21世纪经济报道见习记者冉黎黎北京报道

　　《关于深入实施“人工智能+”行动的意见》（以下简称《意见》）近日发布，明确部署了“人工智能+”在科学技术、产业发展、消费提质、民生福祉、治理能力与全球合作等六大领域的行动，并提出了三个阶段发展目标。

　　《意见》目标设定背后有哪些对“约束”与“自由”的考量？智能原生企业发展存在怎样的想象空间？针对相关问题，21世纪经济报道记者专访了国家信息中心党委书记、主任徐强。

　　徐强长期从事宏观经济和信息化战略研究，主持和参与国家电子政务外网、智慧发改等国家重大信息化项目，带领团队围绕宏观经济预测、国家中长期规划、大数据、数字经济、人工智能等领域形成大量研究成果，为国家宏观决策提供重要支撑。

　　徐强表示，《意见》提出3个阶段性目标，以人工智能规模化应用的确定性，应对技术和外部环境急剧变化的不确定性。在具体实施路径上，要积极建立容错机制、适当做好政策留白，为调动全社会创造性、能动性留足了发展空间。智能原生企业的发展想象空间巨大，其核心在于利用人工智能技术进行根本性创新，智能原生企业有望实现“一人独角兽”，即个人在AI智能体的辅助下，能掌控从研发、生产、营销到客服的全流程。

　　做好政策留白给“AI+”空间

　　《21世纪》：《意见》的目标设定背后隐含哪些对人工智能发展的“确定性”与“不确定性”的把控？或者有哪些对“约束”与“自由”的考量？

　　徐强：在目标设定导向上，《意见》提出3个阶段性目标，以人工智能规模化应用的确定性，应对技术和外部环境急剧变化的不确定性。

　　在具体实施路径上，一方面，要在坚持协同联动、系统推进的基础上，用好因地制宜、分业施策这一科学方法论，推动各部门各地立足行业特征、区位特点、资源禀赋和产业基础，形成各具特色、各展实效、优势互补的协同发展态势，坚决避免无序竞争、一哄而上。另一方面，考虑到人工智能技术不确定性较强，要在做好标准制定、数据开放、安全监管等兜底保障基础上，积极建立容错机制、适当做好政策留白，为调动全社会创造性、能动性留足了发展空间。

　　《21世纪》：《意见》提出到2027年，新一代智能终端、智能体等应用普及率超70%。你如何理解这一目标的设定？实现这一目标的关键驱动力是硬件成本的下滑、杀手级应用的出现，还是用户习惯的根本性变革？

　　徐强：这个目标远不止是一个简单的市场份额指标，它背后蕴含的深层意图可以从三方面理解。

　　一是实现万物智联。终端设备不再是简单的执行命令的工具，而是能够感知环境、理解意图、自主学习，并主动提供服务的“智能伙伴”。未来的交互方式将从手指点击App逐渐转变为自然语言对话人工智能。70%的普及率目标意味着这种更高效更智慧化的交互方式成为主流。

　　二是打造新质生产力的重要载体。智能终端和智能体是人工智能技术落地应用、赋能千行百业的主要形态。普及智能终端和智能体，可以将人工智能技术转化为实际的生产力，推动产业升级。

　　三是创造新的经济增长极和消费市场。智能终端和智能体的普及将催生巨大的硬件市场、软件服务市场和内容生态，还能衍生激发出更新的消费需求，为内需市场注入强劲动力。

　　实现这一目标的基本条件是技术成熟。多模态大模型的快速发展让机器能看懂听懂并理解世界，为智能终端提供真正智慧的大脑。端侧AI芯片让设备本地处理人工智能任务成为可能，这是必然的技术发展趋势，但是技术达到完全成熟的速度可能有快有慢。实现这一目标的加速器是杀手级应用出现，按照移动互联网的规律，移动互联网技术兴起之后的七到八年出现了杀手级应用，人工智能或许能够更快地找到杀手级应用。实现这一目标的最终体现是用户习惯的根本性变革。当智能终端和智能体实现了好用易用，用户迁移的速度将是惊人的。

　　“人工智能+”源于社会期待

　　《21世纪》：“普惠”二字在《意见》中多次出现，你认为实现人工智能普惠最大的技术壁垒和成本障碍是什么？

　　徐强：技术层面，在将人工智能前沿技术转化为低成本、高可靠、易部署的应用服务过程中，亟待解决系统性、适配性与稳定性等一系列技术门槛问题。

　　成本层面，人工智能面临研发成本和算力投入巨大、高端复合型人才稀缺、高质量数据获取治理成本高昂、部分重要场景开放程度较低等现实情况，多方面因素成为了推动人工智能广泛深度应用的关键障碍。

　　文件提出布局建设一批国家人工智能应用中试基地，就是要解决人工智能应用发展中的关键共性问题，打通人工智能应用供需对接、数据开放、资源共享、技术交流渠道，打造算力、数据、模型共性服务能力，大幅降低应用创新门槛。

　　《21世纪》：推进“人工智能+”，我们要如何将市场规模优势转化为技术标准和产业规则的优势？

　　徐强：将市场规模优势转化为技术标准和产业规则优势，必须要充分发挥以创新带应用、以应用促创新的良性循环作用。我国市场规模优势能够为人工智能技术创新提供持续性的正向反馈机制，有助于形成“技术—应用—市场”相互促进的动态循环。依托市场实践基础，通过建设中试基地、打造标杆案例和推动行业解决方案复用，有利于加速技术成熟与标准化进程，推动以标准建设促进要素协同乘数效应的加快释放。在此基础上，大力支持领军企业、科研机构和行业组织牵头制定关键标准，积极参与国际规则制定，最终实现从市场规模优势向制度型竞争优势的战略转型。

　　《21世纪》：“人工智能+”的与十年前的“互联网+”在所面临的形势与发展空间上有哪些不同？

　　徐强：第一，社会认知基础不同。十年前推出“互联网+”时，互联网虽已基本普及，但全社会对于其如何深度改造升级传统产业、重塑经济社会发展模式的理解尚浅。而今在新一轮人工智能技术浪潮下，“人工智能+”起步于一个全社会已有一定共识和迫切期待的基础之上。社会公众和企业主体对人工智能的感知程度和想象空间已被极大激发，形成了强大的社会动员基础和旺盛需求前提，这是“互联网+”初期所不具备的显著差异。

　　第二，技术自主程度不同。“互联网+”时代，我国互联网应用生态体系虽然较为完备，但大部分技术仍以国外引进为主。近年来，我国人工智能基础理论研究、技术创新发展和工程应用实践屡次取得重要突破，多个国产大模型、智能体、智能机器人综合能力达到国际先进水平，不断刷新多个国际主流测评榜单，人工智能底层框架、先进芯片、软硬件生态等薄弱短板加速补齐，这意味着实施“人工智能+”行动，我们有更强的信心底气。

　　第三，关键作用机理不同。“互联网+”的本质是“连接”，通过打破信息孤岛，有助于大幅提升速度和效率。而“人工智能+”的本质是“涌现”，在“互联网+”的发展基础上，不仅可以执行人类预设的规则，更能在复杂环境中形成新的模式、发现新的规律，甚至提出新问题，因此“人工智能+”将会为经济社会发展注入兼具破局力与想象力的时代动能，想象空间无限。

　　智能体：个人掌控企业新可能

　　《21世纪》：在“人工智能+”产业发展方面，《意见》提出在软件、信息、金融、商务、法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。《意见》选取以上领域背后的核心逻辑是什么？

　　徐强：主要是基于技术、经济、获得感三方面的考量。

　　一是技术可行性。上述行业都是数据富矿，能够为人工智能应用提供最肥沃的土壤。数据基础越好，人工智能的应用效果就越好。

　　二是经济带动性。这些行业都是辐射效应较强的行业，其智能化转型升级能产生较好的带动效应。金融是经济的血液，交通和物流是经济的动脉，商贸和商务是经济的循环系统，软件和信息则是经济的智能底座。通过这些行业可以更好地带动全要素生产率提升。

　　三是民众获得感。这些领域与智能终端和智能体结合之后可以快速触达每个人。智能交通提升出行效率，智能物流让快递更快更便宜更精准，智能司法降低法律服务门槛，这些都让人民群众直接感受到技术进步带来的实惠。

　　《21世纪》：《意见》提到，加快培育一批底层架构和运行逻辑基于人工智能的智能原生企业。接下来，智能原生企业发展存在怎样的想象空间？

　　徐强：智能原生企业的发展想象空间巨大，其核心在于利用人工智能技术进行根本性创新，未来可能有以下几方面的突破。

　　一是重新定义生产力与组织形态。智能原生企业有望实现“一人独角兽”，即个人在AI智能体的辅助下，能掌控从研发、生产、营销到客服的全流程。AI智能体作为“数字员工”，能承担大量重复性工作，而人类则更专注于战略、创意和情感连接等高价值任务。企业的组织架构将变得更扁平化、网络化和柔性化，更能快速响应市场变化。

　　二是在效率提升的基础上更具价值创造。传统数字化追求的是流程优化和效率提升，而智能原生企业则致力于利用人工智能创造新的价值维度。智能体和机器人可以提供高度定制化的体验，实现基于人工智能的按照使用效果付费的个性化产品或服务。

　　三是推动实现产业全要素智能化。智能原生企业提供的技术和解决方案能让机器设备、原材料等各类产业要素都嵌入“AI大脑”，实现智能协同和任务自动流转，帮助传统产业实现全要素智能化，从而提升整体产业效能。智能原生企业将成为智能经济的重要引擎。

　　《21世纪》：在“人工智能+”科学技术方面，《意见》提出加快探索人工智能驱动的新型科研范式，加速“从0到1”重大科学发现进程。这个过程将如何重塑科研体系、产业格局？

　　徐强：从科研体系来看，一是科研范式将从“假设驱动”转变为“模型驱动”。传统范式受限于人类提出假设的想象力和现有知识边界，过程周期长、成本高。而人工智能能直接从海量和高维的基因、天文、材料等科学数据中发现人类未曾想到的模式、关联性和新规律。科学家甚至可以在没有明确假设时让人工智能探索数据来发现新的现象，“零假设”科研极大地拓展了科学发现的疆域。二是科研主体将从“人员团队”转变为“人机协作团队”。人机协同将成为科研的常态。三是科研基础设施将从“仪器仪表”扩充到“模型算力数据”。除了传统的实验仪器，大模型、算力、高质量数据集将成为最重要的科研基础设施。

　　从产业格局来看，一是研发模式将从“线性研发”转变成“高速迭代”。在生物医药、材料科学、化学等领域，人工智能能快速筛选数百万种候选分子或材料，将过去需要数年、耗资数十亿美元的发现过程缩短到几个月甚至几周，使得研发效率呈数量级提升，研发成本快速下降。二是竞争核心将从“专利壁垒”转变为“数据算法壁垒”。独占的高质量的科学数据集、具有自主发现能力的科学大模型将成为最关键的战略资产。三是新兴产业与商业模式崛起。可能会出现新型研发外包公司，它们不直接生产产品，而是利用其强大的人工智能发现平台，为大型药企、化工企业提供“候选分子发现”服务。