“十五五”时期我国通用人工智能产业发展趋势研究

中国电子信息产业发展研究院电子信息研究所二O二五年四月1 通用人工智能产业发展现状 核心技术迭代演进 融合应用发展趋势 竞争格局演变 产业发展路径 重大挑战2二发展现状p 全球产业发展现状数据来源：Business Research INSIGHTSp 近年来，随着生成式人工智能技术的逐渐成熟与广泛应用，全球大模型市场规模迅猛增长。根据市场研究机构数据，大型语言模型（LLM）的市场规模在202年的价值约为15.9亿美元，预计到202年将达到840.1亿美元，年复合增长率达到79.8％。p 各国政府高度重视人工智能大模型，围绕人工智能关键环节加强政府投资，促进产学研合作，并强调全球对话，加强人工智能治理的国际合作。举措国际组织/国家/地区概括《关于发展包容、可持续的人工智能造福人类与 地 球 的 声 明 》 （ 即《巴黎人工智能宣言》）“星际之门”AI投资项目在未来四年内在美国各地建设价值5000亿美元的人工智能数据中心和绿色能源生产基地人工智能机遇行动计划将斥资逾1亿英镑启动九个新的人工智能研究中心拟动员筹集总计 2000 亿欧元，建设四个AI超级工厂，支持欧洲AI初创企业及基础设施建设Invest AI 计划承诺以 “开放”“包容” 和 “道德” 的方式发展人工智能技术，呼吁加强人工智能治理的协调，倡导全球对话，并呼吁避免市场集中，以提升人工智能技术的可及性。数据来源：网络公开资料，赛迪智库整理，2025年月将在200财年前提供至少10兆日元（约650亿美元），支持半导体和人工智能产业发展加强人工智能和半导体产业基础框架4二发展现状p 我国产业发展现状图片来源：Frost & Sullivanp 近年来，我国人工智能产业呈现出蓬勃发展的态势，根据市场研究机构数据，2024年中国AI大模型市场规模达到165亿元，预计到2028年市场规模将达到624亿元，复合增长率为40%。p 我国对于大模型行业整体秉持包容审慎的态度，大模型相关政策的颁布自2024年起呈现密集态势。p 中央及各部委AI政策重在顶层设计和推广典型应用，地方AI政策主要强调AI技术的落地应用，引导地方传统产业实现转型升级等。政策名称发布时间重点应用场景陕西省加快推动人工智能产业发展实施方案（2024-2026年）2024.05加快大模型与智能软硬件、智能机器人、智能无人机、智能网联汽车等深度融合。广东省关于人工智能赋能千行百业若干措施2024.05手机、计算机、家居、机器人等8大门类智能终端产品，以及制造、教育、养老等应用领域湖南省人工智能产业发展三年行动计划（2024-2026年）2024.09布局智能制造、音视频、智慧政务、智慧家居、智慧金融、智慧医疗、智慧交通、智慧能源等垂直领域行业大模型，加快人工智能赋能原材料、装备制造、电子信息、特色轻工、绿色食品加工等重点行业河南省人民政府办公厅关于印发河南省推动“人工智能+”行动计划（2024—2026年）的通知2024.10实施医疗、教育、科研、工业、农业、文化和旅游、城市管理、生态保护、防灾减灾等重点行业应用示范，探索人工智能在能源、金融、人力资源、消费等行业多元化应用，形成人工智能行业应用新生态。山东省人工智能产业科技创新行动计划（2025—2027年）2024.12重点支持在智能制造、智慧政务、智慧家庭、智慧海洋等领域打造标杆性垂域大模型产品和服务。上海市人民政府办公厅印发《关于人工智能“模塑申城”的实施方案》的通知2024.12打造智能终端、科学智能、在线新经济、自动驾驶、具身智能等关键领域生产力工具，聚焦金融、制造、教育、医疗、文旅、城市治理等重点行业加速应用赋能。数据来源：网络公开资料，赛迪智库整理，2025年月56二核心技术迭代演进01020•异构计算将进一步深化，更多类型计算单元会被集成。•计算单元之间的通信和协同机制将更加优化，硬件架构会围绕异构计算进行重新设计，开发出更高效的异构计算软件框架和编程模型。•通用人工智能在面对复杂任务时，能更灵活、高效地调用不同计算资源。•实时处理和低延迟响应的需求会不断提升，边缘计算节点的算力将不断增强。•更多的终端设备如智能手表、智能家电等也会具备一定的边缘计算能力。•建立更完善的云边协同架构和管理机制，实现云计算与边缘计算的无缝衔接。•量子比特稳定性、可扩展性和量子纠错技术可能会取得关键突破。•量子计算的应用场景会不断拓展，从科研领域逐渐向金融、医疗、能源等通用人工智能的实际应用领域渗透。•与经典计算硬件形成深度融合，用于解决特定的AI优化问题，从而为AGI提供更强的算力支持。1.异构计算深度融合2.边缘计算持续拓展.量子计算加快崛起AI专用芯片和量子计算的突破将推动计算硬件实现高效能、低功耗和绿色化的跨越式发展。7二核心技术迭代演进0102004数据质量管理成重点，出现更先进的数据清洗、标注和验证技术，建立完善的数据质量标准和评估体系。打破数据壁垒，建立统一数据标准和共享平台，实现多领域数据融合，多模态数据融合技术不断发展。对真实数据采集成本高、隐私保护难等问题，合成数据广泛应用，通过生成对抗网络等技术合成高质量模拟数据，用于模型训练和优化，解决隐私和安全问题。例如，金融行业利用合成数据生成虚拟客户交易记录，用于训练反欺诈模型，既保护了客户隐私，又提高了模型的准确性和泛化能力。研发更先进的加密技术、零知识证明等隐私保护技术，政府和行业出台更严格的数据安全法规和标准。例如，欧盟的《通用数据保护条例》（GDPR）为数据安全和隐私保护设定了严格的规范，促使企业加大在数据安全技术方面的投入。数据质量大幅提升跨领域数据融合加快合成数据应用增长数据安全与隐私保护加强8二核心技术迭代演进模型在规模与效率间实现新的平衡，从“更大”向“更智能”转变，探索轻量化模型与高效算法成为研究热点。n 高效注意力机制改进。继续优化稀疏注意力机制，如探索更智能的稀疏模式，使模型能自适应地选择关键信息进行关注，降低计算成本的同时提高对不同任务和数据的处理效率。研究多尺度注意力机制，让模型在不同粒度上捕捉信息，增强对复杂场景和多样化数据的理解。n 混合架构创新。将 Transformer 架构与其他如CNN循环神经网络RNN等架构相结合，充分利用 CNN 对局部特征的提取能力、RNN 对序列信息的处理能力以及 Transformer 的长序列建模和并行计算优势，使模型能更好地处理多种类型的数据和任务，提升在图像、视频、语音等多领域的通用性。n 模型训练和优化技术进一步提升。分布式训练将更加普及。未来会进一步优化分布式训练算法和架构。强化学习与大模型融合更加深入，模型能够在与环境的交互中不断学习和优化策略。模型压缩和量化技术将不断发展，进一步降低模型的存储和计算成本，使其能够更高效地部署在各种设备上。研究更先进的量化方法，将模型参数量化为低精度数据类型，降低计算量和存储需求，使模型能够更灵活地部署在不同的设备和场景中，增强通用性。9二核心技术迭代演进认知架构与类脑智能模拟n 联邦学习算法持续优化•针对数据的非独立同分布（Non - IID）特性，会有更先进的算法被开发出来。•通过更智能的权重分配策略，自适应地调整不同节点数据对全局模