充分认识我国人工智能发展面临的新挑战

当前，全球人工智能技术路线尚未固化，是加快发展难得的战略机遇窗口，但这一窗口正随着头部国家持续加大投入而不断收窄。生态一旦形成将产生强烈的锁定效应，后来者突破难度将呈指数级上升。因此，谁能在这一轮竞争中抢占先机，谁就将在未来全球产业格局中掌握主动权。近年来，我国高度重视人工智能发展，不断完善顶层设计、加强工作部署，推动人工智能综合实力实现了整体性、系统性跃升。同时，我国人工智能发展在基础理论、关键核心技术等方面还存在短板弱项。我们必须全面把握人工智能发展的进展与差距，按照党中央决策部署和要求正视差距、加倍努力。

算力总规模已位居全球前列，但软硬件生态不足制约着效能的充分释放。从规模指标看，我国具备了支撑人工智能产业高速发展的硬件基础。截至今年一季度，智能算力规模达每秒1882百亿亿次浮点运算，位居全球前列；智算中心建设持续提速，建成万卡智算集群42个，为人工智能大规模发展提供了有力的基础支撑。从产业链条看，我国已初步建立起较为完整的算力产业体系。国内厂商围绕芯片、软件栈、服务器、网络、存储、集群等算力产业链上下游展开布局，涌现出一体机、超节点、智能终端等一批多样化的算力部署方案，满足不同业务场景的研发和应用需求。但从效能角度看，规模优势尚未转化为真实竞争力。国内智能芯片与主流软件框架之间的兼容适配问题仍悬而未决，多家芯片厂商各守一套软件栈，形成了“生态割裂”，开发者在国产芯片上部署大模型，往往需要投入大量额外的适配工作。

大模型研发追赶势头强劲，但原始创新能力与国际先进水平相比仍存一定差距。2025年我国人工智能企业数量超6200家，核心产业规模突破1.2万亿元。测试发现，我国大模型与国外一流模型在基础能力上已基本持平，并在中文场景中具有明显优势。以DeepSeek为代表的国产大模型在效率优先路线上展现出真实的国际竞争力，开源下载量跃居全球前列，充分证明我国在工程化创新方面具备相当实力。然而也要清醒看到，工程化落地能力强并不等同于原始创新能力强。我国模型在复杂推理、工具使用等领域与世界一流模型仍有差距，且前沿模型技术的原始创新能力仍处于追赶阶段。与此同时，产业界与科学界的深度融合仍显不足，基础研究向产业转化的链条还不顺畅，科研成果从实验室走向市场的周期偏长、转化率偏低，持续突破的内生动力有待进一步加强。高水平人工智能专业人才的供给与产业快速扩张的需求之间存在显著缺口。

近日，随着DeepSeek—V4预览版发布，华为昇腾人工智能芯片因与其实现深度适配而受到市场关注。本次通过双方芯模技术紧密协同，实现昇腾超节点全系列产品支持DeepSeek—V4系列模型。图为2026年5月10日，一家人工智能展馆展示华为昇腾910（Ascend 910）系列人工智能芯片。 视觉中国 龙巍/摄

人工智能应用场景丰富，但场景数据飞轮尚未真正转动起来。目前，工业、医疗、交通、金融等领域已涌现出大量探索性应用，概念验证项目数量可观，这是我国独特的战略优势。同时也要看到，我国人工智能“场景落地沉淀数据—数据训练优化模型—模型升级拓展场景—场景扩容富集数据”闭环迭代的良性循环尚未完全实现。数据要素市场化配置体制机制仍需健全，跨领域、跨行业、跨层级的数据壁垒与“数据孤岛”问题尚未得到根本性破解，场景数据的权属界定、流通交易、安全治理等制度规则仍需完善，部分领域数据质量不高、标准化程度不足、开放共享不畅等问题依然存在，不利于大模型等关键技术的自主可控迭代升级，也影响了人工智能应用从“可用”向“好用”、“易用”的深度跨越。

人工智能治理框架初步形成，仍需主动作为提升治理能力与全球规则制定话语权。我国高度重视人工智能治理工作，已出台《生成式人工智能服务管理暂行办法》、《人工智能科技伦理审查与服务办法（试行）》等系列政策法规，初步建立了覆盖个人信息保护、算法推荐、深度合成、网络与数据安全等关键问题的治理框架，并积极参与联合国、G20、金砖等多边机制的相关议题讨论，治理探索走在全球前列。但也应认识到，当前我国人工智能治理面临两方面挑战。从国内看，治理能力与产业发展速度之间仍存在明显落差。人工智能幻觉、偏差等技术风险尚无成熟解决方案，算法模型的准确性、可解释性有待进一步提升，制约着人工智能在医疗、工业控制、金融决策等高风险行业的深度落地。从国际看，美国依托技术与生态优势输出标准、强化全球主导，欧盟通过严格合规监管争取人工智能规则制定权，对我国参与全球人工智能治理构成现实挑战。

详见：中国信息通信研究院院长、党委副书记余晓晖文章《准确把握人工智能发展前沿与竞争格局》