2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，系统明确了行动的总体要求、阶段性发展目标与重点任务方向， 推动人工智能与经济社会各领域广泛深度融合。在政策支持、市场需求和技术进步的共同推动下，我国人工智能产业蓬勃发展，成为培育和发展新质生产力的重要引擎。展望2026年，人工智能技术将迎来进一步升级跃迁，产业要素供给能力将进一步增强，人工智能技术将加速传统产业转型升级，与新兴产业深度融合创新，全方位赋能千行百业，为经济高质量发展注入强劲动力。

　　（一）人工智能产业规模将持续增长

　　2025年，全球人工智能产业呈现蓬勃发展态势，人工智能市场规模迅猛增长。根据市场研究机构Precedence Research数据，全球人工智能市场规模在2025年将达到7575.8亿美元，同比增长18.7%，我国人工智能产业受益于DeepSeek、通义千问等生成式人工智能技术成熟应用和“人工智能+”行动的持续深入，规模呈现爆发式增长态势，已成为全球人工智能产业发展的主力军。根据工业和信息化部数据，截至2025年9月， 我国人工智能核心产业规模超过9000亿元，人工智能企业数量超过5300 家，国家级人工智能专精特新“小巨人”企业超400家，整体实力居全球第一梯队。

　　展望2026年，我国人工智能将维持高速增长态势，继续引领全球人工智能行业应用发展。根据Precedence Research预测，2026年全球人工智能市场规模将达到9000亿美元，亚太市场仍为全球增速最快的地区之一。多家市场研究机构看好2026年我国人工智能市场发展，如MRFR预测2025- 2035年我国人工智能市场规模的复合增长率将达到30.6%，Statista预测41.8%（2025-2031年），Grand View Research预测更高为47.1%（2025-2030年）。

　　（二）人工智能技术将迎来多维升级

　　2025年，人工智能技术演进走向“新范式”，原生多模态、强逻辑推理、时空物理感知等技术加速突破。阿里、百度等企业持续加码能够统一理解与生成不同模态信息的原生多模态大模型，从训练初期就融合文本、图像、视频、音频等多模态数据，实现了理解与生成一体化。清华大学等团队研发的SALMONN音视频大模型在多项权威评测中超越GPT-4o 和Google Gemini等主流模型，在视频描述、问答等综合任务上表现出色。DeepSeek、阿里、科大讯飞等纷纷发布推理大模型，该类模型在物理、化学和生物学等领域能力超越人类博士水平。腾讯发布开源世界模型混元Voyager，3D空间和时间中感知、推理能力显著增强，在斯坦福大学世界模型基准测试WorldScore上位居综合能力首位。昆仑万维自研世界模型Matrix-3D，只需单张图就能生成可自由探索的3D世界。

　　展望2026年，我国大模型技术能力将聚焦物理认知深化、推理效能提升、架构范式革新等关键维度，迎来进一步升级跃迁。大模型认知功能将从文字符号处理迈向环境交互与物理推理，世界模型构建将取得进一步发展，通过融合视觉、三维空间等多模态数据，使大模型得以内在编码物理规律，提升其在人形机器人、自动驾驶等需与现实世界交互的场景中的决策合理性。大模型推理机制将从浅层统计关联迈向深度因果推断，模型的反事实推理与逻辑链条分析能力进一步增强，识别变量间因果关系的精准性和效率进一步提升，为药物研发、材料创新等科学发现场景及企业决策等复杂任务提供可靠技术支撑。

　　（三）关键产业要素供给将进一步增强

　　2025年，算力与数据作为支撑人工智能产业发展的两大核心要素， 供给能力显著提升。算力方面，智能算力规模稳步扩大，根据IDC和浪潮信息的联合测算，2025年全国智能算力规模将达到1037.3EFLOPS。万卡级集群成为支撑大模型训练与推理的主流载体，华为、中兴等企业在超大规模集群技术上取得突破，高速互联与绿色低碳技术同步推进。数据方面，数据资源体量持续扩容，根据全国数据资源调查工作组数据， 2025年全国数据生产总量将突破50ZB。数据标注基地建设成效显著，七大基地标注总规模达17282TB，已形成医疗、工业、教育等领域高质量数据集超300个。

　　展望2026年，关键产业要素供给将实现质效双升。算力方面，算力结构持续调整，智能算力占比有望突破35%，国产芯片在部分场景实现规模化应用，软硬件协同生态逐步成型，“东数西算”工程推动全国算力资源协同调度。数据方面，数据要素质量与开放度同步提升，高质量中文语料与行业数据集建设提速，跨领域数据共享机制逐步健全，为模型训练与应用创新奠定坚实的数据基础。

　　（四）智能体产业生态将加快成熟

　　作为人工智能技术迭代和落地应用的重要形态，智能体正进入快速发展阶段。“软智能体”方面，智能体创新企业Monica公司推出智能体Manus，可以直接操作电脑，完成报告撰写、简历筛选等任务。智谱推出智能体家族，包括面向手机的AutoGLM，支持抖音、微博、饿了么、京东、拼多多等主流APP，支持跨终端APP操作。百度推出金融智能体应用“智金”，深度融合财富管理、资产评估、业务合规等金融业务场景。

　　“硬智能体”方面，智能体终端产品加速推广，开辟高成长性消费新赛道。如，字节跳动推出搭载豆包大模型的AI智能体耳机Ola Friend， 支持日常随问随答、个性化导游、聊天情感陪伴等智能化体验。宇树科技、优必选、小米等推出系列具备智能交互能力的机器人产品。

　　展望2026年，智能体产业生态将加快成熟，行业企业不断加大智能体应用力度，各领域应用场景逐步拓展。IDC预测，到2026年，50%的中国500强数据团队将使用智能体实现数据准备和分析。行业标准与治理体系逐步完善，工具调用、数据交互等互联规范加快推进，安全防护与伦理治理机制持续探索。

　　（五）人工智能将全方位赋能千行百业

　　2025年，在“人工智能+”行动深入推进下，人工智能产业应用正加速从局部试点向全域渗透迈进，成为推动产业升级的核心动力。用户侧，截至2025年6月，我国生成式人工智能用户规模达5.15亿人，普及率36.5%。产业侧，重点行业应用成效持续凸显。人工智能正深度嵌入制造体系，全国智能工厂数量突破3万家，带动生产效率提升22.3%，研发周期缩短近三成；2025年上半年我国AI大模型解决方案市场规模达30.7亿元，同比增长122.1%，金融、政府、医疗等领域成为应用主力；截至7月底，央企已在16个重点行业布局800多个人工智能应用场景，涵盖能源、交通等关键领域。新兴赛道崛起迅猛，2025年1-10月具身智能获73笔超亿元融资，占AI领域融资总数的52%，累计融资257亿元；工业及服务机器人在仓储物流、商业服务等特定场景实现商用落地。

　　展望2026年，人工智能产业应用的渗透深度与融合广度将进一步拓展。应用链条上，技术从前端服务环节加速向研发、生产等核心领域延伸，全流程智能化重构成为传统产业升级的核心路径。物理世界融合持续深化，具身智能突破虚拟边界在实体场景实现规模化落地，与智能驾驶、XR等领域形成协同发展态势。生态协同格局加速成型，互联网巨头的平台生态与初创企业的垂类应用形成互补，数据共享与跨行业协作机制不断完善，推动技术红利从金融、制造等重点领域向千行百业扩散。

　　（一）我国企业市场拓展空间受到挤压

　　目前，我国企业在获取先进训练芯片及相关云服务等方面受限，面临成本投入上升、供给稳定性下降的风险，迟滞我国企业技术迭代升级与产品创新进程，同时，我国企业在海外项目获取与生态合作中将面临更多隐性门槛，国际市场拓展受到挤压。

　　（二）大模型产品执行复杂任务能力不及预期

　　大模型在复杂任务执行中仍面临多重现实瓶颈。一是专业场景适配不足，通用大模型的 “大而全” 设计与行业 “专而精” 需求存在矛盾，在医疗诊断、工业质检等需 99.9% 以上准确率的场景中，现有模型难以满足业务要求，罕见病识别、复杂缺陷检测等任务表现平平。二是逻辑推理与知识整合能力薄弱，处理跨学科、多步骤任务时，容易出现流程断裂或判断偏差，如法律场景中对 “但书条款” 的实际适用分析、金融领域的多维度风险评估等任务仍存在理解鸿沟。三是模型幻觉与可靠性问题突出，在专业决策场景中可能编造虚假信息，如虚构药物剂量、引用不存在的法条，且多模态处理专业数据格式时力不从心。此外，任务拆解的灵活性不足、跨系统协同效率低等问题，进一步制约了复杂任务的落地效果。

　　（三）高质量数据集仍难满足模型发展需求

　　尽管我国数据资源规模优势明显，但高质量数据供给仍滞后于模型发展需求。一方面，高质量数据短缺矛盾日益凸显。据人工智能研究和预测组织Epoch测算，高质量的数据会在2026年耗尽，低质量语言数据、图像数据存量将分别在2030年至2050年、2030至2060年枯竭。其中，中文语料以及行业语料更是缺乏，当前全球通用的50亿大模型数据训练集中，中文语料占比仅为1.3%，难以支撑具有文化背景和语言特性的本土模型优化。另一方面，数据壁垒问题突出。各类数据拥有方通过技术和法律手段限制内容调用，版权诉讼频繁，数据获取成本上升。此外，数据标准不统一、跨领域流通机制缺失，导致企业数据与公共数据难以有效融合，从供给侧制约了高质量数据集的构建，进而影响我国自主AI大模型的持续迭代升级。

　　（四）人工智能产业应用商业闭环尚未打通

　　当前人工智能产业应用商业闭环仍处于构建完善阶段，尚未形成可持续的价值循环体系。产业链算力、模型、应用层各层存在明显“断链”现象，算力资源与应用需求适配不足，模型层定制化能力薄弱，应用层多为单点工具型产品，难以形成生态协同效应。数据孤岛与算力适配问题突出，跨领域数据流通机制缺失，国产算力与主流模型兼容优化不足，制约应用创新。另外，盈利模式面临“高成本、低收益”结构性矛盾，模型训练与推理的算力、数据成本高昂，而企业付费习惯尚未普及，消费端收费模式推行困难，多数应用企业依赖项目制或政策补贴， 自我造血能力有待提高。工业、医疗等垂直领域的AI应用多处于试点验证阶段，缺乏标准化解决方案，难以实现规模化复制与商业变现。

　　（一）强化核心技术攻关

　　一是紧跟全球前沿技术动态，攻坚人工智能算法模型。加强语言、视觉、多模态等底层算法研究，突破类脑智能、世界模型等前沿技术。鼓励研发提升算力效率的新型模型架构。二是强化算力供给，推动构建人工智能软硬件协同发展生态。加快高端芯片研发，通过关键场景应用加快技术创新迭代。突破人工智能芯片高速互联、超低延迟传输、异构计算融合等关键技术。打造“类CUDA”AI计算软件生态，发展编译器、算子库、AI框架等核心工具链。

　　（二）加强高质量数据集建设

　　一是以国家级数据标注基地为依托，加快医疗、工业、交通等重点领域高质量数据集的标准化开发与共享，推动建立数据资源分级分类标准。二是建立跨行业、跨主体的数据流通机制，通过“数据沙箱”“数据信托”等模式破解数据孤岛问题，推动公共数据授权运营与企业数据跨域融合。三是鼓励企业与科研机构合作，开展多模态、场景化数据合成与增强技术研究，丰富中文及行业数据集。四是完善数据产权规则， 明确数据采集、标注、使用的合规路径，构建可持续的数据供给生态。

　　（三）优化资金支持

一是用好“AI战略投资基金”，重点支持处于技术突破期的创新企业。二是落实各类财政支持政策，加大对国产AI框架、操作系统、AI开发工具研发的支持力度，吸引更多开发者投身自主 AI 软件生态建设， 夯实AI应用底座。三是创新科技金融工具，推进知识产权证券化，激活企业无形资产价值。

　　（四）加大应用推广

　　一是加快构建面向算力、模型、应用的一体化协同机制，建立产业链上下游联动平台，推动科研院所、算力厂商与应用企业深度合作， 打造技术研发、场景验证、商业落地闭环。二是完善数据与算力支撑体系，搭建跨行业数据共享平台，加快国产算力与主流模型适配优化， 降低应用开发成本。三是创新多元化盈利模式，推广行业解决方案订阅制、按使用量计费等灵活定价方式，聚焦垂直领域打造可量化价值的应用场景。四是强化政策引导与生态培育，以“人工智能 +”行动为抓手，打造标杆示范项目，破解场景规模化落地难题。