“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、全國一體化算力網等建設與集約高效利用。在這一戰略部署中，人工智能(AI)無疑是核心引擎——它不僅推動數字基礎設施實現代際躍升，更在千行百業的滲透中，重塑生産力形态、開辟價值創造新路徑。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的觀點分享，為我們解析AI從技術創新到價值創造的躍遷邏輯提供了重要視角。
技術革新：中美差異化路徑下的中國突破
曆經70餘年發展，AI在2022年底ChatGPT引發的生成式AI浪潮中，邁入“技術爆發—場景驗證—規模落地”的新階段。值得關注的是，中美兩國在AI技術演進路徑上呈現顯著差異，而中國的創新探索正開辟出獨特發展賽道。
在算力路徑選擇上，美國走“規模驅動”路線，追求“更大更強”的算力集群——計算中心規模從數千卡、數萬卡躍升至幾十萬卡，OpenAI更計劃打造萬億級計算中心，投入成本呈指數級增長;中國則以“效率優化”破局，DeepSeek等企業通過工程化創新與技術疊代，大幅降低算力需求，改變了傳統規模定律的演進方向，既推動多元化算力體系發展，更為國産芯片廠商創造了廣闊市場空間。
生态開放策略的分野更為鮮明。美國以閉源模式為主，僅向市場開放性能相對薄弱的模型版本，維持技術壟斷優勢;中國則堅持“領先模型開源”策略，将自主研發的頂尖模型向全球開放，不僅極大激活了全球開源AI生态的創新活力，更依托開源社區的協同效應，加速技術疊代與場景适配。
盡管中美技術路線各有側重，但當前均面臨瓶頸突破的挑戰。OpenAI的ChatGPT-5試用反饋顯示，其性能提升未達市場預期;DeepSeek推出的OCR新模型雖解決了文本圖像壓縮存儲難題，但長上下文處理帶來的算力負擔仍難以規避。這意味着，行業亟需跳出傳統技術框架，探索多模态融合、輕量化模型等新路徑。
智能體(Agent)的興起為技術突破提供了新方向。與傳統大模型的“問答交互”不同，智能體可自主調用工具、圍繞任務目标形成閉環交付，更貼合真實場景需求。國務院《關于深入實施“人工智能+”行動的意見》明确提出，到2027年新一代智能終端、智能體等應用普及率超70%，2030年超90%，這一規劃凸顯了智能體作為AI價值落地核心載體的戰略地位。
應用落地：千行百業的“AI+”價值重構
AI的終極價值，在于對産業效率的提升與業态的重塑。麥肯錫咨詢報告顯示，不同行業、不同環節的AI應用成熟度差異顯著，但整體已從“單點試點”向“規模化落地”演進，在To C與To B領域形成雙輪驅動格局。
從算力需求結構看，互聯網行業是當前AI算力的主要消耗者，占比達55%-60%，政府、教育、金融等領域緊随其後。在互聯網行業内部，移動端AI應用規模遠超PC端，AI搜索、綜合智能助手成為用戶最青睐的應用類型。從市場格局看，豆包、DeepSeek、騰訊元寶占據用戶規模前三，但頭部應用用戶量仍未突破“億級”門檻——對比中國10億以上的互聯網用戶基數，這一數據表明，AI應用仍處于“早期培育期”，未來增長空間巨大。
在垂直行業領域，AI的滲透深度與行業屬性高度相關：
城市治理與政務服務 是AI落地的“先行領域”。地方政府聚焦兩大核心場景：一是政務服務智能化，通過升級内部辦公系統、部署12345熱線智能客服等，實現政策咨詢、審批流程的自動化;二是城市治理精細化，在智慧交通、水電氣管網智能檢測等場景中，AI的預測性維護能力大幅降低運維成本，提升城市運行效率。
教育領域 呈現“分層賦能”特征。中小學階段，大模型通過個性化教學系統，實現作業批改、錯題解析、習題生成的精準化，破解“因材施教”難題;高等教育階段，企業與高校的協同不斷深化，如中興通訊與高校合作優化課程體系、搭建實訓平台，同時借助教育出海項目，提升學生科創能力與産學研轉化效率。
醫療領域 實現“全流程覆蓋”。診前階段，大模型提供專業症狀咨詢與就醫指導;診中環節，AI影像診斷系統将報告分析效率提升數倍，助力精準診療;診後通過健康數據監測與智能随訪，完善康複管理體系。
工業領域 仍處于“謹慎探索期”。因工業場景對準确性要求極高，大模型的“AI幻覺”(數據源或分析結論錯誤)問題尚未完全解決，目前主要應用于知識問答、财務核算、園區管理等輔助場景，核心生産環節的規模化應用仍需技術突破。
整體來看，AI在研發側(編碼等結構化場景)、營銷側(文案策劃等創意場景)的應用最為成熟，而在生産制造、核心服務等“高價值環節”，仍需突破技術适配與信任構建的雙重障礙。
破局挑戰：市場化進程中的五大核心命題
從技術創新到價值創造，AI的市場化之路并非坦途。當前行業需直面五大核心挑戰，通過協同創新實現“破局”：
挑戰一：國産芯片的性能與适配難題 客觀而言，國産AI芯片與國際頂尖産品仍存在性能差距。破局關鍵在于“場景化選型”——訓練場景優先選擇高性能芯片保障模型精度，推理場景則側重性價比更高的國産芯片，通過“按需匹配”降低成本。
挑戰二：生态遷移的兼容性壁壘 從國外芯片向國産芯片遷移過程中，需解決模型運行穩定性、性能損耗等問題，涉及工具體系重構、算子優化、精度校準等全鍊條工作。這需要芯片廠商、模型開發商、應用企業形成協同，共建适配國産芯片的技術生态。
挑戰三：大規模算力集群的工程化能力不足 萬卡級算力集群的建設，不僅需要巨額資金投入，更對工程集成交付、運維保障提出極高要求。目前行業存在“重建設、輕運營”現象，需通過智能化運維系統與專業團隊建設，提升算力集群的利用率。
挑戰四：技術與場景的“适配鴻溝” 上半年AI熱潮中，不少企業購置設備後，僅能使用基礎問答功能，無法與自身業務場景深度融合，導緻應用熱情回落。這一現象印證了“沒有萬能模型”的行業規律——AI落地必須堅持“場景導向”，通過定制化開發解決行業個性化需求。
挑戰五：體系化競争力的構建滞後 長期來看，AI競争力不僅取決于算力規模，更涵蓋模型訓練、推理優化、遷移部署、API調用、定制開發、運維服務等全鍊條能力。中國需探索符合自身産業特征的發展路徑，避免“單點突破、體系薄弱”的短闆。
結語：以協同創新激活AI價值潛能
AI從技術創新到價值創造的躍遷，本質是“技術突破—生态構建—場景落地”的協同演進過程。中國在AI領域的差異化創新——以效率優化替代規模擴張、以開源生态打破技術壟斷、以智能體推動場景适配——已奠定堅實基礎。未來，要實現AI價值的全面釋放，需聚焦三大核心：
在技術層面，持續攻堅輕量化模型、多模态融合、AI幻覺治理等關鍵技術，降低應用門檻;在生态層面，深化産學研協同，構建适配國産芯片與自主模型的技術體系，打破兼容性壁壘;在應用層面，堅持“場景為王”，通過行業定制化開發，推動AI從“輔助工具”向“核心生産力”轉變。
唯有如此，才能真正激活AI的價值潛能，讓這一新興技術成為推動高質量發展的強大引擎。
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.
