杜国功
精华速览：
本文认为，国资央企促进人工智能创新发展呈现场景驱动与技术迭代的正向循环、数据赋能与价值释放的制度创新、算力基础设施筑基与AI 赋能、通用能力与行业深度的有机结合、协同共生的生态构建的特征，要从技术创新、数据治理、人才队伍、投入产出和产业生态五个层面重点发力，大力实施国资央企促进人工智能创新发展举措。
2026 年《政府工作报告》明确提出， 打造智能经济新形态，深化拓展“人工智能+”。人工智能正以前所未有的广度和深度重构全球产业格局与国际竞争版图，成为引领未来的战略性技术和基础性技术，国资央企加快促进人工智能创新发展，既是回应时代之问的发展所需， 也是履行战略使命的发力重点。
深刻理解国资央企促进人工智能创新发展的重要意义
（一）遵循科技创新驱动生产力质态跃迁规律的必然选择
人工智能是对劳动者、劳动资料、劳动对象三要素的系统重塑。从劳动者维度看，人工智能正在推动劳动力从重复性劳动向创造性劳动跃升，是生产力主体质的提升。从劳动资料维度看，人工智能使算力等基础设施成为新型劳动资料，数据成为新型劳动对象，算法成为新型生产方法。从劳动对象维度看， 人工智能不断拓展人类认识自然和改造自然的物理边界。国资央企加快促进人工智能创新发展，通过科技创新引领培育壮大新质生产力，本质上是适应生产力质态变迁的客观要求。
（二）服务国家战略、抢占全球科技竞争制高点的必争之地
当前，人工智能领域国际竞争日趋激烈，已从单纯的技术竞赛转向生态系统构建能力的全面较量。尽管中国在人工智能模型领域已取得突破，但人工智能技术是不断迭代的，要保持优势地位， 国资央企必须挺身而出积极作为，切实扛起服务国家战略的使命担当，确保在全球科技竞争中赢得战略主动。
（三）应对技术变革、把握产业演进新机遇的重要选项
人工智能正在重塑生产方式、优化产业链条、催生新商业模式。据互联网数据中心（IDC）2024 年的预测， 到2030 年， 人工智能将为全球经济贡献19.9 万亿美元，绝大多数价值来自企业采用AI，如在现有业务运营中使用AI， 以及向客户提供更好的AI 产品或服务。国资央企必须全面拥抱人工智能带来的深刻变化，确保人工智能从关键变量转化为高质量发展的强劲动能，在科技革命和产业变革大势中获得竞争优势。
（四）发挥多种功能作用，为加快建设现代化产业体系提供重要支撑
国资央企在能源、交通、通信、制造等领域拥有广泛系统的业务布局和深入专业的行业知识，能够在推动人工智能与实体经济深度融合中发挥战略支撑和示范带动作用。以更大力度促进人工智能创新发展，既能通过人工智能助力传统产业向智能化、绿色化、融合化方向转型，使得传统产业不断焕发新的生机活力，也能通过人工智能催生新业态、加速发展新兴产业，切实彰显应有的智算基础设施重要供给者、人工智能赋能千行百业重要破题者、产业体系化布局重要组织者的功能作用。
国资央企促进人工智能创新发展的经验总结
（一）场景驱动与技术迭代的正向循环
场景应用是关键所在。国资央企遵循“场景识别—价值验证—规模推广” 的发展路径，深刻体现了从应用牵引到技术迭代的正向循环机理，其关键之处就是更加关注应用牵引与需求驱动，更加关注价值落地与解决痛点，通过找准人工智能与行业发展的结合点，重构业务流程、重塑知识体系、重新定义价值创造方式。
（二）数据赋能与价值释放的制度创新
数据是人工智能的“燃料”，高质量数据是高质量模型的基础。国资央企以人工智能和数据为赋能工具，实现对各类生产要素的整合与优化，既减少了生产环节中的低效配置与资源浪费，也推动了生产资源的智能分配与动态管理， 进而实现资源优化、科学调度、应用落地与效率提升。
（三）算力基础设施筑基与AI 赋能
算力是人工智能发展的核心支撑。国资央企在算力基础设施布局建设中， 集中体现了三个特点：即“按需建设、适度超前”，着力避免低水平重复建设和资源闲置；“集约共享、统一调度”，通过平台化运营提升资源利用效率；“绿色低碳、协同发展”，统筹考虑算力发展与能源转型。
（四）通用能力与行业深度的有机结合
大模型是人工智能发展的技术基础。国资央企在模型研发领域初步构建了“ 通用能力+ 行业深度” 有机统一的运作模式，形成了通用大模型解决共性问题、提供基础能力，行业大模型解决个性问题、实现价值创造的良好发展态势。
（五）单打独斗到协同共生的生态构建
人工智能已从单一技术竞争转向生态系统竞争。国资央企在生态构建方面的探索实践，呈现出从单打独斗到协同共生的演进特征，生态系统构建的核心不是控制而是赋能、不是封闭而是开放、不是竞争而是共生。
准确把握国资央企促进人工智能创新发展面临的主要挑战
（一）技术创新层面：核心技术受制于人，模型能力有待提升
一是基础研究与核心技术存在差距。尽管我国在人工智能领域取得显著进展， 但在基础算法研究、高端芯片等核心技术环节仍与国际先进水平存在差距。高端芯片、深度学习框架等核心技术掌握在少数国外企业手中，国内企业在应用过程中面临技术封锁和高昂的授权费用等挑战。二是模型决策能力和可信度有待提升。受技术架构、数据质量和完整性、语义理解局限性等影响，人工智能有时出现与现实事实不符、逻辑混乱或与用户意图相悖的情况，即“AI 幻觉” 问题。人工智能推理过程缺乏透明度， 推理细节高度黑箱化，导致在服务应用中可能带来错误诊断等情况。三是泛化能力和迁移能力存在局限性。当前人工智能在复杂场景和跨领域应用中表现出强泛化性和精准性缺失的特点，难以灵活应对陌生任务或非结构化问题，系统的科学计算和优化决策能力有待提升， 仍需人工介入干预。目前以小模型和蒸馏后的轻量化大模型为主，但小模型知识库相对有限，制约了其在复杂推理任务场景下的表现；轻量化大模型仍存在泛化能力有限、可解释性不足、幻觉无法消除等问题。
（二）数据治理层面：优质数据供给不足，数据壁垒亟待破除
一是数据质量水平参差不齐。一些企业在数据收集、整理和标注过程中存在操作不规范等情况，导致数据存在噪声、缺失值等问题，影响模型的准确性和可靠性。受行业数字化水平不高、数据与业务场景脱节、训练数据质量不高等因素影响，当前较多行业大模型效果未达预期。特别是制造业的生产环境复杂多变，传感器采集到的数据包含大量噪声、缺失值和不一致性，且数据在采集、传输和存储过程中容易被篡改或损坏，这都会影响人工智能的决策准确性。二是“数据孤岛”现象突出。一些企业内部研发、生产、管理等数据标准不一， 导致清洗后数据量大幅下降，数据碎片化和“数据孤岛”现象突出。跨行业数据标准不统一，格式不兼容、差异大，缺乏统一的数据治理和共享机制，如电力行业能耗计量标准与其他行业存在较大不同， 这些问题都制约着人工智能应用的整体效果。三是数据安全和合规压力大。国资央企涉及生产核心数据、国家关键信息等大量敏感数据，隐私泄露风险制约着数据共享水平。《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律法规对数据流动提出严格要求，企业在数据如何合规使用上还存在较多顾虑。在模型训练和推理阶段存在“数据投毒”、隐私泄露、模型反演等安全风险，也影响到大模型的训练与应用。
（三）人才队伍层面：复合型人才短缺，激励机制亟待完善
一是复合型人才缺口较大。要实现人工智能与产业深度融合，需要既懂人工智能技术又熟悉产业特点的复合型人才。精通人工智能技术和垂直行业知识的人才供给还不足，相应的人才培养体系有待进一步完善。二是人才结构存在短板。当前，人工智能人才主要集中在算法工程师、数据分析师等岗位中，而在实际应用中，还需要大量具备跨学科背景的复合型人才，领军人才引进速度亟待加快。三是激励机制有待完善。尽管一些央企已经开始实施股权激励和差异化薪酬机制，但仍有许多企业尚未建立完善的激励体系，现有评价体系还难以适应人工智能领域项目“长周期、高风险”的研发特点，较多仍采用传统科研项目的考核方式，对于宽容失败、容错纠错的机制设计和服务长期价值创造的政策供给，还需加大推进与落地力度。
（四）投入产出层面：成本效益未达平衡，投资机制有待完善
一是企业应用成本较高。人工智能项目投入涵盖算力资源、数据采集及存储、系统改造和人才储备等多个环节， 资本投入门槛较高。制造业尤其是传统的重型装备制造领域，存在大量老旧设备，数字化改造成本高、周期长、技术难度大。二是应用效果有待验证。当前人工智能应用效果存在简单场景商业价值有限、中等复杂场景面临技术可行性挑战、复杂场景效果不达预期等情况， 多数人工智能应用仍处于试点探索阶段，盈利模式尚未成熟，能够实现规模化、可量化回报的项目占比还不高，商业价值回报存在较大不确定性。三是产融结合还需深化。斯坦福大学《2025 年人工智能指数报告》统计显示，2024 年美国人工智能私人投资金额1091 亿美元，与之相比，中国人工智能领域投资金额有待提高。针对人工智能创新和应用的投融资机制不够完善，风险投资、银行贷款等金融产品和服务创新供给不足，社会资本的进入渠道和退出机制还不够健全，产融结合的力度和深度有待加强。
（五）产业生态层面：重复建设仍然存在，协同机制有待强化
一是存在重复建设、资源浪费问题。一些企业未充分评估实际需求即仓促部署，导致高昂算力设备闲置或频繁迭代， 而算力设备运维成本又很高。随着大模型参数量增加，推理模型算力需求上升， 加之部分老旧数据中心硬件设施难以支持最新的人工智能模型运行，都制约着算力基础设施利用率和效率的提升。二是内外部协同机制不完善。一些企业人工智能应用多聚焦于单点业务环节，尚未形成跨专业、跨层级的协同体系，部门间协同机制不够顺畅；业务人员和技术团队认知差异明显、职责边界模糊， 导致需求响应迟滞、落地推进困难。央企与民企、高校院所之间的协同更多限于技术采购层面，缺乏联合实验室、专利池共建等深度合作模式。三是商业模式有力支撑还不充分。传统产业业务链条相对稳定和固化，上下游企业之间的协同还不够充分，难以形成有力支持人工智能创新的生态系统。人工智能技术应用往往涉及多方利益主体，如何合理分配人工智能创造的价值成为重点和难点，还需重视商业模式创新，以适应并引领人工智能创新应用。
大力实施国资央企促进人工智能创新发展的举措建议
（一）强化自主创新，突破关键核心技术瓶颈
一是加强基础研究和应用基础研究。加大人工智能基础学科领域，特别是人工智能数据科学相关基础理论研究，以及关键技术研发与应用创新的顶层设计和统筹规划，在智能芯片、多模态大模型等战略方向给予3 年以上非盈利考核豁免。设立国家人工智能基础研究专项基金，聚焦高端芯片、开源框架、多模态学习等底层技术攻关，通过“揭榜挂帅”机制，鼓励央企与高校、科研院所联合攻关。二是推动模型优化提升。针对模型幻觉、对抗样本等问题，借助可解释人工智能（XAI）、对抗性训练、形式化验证等方法提升模型透明度、鲁棒性和可靠性，在能源、医药等关键应用领域加大人工智能系统的安全评估、测试和认证。三是加强协同创新。推进构建异构融合的算力架构，结合智能调度算法、大模型并行训练技术、大模型分离式推理框架等手段，优化资源调配路径，提升整体计算性能与能效比。共建国产开源大模型生态，推动大模型平台、框架及工具链的研发，降低模型训练与部署门槛。加快与国产芯片厂商的深度合作，引入昇腾、寒武纪等国产人工智能芯片， 构建安全可控的软硬件生态体系。
（二）破解数据壁垒，构建高效数据治理体系
一是加快数据要素市场化改革。制定行业数据确权、定价、交易规则，建立国家级数据交易所与行业分中心，探索“数据信托”“数据沙箱”等新型共享模式。在金融、医疗等敏感数据领域开展隐私计算技术试点，实现“数据可用不可见”。围绕数据质量提升、数据标准统一、安全风险管控、数据共享流通等方面，制定和完善相应法规政策，指导央企建立更加完备的高质量数据集。二是完善数据质量保障机制。制定人工智能数据采集、标注、清洗标准规范，保留原始数据的企业数据湖， 在现有数据中台添加数据特征提取、数据标注、数据向量化、数据蒸馏、数据合成等工具， 建立数据质量认证体系。鼓励企业建设行业数据资产库，通过税收优惠等政策引导数据开放共享。三是提升数据安全治理水平。推动国资央企加强人工智能安全治理能力建设，面向人工智能基础设施中的软硬件设施、数据要素、模型算法、新技术应用场景建立有效的防护体系， 保障人工智能基础设施安全、可靠、可控。明确数据产权归属与使用边界， 落实数据合规管理， 为数据要素的有序顺畅流动提供可信保障。
（三）创新人才培养，打造交叉复合型人才梯队
一是深化产教融合，协同育人。推动高校开设“人工智能+ 行业”交叉学科，建立“高校导师+ 企业导师”双轨制培养模式。实施“AI 产业青苗计划”， 在中小学普及人工智能启蒙教育，储备未来人才。鼓励央企与高校合作，通过设立人工智能定向人才培养项目、建立就业实习基地、专业培训等方式，共同培养人工智能领域的复合型人才。二是构建终身技能提升体系。依托国家职业教育智慧平台，开发更多人工智能技能培训课程，推行“学历证书+ 职业技能等级证书”制度。鼓励企业提升员工人工智能应用水平，通过建立内部AI 实训中心和开展人工智能赋能传统岗位专项培训等方式，推动员工技能全面转型升级。三是持续完善人才激励机制。在企业内部研究建立更加有效的激励机制， 首先面向科技人员，通过提供更具竞争力的薪酬、灵活的工作安排和广阔的发展空间，加大对全球人工智能高端人才， 特别是青年人才和领军人才的引进力度。建立更加符合人工智能行业特点的人才评价体系，引入项目成果、技术突破、专利产出等指标，提升人才评价的公正性和激励效果。要着力打造更加宽容、自由、耐心的发展环境，让科技人才能够心无旁骛地搞科研。
（四）重塑产业生态，创新价值共创的商业模式
一是搭建跨领域共享协同平台。积极参与超大规模智算集群、算电协同等新基建工程建设，依托“东数西算”工程布局算力基础设施，构建智能化算力监测调度平台，形成高效共享的算力资源池。支持龙头企业联合产业链上下游共建“ 人工智能创新联合体”，从更大范围更深层次推动央企带动产业链上下游、创新链各环节融通发展。建立产业融合互通标准体系，制定人工智能系统互操作性、伦理合规等标准。二是探索多元化价值分配机制。推行“人工智能应用成效分成”模式，允许技术提供方按比例分享产业增效收益，在智慧城市、供应链金融等领域探索“AI 即服务”订阅制商业模式。发展新型融资工具，通过数据要素入股、知识产权证券化等方式，激发多方参与的积极性。三是加大各方参与主体的协同力度。央企之间要形成高度协同的工作格局，在人工智能产业布局过程中紧紧聚焦主责主业，明确投资方向，切忌小规模、低水平重复布局。构建“国家队+ 创新军团”的生态合力，推动央企与民企、科研院所搭建合作平台，组建技术研发联合体，鼓励联合开展关键核心技术攻关。
（五）深化应用牵引，推动人工智能规模化落地
一是聚焦高价值场景深度挖掘。以提高全员劳动生产率为目标导向，有效识别核心业务的关键价值点，梳理业务痛点，精准接入大模型并嵌入业务流程， 以实现人工智能与业务场景的深度绑定，持续挖掘、积极开放行业核心场景， 协同各方共建共享，推动人工智能科技创新与产业创新深度融合。二是着力打造推广应用标杆案例。率先打造智能制造、自动驾驶、具身智能等前沿场景的标杆应用案例，引领中小企业加快人工智能技术落地应用。在深挖工业制造、能源电力等高价值场景的同时，依托央企在能源、交通等领域的数据优势，共建行业大模型，增强我国在全球人工智能领域的竞争力。三是人工智能与实体经济深度融合。以落地应用为导向，深入推进“人工智能+”行动，推动人工智能技术在智能制造、智能交通、智能能源、智慧农业、智慧医疗等领域转型升级。抓住人工智能终端化趋势，加快智能网联汽车、AI 手机、AI 电脑等智能终端设备的产业化进程。在具身智能领域，推动智能机器人、自动驾驶设备、智能巡检系统等技术的发展，打造工业巡检、智能物流、远程操控等典型应用示范。
（六）深化开放合作，深度融入全球创新网络
一是参与全球人工智能治理。推动人工智能领域创新成果“走出去”，这是通过科技赋能实现高水平对外开放的关键路径。国资央企积极推动人工智能普惠发展，助力发展中国家加强能力建设， 主张开源人工智能技术，提升人工智能服务可及性，贡献人工智能与产业融合的中国方案。二是主动深化国际科技合作。制定与人工智能相关的数据流动标准，降低人工智能跨国应用壁垒，加速疏通跨国数据与信息自由流动的智能通道。秉持开放合作理念，加强国际合作， 共同探讨并构建具有广泛共识的人工智能治理框架与规则，让人工智能真正成为造福全人类的全球公共产品。三是支持企业参与全球竞争。国资央企要以更大力度开展人工智能领域务实合作，主动对标高标准经贸规则，加强技术、产品、服务和标准出口，带动不同所有制企业更深度地融入全球价值链分工，稳步拓展国际循环，提升创新发展能级， 扎实推动人工智能行稳致远。
作者为国务院国资委研究中心党委副书记