9 月 4 日，工业和信息化部、市场监督管理总局联合印发《电子信息制造业 2025~2026 年稳增长行动方案》（以下简称《方案》）。

《方案》提出，2025~2026 年，主要预期目标是：规模以上计算机、通信和其他电子设备制造业增加值平均增速在 7% 左右，加上锂电池、光伏及元器件制造等相关领域后电子信息制造业年均营收增速达到 5% 以上。到 2026 年，预期实现营收规模和出口比例在 41 个工业大类中保持首位，5 个省份电子信息制造业营收过万亿，服务器产业规模超过 4000 亿元，75 英寸及以上彩色电视机国内市场渗透率超过 40%，个人计算机、手机向智能化、高端化迈进。

推动电子整机高端化

在促进产业转型升级，深化构建高质量供给体系方面，《方案》提出要推动电子整机高端化，提升产品供给水平。

其中提到，促进人工智能终端迈向更高水平智能创新，推动智能体与终端产品深度融合，制定人工智能终端智能化分级方法和标准，鼓励各地推动人工智能终端创新应用。同时，加快提升新一代整机装备供给能力，推动 5G/6G 关键器件、芯片、模块等技术攻关，加强 6G 技术成果储备。

赛迪顾问人工智能与大数据研究中心常务副总经理邹德宝在接受《每日经济新闻》记者书面采访时表示，当前人工智能终端尚未出现颠覆性应用，这受制于多重因素。一是技术标准碎片化。大模型、智能体、智能芯片技术路线分散，导致软硬件兼容适配成本高。这种碎片化导致整机、模型、App（手机软件）需面向多种类芯片和操作系统开展开发适配，资源重复投入严重。二是应用场景创新不足。现有应用多为功能叠加而非范式革新。当前 AI 终端发展仍集中在对现有功能的改进，缺乏类似移动支付对消费模式的重塑力。三是用户体验断层，交互复杂度与实用性失衡。部分产品过度追求技术展示，如多模态交互设计复杂但实际利用率低，用户在使用中常遇到答非所问、操作繁琐等问题。四是产业生态割裂。终端企业与应用开发者在数据归属、商业模式上竞争激烈，形成了信息孤岛。

在邹德宝看来，结合技术成熟度与市场需求，" 杀手级 " 应用在以下领域具有爆发潜力：一是沉浸式交互场景。人工智能与 AR/VR 的融合可能成为突破口。二是健康医疗领域。人工智能驱动的个性化健康管理系统可能颠覆传统医疗模式。通过可穿戴设备实时监测生理指标，结合大模型进行疾病风险预测和干预建议，未来或实现 " 家庭医生 " 功能。三是工业元宇宙场景。智能终端与数字孪生技术结合，可实现生产全流程的实时监控与优化。

加快重大项目建设

在推动科技创新与产业创新融合，建设现代化产业体系方面，《方案》提到，加快重大项目建设，强化撬动作用。

其中提到，加强 CPU、高性能人工智能服务器、软硬件协同等攻关力度，开展人工智能芯片与大模型适应性测试。适度超前部署新型基础设施建设，提升各地已建基础设施运营管理水平，强化服务器、芯片和关键模块的兼容适配。

《方案》提出开展人工智能芯片与大模型适应性测试，主要是出于哪些考虑？

对此，邹德宝表示，首先是技术适配的必要性。在性能优化需求方面，不同架构的 AI 芯片对大模型的支持存在显著差异。例如，ASIC（专用集成电路）芯片在特定模型推理上能效比突出，但灵活性不足。GPU（图形处理器）虽通用性强，但训练大模型时功耗高达千瓦级。通过测试可针对芯片特性优化模型架构，例如在 NPU（神经网络处理器）上采用低秩分解技术，可将矩阵运算量减少 40%。

" 在能效比平衡方面，端侧 AI 对能耗敏感。" 邹德宝说，例如，手机端部署 10B 参数模型需将功耗控制在 500 毫瓦以内，而当前主流 SoC（系统级芯片）的 AI 算力密度仅为 20TOPS/W（衡量处理器能效的指标，指在 1 瓦功耗下处理器每秒能完成的万亿次运算）。测试可推动模型量化与芯片架构创新，使能效比提升 3~5 倍。在兼容性保障方面，国产芯片与开源框架存在适配鸿沟，通过测试可完善工具链，实现一次开发、多芯片部署。

其次是产业生态构建的必要性。邹德宝指出，测试是推动国产芯片规模化应用的关键。通过与大模型的适配验证其商用价值。测试为分级评估提供数据支撑，以芯片、模型适配性为核心，可提升模型响应速度，从而引导产业向高性能方向发展。另外，测试可以促进基础设施升级。测试是新型基础设施建设的前提，通过测试优化，可以提升边缘节点的模型压缩率，同时减少推理精度损失率，进而降低边缘推理成本。

每日经济新闻