本文来自微信公众号： AI 时代我的人生下半场 ，作者：席春迎博士，原文标题：《AI 落地的最后一公里，国家准备交给谁？答案在这份文件里！》

政策解读 · AI 产业

工信部《人工智能应用服务商培育专项行动》深度解读

席

席春迎博士 AI 产业与资本市场观察

过去三年，中国人工智能产业最受关注的是大模型、芯片、算力中心和智能终端。资本市场习惯用参数、Token 价格、算力规模和模型排名判断竞争力，地方政府也更愿意用智算中心、产业园和大模型数量衡量人工智能产业的发展水平。可是，当模型能力以惊人的速度迭代之后，一个越来越现实的问题摆在企业面前：谁来把实验室里的能力变成生产线上的效率、财务报表里的利润和可以持续运营的业务系统？

这就是 AI 落地的 " 最后一公里 "。现在，政策的镜头开始转向一个看上去没有那么 " 性感 "、却可能真正决定人工智能产业回报率的角色：能够走进企业现场，把模型接入业务系统，把行业知识转化为解决方案，并对交付、运营和安全负责的人工智能应用服务商。工信部最新文件给出的答案已经很清楚：这 " 最后一公里 "，将主要交给一批懂技术、懂行业、能交付、能运营的人工智能应用服务商。

2026 年 8 月 31 日，工业和信息化部办公厅发布《关于开展人工智能应用服务商培育专项行动的通知》提出，到 2026 年底，全国服务商资源池内服务商数量突破 2000 家；到 2027 年底，不少于 3000 家。文件将人工智能应用服务商定义为围绕用户单位智能化需求，提供解决方案咨询规划、交付实施、运营管理、安全治理等服务的企业或机构。

如果只看 "2000 家 ""3000 家 " 这些数字，很容易把这份文件理解为又一次企业入库和名单建设，但如果把它放回过去一年中国 " 人工智能 +" 政策的完整链条中，就会看到一个更重要的转向：中国人工智能政策正在从鼓励技术供给，进入建设应用交付体系的新阶段。模型仍然重要，但政策开始正面处理一个更现实的问题——为什么模型能力进步如此之快，真正进入企业核心流程、形成稳定收益的人工智能项目却依然不够多？谁能解决这个问题，谁就可能成为 AI 产业下一阶段真正的价值承载者。对于数量众多、深耕垂直行业的中小企业而言，这也是一次不容忽视的产业机会。

AI 落地的 " 最后一公里 "：把模型能力接入真实生产线

一、从拼模型到拼交付，政策重心正在下沉

这份文件并非孤立出台。

2025 年 8 月，国务院《关于深入实施 " 人工智能 +" 行动的意见》已经提出，要培育人工智能应用服务商，发展 " 模型即服务 "" 智能体即服务 "，打造人工智能应用服务链。2026 年初，八部门发布《" 人工智能 + 制造 " 专项行动实施意见》，提出到 2027 年推动 3 至 5 个通用大模型在制造业深度应用，推出 1000 个高水平工业智能体，建设 100 个工业领域高质量数据集，推广 500 个典型应用场景，同时培育一批 " 懂智能、熟行业 " 的赋能应用服务商。

此后，" 模数共振 " 行动开始把数据、模型和场景组织起来；国家人工智能应用中试基地、工业数据筑基、算力互联互通、人形机器人实景实训等工作，又分别解决测试验证、数据供给、算力支持和真实场景的问题。到 2026 年 8 月 26 日，工信部在国新办新闻发布会上进一步提出，要把制造业多年积淀的 " 老经验 " 挖掘、梳理出来，形成轻量化、低成本、易部署的行业解决方案。五天之后，人工智能应用服务商专项行动正式发布。

这条政策链条已经相当清楚：大模型提供通用智能，行业数据提供知识燃料，真实场景提供训练和验证环境，而应用服务商负责把这些分散要素组织成可以交付、可以运营、可以复制的生产能力。

因此，应用服务商不是简单的渠道商，也不是给企业接一个大模型接口、做一个聊天机器人就可以完成的角色，它更接近人工智能时代的新型生产性服务商：既要理解技术，又要理解行业；既要完成项目，又要承担长期运营；既要追求效果，也要控制数据、网络、伦理和业务合规风险。

从这个角度看，这份文件的真正意义不是 " 国家再扶持 3000 家 AI 企业 "，而是国家开始承认：在模型与产业之间，存在一个独立而关键的能力层。过去这个能力层分散在软件公司、系统集成商、咨询机构、工业互联网平台、大模型厂商和企业内部数字化团队之中，现在它第一次被作为一个相对完整的产业主体加以识别、统计、评价和培育。

二、什么样的企业才算应用服务商？答案藏在附件里！

主文件对服务商的定义比较宽，但五个附件把门槛进一步具体化。

服务商覆盖五类业务：前端的战略咨询、行业洞察和实施方案设计，中段的应用开发、系统集成和平台工具使用，后端的设备与系统运维、软件更新和产品迭代，以及贯穿全流程的安全治理、培训和测试评估。

更值得关注的是报送条件：申请主体必须是在中华人民共和国境内注册、正常经营的法人或非法人组织，主营业务覆盖人工智能相关服务；服务商及其法定代表人、实际控制人近三年不能存在严重失信违法行为；涉及测试评估、网站和移动应用、生成式人工智能服务等特定业务的，还必须具备相应资质。

在团队方面，直接从事人工智能咨询规划、交付实施、运营管理、安全治理等服务的人员原则上不少于 3 人，并需要提供社保缴纳证明。

在案例方面，开展人工智能服务满 3 年的，近 3 年原则上至少完成 30 项服务案例；不足 3 年的，原则上至少完成 10 项。案例不能只写技术介绍，还要列明服务对象、合同金额、实施周期、应用场景、解决方案和实际成效，并附合同或者应用证明材料。

这套设计传递出的信号非常明确：政府要筛选的不是 " 有 AI 概念 " 的公司，而是 " 有真实交付事实 " 的公司。附件要求把企业总收入与人工智能服务收入分开填报，把员工总数与人工智能应用服务团队人数分开填报，把技术能力与客户合同、项目周期和应用成效放在一起核验。专利、模型演示和媒体报道可以证明企业拥有技术，却不能替代真实客户、真实合同和真实应用结果。

不过，现阶段也不能把进入资源池理解成国家认证，更不能理解成直接获得财政补贴或政府订单。

文件建立的是全国和地方两级资源池，并明确后续将根据相关标准形成全国资源池；工信部正在组织编制应用服务商总体能力、成熟度评估以及 FDE 分级能力等标准。公开的标准项目计划显示，" 人工智能应用服务商总体能力要求 " 已纳入 2026 年度标准计划，项目周期为 12 个月。

也就是说，当前更像是先摸清底数、建立档案，再逐步实施分类分级和动态评价。入池是进入政策视野和供需对接体系的一张基础门票，不是对企业技术含量、商业价值和投资价值的最终背书。

三、四项任务背后，是一套新的 AI 产业组织方式

这份文件表面上部署了建立资源池、提升服务供给、推动规模化应用和加强支撑保障四项任务，实质上是在同时修复人工智能产业化中的四个市场失灵。

第一个问题是信息不对称。

大量传统企业不知道谁真正懂自己的行业，也无法判断服务商提供的是产品、外包、咨询，还是一套可以长期运营的系统。全国资源池的价值，不只是做一份企业名录，而是用统一字段沉淀企业的服务行业、团队、收入、资质、案例和客户信息，逐步形成可比较的能力档案。它相当于为 AI 服务市场建设一套基础信用设施，降低企业寻找和筛选供应商的交易成本。

第二个问题是单一企业很难完成全栈交付。

一个工业人工智能项目通常同时涉及算力、芯片、模型、数据治理、工业软件、终端设备、网络安全、系统集成和现场运营，很少有一家中小企业能够把所有能力都握在手里。文件要求各地区原则上报送不少于 10 个 " 人工智能应用服务团 "，每个服务团由一家服务商牵头、至少两家上下游单位共同参与，目的正是把分散的技术供给重新组织成一体化解决方案。

第三个问题是人工智能项目难以从试点走向规模化。

很多项目可以完成概念验证，却无法进入生产系统；可以做出一个演示，却无法在第二个客户复制。文件提出围绕高频、刚需、可复用的业务，形成模块化、标准化的 " 小快轻准 " 产品包，并通过场景开放、供需对接、首购首用和风险补偿形成第一批真实订单。这实际上是在同时降低供给方的获客成本和需求方的试错成本。

第四个问题是交付所需的关键要素不足。

服务商不仅缺客户，也缺低成本算力、行业数据、测试环境和复合型人才。政策提出对接国家算力枢纽和算力平台，用好算力券，开放 " 模数共振 "" 工业数据筑基 " 等行动形成的数据、模型和智能体成果，并鼓励高校、职业院校与龙头服务商建设实训基地。

特别值得注意的是，文件正式提出鼓励企业搭建前线部署工程师，也就是 FDE 团队，让工程师进入客户现场，负责发现问题、连接业务与技术，并保障系统真正运行起来。

这四项任务组合在一起，说明政策已经不满足于增加模型供给，而是开始建设从技术、数据和算力，到服务商、真实场景、采购机制和人才交付的完整链条。

四、最值得关注的不是 3000 家，而是三项机制创新

第一项创新，是将大模型、智能体和 Token 正式纳入服务采购视野。

过去政府和企业更习惯购买服务器、软件许可证和信息化项目，人工智能时代则需要购买持续调用的模型能力、智能体服务和推理资源。把 Token 写入政策，并不意味着 Token 消耗越多越先进，而是意味着智能能力开始像云计算、通信流量和电力一样，被视为可以计量、采购和结算的生产投入。

这一变化会推动人工智能商业模式从一次性项目建设，逐步转向 " 基础订阅＋调用计费＋运营服务＋结果付费 "。

但未来的采购标准不能只看调用量，更要看每单位 Token 带来了多少业务结果。一个企业每天消耗大量 Token，却没有减少库存、提升良率、缩短研发周期或增加收入，这不是智能化，而是另一种资源浪费。Token 可以成为成本计量单位，不能直接成为价值评价单位。

第二项创新，是首购首用与风险补偿的结合。

人工智能应用最难获得的往往不是第十个客户，而是第一个愿意承担不确定性的客户。采购方担心模型幻觉、系统失效、数据泄露和投资回报不确定，服务商则因为缺少标杆案例而无法进入大型企业和公共部门。首购首用帮助创新产品获得第一张订单，风险补偿则尝试在政府、保险机构、采购方和服务商之间重新分配试错风险。

多位受访专家将这一机制评价为降低采购方试错成本、帮助服务商取得首个标杆场景的重要工具，这一判断基本成立。

但真正有效的风险补偿，不应变成对失败项目的无条件兜底，而应围绕可量化的技术风险、分阶段验收和责任边界来设计。只有当服务商也承担交付责任、采购方也完成必要的组织改造，财政资金或保险工具才有理由承担剩余的创新风险。

第三项创新，是把 FDE 推向产业政策层面。

传统软件项目通常由客户先提出需求，服务商按照功能清单实施；人工智能项目的难点则在于，客户往往并不知道什么问题适合用 AI 解决，也不知道如何把隐性经验、非结构化数据和复杂流程转化为模型可以理解的上下文。FDE 的价值，就是在现场共同定义问题，把业务知识翻译成数据、流程和系统能力，再把前线反馈送回后方产品团队。

应用服务商与前线部署工程师（FDE）在客户现场对接业务与系统

但 FDE 并不是规模化的天然答案。IDC 的观察显示，当前国内一部分 FDE 服务已经形成独立的人才选择、交付方法和前后方反馈机制，另一部分则与传统驻场服务没有实质区别；真正的挑战还包括客户组织能否承接 AI、结果导向定价如何形成，以及治理与流程重构由谁负责。

重驻场、重定制会带来高人力成本和低复制效率。如果每个客户都要重新做一套系统，服务商最终会退化成披着 AI 外衣的软件外包公司。

真正可持续的模式应当形成 " 前线发现问题 - 后方沉淀模块 - 产品重复销售 - 运营数据反哺 " 的闭环。FDE 负责解决第一次，产品化能力负责复制一百次。没有这个闭环，项目收入越多，企业可能越重；有了这个闭环，现场服务才可能转化为可积累的产品资产和行业壁垒。

五、市场的乐观判断基本正确，但资本市场不应过度解读

文件发布后，产业界和市场机构的主流评价相当积极。

有专家认为，资源池和 " 小快轻准 " 产品能够降低中小企业 " 不敢用、不会用、用不起 " 的门槛，首购首用与风险补偿有助于降低采购方试错成本，应用服务商将成为连接上游算力、模型与下游行业需求的价值变现端口。

券商则把受益方向概括为两类：一类是拥有行业解决方案和 FDE 交付能力的软件及服务企业，另一类是可能因算力券和推理需求增长而受益的云服务与算力企业。

这些判断有合理性，但需要降温看待。

首先，文件没有承诺入池企业自动获得补贴、订单或算力券，也没有规定所有政策资源只向入池企业开放。工信部明确的是，对行动效果较好的地区在有关政策和项目中给予倾斜，各地可以给予相应配套资源。企业能否获得支持，仍取决于地方实施细则、财政安排、场景开放和后续能力评价。

其次，2000 家和 3000 家的目标说明国家要建设的是一个多层次基础生态，而不是一个只包含头部企业的 " 国家队名单 "。资源池数量增长本身不会自动创造订单，更不会自动提高企业利润。真正决定商业价值的，是入池之后能否获得真实场景、形成付费合同、实现按期回款，并把一次性交付沉淀为可复制产品。

再次，算力券能够降低部分使用成本，却不等于所有 IDC、算力租赁和云服务企业都会同步受益。算力需求最终取决于应用是否产生持续调用，补贴规模、适用区域、技术路线和采购平台也会影响订单流向。把一份服务商培育政策简单翻译成 " 算力全面受益 "，容易再次回到只关注投入、不关注产出的旧逻辑。

六、政策落地必须防止四种偏差

第一种偏差，是把资源池做成数量竞赛。

到 2026 年底突破 2000 家，留给各地摸排、核验和报送的时间并不长。数量目标有利于迅速建立产业底数，也可能诱发重复包装、宽进不管和地方保护。如果资源池只有进入机制，没有分级、续期和退出机制，最终很容易变成一张失去采购信号价值的名单。

第二种偏差，是用 " 完成案例数量 " 替代 " 创造业务价值 "。

不少于 3 人的团队、10 个或 30 个案例，可以证明企业确实开展过相关业务，却不能证明项目可靠、客户满意和商业模式可持续。

下一步成熟度评价应增加项目上线率、客户续约率、系统可用性、准确率、单位成本改善、数据安全事件、回款周期、方案复用率等指标，并对合同与应用成效进行抽样核验。资源池真正需要的不是静态入库，而是基于真实运行数据的动态信用。

第三种偏差，是把 FDE 重新做成人力外包。

当前市场上已经出现把传统驻场工程师更名为 FDE 的倾向。如果仍按人数、人月和功能清单收费，工程师没有参与问题定义，也不对业务结果负责，那么名称改变并没有带来交付模式升级。

政策后续应推动 FDE 能力分级、服务边界、结果验收和知识回流标准，鼓励按阶段、按效果和按持续运营质量计价。

第四种偏差，是把 Token 消耗和项目数量当作智能化政绩。

人工智能的目标不是让企业多买模型、多建系统，而是提高全要素生产率。未来无论是算力券、模型券、首购首用还是风险补偿，都应与业务效果挂钩。

对于制造业，可以考察良率、能耗、停机时间、研发周期和库存周转；对于服务业，可以考察获客成本、处理时效、风险损失和客户留存。只有把投入指标改造成结果指标，政策资金才不会变成另一轮低效数字化投资。

七、资本市场将重新认识一类公司，但估值不能只看 "AI 服务商 " 标签

这份文件可能带来一个新的资本市场分类。

过去，传统软件公司常被视为项目制、低毛利和重人力企业，大模型公司则享有更高的技术溢价。随着人工智能能力逐渐商品化，真正拥有行业 Know-how、客户场景、交付体系和持续运营数据的服务商，可能获得重新定价。

最有机会胜出的不一定是模型参数最大的公司，而是能够在一个或少数几个行业中建立深度能力的企业。它们需要理解客户核心流程，拥有可以合法使用的高质量数据，能够完成模型、软件、硬件和安全系统的集成，对项目上线后的效果持续负责，并不断把现场经验沉淀为标准模块和智能体产品。技术会快速迭代，行业上下文、客户信任、交付方法和可验证的业务结果却不容易复制。

对于投资者而言，判断这类企业不能只看是否入池、是否拥有 FDE 团队，也不能只看签约金额和 Token 调用量。更有意义的指标包括人工智能服务收入占比、经常性收入比例、合同回款质量、客户续约率、产品化收入与定制收入结构、单个 FDE 能够支持的客户数量、方案跨客户复用率，以及人工智能项目为客户创造的可量化价值。

真正优质的公司，应当随着项目数量增加而提高毛利率和人均产出，而不是同步扩大驻场队伍、应收账款和交付负担。

八、这份文件对香港意味着什么？

需要先明确边界。专项行动的报送主体是内地各省、自治区、直辖市和新疆生产建设兵团工业和信息化主管部门，附件要求服务商在境内注册并提交统一社会信用代码等材料。因此，单一香港注册主体并不当然进入这套地方报送体系；在内地设有经营主体并符合条件的香港企业，可以关注注册地工信主管部门的具体安排。

但香港并不是这项政策的局外人。文件明确提出，有条件的地区要依托 " 一带一路 "、金砖和中国 - 东盟等机制推动优质人工智能应用项目出海。香港在国际融资、专业服务、知识产权、跨境交易和海外合规方面具备独特优势，完全可以成为内地人工智能应用服务商走向东盟、中东和国际市场的组织平台。香港不必重复建设另一个大模型中心，更值得做的是把内地的技术与产业能力，转化为符合国际客户需求、合规标准和商业习惯的解决方案。

对香港中小上市公司而言，机会至少有两层。

第一层是作为需求方，引入经过验证的内地服务商，对研发、生产、供应链、客户服务和经营管理进行智能化改造，真正改善利润、现金流和组织效率。

第二层是作为产业整合与资本平台，通过投资、并购、孵化或合资方式，帮助有行业能力但缺资本、品牌和海外渠道的服务商做大。上市平台在这里不只是融资工具，也可以成为聚合技术、场景、客户和人才的生产资料。

这也为香港中小上市公司协会推进 " 百亿市值上市公司培育计划 " 和 AI 服务平台提供了一个更清晰的接口：不是泛泛地为上市公司做一次 AI 培训，而是建立 " 企业诊断 - 高价值场景识别 - 服务商匹配 - 项目实施 - 效果评价 - 资本支持 - 持续跟踪 " 的闭环。

协会可以参照工信部的分类与成熟度框架，建立面向港股上市公司的服务商库和案例库，同时引入产业专家、FDE、投资机构和专业服务机构，让人工智能改造与企业基本面改善、市值成长和国际化真正连接起来。

结语：最后一公里，也是新一轮产业机会的起点 THE LAST MILE

中国人工智能产业正在进入一个更艰难、也更有价值的阶段。上半场比拼的是模型、参数、芯片和算力，下一阶段比拼的则是谁能走进千行百业，把技术转化为可验证、可复制、可持续的生产力。所谓 " 最后一公里 "，并不是产业链末端一项简单的实施工作，而是决定前端巨额技术投入能否形成经济回报的价值关口。

模型竞赛解决的是 " 人工智能能做什么 "，应用服务商要解决的是 " 企业为什么愿意买、如何真正用起来、出了问题由谁负责、投入最终能否转化为利润 "。工信部的答案并不是指定少数巨头包办一切，而是通过资源池、服务团、首购首用、风险补偿、算力支持和 FDE 体系，组织一批专业化服务商共同完成产业落地。

工信部这份文件最重要的意义，不是宣布要培育 3000 家企业，而是把人工智能产业的评价标准从技术展示进一步推向实际交付。对中小企业而言，这既意味着一个新的服务市场，也意味着一次自身改造的机会：有行业积累的企业可以成为垂直领域服务商，有真实场景的企业可以成为优质应用方，有资本平台和产业组织能力的企业还可以通过投资、并购与孵化整合这一新生态。未来，真正稀缺的不再只是模型和算力，而是能够把行业知识、企业数据、组织流程、模型能力和安全治理拧成一股绳的人与组织。

人工智能创造的实际价值，可以粗略理解为模型能力、行业知识、组织变革和交付质量的乘积。任何一项接近于零，最终结果都可能接近于零。

只有当资源池变成可信的市场基础设施，FDE 变成结果导向的复合人才，Token 采购变成以业务产出为约束的智能服务，中国人工智能产业才算真正跨过从 " 技术繁荣 " 到 " 生产率繁荣 " 的门槛。AI 落地的最后一公里，国家已经明确了准备交给谁；接下来真正值得观察的，是哪些企业能够抓住这个窗口，把一纸政策转化为客户、订单、产品能力和长期价值。