从“深化拓展”到“全面实施”，再到“深入实施”，“AI+”行动正在加速赋能实体经济，迈入深度落地期。
数据显示，2025年人工智能领域的企业数量超过6000家，核心产业规模突破1.2万亿元，有分析报告称，2026年的产业规模增速将在30%以上。与此同时，人工智能产业已经从扎堆比拼大模型参数，转为下沉车间解决真实生产难题;从线上聊天工具，转为能自主排产、操作设备的工业智能体。
7月30日，中共中央政治局召开会议明确部署“深入实施‘人工智能+’行动，发展智能经济新形态，完善人工智能治理体系”。从今年《政府工作报告》的“深化拓展”，到4月中央政治局会议的“全面实施”，再到此次会议的“深入实施”，“人工智能+”行动的政策信号持续强化、不断细化。
国务院发展研究中心产业经济研究部第四研究室主任周毅在接受中国经济时报记者采访时表示，“全面实施”强调覆盖，“深入实施”更强调将人工智能嵌入工业研产管服全流程。政策重心正由技术示范转向可复制、可推广的产业生态。
工信部等八部门专项行动提出，到2027年建设工业智能体、高质量数据集和典型场景，培育“懂智能、熟行业”的服务商。
“现在国内的具身智能产业，整体将迈入垂类价值兑现期，这个时期的三个特点是技术分层迭代、垂直场景突破以及市场结构性增长。而行业竞争焦点将从比拼模型参数，转向能否拿到落地产生的商业回款，以此来衡量它的价值。”上海前沿汇创智能科技有限公司创始人兼CEO祝烨博士在接受中国经济时报记者采访时表示。
过去两年扎堆涌现的通用大模型热度回落，数据显示，截至2025年年底，国内748款生成式AI服务里，83.56%都是面向制造、医疗、交通的行业大模型和垂类大模型，通用大模型数量仅占比16.44%。已经形成“行业大模型为主体、垂类大模型为补充、通用大模型为基础”的发展格局，产业目光从技术纸面数据转向实体经济车间。
“行业发展主线从早期判别式AI、生成式AI，快速迈向智能体与具身智能。依托世界模型，AI不再只能处理屏幕里的文字、图片，而且能够预判物理环境变化、自主拆解工序、连续完成多步骤实操，真正实现‘从看懂数据到动手干活’。”祝烨说。
尽管AI+行动正在推动人工智能加速赋能实体经济，但分化也在逐步显现，头部企业可自建专属训练集群，而县域中小制造企业难以承担千万级硬件投入，使得算力、技术资源向龙头企业集中的数字鸿沟持续显现。
周毅指出，目前政策资源虽然较多流向龙头企业，但调整不必另起炉灶，关键是优化既有工具的配额和门槛。一是向中小企业发放算力券、存力券等，降低技术获取成本;二是以产业集群设立共性技改资金池，支持共享数据平台、工业智能体和公共测试线;三是将补贴方式从“按投资额补助”转为“按应用效果补助”，以实际成效作为结算依据。
经过近几年突飞猛进式的发展，政策红利如何真正直达中小制造企业、切实提升中小企业转型获得感，已经成为产业一线普遍关切的核心问题。
祝烨认为，政策导向要由“建能力、树标杆”转向“扩应用、求实效、促普惠”。一是覆盖对象从重点行业和龙头企业示范延伸至产业链上下游，更加关注中小企业的应用普及率和实际获得感;二是支持重点从算力、平台等基础设施建设，转向质检、排产、运维、能耗优化等具体场景，评价标准也由项目投入转向降本、提效、增质等实际成效;三是技术供给从通用能力研发转向低成本、可复制的垂直工艺方案。
聚焦农业AI领域的麦麦科技集团创始人、董事长兼CEO李楠对此深表认同，他认为当前国内农业劳动力老龄化问题凸显，农业机器人市场需求持续增长，行业有望迎来发展提速期。不少农业机器人产品存在硬件设备不完备、智能算法适配不足的短板，麦麦科技集团推出M’ID(Maimai Model Inside)技术赋能计划，针对这一行业现实问题，推进农业人工智能算法与机器人硬件深度适配融合。
不止在工业、农业领域，AI正悄悄渗透日常生活的方方面面。在医疗赛道里，多模态诊断模型辅助医生快速识别罕见病灶，AI分子设计工具大幅缩短新药的研发周期;在零售、出行领域，交易型智能体主动匹配用户需求，一键完成下单、调度、全流程服务。这些变化背后，离不开国产开源生态的支持。中小企业无需从零研发，依托自身行业数据微调即可搭建专属应用。但在繁荣之下，数据、人才等问题仍是行业绕不开的挑战。
AI改造产业不只是降本增效，更深刻改变了就业结构与区域经济格局。算力、数据、人才、标准四大体系需协同完善，才能打通产业落地的“最后一公里”。
针对复合型人才缺口突出的问题，周毅认为，单靠企业力量难以弥合鸿沟，关键是将“单个企业引进人才”转为“产业集群共享人才”。他建议由地方政府牵头，联合龙头企业、职业院校、工业互联网平台和AI服务商，共建县域共享工业AI实训与服务中心。依托真实脱敏产线数据开展模块化实训，并通过共享工程师、驻企诊断等方式，为企业提供按需服务，培养和共享既懂工艺又能解决现场AI问题的复合型人才。
祝烨表示，缩小区域人才鸿沟关键不是单纯“抢人才”，而是建立“本地培养、区域共享、持续认证”的普惠机制。推动“实训即生产、结业即上岗”，并将财政补贴与就业率、留岗率挂钩。同时建设远程专家平台和案例库，为县域企业提供常态化诊断、培训与技术支持。
“算力、数据、人才、标准缺一不可，但现阶段最应优先补齐的是工业数据的合规流通与场景化供给体系。算力供给和补贴机制正在逐步完善，人才培养需要长期积累，标准也要在应用实践中持续迭代;而数据是工业AI落地的直接‘原料’，也是当前最现实的‘堵点’。”祝烨对中国经济时报记者说。
对此，周毅同样认为连续、可信、可标注的工艺数据，对人工智能大模型进入生产现场至关重要，“应当加快建设按行业、工序和县域集群组织的工业数据空间，并明确数据授权、收益分配和安全责任。数据基础形成后，既能减少算力浪费，也能让培训围绕真实场景展开，并为标准落地提供依据。先以数据打底、以共享算力降门槛、以实训培育人才，再以标准固化成果。”
针对上述数据痛点，国家数据局6月正式发布《关于推进行业高质量数据集建设行动的实施方案》，这是国家层面首次对数据赋能人工智能发展作出系统性部署。
依托国内完整产业场景与产业链优势，我国“人工智能+”拥有独一无二的落地土壤。未来产业发展不会再单纯追逐技术参数，而是以实体经济需求为锚，走创新、规范、普惠并行的发展道路，以新质生产力驱动产业高质量发展。
(责任编辑：李月华)
