工業和信息化部最新數據顯示，2025年前11個月，人工智能（AI）核心產業規模超過萬億元。從DeepSeek大模型引起全球關注，到AI眼鏡、AI手機等各類智能終端廣受消費者歡迎，再到以人形機器人為代表的具身智能產業快速躍升……2025年，在政策支持、市場需求和技術進步共同推動下，我國人工智能產業蓬勃發展，成為培育和發展新質生產力的重要引擎。

專家認為，2026年，人工智能技術將迎來進一步升級，產業要素供給能力持續增強，既為傳統產業轉型升級注入澎湃動能，也為新興產業開辟廣闊賽道，全方位賦能千行百業。

技術能力持續提升

2025年，隨著多模態、邏輯推理、物理感知等關鍵技術取得突破，人工智能產業發展基礎越發牢固。

賽迪研究院信息化與軟件產業研究所人工智能研究室副主任劉麗超觀察到，阿里巴巴、百度等企業持續加碼原生多模態大模型，從訓練初期就融合文本、圖像、視頻、音頻等多模態數據，實現了理解與生成一體化；清華大學等團隊研發的SALMONN音視頻大模型在視頻描述、問答等綜合任務上表現出色；騰訊發布開源世界模型混元Voyager，在3D空間和時間中的感知、推理能力顯著增強。工信部數據顯示，截至2025年9月，我國人工智能企業數量超過5300家，其中，專精特新“小巨人”企業超400家。

2025年，阿里巴巴不斷加大對通義千問大模型的投入力度，從千問2.5（Qwen2.5）處理長文本能力得到有效提升，到QVQ-Max視覺推理模型能夠結合圖片和視頻內容進行分析推理，再到Qwen3-Max總參數超過萬億，無論是編程能力還是智能體工具調用能力，均取得明顯突破。國際權威調研機構沙利文發布的《中國GenAI市場洞察：企業級大模型調用全景研究，2025》報告顯示，2025年上半年，中國企業級大模型調用市場中通義占比位列第一。

“2025年，我們持續跟蹤大模型升級迭代情況。從測試數據看，模型在語言和多模態理解能力上提升明顯，綜合能力分別提升了30%和50%，推理、編程等能力實現又好又快發展。”中國信息通信研究院人工智能研究所所長魏凱認為，大模型不斷進步的背后是技術創新作支撐。線性注意力機制提升計算效率，面向環境的強化學習大幅提升模型工具使用能力。同時，業界針對自主學習、長期記憶等大模型能力短板也提出了初步方案。

例如，2025年，科大訊飛5次迭代升級訊飛星火大模型，最新一代模型X1.5具備個性化記憶能力，實現多源記憶庫信息檢索、應用，以及個性化記憶識別、提取和更新，構建了用戶個性化記憶庫，包含長期畫像、近期反饋、短期對話和個人資料數據。

“通用人工智能時代正在開啟，將從根本上變革產業形態。我們將聚焦AI主業，堅持底座模型自主研發，推動國產算力與操作系統適配再升級，為我國人工智能產業高質量發展注入新動力。”科大訊飛董事長劉慶峰說。

應用落地不斷深化

2025年，人工智能加速進入千行百業，應用落地不斷深化。“人工智能正深度嵌入制造體系，全國智能工廠數量突破3萬家，帶動生產效率提升22.3%，研發周期縮短近三成。”劉麗超介紹，2025年上半年，我國AI大模型解決方案市場規模達30.7億元，同比增長122.1%，企業積極在重點行業拓展人工智能應用場景。

“當前全球技術浪潮加速演進，AI正從概念走向深度產業化，成為推動未來增長的關鍵力量。”TCL創始人、董事長李東生告訴記者，TCL持續加大AI技術投入，驅動制造、研發、供應鏈、運營等全產業鏈革新，實現大規模價值落地。2025年，TCL發布顯示領域具備強推理能力的垂域大模型——星智大模型3.0，憑借更全面的知識體系和更高效的學習適應能力，在半導體顯示行業得到充分應用。

例如，星智大模型可直接助力產品開發過程，支持產品問題解析效率提升20%，材料開發效率提升30%。“未來，星智大模型將滲透至生產和研發更多核心環節，成為半導體顯示研發與制造的AI智能體中心。”李東生說。

魏凱和他的團隊在分析了數百個大模型在工業應用的案例后認為，其在價值鏈中的分布呈現“兩端高、中間低”微笑曲線態勢，這反映出研發設計與營銷服務環節更易獲得AI賦能。但在2025年，生產制造環節已展現出明顯抬高趨勢，案例占比由19.9%增長至25.9%。這一變化表明，AI正在向價值創造的核心環節滲透，但其滲透速度仍受限于工業數據獲取難度、工藝知識的封裝水平以及對可靠性的極致要求。

賽迪研究院未來產業研究中心人工智能研究室主任鐘新龍建議，應加大實施“人工智能+制造”行動，支持企業在重點場景應用通用大模型、行業大模型和智能體，并通過智能工廠梯度培育行動，帶動裝備、工業軟件和系統集成創新成果加速應用和迭代。

要素支撐更加有力

算力與數據作為支撐人工智能產業發展的兩項關鍵要素，供給能力不斷提升。

算力方面，智能算力規模穩步擴大，根據國際數據公司（IDC）和浪潮信息聯合測算，2025年全國智能算力規模將達到1037.3EFLOPS。萬卡級集群成為支撐大模型訓練與推理的主流載體。

數據方面，數據資源體量持續擴容，2025年全國數據生產總量突破50ZB。合肥、成都等7個數據標注基地數據標注規模超29PB，建設行業高質量數據集524個，賦能163個大模型研發。

作為人工智能應用較為成熟的領域，自動駕駛技術迭代升級需要高質量數據訓練模型。“我們擁有豐富的巴士車型數據集，并依托路側多源感知設備，形成獨有的路側數據集，可實現7×24小時數據連續采集，用于訓練預決策規劃模型。”蘑菇車聯總裁付強告訴記者，公司自主研發的路側數據補盲與仿真技術，在推動硬件成本大幅下降的同時，提升性能與安全性，形成“數據—算法—性能”正向循環，不斷優化AI模型。目前，蘑菇車聯自動駕駛車輛已在國內10余個城市落地，助力自動駕駛走向規模化、商業化。

在工業領域高質量數據集建設方面，我國擁有完整的工業體系和良好的數字化基礎，這就保障了數據來源多樣且真實。“建好用好工業數據集，加快大模型技術在工業領域深度應用，已經成為行業共識。”鐘新龍建議，一方面，優先建設“工業大模型+行業知識庫+時間序列數據”基礎模型簇，突出對工藝機理、設備健康、能源效率和質量追溯的建模能力；另一方面，要在工廠側強化數據治理和安全管理，在不出廠、不出網甚至不出設備的前提下，通過聯邦學習、邊緣計算等方式完成模型微調和推理，使大模型和智能體在滿足安全合規的前提下，持續在真實生產數據上迭代優化。

“下一步，要以國家級數據標注基地為依托，加快醫療、工業、交通等重點領域高質量數據集的標準化開發與共享，推動建立數據資源分級分類標準；建立跨行業、跨主體的數據流通機制，通過數據沙箱、數據信托等模式破解數據孤島問題，推動公共數據授權運營與企業數據跨域融合。”劉麗超說。