韩晶 林琳：深化“人工智能+”行动 全方位赋能千行百业（4）

四、“人工智能+”行动的实施路径

针对当前“人工智能+”行动实施过程中存在的痛点、难点与堵点，需坚持前瞻谋划、系统布局、分业施策、开放共享、安全可控，以应用需求为导向、以场景创新为牵引，在核心技术攻关、成果规模化应用、基础要素支撑、制度与治理模式创新等方面协同发力，推动人工智能与经济社会各个领域深度融合。

（一）加强人工智能核心技术自主创新能力

全面推进“人工智能+”行动向纵深发展，需坚持从基础理论研究、核心技术攻关、开源生态构建等方面系统布局，增强技术自主研发能力。

一是强化基础理论研究。着力推动基础理论与前沿技术的深度融合，系统推进交叉学科建设与新兴方向培育。一方面，在国家层面持续加大对数学、计算机科学等基础学科的投入，强化基础研究与机器学习理论、自主推理决策等前沿方向的深度融合，力争实现关键原理的原创性突破。另一方面，聚焦类脑智能、量子计算等前瞻性领域，通过科研项目布局、跨学科联合攻关等方式，孵化具有突破潜力的交叉研究方向，推动形成新兴学科增长点。

二是加强核心技术攻关。加强核心软硬件自主创新，构建自主可控、协同运行的人工智能基础软硬件系统。在软件技术层面，推动基于国产算力平台的大模型研发与应用，加速与之适配的算法创新。围绕高级推理、深度多模态交互、自主学习决策等新方向，积极探索新型模型架构与高效训练方法。聚焦钢铁大模型、医疗影像分析、机器人控制等特色场景，加速行业专用大模型研发落地。加大多语种大模型的研发力度，积极在海外布局大模型推广。在硬件技术层面，发挥新型举国体制优势，集中力量攻克高端AI芯片、传感器等关键领域核心技术，提升产业链自主可控能力。

三是深化开源技术生态建设。加快布局新一代人工智能开源开放平台，通过政策引导和专项扶持，推动形成覆盖模型、工具、服务等环节的国产大模型开源体系，促进技术共享与产业协作，推动人工智能产业生态繁荣发展。

（二）以需求为牵引，推动人工智能成果落地应用

全面推进“人工智能+”行动向纵深发展，需从产学研协同创新、产业链上下游联动、应用场景创新孵化等方面持续发力，推动人工智能技术成果与产业需求的精准对接，加快人工智能成果落地与规模化应用步伐。

一是加强产学研协同创新。推动国家实验室、龙头企业、高校和科研院所共建联合研发实体，构建目标协同、评价互通、利益共享与风险共担的长效合作机制。完善开放式创新机制，深化“揭榜挂帅”制度，面向全球发布重大技术需求榜单，鼓励跨机构聚焦高端芯片、基础软件等核心技术开展联合攻关。同时，加快推进综合服务平台建设。围绕重点行业建设人工智能赋能中心，布局一批“人工智能+”公共服务平台，提供设施共享、技术研发、中试验证、企业孵化等综合服务，打通从实验室到规模化应用的“最后一公里”。

二是强化产业链上下游协同攻关。着力培育人工智能产业链链主企业，构建以头部企业为引领、中小企业协同配套的“雁阵”格局。鼓励链主企业牵头，围绕制造业、能源、医疗等重点行业建设专用模型，并推动平台资源开放共享，加快实现关键产业环节智能模型的全覆盖，促进技术供给与产业实际需求的精准适配与高效对接。

三是建立场景创新孵化机制。有序开放政务、医疗、交通等公共领域应用场景，加快推进重点行业人工智能应用基地建设，通过税收优惠等政策工具，引导资金与技术向代表性应用场景集聚，促进人工智能企业与行业用户开展深度合作。同时，根据不同行业特征分类施策。在传统行业领域，聚焦人工智能在流程优化、效能提升与质量控制等关键环节的融合应用，着力破解行业发展的核心痛点；在新兴产业领域，围绕低空经济、生物制造、具身智能等方向，打造一批高价值示范场景，通过技术验证与商业模式探索，加速新兴产业的孵化培育与规模化发展进程。

（三）强化人工智能基础要素支撑

全面推进“人工智能+”行动向纵深发展，需强化数据、算力、人才、资金等多重保障。

一是完善数据供给与流通交易机制。加强高质量数据集建设，重点提升高质量中文语料与专业领域数据的供给能力。推进重点领域国家级数据中心建设，有序开放政务、医疗、交通等公共数据资源，扩大优质数据供给规模。支持企业围绕产业需求开发多样化数据产品与服务，降低数据获取与应用门槛。同时，完善数据流通交易机制。加快建立统一的行业数据标准和接口规范，着力破解数据互操作性差、流通不畅等问题。培育多层次、专业化的数据交易平台和服务机构，完善数据要素市场化配置机制。培育多层次数据交易平台和专业化第三方数据服务机构，推动数据要素实现高效流通与价值转化。

二是提升国产算力规模与效能。统筹推进算力基础设施建设，加快形成规模适度、结构合理、集约高效的算力供给体系。一方面，扩大算力整体规模。以“东数西算”工程为牵引，加快构建全国一体化智能算力网络，优化算力设施区域布局，促进东西部算力资源协同互补，提升算力供给能力。另一方面，提升算力应用效能。加强高端芯片、调度算法等关键环节的核心技术攻关，突破算力领域“卡脖子”瓶颈。推动国产算力产品性能优化与生态适配，提升算力基础设施的自主可控水平与综合应用效能。

三是加强复合型人才支撑。围绕“人工智能+”行动实施需求，完善复合型人才培养机制，扩大高素质人才供给规模。在高校方面，推进“人工智能+”交叉学科体系建设，在生命科学、化学、制药等相关专业中增设人工智能通识课程，系统培养兼具基础理论知识与人工智能技术应用能力的复合型创新人才。在企业方面，引导行业骨干企业深度参与人才培养全过程，通过参与培养方案制定、课程体系开发、校企联合培养及项目实践等方式，增强人才培养与产业实际需求的契合度，提升人才解决复杂问题的实践能力。

四是加强多渠道资金支撑。设立国家级人工智能专项基金与产业投资基金，重点支持基础大模型研发、大规模算力中心建设等战略性强、周期长、投入高的关键领域，引导长期资本与耐心资本深度参与。鼓励银行、保险、证券、基金等金融机构加强协作，创新开发适配“人工智能+”产业特点的金融产品与服务模式，强化对创新主体的支持力度。同时，面向科技型企业和中小微企业提供低息贷款、贴息等融资服务，并加大对掌握关键核心技术的专精特新企业的扶持力度。

（四）完善人工智能制度体系与治理机制

全面推进“人工智能+”行动向纵深发展，需统筹推进标准规范、政策协同与安全治理能力建设，加快构建安全可信、开放协同的人工智能治理生态。

一是加快人工智能标准体系建设。完善人工智能法律法规、政策制度与伦理准则。在普适性标准的基础上，加强重点行业人工智能应用技术标准的制定，规范模型研发、评估与应用流程，推动建立覆盖智能装备、数据安全、系统互操作等方面的国家标准体系。同时，积极参与全球人工智能治理进程，在联合国等多边框架下形成具有广泛共识的标准规范，推动我国治理规则、技术标准与国际接轨。

二是加强跨部门、跨区域政策协同。整合科技、工信、财政等相关部门力量，统筹推进重点项目协同、财政资金调度、人才一体联动等模式，促进各部门在制定相关政策时衔接配合。同时，推动京津冀、长三角、粤港澳等重点区域立足自身禀赋与产业基础，实施差异化“人工智能+”区域发展战略，构建全国协调联动、资源互补、合作互通的产业发展格局。

三是提升人工智能安全治理水平。构建基于数据可信度与危害等级的数据标签体系，建立与之配套的可信认证与溯源机制。对于教育、医疗、公共安全等领域的高风险场景，加大数据安全与模型可靠性管控力度。构建弹性审慎的监管机制，大力推行监管沙盒、技术评估、伦理审查、算法备案等新型治理工具，同时注重风险防范与创新发展的动态平衡。

作者 | 韩晶 北京师范大学经济与工商管理学院政治经济学系主任、二级教授

林琳 北京师范大学经济与工商管理学院博士研究生

责编 | 范璧萱

校对 | 李天翼

审核 | 张一博、孙楠、叶其英

监审 | 刘斌