“十五五” 規劃建議明确提出，适度超前建設新型基礎設施，推進信息通信網絡、全國一體化算力網、重大科技基礎設施等建設與集約高效利用。人工智能(以下簡稱 “AI”)作為這一期間的核心發力點，正推動數字基礎設施實現重大飛躍，為各行各業帶來深層次變革與高質量發展。中興通訊副總裁、中國區戰略規劃總工張嗣宏在第 12 屆新華網思客年會上，圍繞 AI 技術發展、行業應用與市場化挑戰，分享了深刻見解。
技術革新：差異化路徑破局，智能體成核心方向
AI 曆經 70 餘年發展，在生成式 AI 的推動下邁入新階段。當前中美兩國 AI 技術發展呈現鮮明差異化特征，同時智能體的崛起與商業化場景的細分，正勾勒出行業未來的發展藍圖。
中美技術路線各有側重，中國開源創新顯優勢
從技術演進來看，美國 AI 發展側重 “更大更強”，追求極緻算力規模 —— 計算中心從幾千卡、幾萬卡逐步升級至幾十萬卡，OpenAI 更計劃建設萬億級計算中心，投入成本巨大。而中國企業在 DeepSeek 崛起後，通過工程優化與技術創新，有效降低了算力需求，改變了部分規模定律的演進方向，不僅推動國内多元化算力發展，更為國産芯片廠商創造了寶貴機遇。
在技術生态層面，美國以閉源模式為主，僅對外開放相對弱勢的模型;中國則堅持開放最領先的模型，極大地推動了全球開源 AI 市場的繁榮。不過，中美大語言模型發展均陷入一定瓶頸：OpenAI 的 ChatGPT-5 試用反饋未達預期，DeepSeek 推出的 OCR 新模型雖能以圖像形式高效壓縮文本，但長上下文處理給算力帶來巨大負擔，亟需探索新的技術路線實現突破。
智能體成政策支持重點，商業化聚焦場景定制
相比傳統大模型的問答模式，智能體能夠調用周邊工具，圍繞任務驅動實現閉環交付，已成為 AI 發展的重要方向。國務院印發的《關于深入實施 “人工智能 +” 行動的意見》明确目标：到 2027 年，新一代智能終端、智能體等應用普及率超 70%;到 2030 年，這一比例将提升至 90%，彰顯該領域巨大的發展潛力。
從商業化潛力來看，大語言模型在文本處理領域表現突出，但因準确率不足，目前難以直接應用于工業場景。未來，To C 領域中，大模型與智能體将大幅優化消費體驗;To B 領域則是 AI 價值釋放的核心陣地，需針對各行業垂直場景的真實需求，開展定制化開發，真正解決企業痛點。
應用落地：賦能千行百業，AI + 場景加速滲透
AI 不僅是傳統産業升級的 “催化劑”，更是新興産業催生的 “孵化器”。其在各行業流程中的深度應用，正持續推動企業效率提升，不過不同領域的應用成熟度與市場空間存在顯著差異。
行業應用：研發與營銷側率先成熟，互聯網行業算力需求居首
當前，大語言模型的生成式能力在研發側和營銷側應用最為成熟。研發側因編碼結構化程度高、數據質量好，成為大模型落地的核心場景;營銷側的各類文檔、策劃案等均可通過大模型快速生成，大幅提升工作效率。
從算力需求分布來看，咨詢報告顯示，55%-60% 的 AI 算力需求來自互聯網行業，政府、教育、金融等領域緊随其後。在互聯網行業中，移動端 AI 應用發展遠超電腦端，AI 搜索和 AI 綜合助手是最受歡迎的應用類型。從市場格局來看，豆包、DeepSeek、騰訊元寶位列用戶規模前三，但整體行業仍處于早期階段 —— 中國擁有超 10 億互聯網用戶，主流 AI 應用需成長至數億用戶量級，才能标志行業進入成熟可持續的發展階段。
重點領域：從城市治理到民生服務，AI 賦能落地見效
城市智能化升級：地方政府推動 AI 落地主要聚焦兩類場景 —— 政務服務智能化(政府内部辦公系統升級、12345 熱線智能客服、政策咨詢自動化等)與城市治理精細化(智慧交通、水電氣智能化檢測維修等)，推動政務從數字化向智能化轉型，提升公共服務與城市治理水平。
教育領域：AI 在人才培養中發揮多元作用。中小學階段，大模型可實現個性化教學，輔助作業批改、錯題解答與題目生成;高等教育階段，中興通訊等企業與高校合作優化課程體系、搭建實訓平台，開展教育出海，提升學生科創能力與産學研結合水平。
醫療領域：AI 應用覆蓋診前、診中、診後全流程。診前提供專業症狀咨詢與建議;診中提升報告分析、影像診斷效率，體檢報告生成速度較以往提升數倍，有效減輕醫護人員負擔。
工業領域：因對準确性要求極高，大模型受 “AI 幻覺”(數據源錯誤或分析結論錯誤)影響，應用相對謹慎，目前多用于知識問答、财務核算、園區管理等輔助場景。
直面挑戰：思變應變，探索中國特色 AI 發展之路
當前 AI 大模型在市場化過程中，仍面臨五大核心挑戰，需産業各方協同發力、思變應變，方能實現從技術創新到價值創造的順利跨越。
挑戰一：國産芯片性能與選擇适配
客觀而言，當前國産芯片與國際最先進芯片仍存在差距，性能相對受限。應對策略需結合場景需求精準選擇：訓練場景側重性能優先，推理場景側重性價比優化，最大化發揮國産芯片的實用價值。
挑戰二：生态遷移與技術适配難題
将基于國外芯片的系統遷移至國産芯片，需解決模型運行穩定性與性能優化問題，涉及工具體系構建、算子适配、精度分析及開發升級等多個環節，需産業鍊上下遊聯動攻關。
挑戰三：大規模算力建設的工程化考驗
萬卡級算力集群對工程化能力要求極高，需在工程集成交付、運維保障等方面持續優化，确保算力集群穩定高效運行，滿足大規模 AI 應用的算力需求。
挑戰四：應用落地 “最後一公裡” 梗阻
上半年 AI 熱潮中，不少企業引入相關設備後，難以與自身業務場景深度結合，僅能使用基礎問答功能，導緻應用熱情回落，反饋産品 “不好用、不匹配場景”。這一現象表明，沒有任何一款模型能 “包打天下”，需産業各方協同合作，針對具體行業場景開展定制化開發。
挑戰五：體系化核心能力構建不足
中長期來看，AI 競争力不僅取決于算力規模，還涵蓋模型訓練、推理優化、生态遷移、API 調用、定制化開發、運維服務等全鍊條能力。中國 AI 産業需探索符合自身實際的發展路線，構建全方位、體系化的核心競争力。
從技術創新到價值創造，AI 正跨越概念與實用的鴻溝。在 “十五五” 規劃的指引下，随着差異化技術路徑的深化、行業應用場景的拓展以及市場化挑戰的破解，AI 将真正融入千行百業，成為推動高質量發展的新質生産力，共築 “AI+” 的智能新時代。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
