裴 璇 王 娇 聂兴凯 康 宽（对外经济贸易大学；山西师范大学；北京国家会计学院；辽宁大学）
摘 要：“十五五”时期是我国培育发展新质生产力的攻坚阶段，推动“人工智能+”与未来产业融合将成为重要突破口。当前，“人工智能+”与未来产业的深度融合仍面临技术协同不足、场景落地受限等现实问题。立足“十五五”时期产业变革的阶段性特征，本文从技术创新、产业协同、数据算力基础、人才培养、治理安全保障五个方面，提出“人工智能+”与未来产业深度融合的实践路径，结合多项产业数据与实际场景验证路径可行性，为推动我国经济中长期高质量发展提供理论参考与实践指引。
关键词：“十五五”时期；人工智能+；未来产业
“十五五”时期是我国基本实现社会主义现代化夯实基础、全面发力的关键时期，也是我国构建现代化产业体系、发展新质生产力的攻坚阶段。人工智能作为具有引领性与战略性的新一代通用目的技术，正深刻重塑全球经济格局与国际竞争态势。2025年以来，以大模型为核心的人工智能技术创新与突破持续提速，在实际应用场景中，这类技术的通用性不断强化、渗透范围逐步拓展，其可能引发的颠覆性影响，也日益受到各界高度关注。2024年《政府工作报告》提出开展“人工智能+”行动后，我国于2025年正式出台《国务院关于深入实施“人工智能+”行动的意见》这一纲领性文件。该文件明确提出分阶段推动人工智能与经济社会深度融合，标志着“人工智能+”已从概念倡导全面转向国家层面的战略部署与系统落地。因此，“十五五”时期推动“人工智能+”与未来产业深度融合，需要深入分析二者融合的内在逻辑，探索切实有效的实践路径。
一、“人工智能+”赋能未来产业高质量发展的内在机理
（一）技术经济范式演进机理
在技术经济范式演变的视域下，“人工智能+”赋能未来产业高质量发展不仅体现了生产力的变革，更是生产要素结构优化、生产力提升直至生产关系重构的根本性变革过程。在智能经济范式下，通过重构生产函数中的要素配置模式，显著提升全要素生产率。相较于传统经济范式，智能经济呈现出高度自主决策、精准执行与主动适应的鲜明特点，能够实现经济系统的自感知、自学习、自决策与自执行。根据《国务院关于深入实施“人工智能+”行动的意见》，到2027年，我国新一代智能终端、智能体等应用普及率将超70%，到2030年将超90%，到2035年将全面步入智能经济和智能社会发展新阶段。这一演进过程为未来产业提供了全新的技术基础和发展环境。
（二）生产要素重构机理
人工智能为未来产业高质量发展提供新动能，关键在于重构生产要素的配置方式。一方面，在传统生产要素的基础上，数据已成为新的关键生产要素，它和人工智能技术深度融合后，能释放出巨大价值。国家数据发展研究院研究显示，我国数据资源丰富，2024年数据产业规模达5.86万亿元，较“十三五”末增长117%。这些数据要素与人工智能技术相结合，为未来产业提供了丰富的“燃料”和“原材料”。
与此同时，人工智能正在推动传统生产要素向人机协同的新型形态转变，既扩大了生产要素的覆盖范围，也进一步提升了生产要素的运行效率。正是依托对生产要素的这一重塑作用，人工智能与各领域的融合应用进一步对劳动力、资本、数据等核心要素开展智能化优化与重组，最终推动全要素生产率实现显著提升。在制造业领域，人工智能算法能够实时分析生产流程并进行趋势预测，通过优化生产排程与调度、开展设备预测性维护等，有效减少设备非计划停机时间，显著提升生产线的运行效率。在金融业领域，由人工智能技术支撑的风险控制模型可实时处理海量交易数据，精准甄别欺诈行为，有力提升了金融系统的运行效率与安全防护水平。值得关注的是，借助算法的持续优化与计算能力的不断提升，人工智能能够实现生产要素的精准匹配与动态优化，构建起以数据为基础、以算法为核心、以智能执行为保障的生产要素配置新机制，为未来产业发展提供全新的生产函数与产出模式。
（三）产业能级提升机理
“人工智能+”对产业的影响，主要体现在重塑形态和提升能级两个方面。二者相互支撑，共同推动产业向更高质量发展。
从重塑产业形态来看，“人工智能+”正在打破传统产业的边界，一边催生新业态、新模式，一边重构产业价值链。比如推动传统产业向服务化转型，制造企业不再只卖产品，还会提供基于AI的预测性维护、设备健康管理等增值服务；同时还催生出“智能原生”（AI Native）的新技术、新产品和新服务体系，比如在医疗健康领域，基于AI的个性化诊疗方案推荐、智能健康管理平台等正从根本上改变医疗服务的供给模式，让服务从“治疗”延伸到“预防+康养”。这种重塑还会加速淘汰落后产能，引导资源往更高附加值的环节集中。
从提升产业能级来看，人工智能主要靠技术渗透和赋能应用来实现，具体有三条关键路径。一是通过智能化改造提升传统产业效率。比如农业领域，有着“电子鼻”“机械眼”的农业机器人，能实时监测耕地土壤和农作物状况，实现精准管理。这就是AI通过优化生产流程和决策机制，直接提升产业运营效率的典型例子。二是通过创新培育新兴产业。我国在AI领域的技术创新很活跃，相关专利数量占全球总量的60%，这些技术能为未来产业提供持续支撑。同时，AI还能促进不同产业交叉融合，催生出智能医疗、智能交通、智能能源等新兴业态，进一步拓宽未来产业的发展空间。三是通过生态重构，帮助产业塑造新的竞争优势，让整个产业生态更具活力和抗风险能力。
(四)创新发展模式机理
人工智能正在让创新的方式发生深刻变化，为未来产业的高质量发展开辟新道路。传统创新模式主要靠投入研发资源和积累经验，而人工智能却以数据驱动和算法优化为核心，不仅明显加快了创新节奏，还让创新成果的质量和实用性都更上一层楼。这种变化首先反映在科研领域。人工智能的兴起，意味着科学研究正从过去那种依赖实验观测和理论推导的传统模式，转向以数据为核心驱动力的第四范式。在新范式下，人们能从海量、多样的数据中挖掘潜在规律、提炼系统知识，让科学发现过程实现自动化推进，大大提高前沿科学探索和关键技术突破的效率。
二、“十五五”时期推动“人工智能+”赋能未来产业的实现路径
（一）技术创新突破路径
技术创新突破路径以攻克关键核心技术为核心，目标是构建自主可控的技术生态，具体可从关键技术攻关、创新生态建设、科研范式变革三方面推进。
在关键技术攻关层面，需集中力量突破高端算力芯片、工业多模态算法、软硬件适配等“卡脖子”环节，同时加快高质量数据集打造与智能体开发部署。截至2025年3月，我国已形成335个行业高质量数据集，能为121个国产AI大模型研发提供支撑；人形机器人、脑机接口等人工智能终端产品的部署也在同步推进。据媒体报道，2024年我国本土人工智能芯片品牌渗透率已达30%，2025年本土人工智能芯片品牌渗透率预计达到40%以上，国产芯片将逐步占据主导地位，后续仍需持续发力，进一步提升算力自主化水平，巩固技术优势。
在创新生态建设层面，一方面，要构建“基础层共享、应用层深耕”模式。打造涵盖算法框架、算力资源、数据要素的通用技术池，再依托行业龙头企业将通用技术能力转化为适配垂直行业应用场景的专用技术模块，以此打通行业壁垒；同时搭建产学研用协同平台，鼓励龙头企业、高校、科研院所共建创新平台，加速科研成果的产业化转化。另一方面，要深化开源生态培育，以DeepSeek、通义千问等国产大模型为引领，打破技术壁垒，降低中小企业获取先进技术的成本，激发全社会创新活力，构建具有全球竞争力的开放创新生态。
在科研范式变革层面，重点发展具有可靠推理和规划能力的大模型，推动人工智能驱动的科研从传统“实验+理论”范式，向“数据+算法”范式转型，通过这一变革缩短研发周期。例如在新药研发领域，人工智能可加速药物筛选过程，大幅提升研发效率。
（二）产业协同与融合路径
产业协同与融合路径的核心是通过场景创新和产业链重构，实现人工智能与实体经济的深度绑定，具体从全链条智能化升级、重点领域场景落地、产业集群融通、未来与传统产业融合四方面推进。
首先，制造业全链条智能化升级。聚焦制造业“设计-生产-服务-运营”全环节，推动AI深度应用以提升产业链弹性与效率。一方面推广工业机器人、AI质检、预测性维护等成熟技术，另一方面探索工业大模型驱动的柔性生产、智能供应链管理，通过工业多智能体系统实现跨工厂、跨区域的生产资源自主调度，采用全价值链智能体矩阵有效助力制造业提质增效。
其次，重点领域场景规模化落地。遵循“应用促创新”逻辑，以实际需求倒逼技术迭代，推动AI在多领域规模化应用。在医疗健康领域，推动AI辅助诊断在基层医疗机构普及，同时深化其在医学影像分析、病理检测、新药研发中的应用，并探索构建基于AI的区域公共卫生智能预警与应急响应系统；在金融领域，在巩固AI在智能风控、反欺诈领域优势的基础上，利用AI技术优化中小微企业信贷评估模型，为企业提供更精准的融资支持，同时推广个性化、智能化的财富管理服务；在农业领域，结合产业需求布局AI应用，以技术落地推动农业生产效率提升与现代化转型。
再次，产业集群与企业融通发展。通过载体建设与生态构建，促进产业集聚与企业协同发展。一方面，建设国家人工智能创新应用先导区、国家级智能网联汽车测试示范区及未来产业先导区，依托这些载体形成产业集群效应与规模效应；另一方面，推动大中小企业“雁阵式”融通，打造龙头企业“顶天立地”、科技型中小企业“铺天盖地”的发展格局，强化技术研发、产品开发、品牌建设、市场推广、用户服务全流程协同，打通“硬件-系统-产业”全链条，提升产业链整体韧性。
最后，未来产业与传统产业深度融合。未来制造、未来信息等领域，都在通过与传统产业的深度结合来培育新业态、新模式。消费领域里，人工智能代理会整合服务入口，为用户提供无缝衔接的个性化生活管理。同时，智能体、人工智能生成物这类新型技术模式也在加快落地，不仅能推动生产效率提升和服务模式创新，还能在产业融合、组织变革以及全球化竞争中引发系统性变化，帮助形成新旧动能转换的良好态势。
（三）数据与算力基础路径
数据与算力基础路径的核心目标是强化数据要素价值释放与算力支撑能力，为人工智能赋能产业筑牢坚实底座，具体可从数据要素建设与流通、算力基础设施优化、数据和算力协同驱动三方面推进。
第一，数据要素建设与流通。重点围绕“高质量供给+安全高效流通”构建数据体系。一方面，加强数据资源建设，既要巩固现有行业高质量数据集的基础，又要针对医疗、交通、金融等领域推进数据集的精细化、专业化、场景化建设，让数据真正成为支撑AI发展的“燃料”；另一方面，完善数据流通机制，通过构建数据要素全国统一大市场，明确数据产权、流通交易规则，同时配套安全保护制度，促进跨部门、跨行业数据安全流动，最大化释放数据乘数效应，为AI技术与产业应用提供数据支撑。
第二，算力基础设施优化。依托现有算力基础推进布局优化与效能提升。据媒体报道，截至2025年6月底，我国在用算力中心机架总规模达1085万标准机架，智能算力规模达788百亿亿次/秒（EFLOPS）；存力规模超过1680艾字节（EB）。在此基础上需进一步统筹规划全国一体化智能算力网络，既要优化算力空间布局，推动“东数西算”绿色协同，降低用能成本；又要推动算电协同发展，实现算力普惠化，让更多企业尤其是中小企业能便捷获取算力资源；同时完善以应用效果为导向的算力评估体系，确保算力效能与产业需求精准匹配。
第三，数据和算力协同驱动。通过“数据+算力+算法”的协作模式，为决策制定和应用落地提供支撑。把精准数据和高效算力结合起来，再配上算法模型，形成完整的技术体系，提升各个系统的运行效率。以物流产业为例，依靠这种协同模式打造的智能物流系统，能动态优化运输路径、合理调度资源，帮助降低运输成本，充分体现了数据与算力协同在产业实践中的实际作用。
（四）人才培养与组织变革路径
人才培养与组织变革路径的核心在于构建多层次人才培养体系。
第一，教育体系改革层面，深化教育与产业实践的融合衔接。聚焦人工智能人才基础能力培养，在高等教育阶段推进跨学科教育与校企合作共同开展育人机制建设。一方面，增设人工智能相关交叉学科方向，特别是融合机械工程、电子工程、计算机科学等领域的智能制造跨学科课程，破除传统学科壁垒，定向培养产业急需的复合型人才；另一方面，推行校企深度联合培养模式，鼓励企业与高校共建联合实验室、研发中心等实践平台，为学生提供真实产业场景的实践机会，强化理论知识与实践操作的融合能力，使人才培养方向与产业实际需求高度契合。
第二，在职业培训与终身学习方面，要精准对接产业技能升级的需求。针对在职人员，设计灵活多元的技能提升路径，助力实现技能动态更新，比如开展人工智能专项技能培训、提供在线课程及行业研讨会等多样化学习模式，满足不同岗位的差异化学习需求；同时，建立健全人才终身学习保障机制，推行企业导师与高校导师共同培养的“双导师制”，提升培训内容的产业适配性，帮助在职人员及时跟进人工智能技术迭代与产业应用升级，更好适配人机协同的新型工作模式。
第三，高端人才引育层面，强化领军人才支撑。围绕产业高端需求，完善人才引育与激励机制。实施AI领军人才计划，重点培养具有国际水平的战略科学家、科技领军人才及创新团队；同时优化人才激励体系，完善股权激励、人才评价等机制，吸引并留住高端人才；此外，依托国家人工智能产业投资基金，为高端人才培养、科研项目落地及产业对接提供资金支持，为产业发展筑牢高端人才根基。
（五）治理与安全保障路径
治理与安全保障路径的核心是通过敏捷治理和标准建设，防范人工智能应用风险，确保产业发展行稳致远，具体从法律法规体系完善、可信AI标准构建、全球治理参与三方面推进。
一是法律法规体系完善。聚焦AI领域制度空白，加快构建系统性法律框架。一方面，推进专项立法工作，完善AI伦理准则、算法审计、数据安全等领域的法律规范；另一方面，明确技术与产业发展的关键约束，对算法透明度、数据隐私保护、责任认定等核心问题作出清晰界定，为研发、应用各环节划定“红线”与“底线”，避免因规则缺失引发风险隐患。
二是可信AI标准构建。以标准引领AI安全可控发展，强化全链条风险防控。研究制定覆盖AI技术、产品、服务的伦理准则、安全标准及评估认证体系，引导企业开发部署负责任、可信赖的AI系统。建立分级分类监管体系，结合不同领域应用场景的风险等级实施精准监管。配套研发专业检测工具，针对性识别虚假信息传播、算法歧视等潜在风险，从技术与管理层面筑牢安全防线。
三是参与全球治理。秉持全人类福祉理念，深度融入全球AI治理进程。习近平主席在亚太经合组织第三十二次领导人非正式会议第二阶段会议上强调，人工智能对未来发展具有重大意义，应该使之为各国各地区人民造福。我们要以全人类福祉为念，推动人工智能朝着有益、安全、公平方向健康有序发展。这为全球AI治理指明方向。实践中，我国积极参与联合国AI治理框架等国际规则制定，通过发布《全球人工智能治理倡议》《人工智能全球治理上海宣言》等分享中国经验、贡献中国方案，同时加强与各国的治理合作，提升在全球科技治理中的话语权与影响力。
参考文献
[1]裴璇,康宽,刘宇,等.数字经济与实体经济融合：价值意蕴与特征识别[J].统计与决策,2025,41(20):5-10..
[2]康宽,裴璇,聂兴凯.数字时代空间均衡：新型信息基础设施的水平测度与时空跃迁[J/OL].财经理论研究,1-15[2025-11-21].https://doi.org/10.13894/j.cnki.jfet.20251020.002.
[3]万诗婕,裴璇,许默焓,等.数实融合对企业ESG表现的影响——来自中国数据要素市场化建设的证据[J/OL].成都理工大学学报(社会科学版),1-14[2025-11-21].https://link.cnki.net/urlid/51.1641.c.20251020.1502.002.
[4]裴璇.特朗普政府对等关税政策对国际物流贸易影响及中国应对策略[J].物流技术,2025,44(09):32-42.
[5]王稳华,裴璇,聂兴凯.被审计单位人工智能应用对审计投入和审计费用的影响[J].审计研究,2024,(03):102-112.
[6]裴璇,刘宇,王稳华.企业数字化转型：驱动因素、经济效应与策略选择[J].改革,2023,(05):124-137.
[7]裴璇,陆岷峰,王稳华.共同富裕背景下企业数字化转型的劳动收入分配效应研究[J].现代财经(天津财经大学学报),2023,43(04):3-22.
[8]聂兴凯,王稳华,裴璇.企业数字化转型会影响会计信息可比性吗[J].会计研究,2022,(05):17-39.
【本文系2025年度辽宁省社会科学规划基金项目（L25CJY017）“耐心资本助力辽宁战略性新兴产业突破式创新研究”的阶段性研究成果】
（裴璇系对外经济贸易大学商业伦理与社会责任研究中心研究员，海南省创新数字研究所未来产业研究中心主任；王娇系山西师范大学经济与管理学院讲师，海南省创新数字研究所产业链供应链韧性研究中心主任；聂兴凯系北京国家会计学院教授、智能财务与控制研究中心主任；康宽系辽宁大学亚澳商学院讲师）