申论｜上海如何破解算力、语料、场景三大堵点，构筑世界级AI产业集群

全球人工智能大模型产业的发展逻辑正在发生深刻转换（以下简称“大模型”）。行业早期热衷于比拼参数量、训练算力与榜单跑分，把实验室技术指标作为衡量模型实力的主要标尺；历经市场大浪淘沙，产业竞争的重心已经转向实体经济落地，大模型不再只是实验室里的技术产物，更成为培育新质生产力的重要载体。

作为国内人工智能的重要高地，上海依托完备的产业体系、超大城市丰富多元的应用场景以及一整套产业扶持政策，大模型产业实现快速集聚扩张。不过产业规模并不直接等同于核心竞争力，在产业向纵深推进的过程中，算力供给结构失衡、垂直行业语料流通梗阻、示范项目难以规模化复制等现实堵点，制约着技术价值充分释放。上海大模型已经跨过解决“有没有”的起步阶段，迈入追求“好不好用、能不能普及、可否规模化复制”的价值跃迁关口，而发展阶段的迭代，呼唤政策工具与发展思路同步调适。因此，立足产业现实，厘清当前发展中的结构性矛盾，总结应用落地过程中的经验与不足，找准算力、语料、场景三大关键环节的改革突破口，是上海加快构筑世界级人工智能产业集群必须应对的现实课题。

一、正视产业结构性矛盾，看清大模型发展现实堵点

从统计数据看，上海人工智能产业已经形成可观体量。2025年，全市394家规上人工智能企业产业规模超6370亿元，同比增长39.5%；上海AI人才规模近30万人，约占全国三分之一。截至2026年7月15日，上海市累计171款生成式人工智能服务通过备案；全市智能算力规模突破17万P（FP16，即每秒千万亿次浮点运算）；以“模速空间”为核心载体的徐汇区，已集聚大模型企业超900家。上海已搭建起从底层研发到行业应用的完整产业生态；世界人工智能大会在上海已连续举办九届，进一步放大了产业集聚效应。但亮眼数据之下，三组结构性矛盾不容忽视。

首先是算力总量充足，但供给结构失衡问题突出。上海整体智能算力盘子持续做大，能够满足训练与推理的总量需求，短板集中在国产高端智算供给不足、全栈适配成本居高不下。国产芯片硬件性能持续提升，但配套编译框架、算子库、工具链仍处在完善过程中。据紫光云测算，中型AI企业向国产算力的完整业务迁移，普遍需要3-6个月的调试周期，这是国产算力生态从“可用”走向“好用”必须跨过的成本门槛。对于抗风险能力有限的中小微AI企业，漫长适配会大量消耗研发经费，打乱产品迭代节奏，甚至错失市场窗口。

尽管上海算力券政策有效降低企业用算成本，但现实中不少中小微企业陷入“有券无芯可用”的窘境：手握补贴额度，却难以找到适配业务的国产算力资源；如果转向进口算力，又要面对外部供应链不确定性和高昂租赁成本。自主可控安全诉求与业务快速落地之间的两难，成为很多本地AI企业日常要权衡的现实难题。算力“总量够用、结构失衡”，是上海算力生态绕不开的现实课题。

其次是行业数据储备丰厚，高价值垂直语料却深陷“数据孤岛”。互联网通用公开数据并不稀缺，但制造、医疗、轨道交通、气象等垂直赛道高质量行业语料供给不足，直接拖累垂类大模型迭代。大量蕴含产业价值的业务数据沉淀在国企、医疗机构、科研院所手中。受制于尚不细化的数据流通规则，叠加合规追责顾虑，不少单位秉持“多做多错、少做少错”心态，宁愿把数据封存沉睡，也不愿参与协同创新，形成“数据能用不敢用、企业想用拿不到”的僵局。

垂直行业大模型，不是通用基座简单套壳接口，必须依靠真实业务语料打磨行业逻辑。缺少清洗、标注过的高质量行业语料，大模型很难读懂工业流程、临床规范、轨道运维标准，也就很难产出真正解决痛点的能力。但行业语料流通绝不等于无底线开放数据。医疗关联个人隐私，工业涉及商业秘密，轨交关乎城市运行安全。破解孤岛，核心不是简单把数据放出来，而是建立一套风险可控、权责清晰、收益可共享的制度安排。

第三是标杆项目不断涌现，却普遍遭遇“盆景好看，复制很难”的困境。从商飞“民机智能运维”入选央企AI高价值场景，到申通“申魔方”轨交智能体平台投入应用，再到全国首个气象AI-MaaS平台在沪启用——上海AI大模型的“示范应用矩阵”正在制造业、城市治理、公共服务三大主战场同步展开，充分展示了大模型赋能实体经济的巨大潜力。但这些标杆大多属于深度定制项目，围绕单个企业、单条线路业务流程量身打造，投入大量人力深度对接内部业务系统。一旦向外行业推广，面对不同企业差异化业务流程、异构设备、参差不齐信息化底座，往往要重新做模型微调、接口开发、系统改造，跨主体推广成本居高不下。

当前，由财政资金驱动的AI大模型试点项目，大多完成了从“0到1”的单点突破，却在“1到N”的规模化复制中遭遇梗阻。一个典型的悖论是：这些项目吸引了络绎不绝的学习考察团，却很难被同行企业直接“拿来复用”；它们产出的是一个个精美的“盆景”，而非能够移植到产业沃土中的“种子”。究其原因，试点往往围绕特定场景、特定企业、特定数据定制开发，缺乏对通用性架构、模块化接口和标准化流程的前瞻设计。这种“盆景陷阱”意味着，大模型赋能仍停留在样板工程层面，尚未转化为可广泛获取、低成本部署的产业普惠能力。若不打破这一困局，财政资金的杠杆效应将被极大稀释，上海AI产业的“系统密度”优势也难以从标杆项目传导至中小企业。

二、立足应用牵引实践，辩证看待政策扶持的成效与考验

面对大模型落地难题，上海走出一条以应用牵引为核心的发展路径，不盲目追逐通用大模型参数竞赛。尽管不少试点项目落入“盆景陷阱”，但本地也已经涌现出少数突破这一困局的实践样本，在先进制造、交通、医疗、教育、气象、城市治理六大赛道积累了经验，有两条启示值得总结。

其一，坚持“基座+行业+场景”三层穿透，拒绝通用大模型“包打天下”。上海依托模型即服务（Model as a Service）理念，推动基础基座与行业知识深度融合。以申通地铁“申魔方”AI智能体平台为例，该平台以“行业大模型+场景化智能体”为底座，注入申通集团积累的运维工程经验、轨旁传感、全网运营等垂直数据，由上海联通与申通集团联合搭建城市轨道交通行业大模型，打通“数据—算法—场景—生态”全链条创新通道。申通同步推进的“行云”大模型基于近十年千亿级运营数据，实现大客流预警准确率超95%，已在上海517座车站全面覆盖应用；车辆智能运维系统RISE推动运维模式从“计划修、故障修”向“状态修”转变。这套“行业基座+私有化部署”模式证明，实体经济大模型必须内化行业知识，不能仅靠通用模型简单封装，为国内大模型落地实体产业提供了可借鉴样本。

其二，以“三券”政策工具精准滴灌，降低创新创业门槛。上海“人工智能12条”《上海市进一步扩大人工智能应用的若干措施》（沪经信智〔2025〕489号）设立“三券”体系：2025年首期发放10亿元基础上，2026年起每年常态化发放10亿元算力券、模型券、语料券，实行“先用后付、免申即享”。2025年首期10亿元中，6亿元算力券、3亿元模型券、1亿元语料券按照“补早补小”原则向小微企业倾斜；对租用智能算力的主体，市级给予最高30%租金补贴，市区协同叠加后最多1年、最高可给予100%租金补贴。以上算力券、模型券实实在在缓解了初创团队高昂算力负担，降低了行业入场门槛。同时，上海持续组织场景对接，积极推动国资国企释放业务场景，打通技术供给与产业需求之间的信息壁垒。需要看到：开放国资场景本身并非造成“盆景陷阱”的根源，风险来自配套考核机制缺失，如果只考核落地、不考核成果沉淀，再好的场景资源也容易演变为仅供观摩的样板工程。

但复盘实践也需要清醒看到，补贴可以缓解短期生存压力，不等于塑造长期市场竞争力。算力券、模型券属于产业培育期阶段性工具，不能无限期持续。部分中小AI初创企业的收入较多来自政府试点项目采购，面向市场的商业化付费订单尚在培育阶段。未来补贴逐步退坡之后，如果企业没有打磨出具备市场竞争力的产品，将面临自我造血能力不足的现实挑战。政策扶持的目标是“扶上马送一程”，最终要培育能够自主参与市场竞争的市场主体。如何实现从政策“输血” 转向产业自主“造血”，是上海大模型产业绕不开的命题。

三、聚焦关键环节破局，推动大模型实现价值跃迁

针对算力、语料、场景复制三大堵点，政策思路需要从过去简单消费端补贴，升级为政策导向优化、制度体系建设、产业成果转化协同发力，推动上海大模型实现价值跃迁。所要坚持的政策取向的核心点在于：不主张简单加码补贴规模，而是优化补贴方向、补齐语料流通制度、改革示范项目考核导向，把政策资源导向产业长期能力建设。

（一）算力：补贴从“撒券消费”转向“引路适配”

现有算力券属于消费端补贴，在产业起步阶段发挥关键作用。进入新阶段，政策重心应当适度从补贴算力租赁消费，转向扶持国产算力生态适配，破解企业“迁移不敢动、改造成本高”难题。

第一，推行差异化补贴激励机制。对企业使用国产算力集群开展研发设置更高补贴比例，选用进口GPU则下调补贴系数。依靠价格信号引导企业主动适配国产生态，而非行政强制限定硬件选择，兼顾产业安全与企业业务现实。

第二，设立国产算力适配专项基金。针对企业芯片迁移、算子开发、软硬件调试等工程化成本给予一次性补贴，分担中小AI企业迁移负担，缩短适配调试周期，降低企业转型顾虑。

第三，盘活运营商算力资源。上海三大电信运营商拥有大规模5G通感网络与边缘算力资源，建议将运营商MaaS基座纳入公共算力供给目录，构建“集中大算力承担模型训练、边缘算力承担业务推理”分工格局，训练放在云端，推理下沉业务现场，夯实上海AI产业安全底座。

这套政策调整的目标，是推动国产算力从“可用”加速走向“好用、易用”，改善整体算力供给结构。

（二）语料：构建“语料券+合规指引”双轮驱动的制度化流通体系

上海并不缺少行业数据，短板在于缺少让数据持有方愿意开放、敢于开放的制度保障。医疗病历、轨交运行记录、工业设备日志蕴藏巨大价值，但合规风险成为流动的拦路虎。

一方面，拓宽语料券支持范围。1亿元语料券不再仅仅补贴外购第三方数据集，同时覆盖企业自有数据脱敏、标注、清洗治理成本，扶持专业化的数据加工服务业态。很多机构手握原始业务日志，却没有能力转化为高质量训练语料，语料券可以降低存量数据治理成本，释放沉睡数据价值。

另一方面，加快出台重点行业语料分级分类合规指引。厘清医疗、工业、政务数据的使用边界、脱敏标准、权责划分，明确经过何种处理后的数据可以用于大模型训练，打消机构负责人“怕担责”的顾虑，同时严守数据安全、商业秘密与个人隐私底线。

更进一步，探索算力、模型、语料作价入股新模式。鼓励国企输出脱敏处理后的行业语料，AI企业投入技术与算力，共同组建联合项目主体，共享模型落地之后的产业收益。相比一次性买断数据，收益共享更能够调动数据持有方长期参与的积极性，构建共赢利益格局。同时，所有创新必须坚守底线，坚决杜绝原始敏感数据无序流转，追求安全前提下的高效要素流动。

（三）场景：跳出“盆景陷阱”，由打造标杆转向输出行业标准套件

上海不缺亮眼示范项目，稀缺的是可大规模复用的产业成果。财政资金扶持的AI示范项目，考核导向不能只看项目是否在本单位落地，应当把“输出标准化可复用行业套件”纳入财政扶持项目硬性考核指标，这是未来政策创新的重要方向。

获得财政支持的标杆项目，在完成试点同时，要同步交付行业 MaaS套件，包含模型微调脚本、行业知识库、部署实施指南、效果评估方法。同时兼顾企业知识产权权益，采取分级开放策略：基础部署指南、接口规范对外公开；模型权重、核心算法可采取半开源、有限授权模式，保护企业创新投入。依托“模速空间”等公共载体对外释放，供广大中小企业低成本调用，降低全行业二次开发成本。

深化国资国企“人工智能+”行动，建议将开放真实业务场景纳入国企绩效考核清单。推动制造、轨交、医疗、教育领域大型国企，每年释放一定数量真实业务场景作为大模型试验场。让国企不仅是AI产品采购方，更成为场景供给方。只有这样，才能跳出定制项目局限，把单点试点的成功沉淀成全行业通用产业标配，把少数“盆景”培育成产业“森林”，充分释放超大城市的场景溢出效应。

结语

放眼全球，大模型产业竞争已告别“堆卡、堆参数”的粗放竞赛。实验室榜单只是参考标尺，真实产业场景才是检验技术价值的试金石。上海具备完备现代产业体系、超大城市多元场景，叠加成熟政策工具，拥有打造世界级人工智能产业集群的先天条件。面向“十五五”，政策层面不能简单停留在发放补贴；场景建设不能只满足打造少数样板；数据要素领域，重点要破解行业数据沉睡，推动语料安全制度化流通。

当大模型挣脱纸面参数比拼，真正走进工厂车间、轨道交通、医疗机构、城市治理一线，把技术能力转化为实实在在生产效率提升，才能充分释放新质生产力动能，为上海建设国际数字之都注入核心力量，也为全国人工智能高质量发展贡献可复制可推广的“上海方案”。

（作者于博系上海科技管理干部学院研究员）

澎湃新闻“申论”专栏延续《东方早报·上海经济评论》同名专栏风格，聚焦上海命题，在细节中观察战略，在现实中建设理想之城。

来源：于博