产业政策是必然性与偶然性的“催化剂”。
作者｜王博 王艺
“DeepSeek为什么没有出现我们这里？”
春节假期结束后，很多体制内的人都会问或者被问到这样的话。
这种反思不仅仅出现在了与科技产业相关的部门，而是逐渐演变了城市、区域的集体反思。
2月7日和8日，江苏省委机关报《新华日报》旗下“交汇点”客户端在连续发布了三篇专稿文章：《DeepSeek为什么会出现在杭州？》《为什么南京发展不出“杭州六小龙”？》《杭州有DeepSeek，南京有什么？》。
这一下引发了一轮DeepSeek反思潮。
这种反思在BAT兴起时出现过，在“AI四小龙”诞生时出现过，在“大模型六小虎”登上舞台时出现过，甚至这种反思就根植于我们每个人不同年龄段的记忆里：“别人家的孩子为什么是‘三好学生’？”“为什么你考不上重点中学？”“你同学都结婚生娃了，你有什么？”
DeepSeek毫无疑问是成功的，但DeepSeek的成功有着必然性和偶然性。
但是最近有一种观点是，DeepSeek看起来不是产业政策主导的成果，从而质疑产业政策在科技发展中的作用。
这是一种误读，我们可以做一个类比：DeepSeek可能是一个不同寻常的“天才”，你可以分析“天才”成功的原因，但你不能因为“天才”的成功，而去否定其他学生的培养方式。
还有一种观点是，DeepSeek的成功离不开当地产业政策的推动，从而反思自己所在地区的产业政策是不是力度不够。
但这只思考了一个层面，我们了解到更多的情况是，很多地方产业部门并不是舍不得投入，而是没有把政策用在刀刃上。
那么，对于人工智能产业来说，需要怎样的产业政策？
2月14日，「甲子光年」参加了2025海淀区经济社会高质量发展大会，这场大会也被称为是海淀区“新春第一会”。在DeepSeek爆火，多地陷入反思之际，作为全世界的科创中心之一、中国大模型的摇篮，海淀在人工智能领域计划怎么做尤其值得关注。
我们注意到，这次海淀区发布了《中关村科学城加快建设具有全球影响力人工智能产业高地的若干措施》（以下简称《措施》），但是措施的详细内容并未在大会上公布。
会后，我们通过多个消息人士了解到，《措施》共有十条，涉及技术、算力、数据、平台、场景、应用、人才、孵化、金融、合作等方面。《措施》既支持本土创新，又注重全球资源整合，每一条措施都配有资金支持或奖励方案。
「甲子光年」梳理发现，这份《措施》有五大重点内容：
加快颠覆性技术创新布局，探索大模型新型基础架构、类脑智能等新路径；
鼓励大模型企业使用国产算力；
推动高质量数据集建设与应用；
强调产业共性技术平台与专业开源社区；
构建应用场景与应用生态。
本文，我们将对这五大重点内容进行分析和解读。
1.颠覆性技术创新
颠覆性技术创新是指一种新兴的技术或产品，它通过改变市场规则、打破现有竞争格局，甚至取代传统的技术或业务模式，创造出全新的市场需求。
与渐进式的技术创新不同，颠覆性技术往往最初在主流市场中并不占据重要地位，甚至可能被视为低质量或不成熟。但随着技术的不断进步和市场的接受度提升，它逐渐发展壮大，并最终对现有的市场和行业结构造成深远的影响。
我们了解到，这次海淀区的《措施》就特别提到了“加快颠覆性技术创新布局”，并具体提到了“鼓励探索大模型新型基础架构、类脑智能等新路径”。
国内很多地区都出台了颠覆性技术创新相关政策，对比其他地区的政策，海淀区的《措施》有两个特点：聚焦人工智能、资金支持力度大。
「甲子光年」发现，很多地区的相关政策并没有专门针对人工智能产业，而海淀区这次明确提出鼓励探索大模型新型基础架构、类脑智能等新路径。
大模型新型基础架构通常指的是为了支持大规模深度学习模型的训练和推理，所设计的硬件和软件基础设施。类脑智能则是指通过计算建模等手段，受脑神经机制和认知行为机制启发，并通过软硬件协同实现的机器智能。
北京大学计算机学院教授黄铁军曾告诉「甲子光年」，未来新一代人工智能的技术路线走向有三条：第一是基于大数据和深度学习算法实现的人工智能技术路线；第二是通过强化学习，在虚拟环境不断训练得出的具身智能路线；第三是通过模拟生物神经系统和生物智能，最终实现智能生命技术路线。
这些技术路线的研发成本不低，此前，中国科学院院士、清华大学计算机系教授张钹就对国内企业在大模型研发方面的投入表达过担忧：“我们的资本不仅没有那么大，而且还极度分散，这个问题是非常严重的。”
因此，明确方向后，投入也要跟上。
华东某市和海淀区一样拥有丰富高校科研资源的某区，去年底也发布了《关于促进颠覆性技术创新发展的若干政策意见（征求意见稿）》，其中指出：“获得国家颠覆性专项立项的，按照国家颠覆性技术创新专项立项资助金额的100%予以配套，且不超过申请单位实际投入资金，单个项目最高500万元。”
华中某市刚刚出台的《促进颠覆性技术创新实施方案（2025—2027年）》指出：“对企业牵头承担的国家重点研发计划颠覆性技术项目，市级给予国家拨付资金50%且单个项目最高500万元支持。”
而海淀这次直接把项目支持资金提到了千万元级别。
这并不是说只靠这几千万元就能造就颠覆性技术创新，但海淀给出了明确且强烈的支持信号。
在2025海淀区经济社会高质量发展大会上，海淀区发布了总规模100亿的中关村科学城科技成长三期基金。三期基金发布后，加之2021年设立的50亿元规模一期基金和2024年设立的50亿元规模二期基金，海淀区科技成长基金的总规模增至200亿元。
「甲子光年」了解到，目前科技成长二期基金已公示合作子基金11家，首批签约的5家投资机构前期累计已投海淀项目数近300个，投资金额超百亿元。
2.人工智能算力
各地与人工智能产业相关的政策都把算力作为重中之重。
被认为错失了人工智能发展机遇的香港，去年特别加强了算力的投入。香港特区政府2024—2025年度《财政预算案》拨款30亿港元予香港数码港，推行为期三年的“人工智能资助计划”，当中包括资助业界应用超算中心的算力，为本地人工智能发展持续注入动力。
这次海淀区的《措施》，与算力相关的政策仍是重点。
不过，相比海淀区2023年发布的《关于加快中关村科学城人工智能大模型创新发展的若干措施》，这次《措施》中和算力相关的表述从之前的“夯实算力基础支撑”变成了“强化人工智能算力高效供给”。
谁可以获得支持？
我们了解到，技术创新性高、应用生态丰富的基础大模型、行业大模型企业购买或租用算力资源，用于开展创新研发，都在相关政策覆盖范围内。海淀区计划每年投入上亿元规模的算力补贴。同时，相关政策还鼓励大模型企业使用国产算力，鼓励算力提供商接入北京市人工智能公共算力平台。
“高效”是这条措施的关键词。
尽管国内算力资源近两年呈增长态势，但算力供需错配、国产算力使用率不足、算力生态赋能不够等问题依然在全国多地存在。
为了优化算力的使用，2024年10月，全国算力节点成熟度评测体系在2024算力网发展大会上公布，这一体系实现了对各算力节点的具体评估，进而推动资源的优化配置与高效使用；2025年1月，中关村创业大街与奇绩创坛合作，宣布共建全国首家弹性算力实验室，聚焦人工智能产业领域，帮助潜力科创企业高效训练测试大模型产品。
而这条措施中透露的算力补贴力度，在全国都很罕见。
我们查阅全国各地对于算力补贴的政策发现，除华南某一线城市表示每年要发放5亿元的“训力券”外，其他多地都将算力补贴的上限设置在了5000万元左右；华东某市同样注重AI大模型产业发展的某区，将算力补贴的比例控制在了30%，补贴金额控制在了1000万元。
在政策之外，我们从消息人士处了解到，海淀区近期在算力高效供给方面，还有“大动作”。
3.高质量数据集
从去年下半年开始，“Scaling Law撞墙论”一直是一个热议话题。
我们去年底和北京智源人工智能研究院院长王仲远聊过这个话题，他告诉我们：“我觉得并不是Scaling Law本身失效了，而是支撑Scaling Law的要素现在遇到了瓶颈。”
这些要素，包括算力，也包括数据。
王仲远认为，解决数据问题有几条路径：第一是合成数据。试想一下，如果有一天人工智能写的书籍的质量比人类写的书籍质量还高，就会形成自我的迭代和进化；第二是基于Post Training的推理模型，比如o1（应用了“思维链”），进一步激发大模型的智能。第三是多模态大模型，智源也在探索这条路径。因为我们认为这个世界除了文本数据以外，音频、视频这些数据量规模是更大的，可能是百倍、千倍乃至更多。
尽管高质量数据集的建设和应用出现在很多地方的政策中，但是表述相对宽泛。
我们发现，这次海淀《措施》与业界的最新研判高度一致，在数据方面强调了重点领域和新兴方向。其中，重点领域包括行业数据、真实世界数据等；新兴方向包括合成数据、思维链数据等。
在今年的CES（Consumer Electronics Show，国际消费类电子产品展览会）上，英伟达CEO黄仁勋就在演讲中强调，AI的下一个前沿是物理AI，并发布了发布人形机器人合成数据蓝图Isaac GR00T Blueprint。
「甲子光年」去年5月就曾提出，能源、信息和行为是现代社会和自然界中三个基本而相互关联的概念——科技的进步，就是三者之间转化能力加强的反映。随着AI对物理世界映射能力的不断优化，将会在实践中构建一条AI影响世界发展的动态平衡线。
值得关注的是，海淀区还将支持建设人工智能高端数据标注示范基地，这是继推动北京人工智能模型语料中心建设，设立北京数据基础制度先行区，上线北京人工智能数据运营平台之后，海淀区在数据方面的又一新举措。
4.产业共性技术平台
产业共性平台是指在某个特定产业或行业中，多个企业、组织或机构共同合作，基于共享资源和标准化技术，建设的一个统一的平台。
产业共性平台不仅能够提高产业效率，还能够帮助不同规模的企业，尤其是中小企业，降低市场准入门槛，实现跨行业、跨地域的协作，从而推动整个产业的转型和升级。
我们了解到，海淀区要支持建设国家级人工智能芯片评测平台、大模型评测平台、软硬件适配验证平台、标准公共服务平台、安全伦理平台等。
对芯片、大模型等进行评测，其实是一种“以评促用”策略。这样可以总结出适合场景的“芯片+软件”最佳组合，既能提高企业开发人工智能的效率，也能让企业算清楚芯片的投入价值，了解大模型的实际能力，避免人工智能的安全伦理风险。
除了这些官方平台之外，专业化开源社区的发展也在《措施》的鼓励范围内。
始智AI wisemodel创始人兼CEO、清华校友总会AI大数据专委会副秘书长刘道全就在做AI大模型开源社区，目标是要打造“中国版Hugging Face”。
他曾告诉我们，要解决大模型落地的“最后一公里”问题，有两条路可走：一条是针对具体问题做单点的工具；另一条是做平台，将算力、模型、数据集、工具链等资源集合在平台上，让每一个问题都能找到最合适的解决方案。
DeepSeek让全世界都看到了开源的力量，但不容忽视的是，大量AI大模型的开源项目来自于清华、北大等高校，这些共同组成了繁荣的开源生态。
拥有全国最丰富高校资源的海淀自然要提供更好的土壤，为更多的开源社区、项目提供支持。
5.应用场景与应用生态
这次海淀的《措施》还涉及了人工智能的应用场景与应用生态。
如果说2024年的关键词是“AI应用落地”，那么2025年将是“AI应用爆发”。
去年底，清华大学人工智能研究院副院长、生数科技创始人朱军告诉我们：“AI应用面临的问题不在于市场缺乏需求或者产品本身，问题还是在底层技术。”
促进AI应用，不能只关注AI应用本身，很多地区的产业政策存在“头疼医头，脚疼医脚”的问题。
海淀的《措施》就注意到了这个问题，在与应用相关的政策中，就有鼓励企业、科研院所等牵头建设大模型行业实验室的内容，大模型行业实验室建设运营方也有机会获得资金支持。此外，鼓励各类创新场景在人工智能创新街区落地示范、鼓励人工智能软硬件产品消费与应用、发放模型券等也出现在了《措施》中。
甲子光年智库曾对C端用户不同场景的AI产品做过调研分析，基于NPS值和满意度绘制了“甲子星空坐标系”，对生成式AI在C端应用场景的商业潜力进行评估。
从现阶段的场景分布来看，大部分场景仍然处于用户既不满意又不推荐的状态。说明C端适合商业化落地的场景仍然较少，需要从供需两端进行深度的挖掘与探索。
6.产业政策的意义
除了本文分析的内容，这次海淀的《措施》还在人才、孵化、金融、合作等方面推出了新的政策。
当然，这些《措施》的实际效果还有待观察，但就从《措施》本身来说，展现了极强的专业性和满满的诚意。
可能也会有人提出疑问，产业政策对于人工智能产业真的有那么重要吗？
其实，关于产业政策的讨论从来没有停止过。
2016年11月9日，北京大学朗润园万众楼中，北京大学国家发展研究院教授林毅夫和张维迎进行了一场备受瞩目的辩论。这场辩论在中国经济学界引起的震动，至今仍未平复。
他们辩论的内容是：中国是否需要产业政策？
张维迎认为，由于人类认知的局限和激励机制的扭曲，产业政策注定会失败。
“事实上，产业政策只会阻碍创新。新过程充满了一系列的不确定性，创新没有统计规律可循。如果能提前预测创新，那它就不是创新了！”张维迎说。
而林毅夫认为，希望人们不要误解他，他一说政府政策的重要，就有人认为他说市场不重要，实际上，一个是有效的市场，一个是有为的政府。
林毅夫说：“我郑重地说，既要有市场，也要有政府。只是强调市场建设的那些政策建议是不充分的。为什么不充分？因为你要技术创新、产业升级，必须有第一个吃螃蟹的企业家。第一个吃螃蟹的企业家他是不是能够成功，除了决定他的企业家精神跟传统之外，还决定于这个产业所应该有的相应的软硬基础设施是不是完善。比如说像金融方面的改革或者基础设施的完善上面，一般的企业家也不能做或者不愿意做，所以这种状况之下，还要政府发挥因势利导的作用，来解决这些软硬基础设施完善的协调和供给的问题。”
这场发生在海淀的讨论放到今天依然不过时。
一个产业的强大，靠什么？除了某个人、某家企业、某项政策，其真正依靠的，是政府、企业、高校、科研机构等角色各司其职，创新链条环环相扣。
DeepSeek的成功有着必然性和偶然性，而这次海淀释放出来的信号是，产业政策是必然性与偶然性的“催化剂”：既要让产业政策产生必然性影响，也要让产业政策为偶然性创造条件。
从必然性层面来说，产业政策通过资源倾斜、生态构建和需求引导，为科技公司铺设可预测的成功路径；
从偶然性层面来说，产业政策通过开放包容的试错机制、动态调整能力，将外部不确定性转化为创新机遇。
「甲子光年」认为，产业政策需在“精准规划”与“灵活容错”间平衡——过度干预可能扼杀偶然创新，放任自流则难以形成产业高地。
这次海淀区的《措施》是一个很值得借鉴和分析的产业政策案例。
优秀的产业政策应像“加速器”而非“路线图”，既通过必然性支持降低基础风险，又通过偶然性管理释放创新活力，最终实现科技成功的“必然性大于偶然性”。
其实，DeepSeek爆火后，一些中小AI企业跟我们反映，之前的某些创业方向不再有效，从而陷入迷茫，他们也希望找到下一步的发展方向。
这时候，产业政策的效应就会显现。
反思固然重要，但更重要的是，通过反思知道下一步产业发展的方向。
（封面图来源：Pixabay @KELLEPICS）
还没有评论，来说两句吧...