封面新聞記者 戴雲
聚焦·背景
7月31日，國務院常務會部署審議通過《關於深入實施“人工智能+”行動的意見》（以下簡稱《意見》）。
會議指出，當前人工智能技術加速迭代演進，要深入實施“人工智能+”行動，大力推進人工智能規模化商業化應用，充分發揮我國產業體系完備、市場規模大、應用場景豐富等優勢，推動人工智能在經濟社會發展各領域加快普及、深度融合，形成以創新帶應用、以應用促創新的良性循環。
政府部門和國有企業要強化示範引領，通過開放場景等支持技術落地。
要着力優化人工智能創新生態，強化算力、算法和數據供給，加大政策支持力度，加強人才隊伍建設，構建開源開放生態體系，為產業發展壯大提供有力支撐。
要提升安全能力水平，加快形成動態敏捷、多元協同的人工智能治理格局。
聚焦·嘉賓
瀋陽，清華大學新聞學院、人工智能學院雙聘教授
受訪者供圖
“此次《意見》的出台，絕非簡單的政策延續，而是在全球ai（人工智能）競速白熱化和中國式現代化全面推進的雙重背景下，我國發展範式的一次系統性躍升。”瀋陽開門見山指出，這一行動的核心意義，體現在對國家發展邏輯的深層重塑。
最直觀的變化，是從“互聯網+”到“人工智能+”的時代跨越。“過去‘互聯網+’強調的是信息流的連接、數據流的打通，而‘人工智能+’強調的是智能要素對傳統生產關係和生產力的全面滲透”，瀋陽解釋，這種躍遷不僅意味着智能體成為新的基礎設施，也預示着智能化將像電力、網絡一樣，嵌入中國的經濟肌理與社會機制之中，成為新質生產力的核心引擎。
1
產業、市場、場景優勢如何落地？
這些領域將率先突破
會議指出，要充分發揮我國產業體系完備、市場規模大、應用場景豐富等優勢，推動人工智能在經濟社會發展各領域加快普及、深度融合，形成以創新帶應用、以應用促創新的良性循環。
瀋陽強調，這些優勢並非口號式的背景描述，而是可以切實轉化為戰略推動力、系統加速器與結構性引爆點，在製造業、服務業、醫療與教育等典型領域中，正構建出一套獨特的中國式“ai應用躍遷路徑”，具備“從試點走向規模、從單點走向生態、從輔助走向主導”的現實可能。
作為世界上產業門類最齊全的國家，我國製造業是“人工智能+製造”規模化的天然沃土。“與西方以高端製造為主的ai應用不同，中國的優勢在於‘中低端量大+高端突破點明確’的雙層結構，為ai提供了海量訓練場景、迭代樣本與容錯機會。”瀋陽舉例，汽車智能裝配線、鋰電池缺陷檢測、紡織圖案識別等場景，已形成“試點—複製—擴張”的快速路徑。
他預測，一旦模型精度過關與邊緣部署成本降低，製造業中的ai將從“降本增效工具”躍升為“產線調度中樞”，形成典型的結構性取代效應。
服務業的突破點，則藏在“人力密集、標準化程度高、數據可結構化”的領域。“金融、零售、政務這些行業，最容易用ai替代重複性勞動，釋放效率。”瀋陽舉例，金融服務中的智能風控、保險核賠、銀行客服生成已基本成熟，下一步會加速向一線人員取代推進；零售與物流領域的ai導購、倉配調度、供應鏈預測也將成為平台型智能的落地點；而政務服務中已有多個省份部署ai輔助審批系統、智能問政助手與政策匹配引擎，預計未來將在鄉鎮與社區治理中形成“ai下沉式服務”新機制。
“我國醫療領域的結構性‘痛點’——人口基數龐大、醫生資源嚴重不均，恰恰是ai的‘機會點’。”瀋陽指出，三四線城市及基層醫院長期缺乏優質醫生，ai輔助影像診斷、病歷自動整理、藥物推薦與診療路徑優化將在基層率先落地，提升首診準確率與治療閉環能力。
更值得期待的是“區域健康中台”的建設。“未來可能出現‘個人健康智能助理’，整合家庭醫生、慢病管理、心理諮詢等功能，用ai把醫療服務半徑從‘醫院’延伸到‘家庭’。”瀋陽說。
2
算力、算法、數據短板如何破解？
三要素協同發展
會議提到要“強化算力、算法和數據供給”，這三者被視為人工智能發展的“三要素”。瀋陽分析，當前我國在強化三要素方面已取得顯著進展，但在全球ai大格局中仍存在關鍵短板與結構瓶頸，若不能實現三者的協同演進與系統耦合，將難以支撐“人工智能+”行動的戰略縱深推進。
算力方面，最大的問題是“高端芯片依賴進口”和“分布不均”。“7nm以下的高性能ai芯片製造工藝仍受阻，各地算力資源需求和分布不平衡”，他建議強化智能算力調度體系，通過統一的智能調度平台，整合各地智算中心、雲平台與邊緣節點，進一步實現算力的“可視、可調、可控、可交易”，降低中小企業與創業團隊的接入門檻。
算法的短板不在“數量”而在“原創”。“當前國內大模型多集中在‘對標openai’路徑上，缺乏自發範式創新，少有類似transformer等開創性突破。而且和行業需求‘兩張皮’——模型很聰明，卻解決不了工廠、醫院的具體問題。”
瀋陽認為，需推動算法原生範式的破界創新，鼓勵高校、實驗室與平台型企業聚焦“ai第四範式”如類腦模型、具身智能、自演化系統等前沿方向，設立國家級“長坡厚雪”算法專項，從基礎理論突破源頭驅動智能躍遷。
數據的難題則在“質量”和“流通”。“高質量中文數據極度稀缺，大部分訓練集仍來自翻譯語料、網頁爬蟲、維基百科與知乎問答等‘偽高質量文本’。而且“數據孤島”嚴重，醫院、企業、政府之間的數據互不流通。”
瀋陽建議，通過政務數據統一授權機制、企業數據可信計算平台、行業聯盟數據沙箱等方式，使“數據可控可用可追責”成為新常態。同時，以多方安全計算、聯邦學習、數據確權溯源為技術支點，推動數據跨部門、跨平台、跨區域共享。
“未來三年，誰能實現‘算力泛在、算法迭代、數據流通’的結構性突破，誰就將佔據ai落地的系統主導權。”瀋陽強調，三要素的協同，才是“人工智能+”的核心動力。
3
複合型ai人才如何培養？
創新教育培養模式
“ai時代的人才，不能只懂技術或只懂業務，必須是‘技術+人文+行業’的複合型人才。”以清華大學新聞學院與人工智能學院的合作為例，瀋陽介紹了一套創新培養模式。
在課程共建上，瀋陽開設了《人工智能和新媒體藝術傳播》《人工智能與數字媒體導論》等課程，讓學生不再只是學習“用ai工具”，而是從源頭上理解ai與內容共創機制。這種模式下，“寫一篇文章”變成了“引導一個ai寫作智能體完成高質量表達”，學生在做的是“構思+調度+優化”，不是“模仿+輸出”。
實踐項目則強調“人機共修”。“我們搞‘人機共寫實戰營’，清華多個書院和學院的學生做社會調研，共同訓練ai生成一份帶有哲學觀、社會情緒與技術邏輯的內容作品。”瀋陽解釋，這不是讓ai替代人，而是讓學生學會“把人類意圖轉化為ai能理解的指令”，培養“人機協同”思維。
更重要的是公共智能素養協同模式。多個學院共同推進ai相關的研究平台，圍繞ai造假、深度偽造、生成責任、平台治理展開訓練，培養出一批有能力定義問題、有勇氣設置邊界、有系統可執行力的智能治理人才。
“未來五年，最具價值的人才將不是單一技術專家或傳統文科表達者，而是能在‘人類意圖↔語言結構↔多模態生成↔社會影響’之間實現閉環調度的人機複合人才。”瀋陽展望，未來的人才，不僅是ai的使用者，更是ai文明的構造師，這將是教育史上一次前所未有的範式躍遷。
【如果您有新聞線索，歡迎向我們報料，一經採納有費用酬謝。報料微信關註：ihxdsb，報料qq：3386405712】
