摘  要  当前，人工智能正迈入产业应用爆发的关键阶段，单纯的技术突破已难以独自支撑产业的规模化与高质量发展，以具体场景需求为牵引的“场景驱动”模式，正日益成为推动人工智能产业创新的核心引擎。浙江遵循场景驱动人工智能产业创新发展的内在逻辑，通过政策引导、生态构建等举措，推进人工智能产业创新发展取得显著成效。面对诸多现实挑战，浙江应加快构建“场景—技术—产业”循环互促的创新体系，推动人工智能产业高质量发展。

关键词  场景驱动；人工智能；产业创新；浙江

党的十八大以来，习近平总书记围绕人工智能发展提出了一系列重要论述，为推进我国科技自立自强与人工智能产业健康发展指明了方向。2025年4月，习近平总书记在主持中共中央政治局第二十次集体学习时强调，要“充分发挥新型举国体制优势，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展”，凸显了以现实需求牵引技术发展的战略思路。党的二十届四中全会将培育壮大新兴产业与未来产业确立为构建现代化产业体系的战略重点。其中人工智能作为核心引擎和关键组成部分，对推动我国现代化产业体系的构建至关重要。[1]

当前，人工智能产业发展的核心矛盾已从“如何实现技术功能”转向“如何创造实际价值”，如何将技术优势有效转化为产业竞争优势和经济价值，是当前学界与业界共同关注的核心议题。在此背景下，“场景驱动”创新范式应运而生。它强调以真实、具体的应用场景中的痛点和需求为出发点，反向牵引技术研发、产品迭代和模式创新，从而实现技术创新与产业价值的精准对接与循环增值。[2]系统剖析场景驱动人工智能产业创新发展的内在逻辑和面临的现实困境，探讨有效应对这些困境的实践路径，不仅有助于深化对人工智能产业创新发展新范式的规律性认识，也可以为推动人工智能产业健康有序发展提供理论依据与决策参考。

一、场景驱动人工智能产业创新发展的理论逻辑

在人工智能产业创新进程中，场景并非被动承接技术应用的载体，而是驱动人工智能产业创新的核心能动引擎。其内在逻辑遵循“需求牵引—技术适配—数据赋能—生态协同—价值实现”的递进演化路径，形成自我强化、持续迭代的创新系统。

（一）需求牵引构成场景驱动人工智能产业创新发展的逻辑起点

场景能够精准界定特定环境下的用户痛点、任务目标与资源约束，并通过系统拆解人工智能产业痛点、明确应用边界，将模糊且真实的市场需求转化为可落地的技术研发靶点，为人工智能创新提供明确方向与价值尺度。[3]具体而言，场景通过双重机制发挥作用。其一，边界界定机制。例如，“港口集装箱无人驾驶运输”场景，通过设定作业环境、效能目标与系统兼容性等硬性参数，为技术研发划定明确边界，推动其从发散探索转向定向集中攻关。其二，价值度量机制。通过将抽象的模型价值等指标转化为具体的产能提升率、成本降低额等商业价值参数，引导研发资源投向最能创造客户价值的技术维度，从而实现创新方向的“市场纠偏”。[4]

（二）技术适配与数据赋能形成场景驱动人工智能产业创新发展的核心引擎

在技术适配维度，场景为抽象算法提供了具身的“训练场”与“试金石”，促使通用技术栈必须根据具体行业的任务特性、环境约束与性能指标进行精准调优与架构重构。例如，工业视觉检测系统在产线中必须持续适配新的缺陷类型、光照变化与机械振动等，其算法模型因此从静态的预设模型，演进为具备在线学习能力的自适应系统，从而持续提升识别精度与泛化能力。在数据赋能维度，场景则是高质量、多元化特色数据的“源泉”与“熔炉”。通过持续生成、采集与沉淀场景特有的业务数据，为模型迭代提供不可或缺的燃料。[5]例如，智能客服系统通过持续学习不同用户的对话场景，实现服务响应精度的渐进提升。在产业需求的有力牵引下，技术方案在真实场景中持续进行动态调试，形成“数据采集—模型优化—效能提升”的闭环反馈回路。这种基于场景反馈的快速迭代，不仅带来技术性能的指数级提升，更构筑起产业层面难以被简单模仿的动态核心竞争力。[6]

（三）生态协同成为场景驱动人工智能产业创新发展的关键支撑

生态协同通过构建多主体参与、资源高效配置的创新网络，实现了知识、技术与数据要素的有机整合。在模块化分工架构下，领军企业依托其技术积累与资源禀赋，构建开放共享的基础平台与技术中台；而中小型科技企业则凭借其场景洞察能力与快速响应优势，专注于垂直领域的应用创新与解决方案集成。这种专业化分工与互补性协作显著提升了创新体系的整体效能，降低了技术商业化应用的门槛与成本。更为重要的是，生态协同促进了跨场景知识的流动与整合，使得在某一场景中验证有效的技术方案能够快速迁移至相关场景，形成“一点突破、多点开花”的技术扩散效应。[7]同时，不同场景间的数据要素在合规框架下实现有序流通与价值叠加，进一步丰富了训练样本的多样性，提升了算法模型的泛化能力与鲁棒性。由此可见，生态协同拓展了人工智能技术应用的广度与深度，为人工智能产业实现可持续发展注入了强劲动力。[8]

二、浙江场景驱动人工智能产业创新发展的实践成效

浙江坚持以场景为关键抓手，通过政策引导、生态构建等举措，系统推进人工智能产业创新发展。实践成效具体体现在以下三个方面。

（一）全方位构建场景创新制度保障体系

浙江省委、省政府高度重视人工智能产业创新发展，先后出台《浙江省“人工智能+”行动计划（2025—2027年）》《关于全面推进科技创新和产业创新深度融合的实施意见》《关于支持人工智能创新发展的若干措施》等系列文件，明确将场景作为推动人工智能产业发展的关键引擎，系统布局人工智能领域场景建设与高价值应用场景培育。一是主动开放各类场景资源。浙江聚焦智慧城市、政务服务等关键领域，创新运用“揭榜挂帅”、场景招标等机制，将政府与国企的刚性需求向社会公开发布。其中首批26个国企“人工智能+”场景清单的发布是标志性举措，覆盖制造、交通、金融等八大领域，为AI技术提供了规模化“试验场”。二是建立标准与规范。浙江积极探索建立数据开放、隐私保护、算法伦理等方面的地方法规与标准体系，为场景创新营造安全、可信、有序的制度环境。三是强化要素支撑。浙江通过设立产业基金、引导社会资本、建设算力基础设施、引进培育专业人才等举措，为场景驱动人工智能产业创新发展提供全方位的要素支撑。

（二）高水平打造全域应用场景示范生态

浙江以构建全域联动、层次分明的场景体系为核心，系统推进人工智能应用生态建设。在省级层面，2024—2025年，确定100个人工智能应用场景，覆盖工业质检、智慧医疗、智慧餐饮等关键领域，其中杭州老板电器“食神”大模型、宁波石化行业智能决策系统等成为行业标杆。在城市层面，以杭州为例，依托国家人工智能创新应用先导区，杭州围绕城市治理、民生服务等领域，集中部署和展示了无人驾驶微公交、AI诊疗平台、城市大脑等一批标杆性应用场景，培育出“警小爱”“杭好梦”等特色智能体，深度赋能城市治理与民生服务。目前，全省逐步形成以杭州、宁波为双核引领，多地协同发展、资源高效配置的全域示范生态，产业集聚与辐射效应持续增强。

（三）高质量提升产业创新能级

基于系统布局与实践，浙江人工智能产业的创新动能持续迸发，整体能级实现显著跃升。2025年前9个月，全省人工智能核心产业营业收入达4944亿元，同比增长22％，算力总规模超150EFLOPS，居全国前列。在自主创新与关键技术方面，DeepSeek、阿里云Qwen等大模型进入全球前十，“三体计算星座”实现太空智能计算突破。在产业生态方面，培育形成龙头企业引领、专精特新企业协同的集群，仅宁波就聚集了220家人形机器人核心零部件企业。此外，全省统一的公共数据开放平台已开放数据项超4.2万个，签署场景授权协议118个，其中70个场景已上线运行，场景创新的赋能效应与乘数效应不断释放。

三、浙江场景驱动人工智能产业创新发展的现实挑战

浙江作为全国数字经济标杆省份，兼具制造业集群与数字技术双重优势，场景资源丰富。然而，在场景驱动人工智能产业创新发展这一关键赛道上，浙江仍面临需求对接错位、供给失衡、基础支撑薄弱、生态不完善等诸多挑战。

（一）场景需求认知不足与对接错位

一是企业认知滞后，陷入“找不到”与“不会找”场景困境。传统企业尤其是中小企业，对AI技术的理解多停留在概念层面，对其能力边界、适用场景及价值转化路径缺乏系统认知，导致其不仅难以将AI与业务流程有效融合，无法识别如生产流程优化、质量检测、设备预测性维护等潜在高价值场景，还面临难以将具体业务痛点精准转化为可执行技术需求困境。二是供需对接不畅，陷入“听不懂”与“说不明”困境。人工智能企业与应用场景提供方之间的需求对接机制不够完善。一方面，技术供应商往往从技术角度出发，开发出通用化的解决方案，而这些方案在实际应用场景中可能无法满足企业的个性化需求。另一方面，应用场景提供方对人工智能技术的功能和限制了解不足，提出的需求过于模糊或不切实际，导致供需双方难以达成有效合作。

（二）场景供给不足与结构失衡

一是高质量场景开放不足，民营企业参与壁垒高。当前，公共领域及制造业核心场景开放程度与政策导向存在显著落差。重大场景多掌握在政府部门、大型基建国企、制造业链主企业中，民营企业被“玻璃门”挡在门外。以智能交通系统建设为例，需求方多选择长期合作的大型企业或科研单位，据浙江省交通厅统计，2023年，在全省智能交通项目中，超过70％的项目由传统交通基建企业中标，民营企业中标率不足三成。二是场景供给“孤岛化、碎片化”。尽管目前场景覆盖领域较广，但多为企业“单点式”应用，场景之间的关联性不强，未能围绕浙江的优势产业链形成“链式”场景集群，限制了人工智能对浙江核心产业的赋能深度和广度。三是场景动态更新与退出机制缺位。缺乏对已开放场景技术先进性、赋能成效等方面的持续评估和动态更新机制，部分场景技术滞后，挤占资源，未能形成“优胜劣汰”的良性循环。

（三）基础支撑层面临算力与数据瓶颈

一是算力资源分布失衡问题突出。工业AI对实时计算和边缘算力需求迫切，当前浙江东部地区算力占比超60％，而某些制造业重镇算力供给缺口日益显著。在算力结构上，市场急需的智能算力供给存在不足。二是数据要素流通面临多重阻碍。一方面，不同行业、不同企业之间的数据格式和标准不统一，数据难以互联互通。例如，浙江省政协第433号提案指出，因医疗等领域缺乏统一数据标准，医疗人工智能产品难以规模化应用。另一方面，工业数据分散在产业链各环节，涉及商业机密和隐私保护，企业在数据共享过程中存在法律风险顾虑。目前，合成生物、人形机器人等未来产业的高质量数据集建设滞后，导致AI模型训练“燃料”不足。

（四）场景驱动的创新生态有待完善

一是跨企业协同机制不畅。人工智能企业与传统产业企业之间的合作缺乏有效的组织和协调机制，导致合作效率低下。例如，在智能制造场景中，人工智能企业与制造业企业的合作往往需要经过多轮沟通和协调才能达成合作意向，而合作过程中又可能因双方利益诉求不一致而出现矛盾和问题。浙江省智能制造协会调研数据显示，在全省智能制造项目中，超过50％的项目因合作机制不完善导致项目进度延误。二是资源配置失衡。一方面，政府“锦标赛式”补贴在一定程度上扭曲资金流向，导致大量资金流向“可展示、难落地”的演示性项目，挤占真实场景需求资金。另一方面，能源、交通等核心场景对民营企业设置多重资质门槛，人为收窄技术落地通道。三是复合型人才供给断层。高校培养体系与产业需求存在脱节，重算法理论、轻场景工程化能力，导致既懂垂直领域又精通AI技术的复合型人才严重短缺，阻碍技术深度融入生产流程。

四、浙江场景驱动人工智能产业创新发展的优化路径

面向未来，浙江亟须把握场景驱动创新范式跃迁机遇，加速AI大模型、具身智能等新技术与实体经济深度融合，构建“场景—技术—产业”循环互促的创新体系。

（一）构建场景精准挖掘机制与高效对接平台

一是建立场景挖掘机制。以需求牵引为突破口，建立“场景挖掘—示范验证—规模推广”的机制。组织行业专家、技术供应商和应用场景提供方共同开展场景挖掘工作。通过行业调研、技术研讨、案例分析等方式，深入挖掘浙江各行业的人工智能应用场景。二是完善需求对接平台。搭建场景驱动人工智能产业需求对接平台，为技术供应商和应用场景提供方提供在线交流、项目对接、技术展示等服务。同时，平台可以基于需求匹配算法，根据应用场景的特点和技术供应商的能力，自动匹配推荐合适的合作对象，提高对接效率。三是建立工业AI机会清单。由工业企业发布技术难题，AI企业参与“AI+”示范应用场景模型开发，形成一批行业级解决方案，政府按成果转化效益给予补贴支持。

（二）打造“国家级标杆+特色场景”双轮驱动场景体系

一是实施国家级标杆场景工程。聚焦浙江制造业数字化、智能化核心需求，重点打造一批国家级标杆示范场景，构建全链条示范矩阵，形成可复制、可推广的成熟模式。二是支持各地市结合自身产业禀赋打造垂直特色场景。深化“工业产业大脑+未来工厂”“农业产业大脑+未来农场”建设，通过打造智慧供应链、智慧物流等场景，推动人工智能技术与工业、农业、服务业深度融合发展。重点聚焦医疗、教育等民生相关领域，推进智慧医院、智慧康养建设，发展智能诊疗、疾病风险预测、医用机器人等场景。通过打造虚拟课堂、虚拟仿真实训、智能教育助手等场景，建设智慧教室、智慧图书馆和智慧校园。三是建立场景动态清单。每年更新20％至30％的项目，淘汰技术落后场景。配套建设AI赋能评价体系，从技术成熟度、开放度、赋能成效等维度开展量化评估，引导场景与技术进步同步升级。

（三）建设一体化智能算力中枢与数据枢纽

一是建设全省一体化智能算力中枢。支持万卡级智能算力集群建设，有序推进杭州、宁波、湖州、嘉兴等集群范围内分节点数据中心集群建设。鼓励企业参与智算中心建设与运营，围绕应用场景部署边缘算力。创新采用“算力证券化”模式实现跨区域资源高效调配，积极推行“算力银行”模式，为企业提供闲置算力存储增值服务，提升资源利用效率。二是实施数据要素流通工程。制定统一的数据标准和规范，推动不同行业、不同企业之间的数据互联互通。同时，加强数据隐私保护技术研发，探索数据脱敏、区块链等技术在数据共享中的应用。制定《工业数据共享管理指引》，将数据分为公开、受限、保密三级，推动工艺参数等非涉密数据定向开放。三是加快推进数据信托、数据银行等创新机制试点工作。探索面向具体场景的数据衍生产品和衍生服务交易以及基于AI、区块链等技术的数据确权与收益分配模式，充分激活数据要素市场价值，促进数据资源的优化配置与高效利用。

（四）打造“链主+生态”场景驱动协同创新体系

一是鼓励链主企业向中小企业开放产业场景。建立人工智能应用场景开放制度和激励机制。通过场景示范工程、场景保险补贴等激励方式，引导链主企业向中小企业开放场景，推进中小企业低成本快速部署、全产线应用AI大模型。同时，政府部门和国有企业要强化示范引领，通过开放场景等支持人工智能技术落地。二是建立专项基金支持企业参与场景开发。提供首台套、首批次、首版次成果的场景应用风险补偿，并将首台套、首批次、首版次AI大模型和具身智能机器人场景化验证应用纳入“两重”“两新”和超长期特别国债等专项政策支持。同时，支持AI民营企业进行边缘计算、小样本学习、自适应算法等工业级AI技术研发，提升场景适配性。三是实施“工业AI工程师万人计划”。联合高校、企业共建实训基地，推行“企业导师+高校教授”双导师制，定向培养既懂工业场景又精通AI技术的复合型人才。开展省级层面的场景驱动创新大赛，推动更多专业化机构和人才从事场景挖掘、定价、匹配、投资、运营和生态建设。

参考文献：

[1]陈东,秦子洋.人工智能与包容性增长——来自全球工业机器人使用的证据[J].经济研究,2022,57(04):85-102.

[2]尹西明,苏雅欣,陈劲,等.场景驱动的创新：内涵特征、理论逻辑与实践进路[J].科技进步与对策,2022,39(15):1-10.

[3][7]尹西明,茶洪波.场景驱动科技创新和产业创新深度融合：理论、路径与展望[J].科学观察,2025,20(05):1-11.

[4]李少帅,陈玲.场景驱动大模型产业架构创新的机理及路径研究[J/OL].科学学研究,1-16[2025-11-24].https://doi.org/10.16192/j.cnki.1003-2053.20250325.004.

[5]周毅,白雪瑞.应用场景驱动的数据协同治理机制研究[J].情报理论与实践,2025,48(11):49-56.

[6]刘坤.创新迭代，人工智能活力澎湃[N].光明日报,2025-10-22(001).

[8]郑庆花,肖翠仙.大模型对人工智能产业创新的链式孵化机制——基于双重机器学习的面板数据分析[J].工业技术经济,2025,44(10):32-42.

（作者单位：中共浙江省委党校浙江省“八八战略”创新发展研究院）

【责任编辑：方晓红】