近年来，政策支持和市场推动下，我国人工智能产业快速发展，智算中心建设、大模型研发和算力部署持续加速。随着"人工智能+"被纳入政策部署，产业发展重点已从规模扩张转向质量提升，更加注重在重点行业形成可落地的商业模式；但同时，部分地区和项目也面临算力资源闲置、应用转化不足等问题，制约了产业高质量发展。 调研发现，一些智算中心算力利用率较低，甚至出现"建成即闲置"现象，不仅增加了运营成本，也影响了投资信心。主要原因包括：一是发展导向存在偏差，部分地区过于追求项目数量和规模，忽视实际产业需求，形成重建设轻运营的倾向；二是供需对接不畅，算力、模型、数据和应用之间缺乏有效衔接；三是在国产化替代过程中，部分项目仅完成设备更换，未能同步提升智能化能力。 这些问题导致算力投入与产出不匹配，增加了产业链成本。从长远看，如果不能在工业、能源、金融等重点领域形成商业闭环，人工智能将难以实现规模化应用；如果在国产化进程中错过智能化升级机遇，也将影响产业链的自主可控能力。当前行业共识是，衡量AI产业发展的核心指标正从算力规模转向实际效益，包括投入产出比、可持续运营能力和商业价值。 针对这些问题，业内建议从三个上推动AI产业从建设向应用转变： 1. 聚焦场景闭环：加强行业用户、算法企业和芯片厂商的协同合作，围绕实际需求开展全流程开发，重点解决降本增效等实际问题，建立可复制的商业模式。 2. 完善治理体系：加快制定自动驾驶、生成式AI等领域的监管规则，明确责任边界，为企业创新提供稳定预期。 3. 培养复合人才：加强产教融合，培养既懂技术又懂行业的复合型人才，同时支持企业建立专业应用团队。 产业链协同上，国产芯片被视为AI发展的重要基础。目前国产算力已在多个重点行业实现规模化部署，产品形态不断丰富。未来竞争将更注重系统集成能力、生态适配能力和持续运营能力。
从追求规模到注重实效，是我国AI产业高质量发展的关键。要实现此转变，必须坚持应用导向、协同创新和安全治理并重。随着国产芯片和产业生态的成熟，"人工智能+"有望在更多领域发挥示范效应，推动数字经济高质量发展。