| 2025 | No.10 | No.9 | No.8 | No.7 | No.6 | No.5 |
|---|---|---|---|---|---|---|
| No.4 | No.3 | No.2 | No.1 | |||
| 2024 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2023 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2022 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2021 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2020 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2019 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 | No.5 | No.4 | No.3 | No.2 | No.1 | |
| 2018 | No.12 | No.11 | No.10 | No.9 | No.8 | No.7 |
| No.6 |
分析阐述了我国人工智能发展布局,从基础支撑、应用赋能、生态构建等方面体系化剖析我国人工智能发展现状,总结归纳出应以应用为牵引发展我国人工智能产业,并提出了需明确适配行业、厘清落地现状与问题、精准把握推进力度来有序有效推进“人工智能+”行动。
系统研究了“人工智能+”技术在IPv6地址资源管理、流量智能调度、网络空间运维等核心场景的关键应用,提出了动态预测消解、健康感知调度、语义规划管理和数字身份标记等技术方案,并在智慧园区、工业控制、校园网络、电商平台等领域实现场景落地。实践表明,“人工智能+”技术可大幅降低IPv6地址冲突定位时间,显著提升流量调度效率,为构建智能化网络管理体系提供了切实可行的技术解决方案。
人工智能与机器人的深度融合正催生新一代机器人形态,其中具身智能机器人因其强调物理实体与环境交互的核心特性而成为关键发展方向。聚焦“人工智能+”赋能的具身智能机器人这一特定形态,系统综述了具身智能机器人的概念演进与发展现状,着重剖析了人工智能技术在感知、认知、决策、执行及底层数据支撑等环节带来的变革;围绕多模态感知、大语言模型与深度强化学习等核心技术,结合工业制造、医疗护理、家庭服务等场景应用,展示了“人工智能+”赋能具身智能机器人的应用成果。同时,指出了计算资源消耗、算法泛化性与鲁棒性不足等现实瓶颈,并展望了更高效模型架构、跨模态协同与多领域扩张等未来趋势,为具身智能机器人的技术创新和产业落地提供了参考。
数据标注作为人工智能产业基础层的关键环节,其发展质量直接影响人工智能算法模型性能与应用场景落地,是人工智能高质量数据集的核心生产力。系统梳理了数据标注产业的内涵界定、产业链结构、发展模式及政策环境,详细总结了数据标注产业赋能“人工智能+”重点行业应用实践情况,深入剖析了DeepSeek等大模型技术革新带来的产业变革,总结了当前数据标注产业存在的顶层设计缺乏、人才瓶颈、技术协同不足等核心问题。研究提出应通过强化国家级标注基地示范效应、提升数据标注技术水平、推进“人工智能+”行业应用水平、构建协同创新生态、完善标准体系、深化国际合作等路径,推动数据标注产业高质量发展。
当今,人工智能作为新兴产业的代表,已成为全球科技浪潮的重要驱动力。从最初的简单逻辑推理到如今的自主深度学习、复杂事务处理和智能决策支持,人工智能塑造了新时代发展的新范式,并深刻影响了社会、经济、文化等各个领域。作为国家能源储备和民生保障的关键领域,能源行业在人工智能的推动下,正加速实现从“人工性”向“智能性”的转型。自动化生产、远程监测、数据分析、产量模拟、智能运输等新兴技术,逐步成为提升生产效率和推动产业结构升级的核心驱动力。
“人工智能+科研”正重塑科学研究与产业研发范式,开启科研方法论的新纪元。围绕科研智能技术体系,系统梳理科研数据、科研算力、科研模型、科研智能体及自动化实验室五大核心领域,分析其定义内涵、发展现状及未来趋势,探讨人工智能如何驱动科研模式向自主智能演进。研究表明,科研数据治理、异构算力管理、专用及多模态科研模型、智能体自主科研能力和自动化实验室广域协作的深度融合,将支撑形成“想象—执行”闭环的智能科研新范式,为科技成果的高效产出与产业转化提供强劲动力。
基于对信息通信企业应用人工智能的业务场景和典型案例的跟踪分析,全面分析了人工智能在提高信息通信企业运营效率、拓展行业发展空间、构建产业生态等方面取得的积极成效。然而,推动人工智能与信息通信业融合仍面临技术不牢、应用不足、要素不够、治理体系不全等困难挑战,下一步需要通过强化技术创新、加快应用培育、加强要素供给、完善治理体系等措施,着力破解困难瓶颈,推动人工智能与信息通信业深度融合。
近年来,生成式人工智能推动新一轮技术革命进入爆发期,而平台经济作为上一轮以互联网为核心的技术革命中崛起的新型产业组织和资源枢纽,持续发挥重要作用。基于技术经济学、多中心治理及协同治理理论构建理论框架可见,人工智能治理在借鉴互联网治理经验的基础上,还需应对治理新挑战。基于新技术革命的发展阶段应适度放宽监管尺度,结合产业组织的变革方向应调整治理结构并优化责任分配,伴随价值创造方式的升级应将治理重心转向供给侧。对此,建议我国利用基础模型和微调模型关系优化监管链条,探索以产业基金为工具推动人工智能普惠发展,基于产业生态参与者的不同角色建立风险管理制度,进而形成产业链条、监管链条与多元治理链条协同耦合的人工智能治理体系。
随着人工智能技术的飞速发展,特别是大模型在自然语言处理、计算机视觉等领域取得的突破性进展,传统软件的研发范式、架构设计、交互机制与部署方式正经历前所未有的变革。深入探讨以大模型为代表的人工智能技术对软件形态演进产生的影响;系统分析大模型驱动软件向智能化方向演进的内在机理,以及软件新形态呈现的核心特征;聚焦智能化分级要求,提出软件智能化成熟度模型和相应落地方案;阐述大模型时代软件演进面临的技术瓶颈、安全风险、伦理困境与工程挑战,进而展望其未来发展方向,为软件智能化演进的理论研究和实践探索提供参考。
随着人工智能技术的快速发展,工业产品缺陷检测正从传统人工目检和图像处理方法向智能化、通用化方向演进。系统梳理了工业产品缺陷检测的类型与技术发展路径,对传统图像处理到深度学习再到基础模型阶段的技术演进进行了深入分析,重点探讨了当前在数据增强、小样本学习、模型轻量化及云边端协同等方面的关键技术突破,结合3C、钢铁、新能源电池、轮胎、纺织等行业的实际应用案例,展示了人工智能赋能缺陷检测所带来的效率提升、成本降低和质量保障等方面的显著成效,为制造业智能化转型提供了技术支撑与实践参考。
政务垂类大模型作为新一代人工智能在政务领域的关键落地形态,正逐步成为提升政府治理效能与公共服务能力的重要支撑。在多年深耕政务数字化的基础上,上海市积极探索大模型技术在“一网通办”“一网统管”“一网协同”等政务服务场景下的具体落地方法,旨在通过研究上海政务垂类大模型的应用与实践,剖析应用过程中面临的核心挑战,为全国各地推进政务大模型建设提供可参考的实践经验与路径。
人工智能技术向医疗、康复和养老(简称“医康养”)领域的逐步渗透,为建设功能综合性、服务连续性、方案个性化、资源互补性、接入普惠性的医康养融合服务生态体系带来了曙光。从系统化的研究视角,提出了以智能化医康养融合服务平台为中枢的医康养融合服务生态体系框架,揭示了人工智能赋能医康养融合服务的方向研判,指明了智能化医康养融合服务生态体系建设的路径,最后提出了加快智能化医康养融合服务生态体系建设的建议。
近年来,人工智能技术特别是大模型(Large Language Models, LLMs)的突破性进展,正深刻重塑全球产业格局和社会治理模式。作为新一轮科技革命和产业变革的核心驱动力,大模型凭借其强大的通用理解、生成、推理和交互能力,为智慧城市构建开辟了全新路径。通过解析大模型与智慧城市的深度融合机制,重点探讨大模型对城市治理体系现代化、公共服务智能化、产业经济高效化的赋能作用,分析其关键驱动因素如算法创新、算力支撑、数据要素流通及政策环境,旨在为城市管理者和政策制定者提供前瞻性参考和实践指引。