问题——从“热度”到“落地”，智能经济如何加快成形 政府工作报告提出，促进新一代智能终端和智能体加快推广，推动重点行业领域人工智能商业化、规模化应用，培育智能原生新业态新模式。现实层面——一段时间以来——模型能力更新频繁、应用形态快速扩散，但产业界仍面临“能用”到“好用”“常用”的跨越：为何模型迭代节奏明显加快？多模态、长文本推理、代码工程、企业级平台等路线并行背后反映什么趋势？面向“人工智能＋”推进，算力增长与能耗约束如何统筹？高等教育又应如何回应技术与产业变革的挑战？ 原因——技术进入快速上升期，开源与工程化推动成本下行 龚克认为，国内外厂商集中发布新一代模型，与其说是刻意选择某一时间点，不如说是竞争压力与技术成熟度共同作用的结果：技术不成熟难以按节点发布，一旦成熟，在“你追我赶”的态势下延迟就意味着错失窗口。更关键的是，生成式人工智能已由起步阶段进入快速迭代阶段，其发展节律与移动通信、互联网等技术路径相似，往往在关键拐点出现密集升级与能力跃迁。 此外，工程化创新与开源生态成为降低门槛的重要变量。在模型基本框架相对稳定的背景下，通过底层代码优化、训练流程改造与系统工程提升，可显著降低训练成本、提高训练效率；而开源模式深入扩大参与面，汇聚更大规模开发者群体，形成“应用带动改进、改进促进应用”的正反馈，加速技术扩散与能力追赶。 影响——交互界面重塑与产业流程再造并行推进 从技术路线看，多模态与长文本能力并非少数企业的“独门武器”，而是行业共同方向。文本、语音、图像、视频、代码等多类信息形态正在被统一纳入模型的感知与理解范围，推动人工智能从单一对话工具走向综合能力平台。 更值得关注的是智能体的发展。龚克指出，智能体与模型涉及的但并不等同：模型侧重“能力底座”，智能体则更强调“任务执行与工具调用”，能够在特定目标下调度模型能力并调用软件与服务工具，完成多步骤工作流。这意味着，人工智能将从“回答问题”进一步走向“完成工作”，改变人与智能工具的界面形态，显著降低使用门槛，让更多不具备编程或专业训练的人也能借助智能体完成信息检索、数据整理、文档处理、业务协同等任务，进而加快在政务、教育、制造、医疗、金融和服务业等领域的渗透。 在更长周期上，具身智能或物理智能被视为产业融合阶段的重要突破口。其核心不在屏幕内生成内容，而在进入生产系统与服务系统，优化真实流程与现场决策。面向“十五五”时期高质量发展需求，这类突破有望将人工智能从“内容效率”扩展到“过程效率”和“系统效率”，形成新的生产力增量。 对策——以系统工程推进“人工智能＋”，统筹算力、能耗与人才供给 推动人工智能商业化、规模化应用，需要从供给侧与需求侧同步发力。 一是夯实基础设施与标准体系。算力供给增长必须与能耗约束相协调，推动绿色算力、算效提升、算力调度与数据中心能效管理，减少“堆算力”式扩张带来的成本与约束。通过工程化优化、模型压缩与推理效率提升，推动“同等能耗下更高性能”成为产业共识。 二是做强开源开放与产业生态。鼓励在安全可控前提下扩大开发者参与度，完善开源社区治理与产业协作机制，促进工具链、数据合规、评测体系与应用平台协同发展，以生态优势提升技术扩散速度与应用供给能力。 三是聚焦关键行业的可复制场景。围绕制造、能源、交通、政务服务、医疗健康等重点领域，优先选择数据基础较好、流程可重构、收益可度量的环节，形成标杆案例与可复制方案，带动上下游企业共同升级。 四是推进高等教育与人才培养适配变革。面向智能经济与智能社会，需要更强调跨学科能力、工程实践能力与“人机协作”素养，推动课程体系、科研组织方式和评价机制与产业需求联动，为智能体开发、行业应用落地、系统安全与治理提供人才支撑。 前景——从“工具智能”走向“系统智能”，智能经济形态加速成型 综合判断，生成式人工智能仍处在能力扩张与应用爆发的窗口期。多模态、长文本推理、智能体与具身智能的叠加，有望推动人工智能从“单点应用”走向“流程重构”，从“辅助工具”走向“生产与服务系统的一部分”。在政策引导、技术进步与产业协同共同作用下，智能终端与智能体的普及将进一步拉平使用门槛，释放中小企业和基层单位的数字化、智能化潜力，推动智能经济新形态在更广范围落地见效。
从“养龙虾”式的轻应用，到面向企业与社会治理的智能体平台，技术热潮最终要接受产业与民生的检验。把握快速迭代窗口期，更需要补齐短板：以绿色算力托底，以场景牵引落地，以开源生态促创新，以治理规则保安全，以教育变革育人才。唯有如此，智能化才能成为现代化建设的可靠动能，推动智能经济、智能社会稳步走向成熟。