破1.2兆人民幣！中國AI產業驚人，官媒卻自揭四大弱點？
一份關於中國AI產業的重磅報告出爐，罕見地由中國最高層級的政策官媒掛名，其中值得細讀的，除了中國AI產業的成長性、DeepSeek-V4的API價格、中國總算力等數據，還有對岸發展AI的四大結構性弱點。
《求是》雜誌位於北京，定位是「中共中央機關刊」的政策官媒，近期與中國工信部直屬的賽迪研究院聯合課題組，聯合發布了一篇AI調查報告，引發關注。
文長約6700餘字，毫不迴避地指出了當前大陸發展AI面臨的四大挑戰。
根據文中線索，研究員應是實地考察了「東數西算」的算力動脈、河北省張家口市懷來縣的秦淮大數據產業園，以及人形機器人如何在產線上與人類並肩作業，足跡遍布北京、上海、深圳、山東的工廠、天津的港口與內蒙古的牧場等。
大標為《搶占智能時代制高點：我國人工智慧產業發展調查》的報告文章，基於眾多第一線現場參訪所得，首先指出了大陸的AI成績單，且輔以數據佐證。
從技術能力看，中國大陸在模型性能、訓練效率、多模態融合等關鍵指標上，正持續拉近與國際頂尖水準的差距，並在部分領域已實現「並跑」，乃至「領跑」。
像是大陸開源模型於2025年的全球下載量，占比達到17.1％。根據統計，全球排名前10的開源模型中，有8款來自中國大陸。
再如深度求索（DeepSeek）在2026年4月24日發布的DeepSeek-V4大模型，文章認為性能比肩國際頂尖模型，而且API（應用程式設計發展介面）的價格，低至不到GPT-5.5大模型的1％。
全球排名前10的開源模型中，有8款來自中國大陸。蘇義傑攝
1.2兆人民幣的含金量
再從產業規模檢視，根據市場研究機構 Precedence Research 預測，2025 年全球人工智慧市場規模達 7575.8 億美元（約新台幣240兆元），中國官方則披露大陸人工智慧核心產業的規模，突破了1.2兆人民幣（約新台幣5.6兆元）。
單看這個金額已屬驚人，但文章更強調的是這些數字背後的成長原因，因為AI是「愈用愈強」，只要開始啟動，技術進步與市場應用兩者之間便可「互相放大」，不像過去傳統產業擺脫不了「邊際效益遞減」的鐵律，亦即投入再多，獲利也有天花板。
「人工智慧產業明顯帶有『投入一元，撬動數元』的乘數效應，」《求是》該文指出：「萬億（兆元）規模的背後，是一條從底層算力到上層應用、從核心演算法到智慧終端機的全產業鏈，它催生的是新服務、新分工與新市場。」
此外，大陸已建成萬卡智算集群42個，智慧算力規模達每秒1882百億億次浮點運算（至2026年Q1止），高品質數據庫則超過10萬個。
接著再盤點AI在大陸百工百業的應用，截至2025年底，大陸主要產業的核心製程自動化率，已達68.6％。除了製造業，在醫療、交通、金融、能源等皆有「厲害的」AI應用。
最佳例證是一家山東重型裝備製造企業，導入工業大模型後，過去需要多名資深工程師耗時數週的新品工藝設計，壓縮至72小時以內完成，良品率提升5個百分點。
中國雖有海量數據，但缺乏煉化能力
講完了成就，文章也具體指出了大陸發展AI的四大挑戰。
挑戰一：國際封鎖
美國仍對大陸施行AI晶片封鎖，DeepSeek也曾被西方國家啟動嚴格審查，而輝達（ NVIDIA）的「CUDA生態」則是行之有年，深度綁定全球數百萬位開發者，即便華為昇騰晶片能做到2奈米，但想要「國產替代」，仍須克服開發平台、運算函式庫、調適工具、開發習慣的技術，要開發者「搬過來」，遷移成本太高。
挑戰二：AI不可靠，有幻覺
文章直言，大模型在通用對話中表現驚豔，但一旦進入工業檢測、醫療診斷、金融風控等對精度與可靠性要求嚴苛的領域，「能力缺陷便凸顯出來。」
一家製造業公司便曾發生過慘烈的教訓，只因光線輕微變化，AI視覺檢測系統便將良品誤判為廢品，真正的廢品反而可以通過品管，最後，這家公司還是採取了人工重檢。
挑戰三：數據瓶頸
全球通用的50億規模資料訓練集中，中文語料占比僅為1.3％。大陸雖坐擁海量數據，但真正能用於大模型訓練的數據卻嚴重短缺。
「當前普遍存在的問題是，數據『原油』豐富，但『煉化』能力不足。」文章提出警示說。
挑戰四：AI應用尚缺商業模式
以輝達創辦人黃仁勳提出AI產業的五層蛋糕為例，文章認為，大陸在算力、模型、應用三個環節之間，缺乏有效的「咬合機制」。
而且AI產品和服務的變現方式，迄今仍在探索，加上這類產品和服務偏向量身訂製，難以規模化複製，「沒法標準化，就沒法規模化；沒法規模化，就永遠在燒錢。」
輝達創辦人黃仁勳。蘇義傑攝
痛點即商機，中國AI同場競技
以中共中央機關刊的層級，正面點名自身AI產業的不足，所擺出的政策姿態便是承認問題，以便對症下藥。在「痛點即商機」的邏輯下，市場上已經出現這四大挑戰的解決方案。
大陸中信建投證券的報告直接點破，2026年最穩的投資主線，就是尋找「AI 幫各行各業轉型」的投資標的，包括工業AI品管、AI醫療影像、金融AI風控等的AI軟體，若是「懂行業又能AI」的團隊，還「正在獲得極強的議價能力。」
在「得到」App開課的資深政經學者馬江博則是判斷，數據產業正在成為新的藍海，數據標注和處理的市場規模正在快速擴張，提供數據服務的龍頭企業將成為直接受益者。
馬江博還指出，一個更值得押注的新行業是合成數據，亦即用AI生成的數據來訓練AI，既能規避隱私和版權難題，還能大幅降低獲取數據的成本。
《求是》這篇文章的後半段，刻意營造了一種急迫感：「電氣革命用了一百年才完成對社會的全面滲透，資訊技術用了半個世紀才重塑商業形態；而人工智慧正以瞬間湧現、瞬間滲透、瞬間改造的速度，改寫行業底層邏輯。」
此種情況下，大陸的政策制訂者認為，先發優勢轉化為鎖定優勢的速度將大大加快，留給追趕者的反應時間是「急劇收窄」。在這一輪創新浪潮中，中國大陸不再是遲到者、追趕者、補課者，選擇了「大步迎上去。」
延伸閱讀：