据新华社消息，中央经济工作会议12月11日至12日在北京举行。会议全面总结2023年经济工作，深刻分析当前经济形势，系统部署2024年经济工作。
与去年中央经济工作会议相比，此次会议将“以科技创新引领现代化产业体系建设”放在明年经济工作的首位，扩大内需则退居次席。
会议明确，要以科技创新推动产业创新，特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能，发展新质生产力。要大力推进新型工业化，发展数字经济，加快推动人工智能发展。打造生物制造、商业航天、低空经济等若干战略性新兴产业，开辟量子、生命科学等未来产业新赛道，广泛应用数智技术、绿色技术，加快传统产业转型升级。
明年中国经济怎么干？看要点梳理→
2024年重点工作
1、大力推进新型工业化，发展数字经济，加快推动人工智能发展。
2、打造生物制造、商业航天、低空经济等若干战略性新兴产业，开辟量子、生命科学等未来产业新赛道，广泛应用数智技术、绿色技术，加快传统产业转型升级。
3、加强应用基础研究和前沿研究，强化企业科技创新主体地位。
4、大力发展数字消费、绿色消费、健康消费，积极培育智能家居、文娱旅游、体育赛事、国货“潮品”等新的消费增长点。
5、稳定和扩大传统消费，提振新能源汽车、电子产品等大宗消费。
6、发挥好政府投资的带动放大效应，重点支持关键核心技术攻关、新型基础设施、节能减排降碳，培育发展新动能。
7、促进民营企业发展壮大，在市场准入、要素获取、公平执法、权益保护等方面落实一批举措。
8、加快全国统一大市场建设，着力破除各种形式的地方保护和市场分割。
9、谋划新一轮财税体制改革，落实金融体制改革。
10、加快培育外贸新动能，巩固外贸外资基本盘，拓展中间品贸易、服务贸易、数字贸易、跨境电商出口。
11、抓好支持高质量共建“一带一路”八项行动的落实落地，统筹推进重大标志性工程和“小而美”民生项目。
12、统筹化解房地产、地方债务、中小金融机构等风险，严厉打击非法金融活动，坚决守住不发生系统性风险的底线。
13、积极稳妥化解房地产风险，一视同仁满足不同所有制房地产企业的合理融资需求，促进房地产市场平稳健康发展。
14、加快推进保障性住房建设、“平急两用”公共基础设施建设、城中村改造等“三大工程”。
15、集中力量抓好办成一批群众可感可及的实事，建设宜居宜业和美乡村。
16、毫不放松抓好粮食等重要农产品稳定安全供给，探索建立粮食产销区省际横向利益补偿机制，改革完善耕地占补平衡制度，提高高标准农田建设投入标准。
17、推动以县城为重要载体的新型城镇化建设，形成城乡融合发展新格局。
18、实施城市更新行动，打造宜居、韧性、智慧城市。
19、积极稳妥推进碳达峰碳中和，加快打造绿色低碳供应链。
20、加快建设新型能源体系，加强资源节约集约循环高效利用，提高能源资源安全保障能力。
21、更加突出就业优先导向，确保重点群体就业稳定。
22、加快完善生育支持政策体系，发展银发经济，推动人口高质量发展。
专家解读：以科技创新引领现代化产业体系建设
沙利文发布的《2023年中国AI技术变革行业发展白皮书》显示，2022年，中国人工智能行业市场规模达3，716亿元，占全球人工智能市场份额约20％，呈现蓬勃增长态势。
“中央经济工作会把科技创新引领现代化产业体系建设作为明年的首要任务进行部署，凸显了实施创新驱动发展战略、转变经济发展方式、增强经济内生动力的紧迫性和必要性。”中国电子信息产业发展研究院规划研究所所长程楠表示，其中，新质生产力代表着更高的全要素生产率水平。下一步，要抢抓新一轮科技革命和产业变革的重大契机，利用大数据、云计算、人工智能等新一代信息技术赋能新型工业化发展，培育壮大一批综合效益好、成长潜力大的新兴产业，创新发展一批适应数字经济时代特征的新业态新模式，成为引领经济高质量发展的新动力新引擎。
北京交通大学中国高端制造业研究中心执行主任朱明皓认为，现代产业体系是推进新型工业化的重要载体，关键之一是全面推动传统产业数字化转型升级，要加强新一代信息技术、先进制造技术、现代管理技术的深度融合，围绕产业链部署创新链、围绕创新链布局产业链，实现现代产业体系的高质量建设。同时，要注重战略性新兴产业和未来产业培育，培育人形机器人、量子信息、人工智能等领域的链主企业和关键配套企业。
中国社会科学院工业经济研究所研究员张世贤认为，会议提出以颠覆性技术和前沿技术催生新产业、新模式、新动能，发展新质生产力，相关部署为国家的产业转型升级和高质量发展指明了方向。此外，会议还强调了强化企业科技创新主体地位，将有助于推动科技创新更好地服务于经济发展。
中央财经大学经济学院教授高伟认为，下一步需要推动颠覆性技术创新，保持经济发展的持续动力。在扶持科技创新方面，建议大力鼓励私募和科创创始资金发展，为科创工作发展提供更充足的初始动力。
中共中央政治局会议：重视通用人工智能发展
此前4月28日，中共中央政治局召开会议，分析研究当前经济形势和经济工作。会议提出要重视通用人工智能发展，营造创新生态，重视防范风险。
从我国的研发布局和进展来看，科技部高新技术司司长陈家昌在今年2月“权威部门话开局”系列主题新闻发布会上总结道，中国政府非常重视人工智能，2017年国务院制定了《新一代人工智能发展规划》，科技部成立了人工智能规划推进办公室、战略咨询委员会和人工智能治理专业委员会，这两年也制定了《新一代人工智能治理原则》和《伦理规范》，启动了人工智能重大科技项目，确定了以“基础软硬件”为主体，“基础理论”和“创新应用”为两翼的“一体两翼”研发布局，同时依托龙头企业，建立了一些人工智能开放创新平台，一方面带动中小企业发展，另一方面提升整个行业的技术进步速度。
值得关注的是，在人工智能营造创新生态方面，业界也有诸多讨论，认为国内AI行业更需要生态建设，而不是重复发明“轮子”。
去年，科技部等六部门共同印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》，指出我国人工智能的发展仍存在对场景创新认识不到位，重大场景系统设计不足，场景机会开放程度不够，场景创新生态不完善等问题。在开放融合方面，该文件提出要推动各类创新主体开放场景机会，围绕场景创新加快资本、人才、技术、数据、算力等要素汇聚，促进人工智能创新链、产业链深度融合。在发展目标方面，要求场景创新合作生态初步形成，初步形成政府、产业界、科技界协同合作的人工智能场景创新体系，场景创新主体合作更加紧密、创新能力显著提升。
人工智能产业发展十大趋势
毕马威发布的《人工智能全域变革图景展望：跃迁点来临（2023）》立足全球及中国的人工智能产业现状，结合市场观察提出人工智能产业未来发展的十大趋势。
技术变革
ChatGPT引发的大模型创新热浪仍在涌动，有可能演变成一场比工业革命、信息革命更为深刻的人工智能革命。这一时代背景下，无论是推动大模型从单模态发展到多模态，还是倡导高质量数据和计算新范式，实际都在强调人工智能技术变革的本质——算法、数据、算力三大基础要素的精巧配合和相互促进。
趋势一：多模态预训练大模型是人工智能产业的标配
在算法方面，预训练大模型发展起源于自然语言处理（NLP）领域，当前已进入“百模大战”阶段，预计随着大模型创新从单模态转向多模态，多模态预训练大模型将逐渐成为人工智能产业的标配。目前，国内大模型虽在市场影响力方面稍逊色于GPT系列模型、PaLM－E等，但在中文语料训练、中国文化理解方面具备本土优势。此外，国内制造业等实体产业为大模型提供了丰富的训练数据和应用场景。未来，在大模型面向产业赋能方面，中国大模型极有可能后发先至，也会是国内大模型竞争的关键因素之一。
趋势二：高质量数据愈发稀缺将倒逼数据智能飞跃
数据方面，大模型的训练需要大量的高质量数据，但是目前在数据质量方面还存在一定的问题，包括数据噪声、数据缺失、数据不平衡等问题。这会影响大模型的训练效果和准确性。根据一项来自Epoch Al Research团队的研究，高质量的语言数据存量将在2026年耗尽，低质量的语言数据和图像数据的存量则分别在2030年至2050年、2030年至2060年枯竭。这意味着，如果没有新增数据源或是数据利用效率未能显著提升，那么2030年以后，AI大模型的发展速度将明显放缓。
趋势三：智能算力无处不在的计算新范式加速实现
算力方面，新硬件、新架构竞相涌现，现有芯片、操作系统、应用软件等都可能被推翻重来，预计有望实现“万物皆数据”“无数不计算”“无算不智能”，即智能算力将无处不在，呈现“多元异构、软硬件协同、绿色集约、云边端一体化”四大特征。
应用创新
全球人工智能角逐的制胜点除芯片、数据等核心领域外，场景应用创新也极其重要，一方面，场景应用中出现的短板和不足，能为技术突破提供切入点，另一方面，场景应用能否获得商业成功决定了产业化能否顺利推进。大模型技术将重塑生产消费的基本形态，以AIGC、AI4S、AGI为代表的应用场景中有望出现大量范式转换机会。
趋势四：人工智能生成内容应用向全场景渗透
在AIGC（Artificial Intelligence Generated Content，人工智能生成内容）应用方面，其发展源头在数字内容创作领域，从单模态内容到多模态数字化内容创建已初显雏形，预计未来会进一步提高人类创造内容的效率，丰富数字内容生态，开启人机协同创作时代，各种需要创意和新内容的场景，都可能被AIGC重新定义，AIGC向全场景渗透指日可待。
趋势五：人工智能驱动科学研究从单点突破加速迈向平台化
AI4S（AI for Science，人工智能驱动的科学研究）应用方面，有望从单点突破加速迈向平台化。在“单点突破”阶段，AI4S发展由科研学者主导，数据、模型、算法及方法论的原创性是市场关注重点，AI4S在特定任务或场景中的“单点应用”初步证明了对应解决方案的落地价值。
趋势六：具身智能、脑机接口等开启通用人工智能应用探索
AGI（General Artificial Intelligence，通用人工智能）应用方面，其技术原理强调两大特性：一是需要基于先进算法实现智能处理和决策，包括深度学习、强化学习、进化计算等；二是需要具备和人类大脑相似的认知架构，包括感知、记忆、分析、思考、决策、创造等模块。
安全治理
当前在人工智能领域无论是技术创新还是应用创新都堪称“万类霜天竞自由”，但自由是有限度的，日益复杂的算法规则和黑箱机制正在引发算法歧视、隐私泄露、虚假信息泛滥等科技伦理问题，加强安全治理刻不容缓，已经成为各方最大的共识。
趋势七：人工智能安全治理趋严、趋紧、趋难
人工智能安全治理呈现出趋严、趋紧、趋难三大特征，主要包括“黑箱”困境等技术安全挑战，虚假信息、偏见歧视乃至意识渗透等应用安全挑战，数据泄漏、篡改和真实性难验证等数据安全隐患，此背景下，中美欧三国作为人工智能发展的领军国和地区正积极开展相关立法，呈现出政策法规先行、监管趋严等特征。
趋势八：可解释AI、伦理安全、隐私保护等催生技术创新机遇
人工智能在发展过程中面临的技术伦理与社会伦理风险表明，人工智能安全、可信的发展之路任重道远，在解决AI风险的过程中催生出可解释AI、联邦学习等技术创新机遇。其中，联邦学习正成为新型的“技术基础设施”，有望成为下一代人工智能协同算法，隐私计算和协作网络的基础，使数据在合法合规、安全高效的基础上，实现数据价值流动。
生态协同
人工智能产业生态协同主要体现在三方面，一是人工智能技术自身进步带来的数据、算力、算法协同，二是人工智能与传统产业等实体经济的协同；三是人工智能领域各参与主体之间相互协同。
趋势九：开源创新将是AGI生态建设的基石
开源的自由度越高，越有利于吸引更多开发者参与到生态建设中。AGI强调人工智能的通用性，意味着其生态需满足大量细分场景和长尾需求，这种情况下，生态系统越是繁荣开放，越能穷尽可能地覆盖所有专用化、场景化乃至碎片化的需求，保证AGI生态的丰富性和完整性。进一步地，开发者越多，意味着底层模型和上层应用等的迭代速度也会越快。但是，开源也存在一定风险，对于产业生态中的主体企业来说，选择开源某种程度上就意味着公开商业机密，不利于其构建竞争壁垒。此外，开源模式还可能会引发专利侵权风险，对开源的知识产权管理规则和流程规范建立提出了挑战。
趋势十：模型即服务（MaaS）将是AGI生态构建的核心
商业模式关乎整体生态能否实现从价值创造到价值实现的完整闭环，目前AGI生态的商业模式主要以AIGC相关的商业模式为代表，主要体现为MaaS（Model as a Service，模型即服务）模式。该模式核心价值可归纳为：降低算法需求侧的开发技术和使用成本门槛，使AI模型和应用成为简单易用、触手可得的工具。
