江苏省人工智能大模型产业高质量发展研究

摘要：当前，人工智能大模型“走深向实”，成为推动科技跨越发展、产业优化升级、生产力整体跃升的重要驱动力。江苏人工智能大模型发展取得显著成效，具备较好的发展基础，但其推动产业高质量发展仍存在一些不足。文章首先梳理了我国人工智能产业的发展态势，其次剖析了江苏人工智能大模型产业的发展基础与存在问题，最后阐述了以“四链”深度融合推动江苏人工智能大模型产业高质量发展的对策建议。

关键词：人工智能；大模型；“四链”融合；高质量发展

中图分类号：F49文献标志码：A

0 引言

随着ChatGPT等通用人工智能大模型的兴起，全球人工智能产业迎来了新的发展浪潮。在中国，人工智能大模型市场正以迅猛的速度增长，呈现出百“模”争鸣的局面。2024年，人工智能大模型进入关键的赋能阶段，催生未来产业的新模式和新业态，为各行各业带来深远的影响。江苏以其雄厚的产业基础、丰富的科教资源、优越的营商环境以及庞大的市场规模，在算力、算法、数据等方面持续发力，人工智能大模型发展“走深向实”，以坚定的步伐推动技术发展与产业落地深度融合。然而，尽管已取得了一定的进展，但江苏人工智能大模型产业高质量发展仍存在一些不足。本文基于我国人工智能大模型产业发展整体态势，梳理分析江苏的发展基础和存在不足，提出以“四链”深度融合推动人工智能大模型产业高质量发展，培育新质生产力，构建现代化产业体系的对策建议，旨在对江苏人工智能大模型产业提供有益的参考和借鉴。

1 我国人工智能大模型产业发展态势

近年来，我国人工智能大模型产业发展迅猛，离不开政策端、供给端、需求端3方面共同发力，推动人工智能大模型产业发展不断提质加速，更好赋能经济社会高质量发展。

1.1 政策驱动

近年来，我国政府对人工智能发展给予高度重视，将其上升为国家战略，出台了一系列支持政策和规划。2017年，国务院发布了《新一代人工智能发展规划》，旨在打造高端产业链，全面提升人工智能产业竞争力。2022年，科技部等六部门联合发布了《关于加快场景创新 以人工智能高水平应用促进经济高质量发展的指导意见》，聚焦人工智能重大应用及产业化发展问题，全方位提升人工智能技术在经济社会各领域的广泛应用，从而更好地促进经济高质量发展。我国在人工智能法立法研究方面也取得了进展，2023年4月，我国发布了《生成式人工智能服务管理办法（征求意见稿）》并在7月正式发布《生成式人工智能服务管理暂行办法》。这是我国在生成式人工智能监管议题上的初步尝试，促进了人工智能大模型技术的规范应用和产业整体高质量发展。在2024年的《政府工作报告》中提出，实施“人工智能+”战略目的是打造具有全球影响力的数字产业集群，以推动国家在人工智能领域的创新和国际竞争力。

伴随人工智能大模型技术的迅速进步，各地政府陆续出台一系列政策举措，为支持大模型产业发展明确了“施工图”。例如，北京出台了《北京市推动“人工智能+”行动计划（2024—2025年）》，着力推动大模型核心技术突破，构建大模型应用生态，赋能经济社会发展。上海出台了《上海市推动人工智能大模型创新发展若干措施（2023—2025年）》，强调打造具备国际竞争力的大模型，建设企业、人才集聚的大模型创新高地。深圳出台了《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023—2024年）》，从算力供给、科研创新、产业集聚、场景打造、要素供给等方面持续发力。此外，杭州支持行业领军企业推进通用大模型核心技术的研发突破，鼓励中小企业专注于特定垂直领域，打造更加精细化和专业化的专用模型。安徽从资源方面着手吸引大模型企业入驻。

1.2 供给发力

人工智能的供给端由算力、算法和数据3个核心要素组成。它们共同构成了人工智能的新型基础设施。

算力是人工智能大模型的底座基础。算力可分为通用算力、智能算力和超级算力，分别对应3种计算模式：基础计算、智能计算和超级计算。不同应用场景下所需的计算精度不同，通常会采用不同种类的算力。大模型的训练需要巨大的算力，算力需求逐步从通用计算转向智能计算。国家及各地政府正加速推进算力基础设施布局。2022年2月，正式启动“东数西算”工程。根据国家信息中心等机构发布的《智能计算中心创新发展指南》显示，当前我国正迎来智算中心建设的热潮，超过30个城市开展智算中心建设，整体布局主要集中在东部地区且逐步向中西部地区拓展。智算中心建设已超过通用基础算力，预计未来将持续高速增长，增速远超通用算力。

以ChatGPT为代表的大模型将人工智能算法推向大模型时代。大模型可分为通用大模型和行业大模型。通用大模型是聚焦跨领域、多任务的超大规模模型。（1）通用大模型框架平台是开展人工智能驱动行业应用的核心基础设施。国内诸如百度、阿里巴巴、科大讯飞等行业巨头已经成功推出了多款具有竞争力的通用大模型产品。尽管如此，与美国在通用大模型平台研发领域相比，我国仍存在一定技术差距，需进一步强化研发投入和技术创新，提升国内大模型平台的全球竞争力。（2）行业大模型是针对特定行业或领域的大模型，能够降低应用落地门槛，推动各行业的智能化升级。国内行业大模型发展态势更为显著，在互联网、金融、教育和医疗等数据驱动型行业中得到广泛应用。此外，国内人工智能大模型存在一些“套壳”现象。当前，有些大模型为套用国外开源模型或由传统模型改装的伪大模型应用，如进一步滋生“劣币驱逐良币”的恶性循环风险，将对我国大模型原始创新和核心竞争力构建造成不利影响。

数据作为新型生产要素，为人工智能大模型训练提供丰富的训练素材。多模态和大规模数据集的重要性日益凸显。我国因其庞大的人口和产业规模，积累了极其丰富的数据资源，这些资源正以前所未有的速度增长。然而，在高质量公共数据集建设方面，我国仍面临挑战，尤其是在为行业模型训练提供必要的数据整理和标注工作上，尚未能充分发挥数据资源的规模优势，以促进大模型技术在各行业领域的更广泛应用和更优应用效果^［1］。因此，各地政府纷纷组建数据局和数据集团，积极推进数据资源整合共享和开发利用，激活数据要素价值。

1.3 需求牵引

人工智能大模型已成为全球科技竞争的新高地，在办公、制造、金融、医疗等多个领域展现出巨大的应用潜力，具有广泛应用前景。大模型在消费端应用的用户量巨大，应用门槛较低，落地以及成长速度更快，具有广阔的想象空间，如搜索引擎、语音助手、智慧生活、个人办公等。大模型在政府和企业端行业领域和业务场景更丰富，虽然细分场景的差异化明显，定制化程度较高，但政府和企业客户付费能力更强，未来盈利空间广阔，如智慧城市、数字政府、智慧文旅、智能制造、智慧教育、智慧医疗等。

当前，我国大模型产业化应用趋势凸显，覆盖消费端和政企端众多领域，但在重点行业领域应用率偏低。大部分传统行业的应用正处于小规模试点阶段，大面积推广还缺乏典型应用案例。例如，工业领域对大模型的探索性应用已经取得了初步进展，主要集中在辅助设计、质量预测、设备维护等关键环节，但这些应用尚未实现广泛的落地和规模化部署，未来有望通过进一步探索和实践，形成成熟的、可复制推广的工业大模型解决方案^［2］。总体而言，未来“大模型+”向行业纵深领域发展潜力巨大。

2 江苏人工智能大模型产业的发展基础与存在问题

江苏正充分利用其强大的产业基础、丰富的科教资源、优越的营商环境以及庞大的市场规模等优势，不断在算力、算法和数据等关键领域取得突破，以推动人工智能大模型产业向更深层次和更实际的应用方向发展。尽管在追求高质量发展的过程中存在一些不足，但这些不足也为江苏提供了进一步优化和提升的机会。

2.1 发展基础

2.1.1 产业政策不断强化

2024年8月，江苏省政府召开人工智能大模型高质量发展专题会议，强调要加快推进人工智能大模型产业布局，专注于大模型核心技术的创新和突破，通过在算力、算法、数据等方面加大投入，努力拓展多样化的应用场景，以实现人工智能产业化与产业智能化的协同发展，推动经济和社会向全面智能化升级转型。在政策支持方面，江苏省政府发布了多项政策文件，旨在加快培育和发展未来产业，包括人工智能大模型产业。例如，江苏省政府发布的《关于加快培育发展未来产业的指导意见》提到，要积极开展大模型技术研发及产业化，加快发展人工智能服务业、智能制造业，鼓励各设区市结合实际情况出台专项支持政策。

2.1.2 产业基础日益完善

近年来，江苏在算力基础设施建设方面取得了显著进展。2023年，江苏省在用算力规模达到18EFLOPS（1EFLOPS等于每秒执行100万万亿次浮点运算），在用数据中心标准机架超过59万架，在用智算中心9个、超算中心2个，综合算力评价排名全国第二。目前，作为全国一体化算力网络八大枢纽节点之一的“东数西算”长三角算力调度中心在苏州启用。根据《江苏省算力基础设施发展专项规划》，江苏设定了到2030年的发展目标：全省数据中心机架规模达120万标准机架，全省在用总算力超过50EFLOPS，2023—2030年江苏省在用算力规模年均增长率15.7%。这一目标的实现将为江苏省的人工智能大模型产业提供坚实的算力支撑。

当前，江苏积极培育数据要素市场，促进数据要素流通交易，加速数据产业化发展进程，释放数据要素价值。2024年1月，江苏率先建立了国内首家省级数据管理机构——江苏省数据局。接着全省13个设区市先后成立市数据局并组建数据集团，全面完善数据工作体制机制。江苏省发展和改革委员会组织中国通服江苏公司、中通服咨询设计研究院等研究机构，深入开展数据要素市场化配置改革研究，率先提出全省数据交易“1+5+X”多层次数据交易市场体系，即建设1个全省统一数据交易平台、推动5家存量数据交易中心差异化发展、打造X个特色产业数据交易平台。江苏的数据共享和供给力度不断增强，公共数据平台已经发布了高达46万种数据目录，实现了超万次的跨部门、跨地区的数据供需匹配，对26个中央部委的数据进行了64.6亿次的调用^［3］。

目前，江苏在人工智能大模型研发方面呈现出强劲增长态势。根据江苏省互联网信息办公室发布的生成式人工智能服务备案信息显示，按照《生成式人工智能服务管理暂行办法》要求，江苏已有12款生成式人工智能大模型通过备案并上线运行（见表1），展示了江苏在人工智能领域较强的研发实力，表明了江苏在大模型领域得到了国家层面的认可和支持。

2.1.3 区域布局持续优化

江苏人工智能产业以苏南地区的城市群为核心，南京和苏州构成了这一区域的两大中心，共同推动形成了“一带两核”的产业布局。南京和苏州的人工智能产业发展水平均位居全国前列，两地的发展定位、发展基础及未来规划各有侧重（见表2）。此外，无锡、常州、南通等地市纷纷结合本区域优势推进人工智能大模型特色发展。

2.1.4 产业市场规模巨大

江苏经济基础雄厚、产业门类齐全，为人工智能的融合应用提供了广阔空间。江苏拥有全国领先的制造业基础，制造业规模约占全国的1/8，产业链完整，涵盖了31个制造业大类，有6个行业规模已超万亿元，拥有10个国家先进制造业集群，数量和规模上均位居国内首位，这种强大的产业基础为人工智能技术的应用提供了丰富的场景和需求。近年来，江苏大力推进“智改数转网联”行动，纵深推进智能化改造、数字化转型、网络化连接，大模型技术在这一过程中发挥了核心驱动作用，而“智改数转网联”也为大模型的应用提供了广阔的需求场景。江苏通过举办大模型行业应用对接会等方式，促进大模型行业企业与制造业多样化的产业应用场景精准对接、深度融合。由江苏省工业和信息化厅牵头编制的《AI赋能新型工业化案例汇编》，梳理了150个应用案例，覆盖了新能源汽车、高端装备、生物医药等14个产业集群。苏州、南京等城市正致力于以人工智能与实体经济深度融合作为核心战略，努力构建一个以“人工智能+”为核心的创新应用生态，打造丰富多元的应用场景，推动大模型技术为当地优势产业的数字化转型提供动能。

2.1.5 科教资源储备丰富

江苏作为科教大省，科教人才资源丰富，拥有良好理论研究和应用型人才储备。全省人工智能专利申请量近万件，位列全国第二，主要集中在机器学习、语音识别和计算机视觉等关键技术领域。全省有超过50所高等教育机构参与人工智能的研究工作，南京大学和东南大学是全国知名的人工智能基础研究高校。此外，除上述2所高校外，苏州大学、南京航空航天大学、南京理工大学、南京邮电大学、江南大学等高校均已建立了专门的人工智能研究机构。南京大学机器学习与数据挖掘研究所（LAMDA）在集成学习、半监督与主动学习、多示例与多标记学习等研究领域，具有显著的全球影响力^［4］。

2.2 存在问题

2.2.1 缺少龙头骨干企业

江苏人工智能企业以创业型中小企业为主，擅长领域多以人工智能行业应用为主，但资源整合能力相对较弱，缺乏百度、阿里、腾讯这样的行业领军企业，限制了对产业发展的示范和引领作用。

2.2.2 成果转化成效不足

创新链与产业链协同发展水平有待提升，创新链对产业链的推动作用不足，影响了大模型在产业中的应用效果。尽管江苏在人工智能领域的专利数和科教资源位居全国前列，具有强大的技术研发能力和完善的人才培养体系，但在人工智能产业载体和平台建设方面存在明显不足，导致人才和技术优势未得到充分利用，影响了技术成果向产业化的转化效率和效果。

2.2.3 赋能产业不够充分

尽管江苏省在推进人工智能赋能新型工业化方面取得了一定的进展，但整体来看，大模型在深度赋能行业核心业务方面仍处于初级阶段，尚未实现大规模应用。作为智能制造的关键支撑技术，人工智能大模型在制造业领域的应用尚未达到全面和深入的程度，其与制造业深度融合发展的综合效应还未充分展现。

2.3 区域对标

人工智能大模型的发展在中国呈现出明显的区域集中趋势。根据科技部发布的《中国人工智能大模型地图研究报告》，北京、上海、广东处于第一梯队，在大模型发展方面具有显著优势。江苏应在对标借鉴基础上，充分利用自身产业基础和科教优势，在大模型领域，探索具有江苏特色的高质量发展路径。

2.3.1 北京关注大模型基础算法创新演进

北京是我国大模型企业的核心聚集地，汇集了包括百度和智谱AI等在内的一批国内大模型头部企业，企业数量远超其他地区。此外，北京还拥有国内最丰富的学术资源，为大模型的创新研究夯实了基础。

2.3.2 上海侧重硬件芯片、算力

上海在大模型发布数量上仅次于北京，在算力、芯片方面处于国内领先地位，已初步形成了“一平台、五中心”的智算中心发展格局。商汤、腾讯、阿里云等在上海建设的智算中心已逐步投产。

2.3.3 广东聚焦大模型产业应用

广东延续了自改革开放以来走在高新技术产业化应用前沿的传统，在人工智能大模型产业的应用发展方面表现活跃。广东的大模型发布数量位于全国第三，人工智能核心企业数量领先全国其他省份，主要聚焦于应用层。

3 江苏人工智能大模型产业高质量发展的对策建议

党的二十大报告强调，推动创新链、产业链、资金链、人才链深度融合。这种融合简称“四链”融合，旨在提升产业创新能力，推动经济的高质量发展。人工智能大模型产业发展是涉及多主体、多层次、跨领域的系统性问题。江苏应坚持全局视角、系统观念、“链式”思维，以“四链”深度融合推动人工智能大模型产业高质量发展，培育新质生产力，构建现代化产业体系。

3.1 加强“四链”融合顶层设计，明确大模型产业高质量发展的战略路径

聚焦大模型产业高质量发展目标，通过战略性、前瞻性、系统性的顶层设计，完善“四链”融合政策体系设计，推进科技创新、产业发展、资金匹配和人才培养一体设计、一体部署和一体推进，持续提升江苏人工智能大模型产业的核心竞争力。

一是出台专门针对江苏大模型高质量发展的战略路线图，明确从大模型基础研究、应用研究到产业转化的路径，强化发改、科技、工信、财税、金融等领域政策协同发力。二是增加对大模型技术研发和产业化的资金投入，特别是在计算资源消耗、模型泛化能力、可解释性等方面进行重点攻关。三是发挥南京、苏州在全省人工智能发展中的“头雁效应”，打造以大模型研发应用为核心的数字产业集群，推动产业集聚发展，探索通过基础设施共享、产业飞地建设等方式，培育具有地方特色的大模型产业，形成全省产业协同发展的新局面。

3.2 强化企业主导的“四链”融合创新，构建大模型产业高质量发展的核心能力

大力培育龙头型和高速成长型科技领军企业，发挥行业领军企业的“链主”作用，支持其联合高校、科研机构、上下游企业搭建大模型开放研发平台，集聚各类创新资源，推动产业链与创新链深度融合。

一是搭建“链主”企业主导、政产学研用协同的创新联合体，布局大模型领域新型研发机构，建立联合实验室和公共数据集平台，丰富算法和模型，培养人工智能人才，促进大模型技术的成果转化，推动产业链协同发展。二是围绕江苏超大规模市场需求和应用场景，培育一批“专精特新”企业，发挥这些企业在大模型特定细分领域的特色优势，促进产业链上中下游、大中小企业融合创新，推动大模型技术赋能千行百业。三是鼓励市场主体深入挖掘江苏优势行业的实际应用需求，构建市场潜力大、投入产出高、示范效应强的深度融合应用场景，打造大模型赋能行业转型升级的标杆案例，带动提升全省制造、医疗、文旅、政务等领域的智能化水平。

3.3 前瞻性部署建设人才链，强化大模型产业高质量发展的智力支撑

针对产业链和创新链的发展，需要加强人才政策的协调性，前瞻性规划布局人才链，开展人才需求预测，健全紧缺人才信息发布机制^［5］，引进全球顶尖人才，推动高端人才流向创新型企业和产业，优化大学专业设置，加强前沿学科和未来产业的教育，培养高层次国际化领军人才^［6］。

一是制定大模型紧缺人才目录，定向引进紧缺人才，多措并举，发展科技领军人才、卓越工程师和青年科技人才。二是构建大模型领域关键技术领军人才的跨组织调配机制，实现跨部门、跨地区、跨行业、跨体制汇聚核心人才，形成联合攻坚队伍。三是集聚青年科技人才队伍，积极引进大模型研究应用领域的国内外优秀人才，提供落户、子女入学、住房、医疗等保障。四是高校探索学科交叉融合，构建“人工智能+X”复合型人才培养体系，鼓励校企建设产教融合共同体，共建实训基地和产业人才培训基地，引入企业项目案例，强化学生实践能力，培养卓越工程师队伍，促进学校、企业与人才间的紧密循环，实现产教融合和科教融合的双闭环。

3.4 多元化资金链供给，为大模型产业高质量发展提供持续动能

以市场化为导向，政策引导为手段，风险分担为机制，通过政府投入、社会资本、金融机构和市场融资等多元化的资金供给模式，构建覆盖创新链、产业链、人才链全过程的资金支持体系。

一是通过多元化资金链投入，全过程赋能大模型成果转化。在大模型成果转化初期，以财政科研资金为主，设立科技成果转化基金；在转化中期，以风险投资、科技贷款为主，设立产业创新引导基金；在转化后期，以信用担保、银行金融信贷及技术交易等方式促进产业化。二是集中力量支持大模型重大创新项目，优化财政专项资金的分配机制，通过赛马式、里程碑式资助方式扶持大模型领域重点项目技术攻关，以更好地支持重点企业、重点项目以及重大科技成果转化。三是利用政府和社会资本合作（PPP）模式，鼓励社会资本参与大模型重大项目和关键基础设施建设。四是鼓励政策性银行和金融机构增加投资，探索风险补偿机制，优化风险拨备资金等补偿措施^［7］。五是通过优化研发费用的税收抵免政策，筛选出合适的受益对象，构建覆盖企业成长和创新全生命周期的税收支持体系。

4 结语

本文梳理研判了我国人工智能大模型产业的发展态势，系统分析了江苏人工智能大模型产业的发展基础及存在不足，从推动创新链、产业链、资金链、人才链深度融合的角度提出了应对策略。下一步，江苏应抢抓机遇、顺势而为，以推动“四链”深度融合为主引擎，加强“四链”融合顶层设计，构建以行业领军企业为主导的融合创新体系，前瞻性部署建设人才链，强化多元化资金链支撑，推动江苏人工智能大模型产业发展壮大，为实现江苏高质量发展提供有力保障。

参考文献

［1］田永静，苑卫国.我国人工智能发展趋势研究［J］.人民论坛·学术前沿，2024（8）：102-105.

［2］赛迪智库人工智能产业形势分析课题组.2024年我国人工智能产业展望［J］.软件和集成电路，2024（增刊1）：17-21.

［3］许愿.让看不见的数据产生实打实的效益［N］.新华日报，2024-07-27（1）.

［4］王兴伟，王清，郭永海.构筑江苏人工智能产业发展新优势［J］.群众，2019（22）：49-51.

［5］聂常虹，赵斐杰，李钏，等.对创新链产业链资金链人才链“四链”融合发展的问题研究［J］.中国科学院院刊，2024（2）：262-269.

［6］王海南，王礼恒，周志成，等.“四链”深度融合下战略性新兴产业高质量发展战略研究［J］.中国工程科学，2024（1）：1-12.

［7］屈信明，姚雪青，王永战.为人工智能发展提供要素支撑［N］.人民日报，2024-04-15（18）.

（编辑 姚 鑫）

Research on the high-quality development of Jiangsu province artificial intelligence large model industry

LI Liwei

（China Information Consulting and Designing Institute Co.， Ltd.， Nanjing 210019， China）

Abstract：At present， Artificial intelligence large models are “going deep and towards reality，” becoming an important driving force for promoting scientific and technological leaps， industrial optimization and upgrading， and the overall leap in productivity. Jiangsu artificial intelligence large model development has achieved significant results and has a good foundation for development，but there are still some deficiencies in promoting high-quality industrial development. This article first Sorts out the development trend of China artificial intelligence industry， then analyzes the development foundation and shortcomings of Jiangsu artificial intelligence large model industry， and finally elaborates on the countermeasures and suggestions for promoting the high-quality development of Jiangsu artificial intelligence large model industry through the deep integration of the “four chains”.

Key words：artificial intelligence; large model; integration of “Four Chains”; high-quality development