算力产业发展规划与挑战 - 当前人工智能产业正从大模型预训练阶段迈入“AI+”应用时代，算力需求结构发生根本性变化，推理算力需求将呈指数级增长[2] - 建议将算力区分为训练算力和推理算力，并重视推理芯片的战略价值，建议各地在发展算力方面偏向于推理算力[2] - 目前符合时代需求的智能算力供给仍有缺口，建议设立AI大模型训练专用算力开放平台，根据用户需求动态分配算力，实现负载均衡[2] - 建议对算力实行分级定价与补贴政策，建立“阶梯式收费”机制，以推动AI大模型健康发展、服务实体经济[2] AI技术赋能产业的路径与建议 - 当前AI发展处于从“算力基建”向“商业闭环与治理协同”转型的关键时期，但存在“重建设、轻应用”倾向，技术应用多停留在“点状创新”，难以形成规模化商业价值[3] - 建议加快实施“AI+场景闭环”示范工程，围绕工业制造、智慧金融等重点领域，组建“创新联合体”开展全栈式协同攻关，资源重点倾斜能降本增效、实现自我造血的项目[3] - 建议加快构建AI治理体系，启动专项立法研究，明确高风险领域责任边界，开展“沙盒监管”试点，并建立国家AI伦理与安全评估平台[3] - 建议重塑智能时代人才培养体系，推动教育改革，设立“AI+X”交叉学科，校企共建产业学院，并开展在职人员赋能培训，以破解人才短缺瓶颈[3] - 在人工智能与工业经济深度融合过程中，数据治理的滞后与薄弱已成为制约工业AI价值释放的瓶颈[3] - 建议系统推进工业数据治理体系建设，为人工智能赋能制造业扫清障碍[4] - 建议组织实施技术攻关与试点示范，如设立“工业数据治理与AI融合”科技专项，围绕多源异构数据融合、工业知识图谱构建等核心技术组织攻关[4] - 建议开展“工业数据治理标杆培育”工程，打造一批全流程贯通、AI应用成效显著的标杆工厂和产业集群[4]