（问题）国家数据局最新数据显示，我国人工智能应用正进入高频、广覆盖阶段：日均词元调用量突破140万亿，成为观察人工智能“用起来、用得多、用得深”的重要指标。词元调用量可理解为模型生成、理解和推理过程中所处理的文本或多模态信息的基本单位总量，在一定程度上反映服务频次、覆盖人群、行业渗透程度及由此带来的效率变化。随着该指标持续走高，增长背后的原因、影响以及下一步发力方向，正成为行业和社会关注的焦点。 （原因）调用量增长，首先来自技术与供给能力的加速成熟。近年国产大模型迭代加快，通用能力和行业适配能力同步提升，开源工具链与应用框架完善，部署与二次开发门槛明显降低，模型能力更快转化为可落地的产品。其次，产业数字化转型需求集中释放。制造、交通、金融、政务、教育、医疗等领域在降本增效、流程优化与服务升级上需求明确，人工智能从“可选”逐步变成“常用工具”，带动高频调用。第三，超大规模市场叠加网络与云基础设施完善形成规模效应。移动互联网普及、云服务供给增强、多终端接入，使个人端与企业端同时增长。第四，政策引导与治理框架逐步清晰。围绕创新支持、场景开放、数据要素配置以及安全合规的制度安排，为规模化应用提供了更稳定的预期和边界。 （影响）从经济层面看，调用量上升意味着人工智能正更深入嵌入生产与服务链条，带来新的效率增量与创新空间。工业环节，智能质检、设备预测性维护、排产优化等加快落地，有助于提升良品率和设备利用率；在电商与服务业，智能客服、内容生成、精准推荐、供应链优化等提升运营效率；在教育与医疗等民生领域，辅助教学、智能随访、影像辅助分析等提升服务可及性。更重要的是，规模化使用推动数据反馈与产品迭代形成闭环，有利于模型在真实场景中持续对齐与优化，深入增强国产技术体系的自主可控能力和产业竞争力。 同时，调用量快速增长也对资源保障与治理能力提出更高要求。一是算力与能耗压力上升，推理成本与基础设施投入需要与产业收益匹配，亟须通过算法优化、软硬协同与绿色计算提升单位算力产出。二是数据安全与个人信息保护要求更高，高频应用带来更复杂的数据流转与跨平台调用，必须强化分类分级、最小必要和可追溯管理。三是内容安全与伦理风险需要前置应对，应完善标识、溯源、审核与责任体系，减少误导性内容传播与滥用风险。四是行业进入“深水区”后标准不一、系统改造成本高，仍需在可评测、可审计、可迁移各上形成更成熟的工程化体系。 （对策）业内人士建议，下一阶段应“扩规模”和“提质量”之间实现更好平衡：一是加快关键技术攻关与工程化能力建设，推动高效推理、压缩部署、端侧协同等技术落地，降低行业使用门槛；二是强化高价值场景牵引，围绕制造、能源、交通、政务等领域打造可复制、可推广的标杆项目，以应用带动生态完善；三是完善标准与监管协同，健全模型评测、数据合规、内容治理、算法透明等制度工具，形成可执行的行业规范；四是推动开放协作与人才培养，促进产学研用联动，建设面向应用的复合型人才队伍；五是统筹安全与发展，推动安全技术、管理流程与法律规范同步迭代，提高风险防控的前置性与系统性。 （前景）综合研判，随着数字经济基础持续夯实、行业数据治理能力提升以及多样化终端普及，人工智能调用量仍有望保持增长，但增长逻辑将从“数量扩张”转向“价值驱动”。未来竞争焦点将更多体现在单位算力效能、行业解决方案交付能力、可信安全治理能力，以及对国际规则与标准的参与度等上。推动人工智能更好服务高质量发展，关键在于把规模优势转化为技术、产业与治理优势，实现从“用得多”到“用得好、用得稳、用得久”的升级。
从技术跟跑到多领域领跑，我国人工智能产业的发展说明，持续创新能够形成长期竞争力；在全球数字化加速演进的背景下，此进展不仅表明了我国科技与产业体系的提升，也为更广泛的技术普惠提供了可参考路径。面向未来，在坚持自主创新的同时深化开放合作，我国有望在人工智能时代取得更高质量的发展成果。