行业概览与市场规模 - 中国人工智能企业数量超过6000家，AI核心产业规模预计突破1.2万亿元，同比增长近30% [1] - 国产开源大模型全球累计下载量突破100亿次，中国成为AI专利最大拥有国 [1] - 2024年初中国日均Token消耗量为1000亿，截至2025年6月底突破30万亿，一年半时间增长300多倍 [14] - 2025年12月，豆包大模型日均Token调用量突破50万亿，同比增长超10倍，累计使用量超万亿Token的企业客户突破100家 [15] 技术范式演进 - 行业共识认为以对话为核心的“Chat”范式已告终结，AI竞争转向“能办事”的智能体时代 [1] - 中国AI技术路线转向拥抱更轻的模型、更聪明的架构、更高的效率和更低的价格 [2] - 智能体AI具有自主性、能举一反三和长期记忆三个特征，能够像人一样设定任务、规划路径、试错反馈 [3] - 未来的AI创新前沿将是信息智能、物理智能和生物智能的融合 [3] - 算法架构革新被认为是AI未来发展的突破点，规模定律仍需要算力和数据作为基座 [2] 算力基础设施发展 - 中国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列 [5] - “东数西算”工程已形成覆盖东中西部的8大枢纽节点、10个数据中心集群，其中8大枢纽节点已建成智算规模超过全国智算总量的80% [6] - 算力网建设呈现集约化、一体化、协同化、价值化特征，算力资源向枢纽节点集聚 [6] - 智算中心将向算力高密化、集群规模化、绿色低碳化方向演进 [6] - 头部科技公司正打造能兼容多种国产芯片的异构计算平台 [6] - 2024年中国数据中心用电量占社会用电量比例1.68%，预计到2030年底按中速增长将达3%左右，用电量突破4000亿千瓦时；按高速增长或将突破7000亿千瓦时 [7] 数据要素与质量 - AI技术的竞争焦点正转向高质量数据，数据标注行业从劳动密集转向知识密集 [9][10] - 训练行业模型需要高质量的行业数据集，将专家经验转化为机器可学习的样本 [10] - 国家数据局指导7城市建设数据标注基地，截至2025年第三季度形成医疗、工业、教育等行业高质量数据集超过500个 [11] - 对数据标注企业的调研显示，78%的企业以行业数据集供给为主，重点在交通运输、医疗健康、教育教学、工业制造 [11] - 数据流通存在“不敢传”、“不愿传”、“不会传”的壁垒，导致数据“孤岛”现象 [11] 产业应用与赋能 - AI正成为传统产业转型升级的重要驱动力，并非高科技产业专属 [13] - 大模型会率先在数字化基础较好的行业落地，如互联网服务、金融、政务；在传统产业落地较缓 [15] - 未来的Token消耗预计约80%来自企业，20%来自个人用户 [15] - 在制造业，AI应用在研发设计、生产制造、运营管理三个维度展开 [16] - 目前大模型应用超过40%聚集在客服等运营管理环节，30%至40%应用于研发环节，生产制造环节应用比例从2024年的19.9%提升到2025年的25.9% [16] - 国家部署到2027年推动形成特色化、全覆盖的行业大模型，推广500个典型应用场景 [16] - 腾讯已把自研大模型在内部超过900个场景和应用落地 [2] 社会治理与消费应用 - AI融入政府公共服务，从事后处置转向事前预警，从“人海战术”转向智能调度 [18] - AI推动城市治理更智能精准，例如算法分钟级发现路面问题，AI识别危险行为与警务联动挽救生命 [18] - 在消费领域，AI使平台和产品从“猜你喜欢”变为“懂你需要”，消费起点从用户需求清单变为算法推荐 [18] - 消费电子的“端侧AI时代”已经来临，2026年有望成为AI消费终端大规模普及的关键年份 [19] - 国家政策提出推动智能终端“万物智联”，发展智能网联汽车、AI手机电脑、智能机器人、智能家居等 [19] 人才与教育变革 - AI降低了跨界难度，例如非技术背景人员转向计算语言学 [20] - “氛围编程”成为趋势，从“敲代码”到“聊代码”，AI渗透工作流程 [20] - 腾讯有超90%工程师正在借助AI编码，并推出面向企业及程序员的服务工具 [20] - AI+教育旨在培养学生使用AI创新的能力，其核心竞争力转向复杂问题解决能力、“AI+技能”复合素养和可持续学习的自驱力 [20] 安全、伦理与治理 - AI生成的低质量、无意义内容（被称为“slop”或“AI泔水”）充斥互联网，带来安全隐患与伦理挑战 [22][23][24] - AI风险包括数据隐私与安全边界模糊、技术滥用与虚假信息产生、算法偏见与决策“黑箱”等 [24] - 中国治理走出一条从柔性指导到加强法治保障的特色之路，新修改的网络安全法于2026年施行，规定完善人工智能伦理规范，加强风险监测评估和安全监管 [24][25] - “规范发展”已成为业界共识，研究机构与企业平台均在探索建立健全AI安全伦理体系 [25]