大力推进人工智能规模化商业化应用

国常会：大力推进人工智能规模化商业化应用

今天（7月31日），国务院总理李强主持召开国务院常务会议。此次会议审议通过《关于深入实施“人工智能+”行动的意见》。会议提出，大力推进人工智能规模化商业化应用，政府部门和国有企业要强化示范引领，通过开放场景等支持技术落地。

对总理讲话精神的理解

     一、这次会议提出的是“人工智能+”，不是人工智能。人工智能强调技术本身，“人工智能+”更加强调的是跟行业、场景的融合。

     二．大力推进人工智能规模化商业化应用，要通过开放场景等支持技术落地。推进“人工智能+”行动，我国拥有全球最完备的制造业体系，我们有41个工业大类，666个小类以及14亿人口市场，为AI应用提供了“天然试验场”。   

三、政府部门和国有企业要强化示范引领。国企作为国家经济命脉的重要支柱，在推动人工智能（AI）技术从实验室走向实际应用、打造开放场景示范方面，肩负着独特且关键的责任。

    今年以来国家实施“人工智能+”行动，多次开会或者发出文件。

    2月，国务院国资委已经召开了中央企业“AI+”专项行动深化部署会，要求加快推动人工智能产业高质量发展，实现更多标志性成果和突破性进展。北京、上海、广东、山东、深圳等多地也陆续发布政策措施，推动“人工智能+”在产业赋能、终端应用、场景培育等方面取得突破。

   《政府工作报告》予以特别强调。全国两会之后，国家数据局、商务部、国资委、工信部等多部门对“人工智能+”进行部署，包括推动高质量数据供给、建设数字新基建、打造“人工智能+消费”场景、深化央企AI+专项行动、实施“人工智能+制造”行动等多个方面。

    在近日举行的2025世界人工智能大会现场，AI+文旅、AI+教育、AI+工业、AI+金融、AI+办公等一系列与人工智能同行的场景和各类AI终端应用产品，吸引着与会者的目光。

    此次国务院常务会议提出了多方面具体要求，包括政府部门和国有企业要强化示范引领，通过开放场景等支持技术落地。•

国有企业要响应总理的号召，发挥示范引领作用。我们也注意到，在面对人工智能的态度上，在国有企业有两种较为典型的矛盾心理。一方面，有的企业对上马AI项目非常迫切，希望快出应用、快见效果，对应用前景充满希望；另一方面，有的企业在推进一段时间后，就停滞不前、失去热情，因为目前应用多局限于知识问答、简单客服等场景，应用效果也难以评价，导致期望很丰满，但现实很骨感，容易产生较大的心理落差。实际上，离中央的要求有差距，且差距不小。

国有企业怎样响应总理的号召，其作用可以体现在以下方面：

 第一， 担当“国家战略任务”的排头兵，打造高水平示范标杆。

    承担重大专项与前沿探索，主动承担国家AI重大科技项目，在关键核心技术（如大模型、自主芯片框架、可信AI、类脑计算等）攻关上发挥主力军作用，突破“卡脖子”难题，并建设国家级或行业级高水平示范工程（如智慧能源网络、智能制造灯塔工厂、智慧港口集群、自主可控的金融风控平台等）。

    利用自身在关键基础设施（能源、交通、通信）、重要支柱产业（制造、金融、建筑）等领域的规模优势和场景深度，率先落地AI应用，形成具有行业引领性、经济效益显著、安全可控的标杆案例，为全行业提供可复制的路径和经验。

    引领负责任AI实践。在数据隐私保护、算法公平性、系统安全性、伦理规范等方面率先垂范，建立国企标准，推动建立可信、可靠、可控的AI应用体系，树立行业规范。  

第二、 开放核心场景资源，搭建“试验田”与“连接器”。

    开放高价值、高壁垒场景。主动开放自身拥有的、难以被其他企业获取的高价值场景（如电网实时运行数据、大型港口复杂调度、高端精密制造产线、大型金融交易平台、核心交通枢纽管理等），为AI技术创新提供“真实战场”和验证平台。这是国企最具独特价值的贡献。

    建设开放创新平台。牵头或深度参与建设国家级、行业级AI开放创新平台，提供算力、数据（在合规脱敏前提下）、工具链、测试环境等资源，降低中小企业、科研机构创新的门槛。例如，开放特定工业质检场景的数据集和接口、提供城市治理的仿真沙盘等。

    成为“产学研用”的枢纽。利用自身庞大的产业链地位和应用需求，有效连接高校、科研院所的前沿技术、初创企业的创新活力与自身丰富的应用场景和产业资源，加速技术转化和生态协同。   

 第三、赋能产业链供应链，推动“人工智能+”深度融合。

   “ 链长”引领。作为产业链“链长”，利用AI技术优化自身运营（如供应链智能预测、智能排产、设备预测性维护）的同时，将成功经验和解决方案向上下游（特别是中小供应商和服务商）输出，带动整个产业链的智能化升级和韧性提升。

     建设行业共性平台。投资或牵头建设服务于特定行业的AI赋能平台（如工业互联网平台、智慧能源服务平台、智慧农业服务平台），提供通用性AI工具、模型和解决方案，降低整个行业应用AI的门槛和成本。

    孵化新业态新模式。利用AI技术探索和孵化新的业务模式和服务形态（如基于AI的能源交易、个性化金融服务、智能建造新模式），推动产业变革和价值链重塑。   

 第四， 构建开放合作生态，促进协同创新。

    主动拥抱多元合作。积极与领先的科技企业（包括民企、外企）、顶尖高校、科研机构、创新型初创公司建立开放、灵活的合作关系（如联合实验室、创新中心、孵化器、产业联盟），共同研发、测试、部署AI解决方案。

    推动数据要素合规流通利用（核心难点）。在严格遵守法律法规和确保安全的前提下，积极探索和试点数据（特别是行业数据）的确权、定价、脱敏、共享、交易机制，为AI训练和应用提供高质量“燃料”。这需要国企在数据治理方面做出表率。

     积极参与国家及国际AI标准、规范、评测体系的制定，将自身在大型复杂场景落地中的实践经验转化为行业标准，促进产业健康有序发展。  

第五，发挥“压舱石”作用，保障安全可控与可持续发展。

    坚持自主可控。在核心系统、关键场景的AI应用中，优先采用国产软硬件技术和解决方案，或积极推动国产技术的迭代成熟，保障国家经济命脉的安全稳定运行。

    注重长期投入与风险管控。AI研发和应用投入大、周期长、风险高。国企应发挥其资本雄厚、经营稳健的优势，进行战略性、长期性投入，并建立完善的风险评估和管控机制，容忍合理的试错成本。

    关注人才队伍建设。大力引进和培养兼具行业知识与AI技术的复合型人才，打造高水平的内部AI研发和应用团队，同时通过开放合作汇聚外部智力资源。