中国AI迈向底层自主创新：数据、算力与算法的三维协同

中国人工智能技术正经历从跟随到并跑、局部领先的根本性转变，研发重心已从应用创新转向基础技术的自主创新。这标志着人工智能发展正朝着更深层次的底层突破迈进，旨在筑牢技术根基。

支撑这一转型的核心在于数据、算力与算法的协同发力。专家指出，中国在数据供给方面拥有丰富的高质量场景资源，在算力追赶上形成了差异化优势，同时算法层面已达到国际先进水平。这三者相互配合，共同推动技术持续发展。

数据被视为人工智能的关键“燃料”，其规模和质量直接决定了技术能达到的深度。在近期的一次活动中，国家数据局局长刘烈宏表示，区域合作的焦点正从单纯的数据安全治理转向数据价值的创造。他强调，要打通数据壁垒，实现数据共享与治理，才能让人工智能精准嵌入产业场景，从而激活感知、分析和决策能力。同时，规范数据流通和守住安全底线，是保障产业应用的关键。

相关数据显示，中国在人工智能训练和推理所需的数据总量实现了显著增长。截至2025年，用于训练和推理的数据总量已达到199.48艾字节，同比增长42.86%，其中推理数据量首超训练数据量。此外，截至今年6月底，全国已积累的优质数据集总量超过1565拍字节，其体量相当于中国国家图书馆数字资源总量的547倍左右，为AI发展提供了强劲支撑。

算力作为AI持续演进的基石，其供给水平直接影响技术的规模和速度。工信部的数据显示，截至今年6月底，中国智能算力规模已达2185EFLOPS。东部、中部、西部等地区的智算规模占比不一，但全国算力设施上架率达到了71.4%。在国家算力枢纽节点建设方面，近两年相关通道的性能有所提升，有助于提升算力传输效率。

为应对更复杂的科学智能和行业智能体场景，超大规模算力系统正向支撑科研创新和产业智能方向延伸。例如，中国首个全国产十万卡AI超集群曙光8000真机已投入使用，该集群覆盖了蛋白质折叠模拟、万亿原子级水分子动力学模拟等领域，并支持大模型训练和多智能体应用等科研与产业应用。

算法层面，AI的发展趋势正从单纯依赖参数堆砌转向高效、场景化和自主化的发展模式。例如，在扫地机器人领域，新技术通过主动视觉方案结合云端大模型，极大地扩展了家庭场景的识别范围。专家认为，当前AI模型已不再局限于复刻既有知识，未来的核心在于通过强化学习等方式，使智能体能够在环境中持续获取反馈并自主进化，解决模型逻辑和判断能力不足的问题。

研究人员建议，要实现通用人工智能，需要从算法底层嵌入价值逻辑，解决模型缺乏内在判断的问题。这要求在算力底座、算法优化、智能体设计以及高质量数据集建设等方面持续发力，以突破模型泛化能力的瓶颈，推动AI从虚拟空间走向物理世界的深度交互。