AI應用,國家級專項政策來了!
作者 | 陳駿達 編輯 | 心緣 8月31日報道,今天,工業和信息化部辦公廳正式發佈《工業和信息化部辦公廳關於開展人工智能應用服務商培育專項行動的通知》(簡稱《專項行動》),成為國內首部以“人工智能應用服務商”為主體的國家級專項政策。《專項行動》提出了建立服務商資源池、提升服務供給水平、推動規模化應用、加強支撐保障等四大重點任務,並給出明確的量化目標:到2026年底全國服務商資源池突破2000家,到2027年底不少於3000家,形成多層次梯隊。
在2025年8月,國務院印發《關於深入實施“人工智能+”行動的意見》,首次提出“培育人工智能應用服務”、“打造人工智能應用服務鏈”;今天,工信部正式以專項行動形式,把服務商培育從頂層文件落成可執行、可考核、有時間的具體路線圖。《專項行動》的發佈正值AI產業應用落地的關鍵期。大規模落地AI應用正面臨成本高、不敢用、缺人才等堵點難點,《專項行動》給出了一套覆蓋主體培育、能力供給、規模應用、要素保障的完整設計方案,比如封裝“小快輕準”產品包、組建“人工智能應用服務團”、鼓勵組建FDE(前線部署工程師)團隊駐場陪跑、通過首購首用、風險補償、“算力券”等機制促進企業採購AI應用服務、降低算力成本。
政策發佈後,國內諸多AI應用概念股股價在尾盤拉昇,板塊整體漲幅達2.73%。▲AI應用概念股大漲(圖源:騰訊自選股) 政策全文如下: 各省、自治區、直轄市及新疆生產建設兵團工業和信息化主管部門: 人工智能應用服務商(以下簡稱服務商)是指圍繞用戶單位智能化需求,提供人工智能解決方案諮詢規劃、交付實施、運營管理、安全治理等服務的企業或機構。為深入貫徹黨中央、國務院決策部署,落實《國務院關於深入實施“人工智能+”行動的意見》中“培育人工智能應用服務商”“打造人工智能應用服務鏈”相關工作安排,現組織開展人工智能應用服務商培育專項行動。
有關事項通知如下: 一、行動目標 以專項行動為牽引,建立服務商資源池,靶向提升服務商技術創新、集成交付、安全合規能力,鍛造一批懂行業痛點、通技術機理、知安全風險、善交付運營的人工智能應用服務商隊伍。到2026年底,全國服務商資源池內服務商數量突破2000家,形成結構合理、分工有序、協同創新的多層次梯隊,複雜場景交付能力顯著增強。到2027年底,全國服務商資源池內服務商數量不少於3000家,支撐形成全要素協同、全鏈條貫通、全場景覆蓋的人工智能應用服務生態。二、重點任務 任務一:建立服務商資源池。各地區組織摸排本地區服務商情況(包括註冊在本地的中央企業),建立服務商檔案。
到2027年底,下轄國家人工智能產業創新應用先導區的省份,本地區服務商資源池內企業數量應不少於100家。工業和信息化部彙總各地區服務商資源池信息,依據相關標準形成全國服務商資源池,並適時進行發佈。任務二:提升服務供給水平。組織服務商牽頭組建模數共振、算電協同等類型的“人工智能應用服務團”,聯合上下游單位打造一體化解決方案。統籌用好本地區國家人工智能應用中試基地、科技型企業孵化器等創新載體,為服務商提供技術研發、測試驗證、中試熟化等基礎條件,加速解決方案創新,支持服務商“專精特新”發展壯大。支持服務商聚焦軟硬件適配、多模型協同等重點技術難題開展靶向攻關。
鼓勵服務商提升對安全可靠的操作系統、數據庫、人工智能訓練推理芯片等基礎軟硬件產品相關集成應用能力。及時向服務商推送各類人工智能軟硬件產品安全風險信息和風險事件。引導服務商將網絡安全、數據安全、倫理治理、業務合規等管理要求內嵌到研發、部署、應用全流程,變被動應對為主動防控。任務三:推動規模化應用。引導服務商圍繞高頻、剛需、可複用的業務,封裝構建模塊化、標準化解決方案產品包,形成一批“小快輕準”的人工智能產品服務。依託產業聯盟、行業協會、開源社區等平臺,分行業開展針對性供需對接活動,對服務商進行宣介推廣。
組織開放一批真實場景,積極引入服務商開展落地實踐,推動服務商的技術研發和成果轉化,打造標杆方案,形成帶動效應。探索通過首購首用、風險補償等模式,加大大模型、智能體、Token等服務採購力度,提升行業用模用智質效。有條件的地區建立完善“出海”綜合服務體系,依託一帶一路、金磚、中國-東盟等合作機制平臺,推動優質人工智能應用項目出海落地。任務四:加強服務商支撐保障。支持服務商加強與國家算力網絡樞紐節點、國家算力互聯互通節點、中國算力平臺等對接,用好“算力券”等政策工具,降低算力成本。優化智能編程工具,提高軟件供給能力。
依託“模數共振”“工業數據築基”等行動形成的場景、數據、模型、智能體等成果,向服務商開放調用接口或提供試用通道。鼓勵高校、職業院校與龍頭服務商共建實訓基地,批量培養“懂業務、通模型、知安全、能交付”的複合型應用人才。鼓勵服務商搭建前線部署工程師(FDE)團隊,紮根用戶現場,保障場景落地。三、工作安排 (一)各地區彙總服務商檔案,形成本地區服務商資源池,按照相關報送要求,於2026年12月1日前將資源池信息報送至工業和信息化部(科技司),定期更新服務商資源池內容。(二)各地區組織服務商建立“人工智能應用服務團”,並將服務團信息隨資源池信息一併報送。
原則上各地區報送不少於10個服務團,每個服務團應由1家服務商牽頭、不少於2家上下游單位聯合參與。(三)工業和信息化部將建立常態化跟蹤評估機制,組織行業專家開展實地指導,動態掌握工作進展和階段成效,協調打通推進過程中的難點堵點。各地區總結各項任務完成情況,於2027年12月1日前報送總結報告。工業和信息化部組織對整體實施情況進行評估,梳理總結標杆服務商、解決方案、服務團等系列工作成果。四、組織保障 工業和信息化部將加強統籌指導,及時研究、解決專項行動推進中的重大問題與關鍵事項,對於專項行動實施效果好的地區,在有關政策、項目中予以傾斜支持,加大成果應用推廣力度。
工業和信息化部將適時建立人工智能應用服務商資源池線上平臺,做好信息共享運用。鼓勵各地區工業和信息化主管部門加強政策支持,給予服務商相應配套資源。
Related
相關文章
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.