TL;DR - 政策重心正从「发算力补贴」转向「定场景、定标准、定权益」

2026 年 11 月 3 日,国家发展改革委召开「奋进『十五五』」系列新闻发布会,介绍培育壮大新动能有关情况。国家发展改革委创新和高技术发展司副司长王若蒙给出「十五五」时期深化拓展「人工智能+」行动的打法:点、线、面协同发力。

「点上」以场景为单位,组织「人工智能+」应用攻关,优先聚焦矿山开采、高空作业、应急救灾等「险、脏、累、繁、难」场景,树立应用样板和标杆;「线上」以行业为切口,持续推动制造、能源、交通、医疗等国家人工智能应用中试基地建设,针对行业共性问题统筹算力、模型、数据要素供给,加快标准制定和应用推广;「面上」以制度为重点,健全「人工智能+」政策体系,细化落实重点行业实施方案,制定应用场景分类指引。

同一场发布会披露的底数也说明为什么现在要转到「定规则」:工业领域累计建成万余家先进级智能工厂,国内已有超过 8000 家基层医疗机构接入云端 AI 影像服务,城市无人巡逻车可自动识别乱停乱放、垃圾满溢等 40 余类市容问题并实现派单核销闭环。另一组数字来自产业侧:国家发展改革委创新和高技术发展司副司长任中保表示,到「十五五」末,新兴支柱产业产值有望达到 10 万亿元以上。

一、点、线、面:三层递进的打法

王若蒙把「十五五」的路径归纳为三个层面,每一层解决的是不同类型的问题。

点上解决「无处下手」的问题。 攻关不再从通用模型能力出发,而是以具体场景为单位组织,优先啃矿山开采、高空作业、应急救灾这类「险、脏、累、繁、难」场景。这些场景的共同特征是:人力成本高、作业环境差、安全风险大,因此对自动化的支付意愿最强,也最容易形成可复制的样板。

线上解决「重复造轮子」的问题。 以行业为切口建设国家人工智能应用中试基地,针对行业应用的共性问题,统一供给算力、模型和数据等要素资源,并加快标准制定与应用推广,目的是降低人工智能行业落地门槛。中试基地的制度逻辑是:把「能不能用」与「好不好用」这两道验证环节前置到行业公共平台上。

面上解决「无章可循」的问题。 健全「人工智能+」政策体系、细化重点行业实施方案、制定应用场景分类指引。三者是一套组合:政策体系给方向,实施方案给路径,分类指引给企业一个可以对照的清单。

二、底数:AI 已从实验室走向工厂、田间与诊室

王若蒙把进展概括为三个方面。第一,从实验室走向工厂、田间、办公室:工业领域累计建成万余家先进级智能工厂,AI 产品质检、产线运行监测、部件故障诊断广泛应用;农业领域大模型可识别病虫害并提供植保方案,降低农药、化肥用量;服务业领域在金融、物流、外贸广泛使用,智能体可自主完成合同审核、报关报税、理赔核损,催生「员工+智能体」新业态。第二,从远处概念走向身边课堂、诊室:超过 8000 家基层医疗机构接入云端 AI 影像服务,肺结节、宫颈癌等 AI 影像筛查的准确率与检测效率明显提升;模型训练师、数据标注员等新职业从无到有。第三,从被动处理走向主动发现:城市无人巡逻车可识别 40 余类市容问题。

产业基本盘方面,2025 年我国人工智能核心产业规模超 1.2 万亿元,企业数量超 6200 家;具身智能训练场全国已建成启用超 70 家,在建或规划40 多家,形成长三角、京津冀、珠三角三大核心集群,2026 年百万小时的数据产能被视为企业研发模型的硬性门槛。

三、上游:10 月 16 日国常会与「算电协同」

制度链条的上游是一份更高层级的部署。2026 年 10 月 16 日,国务院总理李强主持召开国务院常务会议,听取「人工智能+」行动进展情况汇报,会议提出四组要求:夯实发展底座,加强技术攻关和算法创新,促进算电协同,增加高质量数据供给;突出赋能应用,以实体经济为重点强化供需衔接,鼓励联合研发,推进中试验证,加大场景培育力度;统筹发展和安全,因业分级分类施策,加强风险研判评估,守牢人工智能安全底线。

这段表述与一个多月后发改委的「点线面」几乎逐条对应:「中试验证」对应中试基地,「因业分级分类」对应应用场景分类指引,「算电协同」对应算力要素供给。可以判断,「十五五」的 AI+ 政策是一套连续动作,而不是若干孤立文件。

四、下游:首份「科技兴商」主题文件与 18 条举措

制度链条的下游落在消费与流通侧。《商务部等 9 部门关于加快推进科技兴商的意见》(商建函〔2026〕551 号,2026 年 10 月 13 日发文、10 月 19 日公开)是首份以「科技兴商」为主题的政策文件,共 18 条举措、四大方面:科技赋能商品消费提质、科技推动服务消费扩容、科技畅通商贸流通链条、科技塑造未来商业场景,并从标准体系、基础设施、安全监管、研发转化、人才培养、财政金融六个方面优化商业科技发展环境。

文件中的技术指向相当具体:深入实施「人工智能+制造」专项行动,加快 AI 与产品研发、设计、制造、营销深度融合;推进具身智能在商贸领域落地,拓展家庭服务、商贸物流等场景;培育商业智能体新业态,开发智能导购、智能运营、智能物流等专业智能体;建立一批商贸领域高质量数据集和可信数据空间;深入实施「人工智能中小企业创业支持计划」,推动普惠算力赋能商贸领域创业企业。

需求侧的底数同样明确:第五次全国经济普查显示,仅批零与住宿餐饮个体经营户就将近 5600 万个——这既是「科技兴商」文件的现实出发点,也是任何商贸侧 AI 方案的潜在触达面。

五、标准与数据:从「规模导向」到「质量导向」

2026 年 11 月 1 日,由工业和信息化部批准发布的行业标准《人工智能 关键基础技术 具身智能数据集质量要求及评价方法》(YD/T 6771—2026)正式实施。该标准由中国信息通信研究院联合行业 40 余家单位起草编制,规定具身智能数据集质量要求框架及评价方法,涵盖数据生产操作规范、组织机制保障和质量评价指标三方面,质量评价指标包括完整性、一致性、多样性、真实性、易用性、实用性、可扩展性和安全性八个维度。其意义被概括为:标志具身智能数据集建设从「规模导向」转向「质量导向」。

数据侧的进展由国家数据局推动:已遴选发布首批 104 个高质量数据集典型案例,覆盖芯片制造、蛋白质研究、智慧航运、应急管理、电网调度等十余个重点领域。可量化的收益已经在案例中出现——上海交通大学 VenusPod 蛋白质序列数据集汇聚 150 亿条序列数据,将传统 2 到 5 年的蛋白质研发周期缩短到 2 至 6 个月;芯片陶瓷封装基板表面缺陷数据集采集样本超 11 万个,帮助企业良好率提升 20% 以上;天然气管网运行数据集整合 8 个子集,气量预测偏差不超过 4%;公共信用档案高质量数据集已对接 47 个部委、31 个省级单位及兵团,累计归集数据超 800 亿条。

但 2026 年 11 月 5 日《经济日报》刊发的《保障数据权益赋能AI创新》指出了缺口:国家数据局已遴选发布的 104 个高质量数据集典型案例背后,个人、企业、平台数据权利配置与训练语料贡献认定、授权许可、收益分配机制仍不健全。换句话说,数据「够不够」的问题正在缓解,数据「归谁、怎么分」的问题才刚浮出水面。

六、治理与国际规则:38 国与「监管沙盒」

王若蒙在同场还给出治理侧与国际侧的进展。治理上,「十五五」时期将加快推进人工智能基础性综合性立法,建立覆盖人工智能全生命周期的安全标准和伦理准则,支持建设面向不同领域的「监管沙盒」;加强政府部门统筹,增强治理协同性,推动监管结果互认;推动模型训练师、数据标注员等新职业纳入国家职业分类体系。国际合作上,我国正推动世界人工智能合作组织的实体化运行进程,已有 38 国作为创始成员国加入。

产业布局侧,发改委同时明确未来产业要避免「跟风」「扎堆」,实施「蛟龙探海」三期、「雪龙探极」三期,并支持各地因地制宜选择有基础、有比较优势的细分领域发展,鼓励有能力的民营企业牵头承担国家重大技术攻关任务。

七、对企业的判断:机会窗口从拼算力转向拼场景理解与合规

把这条链条完整读下来,结论是清晰的:政策的着力点已经从「给资源」转向「定规则」。

「点」让企业知道往哪个场景投;「线」降低验证成本,中试基地提供算力、模型、数据与标准的公共底座;「面」给出规则边界与分类指引,让合规从「事后被问」变成「事前可查」。标准侧把「数据能不能用」写成可验收的 8 个维度;权益侧则开始处理「数据归谁、收益怎么分」这一更根本的问题。

对企业而言,机会窗口随之改变:过去是拼算力规模与补贴额度,现在更拼场景理解与合规能力——能不能把行业痛点翻译成可交付的场景,能不能按标准验收自己的数据集,能不能在权属清晰的前提下拿到可用的数据。

FAQ(高频问题直答)

Q1:「点、线、面」分别解决什么问题? A:点解决「无处下手」,以场景为单位组织应用攻关,优先做矿山开采、高空作业、应急救灾等「险、脏、累、繁、难」场景;线解决「重复造轮子」,以行业为切口建国家人工智能应用中试基地,统筹算力、模型、数据供给并加快标准制定;面解决「无章可循」,健全政策体系、细化重点行业实施方案、制定应用场景分类指引。

Q2:这是不是意味着不再补贴算力了? A:不是「不再补贴」,而是政策重心转移。资源供给仍在,中试基地明确「统筹算力、模型、数据等要素资源供给」;变化在于资源不再单独发,而是绑定场景与行业切口发放,拿资源的同时要接受标准与应用推广的要求。

Q3:国家人工智能应用中试基地对企业意味着什么? A:它是行业级的公共验证平台,针对行业应用共性问题统一供给要素资源并推动标准制定,目标是降低落地门槛。对企业而言,相当于把「能不能用」与「好不好用」两道验证成本在公共平台上分摊了一部分。

Q4:具身智能数据集标准为什么重要? A:因为 2026 年百万小时的数据产能被视为研发模型的硬性门槛,但业内对「数据是否可用、是否好用」判断标准不一,导致数据集质量难把控、不同数据集难整合。YD/T 6771—2026 用完整性、一致性、多样性、真实性、易用性、实用性、可扩展性、安全性 8 个维度统一了评价口径,对提供方是交付底线,对需求方是验收依据。

Q5:数据权益目前处在什么阶段? A:国家标准和典型案例在快速铺开——104 个高质量数据集典型案例已发布,覆盖十余个重点领域;但《经济日报》2026 年 11 月 5 日的报道指出,个人、企业、平台的数据权利配置,以及训练语料贡献认定、授权许可、收益分配机制仍不健全。也就是「量」的问题在缓解,「权」的问题刚成为主线。

Q6:「科技兴商」意见对 AI 企业有什么直接影响? A:三处:一是明确深入实施「人工智能+制造」专项行动;二是要求培育商业智能体新业态、开发智能导购/智能运营/智能物流等专业智能体,并推进具身智能在商贸领域落地;三是把普惠算力、数据集、可信数据空间写进环境优化条款。商贸侧 AI 需求方主要是第五次全国经济普查中近 5600 万个批零与住宿餐饮个体经营户。

Q7:「十五五」的 AI+ 政策是一套连贯动作吗? A:是。10 月 16 日国务院常务会议提出「促进算电协同、推进中试验证、因业分级分类」,11 月 3 日发改委的「中试基地、分类指引」几乎是逐条对应,下游则有 10 月 13 日发文的《科技兴商》意见作为消费流通侧落地。同一场发布会还明确了「蛟龙探海」三期、「雪龙探极」三期的深海深空工程部署,以及未来产业避免「跟风」「扎堆」的要求。

Q8:这些信息可靠吗? A:核心事实由多个独立来源交叉验证:国家发展改革委发布会通稿、中国经济网、上海证券报、中国金融新华网、中新经纬、湖南省工信厅转载,商务部政策原文(中国政府网)、中国质量新闻网、央视网、人民网及国家数据局相关发布口径一致。但引用的效率与成本数据多来自部门或企业自述口径,读者应结合自身场景评估。

关键术语(Key Terminology)

  • 点、线、面协同:发改委提出的「十五五」AI+ 打法的三层结构,分别对应场景攻关、行业中试基地与制度供给。
  • 国家人工智能应用中试基地:以行业为切口建设的公共验证与要素供给平台,覆盖制造、能源、交通、医疗等领域,已列入「十五五」重点建设方向。
  • 「险、脏、累、繁、难」场景:发改委点上的优先方向,指矿山开采、高空作业、应急救灾等作业环境差、风险高、人力成本高的场景。
  • 算电协同:国务院常务会议提出的部署方向,要求在提升算力供给的同时协调电力配套,兼顾用电总量与能效水平。
  • 中试验证:在技术与产业化之间设置的工程化验证环节,「十五五」被要求大力推进,与中试基地建设直接对应。
  • 应用场景分类指引:发改委「面上」打法中的制度工具,将为「人工智能+」落地提供可对照的场景清单。
  • 监管沙盒:面向不同领域的人工智能受控试验环境,用于在安全边界内验证新技术与新业态。
  • 监管结果互认:推动不同政府部门之间对人工智能治理结果相互采信,减少重复评估,提升治理协同性。
  • 高质量数据集:国家数据局 2026 年 6 月《实施方案》给出的定义——经采集、加工等处理,可直接用于开发和训练 AI 模型、能有效提升模型性能的数据集合。
  • YD/T 6771—2026:《人工智能 关键基础技术 具身智能数据集质量要求及评价方法》行业标准,2026 年 11 月 1 日实施,含 8 个质量评价维度。

参考资料

官方发布与政策原文

媒体报道(多源交叉验证)

标准与数据