新年特稿 I 2026年我國人工智能產業發展形勢展望

2025年8月，國務院印發《關于深入實施“人工智能+”行動的意見》，系統明確了行動的總體要求、階段性發展目標與重點任務方向，推動人工智能與經濟社會各領域廣泛深度融合。在政策支持、市場需求和技術進步的共同推動下，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。展望2026年，人工智能技術將迎來進一步升級躍遷，產業要素供給能力將進一步增強，人工智能技術將加速傳統產業轉型升級，與新興產業深度融合創新，全方位賦能千行百業，為經濟高質量發展注入強勁動力。

對2026年形勢的基本判斷

（一）人工智能產業規模將持續增長

2025年，全球人工智能產業呈現蓬勃發展態勢，人工智能市場規模迅猛增長。根據市場研究機構Precedence Research數據，全球人工智能市場規模在2025年將達到7575.8億美元，同比增長18.7%，我國人工智能產業受益于DeepSeek、通義千問等生成式人工智能技術成熟應用和“人工智能+”行動的持續深入，規模呈現爆發式增長態勢，已成為全球人工智能產業發展的主力軍。根據工業和信息化部數據，截至2025年9月，我國人工智能核心產業規模超過9000億元，人工智能企業數量超過5300家，國家級人工智能專精特新“小巨人”企業超400家，整體實力居全球第一梯隊。

展望2026年，我國人工智能將維持高速增長態勢，繼續引領全球人工智能行業應用發展。根據Precedence Research預測，2026年全球人工智能市場規模將達到9000億美元，亞太市場仍為全球增速最快的地區。多家市場研究機構看好2026年我國人工智能市場發展，如MRFR預測2025- 2035年我國人工智能市場規模的復合增長率將達到30.6%，Statista預測41.8%（2025-2031年），Grand View Research預測更高為47.1%（2025- 2030年）。

（二）人工智能技術將迎來多維升級

2025年，人工智能技術演進走向“新范式”，原生多模態、強邏輯推理、時空物理感知等技術加速突破。阿里、百度等企業持續加碼能夠統一理解與生成不同模態信息的原生多模態大模型，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音視頻大模型在多項權威評測中超越GPT-4o和Google Gemini等主流模型，在視頻描述、問答等綜合任務上表現出色。DeepSeek、阿里、科大訊飛等紛紛發布推理大模型，該類模型在物理、化學和生物學等領域能力超越人類博士水平。騰訊發布開源世界模型混元Voyager，3D空間和時間中感知、推理能力顯著增強，在斯坦福大學世界模型基準測試WorldScore上位居綜合能力首位。昆侖萬維自研世界模型Matrix-3D，只需單張圖就能生成可自由探索的3D世界。

展望2026年，我國大模型技術能力將聚焦物理認知深化、推理效能提升、架構范式革新等關鍵維度，迎來進一步升級躍遷。大模型認知功能將從文字符號處理邁向環境交互與物理推理，世界模型構建將取得進一步發展，通過融合視覺、三維空間等多模態數據，使大模型得以內在編碼物理規律，提升其在人形機器人、自動駕駛等需與現實世界交互的場景中的決策合理性。大模型推理機制將從淺層統計關聯邁向深度因果推斷，模型的反事實推理與邏輯鏈條分析能力進一步增強，識別變量間因果關系的精準性和效率進一步提升，為藥物研發、材料創新等科學發現場景及企業決策等復雜任務提供可靠技術支撐。

（三）關鍵產業要素供給將進一步增強

2025年，算力與數據作為支撐人工智能產業發展的兩大核心要素，供給能力顯著提升。 算力方面，智能算力規模穩步擴大，根據IDC和浪潮信息的聯合測算，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，華為、中興等企業在超大規模集群技術上取得突破，高速互聯與綠色低碳技術同步推進。 數據方面，數據資源體量持續擴容，根據全國數據資源調查工作組數據， 2025年全國數據生產總量將突破50ZB。數據標注基地建設成效顯著，七大基地標注總規模達17282TB，已形成醫療、工業、教育等領域高質量數據集超300個。

展望2026年，關鍵產業要素供給將實現質效雙升。 算力方面，算力結構持續調整，智能算力占比有望突破35%，國產芯片在部分場景實現規模化應用，軟硬件協同生態逐步成型，“東數西算”工程推動全國算力資源協同調度。 數據方面，數據要素質量與開放度同步提升，高質量中文語料與行業數據集建設提速，跨領域數據共享機制逐步健全，為模型訓練與應用創新奠定堅實的數據基礎。

（四）智能體產業生態將加快成熟

作為人工智能技術迭代和落地應用的重要形態，智能體正進入快速發展階段。 “軟智能體”方面，智能體創新企業Monica公司推出智能體Manus，可以直接操作電腦，完成報告撰寫、簡歷篩選等任務。智譜推出智能體家族，包括面向手機的AutoGLM，支持抖音、微博、餓了么、京東、拼多多等主流APP，支持跨終端APP操作。百度推出金融智能體應用“智金”，深度融合財富管理、資產評估、業務合規等金融業務場景。

“硬智能體”方面，智能體終端產品加速推廣，開辟高成長性消費新賽道。如，字節跳動推出搭載豆包大模型的AI智能體耳機Ola Friend，支持日常隨問隨答、個性化導游、聊天情感陪伴等智能化體驗。宇樹科技、優必選、小米等推出系列具備智能交互能力的機器人產品。

展望2026年，智能體產業生態將加快成熟，行業企業不斷加大智能體應用力度，各領域應用場景逐步拓展。 IDC預測，到2026年，50%的中國500強數據團隊將使用智能體實現數據準備和分析。行業標準與治理體系逐步完善，工具調用、數據交互等互聯規范加快推進，安全防護與倫理治理機制持續探索。

（五）人工智能將全方位賦能千行百業

2025年，在“人工智能+”行動深入推進下，人工智能產業應用正加速從局部試點向全域滲透邁進，成為推動產業升級的核心動力。用戶側，截至2025年6月，我國生成式人工智能用戶規模達5.15億人，普及率36.5%。產業側，重點行業應用成效持續凸顯。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；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%，金融、政府、醫療等領域成為應用主力；截至7月底，央企已在16個重點行業布局800多個人工智能應用場景，涵蓋能源、交通等關鍵領域。新興賽道崛起迅猛，2025年1-10月具身智能獲73筆超億元融資，占AI領域融資總數的52%，累計融資257億元；工業及服務機器人在倉儲物流、商業服務等特定場景實現商用落地。

展望2026年，人工智能產業應用的滲透深度與融合廣度將進一步拓展。應用鏈條上，技術從前端服務環節加速向研發、生產等核心領域延伸，全流程智能化重構成為傳統產業升級的核心路徑。物理世界融合持續深化，具身智能突破虛擬邊界在實體場景實現規模化落地，與智能駕駛、XR等領域形成協同發展態勢。生態協同格局加速成型，互聯網巨頭的平臺生態與初創企業的垂類應用形成互補，數據共享與跨行業協作機制不斷完善，推動技術紅利從金融、制造等重點領域向千行百業擴散。

需要關注的幾個問題

（一）中美競爭博弈擠壓我企業市場拓展空間

一方面，特朗普政府對內推行放松監管策略以激發創新活力，大力建設算力基礎設施以構筑人工智能發展底座；對外運用強關稅與出口管制等手段，重塑對其有利的規則體系，鞏固以其為核心的技術聯盟。另一方面，美科技巨頭通過“合縱連橫”構筑起從底層芯片、云平臺、大模型到上層應用的“全棧技術優勢”，并配合捆綁銷售加速向全球擴張。多重因素疊加，我企業在獲取先進訓練芯片及相關云服務等方面更加受限，面臨成本投入上升、供給穩定性下降的風險，遲滯我企業技術迭代升級與產品創新進程，同時，我企業在海外項目獲取與生態合作中將面臨更多隱性門檻，國際市場拓展受到擠壓。

（二）大模型產品執行復雜任務能力不及預期

大模型在復雜任務執行中仍面臨多重現實瓶頸。 一是專業場景適配不足，通用大模型的 “大而全” 設計與行業 “專而精” 需求存在矛盾，在醫療診斷、工業質檢等需 99.9% 以上準確率的場景中，現有模型難以滿足業務要求，罕見病識別、復雜缺陷檢測等任務表現平平。二是邏輯推理與知識整合能力薄弱，處理跨學科、多步驟任務時，容易出現流程斷裂或判斷偏差，如法律場景中對 “但書條款” 的實際適用分析、金融領域的多維度風險評估等任務仍存在理解鴻溝。三是模型幻覺與可靠性問題突出，在專業決策場景中可能編造虛假信息，如虛構藥物劑量、引用不存在的法條，且多模態處理專業數據格式時力不從心。此外，任務拆解的靈活性不足、跨系統協同效率低等問題，進一步制約了復雜任務的落地效果。

（三）高質量數據集仍難滿足模型發展需求

盡管我國數據資源規模優勢明顯，但高質量數據供給仍滯后于模型發展需求。一方面，高質量數據短缺矛盾日益凸顯。據人工智能研究和預測組織Epoch測算，高質量的數據會在2026年耗盡，低質量語言數據、圖像數據存量將分別在2030年至2050年、2030至2060年枯竭。其中，中文語料以及行業語料更是缺乏，當前全球通用的50億大模型數據訓練集中，中文語料占比僅為1.3%，難以支撐具有文化背景和語言特性的本土模型優化。另一方面，數據壁壘問題突出。各類數據擁有方通過技術和法律手段限制內容調用，版權訴訟頻繁，數據獲取成本上升。此外，數據標準不統一、跨領域流通機制缺失，導致企業數據與公共數據難以有效融合，從供給側制約了高質量數據集的構建，進而影響我國自主AI大模型的持續迭代升級。

（四）人工智能產業應用商業閉環尚未打通

當前人工智能產業應用商業閉環仍處于構建完善階段，尚未形成可持續的價值循環體系。產業鏈算力、模型、應用層各層存在明顯“斷鏈”現象，算力資源與應用需求適配不足，模型層定制化能力薄弱，應用層多為單點工具型產品，難以形成生態協同效應。數據孤島與算力適配問題突出，跨領域數據流通機制缺失，國產算力與主流模型兼容優化不足，制約應用創新。另外，盈利模式面臨“高成本、低收益”結構性矛盾，模型訓練與推理的算力、數據成本高昂，而企業付費習慣尚未普及，消費端收費模式推行困難，多數應用企業依賴項目制或政策補貼，自我造血能力有待提高。工業、醫療等垂直領域的AI應用多處于試點驗證階段，缺乏標準化解決方案，難以實現規模化復制與商業變現。

應采取的對策建議

（一）強化核心技術攻關

一是緊跟全球前沿技術動態，攻堅人工智能算法模型。加強語言、視覺、多模態等底層算法研究，突破類腦智能、世界模型等前沿技術。鼓勵研發提升算力效率的新型模型架構。 二是強化算力供給，推動構建人工智能軟硬件協同發展生態。加快高端芯片研發，通過關鍵場景應用加快技術創新迭代。突破人工智能芯片高速互聯、超低延遲傳輸、異構計算融合等關鍵技術。打造“類CUDA”AI計算軟件生態，發展編譯器、算子庫、AI框架等核心工具鏈。

（二）加強高質量數據集建設

一是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。二是建立跨行業、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。 三是鼓勵企業與科研機構合作，開展多模態、場景化數據合成與增強技術研究，豐富中文及行業數據集。 四是完善數據產權規則，明確數據采集、標注、使用的合規路徑，構建可持續的數據供給生態。

（三）優化資金支持

一是用好“AI戰略投資基金”，重點支持處于技術突破期的創新企業。二是落實各類財政支持政策，加大對國產AI框架、操作系統、AI開發工具研發的支持力度，吸引更多開發者投身自主 AI 軟件生態建設，夯實AI應用底座。 三是創新科技金融工具，推進知識產權證券化，激活企業無形資產價值。

（四）加大應用推廣

一是加快構建面向算力、模型、應用的一體化協同機制， 建立產業鏈上下游聯動平臺，推動科研院所、算力廠商與應用企業深度合作，打造技術研發、場景驗證、商業落地閉環。 二是完善數據與算力支撐體系，搭建跨行業數據共享平臺，加快國產算力與主流模型適配優化，降低應用開發成本。 三是創新多元化盈利模式，推廣行業解決方案訂閱制、按使用量計費等靈活定價方式，聚焦垂直領域打造可量化價值的應用場景。 四是強化政策引導與生態培育，以“人工智能 +”行動為抓手，打造標桿示范項目，破解場景規模化落地難題。

文：賽迪智庫人工智能產業形勢分析課題組

編輯：亮亮

指導：新文