國產大模型密集迭代，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鍵進展。近日，國家發展改革委在月度新聞發佈會上明確，正加快制定“人工智慧+”落地配套政策，持續推動央國企開放高價值應用場景，面向各行業各領域和各地方打造人工智慧標杆應用，加快引導人工智慧融入生產、經營、管理等各方面各環節。工信部資訊通信經濟專家委員會委員、中國工業經濟學會人工智慧制度建設專業委員會副主任委員盤和林在接受採訪時指出：“人工智慧+”落地的核心瓶頸在於算力，算力中心、光通信、雲計算廠商將率先受益；具備算網電一體化能力的三大運營商，可通過銷售算力走出發展的“第二曲線”。
　　
“人工智慧+”落地分層受益 算力基建成核心抓手
　　
盤和林將AI產業鏈劃分為上、中、下游三個層級：上游是晶片、光通信等配件商；中游是Token（詞元）出售、數據中心和算力中心的運營者，以及雲計算廠商；下游是AI模型應用與大模型的創造者。
　　
盤和林認為，短期來看，上游算力基礎設施最先受益。盤和林指出，當前AI應用發展的模式與過去顯著不同——“AI是先建設基礎設施，再完善應用”，原因是算力已經成為AI應用普及的核心瓶頸。這一判斷對光通信、算力中心、雲計算廠商具有直接產業意義：算力需求的持續釋放將帶動數據中心建設、光模組傳輸帶寬升級、算力資源調度平臺等通信基礎設施的迭代投入。
　　
中期來看，中游算力運營方將迎來爆發式增長。盤和林特別強調，具備算力、網路、電力一體化能力的三大運營商將成為關鍵受益者。近日，中國電信、中國移動、中國聯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”的形式明碼標價銷售。盤和林表示：“三大運營商銷售的Token數量將出現爆發式增長，通過銷售算力，三大運營商將走出發展的‘第二曲線’。”這意味著，運營商不再僅僅是網路管道提供方，而是通過算力服務，即對外輸出標準化、可計量的AI計算能力去開闢全新的業務增長空間。
　　
長期來看，垂直行業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，並在運營商技術能力支撐安全的前提下，垂直行業將快速推進“AI+”應用落地。具備數據價值轉化能力的演算法模型企業，將在央國企智能化轉型中發揮關鍵作用。而央國企自身，也將在垂直行業誕生高價值場景之後，借助AI實現新業務拓展，擺脫傳統行業束縛。
　　
具身智能硬體先行 執行感知部件率先放量
　　
國家發展改革委明確，下一步將按照“十五五”規劃部署要求，以具身智能關鍵基礎設施建設為抓手，全面推進具身智能領域高質量發展。一方面，加快具身智能訓練基礎設施建設，更好支撐具身數據採集和“大小腦”模型訓練，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。另一方面，加快具身智能方向應用中試基地建設，健全完善具身智能軟硬體生態，加強與訓練基礎設施的協同聯動，加速面向應用落地的技術創新。
　　
盤和林認為，這一頂層設計下，產業鏈優先受益的是執行層與感知層硬體，而非機器人整機或大模型。
　　
盤和林解釋，通用AI大模型的數據大量來源於互聯網公開信息，具備良好的通用性與規模化採集條件。具身智能的數據則並非來自互聯網，而是依靠機器人企業在真實環境中運行所積累的實測數據。不同型號的具身智能產品，整機數據通常不具備通用性，僅有部分關節運動數據存在複用可能，整機大模型基本由各家企業獨立採集、獨立訓練。因此，具身智能的數據訓練集群更多體現為中試場地建設與企業私有數據積累，其產業鏈規模與AI大模型所需的通用算力集群存在顯著差異。
　　
具身智能的數據採集、傳輸、存儲與標注，高度依賴資訊通信基礎設施。中試基地需要高可靠、低時延的網路環境，保障機器人動作數據即時回傳；訓練集群則需要算力網路支撐分佈式訓練任務。與AI大模型面向通用場景的大規模公共算力平臺不同，具身智能算力市場更為分散，更偏向行業專用解決方案。
　　
盤和林指出，當前人形機器人發展的最大瓶頸並非技術本身，而是場景落地難度大、替代價值不突出。在工廠場景中，傳統工業機器人已形成成熟的性價比與效率優勢，人形機器人尚不具備明確的替代必要性。但工業機器人與人形機器人產業鏈高度同源，人形機器人僅在工業機器人基礎上增加了“大腦”模型，二者在執行層（電機、減速器）與感知層（3D視覺感測器、電子皮膚等）所需核心部件高度一致。
　　
感知層感測器的數據通信、機器人即時控制信令傳輸、多關節協同作業所需的低時延網路將成為剛性需求。3D視覺感測器、力矩感測器、電子皮膚等感知部件的規模化應用，對工業無線網路、邊緣計算節點、時間敏感網路等通信基礎設施提出了更高要求。
　　
盤和林同時表示，人形機器人的“大腦”即具身大模型仍處於技術驗證階段，短期內難以快速成熟商用。中試基地的核心作用，是推動靈巧手、關節模組等關鍵部件迭代升級，優化現有工業機器人運行模式，助力“製造”向“智造”轉型。

來源：人民郵電報