产效率和产品质量，但距离广泛应用和形成可复制、可推广的工业大模型还有一定距离。

加快赋能千行百业，打造行业合作生态。一是引导人工智能企业与行业领军企业开展定向合作。基于行业企业提供真实业务场景、数据以及行业真实需求，开发核心算法和预训练模型，共同研发落地应用大模型。二是打造人工智能企业与行业企业的对接平台。搭建人工智能企业与制造业、医疗、农业等行业企业的对接平台，帮助双方实现技术、模型、数据、场景等资源对接，孵化行业领域应用模式。三是依托工业互联网平台，打造人工智能企业与行业企业的大模型合作生态。通过工业互联网平台实现两者的快速对接，提供保障算法、模型、数据安全的人工智能要素线上交易服务，面向不同行业建立标准化的大模型开发环境，帮助企业快速研发和验证场景化解决方案。

(四)适度监管与促进发展并重，监管手段创新势在必行

人工智能产业当前处于快速成长期，其技术演变和经济社会影响具有很多的不确定性。一方面，人工智能具有强大的创新力，有望发展成为新的经济增长引擎，极大改善社会福祉。另一方面，人工智能带来的伦理与安全、负外部性等问题也频频引发社会关注。如果政策过严、管制过多，将在一定程度上阻碍我国人工智能产业发展进程，可能拉大我国与发达国家的差距，导致我国陷入被动和落后的局面;如果政策过松、监管滞后，也可能导致人工智能“负作用”在经济社会各领域持续扩散。因此，以何种力度、何种方式、在何种时机对人工智能进行合理规制，是监管部门需要重点解决的难题。

推动监管手段创新，提升应对挑战能力。一是明确技术研发“禁区”，禁止危害社会运转和公众生活安全的技术研发方向，禁止技术研发用于违法犯罪。二是不断完善各类监管标准规范，包括数据使用监管、算法使用监管等，充分推动相关法律法规完善治理机制，引导人工智能产业健康可持续性发展。三是鼓励可信技术用于伦理监管领域，推动监管手段创新也受益于技术创新。最后，创新试点示范和沙盒监管等新监管方式，对部分前沿引领性技术允许小规范、小范围的先行先试，及时令行禁止，采取先验证后推广，边试边用的模式，逐步同步监管手段与技术创新。

来源：赛迪智库

作者：钟新龙，王聪聪，高旖蔚

编辑：晓燕

指导：新文