2026中国信通院深度观察报告会于2025年12月12日至13日在北京举行，报告会以“面向‘十五五’人工智能浪潮下的新质生产力发展”为主题。对于人工智能，报告会上提到，技术的不断迭代，为大模型实用化打下坚实基础，而智能体成为大模型应用落地的主要形式，展现出“数字劳动力”的雏形。同时，AI正在向价值创造的核心环节渗透，但其渗透速度仍受限于工业数据的获取难度、工艺知识的封装水平以及对可靠性的极致要求。另外，具身智能作为大模型与机器人结合的产物，已经取得认知智能与物理智能的双线突破，但模型路线、数据范式以及最佳机器人形态仍未定型，大规模落地仍处于早期阶段。最后，随着人工智能应用的深化与潜在风险的显化，安全治理已成为与技术发展并行的另一条主线。
2026中国信通院深度观察报告会于2025年12月12日至13日在北京举行。（冉黎黎/图）
智能体成为大模型应用落地主要形式
2025年，人工智能技术快速迭代，处在从技术创新向现实生产力转化的关键转折点。中国信息通信研究院人工智能研究所所长魏凯表示，2024年，我国人工智能核心产业规模超过9000亿元，增速达24%，初步测算预计2025年有望超过1.2万亿元。
魏凯指出，今年以来，从信通院的大模型测试数据看，模型在语言和多模态理解能力上提升显著，综合能力分别提升了30%和50%，推理、编程等能力实现了“又好又快”的发展。技术的不断迭代，为大模型实用化打下坚实基础。智能体成为大模型应用落地的主要形式，展现出“数字劳动力”的雏形。
一方面，以Genspark、Manus、Minmax Agent、扣子为代表的通用智能体，在网页交互、信息整合、调查研究等场景中的表现令人印象深刻，据中国信通院测试显示，高度封装的通用智能体产品可以获得比顶级大模型更好的性能表现。
另一方面，针对编程、法律、人力资源等垂直场景的专用智能体聚焦特定行业或任务，强化专业适配能力，实现应用落地的精准破局。但总体上，无论是专用还是通用，To B还是To C，智能体还处在发展初期，其任务规划的可靠性、与现有业务系统对接的复杂性，以及权责界定等难题依然突出。真正形成强大生产力，不仅有赖于基础模型的进一步进化，更需与领域专有数据和流程进行深度结合。
AI正向价值创造核心环节渗透
2025年，人工智能行业应用持续深化落地，同时也暴露出应用深水区的结构性挑战。魏凯表示，根据对数百个大模型在工业中的应用案例的分析，其在价值链中的分布仍呈现“两端高、中间低”的微笑曲线态势，这反映出研发设计与营销服务环节更易获得AI赋能。但一个积极的信号是，今年生产制造环节已展现出明显抬高趋势，案例占比由去年的19.9%增长至25.9%。
“这一变化表明，AI正在向价值创造的核心环节渗透，但其渗透速度仍受限于工业数据的获取难度、工艺知识的封装水平以及对可靠性的极致要求。”魏凯表示。
在谈及我国制造业数智化发展的新进展、未来趋势及人工智能应用前景时，中国信息通信研究院信息化与工业化融合研究所所长刘默进一步提到，如果说过去十年制造业数字化转型的核心是解决提质降本增效，那么未来五年面对制造业高质量发展的要求，数智化将不只是解决效率问题，更要解决创新和韧性的问题。
一方面，效率仍然至关重要，但面对日益多元化的需求和持续加快的产品迭代速度，制造企业要能够更加敏捷地捕捉并响应潜在需求，快速组织起面向不同产品供应所需的资源和柔性生产能力，并在这个过程中仍然保持极高效率和质量。
另一方面，制造企业还要具备更强创新能力，能够有效将工业知识、海量数据和智能技术结合，高效甚至是自主化地生成更具竞争力的产品方案，或是突破关键制造技术，并通过智能内嵌的产品打通用户入口，源源不断提供高水平服务，以创造更大的增量价值空间。
发展智能经济是挖掘经济增长新动能必然路径
《国务院关于深入实施“人工智能+”行动的意见》于今年8月印发，其中提出“智能经济”的概念，并定下“到2030年智能经济成为我国经济发展的重要增长极”这一目标。
什么是“智能经济”？中国信息通信研究院政策与经济研究所副所长孙克指出，智能经济是以人工智能技术为驱动力，以双向赋能、加快向现实生产力转化为主线，以完全信息、市场出清、理性决策为出发点，提升产业运行效率，重塑新产业新模式新业态，扩大生产消费组织可能性边界，形成全要素生产率大幅提升、潜在生产能力最大化、全社会福利帕累托最优的新型经济形态。
孙克指出，面对人工智能发展潮流，必须把发展智能经济摆在重要战略位置，拓展经济发展新空间，赢得未来发展主动权。发展智能经济也是挖掘经济增长新动能的必然路径。当前，专业配资平台我国经济社会发展面临较大内外部压力，亟需寻找到新的增长动能。发展智能经济，有助于形成强大的创新驱动能力，拓展市场发展空间，助推经济增长。
孙克提到，有美国学者指出，2025年上半年美国经济增长几乎完全依赖于人工智能基础设施的投资。在供给端，智能经济通过革新生产要素配置、升级产业发展范式、强化智能支撑体系，筑牢经济增长根基。例如，AI视觉检测系统可将工业生产漏检率降至近乎为零，AI算法优化全球供应链能显著提升库存周转率并降低物流成本。在消费端，智能经济创造新型消费场景、激活细分消费需求、推动消费结构升级。据商务大数据监测，今年前10个月，我国AI眼镜、智能手表等智能穿戴网零额增长23.1%，智能产品在提振消费、刺激经济增长方面正发挥着重要作用。
“总体而言，我们有个基本观点，人类关于新技术对经济增长的预判，短期内，一般是高估的，而长期内，一般是低估的。人工智能未来的未知远大于已知，未来发展的空间也会远超于我们想象。”孙克表示。
具身智能“仍未定型”
谈及具身智能时，魏凯提到，具身智能作为大模型与机器人结合的产物，今年在政策与资本的推动下快速发展，融资金额超400亿元，产业上下游企业达350多家。
中国信息通信研究院副总工程师许志远也指出，当前具身智能的确取得了阶段性突破。一方面，机器人的“认知智能”实现明显跃升（即“大脑”能力），大模型使机器人能够完成传统机器人难以处理的复杂任务，具备“可感知、可思考、可交互”的智能特征。另一方面，“物理智能”加速突破：基于强化学习，人形机器人在复杂地形行走、高难度舞蹈等动态任务上表现显著提升；基于模仿学习与大模型范式，上肢操作能力快速增强，已能执行切黄瓜、倒水、叠衣服等精细操作。
与此同时，在许志远看来，当前具身智能模型路线、数据范式以及最佳机器人形态仍未定型，大规模落地仍处于早期阶段，其未来方向仍在持续竞争与快速演化中。
一是模型路线之争：大模型范式是否适用于机器人？虽然大模型在语言、图像、视频领域取得巨大成功，但“同样的范式能否直接迁移到机器人控制”仍未被证明。业界正在探索多种途径。
二是数据训练范式之争：哪类数据才是机器人智能提升的关键？数据仍然是限制机器人能力跃升的核心瓶颈。目前机器人模型主要依赖三类数据，首先是真机数据，质量最高但采集昂贵、规模有限；其次是合成/仿真数据，规模大、成本低，但逼真度与物理一致性有差距；最后是人类第一视角视频数据，自然、丰富，但动作标注与映射存在挑战。当前尚无结论表明机器人领域是否会像NLP、CV一样遵循Scaling Law——即“更多数据一定带来更强能力”。因此，数据范式仍在快速演化，混合数据、多模态数据、世界模型生成数据等方向均在探索中。
三是形态路线之争：人形机器人是不是“真需求”？具身智能的落地呈现出两大派系：一种是人形坚守派（Tesla、Figure AI等），这些企业坚持全人形路线，原因包括人形最契合人类社会现有环境与工具体系；人形形态最利于学习人类动作、利用人类数据；长期看具备最大通用性。特斯拉和Figure AI因此持续投入大量资源，力图构建“通用劳动机器人”。另一种是折中派（大量国内企业）。国内今年涌现出多款“轮—臂式复合机器人”，其特点是轮式底盘更可靠、成本更低、部署更简单；动作可控性强，更适合集成到商业场景快速落地。这种路径更强调“工程可落地性”，旨在在短期内形成可规模化的商业应用。
安全治理已成主线之一
中央经济工作会议12月10日至11日在北京举行。此前《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出，全面实施“人工智能+”行动。在“十五五”开局之年，“人工智能+”也再度写入中央经济工作会议对来年的部署。
不同的是，去年中央经济工作会议提到“开展‘人工智能+’行动，培育未来产业”，而今年会议则延展为“深化拓展‘人工智能+’，完善人工智能治理”。
在报告会上，魏凯也提到，随着人工智能应用的深化与潜在风险的显化，安全治理已成为与技术发展并行的另一条主线。
魏凯表示，2025年，应对模型幻觉、虚假信息、数据安全、智能体安全等现实风险迫在眉睫。同时，越来越多的研究也揭示出前沿模型存在自我复制、拒绝关闭、主动逃避、欺骗威胁等潜在风险，这些可能向现实风险转化，需要引起高度重视。
他指出，要把人工智能安全治理落到实处，产业主体需要行动起来，构建面向人工智能风险管控的“PDCA”（计划—执行—检查—处理）循环。只有企业内部都能形成自闭环的敏捷治理机制，才能有效控制不断出现的AI风险，确保AI发展行稳致远。
谈及未来人工智能安全治理工作将如何开展，魏凯表示，下一步中国信通院将持续推动人工智能产业安全能力建设，建设人工智能安全漏洞库，完善安全治理标准体系，持续开展人工智能安全测试，与产业伙伴紧密携手，以实际行动践行国家提出的“以人为本、智能向善”的发展理念。
文章为作者独立观点，不代表财盛证券观点
相关文章
