人工智能產業正迎來前所未有的發展機遇，但如何將宏偉藍圖轉化為實實在在的生產力，避免“雷聲大雨點小”？

6月3日，工業和信息化部黨組書記、部長李樂成主持召開會議（以下簡稱“會議”），深入學習貫徹習近平總書記關于人工智能的重要指示批示精神，落實黨中央、國務院重大決策部署，研究推動人工智能產業發展和賦能新型工業化的思路舉措。

會議強調必須“系統謀劃、協同推進”，并部署了夯實產業基礎、塑造應用優勢、強化標準引領、壯大產業生態、統籌發展和安全五大任務。

藍圖已繪就，但算力、模型、數據如何高效協同？制造業智能化轉型的“最后一公里”如何打通？在技術狂飆突進時，標準與安全的“護欄”如何及時跟上？

算力、模型、數據協同發力夯實基礎避免短板

在人工智能產業蓬勃發展且肩負賦能新型工業化重要使命的時代背景下，此次會議強調的諸多內容為產業發展指明了關鍵方向，然而，這些目標的實現面臨著一系列復雜且相互交織的挑戰。

會議指出，要“強化算力供給”“統籌布局通用與行業大模型”“加快建立高質量行業數據集”。“當前，實現人工智能產業發展‘協同推進’面臨諸多挑戰”，中關村物聯網產業聯盟副秘書長袁帥對中國工業報指出，從資源協調角度看，算力布局、模型發展以及高質量數據集建設涉及多個主體，包括政府、企業、科研機構等，各方利益訴求和發展目標存在差異。

算力供給上，不同地區經濟發展水平、科技實力不同，導致算力基礎設施建設進度參差不齊。經濟發達地區有更多資金和技術投入算力中心建設，而欠發達地區可能因資金短缺、人才匱乏等問題，算力供給難以滿足本地人工智能產業發展需求。在模型發展上，通用大模型和行業大模型各有側重，通用大模型追求廣泛的適用性，行業大模型則注重特定領域的深度應用。但研發資源往往集中在通用大模型，行業大模型因應用場景分散、數據獲取難度大等原因，發展相對滯后。高質量數據集建設同樣面臨困境，數據分散在各個企業和機構，數據共享機制不完善，且數據標注、清洗等處理工作需要大量人力和專業設備，成本高昂。

應如何有效協調各方資源，確保算力布局、模型發展以及高質量數據集建設這三項基礎性任務能夠高效、均衡地推進，防止形成“短板效應”掣肘全局，推進人工智能產業高質量發展？

中國電子信息產業發展研究院新型工業化研究所（工業和信息化部新型工業化研究中心）研究室主任王夙告訴中國工業報，首先，在算力供給方面，持續深入實施“東數西算”工程，建設全國一體化大數據中心體系，推動形成分布合理、彈性可調的算力網絡。加大對綠色智算中心的政策與財稅支持，引導國有資本和社會資本共同參與算力基礎設施建設。同時，應重點保障AI大模型訓練所需的算力資源供給，支持關鍵芯片及系統軟硬件適配攻關，構建自主可控的算力技術體系。

其次，在模型發展路徑上，要統籌好“通用+專用”的協同發展格局。一方面，在國家層面要加快建設高水平通用大模型平臺，推進標準化、開源化、工具化能力開放，為不同行業提供底層能力支撐；另一方面，要鼓勵制造、交通、醫療等重點行業打造一批貼合業務場景的專用大模型，推動形成“行業主導、數據驅動、場景牽引”的發展模式，打通模型研發與行業落地之間的“最后一公里”。

最后，在高質量行業數據集建設方面，要強化頂層設計和制度供給。依托行業主管部門統籌構建公共數據資源目錄和行業標準，推動重點領域數據資源匯聚共享。同時，建立數據確權、交易、使用和安全管理機制，明確政務、企業與科研數據之間的分類分級管理模式，避免“數據孤島”與“數據黑箱”問題。此外，要建立健全多方參與的“算—模—數”協同推進機制，明確階段性目標與責任主體，推動跨部門、跨區域、跨行業的聯合攻關和任務共擔。通過“政策牽引+市場驅動”的方式，形成要素高效配置與價值協同轉化的良性循環，為新型工業化提供堅實的智能底座。