一、中国人工智能跻身全球第一梯队 当前，全球人工智能竞争格局正加速变化，技术研发与规模化应用同步推进，成为各国争夺战略高地的关键；基于此，中国人工智能产业的整体实力日益受到国际关注。 全国人大代表、中国科学院科技战略咨询研究院院长潘教峰近日在接受专访时表示，人工智能发展已进入大规模落地应用的关键阶段。中国在此阶段的综合表现已处于全球第一梯队：在应用层面与美国相当，部分维度甚至略有优势。 这一判断有数据支撑。从可量化指标看，中国大模型调用量已超过美国近一倍，显示出在实际使用的深度与广度上形成了明显规模优势。大模型调用量不仅反映需求的活跃程度，也在一定程度上体现产业生态成熟度与落地效果。 二、“应用驱动创新”：中国路径的核心逻辑 潘教峰将中国人工智能取得阶段性进展的关键概括为“应用驱动创新”。与一些国家更偏重基础理论研究不同，中国依托超大规模市场、丰富应用场景和相对完整的产业链，形成了以需求牵引技术突破的优势。 制造业数字化转型、智慧城市、医疗健康、金融科技、交通物流等领域的持续落地，为人工智能提供了可反复验证与迭代的真实场景。“以用促研、以用促产”的路径，使中国在工程化和产品化能力上积累了更多实践经验，形成了差异化竞争力。 同时，政策支持也为产业发展提供了稳定支撑。近年来，国家层面持续推出人工智能有关规划与扶持举措，覆盖算力基础设施、场景开放、人才培养和标准体系建设等方向，推动形成共同推进的政策环境。 三、短板依然存在，高端芯片与基础架构是关键制约 在肯定成绩的同时，潘教峰也指出中国人工智能发展仍有明显短板，主要集中在高端芯片供给与基础模型架构两上。 高端芯片仍是算力提升的重要瓶颈。受国际技术限制影响，国内高性能计算芯片的自主供给能力尚难完全满足大规模训练需求，进而影响基础大模型研发效率与迭代速度。 基础模型架构上，中国在原创性架构设计上与国际前沿仍存在差距。当前不少主流大模型更多是在既有架构上优化，具有自主知识产权的底层架构创新仍需长期投入。 这些短板提示行业在释放应用红利的同时，必须同步加强基础研究与核心技术攻关，降低关键环节受制于人的风险。 四、以应用创新带动前端突破，前景可期 针对上述制约，潘教峰持审慎乐观态度。他认为，应用侧创新持续深化，会不断提出更高要求，形成倒逼机制，推动芯片设计、基础架构等核心领域取得突破。历史经验表明，应用需求的集中爆发往往会加速基础技术迭代。 从国内产业动向看，多家科技企业与科研机构正持续加码自研芯片、国产算力平台及新型模型架构，部分成果已初步具备商业化落地条件。国家层面也将人工智能芯片作为科技自立自强的重要攻关方向，相关资源正加快向该领域集中。
人工智能的价值不只在于“能不能做”，更在于“能不能规模化、可持续地创造生产力”；把握规模化落地的窗口期，既要用好应用优势带来的机会，也要加大力度补齐底层短板、夯实创新基础，推动技术进步与产业升级相互促进，才能在全球竞争中形成更稳固、更持久的综合优势。