算力产业规划与发展 - 行业焦点正从大模型预训练转向“AI+”应用时代 算力需求结构发生根本性变化[3] - 训练算力发展规模仍有空间 而推理算力需求将呈指数级增长 例如智能体任务消耗可达聊天场景的数百倍[3] - 建议重视推理芯片的战略价值 各地发展算力应偏向推理算力[3] - 目前符合时代需求的智能算力供给仍有缺口[3] - 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[3] - 建议实行分级定价与补贴政策 建立“阶梯式收费”机制以推动AI大模型健康发展与服务实体经济[3] AI技术赋能产业的挑战与建议 - AI发展处于从“算力基建”向“商业闭环与治理协同”转型关键期 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[4] - 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[4] - 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 建立国家AI伦理与安全评估平台[4] - 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[5] - 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[5] - 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[5] - 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[5] 智能时代人才培养 - 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[5] - 建议校企共建产业学院 开展在职人员赋能培训 以破解人才短缺瓶颈 为AI高质量发展提供支撑[5]