全球人工智能技术正以前所未有的速度迭代升级，成为推动经济转型的核心引擎。但我国推进"人工智能+"行动中仍面临多重挑战； 全国政协委员周鸿祎指出，随着大模型应用场景拓展，推理算力需求呈指数级增长，但当前算力资源过度倾斜于训练环节，供需矛盾突出。以智能体任务执行为例，单次交互的算力消耗可达普通聊天的数百倍，凸显推理芯片的战略价值。 该问题的根源在于算力规划与产业需求脱节。全国人大代表苗伟调研发现，尽管各地密集建设智算中心，但符合大模型训练需求的算力供给仍存缺口，部分区域存在盲目追求硬件规模的现象。他建议建立国家级算力开放平台，通过动态调度与阶梯定价机制提升资源利用率。 技术落地同样面临困难。全国政协委员郭御风强调，当前AI应用多停留在试点阶段，工业制造、金融服务等关键领域的全链条赋能尚未突破。某汽车制造企业引入质量检测系统时，因数据标准不统一导致模型准确率下降30%，反映出数据治理体系缺失已成为制约效能释放的关键瓶颈。 针对这些问题，代表委员提出了系统性解决方案：在基础设施层面，建议实施"东西部算力协同"计划，将训练算力向能源富集区域集中，推理算力向应用场景密集区倾斜；在技术攻关上，设立工业数据治理科技专项，重点突破多源异构数据融合等关键技术；在制度保障上，建立AI伦理审查与沙盒监管机制，为创新划定安全边界。 人才培养也被多次提及。代表指出，既懂垂直行业又掌握AI技术的复合型人才缺口超500万。建议在高校开设"AI+X"交叉学科，支持龙头企业与职业院校共建产业学院，形成人才梯队培养体系。
人工智能已成为新质生产力的重要组成部分。当前，我国AI产业发展需要算力结构优化、应用生态完善、数据治理体系建设诸上取得突破。代表委员的建议为问题解决指明了方向。只有加快推理算力布局、建立健全AI治理体系、系统推进工业数据治理，才能实现人工智能与经济社会的深度融合，推动我国经济高质量发展。