江蘇省人工智能大模型產業高質量發展研究

摘要：當前，人工智能大模型“走深向實”，成為推動科技跨越發展、產業優化升級、生產力整體躍升的重要驅動力。江蘇人工智能大模型發展取得顯著成效，具備較好的發展基礎，但其推動產業高質量發展仍存在一些不足。文章首先梳理了我國人工智能產業的發展態勢，其次剖析了江蘇人工智能大模型產業的發展基礎與存在問題，最后闡述了以“四鏈”深度融合推動江蘇人工智能大模型產業高質量發展的對策建議。

關鍵詞：人工智能；大模型；“四鏈”融合；高質量發展

中圖分類號：F49文獻標志碼：A

0 引言

隨著ChatGPT等通用人工智能大模型的興起，全球人工智能產業迎來了新的發展浪潮。在中國，人工智能大模型市場正以迅猛的速度增長，呈現出百“模”爭鳴的局面。2024年，人工智能大模型進入關鍵的賦能階段，催生未來產業的新模式和新業態，為各行各業帶來深遠的影響。江蘇以其雄厚的產業基礎、豐富的科教資源、優越的營商環境以及龐大的市場規模，在算力、算法、數據等方面持續發力，人工智能大模型發展“走深向實”，以堅定的步伐推動技術發展與產業落地深度融合。然而，盡管已取得了一定的進展，但江蘇人工智能大模型產業高質量發展仍存在一些不足。本文基于我國人工智能大模型產業發展整體態勢，梳理分析江蘇的發展基礎和存在不足，提出以“四鏈”深度融合推動人工智能大模型產業高質量發展，培育新質生產力，構建現代化產業體系的對策建議，旨在對江蘇人工智能大模型產業提供有益的參考和借鑒。

1 我國人工智能大模型產業發展態勢

近年來，我國人工智能大模型產業發展迅猛，離不開政策端、供給端、需求端3方面共同發力，推動人工智能大模型產業發展不斷提質加速，更好賦能經濟社會高質量發展。

1.1 政策驅動

近年來，我國政府對人工智能發展給予高度重視，將其上升為國家戰略，出臺了一系列支持政策和規劃。2017年，國務院發布了《新一代人工智能發展規劃》，旨在打造高端產業鏈，全面提升人工智能產業競爭力。2022年，科技部等六部門聯合發布了《關于加快場景創新 以人工智能高水平應用促進經濟高質量發展的指導意見》，聚焦人工智能重大應用及產業化發展問題，全方位提升人工智能技術在經濟社會各領域的廣泛應用，從而更好地促進經濟高質量發展。我國在人工智能法立法研究方面也取得了進展，2023年4月，我國發布了《生成式人工智能服務管理辦法（征求意見稿）》并在7月正式發布《生成式人工智能服務管理暫行辦法》。這是我國在生成式人工智能監管議題上的初步嘗試，促進了人工智能大模型技術的規范應用和產業整體高質量發展。在2024年的《政府工作報告》中提出，實施“人工智能+”戰略目的是打造具有全球影響力的數字產業集群，以推動國家在人工智能領域的創新和國際競爭力。

伴隨人工智能大模型技術的迅速進步，各地政府陸續出臺一系列政策舉措，為支持大模型產業發展明確了“施工圖”。例如，北京出臺了《北京市推動“人工智能+”行動計劃（2024—2025年）》，著力推動大模型核心技術突破，構建大模型應用生態，賦能經濟社會發展。上海出臺了《上海市推動人工智能大模型創新發展若干措施（2023—2025年）》，強調打造具備國際競爭力的大模型，建設企業、人才集聚的大模型創新高地。深圳出臺了《深圳市加快推動人工智能高質量發展高水平應用行動方案（2023—2024年）》，從算力供給、科研創新、產業集聚、場景打造、要素供給等方面持續發力。此外，杭州支持行業領軍企業推進通用大模型核心技術的研發突破，鼓勵中小企業專注于特定垂直領域，打造更加精細化和專業化的專用模型。安徽從資源方面著手吸引大模型企業入駐。

1.2 供給發力

人工智能的供給端由算力、算法和數據3個核心要素組成。它們共同構成了人工智能的新型基礎設施。

算力是人工智能大模型的底座基礎。算力可分為通用算力、智能算力和超級算力，分別對應3種計算模式：基礎計算、智能計算和超級計算。不同應用場景下所需的計算精度不同，通常會采用不同種類的算力。大模型的訓練需要巨大的算力，算力需求逐步從通用計算轉向智能計算。國家及各地政府正加速推進算力基礎設施布局。2022年2月，正式啟動“東數西算”工程。根據國家信息中心等機構發布的《智能計算中心創新發展指南》顯示，當前我國正迎來智算中心建設的熱潮，超過30個城市開展智算中心建設，整體布局主要集中在東部地區且逐步向中西部地區拓展。智算中心建設已超過通用基礎算力，預計未來將持續高速增長，增速遠超通用算力。

以ChatGPT為代表的大模型將人工智能算法推向大模型時代。大模型可分為通用大模型和行業大模型。通用大模型是聚焦跨領域、多任務的超大規模模型。（1）通用大模型框架平臺是開展人工智能驅動行業應用的核心基礎設施。國內諸如百度、阿里巴巴、科大訊飛等行業巨頭已經成功推出了多款具有競爭力的通用大模型產品。盡管如此，與美國在通用大模型平臺研發領域相比，我國仍存在一定技術差距，需進一步強化研發投入和技術創新，提升國內大模型平臺的全球競爭力。（2）行業大模型是針對特定行業或領域的大模型，能夠降低應用落地門檻，推動各行業的智能化升級。國內行業大模型發展態勢更為顯著，在互聯網、金融、教育和醫療等數據驅動型行業中得到廣泛應用。此外，國內人工智能大模型存在一些“套殼”現象。當前，有些大模型為套用國外開源模型或由傳統模型改裝的偽大模型應用，如進一步滋生“劣幣驅逐良幣”的惡性循環風險，將對我國大模型原始創新和核心競爭力構建造成不利影響。

數據作為新型生產要素，為人工智能大模型訓練提供豐富的訓練素材。多模態和大規模數據集的重要性日益凸顯。我國因其龐大的人口和產業規模，積累了極其豐富的數據資源，這些資源正以前所未有的速度增長。然而，在高質量公共數據集建設方面，我國仍面臨挑戰，尤其是在為行業模型訓練提供必要的數據整理和標注工作上，尚未能充分發揮數據資源的規模優勢，以促進大模型技術在各行業領域的更廣泛應用和更優應用效果^［1］。因此，各地政府紛紛組建數據局和數據集團，積極推進數據資源整合共享和開發利用，激活數據要素價值。

1.3 需求牽引

人工智能大模型已成為全球科技競爭的新高地，在辦公、制造、金融、醫療等多個領域展現出巨大的應用潛力，具有廣泛應用前景。大模型在消費端應用的用戶量巨大，應用門檻較低，落地以及成長速度更快，具有廣闊的想象空間，如搜索引擎、語音助手、智慧生活、個人辦公等。大模型在政府和企業端行業領域和業務場景更豐富，雖然細分場景的差異化明顯，定制化程度較高，但政府和企業客戶付費能力更強，未來盈利空間廣闊，如智慧城市、數字政府、智慧文旅、智能制造、智慧教育、智慧醫療等。

當前，我國大模型產業化應用趨勢凸顯，覆蓋消費端和政企端眾多領域，但在重點行業領域應用率偏低。大部分傳統行業的應用正處于小規模試點階段，大面積推廣還缺乏典型應用案例。例如，工業領域對大模型的探索性應用已經取得了初步進展，主要集中在輔助設計、質量預測、設備維護等關鍵環節，但這些應用尚未實現廣泛的落地和規模化部署，未來有望通過進一步探索和實踐，形成成熟的、可復制推廣的工業大模型解決方案^［2］。總體而言，未來“大模型+”向行業縱深領域發展潛力巨大。

2 江蘇人工智能大模型產業的發展基礎與存在問題

江蘇正充分利用其強大的產業基礎、豐富的科教資源、優越的營商環境以及龐大的市場規模等優勢，不斷在算力、算法和數據等關鍵領域取得突破，以推動人工智能大模型產業向更深層次和更實際的應用方向發展。盡管在追求高質量發展的過程中存在一些不足，但這些不足也為江蘇提供了進一步優化和提升的機會。

2.1 發展基礎

2.1.1 產業政策不斷強化

2024年8月，江蘇省政府召開人工智能大模型高質量發展專題會議，強調要加快推進人工智能大模型產業布局，專注于大模型核心技術的創新和突破，通過在算力、算法、數據等方面加大投入，努力拓展多樣化的應用場景，以實現人工智能產業化與產業智能化的協同發展，推動經濟和社會向全面智能化升級轉型。在政策支持方面，江蘇省政府發布了多項政策文件，旨在加快培育和發展未來產業，包括人工智能大模型產業。例如，江蘇省政府發布的《關于加快培育發展未來產業的指導意見》提到，要積極開展大模型技術研發及產業化，加快發展人工智能服務業、智能制造業，鼓勵各設區市結合實際情況出臺專項支持政策。

2.1.2 產業基礎日益完善

近年來，江蘇在算力基礎設施建設方面取得了顯著進展。2023年，江蘇省在用算力規模達到18EFLOPS（1EFLOPS等于每秒執行100萬萬億次浮點運算），在用數據中心標準機架超過59萬架，在用智算中心9個、超算中心2個，綜合算力評價排名全國第二。目前，作為全國一體化算力網絡八大樞紐節點之一的“東數西算”長三角算力調度中心在蘇州啟用。根據《江蘇省算力基礎設施發展專項規劃》，江蘇設定了到2030年的發展目標：全省數據中心機架規模達120萬標準機架，全省在用總算力超過50EFLOPS，2023—2030年江蘇省在用算力規模年均增長率15.7%。這一目標的實現將為江蘇省的人工智能大模型產業提供堅實的算力支撐。

當前，江蘇積極培育數據要素市場，促進數據要素流通交易，加速數據產業化發展進程，釋放數據要素價值。2024年1月，江蘇率先建立了國內首家省級數據管理機構——江蘇省數據局。接著全省13個設區市先后成立市數據局并組建數據集團，全面完善數據工作體制機制。江蘇省發展和改革委員會組織中國通服江蘇公司、中通服咨詢設計研究院等研究機構，深入開展數據要素市場化配置改革研究，率先提出全省數據交易“1+5+X”多層次數據交易市場體系，即建設1個全省統一數據交易平臺、推動5家存量數據交易中心差異化發展、打造X個特色產業數據交易平臺。江蘇的數據共享和供給力度不斷增強，公共數據平臺已經發布了高達46萬種數據目錄，實現了超萬次的跨部門、跨地區的數據供需匹配，對26個中央部委的數據進行了64.6億次的調用^［3］。

目前，江蘇在人工智能大模型研發方面呈現出強勁增長態勢。根據江蘇省互聯網信息辦公室發布的生成式人工智能服務備案信息顯示，按照《生成式人工智能服務管理暫行辦法》要求，江蘇已有12款生成式人工智能大模型通過備案并上線運行（見表1），展示了江蘇在人工智能領域較強的研發實力，表明了江蘇在大模型領域得到了國家層面的認可和支持。

2.1.3 區域布局持續優化

江蘇人工智能產業以蘇南地區的城市群為核心，南京和蘇州構成了這一區域的兩大中心，共同推動形成了“一帶兩核”的產業布局。南京和蘇州的人工智能產業發展水平均位居全國前列，兩地的發展定位、發展基礎及未來規劃各有側重（見表2）。此外，無錫、常州、南通等地市紛紛結合本區域優勢推進人工智能大模型特色發展。

2.1.4 產業市場規模巨大

江蘇經濟基礎雄厚、產業門類齊全，為人工智能的融合應用提供了廣闊空間。江蘇擁有全國領先的制造業基礎，制造業規模約占全國的1/8，產業鏈完整，涵蓋了31個制造業大類，有6個行業規模已超萬億元，擁有10個國家先進制造業集群，數量和規模上均位居國內首位，這種強大的產業基礎為人工智能技術的應用提供了豐富的場景和需求。近年來，江蘇大力推進“智改數轉網聯”行動，縱深推進智能化改造、數字化轉型、網絡化連接，大模型技術在這一過程中發揮了核心驅動作用，而“智改數轉網聯”也為大模型的應用提供了廣闊的需求場景。江蘇通過舉辦大模型行業應用對接會等方式，促進大模型行業企業與制造業多樣化的產業應用場景精準對接、深度融合。由江蘇省工業和信息化廳牽頭編制的《AI賦能新型工業化案例匯編》，梳理了150個應用案例，覆蓋了新能源汽車、高端裝備、生物醫藥等14個產業集群。蘇州、南京等城市正致力于以人工智能與實體經濟深度融合作為核心戰略，努力構建一個以“人工智能+”為核心的創新應用生態，打造豐富多元的應用場景，推動大模型技術為當地優勢產業的數字化轉型提供動能。

2.1.5 科教資源儲備豐富

江蘇作為科教大省，科教人才資源豐富，擁有良好理論研究和應用型人才儲備。全省人工智能專利申請量近萬件，位列全國第二，主要集中在機器學習、語音識別和計算機視覺等關鍵技術領域。全省有超過50所高等教育機構參與人工智能的研究工作，南京大學和東南大學是全國知名的人工智能基礎研究高校。此外，除上述2所高校外，蘇州大學、南京航空航天大學、南京理工大學、南京郵電大學、江南大學等高校均已建立了專門的人工智能研究機構。南京大學機器學習與數據挖掘研究所（LAMDA）在集成學習、半監督與主動學習、多示例與多標記學習等研究領域，具有顯著的全球影響力^［4］。

2.2 存在問題

2.2.1 缺少龍頭骨干企業

江蘇人工智能企業以創業型中小企業為主，擅長領域多以人工智能行業應用為主，但資源整合能力相對較弱，缺乏百度、阿里、騰訊這樣的行業領軍企業，限制了對產業發展的示范和引領作用。

2.2.2 成果轉化成效不足

創新鏈與產業鏈協同發展水平有待提升，創新鏈對產業鏈的推動作用不足，影響了大模型在產業中的應用效果。盡管江蘇在人工智能領域的專利數和科教資源位居全國前列，具有強大的技術研發能力和完善的人才培養體系，但在人工智能產業載體和平臺建設方面存在明顯不足，導致人才和技術優勢未得到充分利用，影響了技術成果向產業化的轉化效率和效果。

2.2.3 賦能產業不夠充分

盡管江蘇省在推進人工智能賦能新型工業化方面取得了一定的進展，但整體來看，大模型在深度賦能行業核心業務方面仍處于初級階段，尚未實現大規模應用。作為智能制造的關鍵支撐技術，人工智能大模型在制造業領域的應用尚未達到全面和深入的程度，其與制造業深度融合發展的綜合效應還未充分展現。

2.3 區域對標

人工智能大模型的發展在中國呈現出明顯的區域集中趨勢。根據科技部發布的《中國人工智能大模型地圖研究報告》，北京、上海、廣東處于第一梯隊，在大模型發展方面具有顯著優勢。江蘇應在對標借鑒基礎上，充分利用自身產業基礎和科教優勢，在大模型領域，探索具有江蘇特色的高質量發展路徑。

2.3.1 北京關注大模型基礎算法創新演進

北京是我國大模型企業的核心聚集地，匯集了包括百度和智譜AI等在內的一批國內大模型頭部企業，企業數量遠超其他地區。此外，北京還擁有國內最豐富的學術資源，為大模型的創新研究夯實了基礎。

2.3.2 上海側重硬件芯片、算力

上海在大模型發布數量上僅次于北京，在算力、芯片方面處于國內領先地位，已初步形成了“一平臺、五中心”的智算中心發展格局。商湯、騰訊、阿里云等在上海建設的智算中心已逐步投產。

2.3.3 廣東聚焦大模型產業應用

廣東延續了自改革開放以來走在高新技術產業化應用前沿的傳統，在人工智能大模型產業的應用發展方面表現活躍。廣東的大模型發布數量位于全國第三，人工智能核心企業數量領先全國其他省份，主要聚焦于應用層。

3 江蘇人工智能大模型產業高質量發展的對策建議

黨的二十大報告強調，推動創新鏈、產業鏈、資金鏈、人才鏈深度融合。這種融合簡稱“四鏈”融合，旨在提升產業創新能力，推動經濟的高質量發展。人工智能大模型產業發展是涉及多主體、多層次、跨領域的系統性問題。江蘇應堅持全局視角、系統觀念、“鏈式”思維，以“四鏈”深度融合推動人工智能大模型產業高質量發展，培育新質生產力，構建現代化產業體系。

3.1 加強“四鏈”融合頂層設計，明確大模型產業高質量發展的戰略路徑

聚焦大模型產業高質量發展目標，通過戰略性、前瞻性、系統性的頂層設計，完善“四鏈”融合政策體系設計，推進科技創新、產業發展、資金匹配和人才培養一體設計、一體部署和一體推進，持續提升江蘇人工智能大模型產業的核心競爭力。

一是出臺專門針對江蘇大模型高質量發展的戰略路線圖，明確從大模型基礎研究、應用研究到產業轉化的路徑，強化發改、科技、工信、財稅、金融等領域政策協同發力。二是增加對大模型技術研發和產業化的資金投入，特別是在計算資源消耗、模型泛化能力、可解釋性等方面進行重點攻關。三是發揮南京、蘇州在全省人工智能發展中的“頭雁效應”，打造以大模型研發應用為核心的數字產業集群，推動產業集聚發展，探索通過基礎設施共享、產業飛地建設等方式，培育具有地方特色的大模型產業，形成全省產業協同發展的新局面。

3.2 強化企業主導的“四鏈”融合創新，構建大模型產業高質量發展的核心能力

大力培育龍頭型和高速成長型科技領軍企業，發揮行業領軍企業的“鏈主”作用，支持其聯合高校、科研機構、上下游企業搭建大模型開放研發平臺，集聚各類創新資源，推動產業鏈與創新鏈深度融合。

一是搭建“鏈主”企業主導、政產學研用協同的創新聯合體，布局大模型領域新型研發機構，建立聯合實驗室和公共數據集平臺，豐富算法和模型，培養人工智能人才，促進大模型技術的成果轉化，推動產業鏈協同發展。二是圍繞江蘇超大規模市場需求和應用場景，培育一批“專精特新”企業，發揮這些企業在大模型特定細分領域的特色優勢，促進產業鏈上中下游、大中小企業融合創新，推動大模型技術賦能千行百業。三是鼓勵市場主體深入挖掘江蘇優勢行業的實際應用需求，構建市場潛力大、投入產出高、示范效應強的深度融合應用場景，打造大模型賦能行業轉型升級的標桿案例，帶動提升全省制造、醫療、文旅、政務等領域的智能化水平。

3.3 前瞻性部署建設人才鏈，強化大模型產業高質量發展的智力支撐

針對產業鏈和創新鏈的發展，需要加強人才政策的協調性，前瞻性規劃布局人才鏈，開展人才需求預測，健全緊缺人才信息發布機制^［5］，引進全球頂尖人才，推動高端人才流向創新型企業和產業，優化大學專業設置，加強前沿學科和未來產業的教育，培養高層次國際化領軍人才^［6］。

一是制定大模型緊缺人才目錄，定向引進緊缺人才，多措并舉，發展科技領軍人才、卓越工程師和青年科技人才。二是構建大模型領域關鍵技術領軍人才的跨組織調配機制，實現跨部門、跨地區、跨行業、跨體制匯聚核心人才，形成聯合攻堅隊伍。三是集聚青年科技人才隊伍，積極引進大模型研究應用領域的國內外優秀人才，提供落戶、子女入學、住房、醫療等保障。四是高校探索學科交叉融合，構建“人工智能+X”復合型人才培養體系，鼓勵校企建設產教融合共同體，共建實訓基地和產業人才培訓基地，引入企業項目案例，強化學生實踐能力，培養卓越工程師隊伍，促進學校、企業與人才間的緊密循環，實現產教融合和科教融合的雙閉環。

3.4 多元化資金鏈供給，為大模型產業高質量發展提供持續動能

以市場化為導向，政策引導為手段，風險分擔為機制，通過政府投入、社會資本、金融機構和市場融資等多元化的資金供給模式，構建覆蓋創新鏈、產業鏈、人才鏈全過程的資金支持體系。

一是通過多元化資金鏈投入，全過程賦能大模型成果轉化。在大模型成果轉化初期，以財政科研資金為主，設立科技成果轉化基金；在轉化中期，以風險投資、科技貸款為主，設立產業創新引導基金；在轉化后期，以信用擔保、銀行金融信貸及技術交易等方式促進產業化。二是集中力量支持大模型重大創新項目，優化財政專項資金的分配機制，通過賽馬式、里程碑式資助方式扶持大模型領域重點項目技術攻關，以更好地支持重點企業、重點項目以及重大科技成果轉化。三是利用政府和社會資本合作（PPP）模式，鼓勵社會資本參與大模型重大項目和關鍵基礎設施建設。四是鼓勵政策性銀行和金融機構增加投資，探索風險補償機制，優化風險撥備資金等補償措施^［7］。五是通過優化研發費用的稅收抵免政策，篩選出合適的受益對象，構建覆蓋企業成長和創新全生命周期的稅收支持體系。

4 結語

本文梳理研判了我國人工智能大模型產業的發展態勢，系統分析了江蘇人工智能大模型產業的發展基礎及存在不足，從推動創新鏈、產業鏈、資金鏈、人才鏈深度融合的角度提出了應對策略。下一步，江蘇應搶抓機遇、順勢而為，以推動“四鏈”深度融合為主引擎，加強“四鏈”融合頂層設計，構建以行業領軍企業為主導的融合創新體系，前瞻性部署建設人才鏈，強化多元化資金鏈支撐，推動江蘇人工智能大模型產業發展壯大，為實現江蘇高質量發展提供有力保障。

參考文獻

［1］田永靜，苑衛國.我國人工智能發展趨勢研究［J］.人民論壇·學術前沿，2024（8）：102-105.

［2］賽迪智庫人工智能產業形勢分析課題組.2024年我國人工智能產業展望［J］.軟件和集成電路，2024（增刊1）：17-21.

［3］許愿.讓看不見的數據產生實打實的效益［N］.新華日報，2024-07-27（1）.

［4］王興偉，王清，郭永海.構筑江蘇人工智能產業發展新優勢［J］.群眾，2019（22）：49-51.

［5］聶常虹，趙斐杰，李釧，等.對創新鏈產業鏈資金鏈人才鏈“四鏈”融合發展的問題研究［J］.中國科學院院刊，2024（2）：262-269.

［6］王海南，王禮恒，周志成，等.“四鏈”深度融合下戰略性新興產業高質量發展戰略研究［J］.中國工程科學，2024（1）：1-12.

［7］屈信明，姚雪青，王永戰.為人工智能發展提供要素支撐［N］.人民日報，2024-04-15（18）.

（編輯 姚 鑫）

Research on the high-quality development of Jiangsu province artificial intelligence large model industry

LI Liwei

（China Information Consulting and Designing Institute Co.， Ltd.， Nanjing 210019， China）

Abstract：At present， Artificial intelligence large models are “going deep and towards reality，” becoming an important driving force for promoting scientific and technological leaps， industrial optimization and upgrading， and the overall leap in productivity. Jiangsu artificial intelligence large model development has achieved significant results and has a good foundation for development，but there are still some deficiencies in promoting high-quality industrial development. This article first Sorts out the development trend of China artificial intelligence industry， then analyzes the development foundation and shortcomings of Jiangsu artificial intelligence large model industry， and finally elaborates on the countermeasures and suggestions for promoting the high-quality development of Jiangsu artificial intelligence large model industry through the deep integration of the “four chains”.

Key words：artificial intelligence; large model; integration of “Four Chains”; high-quality development