问题——大模型技术快速迭代推动人工智能加速融入生产生活——但迈向规模化应用过程中——仍面临“算力供需矛盾突出、关键环节受制约风险犹存、应用生态与标准规则滞后、安全治理压力上升”等多重挑战。与会代表委员普遍认为，人工智能已从单纯比拼模型能力，转向以应用落地、智能体协同和安全可控为核心的系统性竞争，亟须以更完备的产业政策、标准体系与治理框架加以支撑。 原因——一上，训练与推理需求持续攀升，算力结构正从“训练主导”加速转向“推理主导”，对服务器平台、芯片供应链、数据调度与成本控制提出更高要求。另一上，智能体作为新形态应用载体快速涌现，跨平台调用、权限管理、数据流转等尚缺少统一规范，导致商业化推广、跨域协同与安全审计难度增大。此外，人形机器人等具身智能方向从研发走向工业化应用，需要更稳定的工艺适配、可复制的场景闭环和更明确的分级评价标准，而当前行业仍处“从试点到规模”的关键过渡期。 影响——代表委员指出，算力底座与关键芯片供给事关产业链安全与创新韧性，若供应链波动叠加成本上升，可能影响企业研发节奏与应用普及速度。智能体应用若缺乏统一交互规范与行业公约，既不利于形成规模市场，也可能引发权限滥用、越权操作、数据泄露等风险，削弱社会信任与产业扩张基础。人形机器人若不能尽快在制造业形成标准化能力与可量化指标，应用将更多停留在展示与试验阶段，难以转化为生产效率提升与新质生产力的现实增量。 对策——围绕夯实底座能力，有委员建议在算力需求爆发背景下加速推进国产CPU等关键环节产业化，完善从研发、验证到应用采购的全周期支持体系，强化协同创新平台建设，提升供应链稳定性与可控性。也有委员提出，应优化推理算力布局，推动算力资源更贴近应用场景，促进“算力—算法—数据—应用”高效匹配，降低智能化改造门槛与成本。 围绕智能体规模化应用，有委员认为应加快建设面向社会的智能体公共服务与能力底座，培育个人与企业端应用市场，通过政策引导推动在非敏感领域更多采用云化服务形态，减少重复建设，提高资源利用效率。同时，建议由有关部门牵头组织产学研用多方制定智能体交互操作标准与行业公约，明确权限边界、授权流程、日志留存与审计要求，建立可追溯、可验证的合规机制，坚决防止权限滥用和绕过授权的模拟操作。 围绕产业普惠与新赛道落地，多位代表聚焦人形机器人等具身智能方向，建议加大端侧“大脑”关键技术攻关与商业化支持力度，探索设立专项研发资金、完善税收与投融资配套政策，推动大模型在终端本地部署与低时延运行能力提升。针对行业“能做但难以规模复制”的痛点，建议加快构建人形机器人智能化标准体系，借鉴成熟行业的分级思路，形成涵盖算力、数据、场景、训练强度与安全要求等指标的统一规范，为研发迭代、产业落地和监管治理提供一致依据。也有代表提出，人形机器人在智能制造中的应用潜力巨大，但在工艺稳定性、硬件成本和适配工位各上仍需突破，应以典型场景牵引、以标准和供应链协同降低成本，加快从试点验证走向规模部署。 前景——与会代表委员普遍判断，未来一段时期人工智能产业竞争将更强调体系化能力：既要有可持续的算力与芯片供给，也要有可复制的应用模式与标准规则，更要把安全治理与伦理边界前置纳入设计与运营全过程。随着推理算力基础设施优化、智能体生态逐步成熟、制造业场景持续开放以及治理体系健全，人工智能有望从“技术热潮”转化为更广覆盖、更可负担、更可信赖的产业能力，推动传统行业提质增效并催生新产业新业态。
人工智能是新一轮科技革命的重要驱动力；当前我国人工智能产业正处于从研究到应用的关键转型期。只有协调技术创新与产业应用，完善基础设施和治理体系，才能确保人工智能真正成为高质量发展的新引擎。