新质生产力是基于新一代信息技术深入发展，实现生产力飞跃的新型生产能力，DeepSeek等国产大模型是人工智能领域阶段性的重要突破，随着两者的持续嵌合与扩散应用，必将通过创新链、产业链等方式加快释放。然而，科技创新领域发展不平衡不充分的问题仍较为严重，在研发投入、产业体系以及科技人才等方面还存在短板。为此，要把握大模型与新质生产力相互赋能的内在机理，以DeepSeek等技术创新成果为支撑，探索更具实效性的创新路径。
（一）加大国产大模型技术的研发投入
习近平总书记指出：“人工智能作为新技术新领域，政策支持很重要。要综合运用知识产权、财政税收、政府采购、设施开放等政策，做好科技金融文章。”大模型技术作为新一代人工智能的通用智能基座，正深度重构技术—经济范式，成为新质生产力持续健康发展的核心使能器。尽管我国在人工智能大模型研发应用方面取得了显著突破，但在基础研究、高端芯片和基础软件等核心技术领域与国际先进水平相比仍存在差距。基于此，需构建多元协同的政策支持体系，以激发技术创新活力，夯实技术生态基础。
一是发挥知识产权政策的激励与保护功能。一方面，应完善适应大模型特点的知识产权制度，加快修订相关法律法规，明确算法、模型及数据的权利归属与保护范围，提升制度对技术创新的适配性；另一方面，应加强高价值专利布局与运营能力建设，通过搭建大模型技术成果转移转化平台，推动知识产权成果转化与产业化应用，构建覆盖研发、转化、应用全链条的知识产权支撑体系，为大模型技术创新提供有力的制度保障。
二是发挥财政税收政策的引导与激励作用。
在芯片制造领域，应聚焦高性能AI芯片设计、EDA工具自主可控、先进制程工艺攻关等关键环节，实施“揭榜挂帅”“以需定供”等机制，加大对核心技术攻关的财政投入与政策支持。在算法研究领域，应通过研发费用加计扣除、人才激励税收优惠等政策，降低企业和科研机构在模型设计、训练与优化等环节的研发成本，提升其创新积极性。
三是发挥政府采购政策的引导与示范功能。
一方面，政府采购应聚焦自主可控的大模型产品与关键技术服务，通过设立大模型采购目录、制定技术性能与安全可控等标准，优先采购符合国家战略安全要求和技术自主能力的大模型系统、通用API接口、语义分析工具等，形成对国产大模型技术发展的正向激励。另一方面，通过“首购+订购”机制，支持初期尚未完全商业化的大模型产品进入实际应用环境，有助于企业在真实场景中优化模型性能、完善模型功能模块并验证模型的安全性与可扩展性。
四是发挥设施开放政策的资源共享作用。通过构建国家级公共算力平台、高质量语料资源库与开放预训练模型体系，实现核心研发设施的共享化、标准化和制度化，支持科研机构、中小企业和初创团队在统一环境下进行模型训练与测试。同时，配套建立资源使用管理机制与成果反馈制度，提升设施使用效率与知识溢出效应，进而加快形成以开放协同为特征的大模型创新生态。
（二）优化国产大模型技术的产业生态
2025年《政府工作报告》将“因地制宜发展新质生产力，加快建设现代化产业体系”作为重点任务之一，强调“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好结合起来。”作为支撑现代化产业体系建设的战略性技术底座，大型模型技术创新供给与产业升级需求呈现出深度适配特征。
其一，鼓励人工智能产业链上下游企业加强合作，打造人工智能产业集群。支持基础层企业与技术层、应用层企业开展技术研发合作，共同推动人工智能技术的创新和应用落地。在垂直分工体系下，基础层企业为技术层和应用层企业提供高性能的芯片和数据服务；技术层企业为应用层企业提供先进的算法和技术解决方案；应用层企业为技术层和基础层企业反馈市场需求和应用场景。通过构建高效的协同创新机制，推动产业链各环节紧密融合，提升产业链的整体竞争力。
其二，加快国产大模型在实体经济领域的开发与部署。一是传统产业是现代化产业体系建设的基底，需要深化大模型与传统产业在生产环节、算力应用、组织模式、创新生态等方面的渗透与应用。二是发挥人工智能技术优势，重构新型工业化的底层逻辑，强化制造业智能升级的核心技术供给，适度超前布局国家算力中心、工业边缘算力中心、大数据平台等支撑大模型技术发展的数字基础设施。
（三）构筑国产大模型技术的人才矩阵
人才是形成新质生产力的重要战略资源。2023年1月，习近平总书记在主持中共中央政治局第二次集体学习时指出，要“坚持创新链、产业链、人才链一体部署，推动深度融合”（简称“三链深度融合”）。“三链深度融合”旨在为新质生产力的培育与涌现构建“你中有我、我中有你”的创新生态。大模型领域的“三链深度融合”，实质就是要确保人才资源在创新链和产业链的链条上及链间实现高效利用。目前，我国人工智能产业链人才缺口超过500 万人[38]，呈现结构性失衡与动态性增长态势。基于此，需着手推动国产大模型“三链深度融合”，以解决产业链人才匮乏的问题。
其一，聚焦大模型创新链产业链关键环节，制定差异化的自主培养与海外引进相结合的策略。一是鼓励高校优化专业结构，强化数学、计算机科学、逻辑学、认知科学等基础学科体系的建设，着力培养兼具深厚理论素养与原始创新能力的复合型人才梯队。二是通过组织实施国家级重大科技专项、搭建具有国际影响力的科研创新平台等举措，有效汇聚全球顶尖科研力量和高层次创新群体。三是聚焦大模型技术栈对人才能力的特殊要求，应着力培养既掌握动态路由算法原理，又熟悉国产芯片架构特性的交叉型高端人才。
其二，围绕人工智能产业链建立健全全学段的教育机制。建立涵盖基础教育、高等教育和职业教育的全学段人才培养生态系统。基础教育阶段需将人工智能通识内容融入课程体系，着重培育学生的科学认知与创新能力；高等教育阶段需强化人工智能学科群建设，促进跨学科知识融合；职业教育阶段需紧密对接产业技术要求，培养适应产业发展的应用型人才。
其三，遵循长期主义的资源投入机制，持之以恒推进人工智能人才队伍建设。围绕国家层面人工智能人才发展战略规划，建立政府引导、多元参与的投入体系，通过税收优惠、专项补贴等政策工具，激励企业加大人才培训投入；设立人工智能人才发展基金，重点支持青年人才成长和战略科学家引进；探索耐心资本培育模式，引导社会资本投向周期长、风险高但具有战略价值的基础研究和人才培养项目。(作者：刘伟)
