本文分享给大家的是：

中兴通讯副总裁、中国区战略规划总工张嗣宏在第12届新华网思客年会作观点分享新华网 发“十五五”规划建议明确提出，适度超前建设新型基础设施，推进信息通信网络、全国一体化算力网、重大科技基础设施等建设和集约高效利用。

而人工智能(以下简称“AI”）技术会是这一期间的重中之重，它将推动数字基础设施实现重大飞跃，为各行各业带来新的变化与发展技术革新引领AI发展 锻造新质未来从行业整体发展来看，AI将带来四个方面的增强：网络方面，从地面网络进一步向空、天、地一体的泛在网络演进；算力方面，从通用算力向通算、智算、超算等多样化融合算力发展；产业方面，通过完善的基础设施赋能产业升级，推动产业数字化转型，重塑生产力，打造新质生产力；此外，还需要安全保障来维护基础设施和产业链的健全。

从技术发展趋势来看，AI经历了70多年的发展，当前主要是以2022年底美国发布的ChatGPT大模型等生成式AI为代表反观中国近些年AI的发展，在技术路线上与美国呈现明显差异第一，美国侧重“更大更强”，追求更强算力，计算中心规模从几千卡、几万卡发展到几十万卡，OpenAI还计划建设万亿级计算中心，投入巨大；而我国企业，尤其是在DeepSeek崛起后，通过工程优化和技术创新降低了算力需求，改变了一些规模定律的演进方向，推动了国内多元化算力发展，为国产卡商带来机遇。

第二，在技术开源方面，美国以闭源为主，仅开放相对弱一点的模型；中国则开放最领先的模型，极大地推动了全球开源市场AI的发展第三，在大语言模型方面，中美近些年虽然有了长足进步，但也各自陷入了一定的瓶颈期比如OpenAI的ChatGPT-5，试用后感觉进步并未达预期；再比如DeepSeek前不久推出的OCR新模型，可以将文本以图像形式高效压缩来降低文本存储难度，但随着上下文越来越长，为算力带来非常大的负担……这些都亟需在新的技术路线上多做探索。

从智能体的发展趋势来看，相比传统大模型的问答模式，智能体调用周边工具，围绕任务驱动实现闭环交付，成为未来一个重要的发展方向国务院印发的《关于深入实施“人工智能+”行动的意见》明确提到，新一代智能终端、智能体等应用普及率到2027年超70%，到2030年超90%，可见该领域未来发展潜力巨大。

从商业化潜力来看，大语言模型在文本处理上表现突出，但在工业领域因准确率不足，目前还难以直接应用，这也是有待进一步去解决的问题下一步，在面向消费者To C领域，大模型和智能体将大幅提升消费体验；而在To B领域，AI更重要的价值将在于解决各种垂直场景里用户的真实需求，并结合各行业属性进行定制化的开发。

应用落地重塑千行百业 共筑AI+时代AI既赋能传统产业升级，也催生新兴产业，其在各产业流程中的应用将推动企业效率的提升根据麦肯锡咨询报告，不同行业、不同环节里面，AI相应的应用市场空间和发展前景存在差异。

目前，大语言模型的生成式能力应用在研发侧和营销侧相对成熟研发侧因编码结构化程度高、数据质量好，可以说是当前最成熟的大模型应用领域；而营销侧的各类文档、策划案等均可通过大模型生成，也成为当前应用比较成熟的范畴。

但在其他领域，AI的应用还处于一个探索发展期从行业的AI算力需求来看，根据一些咨询报告的解读，目前55%-60%来自互联网行业，其次是政府、教育、金融等领域在互联网行业中，移动端AI应用规模的发展远超电脑端，AI搜索和AI综合助手是最受欢迎的应用类型。

从当前应用的市场格局来看，豆包、DeepSeek、腾讯元宝分列用户规模最大的三款应用，其他应用的规模相对较小，尚未达到千万级别这一格局表明，尽管市场热度很高，但大模型与AI应用的整体发展仍处于早期阶段考虑到中国拥有超过10亿的互联网用户，未来这些主流AI应用需达到数亿用户量级，才能标志着行业进入一个相对成熟和可持续发展的态势。

在城市智能化升级方面，地方政府推动AI落地主要集中于政务服务智能化（政府内部办公系统升级、12345热线智能客服、政策咨询自动化等）和城市治理精细化（智慧交通、水电气智能化检测维修等）两类场景，以推动政务从数字化向智能化转变，提升公共服务和城市治理水平。

在教育领域，AI在人才培养中发挥着重要作用中小学阶段，大模型可实现个性化教学，辅助作业批改、错题解答和题目生成；高等教育阶段，以中兴通讯为例，正与高校合作优化课程体系、搭建实训平台，同时配合高校开展教育出海，提升学生科创能力和产学研结合能力。

在医疗领域，AI应用可覆盖诊前、诊中、诊后全流程诊前，大模型可提供专业的症状咨询和建议；诊中，AI能提升报告分析和影像诊断效率，生成的体检报告效率较之前提升数倍在工业领域，因对准确性要求极高，大模型因存在AI幻觉（数据源错误或分析结论错误），应用相对谨慎。

目前多用于知识问答、财务、园区管理等辅助场景直面AI市场化挑战 思变应变谋破局当前AI大模型应用过程中须直面五大挑战，并在实践中思变应变谋求破局之道第一个挑战是国产卡的选择客观而言，当前国产卡与国际上最先进的卡仍存在差距，性能相对有所限制。

应对方面，需结合场景需求选择，训练场景侧重性能，推理场景侧重性价比第二个挑战是生态迁移与适配将国外的卡迁移到国产卡，需解决模型运行及性能问题，涉及工具体系构建、算子和精度分析及开发升级第三个挑战是大规模算力建设。

万卡级集群对工程化能力要求高，需优化工程集成交付和运维保障第四个挑战是应用落地上半年AI浪潮中，很多企业引入相关设备后，难以将其与自身场景结合，仅能使用基础问答功能，导致应用热情回落，部分企业反馈产品不好用、不匹配场景。

这一现象表明，没有任何一个模型能“包打天下”，无法解决所有行业的全部问题，需要产业各方群策群力、协同合作第五个挑战是体系化能力构建中长期来看，AI竞争力不仅取决于算力，还包括模型训练、推理、迁移、API调用、定制化开发、运维等能力，需要探索出符合中国实际的发展路线。

作者：张嗣宏（中兴通讯副总裁、中国区战略规划总工）