21世纪经济报道见习记者冉黎黎 北京报道

今年政府工作报告中提到，要持续推进“人工智能+”行动。此后，轻工业、医药、食品等行业相关政策密集出台，均提及人工智能（AI）赋能行业发展。近日，工信部两度召开会议部署“人工智能+”行动。

人工智能发展如火如荼，有机构预计，2025至2029年中国AI产业将保持32.1%的年均复合增长率。不过，人工智能发展仍存在一些问题。现阶段，具身智能风头正盛，但实用价值遭质疑。高质量数据集是人工智能模型性能跃升的基石，当前仍面临数据存量小产量低等问题。此外，“AI幻觉”困境亟待破解。

AI重塑千行万业，其自身技术也在快速迭代。对于人工智能的未来发展趋势，受访专家认为，在核心技术层面，大语言模型和通用人工智能将不断发展，而且在可解释性、机器伦理、消除幻觉等关键领域有望实现重大突破，行业应用也将呈现爆发式增长态势。

人工智能“渗透”到各行各业政策中

过去一年，具身智能领域迎来爆发式增长，成为人工智能与机器人技术融合的核心赛道，从春晚舞台到马拉松赛道，人形机器人企业得到了关注和融资，也面临着质疑，作为“顶流”的宇树科技首当其冲。

前不久在北京召开的智源大会开幕式上，面对公众对于人形机器人实用价值的质疑，宇树科技CEO王兴兴表示，大家觉得目前机器人还不能直接去家里和工厂干活，这是全球都面临的问题。

事实上，获取用户认可较难，正是以人形机器人为代表的人工智能产品实现商业化落地的“难点”之一。具身智能方面，根据赛迪研究院发布的《2024中国人形机器人产业生态发展研究》（以下简称《研究》），用户对其使用体验和安全性等方面存在疑虑。整个人工智能行业方面，根据艾瑞咨询发布的《2024年中国人工智能产业研究报告》（以下简称《报告》），2024年，大模型驱动的人工智能市场增长低于预期，主要因为大模型在真实业务场景中的表现未能完全满足部分客户的需求等。

不过，在具身智能赛道上，未来的应用场景是可见的。智源研究院理事长黄铁军在上述大会上表示，5-10年内具身智能有望代替人类从事不愿干、危险的劳动。

从整个人工智能行业来说，产业方向也非常清晰。今年政府工作报告中提到，要激发数字经济创新活力。持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备。

与此同时，人工智能正“渗透”到各行各业的政策当中。今年以来，《轻工业数字化转型实施方案》《医药工业数智化转型实施方案（2025—2030年）》《电子信息制造业数字化转型实施方案》《食品工业数字化转型实施方案》相继出台，均提到对人工智能赋能行业的部署。

对于人工智能产业的未来发展趋势，北京大学光华管理学院教授翁翕对21世纪经济报道记者表示，行业应用呈现爆发式增长态势。通过智能体、垂类大模型以及本地化部署等多种形式，人工智能技术正加速渗透到各行各业。这些创新应用模式使得AI技术能够更好地适配不同场景需求、保护数据安全隐私、推动产业升级转型。

从产业规模上看，根据《报告》，艾瑞测算2025至2029年中国AI产业将保持32.1%的年均复合增长率，在2029年突破1万亿的市场规模。

工信部研究部署人工智能产业发展

行业支持政策密集出台，对企业来说有何影响？

汉王科技董事长刘迎建对21世纪经济报道记者表示，今年以来，“人工智能+”行动和具身智能依然是人工智能支持政策的重点，这也是公司业务发展的重点方向。在政策的引导和推动下，汉王科技的企业和消费级用户都有积极反应，也给公司各项业务的发展和市场份额带来积极的影响。

“国家的政策支持是中国人工智能高速发展的重要保障，人工智能的竞争发展，需要进一步加强对前沿技术研发支持，对新技术产业化的场景开放，以及数据流通共享便捷性等，让更多的行业和用户以低门槛享受人工智能福利。”刘迎建表示。

围绕推动人工智能产业发展和赋能新型工业化，6月3日，工业和信息化部进行了专题研究部署。会议强调，要系统谋划、协同推进，一体推动战略、规划、政策、标准等方面任务落实，为人工智能产业发展和赋能新型工业化打造良好的生态环境，充分激发创新活力。

会议提到，要塑造应用优势。推动大模型在制造业重点行业落地部署，加快凝练应用场景需求，加快制造业全流程智能化升级，变革生产管理模式。培育一批人工智能赋能应用服务商，加快推动行业专用大模型落地应用与迭代升级。

6月6日，工业和信息化部党组书记、部长，部两化融合工作领导小组组长李乐成主持召开部两化融合工作领导小组会议。会议要求，要推进数字化网络化智能化升级，实施“人工智能+制造”行动，加快重点行业智能升级，打造智能制造“升级版”。

目前，各行业重点企业也正在推进以人工智能赋能自身产业。

智源大会上，中国石油数智研究院院长杨文军介绍，过去一年来，中国石油数智研究院一直在做大模型的建设实践，昆仑大模型是能源化工行业首个通过国家备案的行业大模型。

对于在集团级的企业里面建设大模型“从哪儿下手”，杨文军表示，昆仑大模型作为智能化发展工程的核心内容，确定了五大目标任务：一套国内领先的行业大模型、一系列创新应用场景、一套高质量行业数据集、一个集中统一的AI平台、一个资源共享的算力中心。

中国移动也在人工智能上有所布局。“我们看到，当前AI技术快速迭代，AI同时深刻地改变着生产生活和社会治理。工信部等部门也出台了多项政策以抓住AI所引领的新一轮科技革命和产业变革。”中国移动集团党组成员、副总经理程建军在大会上介绍，中国移动2013年开始布局人工智能领域，已形成一支超2000人的AI人才队伍，在模型方面，加快“九天”模型特色能力突破，强化行业深度赋能。

数据难题与AI幻觉待解

展望人工智能的下一阶段，翁翕认为，在核心技术层面，大语言模型和通用人工智能将继续不断发展，而且在可解释性、机器伦理、消除幻觉等关键领域有望实现重大突破。这不仅提升了AI系统的可靠性，也为人工智能更广泛的应用奠定了坚实基础。

但现阶段，数据生态、AI幻觉等仍是待解之题。

《全国数据资源调查报告（2024年）》显示，2024年，我国开发或应用人工智能的企业数量同比增长36%，高质量数据集数量同比增长27.4%，有力支撑人工智能训练和应用。利用大模型的数据技术企业和数据应用企业同比分别增长57.21%、37.14%，数据正促进人工智能加速发展。

然而，根据赛迪研究院发布的《2025高质量数据集研究报告》，当前我国正加速推动高质量数据集创新发展，但是仍然面临数据存量小产量低、数据集质量良莠不齐、缺乏主流高价值数据引领、数据利用效率低等问题。

从具体的领域来看，数据的问题也在影响人形机器人的发展。根据《研究》，当前中国人形机器人产品构建还面临诸多瓶颈，其中之一就是感知系统和控制算法深度开发不足，且用于训练迭代的实际场景数据积累不足等。

针对数据集问题，上述工信部专题研究会议也做出了部署，提出加快建立高质量行业数据集。两化融合工作领导小组会议上，也提及加快建设工业高质量数据集，夯实人工智能工业应用的数据底座。以工业智能体为抓手深化人工智能工业应用，带动工业数据集、工业大模型的创新迭代。

工信部信息通信经济专家委员会委员盘和林对21世纪经济报道记者表示，人工智能的数据问题是个很宽泛的问题，但相关问题并非无可救药，只是现阶段对于数据安全和数据流通在全世界范围内都没有完美的处理方式，对数据产权制度缺乏妥善的解决方案。

盘和林指出，数据质量倒不是大问题，需要通过数据加工企业的发展，比如数据预处理和预标注企业来提高数据质量。但由于数据销售之后的安全问题依然需要由出售方来共同负责，很多数据出售方不愿意出售，导致数据生态之间的封闭问题。“简单说，为了数据安全限制了数据流通，数据安全和数据流通很多时候鱼和熊掌不可兼得。所以如今能够找到数据合规使用模式的企业很受投资人关注，就是因为这些企业在部分场景中解决了问题。” 

早在2023年，针对数据问题，国家数据局等部门就印发了《“数据要素×”三年行动计划（2024—2026年）》。彼时，国家数据局副局长沈竹林便表示，数据作为新型生产要素，已快速融入生产、消费、流通、分配和社会服务管理等各环节，成为推动经济社会高质量发展的关键动力。但存在数据供给质量不高、流通机制不畅、应用潜力释放不够等问题，制定“数据要素×”行动计划就是要有针对性地解决这些问题。

今年5月，工业和信息化部印发《算力互联互通行动计划》，提出到2028年，基本实现全国公共算力标准化互联，逐步形成具备智能感知、实时发现、随需获取的算力互联网。重点任务便包括推动算力互联在人工智能、科学计算、智能制造、远程医疗、视联网等企业级场景，以及智能驾驶、云渲染、云电脑、云游戏等消费级场景应用。

AI幻觉方面，图灵奖得主Yoshua Bengio在上述大会上指出，当前 AI在规划、推理等领域呈指数级进步，部分前沿模型已显现自我保护、欺骗性对齐、篡改系统等类生物主体行为。他提出双重解决方案，一是研发以无私科学家为原型的非代理性、可信赖人工智能系统，专注于理解世界而非自主行动；二是推动全球协同治理，建立国际监管框架与技术验证机制，遏制各国因竞争导致的安全标准缺位，避免将AGI设计为人类竞争者，呼吁在AGI可能于5年内达到人类水平的紧迫时间窗口内，通过技术创新与全球协作筑牢安全防线。

解决AI幻觉问题，我国在政策方面已有行动。今年3月，国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合发布《人工智能生成合成内容标识办法》（以下简称《标识办法》），自2025年9月1日起施行。《标识办法》聚焦人工智能“生成合成内容标识”关键点，通过标识提醒用户辨别虚假信息。

据国家互联网信息办公室有关负责人介绍，《标识办法》重点解决“哪些是生成的”“谁生成的”“从哪里生成的”等问题，推动由生成到传播各环节的全流程安全管理，力争打造可信赖的人工智能技术。