中国AI发展趋势前瞻

人工智能（AI）企业数量超过6000家，AI核心产业规模预计突破1.2万亿元，同比增长近30%；国产开源大模型全球累计下载量突破100亿次；中国成为AI专利最大拥有国……

这些数据勾勒出2025年中国AI发展的图景。

2026年AI发展趋势如何，本文为您前瞻。

技术范式：AI从“聊天”走向“做事”

1月，DeepSeek连发两篇公司创始人梁文锋参与署名的论文，再次将这家AI企业推到聚光灯下。业界评价，新一代大模型模样更清晰了。

“DeepSeek标志着中国AI技术路线分化突破的出现。”清华大学智能产业研究院创始院长张亚勤说:“中国转向拥抱更轻的模型、更聪明的架构、更高的效率和更低的价格。”

眼下，AI发展正沿两条主线并进：技术向上冲刺，寻求突破认知与协同的局限；应用向下扎根，解决真实痛点。

张亚勤说：“规模定律并未失效，我们仍需要算力和数据作为基座。”业内人士认为，算法架构革新将是AI未来发展的突破点。

曾担任OpenAI研究员、后出任腾讯总裁办公室首席AI科学家的姚顺雨认为，在AI竞争的下一个阶段，为谁解决什么问题成为关键。

各大厂商不约而同加快AI真实场景落地的开发。腾讯已把自研大模型在内部超过900个场景和应用落地，相关负责人说核心思路是把AI深度融入场景，让好用的AI成为普惠生产力。百度公司创始人李彦宏称，未来AI领域只会剩下少数几个基础模型，但在应用层，将出现许多在不同方向上都取得成功的参与者，那里才是机会最多的地方。

曾经硝烟弥漫的“百模大战”落下帷幕，等待参与者的是一场围绕真实场景渗透、产业生态构建与应用价值深挖的耐力赛。

自1956年达特茅斯会议以来，人工智能已走过70年历程。张亚勤认为，人工智能正向智能体AI加速演进。智能体AI能够像人一样设定任务、规划实现路径、试错反馈，具有自主性、能举一反三和长期记忆三个特征。

如果说聊天机器人是“会说话的字典”，智能体AI就是“能自主干活的管家”。AI的创新前沿将突破数字世界的边界，未来的AI将是信息智能、物理智能和生物智能的融合。

算力建设：系统升级加速协同

算力，计算设备或系统执行任务的能力，不只是芯片的堆砌，而是一个由硬件、软件、能源与网络精密协作的系统。

AI时代，算力就是新石油，AI算力中心是提炼和输送石油的超级工厂。

工信部数据显示，我国已建成万卡智算集群42个，智能算力规模超过1590 EFLOPS，位居全球前列。

业界认为，中国算力发展将继续呈现“政府顶层设计+市场创新活力”双轮驱动特征。

产业架构将从分散走向全国一体化，是未来算力发展的明显特征。东数西算工程已形成覆盖东中西部的8大枢纽节点、10个数据中心集群，其中8大枢纽节点已建成智算规模超过全国智算总量的80%。

“十五五”规划建议提出推进“全国一体化算力网”，国务院《关于深入实施“人工智能+”行动的意见》强调“强化智能算力统筹”，指明未来算力发展将加强高效协同。

工信部赛迪院电子所副所长马晓凯认为，算力网建设呈现集约化、一体化、协同化、价值化等特征，算力资源正在向枢纽节点集聚，跨地域调度平台逐步完善，政府引导、市场运作的协同机制正在建立，算力与电力加快协同。

中国信通院云计算与大数据研究所副所长李洁认为智算中心将向算力高密化、集群规模化、绿色低碳化方向演进，算力中心单机架功率与算力密度将逐渐提升，算力中心间协同联动能力强化，规模化算力集群将加快构建。

硬件层面，不仅是芯片研发，还有构建软硬件协同生态。头部科技公司正打造能兼容多种国产芯片的异构计算平台。

应用层面，算力加速从科技企业走向千行百业。今年，上海、珠海等地已宣布发放算力券，降低中小企业使用智能算力的门槛，引导算力资源流向工业制造等实体经济领域。

电力，被业界称为“算力的尽头”。中国信通院报告显示，2024年中国数据中心用电量占社会用电量比例1.68%，并提出未来高中低三种差异化发展场景，按照中速增长，预计到2030年底这一比例将达3%左右，全国数据中心用电量将突破4000亿千瓦时；而按照高速增长趋势，或将突破7000亿千瓦时。

“算电协同”从趋势上升为战略必然。国家引导算力向西部可再生能源富集区布局，打造绿色算力基地。

展望算力前景，李洁认为“我们不仅追求硬件性能的突破，也关注从硬件到软件、从基础设施到绿色能源的系统性创新”。

数据挖掘：从规模导向转为质量与专业化

因AI应运而生的数据标注行业，正从以往劳动密集转向知识密集。10年前，数据标注公司常落户于中西部地区，受教育不多的人们会用鼠标就能完成“看图贴标签”。随着生成式AI的突破和落地千行百业，越来越需要挖掘沉淀于行业企业的数据和专业人士的经验，并将经验转化为AI可理解的“数据燃料”。

在AI三要素中，算法像设计图，定义AI学习的方法和逻辑；算力是引擎，提供计算的能力；数据则像人类学习所需要的书本和经验。

AI技术的竞争焦点正转向更基础也更难复制的要素——高质量数据。

中国信通院人工智能研究所所长魏凯说，训练行业模型解决垂直行业里的深度问题，需要高质量的行业数据集。

“比如，放射科医生看片子里有没有结节，靠的是数十年的医学经验，AI看片子也需要医生教它。现在的数据标注要往纵深发展，把行业的深度知识、专家经验转化为能够被机器学习的样本，需要标注加工。”

中国拥有全球最大的互联网用户群体，拥有全门类的工业体系，从原材料开采、中间品加工到终端产品制造的全要素、全过程、全环节数据成为宝贵资源。 但另一面，很多人有这样的经历：在A医院做的检查，其结果并不被B医院接受，原因在于医疗数据标准不统一，数据无法跨院流动。

工信部赛迪研究院信软所所长韩健认为，数据价值密度不均、数据标准参差不齐、数据流通壁垒重重，导致大量数据“存而不用”，部门、企业的数据像一个个“孤岛”，“不敢传”（怕泄密）、“不愿传”（怕丧失竞争优势）、“不会传”（缺乏技术标准）。

难题正在破解。随着数据被明确为关键生产要素，国家数据局挂牌，《“数据要素×”三年行动计划（2024—2026年）》等相继出台，旨在培育数据产业，打造高质量数据集。

专家认为，AI应用到千行百业后，数据有望成为新的中国优势，因为中国工业门类齐全、数字经济发达。未来的关键是充分挖掘利用我国在制造业和互联网等优势领域中积累的“数据金矿”，形成“业务产生数据、数据训练AI、AI反哺业务”的良性循环。

产业赋能：驱动中国制造加快转型升级

一家有70多年历史的电池厂应用AI，会发生什么？

研发环节采用AI配方大模型，高效开发多特性电池；生产通过AI实时联动设备与工艺，实现预警，提升稳定性；检测引入AI云系统，以算法替代人工，保障大批量生产下的质量一致性。

这折射一个趋势：AI并非高科技产业的专属，它正成为传统产业转型升级的重要驱动力。

“美国聚焦闭源，而中国主导开源市场，这一格局直接推动中国企业快速切入AI+产业。”香港科技大学（广州）协理副校长熊辉说。

国家数据局的数据显示，2024年初中国日均Token消耗量1000亿，而截至2025年6月底，中国日均Token消耗量突破30万亿。一年半时间增长300多倍，反映出AI应用落地的快速增长。

Token，中文叫“词元”，是大语言模型处理信息的基本单位。模型输出每一个答案都消耗Token。

“大模型会率先在数字化基础较好、数字化人才相对聚集的行业落地，比如互联网服务、金融、政务等信息化技术好的领域；在物理资产较多、数字化相对滞后的传统产业则会落地较缓。”魏凯分析说。

聚焦制造业，会发现AI应用在三个维度展开：研发设计、生产制造、运营管理。

“目前，大模型应用超过40%聚集在客服等运营管理环节，30%至40%应用于研发环节，原本处于‘中间缓’的生产制造环节AI应用比例从2024年的19.9％提升到2025年的25.9%，未来还将提升。”魏凯说。

社会价值：深刻改变治理方式和运行规则

在四川德阳，城市“大脑”以算法分钟级发现路面问题；在甘肃临洮，大桥上的AI可识别行人翻越栏杆、靠近水流等行为，与警务等部门联动，挽救了20多条生命。从事后处置转向事前预警，从“人海战术”转向智能调度，人工智能的触角以前所未有的广度和深度，嵌入社会运行的一道道肌理。

重塑治理理念，人机协同的治理新模式应运而生。

这股力量渗透进日常生活的毛细血管——消费。去年，淘宝天猫推出6款AI导购应用。“平台和产品变得更懂消费者。这不再是简单的‘猜你喜欢’，而是‘懂你需要’，消费起点从用户的需求清单逐渐变为AI的算法推荐。”淘天集团研究中心主任徐飞说。

中金公司2026年展望报告显示，消费电子的“端侧AI时代”已经来临，今年有望成为AI消费终端大规模普及的关键年份。

新华社供稿