问题——能力提升与规模应用仍存“结构性短板”。
当前相关产业呈现加速发展态势，但“更强能力”与“更广应用”之间仍存在落差：一方面，模型能力快速迭代带来算力需求激增，基础设施供给、能耗约束与成本压力交织；另一方面，部分行业应用仍停留在试点或碎片化部署阶段，难以形成可复制、可持续的规模化效益。
与此同时，国产算力生态在适配、工具链与人才供给等方面仍需进一步完善，成为制约整体效率提升的重要因素。
原因——供需错配与协同不足影响“有效算力”“有效应用”。
与会代表提出，传统数据中心更多是面向客户交付机柜等资源，而面向智能计算的新型基础设施更强调以电力与系统能力为输入，通过模型训练与推理实现高质量计算输出。
随着模型规模扩大、推理调用增多，单体数据中心建设正由百兆瓦级向吉瓦级基地化演进，基础设施建设逻辑、运维方式与产业分工随之发生变化。
在这一过程中，如果算力、算法与应用之间缺少紧密联动，就会出现“硬件可用但利用率不高”“模型能力强但落地不深”“场景需求多但产品化不足”等问题，降低全链条效率。
影响——基础设施升级重塑产业链条，应用导向决定价值释放。
业界认为，新型智算基础设施的规模化发展将带动从能源供给、算力集群、模型训练到行业应用的系统性升级，形成更具韧性的产业生态。
尤其是在“集中式与分布式相结合”的架构趋势下，既需要面向大规模训练与通用推理的集中化供给，也需要面向行业边缘场景、实时响应需求的分布式部署，以支撑“技术能力—业务流程—生产效率”的贯通。
在应用端，医疗康复等场景被认为更可能在较短周期内取得可感知的突破。
例如，脑机接口技术在康复训练、辅助沟通等方面具备明确的社会价值与需求牵引，若与临床体系、标准规范和产业化路径形成合力，有望推动更多残障人士提升生活质量、回归社会。
同时，相关底层技术的外溢效应也值得关注：当接口、传感、算法与计算平台形成协同能力后，可能对教育、制造、服务等领域的工作方式与产品形态带来深层改造。
对策——以协同为主线，贯通“芯片—模型—系统—场景—人才”。
与会人士普遍提出，提升产业效率不能仅靠单点突破，而要依靠多环节协同优化。
其一，强化国产芯片与模型协同适配。
在算力侧，通过更紧密的软硬件联合优化，提高推理吞吐与单位能耗产出，提升“有效输出率”；在算法侧，通过面向国产算力特性的编译、算子优化与推理加速，系统性改善性能与成本结构，使先进模型在更多生产环境中稳定运行。
其二，进一步深化场景牵引，推动产品化落地。
模型企业应更深入行业一线，把通用能力拆解为可度量、可交付的业务功能，将算法能力精准对接客户需求，形成可复用的解决方案与行业标准接口，以便从试点走向规模部署，并以应用效能反哺技术迭代。
其三，拓展国产芯片使用场景，形成正向循环。
只有在更多真实业务中持续运行，才能发现瓶颈、完善工具链、积累工程经验，进而扩大生态伙伴与开发者规模，提升整体竞争力。
其四，把人才作为长期性基础工程。
一方面，应提升从业者与普通用户对大模型工具的使用能力，让新工具真正进入工作流、转化为生产力；另一方面，在教育培养中强化计算思维、创新意识与快速迭代能力，形成覆盖研发、工程、产品、行业专家的复合型人才梯队，为产业持续演进提供支撑。
前景——从“单点能力竞赛”转向“体系能力比拼”，高质量发展将更重可持续。
综合各方观点，未来一段时期产业竞争将更多体现为体系化能力：新型智算基础设施将继续向规模化、绿色化、智能化运营演进；国产算力生态在工具链、适配与应用案例的持续积累中有望加速成熟；行业应用将从“能用”迈向“好用、常用、用得起”，并在医疗康复、政务服务、工业制造、教育培训等重点领域形成更清晰的价值闭环。
同时也应看到，安全合规、数据治理、能耗约束与标准体系建设将成为不可回避的课题。
只有在技术创新与治理能力同步提升的基础上，才能推动产业在更大范围释放红利，实现可持续的高质量发展。
智能技术产业的健康发展离不开全产业链的协同配合。
只有在算力基础设施、核心算法、应用场景等各个环节形成有机联动，才能真正释放技术潜能，推动生产力水平的整体跃升。
面向未来，产业各方需要以更加开放的心态加强合作，共同构建可持续发展的智能技术生态，为经济社会发展注入新的动力。