在2026世界人工智能大会上，一台机器人展示其精准操作能力。新华社记者 黄晓勇摄

在内蒙古中科超算科技有限公司，工作人员巡检算力设备。新华社记者 李志鹏摄

　　当前，全球人工智能技术呈现大爆发、大融合、大变革态势，我国人工智能技术也从“全面跟跑”走向“全面并跑、部分领跑”，实现了从以应用创新为主向以底层自主创新为主的根本性转变。

　　数据、算力和算法是人工智能发展的三大要素。专家表示，数据领域，我国海量场景资源优势突出，高质量数据供给能力不断提升；算力领域，我国加快追赶，形成差异化竞争优势；算法领域，我国已达到国际先进水平。三者协同创新突破，支撑人工智能技术持续迈上新台阶。

　　释放数据价值

　　数据被称为人工智能的关键“燃料”。作为新型生产要素，数据的规模和质量决定了人工智能技术所能达到的高度和深度。

　　在近日举行的2026年亚太经合组织（APEC）数字周数据领域系列活动中，APEC数据促进增长高级别圆桌会和APEC数据与人工智能赋能产业发展专题研讨会举办。国家发展改革委党组成员、国家数据局局长刘烈宏表示，圆桌会顺应数字技术特别是人工智能快速发展的新趋势，推动APEC数据合作的话题从“管好数据”迈向“用好数据”，从以隐私保护和跨境流动规则构建为重点，在保障安全的基础上，进一步拓展到数据供给、流动、应用、赋能增长的全过程，丰富了APEC数据合作内涵，为未来区域数据合作重点从数据治理拓展到数据价值创造提供了新的空间。

　　“数据是人工智能赋能产业发展的基础生产要素，算法模型的训练优化、场景感知、趋势研判都离不开高质量数据供给。打通产业链数据壁垒，推动数据归集、共享与治理，才能让人工智能精准扎根产业场景，释放感知、分析决策能力。同时，规范数据流通、守住数据安全底线，是人工智能赋能产业发展的重要保障。”太平洋经济合作理事会双主席、中国太平洋经济合作全国委员会会长詹永新说。

　　国家数据局数据显示，2025年，我国用于人工智能训练和推理的数据总量为199.48艾字节（EB），同比增长42.86%，推理数据量首超训练数据量，达101.34EB。截至今年6月底，全国已建成科学研究、工业制造、医疗卫生、教育教学等行业领域的高质量数据集总体量超1565拍字节（PB），较一季度末增长超60%，现有体量相当于中国国家图书馆数字资源总量的547倍左右，为人工智能发展提供有力支撑。

　　随着数据资源体系不断完善，数据要素价值加速释放，应用场景由单点探索向规模化落地拓展。在工业领域，数据驱动智能制造和生产优化；在医疗领域，数据助力精准诊疗和资源协同；在城市治理领域，数据推动公共服务更加精准高效。

　　以四川省成都市为例，成都数据集团智慧蓉城研究院院长蒋翔宇介绍，成都整合全市11类核心交通数据、道路感知设备实时数据，日均处理数据3.2亿条，实现全城交通态势动态研判、堵因溯源；房产交易方面，成都将人工审批转变为数据自动核验，交易时长压缩至最快2小时办结，已累计服务市民200万人次。

　　夯实算力底座

　　算力是支撑人工智能持续演进的基础底座和关键引擎，算力尤其是智能算力的供给水平决定了人工智能技术发展的速度与规模。

　　工信部数据显示，截至今年6月底，我国智能算力规模达2185EFLOPS（每秒百亿亿次浮点运算），其中东部、中部、西部、东北地区智算规模占全国比例分别是55.9%、10.6%、32.6%、0.9%。全国算力设施整体上架率达71.4%。算力高效运载能力不断提升。近两年围绕国家算力枢纽节点建设超70条算力大通道，相关算力枢纽节点间网络性能提升10%。

　　随着人工智能持续迈向科学智能、行业智能体和物理AI等更复杂场景，超大规模算力系统正由支撑模型训练进一步走向支撑科研创新和产业智能。

　　在今年世界人工智能大会期间，中国首个全国产十万卡AI超集群曙光8000（登峰）真机首次面向全球亮相。目前，曙光8000已依托国家超算互联网接入全国一体化算力网，完成300余项重点应用优化，覆盖大模型、机器人、创新药、新材料、量子计算、天文气象等20余个科研和产业领域，超过70项应用实现万卡规模扩展，并支撑蛋白质折叠模拟、万亿原子级水分子动力学模拟、超大规模湍流模拟等科学智能应用，以及大模型训练、科学智能体和行业智能体等人工智能应用持续运行。

　　中国移动副总经理张冬介绍，中国移动加快推进全国一体化算力网建设，投产多个超万卡智算集群、12个区域智算中心，升级1500个边缘智算节点，智算规模超107EFLOPS。下一步，将攻关超大规模国产智算集群核心技术，构建多元异构算力生态，依托算网大脑实现算网电一体调度。

　　“人工智能大模型和智能体应用的爆发式增长使得智能算力需求不断提升。”工业和信息化部信息通信管理局局长谢存表示，将持续按照“点、链、网、面”体系化工作思路，优化算力基础设施资源部署，打造算力互联互通节点，提升算力资源利用效率。

　　据介绍，工信部将优化算力资源供给部署，统筹产业发展和能源供给等因素，推动智算集群建设和算电协同发展，打造梯次化算力布局，加强算力统筹监测；印发算力标准体系建设指南，推动建立算力服务能力评估、算力市场化定价等标准；开展新型传输协议、卡间互联等技术攻关。

　　“将推动建设高速宽带网络，打造高效畅通的算力传输通道。深入推进城域‘毫秒用算’专项行动，提升算力应用交互体验，推动算力互联互通。深入实施普惠算力赋能中小企业发展专项行动，提升算力服务易用水平。组织算力企业开展国际交流，完善服务体系，强化国际合作。”谢存说。

　　提升算法优势

　　算法是人工智能的核心大脑与逻辑体系，决定AI的思考、推理与执行边界，也是AI产业实现差异化竞争的核心要素之一。当前，AI算法发展正告别一味堆砌参数的粗放模式，转向高效、场景化、自主化的全新发展阶段，呈现从“通用大模型”向“行业专用模型、智能体算法、具身智能算法”迭代的趋势。

　　以扫地机器人算法进化为例，从给扫地机器人设定好路径进行作业，到让扫地机器人自主观察环境、判断路径，功能提升是算法实现自主化、场景化迭代的一种体现。2026年，追觅扫地机首创主动双目视觉方案，并搭配基于云端大模型万物识别能力，大幅拓宽家庭场景识别范围。据了解，围绕全场景智能科技生态服务需求，追觅科技持续加大智能算法领域研发投入，在计算机视觉、大语言模型等领域，围绕目标检测识别、场景识别、感知处理、路径规划以及语义处理等技术方向开展研发，沉淀了领先的智能算法技术能力。

　　中国电子信息产业发展研究院电子信息研究所人工智能产业发展研究室副主任苏庭栋表示，我国在高端算力受限的背景下，走出一条通过算法优势提升模型效能的新模式，涌现出多个达到国际先进水平的通用大模型，尤其近一年来中美顶尖模型性能评分差距持续收窄。

　　2024年图灵奖得主、阿尔伯塔大学计算机科学教授理查德·萨顿判断，静态标注数据模式已触达天花板，经验驱动是下一代AI核心路线。传统模型只能复刻人类已有的知识，难以自主推导事实真相，而以强化学习为核心的智能体能在与环境交互中持续获取动作、反馈奖励信号，实现自主迭代进化。

　　北京通用人工智能研究院院长朱松纯认为，仅靠扩大参数无法诞生真正的通用人工智能，现有大语言模型只是简单的概率匹配工具，缺失完整认知架构与内在价值判断能力；要尝试走出区别于海外数据驱动的原创算法路线，把价值逻辑嵌入算法底层，从根源解决模型无逻辑、无善恶判断的问题。

　　我国AI技术发展还需要持续在算力、算法、智能体和高质量数据等方面持续发力。赛智产业研究院院长赵刚建议，提升AI芯片单卡、万卡和高带宽内存等性能，为万亿参数级大模型训练与推理提供坚实可靠的算力底座；突破实时交互世界模型与具身智能原生设计，推动AI从虚拟空间走向物理世界，实现与真实环境的深度交互；构建多智能体协同框架与智能体互联网基础设施，让AI从“单兵作战”迈向“群体智能”；加强具身智能等高质量数据集建设，为模型训练提供充足“燃料”，突破通用泛化能力瓶颈。（本报记者 黄 鑫 李和风 赖奇春）