信息化与软件产业研究2025年第4期（总92期）_人工智能+_大势下推动数字产业高质量发展的路径选择-水印版_22页_4mb

> **来源：[研报客](https://pc.yanbaoke.cn)** # 信息化与软件产业研究 赛迪研究院 主办 2025年12月15日 第4期 总第92期 # 本期主题 □ “人工智能+”大势下数字产业创新发展的趋势研判与路径选择 # 赛迪智库 # 面向政府·服务决策 # 奋力建设国家高端智库 # 思想型智库 国家级平台 全科型团队创新型机制 国际化品牌 《赛迪专报》《赛迪要报》《赛迪深度研究》《美国产业动态》《赛迪前瞻》 《赛迪译丛》《国际智库热点追踪周报》《工信舆情周报》《国际智库报告》 《新型工业化研究》《工业经济研究》《产业政策与法规研究》《工业和信息化研究》 《先进制造业研究》《科技与标准研究》《工信知识产权研究》《全球双碳动态分析》 《中小企业研究》《安全产业研究》《材料工业研究》《消费品工业研究》《电子信息研究》 《集成电路研究》《信息化与软件产业研究》《网络安全研究》《未来产业研究》 # 『所长导读』 当前，人工智能作为引领新一轮科技革命和产业变革的战略性技术，正以“头雁效应”推动数字产业发生系统性变革，成为培育新质生产力、构建现代化产业体系的核心驱动力。“十五五”时期是我国数字产业突围攻坚的关键阶段，人工智能与数字产业的深度融合既孕育着巨大发展机遇，也面临多重挑战。 本期主题《“人工智能 $+$ ”大势下数字产业创新发展的趋势研判与路径选择》立足技术演进、成长空间、产业结构、产业治理四大维度，系统剖析了数字产业的新趋势新特点——技术层面呈现智能突破、多业融合、协同创新的鲜明特征，成长空间上数智转型与智能原生共拓增量市场，产业结构向软硬协同与数据赋能并重演进，全球治理则呈现规则博弈与安全发展统筹推进的格局。同时，针对高质量数据集供给不足、数智应用场景适配困难、产业治理平衡难度大等现实挑战，结合国内外实践案例，从科技创新引领、现代产业体系构建、市场开拓与系统集成能力提升、产业集聚化发展四个方向，提出“十五五”时期推动数字产业与人工智能同频共振的具体路径，为数字产业高质量发展、加快形成新质生产力提供参考。 本期内容由高婴劾、范振锐撰稿，不足之处，请不吝指出。 赛迪研究院信息化与软件产业研究所所长 韩健 2025年12月15日 # 目录 # CONTENTS # 本期主题： # “人工智能+”大势下数字产业创新发展的趋势研判与路径选择 # 一、“人工智能+”数字产业的新趋势新特点 （一）从技术演进看，数智技术重构与多维创新引领产业变革……1 （二）从成长空间看，数智转型提质与智能原生破局共拓增量……4 （三）从产业结构看，硬软协同与数据赋能加速释放产业势能……6 （四）从产业治理看，全球规则博弈与安全发展双向统筹……8 # 二、“人工智能+”数字产业面临的发展挑战 （一）高质量数据集供给不足，极大制约产业创新……9 （二）数智应用场景适配困难，影响商业转化效率……11 （三）产业治理平衡难度较大，增加新阶段适配压力……12 # 三、“十五五”时期推动数字产业与AI同频共振的路径选择…14 （一）以科技创新为引领，培育发展新质生产力……14 （二）构建现代产业体系，筑牢关键领域核心根基……15 （三）开拓数智转型市场，强化产业系统集成能力……15 （四）推动产业集聚发展，塑造集群协同发展优势……15 # 本期主题： # “人工智能 +”大势下数字产业创新发展的趋势研判与路径选择 数字产业以信息（IT）、通信（CT）、控制（OT）、数据（DT）等领域数字技术大规模产业化为特征，面向经济社会数字化转型需求提供数字产品、服务、平台和解决方案，是数字经济的核心支柱，也是新质生产力的重要组成和关键驱动。人工智能（AI）是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性强的“头雁效应”和生产力革命性跃迁的动力引擎作用，正从技术创新范式、要素配置方式、产业组织结构、行业治理模式等方面，为数字产业带来系统性变革。“十五五”时期是我国培育发展新质生产力、全面构建现代化产业体系的关键期，是应对技术产业竞争、实现数字产业突围的攻坚期。为此，建议以“AI+”数字产业为导向，实施“创新引领、软硬协同、数实融合、区域集聚”的 发展策略，加强系统布局，转变发展方式，推动制度突破，助推数字产业高质量发展，加快形成新质生产力，谱写中国式现代化新篇章。 # 一、“人工智能+”数字产业的新趋势新特点 # （一）从技术演进看，数智技术重构与多维创新引领产业变革 人工智能技术发展呈现出由“单点突破”走向“群体创新”的显著特征，“数据 + 算力 + 算法”正在重构数智技术架构的底层逻辑，智能、融合、协同成为数智技术涌现式创新、规模化应用的主要脉络。 # 1. 智能技术多点突破，终端产品加速迭代 数字技术通过数据的自动化流动，将物理空间在数字空间进行映射，反映客观规律，指导流程优化和效率提升；而智能技术则通过自 学习、自决策、自执行机制，在数字、物理等多重空间中完成更加复杂、更具创造性工作，形成AI芯片、感存算一体、云边协同、大模型、数据智能、智能体、具身智能等一 系列技术群体性突破，AI手机、AI电脑、AI眼镜等新兴产品加快孕育发展。智能技术突破与产品升级的实例如下表所示。 表 1 智能技术 / 产品突破成果 领域 技术突破/产品升级 AI芯片 英伟达推出的H100、B200等AI芯片，已成为全球大模型训练的核心算力支撑；华为昇腾系列AI芯片及基于其打造的Atlas计算平台，有力推动国产自主AI算力生态的构建 感存算一体 清华大学、三星电子等围绕忆阻器（Memristor）研发类脑计算芯片，探索实现数据感知、存储与处理的高效融合，突破传统架构瓶颈 云边端协同 百度智能云“云智一体”架构、阿里云“无影”云电脑解决方案，高效衔接云端大模型的强大能力与边缘设备的实时响应优势，广泛应用于智慧交通、工业质检等实际场景 大模型 国际上，GPT、Gemini等模型持续引领技术方向；国内DeepSeek、通义千问、GLM系列等大模型迭代加速，同时在代码生成、科学计算等垂直领域，涌现出CodeGeeX、ChatChemistry等专业模型，应用边界进一步拓展 智能体与具身智能 谷歌“Robotics Transformer”模型、斯坦福大学“Mobile ALOHA”项目，实现AI智能体自主完成复杂物理操作；Figure AI公司联合OpenAI开发的人形机器人，可通过自然对话理解人类指令并执行相应动作 终端产品侧 手机：苹果iPhone 15 Pro搭载的A17 Pro芯片集成专用神经网络引擎，实现本地化AI图像处理与语音识别；OPPO、vivo、小米等国产手机品牌推出内嵌自研大模型的AI手机，支持端侧文生图、实时翻译、智能摘要等功能；AI电脑：苹果iPad Pro搭载M4芯片、微软Copilot+PC通过集成专用NPU（神经网络处理单元）和本地化AI助手重新定义个人计算体验；可穿戴设备：苹果Vision Pro、Meta Quest系列，以及国内雷鸟创新、影目科技等正探索将空间计算、实时翻译、导航叠加等AI功能融入轻便眼镜形态 数据来源：赛迪智库整理 2. 多类技术深度融合，赋能千行百业转型 数字技术与智能技术的融合创 新产生“ $1+1>2$ ”效应，催生更多功能集成、系统复杂的新应用新场景，而数智技术与各行业技术的融 合将进一步赋能千行百业。如在高端制造领域，华为云联合潍柴动力打造的发动机数字孪生系统，通过在物理生产线上密布传感器，实时采集设备状态、工艺参数、物料流动等全量数据，在虚拟空间中构建一个完全对应的“数字发动机”和生产线。系统利用AI算法对孪生数据进行深度分析，不仅能实现生产过程的实时监控与预警，更能对设备健康度进行预测性维护，并模拟优化生产参数，将新品研发周期大幅缩短，实现了从“制造”到“智造”的飞跃；在医疗领域，联影医疗推出的“uAI智能辅助诊断系统”，融合CT影像与AI算法，可自动识别肺结节、冠脉斑块等病灶，提升诊断效率与准确性；在教育领域，科大讯飞“智慧课堂”系统通过AI语音识别与自然语言处理，实现课堂语音转写、学情分析、个性化作业推荐，推动教育数字化转型；此外，融合了自然语言理解、混合现实、建模软件、动作捕捉硬件等多技术的数字人应用，兼具交互式、沉浸化、个性化特征，正成为人机协作的重要方式，未来可能是智能 体应用的流量入口。如百度推出的数字人“希加加”已在央视春晚、品牌直播中担任虚拟主持人；杭州亚运会期间，阿里云打造的数字人“冬冬”作为赛事主播，实现多语种实时解说，展现了数字人在文化传播、商业营销等场景的广泛应用潜力。 # 3. 创新模式开放协同，降低AI应用门槛 AI开发框架已通过低代码化、模型开源等方式大幅降低创新门槛，行业用户甚至非专业开发者都能低成本接入AI能力，通过自然语言输出、代码自动生成、按需搭建数智应用，多主体协同创新边界和效率进一步提升。一方面，当前技术创新范式已从由少数专家主导，转向由平台赋能、多方协同的开放式创新。如微软Power Platform开发者平台月活用户达4000万，无技术能力的用户占比超过 $70\%$ ，企业级用户跨部门协作效率提升 $50\% - 80\%$ ，通过将复杂的AI能力封装为可视化构建模块，使非技术背景的“公民开发者”能够快速创建业务应用。在国内，阿里云“百炼”平台、 腾讯云“TI平台”等均提供低代码AI开发工具，支持企业快速构建智能客服、智能风控、智能营销等应用。另一方面，开源人工智能框架在构建可持续技术生态、夯实创新根基方面发挥着不可替代的作用。如华为MindSpore、百度飞桨等国产开源框架，不仅提供了自主可控的技术底座，更通过开放的社区模式，吸引了广大开发者、研究机构与企业用户共同参与技术迭代与场景创新。在能源、制造、农林等领域，基于这些开源框架已孵化出一系列具有实际价值的智能解决方案，如电网设备故障智能诊断系统、高精度工业质检模型以及林业病虫害移动识别应用等，形成了“产学研用”紧密联动的产业实践共同体。 # （二）从成长空间看，数智转型提质与智能原生破局共拓增量 在“AI+”政策推动下，数字化转型方兴未艾，智能化升级加速推进，数智协同转型将成为未来一段时期经济社会各领域生产力变革的重要途径，智能原生产业革命性探索将加速推进，为数字产业发展带来更多增量空间。 # 1. 数智协同转型，驱动数字产业迭代升级 “AI+”与科技、产业、消费、民生等领域数字化转型的同频共振，本质是产业范式的新一轮重构。这种重构催生了新的基础设施形态、新的生产资料体系和新的生产力工具，进而牵引数字产业的技术演进与业务聚焦。一是以智能计算中心为代表的新型基础设施，正从支撑层战略性地重塑产业生态。智算中心不再仅是提供通用算力的“机房”，而是融汇高性能计算、行业数据、预训练模型和工具链的“生产型”基础设施。例如，上海市依托商汤科技等企业建设的“临港智算中心”，其算力规模跻身亚洲前列，不仅为本地AI企业提供澎湃算力，更通过开放大规模人工智能计算平台，降低了模型训练与推理的门槛。这类设施的战略性布局，吸引了从芯片、服务器到算法、应用的庞大产业链集聚，推动了数字产业重心从消费互联网向产业智能化的迁移。二是高质量、专业化的数据集与行业大模型，成为解锁复杂场景价值的“关键密钥”。在 数智协同转型中，单纯的算法模型已不足以解决行业痛点，“高质量行业数据集 + 领域知识注入 + 场景化模型调优”成为标准范式。在医疗领域，推想科技等企业通过与顶尖医院合作，构建了涵盖胸部 CT、脑卒中、病理切片等的多病种、多中心、标准化的医学影像数据库，并在此基础上训练出具备临床实用性的辅助诊断模型，已在全球数千家医疗机构部署。在工业领域，通用股份、清华大学、银川贝尔利联合研发的“灵视 AI 轮胎外观检测终端”，实现将单胎检测时间压缩至25秒，优于行业普遍水平的30秒，检测效率较传统模式提升达 $194\%$ 。这些高质量数据集与行业模型本身，已成为极具价值的新型数字资产和产业要素，催生了数据标注、模型评测、合规流通等新兴服务市场。三是大小模型协同、云边端融合的技术架构，正支撑起无处不在的智能应用。产业智能化需求是层次化、场景化的，需要“云端大模型负责复杂认知与全局优化，边缘小模型负责实时响应与隐私保护，终端芯片负责高效执行”的协同体 系。在智慧城市治理中，阿里云“城市大脑”利用云端视觉大模型全量分析全市交通流量，生成宏观优化策略；同时，在路口边缘服务器部署轻量模型实时识别违章、调控信号灯。在智能家居场景，华为“鸿蒙”系统通过分布式软总线技术，让手机上的盘古大模型语音助手，可以无缝调度音箱、电视、灯具等终端上的轻量化AI能力。这种协同架构要求数字企业提供全栈技术解决方案，促进了从芯片、框架到应用服务的产业链垂直整合与水平协作。 # 2. 智能原生布局，创造引领产业新需求 智能原生代表一种根本性的创新逻辑，即人工智能不再是优化现有应用的“外挂工具”或“增效插件”，而是产品与服务设计的起点与核心。智能原生产品和服务是以AI能力为内核进行产品设计、架构搭建、应用部署、商业运营和终端使用的新应用和新服务，其天然具备较强的自然语言理解能力，在根据任务需求自主规划、综合调度、精准执行、主动服务等方面能力更优。智能体是当前智能原生应用的 典型代表。它能够理解用户以自然语言表达的复杂意图，自主规划执行路径，调用各种工具API，完成从信息整合到实际操作的端到端任务。如字节跳动的“扣子”（Coze）平台、腾讯的“元宝”智能体，允许用户无需编码，通过对话即可创建能处理专业知识的个性化AI助手，用于智能客服、旅行规划、代码调试等场景；阶跃星辰等公司开发的智能体已能进行复杂的科研信息梳理和商业分析报告撰写，展现出替代部分初级脑力劳动的潜力。 # 这种根本性的改变，正重塑产品的形态、交互的方式与商业的逻辑。 如硅谷初创公司Adept AI开发的“ACT-1”智能体，可基于指令操作浏览器、办公软件等工具，实现自动化工作流。在商业模式上，智能体服务可以直接按最终创造的价值付费，如销售智能体进行销售额提成、供应链管理智能体根据节省成本分成，AI实际使用效能也将吸引消费者愿意为服务买单而非纯IT技术支出，从而引领数字产业消费与供给的协同升级。 # （三）从产业结构看，硬软协同与数据赋能加速释放产业势能 数字产业发展正逐步从硬件主导、软硬分离向软硬协同加速转变，新技术驱动电子产品多元化发展，并通过软件、算法不断定义和丰富电子产品使用价值，同时叠加数据要素价值红利，将孕育更多颠覆式创新，推动产业价值空间走向新高度。 # 1. 软硬一体融合，构筑产业生态壁垒 先进计算、人工智能、智能网联汽车、人形机器人、数字低空等数字产业重点领域呈现软硬一体化协同发展态势，芯片、硬件、软件、算法、平台及系统等方面的创新牵一发而动全身，并通过纵向一体化发展模式不断抬高生态壁垒。以“美股数字科技七子”（Magnificent7，包括苹果、微软、谷歌、特斯拉、英伟达、亚马逊、Meta）为代表的领先数字企业，均在构筑底层“芯片+操作系统”自研架构能力，嵌入分布式服务平台，搭建应用软件开发生态，赋能面向消费端的硬件产品持续创新，从而在产业竞争中 保持主动权。如苹果通过自研M系列芯片与iPadOS/macOS系统深度融合，打造出高性能、低功耗的MacBook与iPad产品线；英伟达不仅提供GPU硬件，还推出CUDA并行计算平台、AIEnterprise软件套件，形成“硬件 $+$ 软件 $+$ 生态”的闭环优势。国内企业也在加快软硬协同布局。华为通过“鲲鹏 $+$ 异腾”芯片、鸿蒙操作系统、华为云，构建全栈AI能力；小米通过自研澎湃电源管理芯片、持续迭代手机SoC计划，以及MIUI、AIoT平台，实现跨设备智能互联；比亚迪在新能源汽车领域，自研刀片电池、电驱三合一（电机、电控、减速器）与DiLink智能网联系统，实现从三电系统到智能座舱的全链条自主可控；大疆通过将飞控、多方位视觉/超声波传感器与专有的融合算法、识别路径规划算法深度集成，构建了高度稳定的环境感知与飞行控制“黑盒”系统，同时通过开放SDK吸引生态开发者。这种软硬件深度绑定的闭环，使竞争对手即使获得类似零部件或技术，也无法复现其整体的可靠性与体验，从而构筑起 核心技术护城河。 # 2. 数据要素赋能，加速产业价值兑现 “数据要素 $\times$ ”场景创新进入价值释放阶段，围绕数据价值评估、资产入表、市场定价、收益分配等机制逐步建立并成熟应用，将催生数据价值实现有效方案，带动数据要素产业增长和赋能价值释放。 根据联合国贸易和发展会议《数字经济报告》预测，全球月度数据流量2026年将激增至780艾字节，较2020年增长 $240\%$ ，全球跨境数据流动2025年拉动的经济增长将为全球GDP贡献11万亿美元的价值，是2009-2018年期间总和的5倍。在我国，数据要素市场建设已进入快车道。北京、上海、深圳等地的数据交易所持续发力，2023年推动数据资产登记、评估、交易、运营全流程进一步规范化。例如，上海数据交易所累计挂牌数据产品超过2000个，涵盖金融、交通、医疗、工业等多个领域；北京国际大数据交易所联合金融机构推出数据资产质押贷款等金融创新产品，还探索数据资产保险相关服务模式， 助力企业实现数据资本化。在行业应用层面，数据要素价值正加速释放：在交通领域，高德地图通过融合交通管理部门、车企、用户等多源数据，实现实时路况预测与智能导航；在能源领域，国家电网通过电力大数据分析，实现用电负荷预测与电网智能调度；在医疗领域，华大基因通过基因组数据与临床数据融合，推动精准医疗与药物研发。预计“十五五”期间，数据要素价值将进一步向产业势能加快转化，成为驱动数字产业增长的新动能。 # （四）从产业治理看，全球规则博弈与安全发展双向统筹 在西方大国的推波助澜下，数字产业发展主导权和制高点竞争加剧，数字产业治理重要性显著上升，但全球治理框架尚未建立，发达经济体联合打造以西方利益为中心的数字产业贸易和规则体系，将进一步深化数字产业“隐形竞争”。 # 1.平衡安全与发展，完善AI与数据治理 人工智能带来了就业替代、知识产权侵犯、社会认知偏差等系统性风险，具体表现为利用AI伪造身 份实施网络诈骗，以及在数据标注、模型训练、算法设计等环节人为干预引发的数据投毒、深度伪造、算法偏见等问题，因此开展针对性治理十分必要。对此，各国已纷纷出台相关规则，欧盟《人工智能法案》依据风险等级对AI系统进行分类监管；美国白宫于2022年发布的《AI权利法案蓝图》则强调AI系统的安全、透明与公平；中国自2023年起实施《生成式人工智能服务管理暂行办法》，明确了AI服务提供者的备案、数据安全保障、内容审核等义务。在数据治理方面，中国《数据安全法》《个人信息保护法》构建起数据治理的基本框架，深圳、上海等地借助专项数据条例，探索数据产权分置、跨境流动等制度创新。但应看到，产业界强化AI产业发展导向日益明晰，比如欧盟推迟《人工智能法案》执行，根本原因在于AI领域多变且风险各异，难以形成统一治理框架，且发展诉求超过监管约束。 # 2. 应对国际格局变化，积极参与全球治理 西方大国正通过构建各类联 盟推进数字产业治理合作，形成治理同盟圈，美国－欧盟贸易和技术委员会（TTC）不断深化协作，在AI、6G、数字基础设施等重点领域达成技术合作共识；美日印澳组建“四方安全对话”（Quad）框架，开展半导体、关键矿产、数字基础设施等领域的产业合作；美国与墨西哥、加拿大达成“美－墨－加”协定（USMCA），在禁止数据本地化、保证跨境数据自由流动等方面形成了行动共识。与西方联盟化做法不同，我国以开放姿态积极参与全球数字治理，在联合国、WTO、G20等多边框架下主动推动构建开放、包容、公平的数字经济规则；通过发起《全球数据安全倡议》倡导各国在数据安全领域开展务实合作，并借助“数字丝绸之路”建设与共建国家共享数字发展红利。 # 二、“人工智能+”数字产业面临的发展挑战 # （一）高质量数据集供给不足，极大制约产业创新 数字产业，特别是人工智能产业是典型的数据密集型产业，需要高质量数据支持，否则难以支撑未 来复杂产业创新需要。 # 1. 多模态数据采集难，缺乏协同机制支撑 文本、图像、音视频等多模态数据复杂多样，跨部门、跨领域数据调度缺乏灵活便捷的机制保障，难以汇聚到面向产业创新亟需的数据源头支持。在工业互联网领域，数字化大都集中在内部协同，目前以工业企业内部的几个环节或多个环节协同为主，如采购与销售的协同、生产与物流的协同等。在一些大型集团工业企业，还涉及集团内部和众多子公司协同。整体来看，全产业链各环节打通任重道远。根据《工业互联网创新发展报告（2025）》，封闭协议与非标“老设备”是制约工业互联网平台接入率提升的首要因素。在金融领域，欧盟委员会在2023年6月提出的《金融数据访问条例》（FIDA）提案旨在规范数据共享，但行业反馈显示，对数据安全、第三方认证成本、以及公平补偿机制的担忧，使得大规模、自动化的多模态金融数据融合仍面临巨大障碍。 # 2.行业知识壁垒较高，适配个性化需求难 大多数数字企业数据开发利用仅限于内部，且集中在单环节、单场景应用，数据处理和数据治理缺乏规模化、低成本的服务供给。尽管数字化改造已规模化普及，且头部企业很早就开始了数据平台建设，但“数据孤岛”问题依然严峻。这也导致数据价值难以充分释放，成为制约数字化转型向中高级阶段迈进的关键。例如，在医疗AI领域，多家企业在开展AI辅助诊断模型研发时，面临标准数据库有限、多数医院沿用本院标注手册导致跨院数据无法直接混训的困境，加之患者隐私去标识化要求趋严，高质量训练数据依旧匮乏。 # 3. 协同路径尚不清晰，经营发展风险加剧 数字企业核心环节数据往往与关键核心技术、品牌竞争力相关，数据安全性和保密性要求高，如有泄露，可能会使企业面临巨大风险。如安永信息公布的2025年数据泄露事件包含：弗吉尼亚州牙科服务提供商Delta Dental of Virginia （DDVA）发生安全漏洞，约14.6万人的数据因邮箱账户遭入侵而泄露，涉及姓名、社会安全号码、身份证件号码及健康信息等敏感资料；2025年11月15日，有网站公开销售标称为美国国防部、中情局、国防情报局、太空军等多个部门的机密文件，共列出22项待售情报，内容涵盖乌克兰战术策略、台海冲突分析、高超音速武器评估、AUKUS联盟战略等敏感议题，单份文件标价350至1500美元不等，此类涉密数据的泄露，不仅严重威胁国家安全，也让相关机构的信誉受损，后续的风险管控和损失挽回工作难度极大。2025年韩国最大电商平台Coupang发生大规模数据泄露事件，涉及用户数量超3300万，用户核心信息遭泄露，涵盖姓名、联系方式、收货地址及部分消费订单记录，这些敏感数据在暗网论坛被批量兜售，引发大规模精准诈骗和钓鱼攻击，大量用户收到含个人信息的威胁邮件，表明在数据协同共享机制尚不清晰、数据安全保障体系有待完善的情况下，数字企业的经营发展面临着巨大的潜在风险。 # （二）数智应用场景适配困难，影响商业转化效率 不同行业领域的技术路径、业务特点、流程架构千差万别，应用场景建设和需求梳理之间存在“鸿沟”，无法快速适配和商业化。 # 1.行业知识融合要求高，专业适配周期长 行业知识、术语、规则复杂，在数据标注、算法训练、模型开发等方面需要长周期行业经验积累，否则数智场景建设难以满足行业个性化需求。如医疗影像诊断领域，某AI企业曾试图快速开发肺部结节识别系统，初期仅依赖通用影像数据训练模型，却因未充分融入呼吸科医生对“结节边缘毛刺特征”“与血管关系判断”等专业经验，导致模型对早期微小恶性结节的漏诊率高达 $35\%$ 。后来该企业组建由资深放射科医生、临床专家组成的标注团队，耗时18个月整理近10万例带详细诊断注释的病例数据，同时让算法工程师深度参与临床阅片流程，最终模型诊断准确率提升至 $92\%$ ，才实现与医院的商业化合作。再如工业质检场景，汽车零部件厂 商对轴承表面缺陷的检测要求精确到0.01毫米，且需区分“加工划痕”与“材质裂纹”等易混淆缺陷，某科技公司初期开发的通用视觉检测系统，因不熟悉轴承锻造工艺中的温度影响、金属结晶特性等行业知识，检测错误率超过 $20\%$ ，经过与车企工艺专家联合攻关6个月，融入锻造参数、热处理流程等行业数据后，系统才达到量产使用标准。由此可见，数智应用场景的适配离不开对行业深层知识的精准把握和长期沉淀，缺乏行业经验支撑的技术创新难以快速满足实际需求，往往需要投入大量时间、人力成本进行磨合优化，才能实现技术价值与商业需求的精准匹配。 # 2. 数据孤岛现象突出，全链条整合受阻 行业数智化协同路径不清，在行业企业数字化基础不牢、集成应用尚不成熟的阶段，贸然开展智能化建设，产业基础设施、业务流程、组织管理需要全方位重构，与之相悖的是，盈利模式可能仍不清晰，这有可能加速企业经营能力恶化。如某传统连锁商超在未完成门店进 销存数据统一管理的情况下，盲目投入2000万元上线AI智能补货系统。由于各门店POS系统、库存系统数据格式不统一，系统无法精准获取实时销售数据，导致补货算法频繁出现“畅销品断货、滞销品积压”的问题；同时为适配系统，企业被迫重构采购流程、调整门店人员架构，额外增加了 $30\%$ 的管理成本。而系统上线后6个月内，不仅未实现降本增效，反而因库存周转效率下降导致现金流紧张，最终只能暂停项目并裁员缩减成本。类似案例还有某区域物流企业，在缺乏标准化运输路线数据、客户需求画像的前提下，上线AI调度系统，结果因数据支撑不足，调度方案频繁与实际业务冲突，反而增加了运输空驶率，半年内经营亏损扩大 $40\%$ 。由此可见，数字化基础薄弱、数据不通的“先天短板”，会直接导致智能化建设陷入“无源之水”的困境，不仅无法实现预期效益，反而可能引发经营风险。 # （三）产业治理平衡难度较大，增加新阶段适配压力 数字产业技术迭代迅速，风险 具有滞后性和隐蔽性，导致传统静态监管模式难以适应。治理者面临确保安全可控与激发创新活力之间的根本性挑战，常陷入“一管就死、一放就乱”的实践困境。探索动态、精准、敏捷的新型治理范式，已成为推动数字产业健康发展的关键课题。 # 1. 前瞻判断与滞后风险存在固有矛盾 治理困境的核心根源在于必须在技术风险完全显化前作出不可逆的政策抉择，存在显著的信息不对称与不确定性。若基于防范原则采取严格前置审批，如部分法规要求人工智能产品须通过近乎完美的合规性评估，虽能最大程度管控已知风险，但会大幅提高创新成本、延缓迭代速度，可能导致产业错失战略窗口期。反之，若采取包容审慎甚至事后监管策略，为技术应用提供宽松环境，如在发展初期对生成式AI内容仅设定底线合规要求，固然有助于企业快速推出产品并持续迭代优化，能加速技术成熟与市场培育，吸引众多创新主体参与。然而，随着技术规模化应用，深度伪 造诈骗、算法生成有害内容、知识产权侵权等问题也会逐渐凸显，严重损害公众信任，并可能引发监管的剧烈回调——例如紧急出台严格管控措施、甚至暂停部分不合规服务。从长期看，这反而会破坏产业生态的稳定性和可持续性。这一矛盾本质上反映了“发展收益即时性”与“风险成本滞后性”之间的结构性冲突。 # 2.需构建适配发展阶段的敏捷治理体系 破解矛盾的关键在于推动治理模式从静态刚性向动态敏捷转型。这要求监管体系具备与产业发展同步演进的能力。首要任务是革新治理工具，积极采用“监管沙盒”、创新试点、触发式监管等机制，在可控范围内为技术测试与商业模式创新提供空间，并同步积累监管经验与数据。其次，需提升治理主体的专业能力与响应速度，建立跨学科的技术风险评估团队和持续监测机制，实现从“事后处置”到“事中干预、事前预警”的转变。最终目标是形成“评估-反馈-调整”的闭环管理，使监管要求能够基于 技术成熟度、应用场景风险等级进行动态校准，实现规范与发展的同步演进。 # 3. 多重战略目标统筹面临复杂国际博弈 数字产业治理还需置于国家战略与国际竞争的大框架下审视，其复杂性因多重目标的交织而加剧。决策者须同步权衡技术进步、产业安全、国际竞争力、规则话语权以及社会伦理价值等多重维度，这些目标间常存在张力甚至冲突。不同治理路径体现了战略优先级的差异：以美国为代表的“创新驱动”模式，倾向于以一定风险容忍度换取技术领先和产业主导权；以欧盟为代表的“规则引领”模式，则更强调通过严格立法，如通用数据保护条例、人工智能法案，塑造可信赖的技术发展路径，抢占伦理与规则制定的制高点。我国作为后来者与主要市场，面临着在追赶进程中同步筑牢安全防线的特殊挑战。这要求治理体系必须具备高度的战略统筹与动态协调能力，在复杂的国际规则博弈与国内发展需求间，寻得持续优化的政策路径。如果因为 害怕技术大规模应用造成的风险不可控，而过度“踩刹车”，有可能因此丧失技术进步和产业领先的机会。但如果沉浸于创新而大力“踩油门”，则有可能造成“技术滥用”困境，反而对产业健康发展形成重大制约影响。典型如自动驾驶领域，美国在技术研发初期采取“包容式监管”，允许企业在明确风险告知的前提下开展大规模道路测试，虽然催生了特斯拉、Waymo等一批领军企业，占据全球技术先发优势，但也出现了多起因系统缺陷导致的交通事故，自2021年7月美国开始强制要求制造商/运营商上报自动驾驶车辆涉及的事故，截止2025年9月15日，共发生自动驾驶车辆相关碰撞事故1655起，引发公众对技术安全性的广泛质疑。反观部分欧洲国家，初期因担忧安全风险对自动驾驶测试采取严格限制，要求企业提供极致完善的安全论证才能获批，导致本土企业技术研发进度滞后，在全球自动驾驶产业竞争中逐渐丧失话语权，直到2024年才放宽监管标准，但与美国的技术差距已扩大2-3年。 # 三、“十五五”时期推动数字产业与AI同频共振的路径选择 # （一）以科技创新为引领，培育发展新质生产力 围绕落实培育和发展新质生产力战略要求，进一步发挥数字产业创新引擎和增长动能作用。一是明确创新方向，研究编制数字产业图谱和关键技术图谱，优先布局战略紧需、基础必需、前沿择需等关键技术创新，推动国家创新体系分类分级布局攻关，强化高端芯片、关键软件、算法框架等领域科技供给保障。二是打造产业协同创新链条，构建开放的行业知识库、开发低代码平台，注重软硬一体支持，推动需求场景开放，引导大企业带动软硬件中小企业协同攻关，通过标准对接、产品适配、供需匹配等共同完善技术生态。三是强化创新要素供给，推动技术、数据、模型、设施、资源开放共享，建立应用方参与创新决策到应用实施全过程的机制，保障创新后市场有效运营和持续商业化能力。 # （二）构建现代产业体系，筑牢关键领域核心根基 以重大产业布局和重大项目建设为牵引统筹战略性产业链布局，做大新兴产业生态，完善供应链体系，提升数字产业现代化水平，赋能新型工业化建设。一是聚焦战略领域，巩固5G、通信设备、智能无人机等传统领域优势，加强AI芯片、工业互联网、智能网联汽车等重要产业链全国统筹布局，前瞻布局人形机器人等未来产业，结合产业基础、特色优势、发展需求等因地制宜发展，推动关键技术和产业链重点环节创新突破，持续增强全产业链优势。二是推进模数共振，运用“高质量数据集 $+$ 行业大模型 $+$ 机理模型 $+$ 智能体应用”策略，发力人工智能、虚拟现实、数字低空、具身智能、脑机接口、量子科技等重点领域，推动技术自研、产品创新、应用适配和服务生态共建，构建产业生态优势。三是大力发展智能原生技术、产品和服务体系，加快培育一批底层架构、应用部署、开发工具、运行逻辑基于人工智能的智能原生企业，探索全新商业模 式，催生智能原生新业态。 # （三）开拓数智转型市场，强化产业系统集成能力 瞄准行业性、场景式、个性化转型需求，发挥AI赋能作用，提升系统解决方案能力，探索可持续商业模式，以应用创新、集成创新带动产业创新。一是主体培育，鼓励有条件的企业将人工智能融入战略规划、组织架构、业务流程等，推动产业全要素智能化发展，提升架构设计、系统集成、实施运维等综合服务能力，加快剥离数智化解决方案业务。二是场景示范，实施数智化场景示范建设工程，以多样化行业场景建设为牵引，推动数字产业主体围绕场景架构设计、系统集成、持续运营等开展协同创新，创造新一轮数智化创新浪潮。三是生态优化，建设数智产品和服务平台，打造数智产品超市和资源池，开展多层次供需撮合服务，以标准引领数智产品、服务和平台建设。 # （四）推动产业集聚发展，塑造集群协同发展优势 因地制宜推动数字产业集聚化发展，形成产业发展规模优势，融 入区域重大生产力布局，带动区域产业能力和经济效益整体提升。一是统筹重大区域产业协同发展，依托京津冀、长三角、粤港澳大湾区等区域重大战略，引导不同园区基于各自优势进行差异化定位与互补式合作，构建跨地域的数字产业协同创新生态。二是锚定具有比较优势的数字产业领域，运用线下集聚、线上开放相结合的方式，发挥细分领域领航企业的生态主导优势，实 施品牌战略，打造数字名品，加快向产业链中高端迈进。三是引导产业虚拟集聚，探索打造连接产业链、供应链、服务链的虚拟化产业协作平台，推动创新网络化协作、产业链数字化协同和数字贸易全球化，形成数据驱动、平台支撑、网络协作的数字产业集聚发展模式。 （本文作者：范振锐 高英勋） 联系人电话：13683520643 # 思想, 还是思想, 才使我们与众不同研究, 还是研究, 才使我们见微知著 新型工业化研究所（工业和信息化部新型工业化研究中心） 政策法规研究所（工业和信息化法律服务中心） 规划研究所 产业政策研究所（先进制造业研究中心） 科技与标准研究所 知识产权研究所 工业经济研究所（工业和信息化经济运行研究中心） 中小企业研究所 节能与环保研究所（工业和信息化碳达峰碳中和研究中心） 安全产业研究所 材料工业研究所 消费品工业研究所 军民融合研究所 电子信息研究所 集成电路研究所 信息化与软件产业研究所 网络安全研究所 无线电管理研究所（未来产业研究中心） 世界工业研究所（国际合作研究中心） 通讯地址：北京市海淀区万寿路27号院8号楼1201 邮政编码：100846 联系人：王乐 联系电话：010-68200552 13701083941 传真：010-68209616 电子邮件：wangle@ccidgroup.com # 赛迪研究院 《信息化与软件产业研究》编辑部 编辑部：赛迪研究院 通讯地址：北京市海淀区万寿路27号院8号楼12层 邮政编码：100846 联系人：王乐 联系电话：010-68200552 13701083941 传真：0086-10-68209616 网 址：www.ccidthinktank.com 电子邮件：wangle@ccidgroup.com