4月，国产大模型密集迭代，推理算力效率显著提升，DeepSeek、智谱GLM等模型在降低算力消耗上取得关键进展。近日，国家发展改革委在月度新闻发布会上明确，正加快制定“人工智能+”落地配套政策，持续推动央国企开放高价值应用场景，面向各行业各领域和各地方打造人工智能标杆应用，加快引导人工智能融入生产、经营、管理等各方面各环节。工信部信息通信经济专家委员会委员、中国工业经济学会人工智能制度建设专业委员会副主任委员盘和林在接受采访时指出：“人工智能+”落地的核心瓶颈在于算力，算力中心、光通信、云计算厂商将率先受益；具备算网电一体化能力的三大运营商，可通过销售算力走出发展的“第二曲线”。
“人工智能+”落地分层受益 算力基建成核心抓手
盘和林将AI产业链划分为上、中、下游三个层级：上游是芯片、光通信等配件商；中游是Token（词元）出售、数据中心和算力中心的运营者，以及云计算厂商；下游是AI模型应用与大模型的创造者。
盘和林认为，短期来看，上游算力基础设施最先受益。盘和林指出，当前AI应用发展的模式与过去显著不同——“AI是先建设基础设施，再完善应用”，原因是算力已经成为AI应用普及的核心瓶颈。这一判断对光通信、算力中心、云计算厂商具有直接产业意义：算力需求的持续释放将带动数据中心建设、光模块传输带宽升级、算力资源调度平台等通信基础设施的迭代投入。
中期来看，中游算力运营方将迎来爆发式增长。盘和林特别强调，具备算力、网络、电力一体化能力的三大运营商将成为关键受益者。近日，中国电信、中国移动、中国联通相继推出面向个人和家庭用户的“Token套餐”，将AI大模型的计算能力以类似“流量包”的形式明码标价销售。盘和林表示：“三大运营商销售的Token数量将出现爆发式增长，通过销售算力，三大运营商将走出发展的‘第二曲线’。”这意味着，运营商不再仅仅是网络管道提供方，而是通过算力服务，即对外输出标准化、可计量的AI计算能力去开辟全新的业务增长空间。
长期来看，垂直行业解决方案提供商将深度受益。盘和林分析称，有了充足的算力保障，并在运营商技术能力支撑安全的前提下，垂直行业将快速推进“AI+”应用落地。具备数据价值转化能力的算法模型企业，将在央国企智能化转型中发挥关键作用。而央国企自身，也将在垂直行业诞生高价值场景之后，借助AI实现新业务拓展，摆脱传统行业束缚。
具身智能硬件先行 执行感知部件率先放量
国家发展改革委明确，下一步将按照“十五五”规划部署要求，以具身智能关键基础设施建设为抓手，全面推进具身智能领域高质量发展。一方面，加快具身智能训练基础设施建设，更好支撑具身数据采集和“大小脑”模型训练，提升具身智能在不同场景中的通用能力，让机器人不仅能上赛场，还能“进工厂、进商场、进家庭”，加快融入各行各业。另一方面，加快具身智能方向应用中试基地建设，健全完善具身智能软硬件生态，加强与训练基础设施的协同联动，加速面向应用落地的技术创新。
盘和林认为，这一顶层设计下，产业链优先受益的是执行层与感知层硬件，而非机器人整机或大模型。
盘和林解释，通用AI大模型的数据大量来源于互联网公开信息，具备良好的通用性与规模化采集条件。具身智能的数据则并非来自互联网，而是依靠机器人企业在真实环境中运行所积累的实测数据。不同型号的具身智能产品，整机数据通常不具备通用性，仅有部分关节运动数据存在复用可能，整机大模型基本由各家企业独立采集、独立训练。因此，具身智能的数据训练集群更多体现为中试场地建设与企业私有数据积累，其产业链规模与AI大模型所需的通用算力集群存在显著差异。
具身智能的数据采集、传输、存储与标注，高度依赖信息通信基础设施。中试基地需要高可靠、低时延的网络环境，保障机器人动作数据实时回传；训练集群则需要算力网络支撑分布式训练任务。与AI大模型面向通用场景的大规模公共算力平台不同，具身智能算力市场更为分散，更偏向行业专用解决方案。
盘和林指出，当前人形机器人发展的最大瓶颈并非技术本身，而是场景落地难度大、替代价值不突出。在工厂场景中，传统工业机器人已形成成熟的性价比与效率优势，人形机器人尚不具备明确的替代必要性。但工业机器人与人形机器人产业链高度同源，人形机器人仅在工业机器人基础上增加了“大脑”模型，二者在执行层（电机、减速器）与感知层（3D视觉传感器、电子皮肤等）所需核心部件高度一致。
感知层传感器的数据通信、机器人实时控制信令传输、多关节协同作业所需的低时延网络将成为刚性需求。3D视觉传感器、力矩传感器、电子皮肤等感知部件的规模化应用，对工业无线网络、边缘计算节点、时间敏感网络等通信基础设施提出了更高要求。
盘和林同时表示，人形机器人的“大脑”即具身大模型仍处于技术验证阶段，短期内难以快速成熟商用。中试基地的核心作用，是推动灵巧手、关节模组等关键部件迭代升级，优化现有工业机器人运行模式，助力“制造”向“智造”转型。（记者/吴双）
【责任编辑:朱家齐】
