中国两会："人工智能+"写入政府工作报告，首提"智能经济新形态"

背景：历史性突破——"人工智能+"首次写入政府工作报告

2026年全国两会，一个词汇悄然改变了中国科技政策的格局——"人工智能+"。这是这一表述首次出现在中央政府工作报告中，标志着AI技术从"新兴技术领域"正式升格为"国家战略引擎"。报告明确提出，要打造"智能经济新形态"，推动人工智能与制造、农业、医疗、教育等传统产业的深度融合，将AI视为驱动新质生产力的核心动力。

这一政策转向并非突然。从2017年《新一代人工智能发展规划》的宏观布局，到2024年"人工智能+"概念率先出现在多个省级政策文件中，再到2026年正式进入全国层面的政府工作报告，中国AI政策经历了整整十年的酝酿与演进。

政策演变脉络

• **2017年**：国务院发布《新一代人工智能发展规划》，提出2030年AI理论、技术与应用总体达到世界领先水平的目标
• **2021—2023年**：大模型热潮兴起，ChatGPT引发全球关注，中国相继出台《生成式人工智能服务管理暂行办法》等监管框架
• **2024年**：北京、上海、深圳等地率先提出"人工智能+"行动计划，探索落地路径
• **2026年**：两会政府工作报告正式将"人工智能+"列为国家战略，首提"智能经济新形态"

---

核心分析：三大战略支柱

一、算力基础设施——夯实"新基建"底座

报告要求加快推进"东数西算"工程，计划在内蒙古、贵州、宁夏等地新增智算中心20个以上，形成覆盖全国的算力调度网络。这一举措旨在降低沿海城市的能耗压力，同时带动西部地区数字经济发展。

在芯片层面，政策明确支持国产AI芯片的研发与规模化应用。华为昇腾系列、寒武纪MLU处理器获得政府采购优先支持，相关科研院所的研发经费也大幅增加。这背后是中国在NVIDIA出口限制压力下加速芯片自主化的战略考量——不再依赖单一境外供应商，构建自主可控的AI算力生态。

二、产业融合——"+"的落地逻辑

"人工智能+"的核心在于这个"+"字，即AI如何赋能实体经济。报告列出了三条主要融合路径：

AI+制造业：推动智能工厂和"灯塔工厂"建设，目标是到2027年，关键工序数控化率提升至75%，工业互联网平台接入企业数量翻倍。重点行业包括汽车、半导体、精密仪器等。

AI+医疗健康：推广AI辅助诊断系统，覆盖范围从三甲医院向县级医院延伸。具体应用包括AI读片（CT/MRI影像识别）、药物研发加速、慢性病管理等。在老龄化加剧的背景下，这一方向具有极强的社会价值。

AI+教育：在中小学试点个性化学习系统，利用AI分析学生学习行为，实现"因材施教"。高校层面则鼓励AI相关专业扩招，并推动产教融合，让AI人才培养更贴近产业需求。

三、数据要素市场——构建"数据+AI"双轮驱动

AI的价值很大程度上取决于数据的质量和规模。本次报告强调加快数据确权、定价、流通体系的建设，推进公共数据的有序开放，并在全国重点城市建设国家级数据交易所。这意味着，数据将像土地、劳动力一样，成为可流通、可定价的生产要素，为AI模型的训练提供更丰富的"粮食"。

---

国际比较：中国模式的优势与争议

与美国"自由市场+宽松监管"的路线不同，中国采取的是"国家引导+产业政策"模式——政府通过政策工具、资金扶持和市场准入来定向引导AI产业发展。与欧盟《AI法案》的"监管优先、分级管控"路线相比，中国模式更注重产业落地效率。

优势： 政策协同性强，资源集中，执行效率高；能够快速调动国有企业、科研院所、地方政府形成合力；在算力基础设施等重资产领域，政府主导能避免重复建设。

争议： 过度的产业政策可能导致资源错配，抑制基础研究的多样性；数据集中管理也引发外界对隐私保护的质疑；此外，补贴导向的竞争环境可能催生"僵尸企业"。

---

影响与展望：万亿市场的号令

"人工智能+"写入政府工作报告，将直接释放大量政府采购订单和政策性贷款。机构预测，2026年中国AI产业规模有望突破8000亿元人民币，到2030年有望超过2万亿元。

然而，这一政策红利也带来新的挑战：如何防止AI就业替代带来的社会风险？如何在数据开放与隐私保护之间寻找平衡？如何确保AI系统的安全性与可解释性？这些问题，将伴随"智能经济新形态"的构建过程，考验政策制定者的智慧与担当。

对于企业而言，政策信号已然清晰——AI不再是"锦上添花"的技术选项，而是参与未来产业竞争的"入场券"。