2024年全球信息技术(IT)总支出达5万亿美元，同比增长6.8%。其中，IT服务占比30.0%、通信服务占比29.5%、软件服务支出占比为20.6%、设备占比为5.2%以及数据中心系统占比为5.2%。

展望未来，随着数字基建的完善，在通信服务、数据中心系统设备的支持将趋于稳定而GenAl带来对于软件层面的投入及IT服务的需求会大幅增长。至2075年，软件与IT服务的支出有望接近全球IT支出的50%。

2024年中国信息技术(IT)总支出将达到3.9万亿元人民币，同比增长6.2%。其中，通信服务与设备支出占比分别为25.5%和39.0%，位居各细分领域之首；数据中心系统与IT服务支出分别占10.3%和18.5%，居于其次；软件支出占比偏低，仅为6.7%。

展望未来，生成式人工智能(GenAI)的迅猛发展将为IT产业带来革命性变革。数据中心系统作为GenAl运行的"能源枢纽”，软件则作为人机交互的核心载体，二者预计将成为产业增长的主要受益者。在此驱动下，中国IT产业规模预计将在未来50年内以3%-5%的年均速度持续扩大。

中国人工智能产业在京津冀、长三角和珠三角三大区域呈现显著集聚：北京依托海淀智算中心打造全球创新策源地，2035年智算规模力争达45 EFLOPS，已备案105款大模型核心产业规模超3,000亿元；上海一杭州通过张江、徐汇、临港及37个数据中心形成"基础研究一技术转化一场景应用”闭环，2024年产业规模逾4,000亿元、算力超54 EFLOPS，力争2025年突破100 EFLOPS；深圳一广州双核驱动，深圳聚焦硬件与垂直大模型，产业规模超3,600亿元，广州应用企业占比80%，并布局“1+5+N"算力中心，目标2027年算力破100EFLOPS。

目前，中国已形成覆盖基础层、技术层、应用层的完整人工智能产业体系。从企业数量看，企查查数据显示，2019-2024年，中国人工智能相关企业注册数量由8.4万家增至53.7万家;截至2025年4月28日，2025年已新增21.4万家人工智能相关企业，较2024年同期增长36%。

此外，中国已累计培育400余家人工智能领域国家级专精特新“小巨人"企业占据全球10%的人工智能产业规模。

从专利申请情况看，截至2025年4月9日，中国人工智能专利申请数超157万项，占全球申请量的38.6%，位居全球首位，其中智能体领域专利申请数从2019年的653项增至2,787项，年均复合增长率为33.7%，呈现爆发式增长态势。

中国互联网与移动互联网的渗透率在过去五年间迎来了飞速上涨，从60.2%上升至75.6%。渗透率飞速上涨的原因包括中国网络基础设施建设的不断迭代、互联网消费模式的持续升级以及终端设备的智能化提升与性价比增强。预计至2075年，中国将成为全民互联网化的国家，为全球互联网发展起到建设引领作用。

中国是全球范围内互联网用户数量排名第一的国家，也是在全球范围内首个互联网用户数破11亿人次的国家。排在第二位的印度拥有8.8亿互联网用户，第三位的美国拥有3.1亿用户。庞大的互联网用户基础为人工智能在中国的蓬勃发展奠定了坚实的基础。在中国，人工智能能够以更低的成本和更快的速度触及更广泛的用户群体。作为全球数据中心、网络覆盖最完善的国家，中国拥有全球最好的人工智能发展土壤之一。

在全球计算机科学论文发表数量方面，中国在论文发表量、覆盖广度和研究深度上均位居全球首位，显著领先于其他国家。全球计算机科学领域，23.2%的发表论文来源于中国学者。其中，中国科学院在过去十年中始终位居论文发表数量榜首。

全球获批的人工智能专利中，绝大多数来自中国(69.7%)和美国(14.2%)。来自美国的人工智能专利占比已从 2015 年的峰值(42.8%)有所下降。而中国则连续五年保持高增长的趋势。

从近年来中央政治经济会议和政府工作报告的政策演进可以看出，人工智能被置于国家发展全局的核心位置。2023年中央经济工作会议提到“加快推动人工智能发展"；2024年政府工作报告首次提到"人工智能+"概念，将“开展'人工智能+’行动"列为年度重点任务强调以人工智能技术推动产业智能化升级；2024年中央经济会议明确将人工智能作为培育未来产业的关键路径，并提到开展新技术新产品新场景大规模应用示范；2025年两会进一步深化这一战略，政府工作报告不仅明确提出"持续推进"人工智能+"行动"，还将其与优化全国算力布局、发展智能终端等举措相结合，凸显人工智能在推动新型工业化、构建现代化产业体系中的核心作用。这一系列政策信号表明，人工智能已成为国家抢占科技制高点、实现高质量发展的战略性抓手。

2025年政策对人工智能的重视更体现在对技术安全、应用场景和产业链协同的全方位布局。中央政治局会议多次强调"促进人工智能安全发展”，要求统筹技术创新与风险防范完善算法治理和数据安全法规。政府工作报告明确将具身智能纳入国家战略，推动A从虚拟算法"向"实体交互"延伸。同时，国家通过优化算力资源布局、支持大模型开源生态等举措，强化底层技术自主可控能力。此外，政策还鼓励人工智能在医疗、教育、交通等民生领域的深度应用，并提出打造具有国际竞争力的数字产业集群。这一系列政策组合拳，标志着人工智能已从技术探索转向系统性赋能，成为驱动新质生产力发展的核心引擎。

自2015年起，AI行业融资数量由501起攀升至2018年峰值1024起，随后进入调整期，2021年再次冲高至1,076起，但在宏观经济环境影响下，2022-2024年逐年回落，2024年降至696起，显示市场趋于理性。从轮次和层次来看，大型、AIGC与具身智能等前沿技术的快速演进，使早期项目凭借创新技术或独特商业模式吸引资本；而医疗、汽车等垂直领域仍无垄断龙头，海量细分场景待开发，促使投资重心从“技术验证"转向"商业闭环”。2024年应用层融资超过500亿元，占比达55%，且国资正逐步成为A领域投融资的重要驱动力。

目前，公众对人工智能的认知度显著提升，超95%的受访者表示“了解AI”，而在使用率最高的AI产品中，国产大模型已占据领先地位。

从AI产品需求看，文本写作、搜索查询、图片生成或处理需求最高，而使用率最高的TOP5中，有4款都是国产品牌，其中豆包、DeepSeeK和文心一言分别以71.7%、65.7%和34.8%的使用率位居前三。

同时，公众对AI的担忧也在加重，意味着其安全性需进一步提高。

人工智能产业链通过标准化与平台化手段重构A开发与部署流程。一方面，它以高性能、可扩展的计算与存储资源降低算力门槛，提升资源利用效率；另一方面，通过模型即服务平台聚合模型资产、优化微调链路、强化MLOps管理，加速AI能力的交付与选代。最终，使企业得以以更低成本、更快速度将AI能力嵌入业务实现从流程优化到产品创新的跃迁，为各行业智能化升级提供可复制、可持续的技术底座。

大模型算力需求可分为训练与推理两阶段。传统大模型因参数规模庞大、训练成本高昂使算力高度集中于训练环节；而DeepSeek利用高效模型架构与分布式训练框架，大幅降低了训练门槛，让中小企业也能承担定制化训练需求。同时，其推理阶段凭借高吞吐量和低功耗特性，推动算力需求从“以训练为主"向"训练与推理并重"甚至"以推理为主"转变。随着训练成本下降，更多行业将由"租用预训练模型"转向"自主训练+本地推理部署"；而边缘计算与实时交互等场景的爆发式增长，使推理算力成为增量来源。

算力可分为通用算力、智能算力和超算算力，其中通用算力和智能算力规模占算力总规模98%左右。而随着生成式A爆发，导致市场对于高并行计算能力的需求激增，推动中国智能算力规模以76.3%的平均增速从2020年的75EFLOPS增长至2024年的725EFLOPS，远超同期通用算力的平均增速。

此外，智能算力作为数字经济时代的核心生产要素，正以前所未有的速度重塑产业格局，中国已将其建设提升至国家战略高度，并通过“东数西算"工程构建全国一体化算力网络体系(2023年发布关于深入实施"东数西算"工程加快构建全国一体化算力网的实施意见)。该工程以"八大算力枢纽+十大数据中心集群”为核心布局，通过将东部高密度算力需求向西部能源富集地区转移，实现算力资源的跨区域优化配置。截至202501，八大枢纽节点算力规模达215.5EFLOPS，占全国总算力规模的70%以上，其中智能算力规模为174.11EFLOPS(按FP32计算)，占节点总算力的80.8%，国家枢纽节点“算力高地”的地位日益突出。

中国数据存储能力正经历高速增长预计从2020年的640EB增至2025年的1,800EB，这得益于数字化转型、云计算、AI等技术的推动，以及5G和AI发展带来的内容制作、影像视听等行业非结构化数据的激增。

然而，数据生产量巨大与存储及管理效率低下形成鲜明对比；2023年实际存储数据仅占总产量的2.9%，大量数据在源头被丢弃，且存储数据中约40%长期闲置，造成资源浪费。

大模型参数规模与训练数据量、质量和多样性呈指数级正相关：参数越多对海量且跨语言、跨领域、高质量数据的依赖越强；因此，必须通过数据增强、合成生成与高效采集处理技术，配合大数据存储、算力扩展及优化算法创新，才能支撑超亿级参数模型的高效训练与泛化能力。

大模型虽是当前AI主流技术，但在受业务约束的垂直场景，传统机器学习、语音、知识图谱、NLP与计算机视觉等传统小模型，以更优的可控性和成本优势，仍能实现更高效且可量化的商业收益。

●机器学习：全球机器学习技术发展格局中，美国企业凭借长期技术积累占据领先地位。以谷歌、Meta为代表的科技巨头，依托深度学习与神经网络领域的核心优势，通过开源框架(如TensorFlow)和前沿技术(如Transformer架构、Gemini多模态模型)构建全球生态。谷歌聚焦多模态融合(如Gemini系列模型)与自监督学习(如SimCLR)，并探索通用AI的边界；Meta则通过Llama系列模型的开源策略推动技术普惠，同时强化AI伦理治理(如AI安全评估框架)。相比之下，中国企业如百度(文心一言)、阿里巴巴(电商推荐系统)以场景驱动为核心，通过模型小型化(如模型蒸馏和参数高效微调技术，使小型模型性能接近大模型的同时降低计算成本)和高效化部署(如边缘端轻量化方案)实现技术落地。同时，中国在人机协作(如AdaptiveVIO系统结合在线持续学习与传统优化算法，提升机器人动态环境适应性)与可持续性发展(如联邦学习在隐私保护中的应用)领域展现出独特优势。机器学习的未来趋势正加速向多模态融合(跨模态任务协同)、自监督与无监督学习(减少标注依赖)模型小型化与高效化(边缘端部署)演进，中美企业通过差异化路径共同塑造这一智能化浪潮。

●智能语音：中国智能语音技术已进入应用落地阶段，并在多个领域形成全球领先优势。以科大讯飞、百度为代表的头部企业，依托深度学习与大数据积累，实现从语音识别(ASR)到自然语言处理(NLP)再到语音合成(TTS)的全链条突破。科大讯飞的"中文语音识别系统"支持25种方言，百度的多语言识别技术覆盖全球主要语种，推动语音交互在智能家居、智能车载、在线教育等场景的深度渗透。未来，中国智能语音技术将向多模态交互(结合视觉、触觉等感官)、边缘计算支持(减少数据传输延迟和带宽占用)、个性化情感化升级(基于用户行为习惯自动调整交互模式；通过语音情感分析识别用户情绪，调整回应语气)、场景应用深化(如垂直领域定制化)演进。