问题：人工智能“新基建”应先补“底座”，还是先抓“应用”？ 近期，全球人工智能产业链“新基建”方向上出现了明显分歧：一类观点认为能源与算力是最关键的约束，主张优先解决电力供给、数据中心布局和算力集群建设；另一类观点则强调应用场景才是技术迭代与商业闭环的驱动力，认为只有在制造、交通、医疗、零售等真实需求中实现规模化落地，才能反过来带动模型、芯片与算力体系完善。两种路径并非对立，但反映出企业所处环节与商业逻辑的差异。 原因：产业角色不同，决定投入优先级不同 主张“能源算力优先”的企业，多集中在通用算力和基础模型环节。随着大模型训练与推理需求快速增长，电力成本、用能结构以及供电稳定性成为硬性约束，能源与算力被视为“底层生产资料”。在此背景下，部分企业将核能、聚变、可再生能源与数据中心协同作为战略选项，并提出从芯片、系统、网络到软件栈的分层建设思路，希望通过基础设施能力形成长期壁垒。 强调“场景牵引”的企业，则更多深耕产业端和运营端，直面需求碎片化、交付链条复杂、ROI核算严格等现实问题。在他们看来，技术只有真正进入工厂、门店、医院、仓配等一线流程，才能沉淀为可复制的产品形态与稳定的付费模式；否则，即使参数规模持续扩大，也可能停留在展示层面，难以带来持续收入。部分企业已将重点转向“面向物理世界的执行能力”，围绕制造、汽车、航空航天和本地生活服务等领域，探索模型与自动化系统的深度结合。 影响：中美路径差异拉大，商业化能力成为关键变量 从全球竞争格局看，美国的叙事更集中在闭源体系、算力集群与通用能力突破，资本也高度聚集在基础模型和算力平台，头部公司凭借技术壁垒占据收入优势。但这一路径的副作用同样明显：高昂的接口费用与算力调用成本抬高了创新门槛，中小企业以及非英语市场的参与深度受限，部分能力沉淀在封闭的付费体系之内。 相比之下，中国更强调开源生态与场景驱动，依托制造业基础、互联网服务能力和多元应用土壤，推动技术更快进入行业。涉及的研究数据显示，中国企业在全球月活跃用户占比接近一半，但按收入口径的占比仍偏低。用户规模与收入能力的“错位”，说明“流量优势”尚未有效转化为“产业价值”。背后既有付费习惯、产品形态与企业服务渗透率等原因，也与行业数据治理、标准接口、交付体系以及组织能力建设不足有关。 对策：以“底座+场景”协同，打通从使用到收益的链条 业内人士指出，要推动人工智能规模化落地，需要同时补齐三上短板： 一是夯实算力与能源保障。结合“东数西算”等布局，提高算力网络调度效率，推动绿色电力与数据中心协同发展，降低推理成本，提升供给韧性。 二是强化场景供给与行业工程化能力。聚焦医疗辅助、工业质检、矿山作业、物流调度、门店运营等高频刚需场景，推动从试点走向规模化，形成可复制的行业方案与交付标准，降低“项目制”带来的不确定性。 三是完善数据要素与生态体系。在合规框架下提升高质量数据供给，推进行业数据标准、评测体系与安全治理，鼓励开源与开放接口建设，降低中小企业创新成本，培育更多垂直领域的“专精型”产品。 前景：本地生活与实体产业或成下一轮价值释放的“深水区” 从应用端看，医疗与工业已率先形成较清晰的落地路径，随着模型幻觉率下降、流程嵌入加深，正在从“可用”走向“好用”。更具挑战、也更具空间的领域，可能出现在本地生活服务等“高频、复杂、强履约”的场景：链条长、变量多、成本敏感，对预测、调度、风控与自动化提出系统性要求。一旦在配送、仓配、供应链、门店经营等环节形成可量化的效率提升，有望带动更广泛的中小商户数字化升级，并反向拉动算力、软件工具与行业模型迭代。 可以预见，未来的竞争不再是单点能力的比拼，而是能源结构、算力网络、行业数据、工程交付与商业模式的综合较量。谁能把“技术可行”转化为“规模可用、成本可控、持续盈利”，谁就更可能在下一阶段掌握主动权。
人工智能正处在关键转折点，基础设施建设与应用场景拓展之间的关系值得重新审视；行业要走得更稳，既需要算力、能源等底层支撑，也需要持续丰富的实践场景。对中国企业而言，如何在保持用户规模优势的同时提升商业化与价值创造能力，将成为未来竞争力的重要变量。这场关于发展路径的讨论，也可能继续影响全球人工智能产业格局的走向。