4月，國產(chǎn)大模型密集迭代，推理算力效率顯著提升，DeepSeek、智譜GLM等模型在降低算力消耗上取得關(guān)鍵進展。近日，國家發(fā)展改革委在月度新聞發(fā)布會上明確，正加快制定“人工智能+”落地配套政策，持續(xù)推動央國企開放高價值應(yīng)用場景，面向各行業(yè)各領(lǐng)域和各地方打造人工智能標(biāo)桿應(yīng)用，加快引導(dǎo)人工智能融入生產(chǎn)、經(jīng)營、管理等各方面各環(huán)節(jié)。工信部信息通信經(jīng)濟專家委員會委員、中國工業(yè)經(jīng)濟學(xué)會人工智能制度建設(shè)專業(yè)委員會副主任委員盤和林在接受采訪時指出：“人工智能+”落地的核心瓶頸在于算力，算力中心、光通信、云計算廠商將率先受益；具備算網(wǎng)電一體化能力的三大運營商，可通過銷售算力走出發(fā)展的“第二曲線”。

　　“人工智能+”落地分層受益 算力基建成核心抓手

　　盤和林將AI產(chǎn)業(yè)鏈劃分為上、中、下游三個層級：上游是芯片、光通信等配件商；中游是Token（詞元）出售、數(shù)據(jù)中心和算力中心的運營者，以及云計算廠商；下游是AI模型應(yīng)用與大模型的創(chuàng)造者。

　　盤和林認(rèn)為，短期來看，上游算力基礎(chǔ)設(shè)施最先受益。盤和林指出，當(dāng)前AI應(yīng)用發(fā)展的模式與過去顯著不同——“AI是先建設(shè)基礎(chǔ)設(shè)施，再完善應(yīng)用”，原因是算力已經(jīng)成為AI應(yīng)用普及的核心瓶頸。這一判斷對光通信、算力中心、云計算廠商具有直接產(chǎn)業(yè)意義：算力需求的持續(xù)釋放將帶動數(shù)據(jù)中心建設(shè)、光模塊傳輸帶寬升級、算力資源調(diào)度平臺等通信基礎(chǔ)設(shè)施的迭代投入。

　　中期來看，中游算力運營方將迎來爆發(fā)式增長。盤和林特別強調(diào)，具備算力、網(wǎng)絡(luò)、電力一體化能力的三大運營商將成為關(guān)鍵受益者。近日，中國電信、中國移動、中國聯(lián)通相繼推出面向個人和家庭用戶的“Token套餐”，將AI大模型的計算能力以類似“流量包”的形式明碼標(biāo)價銷售。盤和林表示：“三大運營商銷售的Token數(shù)量將出現(xiàn)爆發(fā)式增長，通過銷售算力，三大運營商將走出發(fā)展的‘第二曲線’�！边@意味著，運營商不再僅僅是網(wǎng)絡(luò)管道提供方，而是通過算力服務(wù)，即對外輸出標(biāo)準(zhǔn)化、可計量的AI計算能力去開辟全新的業(yè)務(wù)增長空間。

　　長期來看，垂直行業(yè)解決方案提供商將深度受益。盤和林分析稱，有了充足的算力保障，并在運營商技術(shù)能力支撐安全的前提下，垂直行業(yè)將快速推進“AI+”應(yīng)用落地。具備數(shù)據(jù)價值轉(zhuǎn)化能力的算法模型企業(yè)，將在央國企智能化轉(zhuǎn)型中發(fā)揮關(guān)鍵作用。而央國企自身，也將在垂直行業(yè)誕生高價值場景之后，借助AI實現(xiàn)新業(yè)務(wù)拓展，擺脫傳統(tǒng)行業(yè)束縛。

　　具身智能硬件先行 執(zhí)行感知部件率先放量

　　國家發(fā)展改革委明確，下一步將按照“十五五”規(guī)劃部署要求，以具身智能關(guān)鍵基礎(chǔ)設(shè)施建設(shè)為抓手，全面推進具身智能領(lǐng)域高質(zhì)量發(fā)展。一方面，加快具身智能訓(xùn)練基礎(chǔ)設(shè)施建設(shè)，更好支撐具身數(shù)據(jù)采集和“大小腦”模型訓(xùn)練，提升具身智能在不同場景中的通用能力，讓機器人不僅能上賽場，還能“進工廠、進商場、進家庭”，加快融入各行各業(yè)。另一方面，加快具身智能方向應(yīng)用中試基地建設(shè)，健全完善具身智能軟硬件生態(tài)，加強與訓(xùn)練基礎(chǔ)設(shè)施的協(xié)同聯(lián)動，加速面向應(yīng)用落地的技術(shù)創(chuàng)新。

　　盤和林認(rèn)為，這一頂層設(shè)計下，產(chǎn)業(yè)鏈優(yōu)先受益的是執(zhí)行層與感知層硬件，而非機器人整機或大模型。

　　盤和林解釋，通用AI大模型的數(shù)據(jù)大量來源于互聯(lián)網(wǎng)公開信息，具備良好的通用性與規(guī)�；�采集條件。具身智能的數(shù)據(jù)則并非來自互聯(lián)網(wǎng)，而是依靠機器人企業(yè)在真實環(huán)境中運行所積累的實測數(shù)據(jù)。不同型號的具身智能產(chǎn)品，整機數(shù)據(jù)通常不具備通用性，僅有部分關(guān)節(jié)運動數(shù)據(jù)存在復(fù)用可能，整機大模型基本由各家企業(yè)獨立采集、獨立訓(xùn)練。因此，具身智能的數(shù)據(jù)訓(xùn)練集群更多體現(xiàn)為中試場地建設(shè)與企業(yè)私有數(shù)據(jù)積累，其產(chǎn)業(yè)鏈規(guī)模與AI大模型所需的通用算力集群存在顯著差異。

　　具身智能的數(shù)據(jù)采集、傳輸、存儲與標(biāo)注，高度依賴信息通信基礎(chǔ)設(shè)施。中試基地需要高可靠、低時延的網(wǎng)絡(luò)環(huán)境，保障機器人動作數(shù)據(jù)實時回傳；訓(xùn)練集群則需要算力網(wǎng)絡(luò)支撐分布式訓(xùn)練任務(wù)。與AI大模型面向通用場景的大規(guī)模公共算力平臺不同，具身智能算力市場更為分散，更偏向行業(yè)專用解決方案。

　　盤和林指出，當(dāng)前人形機器人發(fā)展的最大瓶頸并非技術(shù)本身，而是場景落地難度大、替代價值不突出。在工廠場景中，傳統(tǒng)工業(yè)機器人已形成成熟的性價比與效率優(yōu)勢，人形機器人尚不具備明確的替代必要性。但工業(yè)機器人與人形機器人產(chǎn)業(yè)鏈高度同源，人形機器人僅在工業(yè)機器人基礎(chǔ)上增加了“大腦”模型，二者在執(zhí)行層（電機、減速器）與感知層（3D視覺傳感器、電子皮膚等）所需核心部件高度一致。

　　感知層傳感器的數(shù)據(jù)通信、機器人實時控制信令傳輸、多關(guān)節(jié)協(xié)同作業(yè)所需的低時延網(wǎng)絡(luò)將成為剛性需求。3D視覺傳感器、力矩傳感器、電子皮膚等感知部件的規(guī)�；瘧�(yīng)用，對工業(yè)無線網(wǎng)絡(luò)、邊緣計算節(jié)點、時間敏感網(wǎng)絡(luò)等通信基礎(chǔ)設(shè)施提出了更高要求。

　　盤和林同時表示，人形機器人的“大腦”即具身大模型仍處于技術(shù)驗證階段，短期內(nèi)難以快速成熟商用。中試基地的核心作用，是推動靈巧手、關(guān)節(jié)模組等關(guān)鍵部件迭代升級，優(yōu)化現(xiàn)有工業(yè)機器人運行模式，助力“制造”向“智造”轉(zhuǎn)型。（記者/吳雙）