推广 热搜： 采购方式滤芯带式称重给煤机甲带气动隔膜泵减速机型号无级变速机链式给煤机履带减速机

【精读】2025网信自主创新调研报告-第七章

日期：2026-06-16 14:20:06 来源：网络整理作者：本站编辑评论：0

经过数月的调研和分析整理工作，《2025网信自主创新调研报告》如期和读者见面了。本报告基于对全国范围内网信自主创新实践的系统性调研，汇聚了来自一线的数百个真实案例。

在内容架构上，本报告创新性地采用三篇式布局：

第一篇“传统网信技术篇”采用问题导向的编写思路，围绕产业实践中面临的六大核心痛点设立六个章节。

第二篇“人工智能篇”作为新兴技术领域，侧重从双维度展开：一方面聚焦人工智能技术研发层面的创新实践；另一方面深入考察人工智能在产业应用维度的落地情况。

第三篇“案例汇编篇”系统整理本年度调研工作采集到的有效案例，为读者提供详实的实践参考。

如果说第一年参与调研和报告编写工作是出于兴趣，第二年、第三年是出于情怀，那么连续8年参与这项工作就变成了一种责任。编委会将把这项工作坚持做下去。

从今天开始，“自主指令先锋号”将对报告的各个章节进行连载，希望对读者有提供有益的帮助。

第7章攻坚AI技术，探索工程与前沿

7.1.从模型突破到体系化与场景化攻坚的AI研发新阶

当前，人工智能技术的发展已跨越了以模型性能突破为核心的初期阶段，正进入一个以体系化工程能力和深度场景化应用为特征的新攻坚期。这一阶段的标志是，产业关注的焦点正从“如何训练出更大、更强的模型”，转向“如何让先进AI技术安全、高效、经济地在千行百业的核心业务中创造价值”。

本章的观察基于对本次调研中数个具有代表性案例的深入剖析。这些案例虽非全景扫描，却清晰地揭示了我国AI技术研发在两个关键维度上展现出的自主创新特征：一是为加速大模型产业化落地，攻坚使能层工程架构，解决“最后一公里”的集成与管理难题；二是面向党政、金融等高安全、强合规场景，打造全栈一体化硬件解决方案，确保自主可控与可靠运行。此外，前沿领域的探索亦开始显现出平台化、体系化布局的苗头。这些实践共同指向一个核心趋势：AI技术研发的竞争力，正从算法模型的单点突破，转向涵盖软硬件协同、工程体系、生态构建的全局性体系创新。

7.2.三大创新路径范式实证

基于对精选案例的深度分析，当前AI领域的自主创新正沿着三条清晰的路径展开，分别代表了应对不同层面挑战的研发范式转型。

7.2.1.使能层创新—以工程化架构破解产业化最后一公里难题

大模型能力的“涌现”并未自动转化为产业生产力。其落地面临异构算力管理复杂、应用开发门槛高、运维挑战大等系统性工程难题，这构成了产业化的“最后一公里”瓶颈。破局之道在于，从“模型调优”的研发模式，转向构建标准化的AI系统工程框架。

核心路径一：通过统一抽象层实现异构算力的“资源化”与弹性供给。应对国产化进程中多元AI芯片并存的现状，关键在于将底层复杂的硬件差异封装起来。宝兰德AI汇智平台在金融行业的实践（参见案例6）正是这一路径的体现。其研发核心并非单一的算法优化，而是构建了一个跨x86/ARM/c86架构及GPU/NPU的算力统一抽象层。该平台通过底层算子库的深度优化与适配，将混合云环境中的多样化算力资源统一池化，并实现任务的智能调度与弹性伸缩。这使得上层的模型训练与推理服务无需关心底层硬件细节，在保障金融业务高性能、高可用的同时，显著提升了国产算力整体的利用率和可用性，为自主技术路线的规模化应用扫清了基础架构障碍。

核心路径二：通过智能体与低代码编排实现AI能力的“模块化”与敏捷开发。降低AI应用开发门槛、提升复杂业务流程的自动化水平，需要将大模型等能力转化为易用的工具。东方通智能体平台助力用户智能化升级的实践（参见案例13）对此提供了解决方案。该平台的核心创新在于，将大模型、工具函数、业务流与知识库封装为一个个可编程、可复用的标准化“智能体”单元，并通过可视化的低代码流程编排界面，支持业务人员以“搭积木”的方式快速构建复杂的AI应用。其“闭环思维链”与“查推融合”机制，实质上是定义了一套智能体协同的标准范式。这彻底改变了传统AI开发模式，将数月计的定制开发周期缩短至天甚至小时级，使AI技术能够快速响应千变万化的政企场景需求。

使能层的创新，本质上是“AI研发工业化”的必由之路。它将分布式系统、云原生、数据工程等传统软件工程的成熟思想，与AI技术深度结合，形成“AI驱动的软件工程”新范式。其价值不仅在于提升单个项目的效率，更在于将项目中积累的算子、模型、流程、知识沉淀为可共享、可复用的平台化“AI资产”，为企业构建起持续积累和增值的AI能力底座，推动AI应用开发从“手工作坊”迈向“标准化生产”。

7.2.2.硬件层创新—以垂直整合与全栈可控响应高可信需求

在党政、金融、能源等关键行业，AI的落地应用除性能外，更对安全、合规、可控和数据主权有着近乎极致的刚性要求。通用、开放的AI基础设施堆栈难以满足这些要求。因此，面向高可信场景的AI研发，呈现出强烈的垂直整合趋势，即通过软硬一体的全栈解决方案，将不可控的风险降至最低。

因此，打造“开箱即用、安全可控”的全栈一体机解决方案是当前阶段的必选方案。该路径的核心是，围绕具体行业场景，从底层国产化算力芯片、AI加速卡，到中间件、框架、行业模型，再到上层应用进行深度集成、联合优化与安全增强。软通计算政务AI一体机的研发与部署实践（参见案例73）是这一范式的典范。该方案并非简单的硬件堆砌，而是选择了“鲲鹏+昇腾”国产算力底座，并深度集成针对政务场景优化的国产大模型，预置了涵盖公文处理、政策解读、智能客服等功能的政务AI中台。它通过内置的多模型调度引擎、全链路数据加密与安全审计模块，在提供高性能计算能力的同时，确保了从数据输入到结果输出的全过程自主可控与安全合规。

硬件层的一体化创新，是AI技术在关键领域实现深度应用的“安全基座”和“加速器”。它通过全栈垂直整合，极大简化了部署、适配和调优的复杂度，降低了用户的技术门槛和总拥有成本（TCO）。更重要的是，它实现了从硬件、框架、模型到应用的全链路自主可信，为AI在关乎国计民生的核心业务系统中规模化、深层次应用提供了不可或缺的可靠保障。这种模式也正推动着国产AI硬件、基础软件与应用生态形成更加紧密的协同发展闭环。

7.2.3.前沿探索—以平台化布局开拓脑机智能新赛道

在人工智能与生命科学、神经科学交叉的前沿地带，中国的研究力量正尝试跳出单一技术点跟踪的模式，转向构建自主技术栈和开源开放生态的系统性布局，旨在抢占未来人机交互新范式的定义权与制高点。脑机接口（BCI）正是这样一个典型领域。

在该领域，构建端到端技术栈与开放平台，降低前沿技术研发与应用门槛是业界关注的重点方向之一。面对BCI领域信号采集不稳定、数据处理与分析工具链不统一、缺乏大规模标准数据集等共性挑战，分散的、小规模的研发难有突破。凯思昊鹏Hopen脑机公共服务平台的研发实践（参见案例27）展示了一种系统化破局的思路。该实践并非只针对某一种解码算法，而是致力于构建一个涵盖“专用硬件-操作系统-算法模型-数据平台”的完整技术栈。其研发的自研脑电采集设备、HopenOS脑电操作系统、面向脑电的专用预训练模型，以及汇聚多模态数据的Hopen脑机数据开放平台，共同构成了一个开放的BCI研发生态底座。通过“端-边-云”协同架构设计，该平台既支撑高实时的交互应用，也支持大规模的云端模型训练与数据分析。

在前沿探索领域，平台化、生态化布局是比单点技术领先更具战略价值的创新模式。它通过提供标准化的开发接口、高质量的数据集和共享的工具链，极大地降低了高校、科研机构和企业进入该领域的技术门槛和初始成本，能够快速汇聚研发力量，形成创新合力。这种模式不仅加速了核心技术（如非侵入式信号解析、多模态融合）的迭代速度，更在于为中国在脑机智能这一未来产业中，培育自主可控的生态体系、积累核心知识产权、并参与乃至主导国际标准制定，奠定了坚实的基础。

7.3.人工智能技术研发的趋势与展望

基于前述三大创新路径的实践，可以清晰地预见，中国人工智能技术研发的范式演进将更加深入，且不同路径之间将呈现加速融合的态势，共同塑造一个更具韧性、更贴近产业、也更富有前瞻性的AI创新体系。

第一，工程化与工业化将成为AI价值释放的主导范式。智能体平台、低代码开发、异构资源管理等使能技术，将成为AI时代的“新操作系统”和“工业母机”。未来，AI应用的开发、部署、监控、运维全生命周期将实现更高程度的自动化与智能化。研发的核心议题将从“如何做出一个更好的模型”，持续转向“如何设计并运营一个能高效、稳定管理成千上万个模型与数据流水线的复杂智能系统”。AI资产的沉淀、管理与流通，将成为企业新的核心竞争力。

第二，垂直整合与水平解耦将并行发展，催生分层清晰的产业生态。一方面，在党政、金融、工业制造等对安全、可靠、性能有极端要求的领域，“软硬一体、全栈优化”的垂直整合解决方案将继续深化，成为关键信息基础设施的“标配”。另一方面，在更广泛的商业化市场，源于使能层创新的“水平化解耦”趋势也将加强，即计算、算法、框架、开发工具、应用各层之间的接口将更加标准化，企业可以像组装乐高积木一样，基于多种国产化组件，灵活构建适合自身需求的AI解决方案，从而推动国产AI生态的繁荣与多样化。

第三，前沿探索将更加注重“软硬协同”与“生态构建”的系统性投入。脑机接口实践预示了前沿领域的创新逻辑：单点技术的突破固然重要，但构建从底层硬件、开发平台到数据标准的完整生态，对于掌握长远发展主动权更具决定性意义。未来，在更多前沿交叉领域，以开源开放平台汇聚创新资源、以软硬协同研发攻克工程难题、以重大应用场景牵引技术成熟的“系统战”模式，将日益成为主流。

综上所述，中国的人工智能技术研发正在一场深刻的“范式迁移”之中。其核心是从对国外技术轨道的跟随与模型性能的追逐，转向面向真实产业痛点、国家安全需求和未来科技竞争的系统性工程创新与生态构建。这不仅是技术发展的必然，更是中国在全球智能化浪潮中塑造自主发展路径、筑牢数字时代技术根基的战略选择。