（问题）广西柳州机器人产业园，工业人形机器人在训练师操控下练习拧螺丝等作业，折射出人工智能正加速从实验室走向车间一线。随着政策部署推进，应用场景不断扩展，智能终端加快普及，算力基础设施持续完善，我国智能经济的基础继续夯实。但从全国范围看，人工智能在不同行业、不同地区、不同规模企业之间的渗透仍不均衡；在部分关键领域，技术供给与产业适配能力仍需提升；数据流通与安全治理也面临更高要求。如何把技术势能更快转化为现实生产力，成为打造智能经济新形态的关键课题。 （原因）一是资源要素分布不均带来“门槛差”。头部企业在算力、数据、人才和工程化能力上优势突出，而中小企业往往受制于算力成本、专业队伍不足和场景开发难度，难以形成持续投入与规模化应用。二是产业数据体系不完善导致“融合慢”。一些行业数据标准不统一、接口规则不明确，数据分散且共享困难，“数据孤岛”一定程度上制约模型训练、业务协同与跨环节优化。三是关键技术与产业软件短板制约“嵌入深”。在基础算法、工业软件、复杂场景理解与可靠性验证诸上仍有薄弱环节，导致人工智能在高复杂度、强约束的工业现场落地不够充分。四是治理能力需与技术演进同步。随着智能体、智能终端加速进入生产生活，数据安全、算法透明、责任边界与合规使用等问题更复杂，治理跟不上将抬高创新与应用成本。 （影响）上述问题若长期存在，人工智能应用可能更多集中在少数示范项目和头部企业，中小企业难以共享技术红利，影响智能经济的普惠基础。在实体经济领域，若数据堵点难以打通、关键能力短板难以补齐，人工智能就难以真正嵌入研发、生产、供应链、运维等核心环节，难以大幅提升全要素生产率。放眼全球，新一轮科技竞争加剧，若不能在应用规模、融合深度与创新能力上形成体系化优势，将影响产业链供应链韧性与国际竞争主动权。 （对策）推动打造智能经济新形态，需要在“应用广度、融合深度、发展高度”和治理能力上协同发力。 ——以算力普惠夯实应用底座。依托“东数西算”等工程，加快全国一体化算力网络建设与资源调度，通过提升算力供给效率、优化布局和服务模式，降低中小企业使用门槛与综合成本，推动算力从“可用”走向“好用、易用、可持续用”。 ——以开源模型和公共平台降低接入门槛。支持建设面向行业的公共技术平台与工具链服务，推动算法、框架、数据处理与评测能力标准化、组件化供给，形成“平台提供能力、企业按需调用”服务体系，提升人工智能的可及性、可用性与可扩展性。 ——以场景牵引带动规模化落地。围绕制造、能源、交通、医疗、政务服务等重点领域，推动典型场景先行先试，形成可复制、可推广的解决方案；在重点园区、重点企业和关键工序开展协同改造，带动上下游共同应用，推动从单点试用走向全流程重塑。 ——以数据标准和安全流通打通融合堵点。加快统一行业数据标准体系与接口规则，在安全可控前提下推进数据高效流通，完善数据确权、授权使用、合规审计等机制，增强数据要素对模型训练、场景识别和业务协同的支撑。 ——以关键领域攻关提升产业适配能力。针对基础算法、工业软件、智能控制与可靠性验证等薄弱环节，强化产学研用协同，提升对复杂工业场景的理解、泛化与稳定运行能力，解决“能用但不好用、可试但难规模”问题。 ——以完善治理护航持续创新。推动治理体系与技术迭代同步，围绕数据安全、隐私保护、算法公平、责任界定与风险预警等建立可操作、可执行的制度安排，为企业创新和公众使用提供稳定预期，形成促发展与控风险相结合的制度环境。 （前景）随着智能终端、智能体等应用加快普及，叠加算力网络持续完善、产业数字化基础不断夯实，我国智能经济有望进入由点及面、由浅入深的加速期。未来一段时间，能否形成“大企业建生态、中小企业用服务”的产业格局，能否在关键技术、工业软件和数据治理上实现突破，将直接影响智能经济的发展质量与速度。通过政策引导、市场驱动与技术迭代共同作用，人工智能有望成为提升产业竞争力、推动制造业升级、培育新质生产力的重要支撑，为高质量发展提供更强动力。
打造智能经济新形态，不是简单叠加新技术，而是以应用普及夯实产业底座、以深度融合提升全要素生产率、以规则治理守住安全底线的系统工程。把协同发力落到算力、数据、场景、人才和制度等具体举措上，才能让技术优势更稳定地转化为发展优势，为高质量发展提供更持久、更可持续的动能。