人工智能（AI）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%；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，在全球占比达60%；……这些数据勾勒出2025年中国AI发展的图景。一边是AI技术突破，走出一条不同于海外的“开源创新”之路，另一边是AI与经济社会的融合由浅入深。1月以来，多家国内AI企业扎堆上市。本月由高校主办的行业峰会上，业内专家形成共识：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。
2026年是“十五五”开局之年。根据“十五五”规划建议，中国将加强人工智能同产业发展、文化建设、民生保障、社会治理相结合，全方位赋能千行百业。从技术演进到场景落地，从算力建设到数据挖掘，从产业赋能到安全治理，AI正迎来全方位的变局，深刻重塑发展格局。
技术范式：从“聊天”走向“做事”，效率与实用成核心
近期，多篇聚焦大模型技术瓶颈突破的论文引发行业关注，核心是解决训练大模型时的内存瓶颈和稳定性难题，让新一代大模型的发展方向更加清晰。业内观点认为，国内AI技术路线已呈现分化突破的态势，转向拥抱更轻的模型、更优化的架构、更高的效率和更低的成本，摆脱了对规模的单纯依赖。
当前，AI发展沿两条主线并行：技术向上冲刺，突破认知与协同局限；应用向下扎根，解决实际场景痛点。“向上冲刺”的核心是追求“更聪明”的算法和架构，不再单纯比拼参数规模，而是聚焦提升智能密度——即用更少的计算和数据，更高效地获取更多智能。相关研究指出，AI将在能力和成本两个方向同步进化，提升效率是重要主线。
从“拼规模”到“拼密度”，精炼高效成为大模型演进的核心逻辑。研究机构负责人表示，行业已不再依靠提升参数规模实现性能突破，精细化机制、算法架构、训练方法的优化成为主要提升路径。其中，稀疏注意力机制等技术，通过聚焦关键信息提升模型推理效率，就像在万人大礼堂中只关注关键人物发言，而非倾听每一个人的声音，大幅提升了运行效率。
算法架构革新的同时，AI的应用重心也在转移。以往AI发展多聚焦训练方法和模型研发，如今“为谁解决什么问题”成为竞争关键。多家企业将自研大模型落地到内部数百个场景，核心是让AI深度融入场景，成为普惠生产力。随着基础模型数量持续收敛，行业竞争从“百模大战”转向真实场景渗透、产业生态构建与应用价值深挖，医疗、企业定制服务等垂直领域成为布局重点。
业内专家判断，人工智能正加速向智能体时代演进。智能体AI能像人一样设定任务、规划路径、试错反馈，具备自主性、举一反三能力和长期记忆，区别于单纯“会说话的字典”，成为“能自主干活的管家”。同时，AI的创新前沿正突破数字世界边界，向信息智能、物理智能和生物智能融合方向发展，物理智能让AI具备在真实世界感知和行动的能力，比如机器人自主完成复杂任务、智能驾驶应对复杂路况，使AI从“思考者”向“行动者”转变。
算力建设：系统升级提速，迈向一体化协同
算力是AI发展的核心支撑，不仅是芯片的简单堆砌，更是由硬件、软件、能源、网络精密协作的系统——计算芯片作为“重武器”执行核心任务，高速网络作为“信息高速公路”保障协同，存储系统作为“战略物资库”提供数据支撑，软件与算法作为“指挥中心”统筹全局，而电力供应和冷却系统则是基础保障。
数据显示，我国已建成万卡级智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列。算力发展呈现“政府顶层设计+市场创新活力”双轮驱动特征，产业架构从分散走向全国一体化是明显趋势。东数西算工程已形成覆盖东中西部的枢纽节点和数据中心集群，核心枢纽节点智算规模占全国总量的80%以上。
“十五五”规划建议提出推进“全国一体化算力网”，明确了算力发展的协同方向。业内人士认为，算力网建设正呈现集约化、一体化、协同化、价值化特征，算力资源向枢纽节点集聚，跨地域调度平台逐步完善，算力与电力的协同联动不断加强。随着需求激增，智算中心正向算力高密化、集群规模化、绿色低碳化演进，更大规模的集群将成为支撑大型模型训练的基础。
硬件层面，企业正打造兼容多种国产芯片的异构计算平台，通过新架构实现技术突破，构建软硬件协同生态；应用层面，算力正从科技企业走向千行百业，多地发放算力券，降低中小企业使用门槛，引导算力资源流向工业制造等实体经济领域。同时，“算电协同”成为战略必然，国家引导算力向西部可再生能源富集区布局，企业探索绿电直供、分布式新能源等模式，通过业务智能调度和网络技术优化，实现社会成本最优。
数据挖掘：从规模导向转向质量与专业化
在多地，工程师标注自动驾驶轨迹构建路况数据集、专业学生标记医疗影像搭建疾病预测数据库、技术人员分析无人机影像优化农业生产系统……AI数据标注行业正从劳动密集型转向知识密集型，标注岗位对专业背景要求提升，高薪岗位不断涌现，反映出AI发展对高质量数据的迫切需求。
在AI三要素中，数据是模型学习的“书本和经验”。当算法规模扩张的边际效益递减、算力因开源日益普及，高质量数据成为最基础也最难复制的竞争要素。训练行业模型解决垂直领域深度问题，必须依赖高质量行业数据集，而这需要将专业人士的经验转化为AI可理解的“数据燃料”，比如让AI掌握医疗诊断能力，就需要医生将数十年临床经验转化为训练样本。
我国数据生产总量占全球四分之一以上，拥有全球最大互联网用户群体和全门类工业体系，全流程、全要素数据资源丰富，但也存在价值密度不均、标准不一、流通壁垒突出等问题，大量数据“存而不用”，形成“数据孤岛”，存在“不敢传”“不愿传”“不会传”的困境。
为破解这些难题，国家层面已明确数据为关键生产要素，相关部门挂牌运行，出台专项行动计划培育数据产业，指导多地建设数据标注基地先行先试。截至2025年第三季度，已形成医疗、工业、教育等领域高质量数据集超过500个，带动相关产值突破160亿元，数据集建设从通用基础型转向行业高质量型，78%的标注企业聚焦行业数据集供给。
业内人士认为，2026年数据领域的进化将进入更深层次。模型训练进入深水区，单纯堆量已难以为继，数据训练密度和利用效率成为新焦点，智能生成、专业细分、合规治理将破解数据瓶颈。合成数据技术将逐步普及，在现实数据难以获取或涉及隐私时，通过AI生成符合规律的训练数据，填补数据缺口。依托齐全的工业体系和发达的数字经济，我国有望将数据优势转化为AI发展优势，形成“业务产生数据、数据训练AI、AI反哺业务”的良性循环。
产业赋能：驱动制造业转型升级，渗透千行百业
一家有着70多年历史的传统工厂引入AI后，研发环节通过AI模型高效开发新产品，生产环节靠AI联动设备与工艺实现预警、提升稳定性，检测环节用算法替代人工保障质量一致性——这一变化折射出AI已不再是高科技产业专属，正成为传统产业转型升级的核心驱动力。
数据印证了AI应用的快速渗透：2024年初我国日均Token消耗量1000亿，到2025年6月底突破30万亿，一年半增长300多倍。Token作为大模型处理信息的基本单位，其消耗量激增反映出AI落地速度加快。头部企业数据显示，大模型日均调用量同比增长超10倍，累计使用量超万亿Token的企业客户突破百家，业界预测未来80%的Token消耗将来自企业，20%来自个人用户。
AI在不同行业的落地呈现差异化特征，数字化基础好、人才集中的互联网服务、金融、政务等领域落地较快，物理资产多、数字化滞后的传统产业则逐步推进。在工业领域，电子信息、消费品、装备制造等行业应用占比突出，钢铁、石化、能源电力等行业形成良好应用态势，AI正以“小步快跑”的节奏从简单任务向高级功能演进，2026年汽车、机器人等先进制造领域有望实现大规模落地。
AI在制造业的应用主要围绕三个维度展开：研发设计、生产制造、运营管理。目前，40%以上的应用集中在客服等运营管理环节，30%至40%用于研发环节，生产制造环节的应用比例从2024年的19.9％提升至2025年的25.9%，未来仍将持续上升，体现出AI从标准化管理环节向核心生产环节延伸的渐进性特征。
国家层面的部署为AI与产业融合提供了支撑，相关政策提出加快AI在设计、中试、生产、服务、运营全环节落地，推动形成行业大模型，推广典型应用场景。业内专家认为，在AI驱动的第四次工业革命中，我国凭借全球最完整的工业体系、海量场景数据、强大的工程化能力和庞大市场需求，完全有机会走在前列，超600万家制造业工厂将通过AI实现生产方式的深刻变革。
社会价值：重塑治理与生活，挖掘人的核心价值
在乡村，智能监测系统守护独居老人，发现异常后15分钟内即可实现网格员上门响应；在城市，“城市大脑”以分钟级速度发现路面问题，桥梁AI监测系统识别危险行为并联动部门，挽救多条生命……AI正推动社会治理从被动处置转向事前预警，从“人海战术”转向智能调度，深度嵌入社会运行各环节。
在消费领域，AI导购、AI试衣、智能点餐等应用不断涌现，平台从“猜你喜欢”升级为“懂你需要”，消费起点从用户需求清单转向AI算法推荐。AI与智能终端的融合加速，智能网联汽车、智能机器人、智能家居等产品不断丰富，打造全场景智能交互环境，2026年有望成为AI消费终端大规模普及的关键年份，带动新一轮消费电子更新换代。
AI对工作模式的改变更为深远。“氛围编程”成为年度热词，从“敲代码”到“聊代码”，AI逐步渗透工作流程，超90%的工程师借助AI辅助编码，专注于创新设计，让AI成为能力放大器。跨界就业门槛降低，不同专业背景的人可借助AI进入新领域，初创企业中年轻创业者占比显著提升，技术正从壁垒变为人人可调用的资源。
工作模式的变革推动教育转型。部分高校已将AI融入课堂，辅助学生编程学习，核心不是让学生依赖AI获取答案，而是培养“AI+技能”的复合素养，提升复杂问题解决能力和可持续学习能力。AI时代，人的核心竞争力不再是单一操作技能，而是唯有人类能驾驭的洞察与创造能力。
安全防范：筑牢治理护栏，规范与发展并行
“AI垃圾内容”成为全球年度热词，指质量低下、无意义的AI生成文本、图像和视频，这类内容充斥互联网，凸显了AI技术快速发展背后的安全隐患与伦理挑战。从误导用户的AI应用到数据隐私泄露、虚假信息生成、算法偏见，AI带来的风险已渗透到技术应用各环节，尤其是深度伪造、“越狱攻击”等问题，对安全治理提出了更高要求。
我国正构建动态敏捷、多元协同的AI治理格局，走出一条从柔性指导到法治保障的治理之路。“十五五”规划建议明确提出加强AI治理，完善法律法规、政策制度、应用规范和伦理准则；新修订的网络安全法施行，强化AI伦理规范和风险监管；相关部门出台暂行办法征求意见稿，要求AI拟人化服务建立应急机制，遇极端情境时人工接管，体现了监管框架的与时俱进。
行业层面也在主动构建安全防线，研究机构启动大模型安全认证，推动内容安全的系统化、标准化；企业与机构联合制定行业标准，规范数据使用、责任界定等关键环节，“规范发展”已成为业界共识。同时，AI全球治理成为共识，各国需协同构建公平公正、综合平衡的治理体系，共同应对跨地域、跨领域的AI风险。
AI作为新质生产力，是驱动发展的核心力量，也是影响人类未来的新生事物。2026年，随着技术范式迭代、算力协同升级、数据价值深挖、产业深度融合，AI将在赋能千行百业的同时，面临更多安全与伦理挑战。唯有坚持技术创新与规范治理并行，才能让AI真正服务于社会福祉，释放更多发展潜能。
