1月15日，广东省十四届人大三次会议在广州开幕，政府工作报告提出，实施“人工智能+”行动，加快智算中心和数据基础设施建设。
1月14日，浙江省十四届人大三次会议在杭州开幕，政府工作报告提出，布局建设未来产业，深化“人工智能+”行动，加快布局人形机器人、量子信息、类脑智能、空天信息和低空经济等新产业新业态。
当前，人工智能快速发展，多样化应用场景不断涌现。多地也召开相关会议提及落实“人工智能+”行动。回顾2024年，据21世纪经济报道记者不完全统计，全国至少有13个省份出台了人工智能专项政策，涉及“AI+金融”“AI+教育”“AI+医疗”等多个领域，具身智能、智能驾驶等应用也被业内寄予厚望。
不过，由于场景选择难、低时效性、数据质量不高等问题的影响，目前AI技术在生产制造领域的实际应用比例较低。对此，有关部门近期明确将推进“AI+制造”的应用推进，同时加强数据标注、合成数据等方面的管理，为大模型性能迭代与应用落地奠定基础。
多地前瞻布局“人工智能+”
1月14日，赛迪顾问在北京举办“2025年IT趋势”发布会。报告预测，“十五五”时期将成为中国人工智能创新应用发展期，产业规模将进一步扩大，预计从2026年的4862亿元增长到2030年的10000亿元，复合年增长率为19.8%。随着技术的成熟和应用场景的拓展，AI将在更多领域实现落地，推动产业规模的快速提升。
赛迪顾问人工智能与大数据研究中心高级分析师白润轩告诉21世纪经济报道记者，目前全球在人工智能领域的发展路径继续分化，美国聚焦技术创新，欧盟则强调规范制定，中国凭借着庞大的国内市场和多样化的应用场景，成为AI技术应用的重要试验场。中国的AI企业紧密围绕市场需求进行产品和服务的迭代更新，特别是在电子商务、金融科技、智慧城市等领域取得了显著成效。尽管不同国家和地区在AI发展战略上各有侧重，但并非完全孤立，而是相互关联、互为补充。
对人工智能场景应用的落地也体现在了国内高层会议以及各地的文件之中。近期召开的中央经济工作会议明确开展“人工智能+”行动之后，2024人工智能赋能新型工业化大会随即在北京召开，会上也正式成立了工业和信息化部人工智能标准化技术委员会。其后，上海也召开了“人工智能+”行动推进大会，首次发布“模塑申城”行业应用示范基地及五大公共服务平台。
工业和信息化部总工程师谢少锋在2024人工智能赋能新型工业化大会上指出，接下来将推进“人工智能+制造”，编辑人工智能赋能新型工业化推进路线图，开展人工智能赋能新型工业化深度行活动，培育一批典型的应用案例，打造十大行业百大场景千家标杆，促进深度融合应用。
值得注意的是，在AI应用领域，上海、北京、河南、广东、浙江等省份已经在去年出台了专项行动计划。比如北京印发了2024—2025年的“推动‘人工智能+’行动计划”，提出以应用反哺大模型技术迭代，并设立5大标杆应用工程，10大示范性应用，以及若干商业化应用；河南、浙江分别以3年、4年为期印发“推动‘人工智能+’行动计划”，布局教育、医疗、农业等10个领域；广东到2027年将聚焦制造、教育、养老等领域，打造500个以上应用场景。
白润轩表示，未来三年，中国人工智能产业将逐步形成各具特色的区域发展格局。各区域在智力补给、算力支持、应用场景等方面各具优势，形成协同发展的统一调度机制。例如，北京将继续强化技术研发和人才培养，提供强大的智力支持；上海将在金融和制造业领域深化AI应用，提升行业智能化水平。而其他地区如深圳、杭州等地则在智能硬件、电商物流等领域展现出独特的优势。通过这种区域间的协作，中国将加速推进各行业的智能化建设，共享人工智能产业带来的红利，共同推动全球AI技术的发展。
具身智能、智能驾驶有望率先落地
回顾2024年以“萝卜快跑”为代表的自动驾驶技术试点落地、人形机器人开始走入汽车工厂实训为代表，越来越多的人工智能应用进入到实际的生产生活之中。
白润轩指出，人工智能技术在各行业的渗透和引发的变革，呈现出三个清晰的生态位，智能驾驶和具身智能处于AI应用的第一梯队，这两个领域对AI技术具有紧密需求和强伴生性。2025年，城区自动导航辅助驾驶（Navigate on Autopilot）将跨越“尝鲜者”阶段，进入“早期消费者”的市场，新车渗透率有望达到10%—15%。
另外在具身智能方面，根据智源研究院数据统计，截至2024年底，国内已发布或在研人形机器人接近100家，融资规模超100亿元，称之为“百机大战”并不为过。
智源研究院发布的“2025十大AI技术趋势”预测，具身智能的未来将在“一脑多形”和“一机多用”方向实现创新突破。这意味着未来的具身智能系统将能够适应多种形态，以满足不同场景的需求，并且能够在不同的任务中灵活切换，提高设备的利用率和效率。这种灵活性和多功能性将极大地推动具身智能在工业、服务等领域的应用，进一步放大机器人对人类劳动力的替代作用，重构人工智能的纵向管理体系，提升整体生产效率和智能化水平。
清华大学交叉信息研究院助理教授许华哲告诉21世纪经济报道，2025年的具身智能将继续从本体扩展到具身脑，在行业格局上或将迎来洗牌，厂商数量开始收缩。在技术路线上，端到端模型继续迭代，小脑大模型的尝试或有突破。在商业变现上，也必将看到更多的工业场景下的具身智能应用，部分人形机器人迎来量产。
数据供给优化“护航”应用落地
不过，从目前的实际应用情况看，不同行业的人工智能渗透率有着较为明显的分化。
中国信息通信研究院发布的《人工智能发展报告（2024年）》指出，大模型应用在产业链各环节分布呈现“两端快、中间慢”特征，即产业链两端的研发设计和运营服务等知识密集型、服务密集型环节落地相对较快，生产制造等中间环节相对较慢。
中国信息通信研究院副院长魏亮对此解释，大模型在生产、制造等低附加值场景的落地存在一定局限性，面临场景选择难、低时效性、低可信度等问题。在实时生产中，由于对质量管理和流程精度的高度要求，以及高质量专业数据获取的现实困难，尚不能采用大模型生成的“弱解释性”结果直接指导生产现场。
为促进数据标注产业高质量发展，1月13日，国家发展改革委等4部门联合发布《关于促进数据标注产业高质量发展的实施意见》，明确将加强交通、医疗、金融、科学、制造、农业等重点行业领域数据标注，建设行业高质量数据集，支撑人工智能在行业领域的应用赋能。
清华大学公共管理学院教授孟庆国发文解读文件时指出，当前，全球主流基础大模型中文语料仅占全部语料的1%，高质量中文数据成为制约我国基础大模型能力的瓶颈。我国虽是全球第二大数据资源国，但数据质量不高，开发利用比例低。需要以国家数据标注基地试点为抓手，围绕技术创新、行业赋能、生态培育、标注应用、人才就业和安全发展等六个方面做好试点，探索推进数据标注产业发展的最优路径。
另外，根据Epoch AI报告，在2026年以前，AI训练将用尽互联网上包含音视频在内的高质量数据，而现存真实世界数据集或将在2030年至2060年之间耗尽。
智源研究院数据研究组负责人刘广告诉21世纪经济报道，合成数据将成为大模型迭代与应用落地的重要催化剂。在大模型训练方面，合成数据可以降低人工治理和标注的成本，缓解对真实数据的依赖，不再涉及数据隐私问题；同时，合成数据可以提升数据的多样性，有助于提高模型处理长文本和复杂问题的能力。随着真实数据的耗尽，合成数据在模型训练的占比将持续提高，成为大模型性能迭代与应用落地的重要催化剂。