•
2025 年，中國國務院辦公廳以國辦發〔2025〕37 號檔案形式印發《關於加快場景培育和開放推動新場景大規模應用的實施意見》（以下簡稱《意見》），在人工智慧領域確立「技術攻關- 場景培育- 產業應用」 三位一體發展策略。
這項政策部署並非孤立存在，而是與2025 年政府工作報告中「人工智慧+」 行動形成策略呼應，標誌著中國人工智慧發展從「技術跟隨」 向「體係引領」 的根本性轉變。
《意見》的核心突破在於將「場景」 定位為連結科技與產業的關鍵樞紐，明確提出「技術突破— 場景驗證— 產業應用— 體系升級」 的發展路徑。
在人工智慧領域，政策重點指向三大方向：
一是強化關鍵核心技術攻關，破解「卡脖子」 瓶頸；
二是加速高價值場景培育，涵蓋科技、產業、消費、民生、治理、全球合作六大領域；
第三是推動場景資源公平配置，鼓勵國企與民企、大企業與中小企業協同創新。
國家發展改革委在後續解讀中進一步明確，此政策設計旨在透過超大規模市場優勢，將技術創新勢能轉化為產業競爭優勢，為新質生產力發展提供底層支撐。
從政策協同學來看，《意見》與《算力基礎設施高品質發展行動計畫》《生成式人工智慧服務管理暫行辦法》等形成製度合力。
前者聚焦“場景落地”，後者築牢“技術底座” 與“安全護欄”，共同構建起“發展- 應用- 安全” 的完整政策閉環。
這種制度設計既回應了產業界對「技術變現」 的迫切需求，也透過分類分級監管避免了創新無序帶來的風險，為人工智慧全產業鏈發展提供了穩定預期。
人工智慧產業的核心競爭力源自於「基礎層- 技術層- 應用層」 的協同演進。
《意見》所倡導的“大規模場景應用”，本質上是對這一三維架構的系統性檢驗與優化。
以下從技術核心出發，解析各環節的核心突破點與產業價值。
（一）基礎層：算力、數據、晶片建構產業“硬底座”
基礎層是人工智慧產業的“水電氣”，決定技術創新的上限與應用落地的深度。 《意見》明確要求“強化關鍵核心技術攻關”，首要突破方向便是基礎層的自主可控。
算力作為人工智慧的核心生產資料，其供給能力直接影響模型訓練效率與場景反應速度。
中國已形成「東數西算」 國家工程為骨幹的算力網絡，但當前面臨「供需錯配」 與「效率不足」 兩大痛點：
超算中心算力閒置與邊緣場景算力短缺並存，通用算力過剩與專用算力不足共生。
《意見》提出“建設算力互聯互通平台，強化算力協同調度”，直指這一核心問題。
技術攻關重點集中在三個方面：
政策驅動下，算力基礎設施正呈現「三化」 趨勢：規模化（超算中心與邊緣節點協同擴容）、智慧化（AI 驅動的算力調度優化）、綠色化（再生能源佔比提升）。
國家發展改革委員會數據顯示，2025 年中國智能算力規模將突破300 EFLOPS，佔全球總量的40% 以上，為全場景應用提供充足算力支撐。
數據是人工智慧的“燃料”，高品質數據集的規模與品質直接決定模型性能。 《意見》強調“深入挖掘資料要素潛能”，並將“資料流通使用、安全防護” 列為技術創新重點。這項要求與《促進和規範資料跨境流動規定》形成呼應，共同建構資料要素市場化配置的「合規通道」。
核心技術突破集中在三個領域：
一是資料標註技術，從人工標註向「人機協同+ 自動標註」 演進，商湯科技的AutoLabel 平台透過聯邦學習技術，可將標註效率提升10 倍以上，同時保障資料隱私。
二是資料清洗技術，採用生成式AI 修復缺失值、剔除異常值，阿里達摩院研發的DataClean 大模型準確率已達99.2%。
第三是資料脫敏技術，基於差分隱私與同態加密，在保護個人資訊的前提下實現資料“可用不可見”，螞蟻集團“摩斯隱私計算平台” 已在金融場景落地應用。
在場景落地層面，《意見》鼓勵「建立『資料共享、模型最佳化、應用孵化、安全保障'一體化機制」。
典型案例包括政務資料開放平台，透過「負面清單+ 分類分級」 模式開放交通、醫療等公共資料；工業資料交易市場，如寶武集團「歐冶雲商」 實現鋼鐵生產資料的脫敏交易與價值變現。
這些實踐既啟動了資料要素潛能，也為垂直領域大模型訓練提供了高品質「養分」。
智慧晶片是算力供給的核心硬體，長期以來高端市場被輝達A100、H100 等產品壟斷。
《意見》提出“加速突破高階晶片、高速互聯等技術”，將晶片自主化提升至戰略高度。目前中國已形成「通用晶片+ 專用晶片」 的雙線突破格局。
通用晶片領域，華為昇騰910B 採用7nm 工藝，算力達到4PetaFLOPS，與輝達A100 相當，已支撐起百度文心一言、阿里通義千問等大模型的訓練；寒武紀思元370 晶片針對多模態場景優化，視頻處理能力較上一代提升3 倍。
專用晶片領域，聚焦特定場景需求的ASIC（專用積體電路）成為突破口：
技術攻堅的重點在於「軟硬協同」：
一方面提升晶片算力密度與能源效率比，另一方面最佳化編譯器與驅動軟體，降低開發者適配成本。
例如昇騰生態已集聚2000 餘家合作夥伴，開發出300 餘款適配產品，形成「晶片- 框架- 應用」 的良性循環。
隨著政策支援力道加大，預計2027 年中國智慧晶片市場自給率將突破50%，徹底改變「卡脖子」 局面。
（二）技術層：演算法與模型構築產業“軟核心”
技術層是連結基礎層與應用層的橋樑，演算法創新與模型迭代直接決定人工智慧的「聰明程度」。
《意見》要求“加強語言、視覺、多模態等底層演算法研究，突破類腦智能、世界模型等前沿技術”，為技術層發展指明方向。
底層演算法的演進方向是突破“任務邊界”，實現從“專用智能” 到“通用智能” 的跨越。
當前技術攻關聚焦三大領域：
多模態融合演算法是核心突破點。
傳統演算法侷限於文字、影像等單一模態，而現實場景往往需要跨模態理解，例如智慧醫療中「影像+ 病歷+ 基因」 的綜合診斷。
百度文心大模型4.0 採用“跨模態注意力機制”，可實現文字、影像、音訊的深度融合，在醫療影像診斷任務中準確率較單模態模型提升15%。
字節跳動ERNIE-ViLG 模型透過「知識增強」 技術，將語言理解與視覺生成結合，在數位文旅場景中實現虛擬導遊的自然互動。
強化學習演算法向「高效樣本」 演進。
傳統強化學習需要大量試誤樣本，難以適應工業、醫療等高風險場景。 DeepMind 提出的「離線強化學習」 技術，透過利用歷史資料訓練模型，減少即時試誤風險，已在特斯拉自動駕駛中應用，事故率降低30%；國內曠視科技研發的「遷移強化學習」 演算法，可將工業機器人的適應周期從3 個月縮短至1 周。
類腦智能演算法探索「生物啟發」 路徑。
借鏡人腦神經元連結機制，研發脈衝神經網路（SNN），相較於傳統深度學習能耗降低90% 以上。
清華大學類腦運算研究中心的「天機芯」 晶片，已實現小鼠大腦層級的神經元模擬，為低功耗邊緣智慧型裝置提供了新方案。
大模型是人工智慧技術的“集大成者”，《意見》明確鼓勵“發展工業細分領域大模型，鼓勵大小模型協同創新”。
這項政策導向正推動大模型從「千模一面」 的通用型轉變為「精準適配」 的垂直型。
通用大模型的技術競爭聚焦「參數規模」 與「能力邊界」。
國內頭部企業已形成梯隊：
百度文心一言（7B-1.8T 參數）、阿里通義千問（13B-2T 參數）、華為盤古（200B-1T 參數）均實現多模態能力突破，支援文字生成、圖像理解、程式碼編寫等複雜任務。
技術創新點集中在“模型壓縮” 與“推理優化”，例如字節跳動“火山方舟” 平台通過量化壓縮技術，將大模型推理成本降低60%。
垂直大模型成為場景落地的關鍵。與一般大模型不同，垂直大模型針對特定產業的資料與需求最佳化，具備更強的專業與可靠性。
大小模型協同架構正在形成中。
通用大模型提供基礎能力，垂直小模型適合場景需求，透過「模型蒸餾」 技術實現知識傳遞。
例如華為「盤古大模型+ 產業小模型」 架構，在智慧水利場景中，大模型提供水文預測基礎能力，小模型針對具體流域最佳化，預測精度提升20%。這種架構既降低了產業應用成本，也保持了技術的靈活性與擴展性。
（三）應用層：場景驅動下的技術“商業化變現”
應用層是人工智慧技術的“價值出口”，《意見》以近半篇幅部署“經濟社會應用場景”，涵蓋製造、政務、醫療等15 個細分領域。技術落地的核心邏輯是「場景需求牽引技術創新，技術創新反哺作場景優化」。
華為雲社群指出，人工智慧落地的關鍵在於「這個參數對生產意味著什麼」「那個環節最痛」。
這個論點精準概括了應用層的發展規律：脫離場景需求的技術創新只是“實驗室展品”，只有解決實際問題才能實現商業價值。
《意見》所倡導的「高價值小切口場景」 正是這邏輯的體現。例如在礦山安全領域，傳統人工巡檢存在效率低、風險高的痛點，AI 技術透過“智能感知+ 無人設備” 構建解決方案：山東兗礦集團部署的智能礦山系統，整合雲計算、工業互聯網、無人駕駛等技術，實現“生產條件實時感知、過程可視提升”，事故發生率下降可控80%，生產效率下降35%。
這案例證明，場景落地的核心是找到「技術- 問題」 的精準匹配點。
技術落地的典型路徑包括：需求研究（明確場景痛點）→ 技術適配（客製化演算法與模型）→ 場景驗證（小規模試驗測試）→ 規模推廣（迭代最佳化後複製）。
《意見》提出“分批次推出應用場景項目清單”，正是為了規範這條路徑，降低企業創新風險。例如政務服務領域，先在深圳、杭州試行「智慧審批」 場景，總結經驗後向全國推廣，實現了「一次創新、多地復用」。
不同場景的技術需求有顯著差異，形成了各具特色的「場景技術堆疊」。
以下結合《意見》重點部署的五大領域，解析其核心技術架構與應用成效。
《意見》明確了人工智慧的五大核心應用方向：產業升級、社會治理、民生服務、新賽道拓展、全球合作。
這些場景既涵蓋實體經濟主戰場，也涉及公共服務民生領域，構成了人工智慧技術落地的「全景圖」。
（一）產業升級場景：AI 賦能製造業“智慧轉型”
製造業是人工智慧應用的核心戰場，《意見》提出“深入實施'人工智慧+ 製造'”，聚焦智慧製造、綠色製造等方向。技術落地的核心是透過AI 技術解決「生產效率低、產品品質差、能源消耗高」 三大痛點。
傳統製造業智慧化改造多停留在設備自動化層面，而AI 驅動的轉型實現了「感知- 決策- 執行」 全流程智慧。
核心技術架構包括：
感知層：透過工業感測器、機器視覺等設備採集生產數據。技術突破點在於“高精度與低延遲”，例如基恩士3D 視覺感測器可實現0.1 微米精度測量，響應時間僅10 毫秒，滿足精密製造需求；
決策層：基於工業大模型分析資料並產生最佳化方案。海爾「COSMOPlat 工業大模型」 整合設備數據、製程參數、品質檢測等多源訊息，可即時優化生產節拍，某冰箱工廠透過模型優化，產能提升18%，不良率下降22%；
執行層：由工業機器人、智慧工具機等設備執行決策指令。技術創新點在於“柔性協作”，庫卡協作機器人可與人工協同作業，安全碰撞力控制在50N 以內，適應小批次多品種生產需求。
在智慧工廠場景中，AI 技術實現「生產要素的最優配置」。美的武漢工廠部署的「數位孿生工廠」 系統，透過三維建模還原生產場景，結合AI 演算法模擬不同生產方案，選擇最適解後下發執行。
該系統使生產周期縮短25%，訂單交付率提升30%，成為《意見》倡導的「高標準數位園區」 標竿案例。
在工業質檢場景中，AI 視覺技術解決了「人工檢測效率低、漏檢率高」 的痛點。傳統電子元件質檢依賴人工，每人每天最多檢測8,000 件，漏檢率約5%；科大訊飛工業質檢大模型透過深度學習10 萬+ 缺陷樣本，偵測速度提升至2,000 件/ 分鐘，準確率達99.9%。
該技術已在華為、小米供應鏈落地，每年節省檢測成本超億元。
製造業AI 應用仍面臨三大挑戰：
針對這些問題，《意見》提出「支援重點製造業企業開放給自主基礎軟體、工業軟體等產品應用情境」。
技術突破方向包括：
（二）社會治理情境：AI 建構“智慧治理新典範”
《意見》部署了政務服務、智慧城市、鄉村建設等社會治理場景，核心目標是透過AI 技術提升治理效率與服務質量，實現「精準治理、高效服務」。
傳統政務服務存在「流程繁瑣、資訊不對稱」 等問題，AI 技術透過「智慧審批+ 精準匹配」 實現服務升級。
核心技術包括：
智慧身份認證：採用多模態生物辨識技術（指紋+ 人臉+ 聲紋），公共安全部「網路+ 政務服務」 平台認證準確率達99.8%，解決「證明我是我」 的痛點；
智慧審批系統：基於自然語言處理（NLP）解析申請資料，自動比對政策條款。浙江「浙裡辦」 平台部署的企業註冊智慧核准系統，將辦理時間從3 個工作天縮短至10 分鐘，通過率達95%；
就業服務匹配：透過推薦演算法實現「職位- 人才」 精準對接。江蘇「智慧就業」 平台整合1,200 萬個職缺資訊與800 萬則求職數據，推薦準確率達82%，幫助大學畢業生就業率提升15%。
智慧城市建設曾面臨“重建設、輕應用” 的困境，《意見》提出“創新城市全域數字化轉型場景”，推動技術應用從單點突破向系統整合演進。
核心技術架構是「城市智慧中樞+ 產業應用模組」：
城市智能中樞：作為資料與算力的核心樞紐，整合政務、交通、安防等多領域資料。
上海「城市大腦」 中樞系統連接2000 餘個資料來源，透過AI 演算法實現「事件預警- 資源調度- 處置回饋」 閉環，使交通擁堵指數下降18%，緊急應變時間縮短40%；
產業應用模組：基於中樞資料開發垂直場景應用。
在智慧交通領域，深圳「車路協同」 系統透過邊緣運算與5G 技術，實現號誌燈即時優化，通行效率提升25%；在智慧社區領域，杭州「未來社區」 部署智慧門禁、高空拋物監測等設備，居民滿意度達92%。
社會治理場景涉及大量公共資料與個人訊息，安全與隱私保護成為技術落地的前提。
《意見》要求“加強資料安全防護”，與《資料安全法》《個人資訊保護法》形成協同。
核心技術保障包括：
（三）民生服務場景：AI 守護“健康與幸福生活”
《意見》將民生領域作為場景培育的重點，部署了醫療衛生、養老助殘、文化旅遊等方向。
這些場景的科技應用直接關係民眾獲得感，核心邏輯是「科技向善」。
醫療場景對技術可靠性要求極高，《意見》提出“推動大數據、物聯網、腦機介面等技術整合應用”，重點是突破輔助診斷、遠距醫療等方向。
截至2023 年末，中國已有81 款人工智慧醫療器材核准三類證，呈現加速成長態勢，彰顯技術落地成效。
中國已進入高齡化社會，養老助殘場景需求迫切。 《意見》提出“創新服務機器人、智慧型穿戴設備等應用場景”，核心是透過科技彌補人力短缺，提升服務品質。
《意見》提出“加強數位演藝、數位藝術、沉浸式體驗等多業態整合”，推動文旅產業從“觀光型” 向“體驗型” 轉型。核心技術是「VR/AR+AI」 的融合應用。
（四）新賽道拓展場景：AI 開啟“未來產業新空間”
《意見》在數位經濟、全空間無人體係等領域部署“新賽道應用場景”，這些場景代表人工智慧的未來發展方向，具有技術密集、潛力巨大的特徵。
《意見》提出“推動海陸空全空間無人體系應用和標準建設”，核心是透過AI 技術實現無人設備的自主決策與協同作業。目前技術已在物流、農業、低空經濟等領域落實。
《意見》提出“深入挖掘資料要素潛能”，數位經濟場景的核心是透過AI 技術實現資料從“資源” 到“資產” 的轉換。
重點落地在數據交易與數位內容創作領域。
（五）全球合作場景：AI 貢獻“中國方案”
《意見》將「全球合作」 列為人工智慧的重要發展方向，核心是透過技術輸出與標準共建，提升國際話語權。中國已在智慧交通、數位治理等領域形成具有國際競爭力的解決方案。
《意見》專章部署“應用場景保障能力”，從政策支援、制度創新、組織實施三方面建構保障體系。
這些措施並非簡單的“資金支援”，而是透過制度設計來活化市場活力，降低創新成本，為全產業鏈發展創造良好生態。
（一）政策協同：形成「多部門連動」 支援機制
《意見》提出“加強各類政策協同配合”，建構起“國家部委- 地方政府- 市場主體” 的三級連動機制。
政策協同的典型案例是「算力基礎建設」：發改委牽頭「東數西算」 工程，工信部負責技術標準制定，能源局保障綠色電力供應，地方政府提供土地與稅收優惠，企業負責投資建設。
這種多部門連結使中國算力規模三年成長5 倍，實現了「政策合力→技術突破→產業升級」 的良性循環。
（二）制度創新：破解「場景落地」 的體制機制障礙
《意見》提出“協同推進准入、場景、要素改革”，核心是透過制度創新打破“玻璃門”“旋轉門”，促進資源公平配置。
重點突破包括：
（三）組織實施：確保政策「落地見效」
《意見》明確“國家發展改革委要會同有關方面加強指導和統籌協調”，建立起“清單管理、試點先行、考核評價” 的實施機制。
這種「閉環式」 實施機制避免了政策「空轉」。例如在緊急管理領域，首批試點城市濟南透過部署AI 監測預警系統，使災害預警時間提前2 小時，獲發改委通報表揚，並將其經驗納入第二批清單推廣。
《意見》的發布標誌著中國人工智慧發展進入「場景驅動、體系升級」 的新階段。結合科技演進規律與政策導向，未來五年產業將呈現五大趨勢：
（一）技術自主化：基礎層突破實現“換道超車”
在政策推動下，算力、晶片、演算法等基礎層技術將實現全面自主可控。預計2027 年，中國高階AI 晶片自給率將突破50%，工業大模型國產化率達80%，徹底改變「卡脖子」 局面。
技術突破將集中在類腦智能、量子AI 等前沿領域，有望實現「換道超車」。
（二）場景規模化：從“點狀試點” 到“全域覆蓋”
《意見》提出的「大規模應用」 將逐步落地，場景覆蓋從重點城市向三四線城市延伸，從高端製造業滲透到中小企業。預計2030 年，AI 技術將在90% 的規模以上工業企業中得到應用，政務服務智能化率達100%，民生領域場景覆蓋率超80%。
（三）生態協同化：「大小企業共生」 的產業格局形成
政策鼓勵“國有企業開放場景，吸引民營企業參與”，將推動形成“龍頭企業引領、中小企業配套” 的生態格局。
龍頭企業聚焦基礎層技術研發，中小企業深耕垂直場景應用，透過「大模型+ 小應用」 實現協同創新。
預計2028 年，人工智慧產業群將培育出10 家千億級企業、100 家百億級企業、1,000 家專精特新中小企業。
（四）治理精細化：「技術- 制度」 協同的安全體系完善
隨著《生成式人工智慧服務管理暫行辦法》等製度落地，AI 治理將從「事後監管」 轉變為「事前預防、事中控制」。
預計2027 年，將建立涵蓋「資料- 模型- 應用」 全鏈條的安全評測體系，形成「政府監管- 產業自律- 社會監督」 的協同治理格局，既保障創新活力，又守住安全底線。
（五）全球引領化：從“技術輸入” 到“標準輸出”
中國將憑藉超大規模市場優勢與技術創新能力，在AI 標準制定中佔據主導地位。
預計2030 年，中國將主導制定30 項以上國際AI 標準，在智慧交通、數位治理等領域形成具有全球競爭力的解決方案，成為全球人工智慧發展的「引領者」 而非「跟隨者」。
國辦發〔2025〕37 號檔案的發布，不僅是一項政策部署，更是一場「場景革命」 的宣言。
它標誌著中國人工智慧發展邏輯的根本性轉變：從“技術驅動” 轉向“場景驅動”，從“追求參數” 轉向“創造價值”，從“單點突破” 轉向“體系升級”。
這場革命的核心價值在於，透過場景這一“橋樑”，將人工智慧技術從實驗室引入產業一線、民生現場、治理前沿，使技術創新真正服務於經濟社會發展。
在政策護航下，人工智慧正從「高大上」 的科技概念，轉變為賦能製造業的「生產工具」、優化政務服務的「辦事助理」、守護民生健康的「智慧衛士」。
未來五年，是人工智慧從「科技爆發」 走向「產業成熟」 的關鍵期。
隨著《意見》各項部署的落地，我們有理由相信，中國將在人工智慧領域實現「技術自主化、場景規模化、產業生態化、治理精細化」 的發展目標，為新質生產力培育提供核心支撐，為全球科技發展貢獻中國智慧與中國方案。
這場由場景驅動的科技革命，終將重塑產業格局，改變生活方式，寫下數位時代的新篇章。 （AI雲原生智慧算力架構）