近日，国务院《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）出台，分三个阶段提出明确的总体要求：

到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长。

到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。

到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。

《意见》有两处针对“人工智能应用场景”提出行动要求：

其一：驱动技术研发模式创新和效能提升。以新的科研成果支撑场景应用落地，以新的应用需求牵引科技创新突破。

其二：强化基础支撑能力，优化应用发展环境。健全人工智能应用场景建设指引、开放度评价与激励政策，完善应用试错容错管理制度。

图源：上海经信委

毋庸置疑，“场景”是AI技术从实验室走向生产生活的“转换器”。当前，我国人工智能场景建设正处于从技术研发向产业应用跨越的关键阶段，如果缺乏一个系统的场景建设体系和完善的开放应用机制，那么，要想“推动人工智能与经济社会各行业各领域广泛深度融合”将沦为空谈。在此，笔者归纳了当前有关“人工智能场景建设和应用”中存在的最突出的三个共性问题，以期探索一条破局之道。

问题一：重大场景系统设计不足与碎片化难题

人工智能应用场景呈现“大场景稀缺、小场景零散”的格局。虽然在部分领域（如消费互联网、智能安防）已形成若干超大场景，但在很多潜力领域（如智能制造、智慧农业、自动驾驶），重大场景仍处于培育阶段。比如，在制造业中，物体搬运物流、智能计划排产、质量控制等场景应用规模分散，还未能形成协同效应；再如能源行业的AI场景大多由大型央企主导，且局限于自有体系内循环，跨企业、跨领域的整合应用极少。这种碎片化导致AI技术难以形成规模效应，“一个场景一个模型”的小作坊式开发模式普遍存在，不仅推高了落地成本，也制约了技术迭代速度。

问题二：场景开放程度不足与市场壁垒突出

场景机会的开放共享是人工智能技术快速迭代的重要前提，但目前场景开放存在明显的体制机制障碍。政府、公共机构和大型国企掌握的大量高价值场景，对民营企业特别是初创科技企业的开放程度有限。比如能源领域的“揭榜挂帅”项目多由系统内企业承接，工业领域的核心场景多被链主企业掌控，导致创新能力强的AI企业面临“看得见场景、进不去大门”的困境。这种封闭性不仅限制了技术应用的广度，也使得场景需求与技术供给之间难以形成有效对接，延缓了人工智能与实体经济的融合进程。

问题三：数据瓶颈制约场景深度应用

数据作为人工智能的“燃料”，其质量、规模和流通效率直接决定场景应用的深度。当前，数据问题已成为制约AI落地的核心瓶颈：一是数据质量不高，制造业中接近一半的设备数据缺乏相关性，能源行业的“小样本”数据难以满足深度学习需求；二是数据孤岛现象严重，跨组织、跨环节的数据共享机制缺失，医疗、金融等领域的异构数据整合成本极高；三是高质量标注数据匮乏，专业领域的数据标注不仅成本高昂，且一致性难以保证；四是数据要素市场发展滞后，数据确权、授权、流转等机制不完善，导致大量有价值数据难以进入应用环节。

图源：21经济网

由此可见，上述这些场景建设和应用的问题共同构成了AI技术落地的“拦路虎”。而上海作为全国人工智能发展的领先城市，尽管已经在产业基础、技术创新和场景资源等方面具备独特优势，但同样也面临上述问题的挑战。因此，笔者认为，构建一个“上海AI场景地图”，既是应对当下挑战的务实之举，也是推动人工智能产业高质量发展的战略选择。

首先，构建“上海AI场景地图”是破解场景碎片化的迫切需要。

上海作为工业重镇，拥有“空天陆海能”全领域的丰富场景资源，大飞机、航天器、汽车、核电等高端制造环节蕴含大量高价值AI应用场景。但这些场景目前分散在不同企业、行业和区域，缺乏系统性梳理和整合。通过构建场景地图，可将分散的工业场景、城市治理场景、民生服务场景进行标准化梳理和分类，形成“化整为零”到“串珠成链”的发展路径，既能为AI企业提供清晰的需求指引，也能推动跨环节的智能协同，有效解决场景碎片化问题。

其次，构建“上海AI场景地图”是促进供需精准对接的关键路径。

上海人工智能产业生态已初具规模，拥有诸多头部企业以及几百家集聚在“模速空间”的大模型企业，但场景需求与技术供给之间仍存在明显的信息差。一方面，制造业企业不知道哪些AI技术能解决实际问题；另一方面，AI企业难以精准把握产业的真实需求。场景地图可通过清晰标注场景类型、技术需求、数据基础、开放程度等关键信息，搭建起需求方与供给方的“桥梁”，减少企业市场拓展的盲目性，提高合作效率。

第三，构建“上海AI场景地图”是提升资源配置效率的重要手段。

上海在算力、数据等资源方面具备显著优势，已建成“一平台+5中心”的智算中心格局，工业互联网平台体系日趋完善，但资源与场景的匹配效率仍有提升空间。场景地图可实现资源与场景的智能匹配，如将头部企业的AI算力与医疗影像诊断场景关联，从而提高算力、数据等资源的利用效率。同时，通过地图动态监测场景应用效果，可引导政策资源、资本资源向高价值场景倾斜，形成“好钢用在刀刃上”的资源配置机制。

最后，构建“上海AI场景地图”也是防范风险与优化治理的创新方式。

人工智能场景应用在数据安全、伦理规范等方面面临诸多挑战，特别是工业、医疗等领域的场景涉及敏感信息。场景地图可纳入安全风险评估维度，对不同场景的安全等级、数据敏感度进行标注，引导AI企业在合规框架内开展应用。如对涉及核心工艺数据的工业场景，在地图中标注数据加密、权限管理等要求，既保障场景开放，又防范安全风险。这种“地图+治理”的模式，可为人工智能场景的安全可控发展提供全新路径。

诚然，场景地图的生命力在于广泛参与，构建“上海AI场景地图”必然是一项系统工程，不仅需要一个“政府引导+市场参与”的共建机制，更需要从顶层设计、技术支撑、运营机制等多方面协同推进，确保地图的科学性、实用性和动态性。

政府：负责制定标准规范、统筹公共场景资源。

行业协会：负责组织企业参与、收集场景需求。

链主企业和AI企业：负责提供实际场景案例和技术解决方案。

科研机构：负责场景价值评估和技术趋势预测。

与此同时，还要特别注重发挥“模速空间”“模力社区”等创新社区的作用，鼓励大模型企业贡献场景应用案例，真正形成“共建共享、动态更新”的良性循环。

当然，与“上海AI场景地图”相匹配的必然是根据场景的重要性和敏感性，建立一个“分层分级的场景开放机制”：

对城市治理、民生服务等公共场景，实行完全开放，任何符合资质的AI企业均可申请对接；

对工业领域的非核心场景，由链主企业主导开放，政府给予适当激励；

对涉及核心技术和敏感数据的场景，可采用“白名单”制度，仅向具备安全保障能力的AI企业开放。

如此，通过地图明确各类场景的开放条件和合作模式，既保障技术应用，又保护企业核心利益。

相信“上海AI场景地图”的构建，将推动人工智能场景建设从“单点突破”迈向“系统升级”，加速形成“场景牵引技术创新、技术反哺场景迭代”的良性循环，助力上海打造全球人工智能场景创新高地，助力我国人工智能全面赋能高质量发展。

原创作者：上海产业转型发展研究院常务副院长

责任编辑：胡珊毓

策划审核：夏   雨