《關于深入實施“人工智能+”行動的意見》（以下簡稱《意見》）近日發布，明確部署了“人工智能+”在科學技術、產業發展、消費提質、民生福祉、治理能力與全球合作等六大領域的行動，并提出了三個階段發展目標。

《意見》目標設定背后有哪些對“約束”與“自由”的考量？智能原生企業發展存在怎樣的想象空間？針對相關問題，21世紀經濟報道記者專訪了國家信息中心黨委書記、主任徐強。

徐強長期從事宏觀經濟和信息化戰略研究，主持和參與國家電子政務外網、智慧發改等國家重大信息化項目，帶領團隊圍繞宏觀經濟預測、國家中長期規劃、大數據、數字經濟、人工智能等領域形成大量研究成果，為國家宏觀決策提供重要支撐。

徐強表示，《意見》提出3個階段性目標，以人工智能規模化應用的確定性，應對技術和外部環境急劇變化的不確定性。在具體實施路徑上，要積極建立容錯機制、適當做好政策留白，為調動全社會創造性、能動性留足了發展空間。智能原生企業的發展想象空間巨大，其核心在于利用人工智能技術進行根本性創新，智能原生企業有望實現“一人獨角獸”，即個人在AI智能體的輔助下，能掌控從研發、生產、營銷到客服的全流程。

《21世紀》：《意見》的目標設定背后隱含哪些對人工智能發展的“確定性”與“不確定性”的把控？或者有哪些對“約束”與“自由”的考量？

徐強：在目標設定導向上，《意見》提出3個階段性目標，以人工智能規模化應用的確定性，應對技術和外部環境急劇變化的不確定性。

在具體實施路徑上，一方面，要在堅持協同聯動、系統推進的基礎上，用好因地制宜、分業施策這一科學方法論，推動各部門各地立足行業特征、區位特點、資源稟賦和產業基礎，形成各具特色、各展實效、優勢互補的協同發展態勢，堅決避免無序競爭、一哄而上。另一方面，考慮到人工智能技術不確定性較強，要在做好標準制定、數據開放、安全監管等兜底保障基礎上，積極建立容錯機制、適當做好政策留白，為調動全社會創造性、能動性留足了發展空間。

《21世紀》：《意見》提出到2027年，新一代智能終端、智能體等應用普及率超70%。你如何理解這一目標的設定？實現這一目標的關鍵驅動力是硬件成本的下滑、殺手級應用的出現，還是用戶習慣的根本性變革？

徐強：這個目標遠不止是一個簡單的市場份額指標，它背后蘊含的深層意圖可以從三方面理解。

一是實現萬物智聯。終端設備不再是簡單的執行命令的工具，而是能夠感知環境、理解意圖、自主學習，并主動提供服務的“智能伙伴”。未來的交互方式將從手指點擊App逐漸轉變為自然語言對話人工智能。70%的普及率目標意味著這種更高效更智慧化的交互方式成為主流。

二是打造新質生產力的重要載體。智能終端和智能體是人工智能技術落地應用、賦能千行百業的主要形態。普及智能終端和智能體，可以將人工智能技術轉化為實際的生產力，推動產業升級。

三是創造新的經濟增長極和消費市場。智能終端和智能體的普及將催生巨大的硬件市場、軟件服務市場和內容生態，還能衍生激發出更新的消費需求，為內需市場注入強勁動力。

實現這一目標的基本條件是技術成熟。多模態大模型的快速發展讓機器能看懂聽懂并理解世界，為智能終端提供真正智慧的大腦。端側AI芯片讓設備本地處理人工智能任務成為可能，這是必然的技術發展趨勢，但是技術達到完全成熟的速度可能有快有慢。實現這一目標的加速器是殺手級應用出現，按照移動互聯網的規律，移動互聯網技術興起之后的七到八年出現了殺手級應用，人工智能或許能夠更快地找到殺手級應用。實現這一目標的最終體現是用戶習慣的根本性變革。當智能終端和智能體實現了好用易用，用戶遷移的速度將是驚人的。

《21世紀》：“普惠”二字在《意見》中多次出現，你認為實現人工智能普惠最大的技術壁壘和成本障礙是什么？

徐強：技術層面，在將人工智能前沿技術轉化為低成本、高可靠、易部署的應用服務過程中，亟待解決系統性、適配性與穩定性等一系列技術門檻問題。

成本層面，人工智能面臨研發成本和算力投入巨大、高端復合型人才稀缺、高質量數據獲取治理成本高昂、部分重要場景開放程度較低等現實情況，多方面因素成為了推動人工智能廣泛深度應用的關鍵障礙。

文件提出布局建設一批國家人工智能應用中試基地，就是要解決人工智能應用發展中的關鍵共性問題，打通人工智能應用供需對接、數據開放、資源共享、技術交流渠道，打造算力、數據、模型共性服務能力，大幅降低應用創新門檻。

《21世紀》：推進“人工智能+”，我們要如何將市場規模優勢轉化為技術標準和產業規則的優勢？

徐強：將市場規模優勢轉化為技術標準和產業規則優勢，必須要充分發揮以創新帶應用、以應用促創新的良性循環作用。我國市場規模優勢能夠為人工智能技術創新提供持續性的正向反饋機制，有助于形成“技術—應用—市場”相互促進的動態循環。依托市場實踐基礎，通過建設中試基地、打造標桿案例和推動行業解決方案復用，有利于加速技術成熟與標準化進程，推動以標準建設促進要素協同乘數效應的加快釋放。在此基礎上，大力支持領軍企業、科研機構和行業組織牽頭制定關鍵標準，積極參與國際規則制定，最終實現從市場規模優勢向制度型競爭優勢的戰略轉型。

《21世紀》：“人工智能+”的與十年前的“互聯網+”在所面臨的形勢與發展空間上有哪些不同？

徐強：第一，社會認知基礎不同。十年前推出“互聯網+”時，互聯網雖已基本普及，但全社會對于其如何深度改造升級傳統產業、重塑經濟社會發展模式的理解尚淺。而今在新一輪人工智能技術浪潮下，“人工智能+”起步于一個全社會已有一定共識和迫切期待的基礎之上。社會公眾和企業主體對人工智能的感知程度和想象空間已被極大激發，形成了強大的社會動員基礎和旺盛需求前提，這是“互聯網+”初期所不具備的顯著差異。

第二，技術自主程度不同。“互聯網+”時代，我國互聯網應用生態體系雖然較為完備，但大部分技術仍以國外引進為主。近年來，我國人工智能基礎理論研究、技術創新發展和工程應用實踐屢次取得重要突破，多個國產大模型、智能體、智能機器人綜合能力達到國際先進水平，不斷刷新多個國際主流測評榜單，人工智能底層框架、先進芯片、軟硬件生態等薄弱短板加速補齊，這意味著實施“人工智能+”行動，我們有更強的信心底氣。

第三，關鍵作用機理不同。“互聯網+”的本質是“連接”，通過打破信息孤島，有助于大幅提升速度和效率。而“人工智能+”的本質是“涌現”，在“互聯網+”的發展基礎上，不僅可以執行人類預設的規則，更能在復雜環境中形成新的模式、發現新的規律，甚至提出新問題，因此“人工智能+”將會為經濟社會發展注入兼具破局力與想象力的時代動能，想象空間無限。

《21世紀》：在“人工智能+”產業發展方面，《意見》提出在軟件、信息、金融、商務、法律、交通、物流、商貿等領域，推動新一代智能終端、智能體等廣泛應用。《意見》選取以上領域背后的核心邏輯是什么？

徐強：主要是基于技術、經濟、獲得感三方面的考量。

一是技術可行性。上述行業都是數據富礦，能夠為人工智能應用提供最肥沃的土壤。數據基礎越好，人工智能的應用效果就越好。

二是經濟帶動性。這些行業都是輻射效應較強的行業，其智能化轉型升級能產生較好的帶動效應。金融是經濟的血液，交通和物流是經濟的動脈，商貿和商務是經濟的循環系統，軟件和信息則是經濟的智能底座。通過這些行業可以更好地帶動全要素生產率提升。

三是民眾獲得感。這些領域與智能終端和智能體結合之后可以快速觸達每個人。智能交通提升出行效率，智能物流讓快遞更快更便宜更精準，智能司法降低法律服務門檻，這些都讓人民群眾直接感受到技術進步帶來的實惠。

《21世紀》：《意見》提到，加快培育一批底層架構和運行邏輯基于人工智能的智能原生企業。接下來，智能原生企業發展存在怎樣的想象空間？

徐強：智能原生企業的發展想象空間巨大，其核心在于利用人工智能技術進行根本性創新，未來可能有以下幾方面的突破。

一是重新定義生產力與組織形態。智能原生企業有望實現“一人獨角獸”，即個人在AI智能體的輔助下，能掌控從研發、生產、營銷到客服的全流程。AI智能體作為“數字員工”，能承擔大量重復性工作，而人類則更專注于戰略、創意和情感連接等高價值任務。企業的組織架構將變得更扁平化、網絡化和柔性化，更能快速響應市場變化。

二是在效率提升的基礎上更具價值創造。傳統數字化追求的是流程優化和效率提升，而智能原生企業則致力于利用人工智能創造新的價值維度。智能體和機器人可以提供高度定制化的體驗，實現基于人工智能的按照使用效果付費的個性化產品或服務。

三是推動實現產業全要素智能化。智能原生企業提供的技術和解決方案能讓機器設備、原材料等各類產業要素都嵌入“AI大腦”，實現智能協同和任務自動流轉，幫助傳統產業實現全要素智能化，從而提升整體產業效能。智能原生企業將成為智能經濟的重要引擎。

《21世紀》：在“人工智能+”科學技術方面，《意見》提出加快探索人工智能驅動的新型科研范式，加速“從0到1”重大科學發現進程。這個過程將如何重塑科研體系、產業格局？

徐強：從科研體系來看，一是科研范式將從“假設驅動”轉變為“模型驅動”。傳統范式受限于人類提出假設的想象力和現有知識邊界，過程周期長、成本高。而人工智能能直接從海量和高維的基因、天文、材料等科學數據中發現人類未曾想到的模式、關聯性和新規律。科學家甚至可以在沒有明確假設時讓人工智能探索數據來發現新的現象，“零假設”科研極大地拓展了科學發現的疆域。二是科研主體將從“人員團隊”轉變為“人機協作團隊”。人機協同將成為科研的常態。三是科研基礎設施將從“儀器儀表”擴充到“模型算力數據”。除了傳統的實驗儀器，大模型、算力、高質量數據集將成為最重要的科研基礎設施。

從產業格局來看，一是研發模式將從“線性研發”轉變成“高速迭代”。在生物醫藥、材料科學、化學等領域，人工智能能快速篩選數百萬種候選分子或材料，將過去需要數年、耗資數十億美元的發現過程縮短到幾個月甚至幾周，使得研發效率呈數量級提升，研發成本快速下降。二是競爭核心將從“專利壁壘”轉變為“數據算法壁壘”。獨占的高質量的科學數據集、具有自主發現能力的科學大模型將成為最關鍵的戰略資產。三是新興產業與商業模式崛起。可能會出現新型研發外包公司，它們不直接生產產品，而是利用其強大的人工智能發現平臺，為大型藥企、化工企業提供“候選分子發現”服務。