中興通訊副總裁、中國區戰略規劃總工張嗣宏在第12屆新華網思客年會作觀點分享。新華網 發
“十五五”規劃建議明確提出，適度超前建設新型基礎設施，推進信息通信網絡、全國一體化算力網、重大科技基礎設施等建設和集約高效利用。而人工智能(以下簡稱“AI”）技術會是這一期間的重中之重，它將推動數字基礎設施實現重大飛躍，為各行各業帶來新的變化與發展。
技術革新引領AI發展 鍛造新質未來
從行業整體發展來看，AI將帶來四個方面的增強：網絡方面，從地面網絡進一步向空、天、地一體的泛在網絡演進；算力方面，從通用算力向通算、智算、超算等多樣化融合算力發展；産業方面，通過完善的基礎設施賦能産業升級，推動産業數字化轉型，重塑生産力，打造新質生産力；此外，還需要安全保障來維護基礎設施和産業鏈的健全。
從技術發展趨勢來看，AI經歷了70多年的發展，當前主要是以2022年底美國發布的ChatGPT大模型等生成式AI為代表。反觀中國近些年AI的發展，在技術路線上與美國呈現明顯差異。
第一，美國側重“更大更強”，追求更強算力，計算中心規模從幾千卡、幾萬卡發展到幾十萬卡，OpenAI還計劃建設萬億級計算中心，投入巨大；而我國企業，尤其是在DeepSeek崛起後，通過工程優化和技術創新降低了算力需求，改變了一些規模定律的演進方向，推動了國內多元化算力發展，為國産卡商帶來機遇。
第二，在技術開源方面，美國以閉源為主，僅開放相對弱一點的模型；中國則開放最領先的模型，極大地推動了全球開源市場AI的發展。
第三，在大語言模型方面，中美近些年雖然有了長足進步，但也各自陷入了一定的瓶頸期。比如OpenAI的ChatGPT-5，試用後感覺進步並未達預期；再比如DeepSeek前不久推出的OCR新模型，可以將文本以圖像形式高效壓縮來降低文本存儲難度，但隨着上下文越來越長，為算力帶來非常大的負擔……這些都亟需在新的技術路線上多做探索。
從智能體的發展趨勢來看，相比傳統大模型的問答模式，智能體調用周邊工具，圍繞任務驅動實現閉環交付，成為未來一個重要的發展方向。國務院印發的《關於深入實施“人工智能+”行動的意見》明確提到，新一代智能終端、智能體等應用普及率到2027年超70%，到2030年超90%，可見該領域未來發展潛力巨大。
從商業化潛力來看，大語言模型在文本處理上表現突出，但在工業領域因準確率不足，目前還難以直接應用，這也是有待進一步去解決的問題。下一步，在面向消費者To C領域，大模型和智能體將大幅提升消費體驗；而在To B領域，AI更重要的價值將在於解決各種垂直場景裏用戶的真實需求，並結合各行業屬性進行定制化的開發。
應用落地重塑千行百業 共築AI+時代
AI既賦能傳統産業升級，也催生新興産業，其在各産業流程中的應用將推動企業效率的提升。根據麥肯錫諮詢報告，不同行業、不同環節裏面，AI相應的應用市場空間和發展前景存在差異。
目前，大語言模型的生成式能力應用在研發側和營銷側相對成熟。研發側因編碼結構化程度高、數據質量好，可以説是當前最成熟的大模型應用領域；而營銷側的各類文檔、策劃案等均可通過大模型生成，也成為當前應用比較成熟的範疇。但在其他領域，AI的應用還處於一個探索發展期。
從行業的AI算力需求來看，根據一些諮詢報告的解讀，目前55%-60%來自互聯網行業，其次是政府、教育、金融等領域。
在互聯網行業中，移動端AI應用規模的發展遠超電腦端，AI搜索和AI綜合助手是最受歡迎的應用類型。從當前應用的市場格局來看，豆包、DeepSeek、騰訊元寶分列用戶規模最大的三款應用，其他應用的規模相對較小，尚未達到千萬級別。這一格局表明，儘管市場熱度很高，但大模型與AI應用的整體發展仍處於早期階段。考慮到中國擁有超過10億的互聯網用戶，未來這些主流AI應用需達到數億用戶量級，才能標誌着行業進入一個相對成熟和可持續發展的態勢。
在城市智能化升級方面，地方政府推動AI落地主要集中於政務服務智能化（政府內部辦公系統升級、12345熱線智能客服、政策諮詢自動化等）和城市治理精細化（智慧交通、水電氣智能化檢測維修等）兩類場景，以推動政務從數字化向智能化轉變，提升公共服務和城市治理水平。
在教育領域，AI在人才培養中發揮着重要作用。中小學階段，大模型可實現個性化教學，輔助作業批改、錯題解答和題目生成；高等教育階段，以中興通訊為例，正與高校合作優化課程體系、搭建實訓&&，同時配合高校開展教育出海，提升學生科創能力和産學研結合能力。
在醫療領域，AI應用可覆蓋診前、診中、診後全流程。診前，大模型可提供專業的症狀諮詢和建議；診中，AI能提升報告分析和影像診斷效率，生成的體檢報告效率較之前提升數倍。
在工業領域，因對準確性要求極高，大模型因存在AI幻覺（數據源錯誤或分析結論錯誤），應用相對謹慎。目前多用於知識問答、財務、園區管理等輔助場景。
直面AI市場化挑戰 思變應變謀破局
當前AI大模型應用過程中須直面五大挑戰，並在實踐中思變應變謀求破局之道。
第一個挑戰是國産卡的選擇。客觀而言，當前國産卡與國際上最先進的卡仍存在差距，性能相對有所限制。應對方面，需結合場景需求選擇，訓練場景側重性能，推理場景側重性價比。
第二個挑戰是生態遷移與適配。將國外的卡遷移到國産卡，需解決模型運行及性能問題，涉及工具體系構建、算子和精度分析及開發升級。
第三個挑戰是大規模算力建設。萬卡級集群對工程化能力要求高，需優化工程集成交付和運維保障。
第四個挑戰是應用落地。上半年AI浪潮中，很多企業引入相關設備後，難以將其與自身場景結合，僅能使用基礎問答功能，導致應用熱情回落，部分企業反饋産品不好用、不匹配場景。這一現象表明，沒有任何一個模型能“包打天下”，無法解決所有行業的全部問題，需要産業各方群策群力、協同合作。
第五個挑戰是體系化能力構建。中長期來看，AI競爭力不僅取決於算力，還包括模型訓練、推理、遷移、API調用、定制化開發、運維等能力，需要探索出符合中國實際的發展路線。
作者：張嗣宏（中興通訊副總裁、中國區戰略規劃總工）
