国常会再部署人工智能：发展、安全、竞争力三轨并进

6月29日，国务院总理李强主持召开国务院常务会议，听取人工智能发展情况汇报，并作出一系列新部署。这是继2024年国常会首次专题研究人工智能后，决策层再次对AI产业进行系统性定调，标志着我国人工智能发展进入"发展、安全、竞争力"三者同步推进的新阶段。

从"追赶者"到"定义者"：国常会释放的政策信号

会议指出，要深刻把握人工智能演进趋势，完善支持政策和治理体系，牢牢掌握发展主动权。这一定调背后，是人工智能正加速成为类似电力、互联网一样的通用技术和战略性基础设施，成为引领新一轮科技革命和产业变革的战略性、主导性驱动力量。

工业和信息化部信息通信经济专家委员会委员刘兴亮分析认为，"掌握主动权"不是简单比拼某一个大模型跑分，而是要在芯片、算力、数据、模型、操作系统、应用生态、安全治理和标准规则等关键环节形成自主能力。这八个维度构成了一个完整的AI产业闭环，任何一个环节的短板都可能成为被"卡脖子"的风险点。

"国务院常务会议把'支持政策'和'治理体系'同时提出，说明我国追求的不是单纯做大规模，而是发展、安全、竞争力三者同步推进。"刘兴亮表示，这种顶层设计思路的转变，意味着AI产业政策正从"鼓励扩张"向"规范发展+自主可控"的双轨模式转型。

算力底座：国产芯片的崛起与挑战

在算力层面，会议强调了自主可控的重要性。深圳在此前的《深圳市打造人工智能先锋城市的若干措施》中，已通过"训力券"和"语料券"等创新工具，支持企业租用算力开展大模型训练。根据该政策，深圳每年发放最高5亿元的"训力券"用于算力补贴，5000万元的"语料券"用于数据购买，同时对开放语料的数源单位给予奖励。

国产AI芯片正在快速崛起。中昊芯英于6月30日正式推出新一代全自研高性能TPU AI专用算力芯片"须臾"，单芯片混合精度浮点算力达896 TFLOPS，为上一代产品的3倍；8-bit推理算力达1792 TOPS，适配高并发推理需求。更值得关注的是，该芯片单芯片额定功耗仅600W，相较同等算力水平的传统芯片功耗降低50%，更利于绿色低碳智算中心建设。

"须臾"延续全自研TPU技术路线，涵盖IP核、指令集、算子库及整机系统软件，无海外核心技术依赖。公司已完成芯片设计、电路开发、编译工具、模型适配的全链条能力构建，可快速完成新模型的适配部署，满足政务、金融、电网等行业的信息安全合规要求。

开源生态：中美AI竞争的新战场

6月30日成为中国AI开源的"超级星期二"。美团发布LongCat-2.0万亿参数大模型，在5万卡国产算力集群上跑通，原生支持100万Token超长上下文窗口；华为则开源openPangu-2.0-Flash的920亿参数模型，可以在单卡或小规模集群上推理。

两家风格迥异的公司，在同一天选择开源，本身就是重要信号。美团是从"场景驱动模型"——外卖的实时调度、到店的推荐系统、配送路径规划，每一块都是AI的练兵场；华为则是"生态驱动模型"——openPangu绑的是昇腾生态，芯片、框架、推理引擎，整条链路都是华为自己的。

开源是把入口打开。开发者用开源模型做应用，天然跑在昇腾等国产算力上，等于帮国产算力底座铺路。目前昇腾已经覆盖国内数百家AI企业，从芯片到框架的闭环越来越完整。

DeepSeek的鲶鱼效应

就在同一天，DeepSeek团队与北京大学联合发布开源推理加速框架DSpark，实测在DeepSeek-V4线上系统中推理吞吐量提升60%~85%，大幅降低高并发场景下的显存与算力开销。更重磅的是，DeepSeek官宣V4正式版将于7月中旬上线，并首创"峰谷定价"机制——早高峰时段API单价上浮，闲时维持原价，被视为国产大模型从烧钱补贴转向精细化商业运营的标志性举措。

DeepSeek V4的"峰谷定价"机制，反映了国产大模型厂商开始探索可持续的商业模式。在经历了2024-2025年的"百模大战"后，单纯的价格补贴策略已不可持续，如何在保证模型质量的前提下实现商业化盈利，成为所有大模型厂商必须面对的命题。

智能体：从技术突破到产业落地

大模型正演化为能自主行动的AI智能体。Gartner预测，到2026年40%的企业应用将内置智能体功能。在国内市场，联想Qira、华为盘古等智能体产品已率先落地，软件产业正从"人操作工具"向"人管理智能体"的全新范式跃迁。

在具身智能领域，智元机器人于6月30日宣布第15000台通用具身机器人"精灵G2"正式下线并交付龙旗科技南昌工厂产线，距离第10000台下线不足三个月。同时，公司在工厂进行为期64小时不间断并线作业直播，8台G2日均作业10小时累计处理组件超55000件，质检成功率达99.987%，刷新全球具身智能量产纪录。

自变量科技估值突破200亿元完成B-C轮连融，发布具身世界统一模型(WUM)架构及WALL-B具身大模型，将视觉、语言、动作与物理预测联合训练于同一网络，并自建数据采集工厂将高质量具身数据获取成本削减约95%。

政策红利与挑战并存

国常会的最新部署，为AI产业发展提供了明确的政策指引。但在落地层面，仍存在多重挑战：首先，国产算力芯片在制程工艺上与英伟达仍有差距，高端AI芯片的产能受限；其次，数据要素市场尚不完善，高质量训练数据的获取成本居高不下；第三，AI应用场景的碎片化导致规模化落地难度大。

不过，政策层面对AI产业的重视程度前所未有。随着《生成式人工智能服务管理暂行办法》等法规的完善，以及各地方政府的配套支持政策落地，我国AI产业有望在"安全可控"的框架下加速发展，在全球AI竞争中占据有利位置。

正如国常会所强调的，牢牢掌握发展主动权，最终要落到芯片、算力、数据这些具体环节上。这条路虽然艰难，但方向已经清晰。