2025年两会专题系列报告之三：人工智能篇，全链赋能，融合加速

2025年两会复盘 ——端侧演进，安全为先

2025年政府工作报告——全链赋能，聚焦应用

2025年政府工作报告中人工智能相关提法：扩内需居首，强调融合数字技术与传统产业优势，推动大模型赋能。结合产业链各环节来看，上到壮大科技人才队伍、发展耐心资本、完善数据制度并扩大算力资源布局；中游要着重提升模型能力；下到推动 人工智能与各行业的深度融合，智能终端消费的新趋势，以此融合数字技术与现有优势，促进大模型落地，并真正赋能实体经济。 为各环节发展明确路径，通过强化供给支撑、提升中游核心能力、拓展下游应用，推动产业升级，为经济高质量发展注入新动能。

对比2024年政府工作报告——垂类细化，产业融合

相较2024年相关表述，2025年政府工作报告更聚焦应用深化拓展与和传统产业的协同推进。报告明确聚焦“大模型+垂直场景”的具体应用，尤其强调在智能网联汽车、智能制造装备等实体经济关键领域的落地。同时端侧新增“人工智能手机和电脑、具 身智能”等表述。 更加强调数字技术与制造优势、市场优势的结合。借助我国强大的制造业基础，推动人工智能技术在制造环节的深度应用，实现制造业的智能化升级；另一方面， 依托庞大的市场规模，加速人工智能产品的推广与迭代，形成产业发展的良性循环。

代表议案及访谈——安全为本，才定端行

安全作为一切新技术的前提，除了应用和端侧部署节奏，两会代表和委员更多聚焦了AI+生态和全链的自主可控。 强调AI+，包括但不限于人工智能技术在法律、教育、医疗、终端消费硬件等领域的应用融合。全产业链的自主可控，加快构建自主可控的AI大模型及产业生态，提升国产AI技术的安全性、可靠性和可控性，加强AI相关的立法工作，治理“AI换脸拟声”等违 法侵权行为，确保AI技术的健康发展。

结合行业的趋势分析 ——能力先行，应用渗透

趋势一：模型能力提升助力产业重心向应用及端侧转移

规模定律下，资本开支为中层通用模型能力提供强支撑，基础硬件资源亦为“兵家必争之地” 。海外头部四大云厂2024Q4资本开支合计达723.48亿美元，同比增长68%，环比增长31%。国内头部云厂资本开支亦上行，阿里2024Q4资本开支大幅增长至317.75 亿元，环比大增80%；腾讯2024Q3资本开支约为170.94亿元，同比增长113.68%，环比增长95.83%。主要系受o1的推理能力跃升推动，模型能力的提升与泛化仍极大的提振了市场对模型形成商业闭环的信心，国内外云厂对人工智能领域的资本投入亦更为坚定。

趋势二：5G-A、6G等部署为AI推向大规模应用提供通信底座

模型由训练转向应用，推理需求占比的提升，对网络 节点的延时提出新要求，通信基建将是模型大规模应 用部署的前提。 2024年，5G-A进入商用部署期。根据IMT-2020(5G)推进组，与5G基础版本相 比，5G-A有望使上下行速率提升10倍、连接密度提升10倍、时延进一步降 低，并将定位精度提升至厘米级。同时，根据IMT-2030(6G)推进组，6G移动 通信网络将有望实现几十Gbps的用户体验速率、100个/m2的连接密度、亚毫 秒级空口时延与厘米级感知定位精度。 5G-A基站通道数的大幅提升为5.5G万兆能力关键：大规模天线技术(Massive MIMO)是提高5G通信系统容量和频谱利用率的关键技术，使得AAU单面通道数 得到了显著的增加从4G时代的8通道演进为5G时代的64通道。5.5G对传输速率 有更高的要求，需要使用比Massive MIMO更强的ELAA(超大规模天线阵列)， 将带来AAU单面通道数的进-步增加，预计达到128T及以上。

趋势三：AI及传统行业技术融合带动降本增效

润达医疗和华为的合作项目。医疗大模型“CDx良医小慧”：基于华为云昇腾算力与润达的百万级医疗数据训练，经过高达10亿次的训练，良医小慧能解释超过4500个检验项目和2800种疾病， 在回答10个科室真实病例的临床报告解读问题中，达到科室医生的平均水平，综合准确性达到87.74%。 全栈国产化解决方案“华擎智医”：整合华为昇腾算力、DeepSeek大模型技术，推出训推一体机，构建了“预训练-精调-应用”全链路能力，为医疗机构提供从 部署到应用的全周期护航。

趋势四：国产模型能力提升+数据安全，反哺端侧硬件繁荣

国产大模型能力升级，企业级大模型部署需求迫切，叠加数据安全需求，一体机产品或为重要实现路径。 一体机是专为人工智能大模型应用和部署而设计的集成计算设备，通常包含中央处理器（CPU）、图形处理器（GPU）、存储器、操作系统、AI平台软件及各类模型算 法等软硬组件。随着国产AI大模型能力升级，大模型产业也从“百模大战”转向落地应用阶段。相比于公有云，私有化部署大模型具有数据安全、算力自主可控、灵活 性高以及使用成本低等优势。但传统的私有化部署方案可能面临设备安装部署难、集成调试复杂、模型微调部署门槛高等问题，大模型一体机以其高效、灵活、全面的 技术架构和优势，正在成为企业快速构建AI能力、推动业务创新的重要工具。

仍需解决的挑战 ——技术和安全

技术与安全

AI有巨大的潜能改变人类命运，但同样存在巨大的安全风险。 AI算法设计之初普遍未考虑相关的安全威胁，使得AI算法的判断结果容易被恶意攻击者影响，导致AI系统判断失准。在工业、医疗、交通、监控等关键领域，安全 危害尤为巨大；如果AI系统被恶意攻击，轻则造成财产损失，重则威胁人身安全。 AI安全风险包括：数据、模型等技术系统层面的内生安全风险，以及给个人组织、国家社会、全人类带来的衍生安全风险。

人工智能带来的安全风险已得到我国政府的高度重视，并提出相应的治理体系。 2024年9月9日，全国网络安全标准化技术委员会推出了《人工智能安全治理框架》1.0版，标志着我国在人工智能安全治理领域迈出了坚实的一步，旨在构建一个 广泛认同的全球治理体系，确保人工智能技术能够以安全且负责任的方式服务于人类社会。《框架》以鼓励人工智能创新发展为第一要务，以有效防范化解人工智 能安全风险为出发点和落脚点，提出了包容审慎、确保安全，风险导向、敏捷治理，技管结合、协同应对，开放合作、共治共享等人工智能安全治理的原则。

报告节选：