国务院第十八次专题学习会上，人工智能技术与产业深度融合被列为重点议题。会议聚焦如何以技术创新破解智能应用中的结构性问题，为经济高质量发展提供新的动力。当前人工智能发展的关键矛盾在于：专业领域的深度能力与通用认知的广度难以兼顾。以蛋白质结构预测系统为代表的早期技术，能够在特定垂直领域达到专家水准，但跨领域迁移能力不足；而近年快速发展的超大规模预训练模型虽覆盖知识面更广，却在医疗诊断、工业仿真等依赖精密推理的场景中暴露出短板。这种“通用与专业”割裂，直接影响人工智能对实体经济的支撑力度与落地深度。上海人工智能实验室研究指出，瓶颈主要来自现有架构难以实现不同认知模式的动态融合。要实现实质性突破，需要同时具备两类能力：一类是基于海量数据形成的快速模式识别（直觉式思考），另一类是围绕具体问题开展逐步的逻辑推演（深度思考）。2024年以来，国际前沿机构通过强化学习提升大模型推理能力的实验进展，继续验证了“通专融合”路线具备可行性。该进展对产业升级具有三上意义：一是制造业有望从局部自动化迈向全流程的自主决策；二是科研创新可借助智能辅助缩短研发周期；三是公共服务可依托自适应学习系统提升服务的精准度与匹配度。据悉，我国已多个重点行业启动“人工智能+”应用试点，首批成果预计将在智能制造、新药研发等领域形成示范。面对全球技术竞争的新变化，专家建议从三上加快推进：一是加快构建支撑混合认知的底层算法框架，重点突破跨模态知识迁移等关键技术；二是完善产学研协同的开放式创新平台，推动基础研究与应用场景相互促进；三是健全人工智能伦理治理体系，推动技术发展与社会价值相协调。根据科技部专项规划，到2026年我国将在自主可控的通用智能关键技术上取得阶段性进展。
人工智能的下一步，不是单纯追求更“通用”或更“专业”，而是实现两者的有效融合；通专融合既是理论探索的重要方向，也是产业落地的现实需求。随着新一代模型不断出现、技术路径持续验证，我国有望在新阶段把握窗口期，推动人工智能更好服务经济社会发展，带动各行业加快转型升级。