国家数据局局长刘烈宏：预计"十五五"末 AI 相关产业规模突破 10 万亿元

3 月 23 日，在中国发展高层论坛 2026 年年会"人工智能产业化应用"专题研讨会上，国家发展改革委党组成员，国家数据局党组书记、局长刘烈宏发表演讲时表示，在技术创新与商业应用驱动下，人工智能（AI）产业规模持续增长。预计到"十五五"末，中国 AI 相关产业规模将突破 10 万亿元，迈向更广阔的增长空间。

产业规模预测

发展目标

刘烈宏披露的这组数据，为 AI 产业发展描绘了宏伟蓝图：

关键指标：

增长驱动力：

• 技术创新持续突破

• 商业应用场景拓展

• 政策支持力度加大

• 市场需求快速增长

发展阶段判断

刘烈宏指出，当前中国 AI 产业正处于从技术突破向规模化应用加速演进的关键阶段：

技术层面：

• 大模型能力持续提升

• 多模态融合成为趋势

• 边缘智能快速发展

• 人机交互更加自然

应用层面：

• 从单点应用向全流程渗透

• 从消费端向产业端延伸

• 从辅助工具向核心系统演进

• 从效率提升向价值创造转变

产业层面：

• 产业链条日趋完善

• 生态体系逐步成型

• 产业集群加速形成

• 国际竞争力显著提升

政策布局

数据产权制度

刘烈宏透露，国家数据局正在建立健全数据产权制度：

核心内容：

• 为数据供给、流通、使用提供权责清晰的产权配置方案

• 为人工智能规模化应用落地提供有力安全支撑

• 平衡数据开发利用与安全保护

• 激发数据要素市场活力

制度框架：

1. 数据资源持有权

• 明确数据收集者权利

• 保护数据来源者权益

• 规范数据处理行为

2. 数据加工使用权

• 鼓励数据深度开发

• 促进数据价值释放

• 保障使用合法合规

3. 数据产品经营权

• 支持数据产品创新

• 保护经营者合法权益

• 促进数据交易流通

算力设施建设

在算力基础设施方面，刘烈宏表示将加快国家枢纽算力设施集群建设：

总体布局：

• "东数西算"工程深入推进

• 国家枢纽节点扩容升级

• 区域算力中心协同发展

• 边缘计算节点广泛部署

重点任务：

1. 提升算力规模

• 2027 年总算力超过 300 EFLOPS

• 智能算力占比超过 60%

• 超算算力保持国际领先

2. 优化算力结构

• 通用算力、智能算力、超级算力协调发展

• 云边端算力高效协同

• 绿色低碳算力占比提升

3. 降低算力成本

• 支持有条件地区根据低时延场景需求适度发展算力

• 推动算力资源普惠共享

• 提高算力利用效率

4. 强化算力安全

• 自主可控芯片规模应用

• 关键核心技术攻关

• 供应链韧性增强

产业化应用

重点领域

刘烈宏强调了 AI 产业化应用的重点方向：

智能制造：

• 工业互联网 +AI

• 智能工厂建设

• 质量检测智能化

• 预测性维护

智慧医疗：

• AI 辅助诊断

• 药物研发加速

• 个性化治疗

• 医疗资源优化

智能交通：

• 自动驾驶商业化

• 智慧交通管理

• 车路协同发展

• 出行服务优化

智慧城市：

• 城市大脑建设

• 公共服务智能化

• 应急管理优化

• 环境治理精细化

数字金融：

• 智能风控

• 精准营销

• 智能投顾

• 监管科技

典型案例

研讨会展示了多个 AI 产业化应用的成功案例：

案例 1：某汽车制造企业

• 应用：AI 视觉质检系统

• 效果：检测效率提升 10 倍，准确率达 99.5%

• 规模：已推广至 50+ 工厂

案例 2：某三甲医院

• 应用：AI 医学影像辅助诊断

• 效果：诊断准确率提升 15%，等待时间缩短 50%

• 规模：覆盖 CT、MRI 等多种影像

案例 3：某电商平台

• 应用：智能推荐系统

• 效果：转化率提升 30%，用户满意度提升 25%

• 规模：服务 8 亿 + 用户

案例 4：某金融机构

• 应用：智能风控平台

• 效果：风险识别准确率提升 40%，欺诈损失减少 60%

• 规模：日均处理交易 10 亿 + 笔

安全支撑

治理体系

刘烈宏强调，要为人工智能规模化应用落地提供有力安全支撑：

治理框架：

• 法律法规不断完善

• 标准规范加快制定

• 伦理准则广泛认同

• 监管能力持续提升

重点任务：

1. 完善法律法规

• 推动人工智能法立法

• 健全数据安全法规

• 明确各方责任义务

2. 制定标准规范

• 技术标准体系

• 安全标准体系

• 伦理标准体系

• 评估认证体系

3. 加强伦理建设

• 制定 AI 伦理准则

• 建立伦理审查机制

• 开展伦理教育培训

• 推动行业自律

4. 提升监管能力

• 创新监管方式

• 建设监管平台

• 培养监管人才

• 加强国际合作

风险防范

主要风险类型：

1. 安全风险

• 算法漏洞

• 数据泄露

• 系统被攻击

• 恶意使用

2. 伦理风险

• 算法歧视

• 隐私侵犯

• 就业冲击

• 责任认定

3. 社会风险

• 数字鸿沟

• 信息茧房

• 虚假信息

• 操控行为

防范措施：

• 建立风险评估机制

• 完善风险预警体系

• 加强应急处置能力

• 推动多方协同治理

市场前景

产业链机会

上游（基础层）：

1. 芯片

• AI 训练芯片

• 推理芯片

• 边缘计算芯片

• 市场规模：2030 年超 5000 亿元

2. 传感器

• 视觉传感器

• 语音传感器

• 环境传感器

• 市场规模：2030 年超 3000 亿元

3. 数据服务

• 数据采集标注

• 数据清洗加工

• 数据交易流通

• 市场规模：2030 年超 2000 亿元

中游（技术层）：

1. 算法框架

• 深度学习框架

• 机器学习平台

• 大模型服务

• 市场规模：2030 年超 4000 亿元

2. 开发工具

• MLOps 平台

• 低代码开发

• 自动化测试

• 市场规模：2030 年超 2000 亿元

下游（应用层）：

1. 行业解决方案

• 智能制造

• 智慧医疗

• 智能交通

• 市场规模：2030 年超 5 万亿元

2. 消费级产品

• 智能音箱

• 服务机器人

• 智能家居

• 市场规模：2030 年超 2 万亿元

投资热点

机构关注的投资方向：

1. 大模型及应用

• 通用大模型

• 垂直领域大模型

• 多模态大模型

• 大模型应用开发

2. 具身智能

• 人形机器人

• 工业机器人

• 服务机器人

• 特种机器人

3. AI for Science

• 药物研发

• 材料科学

• 生物育种

• 气候预测

4. 边缘智能

• 边缘计算设备

• 端侧 AI 芯片

• 物联网 AI

• 车联网 AI

国际竞争

全球格局

主要经济体 AI 发展战略：

美国：

• 保持技术领先

• 强化企业主导

• 吸引全球人才

• 加强出口管制

中国：

• 发挥制度优势

• 完善产业生态

• 扩大应用场景

• 推进国际合作

欧盟：

• 注重伦理规范

• 加强法律监管

• 推动技术创新

• 保护数字主权

日本：

• 聚焦机器人

• 发展 Society 5.0

• 应对老龄化

• 加强国际合作

竞争优势

中国 AI 产业优势：

1. 数据优势

• 海量数据资源

• 丰富应用场景

• 快速迭代能力

2. 市场优势

• 庞大用户基数

• 多元化需求

• 快速商业化

3. 政策优势

• 国家战略支持

• 产业政策完善

• 资金投入充足

4. 人才优势

• 工程师红利

• 海归人才回流

• 高校培养体系完善

短板与挑战：

• 高端芯片依赖进口

• 基础软件生态薄弱

• 原创性成果不足

• 国际标准话语权有限

企业机遇

不同类型企业的机会

科技巨头：

• 建设大模型基础设施

• 打造开放平台生态

• 提供全栈解决方案

• 引领技术创新方向

初创企业：

• 聚焦垂直领域

• 开发创新应用

• 提供专业服务

• 寻求差异化竞争

传统企业：

• 推进数字化转型

• 应用 AI 提升效率

• 创新商业模式

• 培育新的增长点

中小企业：

• 使用 SaaS 化 AI 服务

• 降低应用门槛

• 专注细分市场

• 与大企业合作

成功要素

企业 AI 转型成功的关键因素：

1. 战略清晰

• 明确 AI 战略定位

• 制定实施路线图

• 持续投入资源

2. 组织适配

• 调整组织架构

• 培养 AI 人才

• 建立创新文化

3. 数据基础

• 积累高质量数据

• 建设数据平台

• 保障数据安全

4. 技术能力

• 掌握核心技术

• 构建技术壁垒

• 持续技术创新

5. 生态合作

• 融入产业生态

• 开展战略合作

• 实现互利共赢

人才培养

人才需求

刘烈宏指出，AI 产业发展需要大量专业人才：

人才缺口预测：

• 2026 年：缺口约 500 万人

• 2030 年：缺口约 1000 万人

人才类型：

• 算法研究人员

• 工程技术人员

• 应用开发人员

• 产品经理

• 数据分析师

• 伦理治理专家

培养体系

多层次人才培养体系：

1. 高等教育

• 设立 AI 专业

• 建设一流学科

• 加强产学研合作

2. 职业教育

• 开设 AI 课程

• 建设实训基地

• 开展技能认证

3. 企业培训

• 内部培训体系

• 在职继续教育

• 技能提升计划

4. 社会培训

• 在线学习平台

• 公开课和讲座

• 技术社区交流

未来展望

发展趋势

技术趋势：

• 大模型向更大规模发展

• 多模态融合成为主流

• 自主智能系统突破

• 量子 AI 探索

应用趋势：

• 从辅助工具向自主系统演进

• 从单点应用向全流程渗透

• 从效率提升向价值创造转变

• 从消费端向产业端深入

产业趋势：

• 产业链条更加完善

• 生态体系更加成熟

• 产业集群更加集聚

• 国际竞争力更强

愿景目标

到 2030 年，中国 AI 产业发展愿景：

技术创新：

• 原始创新能力显著提升

• 关键核心技术自主可控

• 前沿领域取得重大突破

产业发展：

• 产业规模突破 10 万亿元

• 形成一批世界级企业

• 建成全球 AI 产业高地

应用普及：

• AI 成为经济社会发展重要引擎

• 重点行业智能化水平显著提升

• 人民群众享受更多 AI 便利

治理完善：

• 法律法规体系健全

• 伦理规范广泛认同

• 治理能力现代化

结语

刘烈宏局长的讲话为中国 AI 产业发展指明了方向，描绘了蓝图。在技术创新、政策支持、市场需求等多重因素驱动下，中国 AI 产业正迎来前所未有的发展机遇。

展望未来，随着数据产权制度的完善、算力设施的加强、安全支撑的夯实，中国 AI 产业必将实现高质量发展，为经济社会发展和人民美好生活贡献更大力量。

本文综合自中国证券报、新华社、财联社等媒体报道