在8月印发的《关于深入实施“人工智能+”行动的意见》（以下简称《意见》）★✿◈，是国内AI发展的一个里程碑式

　　去年全国两会上★✿◈，“人工智能+”被首次写进政府工作报告★✿◈，今年全国两会政府工作报告进一步要求持续开展“人工智能+”行动★✿◈，明确提出要将“数字技术与制造优势树麻里子★✿◈、市场优势更好结合起来”★✿◈，大力发展新一代智能终端和智能装备树麻里子★✿◈、推动大模型广泛应用等★✿◈。

　　目前国内人工智能发展的整体趋势就是“AI+”★✿◈，推动技术与实体经济深度融合★✿◈，促进国家高质量发展★✿◈。这不是为了“炫技”★✿◈，而是要把技术作为生产力★✿◈，真正推动经济社会的进步★✿◈。

　　在发展路径上★✿◈，《意见》提出了“三步走”目标★✿◈。到2027年★✿◈，率先实现人工智能与六大重点领域广泛深度融合★✿◈，新一代智能终端★✿◈、智能体等应用普及率超70％★✿◈；到2030年★✿◈，新一代智能终端★✿◈、智能体等应用普及率超90％★✿◈，智能经济成为我国经济发展的重要增长极★✿◈；到2035年★✿◈，我国全面步入智能经济和智能社会发展新阶段★✿◈。值得注意的是★✿◈，这些目标都是以人工智能的普及应用作为衡量指标来规划的★✿◈。

　　龚克★✿◈：在AI走向实体经济的过程中★✿◈，我们看到技术已经展示出了很大潜力★✿◈。比如在工业领域★✿◈，我们调研发现★✿◈，目前最成熟的应用之一★✿◈，是将计算机视觉技术应用于产品生产线上的瑕疵检测环节★✿◈。

　　有报道提到★✿◈，中国至少有500万工人需要靠眼睛去盯产品的瑕疵★✿◈，凭着经验调整生产线★✿◈，去发现和纠正这些问题★✿◈。计算机视觉不会疲劳★✿◈，分辨率比人眼更高★✿◈，导入成本也不算太高★✿◈，所以把它引进生产线做瑕疵检测★✿◈，现在已经比较成熟★✿◈，应用也比较广泛★✿◈。例如★✿◈，现在不少汽车生产线上开始用AI检测了★✿◈，大幅降低了漏检率★✿◈，有些甚至降低了90％以上★✿◈，同时也大幅缩短了检验时间★✿◈。

　　还有一个典型的例子★✿◈，是AI在新能源汽车电池领域的应用★✿◈。电池的生产成本中★✿◈，有很大一部分来自电池容量的测试★✿◈。传统做法是在控制电池温度的前提下★✿◈，把电池充满电再放光★✿◈，通过时长来判断容量★✿◈。但这个过程非常耗时耗能★✿◈，成了动力电池生产成本的大头★✿◈。

　　我们了解到★✿◈，深圳有的工厂利用大模型学习电芯生产的数据★✿◈，再加上电化学★✿◈、先进材料学等知识★✿◈，能精准预估电池容量★✿◈。AI应用使整体电芯检测时间减少了大约80％★✿◈，耗电减少了50％以上★✿◈，实测还提高了电芯容量的一致性★✿◈。去年12月★✿◈，我在联合国工发组织的一场报告里就以此例说明★✿◈，中国电动车之所以能实现低成本★✿◈，如今靠的已不是政府补贴★✿◈，而是技术创新★✿◈。

　　类似的变化也在农业★✿◈、金融等领域发生★✿◈。我个人估计★✿◈，到“十五五”期间★✿◈，人工智能与实体经济融合产生的经济效益★✿◈，将会更强劲地显现出来树麻里子★✿◈。

　　2025年10月★✿◈，四川安岳县一家以生产柠檬鲜果为主的企业★✿◈，运用电脑程序控制和AI智能算法★✿◈，实现柠檬原果上线★✿◈、清洗★✿◈、杀菌★✿◈、选果定等流水线作业★✿◈。图/IC

　　《中国新闻周刊》★✿◈：在AI1.0时代★✿◈，技术在产业落地时曾面临诸多挑战★✿◈。在当前推动AI与实体经济深度融合的过程中★✿◈，有哪些突破？

　　龚克★✿◈：首先★✿◈，AI技术和2017年相比已有重大突破★✿◈。上一轮突破★✿◈，以计算机图像识别为代表★✿◈，最典型的是人脸识别★✿◈，在医疗影像识别★✿◈、交通图像识别等领域用得很广★✿◈。

　　上一轮AI在落地的时候★✿◈，比如做医学影像识别★✿◈，需要专门组建团队针对医学影像单独开发模型★✿◈。但这轮技术革命中★✿◈，很多数据在基础训练阶段就已经用过了★✿◈，人们在基础大模型之上进行精调和对齐★✿◈，就能较快用到具体领域里★✿◈。

　　特别是今年发展迅速的智能体（AI Agent）★✿◈，能根据任务自动分解★✿◈、调度不同模型和工具★✿◈，还能对结果进行交叉验证和检查★✿◈。AI进入专业领域的门槛比之前低了★✿◈，成本也在往下走★✿◈，AI变得更好用了★✿◈。

　　今年斯坦福大学相关团队发布了《人工智能指数2025年度报告》★✿◈，追踪分析了大模型的推理成本★✿◈。结果显示j9九游会登录入口首页旧版★✿◈，要达到GPT-3.5那样的性能水平★✿◈，推理成本从2022年11月到2024年10月下降了99.65％★✿◈。从硬件层面看★✿◈，成本每年下降约30％★✿◈，能效每年提升约40％★✿◈。

　　麦肯锡有一份报告也显示★✿◈，到2024年下半年★✿◈，78％的受访者所在的企业已经在至少一个业务中使用了生成式人工智能★✿◈。多数企业提到★✿◈，这项技术确实帮他们压缩了成本★✿◈，不过整体上对财务表现的影响还不够明显★✿◈。但这些信号已表明★✿◈，人工智能在实体经济中发挥作用的前景非常好★✿◈，且正逐步显现出来★✿◈。

　　《中国新闻周刊》★✿◈：在推动AI与实体深度融合过程中★✿◈，企业普遍有哪些顾虑？落地过程中存在哪些主要挑战？

　　龚克★✿◈：现在很多企业在引入人工智能时★✿◈，还存在不少困惑★✿◈。我们调研发现★✿◈，除了前面提到的一些比较好的案例★✿◈，现阶段企业里大量的AI应用★✿◈，主要还是集中在物流★✿◈、财务★✿◈、人事★✿◈、客服这些非生产环节★✿◈，还进不到生产核心环节★✿◈。

　　AI要真正和生产环节结合★✿◈，必须和行业知识深度融合j9九游会登录入口首页旧版★✿◈，这个坎必须迈过去★✿◈。现在难在哪儿呢？从AI技术公司角度看★✿◈，他们特别希望一个应用做出来后★✿◈，能大规模推广★✿◈。但如果深入实体经济的核心生产环节★✿◈，做完这家工厂的项目★✿◈，到下一家工厂可能又要从头再来★✿◈，成本和投入会非常高树麻里子★✿◈。

　　而从工厂这边来看★✿◈，他们往往不太知道AI到底能带来多大潜力★✿◈。AI技术企业和工厂之间★✿◈，还缺一个“桥梁”★✿◈，我们也在一些报告里建议过★✿◈，要发展数字化转型或智能化转型的服务业★✿◈，来解决两边融合的问题★✿◈，帮助AI快速★✿◈、有效地导入产业★✿◈，这是当前的一个关键问题★✿◈。正如今年的政府工作报告所指出的★✿◈，要“培育一批既懂行业又懂数字化的服务商★✿◈，加大对中小企业数字化转型的支持”★✿◈。

　　尤其是在国家层面开始统筹规划大型训练平台建设★✿◈、不再普遍鼓励地方自建算力中心的背景下★✿◈，地方也在把注意力转向企业真正需要的模型精调和推理服务★✿◈。

　　《中国新闻周刊》★✿◈：之前你提到过★✿◈，要防止“AI+”沦为表面工程或政绩工程★✿◈，现实中有哪些表现？应该注意什么？

　　龚克★✿◈：以前搞智慧城市建设★✿◈，出现过这样的现象★✿◈：一些地方就做一个大屏★✿◈，给参观的领导演示讲解一番★✿◈，但实际问题一个也没解决★✿◈。现在发展“AI+”时★✿◈，也希望大家都能从真实问题出发★✿◈，这也是为什么中央在谈发展新质生产力时★✿◈，特别强调要“因地制宜”★✿◈。

　　我理解的因地制宜★✿◈，这个“地”不仅是地理上的地方★✿◈，也包括不同的行业★✿◈、不同的企业★✿◈，都是不一样的“地”★✿◈，哪怕同一家企业里★✿◈，具体的问题也是不同的“地”★✿◈。要以实际问题为出发点★✿◈，按照风险分级★✿◈，实事求是地推进技术落地★✿◈。

　　这才是产业端引入人工智能最需要的态度★✿◈，而不是为了向领导汇报★✿◈，搞一些作秀式的项目安排★✿◈，这是特别要防止的倾向★✿◈。

　　龚克★✿◈：对★✿◈，在加速将人工智能深度引入各行各业时★✿◈，现在更需要注意的是安全问题★✿◈。如果工厂在引入AI过程中出现重大安全问题★✿◈，那会是灾难性的★✿◈，会让有关部门和企业对AI应用望而却步★✿◈，投资者也会失去耐心★✿◈，可能会断崖式地抽回资金★✿◈。

　　大模型的幻觉等问题仍然存在★✿◈，可能产生一些错误★✿◈。比如在生产线上控制生产过程★✿◈，造成残次品是小事★✿◈，万一导致机毁人亡★✿◈、爆炸等安全事故★✿◈，问题就严重了★✿◈。企业在引入AI时必须有安全意识★✿◈，先从一些刚需且安全边界可控的场景或者无人的场景切入★✿◈，逐步推进★✿◈。

　　比如现在矿山深处的无人采矿★✿◈，即便出事故★✿◈，也不会把人困在里面★✿◈，反而可能减少伤亡★✿◈。再比如★✿◈，现在的数控生产线★✿◈，说明书往往好几大本★✿◈，以前工人遇到问题★✿◈，要去查手册j9九游会登录入口首页旧版★✿◈，靠经验处理★✿◈。现在一些工厂把这些说明书数字化之后★✿◈，系统可以自动读取错误代码★✿◈，直接调用手册上的应对措施★✿◈，这种方式相对比较安全★✿◈。

　　在引入生产★✿◈，特别是关键生产环节时★✿◈，一定要重视模型的可靠性★✿◈，评估模型可能产生的风险★✿◈。在部署AI时★✿◈，要明确风险边界★✿◈，即使出问题★✿◈，也要控制在可容忍范围内★✿◈。在实际引入应用的过程中★✿◈，必须建立非常严谨的安全防护措施★✿◈，这是非常必要的一条★✿◈。从我们观察到的情况来看★✿◈，企业在引入AI时还是非常谨慎的★✿◈，逐步在应用中熟悉它★✿◈、了解它★✿◈，再不断深化使用★✿◈。

　　但未来AI大量应用时★✿◈，安全问题难以完全避免★✿◈。主管部门也要实事求是★✿◈，具体问题具体分析j9九游会登录入口首页旧版★✿◈，分清责任★✿◈，避免“一刀切”★✿◈，适度增加试错的宽容度★✿◈，这样才能促进整个行业健康发展★✿◈。

　　《中国新闻周刊》★✿◈：你提到人工智能的竞争不仅是技术竞争★✿◈，也包括政策和制度的竞争★✿◈。美国密集推出AI政策★✿◈，欧洲也开始放松监管★✿◈，在全球规则不断重塑的情势下★✿◈，中国应如何定位自身的AI政策体系？

　　龚克★✿◈：特朗普上台以来★✿◈，美国已经发布了七八个关于人工智能的总统令★✿◈。美国的突出目标就是保持自身在人工智能领域的优势★✿◈，采取的具体措施主要是放松监管★✿◈，这是一个非常重要的政策导向★✿◈。现在欧洲也出现了放松监管★✿◈、鼓励创新的动向★✿◈。

　　美国的这一系列动作★✿◈，实际上也促使中国和欧洲在AI发展的治理上必须持续应对★✿◈。既使是在激烈的技术竞争中★✿◈，也必须稳健处理好创新与安全的关系★✿◈，防止在技术竞争中忽略安全问题★✿◈。这一观点也正是今年年初包括中国在内的60多个国家签署的《巴黎人工智能宣言》所强调的★✿◈。

　　国际上很多人认为中国的政策更看重创新★✿◈，不重视安全★✿◈，欧洲监管过严不利于创新★✿◈，美国处于中间★✿◈。这是一种误解★✿◈，中国从一开始就强调创新与安全的平衡树麻里子★✿◈。

　　2023年★✿◈，中国在全世界率先推出《生成式人工智能服务管理暂行办法》★✿◈。今年★✿◈，我们在9月1日已经正式实施《人工智能生成合成内容标识办法》★✿◈，是全球唯一以法规形式★✿◈、强制要求所有生成式人工智能产生的内容必须进行标识的国家★✿◈。

　　目前大多数AI应用者主要基于开源基础模型进行开发★✿◈，虽然也有企业选择闭源模型API的★✿◈，但主流仍是使用开源模型★✿◈。去年8月之前★✿◈，全球使用最广泛的开源模型是美国的Llama★✿◈，去年8月之后★✿◈，中国的千问模型实现赶超★✿◈，还出现了DeepSeek★✿◈。最近美国的一份报告显示j9九游会登录入口首页旧版★✿◈，在刚刚过去的一年里j9九游会登录入口首页旧版★✿◈，中国研发的开源人工智能模型在全球下载量中的占比达到了17.1％★✿◈，历史上首次超越了美国的15.8％★✿◈。

　　目前★✿◈，闭源模型与开源模型之间的性能差距正在迅速缩小★✿◈。开源创新本质上是一种开放的“众创”模式★✿◈。例如DeepSeek开源后★✿◈，会有数百万开发者协助其迭代优化★✿◈。我认为★✿◈，我们一定要抓住开放创新这个关键的技术创新大势★✿◈，这也是“更高水平对外开放”的具体体现★✿◈。自动化流程★✿◈，九游会j9官方网站★✿◈！j9九游会官方登录人工智能★✿◈，