人工智能產業是新一代信息技術產業的創新前沿，是推動未來產業發展的核心動能，是打造新質生產力的關鍵。在云計算、大數據、深度學習等關鍵技術的持續創新與深度應用的推動下，人工智能迎來前所未有的發展機遇，已步入以大模型為代表的通用人工智能發展階段，我國人工智能產業亦在國際化的競爭舞臺上行穩致遠。

（一）產業規?？焖僭鲩L

近年來，我國人工智能產業規模呈爆炸式增長，成為推動經濟高質量發展的新引擎。央視財經數據顯示，我國人工智能核心產業規模已超過5000億元。沙利文咨詢預測，2024年我國人工智能市場規模將突破7993億元。從細分領域來看，人工智能大模型正處于井噴式發展高峰期，是推動產業快速增長的核心力量。2023年，我國人工智能大模型市場規模達21億美元，同比增長110%，占全球市場規模的10%。據鈦媒體國際智庫報告預測，2024年我國大模型市場規模將達216億元，持續保持兩位數以上增速。當前，全國各地密集出臺政策推動人工智能產業發展，如北京市印發《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023-2025年）》，提出到2025年人工智能核心產業規模達到3000億元的目標。頭部企業加速人工智能領域布局，天眼查數據顯示，越來越多的企業爭先搶占人工智能賽道，百度、騰訊、華為等大廠在人工智能算法和模型、數據處理能力和計算資源等方面發展迅速。未來，隨著政策紅利的持續釋放、核心技術的日益成熟、應用場景的不斷拓寬，我國人工智能產業將持續增長，在全球范圍內扮演更加重要的角色，為推動全球科技進步和經濟發展作出更大貢獻。

（二）技術變革推動發展

當前，人工智能技術正處于飛速發展階段，未來，以算力、算據、算法三大基礎要素的精巧配合和相互促進為本質的技術變革，將推動人工智能產業向縱深發展。一是多模態模型或將成為人工智能產業標配。微軟的研究員撰寫的綜述預測，多模態基礎模型將從專用走向通用，未來將有更多的研究關注如何利用大模型處理多模態任務。目前國內超80個大模型多僅支持文本輸入輸出這一單一模態，與人類利用視覺嗅覺聽覺等多感官獲取信息、通過語言表情動作等多方式表達信息相比具有明顯不足。未來隨著技術的日臻成熟，大模型創新將從支持單模態單任務逐漸發展為將文本、圖像、音視頻等集于一體的多模態多任務，競爭重點將從參數量的提升轉向多模態信息整合和深度挖掘能力的提升。二是數據智能有望迎來跨越式發展。當前，作為大模型訓練“原料”的數據，尤其是高質量數據面臨短缺，據Epoch AI Research研究團隊稱，高質量語言數據將在2026年耗盡。若失去新增數據源，同時數據利用效率又未能顯著提升，未來人工智能大模型的發展速度將明顯放緩。因此，大模型領域不斷迸發的數據需求，將倒逼數據在大規模、多模態、高質量三維度上全面提升，數據智能技術將飛速發展。三是傳統計算范式變革成為必然趨勢。算力作為“燃料”是支撐人工智能模型不斷進化的關鍵，OpenAI數據顯示，訓練GPT-3 175B模型需要的算力高達3640PF-days（以1PetaFLOP/s的效率要跑3640天）。未來，傳統計算范式將無法滿足人工智能算力需求的指數級增長，智能算力無處不在的計算新范式加速實現。

（三）具身智能引發關注

具身智能（Embodied Intelligence）是一種智能系統的設計理念，其目標是通過將感知、決策和行動融合在一起，使機器能夠像人類一樣具備身體和運動能力。具身智能的核心理念是利用機器的身體結構和動作能力來增強其智能表現和解決復雜任務的能力。傳統的人工智能系統主要關注于數據處理和算法的優化，而具身智能則更加注重機器與環境的互動和交流。

目前，具身智能已經成為國際學術前沿研究方向，包括美國國家科學基金會在內的機構都在推動具身智能的發展。谷歌公司的Everyday Robot已經能夠將機器人和對話模型結合到一起，形成一個更大的閉環。UC伯克利的LM Nav用三個大模型（視覺導航模型ViNG、大型語言模型GPT-3、視覺語言模型CLIP）教會了機器人在不看地圖的情況下按照語言指令到達目的地?；谛螒B的具身智能研究，例如機器人關節控制，使機器人完全依靠自身形態即可實現對整體行為的控制。未來，具身智能有望在機器人、自動駕駛、智能家居等領域實現重大突破和廣泛應用。

（四）應用滲透千行百業

當前，以大模型為代表的人工智能技術賦能千行百業，成為驅動產業轉型升級“第二增長曲線”的新支點。我國人工智能已在眾多行業落地應用，賦能效果明顯。例如：汽車行業成為大模型技術最大的交互應用場景。各大車企加快人工智能技術在智能座艙、智能駕駛、智能制造等方面的落地應用，為汽車行業帶來深刻變革。如人工智能大模型可以輔助自動駕駛算法的訓練和優化，亦可以作為“控制者”直接駕駛車輛。生物醫藥領域應用大模型大幅提升研發效率。藥物設計和病情發現是生物醫藥領域的重要環節，傳統手段耗時長、成本高，大模型技術在生物制造領域應用可提高藥物研發效率和成功率，助力發現新療法。人工智能顯著提升集成電路設計制造領域生產力。芯片設計制造具有極高的專業性和復雜性，人工智能驅動的集成電路設計制造技術由大模型自動為工程師提供技術洞察，改進未來芯片設計生產方式，減輕工程師負擔，縮短芯片研發周期，促進芯片領域生產力提升。盡管如此，我國人工智能多數應用仍處于“小規模試點”階段，相距發達國家仍有不小差距，未來，隨著人工智能技術的不斷成熟，落地應用將向“深水區”持續邁進，發展空間廣闊。

（五）安全監管趨緊趨嚴

如何確保人工智能“自我進化”的有益無害，一直是人工智能產業發展面臨的重大難題。技術安全方面，人工智能技術的復雜性和不透明性造成“黑箱”困擾。人工智能設計者利用不同來源的數據進行訓練建模，隨著算力水平的提升，用于訓練的數據量呈指數級增長，人工智能自我學習更新的速度也越來越快，但其結果“不可解釋”，人工智能設計者難以把控其“自我進化”方向。應用安全方面，“真假難辨”“技術換人”的風險持續增加。生成式人工智能的生成結果已可“以假亂真”，真假難辨對個人安全乃至國家安全都帶來較大風險，此外，隨著人工智能技術的普及和發展，失業人群數量增加，未來人工智能更將在多個領域趕超人類，引發更多社會問題。數據安全方面，數據泄露等安全問題的解決更加趨難。隨著生成式人工智能技術向多模態發展，其文件格式更加豐富，未來數據泄漏問題將難以通過傳統的數據防泄漏方法解決。當前，世界各國呈現出政策法規先行、安全監管趨嚴等特征，如2023年3月，意大利數據保護局以違反《通用數據保護條例》為由暫時禁用ChatGPT，并在此后提出系列整改要求。未來，隨著人工智能的快速發展，與之配套的政策法規也將更加完善，安全監管將更加嚴格，治理力度將持續加大。