人工智能产业正迎来前所未有的发展机遇，但如何将宏伟蓝图转化为实实在在的生产力，避免“雷声大雨点小”？
6月3日，工业和信息化部党组书记、部长李乐成主持召开会议（以下简称“会议”），深入学习贯彻习近平总书记关于人工智能的重要指示批示精神，落实党中央、国务院重大决策部署，研究推动人工智能产业发展和赋能新型工业化的思路举措。
会议强调必须“系统谋划、协同推进”，并部署了夯实产业基础、塑造应用优势、强化标准引领、壮大产业生态、统筹发展和安全五大任务。
蓝图已绘就，但算力、模型、数据如何高效协同？制造业智能化转型的“最后一公里”如何打通？在技术狂飙突进时，标准与安全的“护栏”如何及时跟上？
算力、模型、数据协同发力夯实基础避免短板
在人工智能产业蓬勃发展且肩负赋能新型工业化重要使命的时代背景下，此次会议强调的诸多内容为产业发展指明了关键方向，然而，这些目标的实现面临着一系列复杂且相互交织的挑战。
会议指出，要“强化算力供给”“统筹布局通用与行业大模型”“加快建立高质量行业数据集”。“当前，实现人工智能产业发展‘协同推进’面临诸多挑战”，中关村物联网产业联盟副秘书长袁帅对中国工业报指出，从资源协调角度看，算力布局、模型发展以及高质量数据集建设涉及多个主体，包括政府、企业、科研机构等，各方利益诉求和发展目标存在差异。
算力供给上，不同地区经济发展水平、科技实力不同，导致算力基础设施建设进度参差不齐。经济发达地区有更多资金和技术投入算力中心建设，而欠发达地区可能因资金短缺、人才匮乏等问题，算力供给难以满足本地人工智能产业发展需求。在模型发展上，通用大模型和行业大模型各有侧重，通用大模型追求广泛的适用性，行业大模型则注重特定领域的深度应用。但研发资源往往集中在通用大模型，行业大模型因应用场景分散、数据获取难度大等原因，发展相对滞后。高质量数据集建设同样面临困境，数据分散在各个企业和机构，数据共享机制不完善，且数据标注、清洗等处理工作需要大量人力和专业设备，成本高昂。
应如何有效协调各方资源，确保算力布局、模型发展以及高质量数据集建设这三项基础性任务能够高效、均衡地推进，防止形成“短板效应”掣肘全局，推进人工智能产业高质量发展？
中国电子信息产业发展研究院新型工业化研究所（工业和信息化部新型工业化研究中心）研究室主任王夙告诉中国工业报，首先，在算力供给方面，持续深入实施“东数西算”工程，建设全国一体化大数据中心体系，推动形成分布合理、弹性可调的算力网络。加大对绿色智算中心的政策与财税支持，引导国有资本和社会资本共同参与算力基础设施建设。同时，应重点保障AI大模型训练所需的算力资源供给，支持关键芯片及系统软硬件适配攻关，构建自主可控的算力技术体系。
其次，在模型发展路径上，要统筹好“通用+专用”的协同发展格局。一方面，在国家层面要加快建设高水平通用大模型平台，推进标准化、开源化、工具化能力开放，为不同行业提供底层能力支撑；另一方面，要鼓励制造、交通、医疗等重点行业打造一批贴合业务场景的专用大模型，推动形成“行业主导、数据驱动、场景牵引”的发展模式，打通模型研发与行业落地之间的“最后一公里”。
最后，在高质量行业数据集建设方面，要强化顶层设计和制度供给。依托行业主管部门统筹构建公共数据资源目录和行业标准，推动重点领域数据资源汇聚共享。同时，建立数据确权、交易、使用和安全管理机制，明确政务、企业与科研数据之间的分类分级管理模式，避免“数据孤岛”与“数据黑箱”问题。此外，要建立健全多方参与的“算—模—数”协同推进机制，明确阶段性目标与责任主体，推动跨部门、跨区域、跨行业的联合攻关和任务共担。通过“政策牵引+市场驱动”的方式，形成要素高效配置与价值协同转化的良性循环，为新型工业化提供坚实的智能底座。