大力發展新質生產力，要加強關鍵共性技術、前沿引領技術、現代工程技術、顛覆性技術創新，完善推動新一代信息技術、人工智能、生物醫藥、量子科技等戰略性產業發展政策和治理體系。人工智能等新興技術的發展不僅能夠改造提升傳統產業，更能夠催生新領域新賽道，已經成為新一輪科技革命和產業變革的重要驅動力量。發展人工智能不僅是技術領域的競爭，更關乎經濟結構的轉型升級，創新效能整體提升。人工智能的文化社會技術屬性會帶來社會治理模式的創新，關乎我國社會主義文化強國建設。

 

 

2025年5月8日，北京國家會議中心，觀眾在第27屆北京科博會上與“人形機器人”互動。圖/中經視覺 杜建坡 攝

 

當前人工智能技術發展的趨勢特征

 

自1956年達特茅斯會議提出人工智能概念以來，其發展經歷了近70年的時間。人工智能技術的發展經歷了以“手工知識”“機器邏輯推理能力”為特征的第一次浪潮（1956—1974年）、以“統計學習”“專家系統”為特征的第二次浪潮（1980—1987年）和以“適應環境”“深度學習”“感知智能”為特征的第三次浪潮（1993年至今）。當前，人工智能發展正處于第三次浪潮，呈現出如下特征。

 

其一，人工智能的本質仍然是數據智能，關于常識推理、因果理解等人類智能的核心能力還未獲得突破。人工智能模型高度依賴數據，通過分析和處理大量數據來提取有價值的信息和模式，并據此進行預測或決策。用于模型訓練的數據規模、質量和多樣性對人工智能模型的效果具有重要影響。這也是著名的規模效應，即人工智能模型的性能與數據集大小成冪律關系。人工智能模型在大量數據中挖掘出的現實關聯，并不是基于對現實世界的基本認知和理解，仍然難以進行真正的抽象概括和邏輯推理。相比較而言，人類能夠根據因果關系預測事件發展，通過類比遷移快速學習新知識，并運用常識處理復雜的現實問題，這些能力是當前的人工智能無法實現的。

 

其二，深度學習是當前人工智能主流算法，應用于部分場景下的模式識別精準度甚至超越人類水平。2006年，以杰弗里·辛頓等為代表的連接智能學派，以學習能力自動化為目標，掀起了神經網絡的研究熱潮，拉開深度學習的大幕。近20年來，卷積神經網絡、循環神經網絡、長短期記憶網絡等基于大數據的深度學習模型和算法取得了顯著的技術突破，并在計算機視覺、自然語言處理、博弈對抗等領域實現了規模應用。這些進展極大地推動了人工智能的發展，使其在醫療、金融等行業中得到了廣泛應用。

 

其三，人工智能大模型技術推動智能計算邁向新高度，生成式人工智能快速迭代，能力不斷提升。生成式人工智能能夠通過學習現有數據的分布來生成具有相似特征的新數據，包括文本、圖像、音頻、視頻等。大語言模型是生成式人工智能的一種類型，是“大數據+大算力+強算法”結合的產物，具有規模大（神經網絡參數規模要達到百億以上）、涌現性（具有產生預料之外的新能力）和通用性（能夠廣泛解決不同類型問題）的特點。除語言能力以外，大模型也在迅速擴展視覺、聽覺、具身（有身體的智能，能與環境進行交互）、行動等其他通用智能能力。在向多模態、具身化方向發展的同時，AI智能體有望成為下一代平臺，人工智能從理解到生成，從感知到決策，能力不斷提升，有望完成“感知—決策—行動”的閉環。

 

其四，“AI+”成為未來經濟社會發展的重要驅動力和新模式，人工智能將成為新一輪科技革命和產業變革的賦能技術和底層技術。人工智能有望成為推動產業優化升級、生產力整體躍升的重要驅動力量。人工智能技術與醫療、制造、教育、商務等行業深度融合的趨勢正在進一步加深，推動產業高質量發展和生產力深層次變革。具備廣泛知識和技能的人工智能模型，能夠應用于多種任務和領域的通用性大模型正在成為新的追求目標。人工智能開源開放趨勢日益明顯，打破傳統技術壁壘，顯著促進了知識共享和創新，這將促使當前應用成本逐漸降低，具有向各個產業拓展的可能性。

 

其五，人工智能的能耗問題及其對環境的影響引發關注，綠色人工智能及低能耗人工智能的研究和部署迫在眉睫。綠色人工智能和低能耗人工智能是未來人工智能發展的重要方向，主要路徑有：一是加大新型能源供給技術的開發，通過應用可再生能源、能源存儲技術、能效優化技術等，保持可持續的能源供應，支持大模型等能源消耗。二是優化人工智能運行策略降低能耗，相較于傳統計算，量子計算具有更高的能源使用效率，有望成為新的計算方式。三是研發更高效的算法和芯片，模擬人腦功能的神經形態芯片在節能提效方面具有一定優勢。