强化人工智能对实体经济的赋能，是抢抓新一轮科技革命机遇、筑牢高质量发展根基的战略抉择。习近平总书记指出，“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源”。人工智能赋能实体经济是一场涉及生产力重构、生产关系调整的系统性变革。算力、电力、模型、数据、人才等要素，任何一环出现短板都将制约整体效能的释放。唯有立足全局、系统谋划，在协同联动中打通堵点、在制度创新中激发活力，方能将技术势能真正转化为产业升级的澎湃动力。

夯实算力底座是人工智能赋能实体经济的基础和前提。算力不仅是技术参数的堆叠，更关乎产业智能化转型的自主可控与安全韧性。近年来，我国智能算力规模快速增长，“东数西算”工程稳步推进，为大规模模型训练提供了有力支撑。然而，算力布局仍需进一步向实体经济倾斜。当前，大量算力集中于语义、视频等通用生成式任务，服务于工业生产、材料研发、装备检测等垂直场景的模型训练偏少，算力资源的分布结构未能充分匹配产业场景的实际需要。与此同时，数据中心在极端条件下的抗毁安全能力亦有待加强。破解这一矛盾，需要以场景牵引算力配置，构建国家算力资源开放与市场化调配机制，打通算力训练场与产业中试基地之间的联动通道。针对国产芯片在工业应用中的性能短板，应出台专项扶持政策，以场景需求拉动研发迭代，加快提升其在训练推理、实时渲染等环节的适配能力。此外，还应在西南、西北等纵深地区前瞻布局洞库式新型数据中心，筑牢特殊时期国家算力基础设施的安全屏障，确保产业赋能源头活水不断。

深化算电协同降低产业智能化成本。人工智能大模型训练与推理耗能巨大，算力基础设施的能耗水平与电力供给的稳定性，直接关系到实体经济企业“用得起、用得好”智能技术。当前，各地在电价政策、数据中心支持措施上差异明显，面向人工智能赋能工业制造、矿产开采等具体场景的专项电力配套尚属空白，跨省电力调度机制亦不够顺畅，客观上推高了企业智能化改造的综合成本。因此，需将电力保障纳入人工智能产业规划一体化考量，针对训练池与推理池分别建立常态化、全流程电力供给预案，统筹推进绿电交易、跨区域调度与峰谷平衡。需要成立跨部门算电协同专项工作组，围绕不同产业场景制定差异化电力补贴政策，通过精准降本激发各类经营主体拥抱智能化的内生动力，真正实现“好电用好算、好算促好产”。

深耕行业模型激活场景赋能潜能。通用大模型展现了强大的泛化能力，但实体经济生产流程复杂、标准严苛、安全要求高，行业模型必须在专业性与实用性上做深文章。当前，我国大模型数量众多，应用覆盖范围持续拓展，但深度应用于工业质检、工艺优化、设备预测维护、材料配方设计等核心生产环节的垂直模型仍较为有限，模型研发供给与产业一线需求之间的对接还有待加强。破题之要，在于聚焦降本增效提质这一核心目标，系统梳理并发布高价值应用场景清单，引导科研力量从“炫技”走向“实战”。国有企业作为实体经济主力军，应率先开放生产场景，提供中试环境，带动产业链上下游共同参与模型迭代。对成效显著的行业模型，需借助行业协会、标准化组织等渠道加大推广力度，推动优秀解决方案从“样板间”走向“商品房”，形成规模化应用的溢出效应。

畅通数据循环筑牢产业智能根基。数据是人工智能的燃料，其质量与流通效率决定着模型学习的深度与广度。我国数据资源总量持续增长，数据要素市场体系逐步健全。面向实体经济细分领域的标准化、高质量数据集建设正加快推进，但部分产业数据的整合加工与跨行业共享流通仍处于探索阶段，相关机制有待进一步健全完善。打破这一局面，需坚持“开放共享、互惠互利”原则，通过组建产业联盟、搭建行业社区等方式，构建面向场景的数据生态圈，明确流通规则与收益分配机制，让数据持有者“愿开放、能受益”。同时，围绕原材料、装备制造、消费品等代表性产业，建设国家级数据标注和应用示范基地，形成分类聚簇的场景化供给体系，为行业模型训练提供精准可靠的“养料”，实现从数据资源到数据资产的跨越。

强化产教融合厚植人才沃土。人工智能赋能实体经济的深度，归根结底取决于人才队伍的高度。当前，产学研协同创新体系持续完善，技术研发与产业应用的互动日益紧密。但在具体实践中，高校院所的基础前沿研究占比较高，面向产业一线的应用型研发仍需加强；部分实体企业的人工智能工程化能力尚处于积累阶段，一体化协同攻关机制仍在健全之中。需要构建实体经济企业、AI技术公司与高校院所一体化联动机制，引导企业建立自主AI工程化团队，在实战中培养复合型人才。应拓展工程硕博士、卓越工程师等计划覆盖范围，将大模型落地效果纳入科研评价与毕业考核体系，推动青年人才在生产线边成长。同时，创新央国企人才激励机制，对科创板块单独核算工资总额，破除薪酬壁垒，营造引得进、留得住、用得好的制度环境，以人才活水润泽产业沃土。

（作者系中国电信贵州分公司副总经理）