向规模扩散。人工智能成为产业转型核心驱动力，“人工智能+”在研发、生产、服务等 环节加速渗透，推动产业高端化、智能化、绿色化升级，实数融合推动产业模式重构。数 字产业加速集聚，算力、数据、算法协同创新体系逐步成型。但同时，高质量数据供给不 足、数字产业投资放缓、数智经济发展不确定性等问题仍然存在，亟需在制度、技术和应 用上取得新突破，继续成为稳增长、促转型的重要支撑力量。 【关键词】 数字经济 发展形势 展望 20 ，数字经济将成为 拉动经济增长的重要引擎，人工智能与实体经济融合加速形成更多新模 式、新场景，数字产业创新链、产业链协同重构迈向更高水平，数字经 济将在制度创新、技术突破和应用深化中持续塑造高质量发展新动能。 一、对2026年形势的基本判断 （一）数字经济增长引擎“焕新”，“数智”主脉络加速形成 2025年，我国数字经济以“新”谋“进”，在保持整体规模不断提 015 升的同时，竞争 引下，引导各方细化实施细则和推进举措，谋划数字经济创新型企业培 育、数字经济新场景大规模应用等领域新思路新布局，协同数据基础制 度和数字基础设施建设，打造具有国际竞争力的数字产业集群，创新数 字化改革配套机制，为数字经济高质量发展提供更完善的制度保障。 017 （二）数字产业新动能“成势”，“智能+”赛道创新育新 2025年，数字产业稳步回升，数字大省带动作用强劲，集聚化、智 能化发展态势显著。据工信部数据统计，前三季度，数字产业收入增速

局。数据作为我国第五大生产要素，其价值释放的深度与广度，直接决定了人工智能产 “ ” “ ” 业从 感知智能 向 认知智能 跃迁的新高度。当前全球数据总量虽呈指数级增长（2023 年突破 175ZB）， 但高质量语料尤其是中文语料严重匮乏，实际流通率却不足 5%。数据 “ ” 产业面临 不敢共享、不愿共享、不能共享 的困局如同无形枷锁禁锢着 AI 创新的步伐。 比如医疗数据因隐私顾虑难以赋能疾病预测模型，工业数据因竞争壁垒阻碍供应链协 术、工具的堆砌，而是 制度规则、技术架构、生态系统三位一体协同的创新范式，将成为全域数字化转型的核 心数字底座。 随着人工智能技术指数级增长，生产型 AI 场景 “ 爆发式应用，大模型对高质量数据的 饥 ” 渴需求 进一步放大了可信数据空间的价值。本白皮书结合新技术的理解与创新实践的 探索，梳理可信数据空间与 AI 协同发展的技术路径、制度框 架与实践蓝图，提出 AI 可 信数 结合自身特点探索数据空间建设模式。截至 2024 年， 全球已建成超过 200 个可信数据空间，覆盖工业、医 疗、金融、能源、农业、交通等多个领域，实现了数据 的安全可信流通与价值共创，成为数字经济高质量发 展的关键基础设施。 欧盟是国际数据空间建设的先行者，其发展模式以 联邦式去中心化为核心。欧盟通过《欧洲数据战略》、 《数据治理法案》、《数据法案》等政策文件，强调数 据主权、多方协同治理和标准化，GDPR（通用数据

运维等新业态新模式。 （三）动力调整：强国建设步入新阶段，加快形成新质 生产力成为推动制造业高质量发展的内在要求。“十五五”时 期是制造强国“三步走”战略目标的第二阶段，即由“缩小差距、 重点突破”升级为“巩固地位、提升层次”。习近平总书记在二 十届中央政治局第十一次集体学习时强调，发展新质生产力 是推动高质量发展的内在要求和重要着力点。明确新阶段要 摆脱传统经济增长方式、生产力发展路径，要把产业发展的 论述，完整、准确、全面贯彻新发展理念，遵循新时代新征 程推进新型工业化的基本规律，坚持以高质量发展为主题， 以科技创新推动产业创新，以人工智能推进数实融合，加快 构建以先进制造业为骨干的现代化产业体系，坚定不移推进 制造强国建设，推动新型工业化、信息化、城镇化、农业现 代化同步发展，为中国式现代化构筑强大物质技术基础。实 践中把握三个基本原则： 一是统筹高质量发展和高水平安全。以科技创新推动产 业创新，创新成果应用到具体产业和产业链上，提高全要素 2030 年，产业科技创新能力大幅提高，重点产业链 自主可控水平显著增强，优势行业形成全球创新引领能力， 在世界制造业强国第二方阵中的地位更加巩固，新型工业化 支撑构建新发展格局、引领带动经济社会高质量发展的作用 大幅提升。 三、“十五五”时期制造业发展需要解决的关键问题 （一）构建产业科技创新体系。习近平总书记指出，要 以科技创新引领产业创新。针对“技术”到“市场”的供需壁垒、 “实验

逻辑先用大量人工标注的数据来让模型 初步掌握某种能力（如对话或者语言风格），然后再用RL来进一步优化性能 ➢ DeepSeek-R1 系列跳过对于大规模人工标注数据的依赖 ➢ 无需构建和维护高质量的SFT数据集，而是让模型直接在RL环境中进行探索 ➢ 类比：初学者在没有老师指导的情况下，通过不断的尝试和错误来掌握一门新的技能。 ➢ 这种自主学习的方式，不仅节省了大量的标注成本； ➢ 更 ➢ 需要足够强的基座模型：基座模型 (DeepSeek-V3 Base) 超过了某个质量和能力阈值 （671B 在14.8T 高质量Token上训练）（基座模型知识帮助突破推理上界，也有一些 工作利用小模型复现 Aha Moment 得益于大规模RL和高质量推理数据）； ➢ 大规模强化学习加持：GRPO 对于强化学习训练的优化； ➢ 规则化奖励：绕过奖励攻陷问题，但是得益于推理问题可以进行自动化标记和验证 Questions: ➢ 能否在Zero基础上兼顾推理性能的同时，提升模型的帮助性和安全性？例如产生 Clear & Coherent CoT 并且展现出通用能力的模型 R1； ➢ 能否利用一些高质量反思数据集做 Cold Start 从而加速RL的收敛或帮助提升推理表现 16 DeepSeek-R1 技术 Pipeline 总览 DeepSeek-v3-Base (671B) DeepSeek-R1-Zero

新生态，以及增强企业创新能力等方面持续发力。赛迪研究院认为，面对严峻复杂的国内 外形势，我国需锚定“十五五”时期关键任务目标，牢牢把握新一轮科技革命和产业变革 的窗口期，重点关注高质量科技供给不足、企业前沿技术创新能力不强，以及新兴产业治 理模式滞后等问题，从加强重点领域全链条高质量科技供给、夯实企业科技创新主体地位 和提升产业科技创新治理水平三方面出发，推动科技创新和产业创新深度融合，为新型工 业化提供坚实支撑。 【关键词】 积极融入全球创新网络。三是高技术产品的出海不确定性依然存在，迫 切需要我国加强标准引领，构造全产业链共赢生态。 048 中国工业和信息化 发展形势展望系列 二、需要关注的几个问题 （一）高质量科技供给不足制约产业持续创新突破 科技成果数量多，但缺少重大突破性科研成果。目前，我国科技论 文总量世界第一，达到美国的两倍，PCT国际专利年度申请量位居世界第 一。但是从产业化角度来看，真正具备全球影响力和商业可持续性的现 掌握核心算法却缺乏透明度，公众参与渠道有限，行业协会自律规范 薄弱。监管部门因技术能力不足难以精准执法，最终迫使部分地区采取 “暂停服务”等粗放手段，阻碍技术良性发展。 053 三、应采取的对策建议 （一）加强重点领域全链条高质量科技供给 增强自主创新能力，加快高水平自立自强。深化前沿技术基础理论 研究，推动技术开发原始创新，对长期从事重要领域基础研究的团队给 予稳定资金支持。加强关键核心技术全链条部署、体系化布局，全链条

，通过对大量文本数据进行训练 ，从而具备了强大的语言理解 和生成能力。 它能够理解自然语言 ，并能够生成自然语言文本 n 字节跳动豆包 豆包是字节跳动基于云雀模型开发的 AI ， 能理解你的需求并生成高质量 回 应。 它知识储备丰富 ， 涵盖历史、 科学、 技术等众多领域 ， 无论是日 常问 题咨询 ， 还是深入学术探讨 ， 都能提供准确全面的信息。 同时 ， 具备 出色 的文本创作能力 能撰写故事 于安全验证和身份识别）、医学影像分析（辅助医生诊断疾 病）等 （ 1 ） 自然语言处理 大模型在自然语言处理领域具有重要的应用 ，可以用于文本生成 （如文章、小说、新闻等的创作）、翻译系统（能够实现高质量 的 跨语言翻译）、问答系统（能够回答用户提出的问题）、情感 分析 （用于判断文本中的情感倾向）、语言生成（如聊天机器 人）等 大模型的应用领域非常广泛 ，涵盖了自然语言处理、 计算机视觉、 ，大模型可以为用户提供个性化的推荐服务 ，提高 用 户满意度和转化率 （ 3 ）语音识别 大模型在语音识别领域也有应用 ，如语音识别、语音合成等。通 过 学习大量的语音数据 ，大模型可以实现高质量的跨语言翻译和 语音 识别以及生成自然语音 3.7 大模型的应用领 域 金融风控 自动驾驶 医疗健康 大模型可以用于信用评估、欺诈检测等任 务 。通过分析大量的金融数据 ，大模型 可 以评估用户的信用等级和风险水平，

…………58 推荐单位 ：上海海洋大学 开创林改新局 赋能乡村振兴——福建农林大学的智慧与担当……………………………………………58 推荐单位 ：福建农林大学 科技赋能东乡贡羊产业高质量发展…………………………………………………………………………59 推荐单位 ：甘肃农业大学 草原牧区经营体制改革创新先锋——“芒来模式”…………………………………………………………59 乡村振兴观察报告 2023-2024 中国农科院科技支撑稳产保供 坚定守护大国粮仓…………………………………………………………61 推荐单位 ：中国农业科学院 弘扬“宁陵精神” 支撑果树产业高质量发展…………………………………………………………………61 推荐单位 ：中国农业科学院 渔船多源感知和 AI 一体化智能终端成套装备………………………………………………………………62 ：四川省泸州市农业农村局 四川渠县扛牢粮食安全政治责任 擦亮产粮大县金字招牌…………………………………………………74 推荐单位 ：四川省渠县农业农村局 “全”字上做文章“链”字上求突破——临夏州高质量打造牛羊全产业链…………………………………75 推荐单位 ：甘肃省临夏州农业农村局 无定河镇“联农共富 托管共享”土地托管模式创新实践……………………………………………………75 推荐单位

设计， 推进“人工智能 +” 行动，以“数字化、绿色化”转型支撑新型电力系统和新型能源体系建设。 源荷精准预测 电气机理 与知识 负荷特性分析 地理信息 人工智能是支撑新型电力系统高质量发展的关键 新型电力系统 支撑 电 力 人 工 智 能 系 统 社会、经济 影 响 中 国 南 方 电 网 CHINA SoUTHERN POWER GRID 非结构化 知识 数据清洗整合的复杂性 缺乏准确性、一致性维护 缺乏数据质量监控 数据可靠性不佳 数据完整性不足 十 数据量不足 数据质量较低 数据标准化较低 缺乏验证集和测试集 无法有效建设高质量 数据集严重制约数字 化进程受阻 数据质量问题可能会导致严重的调控 决策风险和损害 业务挑战：数字化转型挑战 无法保障数据可以被及时、 准确地访问和利用 AI 训练所需算力和电力 MAAS 框架 ) 模型管理 / 检索 模型下载 模型调优 / 训练 模型推理 模型部署 模型应用 典型开发框架 模型库 样本库 实训框架 文档 / 教程 开发者社区 简单可集成 全模态 高质量全领域 可在线 / 离线 AI 高效学习 贡献活跃 产业金融 金融放货智能评估 电费货智能评估 供货贷智能评估 采购过程文件智能辅助编制及校验 电力会议转录助手

训练已成为推动智能化应用落地的核心环节。本项目旨在构建一套 完整的数据处理与模型训练方案，以满足企业在复杂场景下的智能 化需求。项目通过对多源异构数据的采集、清洗、标注和结构化处 理，打造高质量的知识库，为后续的 AI 模型训练提供坚实的基 础。同时，结合先进的深度学习技术和规模化计算资源，设计高效 的模型训练流程，确保模型在准确性、泛化能力和计算效率方面达 到预期目标。项目的实施将涵盖以下关键步骤： 模型训练 效率，为后续的智能化应用开发和部署打下坚实的基础。 1.1 项目背景 随着人工智能技术的迅猛发展，大模型在各个领域的应用日益 广泛。然而，大模型的训练效能和精度在很大程度上依赖于高质量 的知识库数据处理。当前，许多企业和研究机构在构建和利用知识 库时，面临着数据来源分散、数据质量参差不齐、处理流程复杂等 多重挑战。这些挑战不仅增加了数据处理的成本，还直接影响到后 续模型训 数据存储模块：采用分布式存储技术，支持大规模数据的高效 存储；  数据检索模块：实现高效的分布式检索，满足实时查询需求。 通过上述模块的集成与优化，本方案将显著提升知识库数据处 理的效率和准确性，为 AI 大模型的训练提供高质量的数据支持。 最终，该方案将广泛应用于金融、医疗、教育等多个行业，推动人 工智能技术的深入应用和创新发展。 1.2 项目目标 本项目的核心目标在于构建一个高效、精准的知识库数据处理 系统，

的关键。 当前央企已步入从“业务数字化”向“业务数智化”转型的关键阶段。 央企作为国民经济的中流砥柱，面临着国家战略、全球竞争和内部转型的三 重需求。在宏观层面上须践行“新质生产力”与“高质量发展”的顶层设 计，担当科技创新的排头兵；在竞争层面需应对全球领先企业利用智能化手 段重构价值链的战略挤压；在运营层面则有待破解因规模体量带来的管理复 杂性与市场创新敏捷性之间的深层矛盾。 央企加速数据中心向智算中心转型，推动行业数据产业共同体组建，明确三维支撑的具体 实施路径。2025 年落地推进阶段，政策聚焦成效强化，扩大高价值场景覆盖至超 500 个， 推动智算平台规模化应用，分批构建重点行业高质量数据集，完善数据共享与合规流转机 制，为央企 AI 规模化发展提供了清晰路径与坚实保障。 图表 1 央企数智化转型相关政策 发布时间 政策名称 政策内容 政策方向 2023.2 交通、医疗等领域打造 AI 应用标杆 AI 赋能传 统 产 业 升 级 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 5 2023.10 算力基础设施高质量发展 行动计划 明确央企需参与智算中心建设，推动智能算力规模扩 容，支持国产芯片、软件及算力平台自主创新，在工 业、能源等领域打造 AI 融合应用场景，如要求围绕 工业、金融、能源等重点领域，各打造