韩晶 林琳：深化“人工智能+”行动 全方位赋能千行百业（3）

三、“人工智能+”行动的主要挑战

当前，我国人工智能发展已在基础设施、技术创新、产业培育与应用赋能等方面取得阶段性成效，但在核心技术自主研发、成果落地与规模化应用、基础要素支撑、制度体系与治理机制建设等方面仍存在瓶颈，亟需统筹布局、重点突破，以推动“人工智能+”行动向纵深发展。

（一）人工智能核心技术自主创新能力有待提升

当前我国人工智能领域的自主创新能力仍显不足，主要表现为基础理论支撑薄弱和关键技术存在短板。

一是基础理论研究深度不足。基础研究是驱动人工智能创新发展的根本源泉，而我国当前的研究重心仍较多聚焦于算法调优、场景适配等应用层面，在数理、计算机科学等底层理论方向的投入相对有限，导致原创性理论成果较少，原始创新能力有待加强。此外，基础理论与前沿技术之间的融合不够深入，前瞻性研究布局仍有欠缺。

二是关键核心技术“卡脖子”问题突出。当前我国人工智能在软硬件技术领域尚未形成完整的自主可控体系。从软件技术看，我国在人工智能底层架构设计、核心算法创新与大模型迭代升级等方面，与国际先进水平仍存在一定差距。大模型底层架构仍以单一类型为主，灵活性与扩展性有限。通用大模型普遍面临可解释性不足、输出“幻觉”等技术瓶颈，面向垂直领域的专用模型开发以及语言、语音、视觉等多模态协同能力仍有待提升。从硬件技术看，高端AI芯片等关键核心部件自主供给能力不足，供应链对外依存度较高。虽然国产GPU已初步实现进口替代，但在计算性能、能效优化、软件生态建设等方面仍与国际先进水平存在差距。

（二）人工智能的规模化应用面临多重障碍

人工智能技术在落地过程中仍面临产学研协同不畅、产业链衔接不紧、行业应用支撑体系不完善等多重制约。

一是产学研协同机制尚未健全。高校、科研机构与企业之间尚未建立目标协同、评价互通、利益共享与风险共担的长效合作机制。例如，现有评价体系未能充分兼顾科技创新与产业应用价值，导致产学研融合成果难以获得有效激励；利益分配与风险分担机制不清晰，致使部分“人工智能+”合作仍停留在短期项目层面。同时，覆盖“技术研发-中试验证-应用推广”全链条的公共支撑平台缺失，制约了技术成果转化效率与创新资源整合能力。

二是产业链关键环节衔接不足。人工智能产业链各环节呈现相对分散的状态，芯片设计、算法研发与应用场景之间尚未形成高效联动。例如，国产AI芯片与主流深度学习框架的兼容性仍不足，导致硬件性能未能充分转化为实际应用效能。

三是行业应用支撑体系不完善。面向具体行业的专用模型面临数据资源缺乏、验证场景有限、适配优化不足等制约，在复杂工艺流程、隐性经验知识等产业核心能力的理解和建模方面存在明显局限。同时，专用模型在算力、数据、训练等方面的投入成本较高，超出许多中小企业承受能力，配套工具链的缺失进一步加剧了规模化推广的难度。

（三）人工智能基础要素支撑体系尚不健全

当前我国人工智能在数据、算力、人才等基础要素方面仍存在短板，制约了“人工智能+”行动的深入推进。

一是高质量数据供给与流通机制不完善。当前我国大模型训练所需要的高质量数据供给不足，其中高质量的中文语料及专业领域数据尤为缺乏，且呈现碎片化分布特征。公共数据开放有限，限制关键领域数据的规模与质量；专用模型所需的行业数据多掌握在企业及研究机构手中，获取门槛较高。同时，跨领域、跨部门的数据标准与共享机制尚未建立，“数据孤岛”问题突出。数据要素市场化机制仍不成熟，在确权、定价、交易等关键环节缺乏制度保障，制约数据资源的优化配置和价值释放。

二是国产算力规模与效能有待提升。与美国等领先国家相比，我国算力基础设施在总体规模与系统布局方面仍有追赶空间。同时，国产算力在计算性能、系统适配及能效表现等方面仍落后于国际先进水平，难以完全支撑大规模、高性能计算需求。尤其在大模型迭代过程中，需耗费大量资源进行系统适配与优化，降低研发效率。

三是高端人才供给不足与结构失衡并存。人工智能领域人才缺口持续扩大，尤其是兼具基础理论知识与工程实践能力的复合型人才。人力资源和社会保障部有关报告显示，我国人工智能人才缺口超过500万，供求比例达1∶10。与此同时，现有人才队伍呈现明显的结构性失衡，形成应用型人才较多、基础研究和技术研发人才稀缺的“倒金字塔”分布，底层创新人才储备薄弱，不利于人工智能核心技术突破与产业长期发展。

（四）人工智能制度体系与治理机制亟待完善

人工智能全面赋能经济社会需要与之匹配的制度环境与治理体系，我国在法律法规、标准体系和治理机制等方面的建设仍滞后于技术发展与应用速度。

一是行业应用标准体系尚未建立。面向不同行业特点与实际需求的人工智能技术标准、评估规范与实施指南仍不完善，导致技术落地缺乏统一、明确的依据，制约人工智能在垂直领域的深化应用与规模化推广。

二是跨部门、跨区域政策协调不足。虽然我国已培育形成若干具有引领作用的人工智能创新高地，但区域间普遍存在政策同质化严重、跨部门协调机制不畅等现象，容易引发基础设施重复投入、创新资源错配、审批流程复杂等问题，影响整体资源配置效率与产业协同发展。

三是安全治理与风险防控能力仍需加强。随着技术应用场景不断拓宽，数据安全、算法公平、隐私保护、责任界定等问题日益突出。例如，深度伪造技术扰乱信息秩序，人脸识别引发隐私伦理争议，自动驾驶等新兴领域缺乏清晰的法律责任框架等。亟待构建涵盖技术伦理、数据治理、算法审计、应急响应的多层次治理体系，形成与发展阶段相适应、创新与规范相平衡的治理格局。