TG：@gwusms
在今年的全国两会采访中，许多记者都发现了一个耐人寻味的细节：不少代表委员的手机里都装有人工智能APP，人工智能大模型已变成工作标配。
回望过去两年，中国人工智能的发展惊艳世界。从去年年初DeepSeek（深度求索）的横空出世，到今年视频生成模型Seedance的全球“圈粉”，我们在大模型成本优势和工程化能力上实现领跑。低廉的绿电价格，让算力成本不再是“不可承受之重”。开源生态的繁荣，让中小企业也能站在巨人的肩膀上。更重要的是，我们拥有全球最完整的工业门类和最丰富的应用场景。工厂里，机器人进车间、进仓库；电商平台上，AI成为导购高手。这是中国人工智能独有的“实”的土壤。
但在人工智能赋能实体经济方面，堵点依然存在。不少智算中心的算力利用率不足30%，“重建设、轻应用”问题突出。有代表委员直言，制造业领域高质量工业数据少、共享难，一些企业想做智能化改造，却发现数据像一个个孤岛，连不起来，也用不起来。更有来自一线的代表委员担忧：如果AI在生产线上“胡说八道”，代价就是整批次的产品报废。
让大模型从“聊天高手”变成“车间能手”，必须来一场扎根实业的深造。
把算力用实。人工智能正加速迈入产业落地期，应把重心转向推理算力的优化布局。在重点产业集聚区建设低时延、高密度的推理算力集群，就像给工厂铺设数字高速公路，能让智能体真正成为懂业务的“数字员工”，把算力沉淀为面向行业的专用智力。
把数据做实。很多优秀的AI预测成果还停留在论文里，无法及时进行实验验证和产业化应用，形成了“堰塞湖”。疏通的关键，是让数据“共建、共享、共赢”。在医药、化工、钢铁等领域，一些头部企业正在探索建立行业级可信数据共享平台。只有让高质量工业数据流动起来，大模型才能在真实场景中练出真本事。
把人才育实。人工智能赋能实体经济，缺的是既懂算法又懂实业的复合型人才。要通过设立“AI+X”交叉学科、校企共建产业学院等方式，让学生既在实验室敲代码，也进工厂车间调设备，从源头上解决人才供给的水土不服问题。
人工智能的“实”，最终要落在实体经济的“效”上。 深圳已率先发布行动计划，到2027年要开放百个应用场景、打造百个垂直行业模型及工业智能体。这传递出一个清晰的信号：大模型的比拼，不再是参数规模的竞赛，而是看谁能沉下去，把每一个场景吃透，把每一个痛点打通。
把大模型做“实”，中国经济的底盘就会夯得更“实”。今年是“十五五”开局之年，也是人工智能从技术突破转向产业落地的关键一年。当AI不再只是手机里的“玩具”，而是工厂里的“老师傅”、车间里的“质检员”、供应链上的“调度师”，我们将迎来一场实实在在的新质生产力变革。（本文来源：经济日报 作者：佘惠敏）
（责任编辑：臧梦雅)
