人工智能产业是新一代信息技术产业的创新前沿，是推动未来产业发展的核心动能，是打造新质生产力的关键。在云计算、大数据、深度学习等关键技术的持续创新与深度应用的推动下，人工智能迎来前所未有的发展机遇，已步入以大模型为代表的通用人工智能发展阶段，我国人工智能产业亦在国际化的竞争舞台上行稳致远。
（一）产业规模快速增长
近年来，我国人工智能产业规模呈爆炸式增长，成为推动经济高质量发展的新引擎。央视财经数据显示，我国人工智能核心产业规模已超过5000亿元。沙利文咨询预测，2024年我国人工智能市场规模将突破7993亿元。从细分领域来看，人工智能大模型正处于井喷式发展高峰期，是推动产业快速增长的核心力量。2023年，我国人工智能大模型市场规模达21亿美元，同比增长110%，占全球市场规模的10%。据钛媒体国际智库报告预测，2024年我国大模型市场规模将达216亿元，持续保持两位数以上增速。当前，全国各地密集出台政策推动人工智能产业发展，如北京市印发《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023-2025年）》，提出到2025年人工智能核心产业规模达到3000亿元的目标。头部企业加速人工智能领域布局，天眼查数据显示，越来越多的企业争先抢占人工智能赛道，百度、腾讯、华为等大厂在人工智能算法和模型、数据处理能力和计算资源等方面发展迅速。未来，随着政策红利的持续释放、核心技术的日益成熟、应用场景的不断拓宽，我国人工智能产业将持续增长，在全球范围内扮演更加重要的角色，为推动全球科技进步和经济发展作出更大贡献。
（二）技术变革推动发展
当前，人工智能技术正处于飞速发展阶段，未来，以算力、算据、算法三大基础要素的精巧配合和相互促进为本质的技术变革，将推动人工智能产业向纵深发展。一是多模态模型或将成为人工智能产业标配。微软的研究员撰写的综述预测，多模态基础模型将从专用走向通用，未来将有更多的研究关注如何利用大模型处理多模态任务。目前国内超80个大模型多仅支持文本输入输出这一单一模态，与人类利用视觉嗅觉听觉等多感官获取信息、通过语言表情动作等多方式表达信息相比具有明显不足。未来随着技术的日臻成熟，大模型创新将从支持单模态单任务逐渐发展为将文本、图像、音视频等集于一体的多模态多任务，竞争重点将从参数量的提升转向多模态信息整合和深度挖掘能力的提升。二是数据智能有望迎来跨越式发展。当前，作为大模型训练“原料”的数据，尤其是高质量数据面临短缺，据Epoch AI Research研究团队称，高质量语言数据将在2026年耗尽。若失去新增数据源，同时数据利用效率又未能显著提升，未来人工智能大模型的发展速度将明显放缓。因此，大模型领域不断迸发的数据需求，将倒逼数据在大规模、多模态、高质量三维度上全面提升，数据智能技术将飞速发展。三是传统计算范式变革成为必然趋势。算力作为“燃料”是支撑人工智能模型不断进化的关键，OpenAI数据显示，训练GPT-3 175B模型需要的算力高达3640PF-days（以1PetaFLOP/s的效率要跑3640天）。未来，传统计算范式将无法满足人工智能算力需求的指数级增长，智能算力无处不在的计算新范式加速实现。
（三）具身智能引发关注
具身智能（Embodied Intelligence）是一种智能系统的设计理念，其目标是通过将感知、决策和行动融合在一起，使机器能够像人类一样具备身体和运动能力。具身智能的核心理念是利用机器的身体结构和动作能力来增强其智能表现和解决复杂任务的能力。传统的人工智能系统主要关注于数据处理和算法的优化，而具身智能则更加注重机器与环境的互动和交流。
目前，具身智能已经成为国际学术前沿研究方向，包括美国国家科学基金会在内的机构都在推动具身智能的发展。谷歌公司的Everyday Robot已经能够将机器人和对话模型结合到一起，形成一个更大的闭环。UC伯克利的LM Nav用三个大模型（视觉导航模型ViNG、大型语言模型GPT-3、视觉语言模型CLIP）教会了机器人在不看地图的情况下按照语言指令到达目的地。基于形态的具身智能研究，例如机器人关节控制，使机器人完全依靠自身形态即可实现对整体行为的控制。未来，具身智能有望在机器人、自动驾驶、智能家居等领域实现重大突破和广泛应用。
（四）应用渗透千行百业
当前，以大模型为代表的人工智能技术赋能千行百业，成为驱动产业转型升级“第二增长曲线”的新支点。我国人工智能已在众多行业落地应用，赋能效果明显。例如：汽车行业成为大模型技术最大的交互应用场景。各大车企加快人工智能技术在智能座舱、智能驾驶、智能制造等方面的落地应用，为汽车行业带来深刻变革。如人工智能大模型可以辅助自动驾驶算法的训练和优化，亦可以作为“控制者”直接驾驶车辆。生物医药领域应用大模型大幅提升研发效率。药物设计和病情发现是生物医药领域的重要环节，传统手段耗时长、成本高，大模型技术在生物制造领域应用可提高药物研发效率和成功率，助力发现新疗法。人工智能显著提升集成电路设计制造领域生产力。芯片设计制造具有极高的专业性和复杂性，人工智能驱动的集成电路设计制造技术由大模型自动为工程师提供技术洞察，改进未来芯片设计生产方式，减轻工程师负担，缩短芯片研发周期，促进芯片领域生产力提升。尽管如此，我国人工智能多数应用仍处于“小规模试点”阶段，相距发达国家仍有不小差距，未来，随着人工智能技术的不断成熟，落地应用将向“深水区”持续迈进，发展空间广阔。
（五）安全监管趋紧趋严
如何确保人工智能“自我进化”的有益无害，一直是人工智能产业发展面临的重大难题。技术安全方面，人工智能技术的复杂性和不透明性造成“黑箱”困扰。人工智能设计者利用不同来源的数据进行训练建模，随着算力水平的提升，用于训练的数据量呈指数级增长，人工智能自我学习更新的速度也越来越快，但其结果“不可解释”，人工智能设计者难以把控其“自我进化”方向。应用安全方面，“真假难辨”“技术换人”的风险持续增加。生成式人工智能的生成结果已可“以假乱真”，真假难辨对个人安全乃至国家安全都带来较大风险，此外，随着人工智能技术的普及和发展，失业人群数量增加，未来人工智能更将在多个领域赶超人类，引发更多社会问题。数据安全方面，数据泄露等安全问题的解决更加趋难。随着生成式人工智能技术向多模态发展，其文件格式更加丰富，未来数据泄漏问题将难以通过传统的数据防泄漏方法解决。当前，世界各国呈现出政策法规先行、安全监管趋严等特征，如2023年3月，意大利数据保护局以违反《通用数据保护条例》为由暂时禁用ChatGPT，并在此后提出系列整改要求。未来，随着人工智能的快速发展，与之配套的政策法规也将更加完善，安全监管将更加严格，治理力度将持续加大。
