產業政策是必然性與偶然性的“催化劑”。

作者｜王博 王藝??

“DeepSeek為什么沒有出現我們這里？”

春節假期結束后，很多體制內的人都會問或者被問到這樣的話。

這種反思不僅僅出現在了與科技產業相關的部門，而是逐漸演變了城市、區域的集體反思。

2月7日和8日，江蘇省委機關報《新華日報》旗下“交匯點”客戶端在連續發布了三篇專稿文章：《DeepSeek為什么會出現在杭州？》《為什么南京發展不出“杭州六小龍”？》《杭州有DeepSeek，南京有什么？》。

這一下引發了一輪DeepSeek反思潮。

這種反思在BAT興起時出現過，在“AI四小龍”誕生時出現過，在“大模型六小虎”登上舞臺時出現過，甚至這種反思就根植于我們每個人不同年齡段的記憶里：“別人家的孩子為什么是‘三好學生’？”“為什么你考不上重點中學？”“你同學都結婚生娃了，你有什么？”

DeepSeek毫無疑問是成功的，但DeepSeek的成功有著必然性和偶然性。

但是最近有一種觀點是，DeepSeek看起來不是產業政策主導的成果，從而質疑產業政策在科技發展中的作用。

這是一種誤讀，我們可以做一個類比：DeepSeek可能是一個不同尋常的“天才”，你可以分析“天才”成功的原因，但你不能因為“天才”的成功，而去否定其他學生的培養方式。

還有一種觀點是，DeepSeek的成功離不開當地產業政策的推動，從而反思自己所在地區的產業政策是不是力度不夠。

但這只思考了一個層面，我們了解到更多的情況是，很多地方產業部門并不是舍不得投入，而是沒有把政策用在刀刃上。

那么，對于人工智能產業來說，需要怎樣的產業政策？

2月14日，「甲子光年」參加了2025海淀區經濟社會高質量發展大會，這場大會也被稱為是海淀區“新春第一會”。在DeepSeek爆火，多地陷入反思之際，作為全世界的科創中心之一、中國大模型的搖籃，海淀在人工智能領域計劃怎么做尤其值得關注。

我們注意到，這次海淀區發布了《中關村科學城加快建設具有全球影響力人工智能產業高地的若干措施》（以下簡稱《措施》），但是措施的詳細內容并未在大會上公布。

會后，我們通過多個消息人士了解到，《措施》共有十條，涉及技術、算力、數據、平臺、場景、應用、人才、孵化、金融、合作等方面。《措施》既支持本土創新，又注重全球資源整合，每一條措施都配有資金支持或獎勵方案。

「甲子光年」梳理發現，這份《措施》有五大重點內容：

• 加快顛覆性技術創新布局，探索大模型新型基礎架構、類腦智能等新路徑；

• 鼓勵大模型企業使用國產算力；

• 推動高質量數據集建設與應用；

• 強調產業共性技術平臺與專業開源社區；

• 構建應用場景與應用生態。

本文，我們將對這五大重點內容進行分析和解讀。

1.顛覆性技術創新

顛覆性技術創新是指一種新興的技術或產品，它通過改變市場規則、打破現有競爭格局，甚至取代傳統的技術或業務模式，創造出全新的市場需求。

與漸進式的技術創新不同，顛覆性技術往往最初在主流市場中并不占據重要地位，甚至可能被視為低質量或不成熟。但隨著技術的不斷進步和市場的接受度提升，它逐漸發展壯大，并最終對現有的市場和行業結構造成深遠的影響。

我們了解到，這次海淀區的《措施》就特別提到了“加快顛覆性技術創新布局”，并具體提到了“鼓勵探索大模型新型基礎架構、類腦智能等新路徑”。

國內很多地區都出臺了顛覆性技術創新相關政策，對比其他地區的政策，海淀區的《措施》有兩個特點：聚焦人工智能、資金支持力度大。

「甲子光年」發現，很多地區的相關政策并沒有專門針對人工智能產業，而海淀區這次明確提出鼓勵探索大模型新型基礎架構、類腦智能等新路徑。

大模型新型基礎架構通常指的是為了支持大規模深度學習模型的訓練和推理，所設計的硬件和軟件基礎設施。類腦智能則是指通過計算建模等手段，受腦神經機制和認知行為機制啟發，并通過軟硬件協同實現的機器智能。

北京大學計算機學院教授黃鐵軍曾告訴「甲子光年」，未來新一代人工智能的技術路線走向有三條：第一是基于大數據和深度學習算法實現的人工智能技術路線；第二是通過強化學習，在虛擬環境不斷訓練得出的具身智能路線；第三是通過模擬生物神經系統和生物智能，最終實現智能生命技術路線。

這些技術路線的研發成本不低，此前，中國科學院院士、清華大學計算機系教授張鈸就對國內企業在大模型研發方面的投入表達過擔憂：“我們的資本不僅沒有那么大，而且還極度分散，這個問題是非常嚴重的。”

因此，明確方向后，投入也要跟上。

華東某市和海淀區一樣擁有豐富高校科研資源的某區，去年底也發布了《關于促進顛覆性技術創新發展的若干政策意見（征求意見稿）》，其中指出：“獲得國家顛覆性專項立項的，按照國家顛覆性技術創新專項立項資助金額的100%予以配套，且不超過申請單位實際投入資金，單個項目最高500萬元。”

華中某市剛剛出臺的《促進顛覆性技術創新實施方案（2025—2027年）》指出：“對企業牽頭承擔的國家重點研發計劃顛覆性技術項目，市級給予國家撥付資金50%且單個項目最高500萬元支持。”

而海淀這次直接把項目支持資金提到了千萬元級別。

這并不是說只靠這幾千萬元就能造就顛覆性技術創新，但海淀給出了明確且強烈的支持信號。

在2025海淀區經濟社會高質量發展大會上，海淀區發布了總規模100億的中關村科學城科技成長三期基金。三期基金發布后，加之2021年設立的50億元規模一期基金和2024年設立的50億元規模二期基金，海淀區科技成長基金的總規模增至200億元。

「甲子光年」了解到，目前科技成長二期基金已公示合作子基金11家，首批簽約的5家投資機構前期累計已投海淀項目數近300個，投資金額超百億元。

2.人工智能算力

各地與人工智能產業相關的政策都把算力作為重中之重。

被認為錯失了人工智能發展機遇的香港，去年特別加強了算力的投入。香港特區政府2024—2025年度《財政預算案》撥款30億港元予香港數碼港，推行為期三年的“人工智能資助計劃”，當中包括資助業界應用超算中心的算力，為本地人工智能發展持續注入動力。

這次海淀區的《措施》，與算力相關的政策仍是重點。

不過，相比海淀區2023年發布的《關于加快中關村科學城人工智能大模型創新發展的若干措施》，這次《措施》中和算力相關的表述從之前的“夯實算力基礎支撐”變成了“強化人工智能算力高效供給”。

誰可以獲得支持？

我們了 解到，技術創新性高、應用生態豐富的基礎大模型、行業大模型企業購買或租用算力資源，用于開展創新研發，都在相關政策覆蓋范圍內。海淀區計劃每年投入上億元規模的算力補貼。同時，相關政策還鼓勵大模型企業使用國產算力，鼓勵算力提供商接入北京市人工智能公共算力平臺。

“高效”是這條措施的關鍵詞。

盡管國內算力資源近兩年呈增長態勢，但算力供需錯配、國產算力使用率不足、算力生態賦能不夠等問題依然在全國多地存在。

為了優化算力的使用，2024年10月，全國算力節點成 熟度評測體系在2024算力網發展大會上公布，這一體系實現了對各算力節點的具體評估，進而推動資源的優化配置與高效使用；2025年1月，中關村創業大街與奇績創壇合作，宣布共建全國首家彈性算力實驗室，聚焦人工智能產業領域，幫助潛力科創企業高效訓練測試大模型產品。

而這條措施中透露的算力補貼力度，在全國都很罕見。

我們查閱全國各地對于算力補貼的政策發現，除華南某一線城市表示每年要發放5億元的“訓力券”外，其他多地都將算力補貼的上限設置在了5000萬元左右；華東某市同樣注重AI大模型產業發展的某區，將算力補貼的比例控制在了30%，補貼金額控制在了1000萬元。

在政策之外，我們從消息人士處了解到，海淀區近期在算力高效供給方面，還有“大動作”。

3.高質量數據集

從去年下半年開始，“Scaling Law撞墻論”一直是一個熱議話題。

我們去年底和北京智源人工智能研究院院長王仲遠聊過這個話題，他告訴我們：“我覺得并不是Scaling Law本身失效了，而是支撐Scaling Law的要素現在遇到了瓶頸。”

這些要素，包括算力，也包括數據。

王仲遠認為，解決數據問題有幾條路徑：第一是合成數據。試想一下，如果有一天人工智能寫的書籍的質量比人類寫的書籍質量還高，就會形成自我的迭代和進化；第二是基于Post Training的推理模型，比如o1（應用了“思維鏈”），進一步激發大模型的智能。第三是多模態大模型，智源也在探索這條路徑。因為我們認為這個世界除了文本數據以外，音頻、視頻這些數據量規模是更大的，可能是百倍、千倍乃至更多。

盡管高質量數據集的建設和應用出現在很多地方的政策中，但是表述相對寬泛。

我們發現，這次海淀《措施》與業界的最新研判高度一致，在數據方面強調了重點領域和新興方向。其中，重點領域包括行業數據、真實世界數據等；新興方向包括合成數據、思維鏈數據等。

在今年的CES（Consumer Electronics Show，國際消費類電子產品展覽會）上，英偉達CEO黃仁勛就在演講中強調，AI的下一個前沿是物理AI，并發布了發布人形機器人合成數據藍圖Isaac GR00T Blueprint。

「甲子光年」去年5月就曾提出，能源、信息和行為是現代社會和自然界中三個基本而相互關聯的概念——科技的進步，就是三者之間轉化能力加強的反映。隨著AI對物理世界映射能力的不斷優化，將會在實踐中構建一條AI影響世界發展的動態平衡線。

值得關注的是，海淀區還將支持建設人工智能高端數據標注示范基地，這是繼推動北京人工智能模型語料中心建設，設立北京數據基礎制度先行區，上線北京人工智能數據運營平臺之后，海淀區在數據方面的又一新舉措。

4.產業共性技術平臺

產業共性平臺是指在某個特定產業或行業中，多個企業、組織或機構共同合作，基于共享資源和標準化技術，建設的一個統一的平臺。

產業共性平臺不僅能夠提高產業效率，還能夠幫助不同規模的企業，尤其是中小企業，降低市場準入門檻，實現跨行業、跨地域的協作，從而推動整個產業的轉型和升級。

我們了解到，海淀區要支持建設國家級人工智能芯片評測平臺、大模型評測平臺、軟硬件適配驗證平臺、標準公共服務平臺、安全倫理平臺等。

對芯片、大模型等進行評測，其實是一種“以評促用”策略。這樣可以總結出適合場景的“芯片+軟件”最佳組合，既能提高企業開發人工智能的效率，也能讓企業算清楚芯片的投入價值，了解大模型的實際能力，避免人工智能的安全倫理風險。

除了這些官方平臺之外，專業化開源社區的發展也在《措施》的鼓勵范圍內。

始智AI wisemodel創始人兼CEO、清華校友總會AI大數據專委會副秘書長劉道全就在做AI大模型開源社區，目標是要打造“中國版Hugging Face”。

他曾告訴我們，要解決大模型落地的“最后一公里”問題，有兩條路可走：一條是針對具體問題做單點的工具；另一條是做平臺，將算力、模型、數據集、工具鏈等資源集合在平臺上，讓每一個問題都能找到最合適的解決方案。

DeepSeek讓全世界都看到了開源的力量，但不容忽視的是，大量AI大模型的開源項目來自于清華、北大等高校，這些共同組成了繁榮的開源生態。

擁有全國最豐富高校資源的海淀自然要提供更好的土壤，為更多的開源社區、項目提供支持。

5.應用場景與應用生態

這次海淀的《措施》還涉及了人工智能的應用場景與應用生態。

如果說2024年的關鍵詞是“AI應用落地”，那么2025年將是“AI應用爆發”。

去年底，清華大學人工智能研究院副院長、生數科技創始人朱軍告訴我們：“AI應用面臨的問題不在于市場缺乏需求或者產品本身，問題還是在底層技術。”

促進AI應用，不能只關注AI應用本身，很多地區的產業政策存在“頭疼醫頭，腳疼醫腳”的問題。

海淀的《措施》就注意到了這個問題，在與應用相關的政策中，就有鼓勵企業、科研院所等牽頭建設大模型行業實驗室的內容，大模型行業實驗室建設運營方也有機會獲得資金支持。此外，鼓勵各類創新場景在人工智能創新街區落地示范、鼓勵人工智能軟硬件產品消費與應用、發放模型券等也出現在了《措施》中。

甲子光年智庫曾對C端用戶不同場景的AI產品做過調研分析，基于NPS值和滿意度繪制了“甲子星空坐標系”，對生成式AI在C端應用場景的商業潛力進行評估。

從現階段的場景分布來看，大部分場景仍然處于用戶既不滿意又不推薦的狀態。說明C端適合商業化落地的場景仍然較少，需要從供需兩端進行深度的挖掘與探索。

6.產業政策的意義

除了本文分析的內容，這次海淀的《措施》還在人才、孵化、金融、合作等方面推出了新的政策。

當然，這些《措施》的實際效果還有待觀察，但就從《措施》本身來說，展現了極強的專業性和滿滿的誠意。

可能也會有人提出疑問，產業政策對于人工智能產業真的有那么重要嗎？

其實，關于產業政策的討論從來沒有停止過。

2016年11月9日，北京大學朗潤園萬眾樓中，北京大學國家發展研究院教授林毅夫和張維迎進行了一場備受矚目的辯論。這場辯論在中國經濟學界引起的震動，至今仍未平復。

他們辯論的內容是：中國是否需要產業政策？

張維迎認為，由于人類認知的局限和激勵機制的扭曲，產業政策注定會失敗。

“事實上，產業政策只會阻礙創新。新過程充滿了一系列的不確定性，創新沒有統計規律可循。如果能提前預測創新，那它就不是創新了！”張維迎說。

而林毅夫認為，希望人們不要誤解他，他一說政府政策的重要，就有人認為他說市場不重要，實際上，一個是有效的市場，一個是有為的政府。

林毅夫說：“我鄭重地說，既要有市場，也要有政府。只是強調市場建設的那些政策建議是不充分的。為什么不充分？因為你要技術創新、產業升級，必須有第一個吃螃蟹的企業家。第一個吃螃蟹的企業家他是不是能夠成功，除了決定他的企業家精神跟傳統之外，還決定于這個產業所應該有的相應的軟硬基礎設施是不是完善。 比如說像金融方面的改革或者基礎設施的完善上面，一般的企業家也不能做或者不 愿意做，所以這種狀況之下，還要政府發揮因勢利導的作用，來解決這些軟硬基礎設施完善的協調和供給的問題。”

這場發生在海淀的討論放到今天依然不過時。

一個產業的強大，靠什么？除了某個人、某家企業、某項政策，其真正依靠的，是政府、企業、高校、科研機構等角色各司其職，創新鏈條環環相扣。

DeepSeek的成功有著必然性和偶然性，而這次海淀釋放出來的信號是，產業政策是必然性與偶然性的“催化劑”：既要讓產業政策產生必然性影響，也要讓產業政策為偶然性創造條件。

• 從必然性層面來說，產業政策通過資源傾斜、生態構建和需求引導，為科技公司鋪設可預測的成功路徑；

• ?從偶然性層面來說，產業政策通過開放包容的試錯機制、動態調整能力，將外部不確定性轉化為創新機遇。

「甲子光年」認為，產業政策需在“精準規劃”與“靈活容錯”間平衡——過度干預可能扼殺偶然創新，放任自流則難以形成產業高地。

這次海淀區的《措施》是一個很值得借鑒和分析的產業政策案例。

優秀的產業政策應像“加速器”而非“路線圖”，既通過必然性支持降低基礎風險，又通過偶然性管理釋放創新活力，最終實現科技成功的“必然性大于偶然性”。

其實，DeepSeek爆火后，一些中小AI企業跟我們反映，之前的某些創業方向不再有效，從而陷入迷茫，他們也希望找到下一步的發展方向。

這時候，產業政策的效應就會顯現。

反思固然重要，但更重要的是，通過反思知道下一步產業發展的方向。

（封面圖來源：Pixabay @KELLEPICS）