每經(jīng)記者｜張蕊    每經(jīng)編輯｜陳旭    

9月4日，工業(yè)和信息化部 市場監(jiān)督管理總局聯(lián)合印發(fā)《電子信息制造業(yè)2025—2026年穩(wěn)增長行動方案》（以下簡稱《方案》）。

《方案》提出，2025—2026 年，主要預期目標是：規(guī)模以上計算機、通信和其他電子設備制造業(yè)增加值平均增速在 7%左右，加上鋰電池、光伏及元器件制造等相關領域后電子信息制造業(yè)年均營收增速達到5%以上。

到2026年，預期實現(xiàn)營收規(guī)模和出口比例在41個工業(yè)大類中保持首位，5個省份的電子信息制造業(yè)營收過萬億元，服務器產(chǎn)業(yè)規(guī)模超過4000億元，75英寸及以上彩色電視機國內市場滲透率超過40%，個人計算機、手機向智能化、高端化邁進。

聚焦《方案》涉及的熱點領域，《每日經(jīng)濟新聞》記者采訪了相關專家。

推動智能體與終端產(chǎn)品深度融合

在促進產(chǎn)業(yè)轉型升級、深化構建高質量供給體系方面，《方案》提出，要推動電子整機高端化，提升產(chǎn)品供給水平。

《方案》明確，要促進人工智能終端邁向更高水平智能創(chuàng)新，推動智能體與終端產(chǎn)品深度融合，制定人工智能終端智能化分級方法和標準，鼓勵各地推動人工智能終端創(chuàng)新應用。

賽迪顧問人工智能與大數(shù)據(jù)研究中心常務副總經(jīng)理鄒德寶在接受《每日經(jīng)濟新聞》記者書面采訪時表示，當前人工智能終端尚未出現(xiàn)顛覆性應用，主要受制于多重因素。

具體而言，首先是技術標準碎片化。大模型、智能體、智能芯片技術路線分散，導致軟硬件兼容適配成本高。這種碎片化導致整機、模型、App需面向多種類芯片和操作系統(tǒng)開展開發(fā)適配，資源重復投入嚴重。

其次是應用場景創(chuàng)新不足?，F(xiàn)有應用多為功能疊加而非范式革新。當前AI終端發(fā)展仍集中在對現(xiàn)有功能的改進，缺乏類似移動支付對消費模式的重塑力。

與此同時，部分產(chǎn)品過度追求技術展示，如多模態(tài)交互設計復雜但實際利用率低，用戶在使用中常遇到答非所問、操作繁瑣等問題。此外，終端企業(yè)與應用開發(fā)者在數(shù)據(jù)歸屬、商業(yè)模式上競爭激烈，導致形成信息孤島。

在鄒德寶看來，結合技術成熟度與市場需求，殺手級應用在以下領域具有爆發(fā)潛力：

一是沉浸式交互場景。人工智能與AR/VR 的融合可能成為突破口。

二是健康醫(yī)療領域。人工智能驅動的個性化健康管理系統(tǒng)可能顛覆傳統(tǒng)醫(yī)療模式。通過可穿戴設備實時監(jiān)測生理指標，結合大模型進行疾病風險預測和干預建議，未來或實現(xiàn)“家庭醫(yī)生”功能。

三是工業(yè)元宇宙場景。智能終端與數(shù)字孿生技術結合，可實現(xiàn)生產(chǎn)全流程的實時監(jiān)控與優(yōu)化。

適度超前部署新型基礎設施建設

談及目前智能體與終端產(chǎn)品的融合情況，鄒德寶表示，當前二者融合呈現(xiàn)局部突破、整體分散的特點。

“在消費級終端方面，智能體已在手機、穿戴設備中實現(xiàn)初步應用?！编u德寶舉例說，如手機搭載終端智能體，可通過自然語言指令完成行程規(guī)劃、用藥提醒等任務。但多數(shù)應用仍限于單點功能，缺乏跨設備協(xié)同。

“在企業(yè)級應用場景方面，智能體開始深度介入業(yè)務流程?！彼f，覆蓋財務、供應鏈等領域的專業(yè)智能體，通過多智能體協(xié)同引擎實現(xiàn)企業(yè)系統(tǒng)的自然語言交互與自主決策，可自動完成申請、訂票、報銷全流程。

在推動科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新融合、建設現(xiàn)代化產(chǎn)業(yè)體系方面，《方案》提出，要加快重大項目建設，強化撬動作用。

《方案》強調，要加強CPU、高性能人工智能服務器、軟硬件協(xié)同等攻關力度，開展人工智能芯片與大模型適應性測試。適度超前部署新型基礎設施建設，提升各地已建基礎設施運營管理水平，強化服務器、芯片和關鍵模塊的兼容適配。

開展人工智能芯片與大模型適應性測試主要是出于哪些考慮？對此，鄒德寶表示，首先是技術適配的必要性。

在性能優(yōu)化需求方面，不同架構的AI芯片對大模型的支持存在顯著差異。例如，ASIC（專用集成電路）芯片在特定模型推理上能效比突出，但靈活性不足。GPU（圖形處理器）雖通用性強，但訓練大模型時功耗高達千瓦級。通過測試可針對芯片特性優(yōu)化模型架構，例如在NPU（神經(jīng)網(wǎng)絡處理器）上采用低秩分解技術，可將矩陣運算量減少40%。

“在能效比平衡方面，端側AI對能耗敏感?！编u德寶說，這樣的測試可推動模型量化與芯片架構創(chuàng)新，使能效比提升3~5倍。在兼容性保障方面，國產(chǎn)芯片與開源框架存在適配鴻溝，通過測試可完善工具鏈，實現(xiàn)一次開發(fā)、多芯片部署。

其次是產(chǎn)業(yè)生態(tài)構建的必要性。鄒德寶說，開展人工智能芯片與大模型適應性測試，是推動國產(chǎn)芯片規(guī)?；瘧玫年P鍵。通過與大模型的適配驗證其商用價值。測試為分級評估提供數(shù)據(jù)支撐，以芯片、模型適配性為核心，可提升模型響應速度，從而引導產(chǎn)業(yè)向高性能方向發(fā)展。

此外，測試可以促進基礎設施升級。測試是新型基礎設施建設的前提，通過測試優(yōu)化，可以提升邊緣節(jié)點的模型壓縮率，同時減少推理精度損失率，進而降低邊緣推理成本。

封面圖片來源：新華社