点击“蓝字”
一起来关注我们吧
数字经济政策
2025年12月10日-11日，中央经济工作会议在京举行。习近平总书记出席会议并发表重要讲话，针对2026年经济工作部署八项重点任务，其中第二项“坚持创新驱动，加紧培育壮大新动能”强调要深化拓展“人工智能+”，完善人工智能治理。
（1）会议核心内容
总基调：稳中求进，实施更加积极有为的宏观政策
货币政策：从"稳健"转向"适度宽松"
财政政策：更加积极、加力提效
重点任务：扩大内需、科技创新、化解房地产和债务风险
发展方向：从单一供给侧改革转向供需协同发力
（2）2026年八项重点任务要点
一是坚持内需主导，建设强大国内市场。
二是坚持创新驱动，加紧培育壮大新动能。制定一体推进教育科技人才发展方案。建设北京（京津冀）、上海（长三角）、粤港澳大湾区国际科技创新中心。强化企业创新主体地位，完善新兴领域知识产权保护制度。制定服务业扩能提质行动方案。实施新一轮重点产业链高质量发展行动。深化拓展“人工智能+”，完善人工智能治理。创新科技金融服务。
三是坚持改革攻坚，增强高质量发展动力活力。
四是坚持对外开放，推动多领域合作共赢。
五是坚持协调发展，促进城乡融合和区域联动。
六是坚持“双碳”引领，推动全面绿色转型。
七是坚持民生为大，努力为人民群众多办实事。
AI发展趋势
量子位智库发布AI发展十大关键趋势
2025年12月10日，量子位智库在京举办MEET2026智能未来大会并发布《2025年度AI十大趋势报告》，报告基于对全球AI技术发展、产业应用和社会影响调研与分析，指出AI正从“工具时代”迈向“伙伴时代”，其发展将深刻重塑经济结构、社会形态和人类生活方式，总结提出十大关键趋势，内容要点选编如下。
（1）算力基建化：数据中心需求狂飙，算力经济是智能产业第一大引擎
算力已成为影响国家和企业战略布局的关键。全球范围内对AI算力的需求正以前所未有速度增长，推动超大规模数据中心的建设浪潮。这些数据中心不再仅仅是传统意义上的服务器托管场所，而是演变为由AI公司主导，集成海量计算、存储和网络资源的算力工厂。
面对全球性的算力竞争，我国已将算力基础设施建设提升至国家战略高度，正系统性地规划和布局全国一体化的算力网络。其核心目标是优化算力资源布局，推动“东数西算”工程，将东部地区的算力需求与西部地区丰富的可再生能源和土地资源相结合，构建一个高效、绿色、安全的国家算力枢纽体系。这一国家级别的规划，不仅为AI产业的发展提供了坚实的算力保障，也通过算力资源普惠化，赋能千行百业数字化转型，在全球数字经济竞争中占据有利地位。
（2）芯片AI化：AI原生需求重塑芯片创新，大市场大生态打开时代芯机遇
随着AI应用成为主流，芯片正在从“通用计算”转向“AI原生”。GPU因其强大的并行计算能力，已成为AI训练领域事实上的标准，用于AI的GPU成为稀缺资源，但其稀缺性和高昂的价格也促使行业寻求新的解决方案。
面对技术封锁和供应链安全挑战，中国正集中资源，加速推进AI芯片及其配套软件的国产替代进程。在关键技术上实现自主可控，已成为保障AI产业安全和发展的战略共识，为国产AI芯片和算力基础设施带来发展机遇。国产模型+国产芯片+国产SDK方案，首次在千亿级参数的大模型训练中得到成功验证，意味着中国已具备在不依赖国外核心技术情况下，自主完成超大规模AI模型训练能力。这一突破证明了国产技术方案的可行性，为后续更大规模、更复杂AI模型研发奠定基础。
（3）预训练决定大模型格局梯队，架构创新决定预训练水平
算力的制约始终存在，新的架构是解决“规模”与“效率”矛盾的关键路径。
混合专家模型。在模型规模上，业界相信规模定律(ScalingLaw)，即更大的模型通常能带来更好的性能。然而，无限增大模型参数也带来了训练和推理成本的急剧上升。为了在性能和效率之间取得平衡，混合专家模型架构成为了一种主流选择。
蒸馏小模型。与追求更大模型的趋势并行的是如何将大模型的知识和能力“蒸馏”到更小、更高效的模型中。模型蒸馏的原理是通过让小模型(学生模型)学习模仿大模型(教师模型)的输出分布或中间表示，在不显著损失性能情况下，大幅压缩模型尺寸，降低其对算力的需求。这对于将AI能力部署到手机、汽车等算力受限的边缘设备上至关重要。通过模型蒸馏技术，可以在端侧实现接近云端大模型的智能水平，同时满足低延迟、高隐私和低成本的要求。
强化学习。强化学习与大模型的结合，正成为提升模型在特定任务上表现的重要研究方向。传统的监督学习主要让模型学习模仿数据，而强化学习则通过与环境的交互和试错，让模型学习如何决策以获得最大化的奖励。这一技术已成为训练ChatGPT等对话式AI模型的标准流程，并被广泛应用于提升模型在代码生成、摘要、问答等复杂任务上的表现。
（4）大模型落地进入推理时间，推理需求倒逼模型创新
随着任务复杂度的提升，推理将持续成为技术创新的前沿。模型推理能力提升集中在3个方向。一是多模态深度推理，未来的模型需要能够融合和理解多种模态信息，进行跨模态的复杂推理。二是自适应推理，根据输入任务的复杂性，动态调整计算资源和推理策略。三是增量学习优化，从与环境的交互中学习，不断优化自身知识和策略，而非持续停留在固定训练数据上。
为了应对更复杂的任务，AI推理过程本身在发生变化，从追求即时响应转向允许更长思考时间。为了支持复杂的推理需求，底层推理框架也在不断进化。
（5）信息AI应用期，物理AI研发期，具身智能成合流风口
具身智能是物理Al的重要载体，是拥有物理实体(如机器人)的AI智能体，是AI从虚拟走向现实的桥梁。近年来，随着机器人技术、传感器技术和AI算法的进步，具身智能的实体化进程正在加速。在人形机器人领域，已经看到从实验室走向商业应用的初步迹象。工业场景中，人形机器人开始获得小规模商业订单，执行重复性、危险性或高精度任务；家庭场景中，虽然技术挑战更大，但各大厂商也在积极探索，并推出了一些原型产品。
（6）AI重塑流量入口：PC互联网、移动互联网、Agentic互联网
AI Agent的兴起，正在重塑数字世界的流量入口。传统的交互模式，如搜索引擎、应用商店和各种信息平台，都是基于“人找服务”的逻辑，而Agent带来“服务找人”全新范式。用户只需通过自然语言对话告诉Agent自己的需求，Agent就能自主地去调用各种应用和服务，完成复杂的任务，并将最终结果呈现给用户。这种对话即入口的模式，通过简化用户的操作流程，提供更加智能、个性化和无缝的体验。
（7）多模态成AI应用落地关键：视频、3D、代码依次展现生产力
在视频生成领域，AI有两条发展主线。一是通用视频大模型，目标是像文本和图像生成一样，通过简单的文本描述生成高质量、长时程、逻辑连贯的视频内容。二是行业垂直优化，特别是在影视制作和广告行业，AI视频生成工具正在用于快速生产特效、动画等，提升创作效率降低制作成本。
在3D生成领域，AI通过重塑原来耗时、繁琐的工作流程，将传统的3D建模流程统一化，实现从文本或图像输入到最终模型一次性生成，已在游戏、影视、元宇宙、工业设计等3D内容制作获得应用。
在代码生成领域，开发者用自然语言描述自己的编程意图，AI就能生成相应代码，正在成为开发者不可或缺的工具。
（8）AI硬件百端齐放：PC手机汽车眼镜玩具，焕脑正当时
AI正在催生全新的可穿戴设备形态，例如：集成了AI功能的智能眼镜、智能手表、智能耳机等，它们能够实时感知用户的环境和状态，并提供主动、个性化的信息和服务。
智能手机等移动设备是端侧智能的另一个重要战场，苹果、谷歌、三星、华为、小米等厂商，正在将越来越多A1功能深度集成到其移动操作系统中。
（9）AI4S突破加速AGI实现，AI数理化触及博士水平
AI正在重塑科学研究的全流程，从数据分析到研究假设的生成，机会正在科学研究的各个环节涌现。AI能够评估新发现的潜力和影响，为高性能计算和开放科学基础设施等关键领域的投资提供指导。
（10）开源AI进入中国时间，AGI拥有中国路线
中国的AI企业正在经历深刻转型，从单纯的应用向核心技术自主研发转变化。华为、阿里、腾讯、百度等投入巨资研发AI芯片、大模型；初创公司DeepSeek明确将追求AGI作为发展目标。
（信息来源：公开渠道搜集，仅供知识分享，如有侵权请联系删除）
内 容：数字化规划研究中心（数字化规划）王东升
编 辑：陈曦
校 对：井文宝
审 核：王钐杉
点击↑喜报 | 联通研究院网络智能运营领域成果获“金灵光杯”中国互联网创新大赛多项科技奖
点击↑凝心聚力谋发展 用心用情强服务——联通研究院召开2025年企务公开发布会暨院长直通车暨总经理时刻在线活动
点击下方“阅读原文”，查看更多内容
