当前，全球人工智能技术博弈日趋白热化，我国人工智能产业发展正处于应用引领、基础追赶、生态突围的关键隘口。面对算力封锁、人才争夺等外部压力的持续加码，从高端芯片到基础算法，从原始创新到产业转化，我们依然存在不少“卡脖子”环节和卡点堵点。
近年来，多地紧扣国家战略，强化政策扶持、算力支撑、场景开放、技术攻关，全力推动人工智能与主导产业、新兴产业深度融合。图为2026年3月16日，江苏沙龙机电科技有限公司生产车间内，电子元件自动检测线正开展检测作业。 新华社发 顾继红/摄
国际竞争挤压人工智能产业发展空间。调研发现，一些西方国家对华政策已从单一技术限制升级为系统性生态封锁。一是“硬”封锁持续加码。美国对华人工智能芯片销售管制力度不断加大，导致国内不少创新团队因“算力饥渴”被迫放缓大模型研发节奏。二是“软”生态构筑壁垒。英伟达公司的图形处理器（GPU）占据全球九成以上份额，其统一计算设备架构（CUDA）生态经过10余年积累，已形成“硬件+软件+开发者社区”的闭环体系。我们在上海一家国产芯片企业了解到，尽管其硬件算力指标已接近国际主流水平，但客户最关心的却是“能不能兼容CUDA”。症结在于芯片替代不是简单的硬件换装，而是牵涉开发框架、算子库、调试工具、开发习惯等一整套技术栈的系统迁移。数百万开发者深度绑定CUDA生态，迁移成本高昂、适配周期漫长，国产替代即便性能达标，规模化应用仍面临障碍。三是规则话语权博弈激烈。全球人工智能技术标准、治理规范、数据跨境规则等多由西方国家主导。2025年初，DeepSeek大模型凭借技术突破震动全球市场，西方多个国家随即出台禁令或启动严格审查。现实警示我们，技术领先未必能得到市场准入，缺少话语权，产业出海就会受制于人。
大模型在专业场景面临可靠性危机。大模型在通用对话中表现惊艳，但一旦进入工业检测、医疗诊断、金融风控等对精度与可靠性要求严苛的领域，能力缺陷便凸显出来。一家制造企业向我们反馈，人工智能视觉检测系统因光线轻微变化便将良品误判为废品，废品反被放行，最终仍需人工重检。“演示时惊艳，产线上翻车”成为人工智能在许多企业落地时的真实写照。症结在于大模型在开放域任务中展现的泛化能力，并不能自然迁移至容错率趋近于零的专业场景，从“能说会道”到“能用可靠”，横亘着一道巨大的工程化鸿沟。“幻觉”问题也不容忽视。通用场景下，这种错误或许只是瑕疵，但在医疗剂量、法律判决、金融风控等场景中，每一次“一本正经地胡说八道”都可能触发不可挽回的风险。这暴露了大模型的一项根本性缺陷：它本质上仍是模式匹配器而非逻辑推理器。如何从“会说话”走向“讲真话”，从“猜答案”走向“懂因果”，是产业向纵深发展必须跨越的门槛。
高质量数据集仍难满足模型发展需求。调研发现，当前普遍存在的问题是数据“原油”丰富，但“炼化”能力不足。全球可用私有数据规模远远大于公开数据规模，但受制于数据标准不统一、授权机制不健全、合规边界不清晰等制度性障碍，大量高价值数据被困于“孤岛”。我国虽坐拥海量数据资源，但真正能用于大模型训练的数据却严重短缺。全球通用的50亿规模数据训练集中，中文语料占比仅为1.3%。此外，数据流通的梗阻，让我国数据规模优势难以充分转化为核心竞争力。还有版权与法律风险正持续攀升。一家出海企业告诉我们，其视频生成模型被指控未经授权抓取海外平台视频用于训练，在境外遭遇集体诉讼。一旦数据主权和版权壁垒演变为新的贸易武器，就可能切断国内企业获取国际高质量数据资源的合法通道。
人工智能产业应用商业闭环尚未打通。人工智能产业应用正站在从政策驱动到市场驱动的十字路口，可持续商业模式尚在探索。一是产业链“齿轮错位”。算力层昂贵且与模型适配不足，模型层通用但行业定制化能力薄弱，应用层多为单点工具型产品且互不通信，算力、模型、应用三个环节之间缺乏有效的啮合机制。二是企业盈利模式模糊。国内用户付费习惯尚未形成，大量应用公司只能依靠项目制一单一单维系，或依赖政府补贴“输血”。从“政策输血”到“市场造血”的转换，是产业能否走出培育期的关键。三是产品规模化复制艰难。一位工业人工智能创始人坦言：“三个工厂试点成功，但客户说换条产线，方案就废了。没法标准化，就没法规模化；没法规模化，就永远在烧钱。”“样板间”与“商品房”之间，差的不是单项技术，而是可配置、可复制、可运维的标准化产品体系，前提又是产业链各环节形成标准化的对接接口。
详见：求是杂志社经济编辑部、赛迪研究院联合课题组文章《抢占智能时代制高点：我国人工智能产业发展调查》
（策划：郭斐然 舒予）
