本报告主要探讨了我国通用人工智能产业的发展现状、核心技术迭代演进、融合应用发展趋势、竞争格局演变、产业发展路径以及面临的重大挑战。报告涵盖了全球及我国人工智能产业的发展情况,对核心技术的发展趋势进行了深入分析,探讨了人工智能在多个领域的融合应用,阐述了竞争格局的变化,提出了产业发展的路径,并指出了产业发展所面临的问题。

通用人工智能产业发展现状

1.全球产业发展现状

  • 随着生成式人工智能技术的成熟与应用,全球大模型市场规模迅猛增长。

  • 各国政府高度重视人工智能大模型,加强政府投资,促进产学研合作,强调全球对话,加强人工智能治理的国际合作。

2.我国产业发展现状

  • 我国人工智能产业蓬勃发展,2024年中国AI大模型市场规模达到165亿元,预计到2028年市场规模将达到624亿元,复合增长率为40%。

  • 我国对大模型行业整体秉持包容审慎的态度,大模型相关政策自2024年起呈现密集态势。

  • 中央及各部委AI政策重在顶层设计和推广典型应用,地方AI政策主要强调AI技术的落地应用,引导地方传统产业实现转型升级。

核心技术迭代演进

  1. 异构计算深度融合:异构计算将进一步深化,计算单元之间的通信和协同机制将更加优化。

  2. 边缘计算持续拓展:实时处理和低延迟响应的需求不断提升,边缘计算节点的算力将不断增强。

  3. 量子计算加快崛起:量子比特稳定性、可扩展性和量子纠错技术可能会取得关键突破,量子计算的应用场景会不断拓展。

  4. 数据质量大幅提升:数据质量管理成重点,出现更先进的数据清洗、标注和验证技术。

  5. 跨领域数据融合加快:打破数据壁垒,建立统一数据标准和共享平台,实现多领域数据融合。

  6. 合成数据应用增长:合成数据广泛应用,用于模型训练和优化,解决隐私和安全问题。

  7. 数据安全与隐私保护加强:研发更先进的加密技术、零知识证明等隐私保护技术,政府和行业出台更严格的数据安全法规和标准。

  8. 模型在规模与效率间实现新的平衡:从“更大”向“更智能”转变,探索轻量化模型与高效算法成为研究热点。

  9. 联邦学习算法持续优化:针对数据的非独立同分布特性,开发更先进的算法,通过更智能的权重分配策略,自适应地调整不同节点数据对全局模型的贡献。

  10. 认知架构与类脑智能模拟加快发展:未来研究将聚焦于更准确地模拟人类认知的动态性和灵活性,神经形态芯片的集成度将进一步提高。

  11. 智能体的决策和学习机制将迎来显著变革:深度强化学习使智能体能够优化决策策略,元学习赋予智能体“学会如何学习”的能力,知识图谱技术将深度融入智能体架构。

  12. 具身智能感知与控制技术革新:感知层面,传感器技术将持续升级;控制技术方面,基于模型预测控制与深度学习的混合控制策略将得到广泛应用;软体机器人技术的发展将为具身智能带来新的机遇。

融合应用发展趋势

《2025“十五五”时期我国通用人工智能产业发展趋势研究报告》
  1. AI+教育教学:包括个性化学习支持、智能教学辅助、沉浸式学习体验等方面,多元技术融合,推进教育资源均衡化,完善伦理规范。

  2. AI+交通运输:传统交通企业积极引入AGI技术进行数字化转型,市场规模增长。技术融合方面,5G/6G通信环境使AGI能够实时获取全方位动态信息。应用场景方面,AGI在低空交通领域将发挥重要作用。

  3. AI+政务服务

竞争格局演变

  1. 技术竞争:加速向以强大逻辑推理能力为重要突破点,同时兼具多模态融合、具身智能等多元综合能力的方向跃升,未来生成式AI仍将是通用人工智能发展的重要组成部分,未来通用人工智能对逻辑推理能力的重视和需求将不断增加,未来的通用人工智能需要将多种能力进行融合和协同发展。

  2. 企业竞争:从科技巨头凭借资本、数据与规模优势主导竞争,加速向初创企业创新驱动与科技巨头资源整合同台竞争的方向转变,催生更为多元活跃的竞争态势。

  3. 商业模式:开源与闭源模型并存发展、交叉融合、优势互补,开源模型吸引大量开发者,闭源模型在安全性、性能优化和商业价值挖掘方面有优势。

  4. 国际竞合:在国际竞争合作中找到平衡、发挥优势、实现共赢是各主要国家及地区需要面对和解决的重要课题,国际合作与竞争并存的局面由该领域的特点以及全球发展的需求所共同决定,在伦理道德、技术、产业、人才等方面存在竞争与合作。

产业发展路径

  1. 政策引领:政策引导资源聚焦,激励创新氛围,以创新驱动产业升级。

  2. 场景牵引:应用场景催生技术需求,技术进步拓展应用边界,通过协同反馈优化机制促使技术不断优化和改进。

  3. 区域协同:整合区域资源优势,通过局部突破带动全局,开展区域合作互补短板。

  4. 国际合作:进行技术交流与共享,制定与互认标准,推动产业生态协同发展。

重大挑战

  1. 大模型技术在数据 – 算法 – 算力领域尚存瓶颈

    从数据看,存在高质量专业数据集缺乏、数据共享难度高、数据标准和治理保障体制不完善、数据流通利用基础薄弱等问题;从算法看,模型自身存在不可解释性和可靠性风险,在特定领域应用受限;从算力看,算力供给不充分、不平衡,能源消耗瓶颈明显。

  2. 大模型伦理安全仍是全球治理的重要挑战

    存在数据安全和隐私保护问题,可能造成知识产权纠纷和个人隐私泄露;存在伦理道德困境,可能放大歧视与偏见等伦理问题,对敏感话题可能做出错误导向;存在责任归属难题,给政府治理带来挑战。

  3. 旺盛的大模型应用场景需求加剧人才供需矛盾

    高端人才相对短缺,整体呈现总量不足与结构失衡;人才培养体系滞后,培养目标不明晰,加剧人才技能与企业需求的不匹配。

结语

综上所述,我国通用人工智能产业发展迅速,但也面临着诸多挑战。在发展过程中,需要不断推动核心技术的迭代演进,加强融合应用,优化竞争格局,明确产业发展路径,并积极应对重大挑战,以实现我国通用人工智能产业的健康、可持续发展。

报告节选

#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}