微观解读《国务院关于深入实施“人工智能+”行动的意见》
叶小钗约 7 分钟手里有些AI岗位；想找工作的同学可联系，急缺高级产品经理
关注公众号，回复1，与我交个朋友吧
2025年8月26日，国务院印发《关于深入实施“人工智能+”行动的意见》，在这份意见中，规划了AI 10年的发展蓝图。
简单来说就是All In AI，AI将渗透各行各业，具体来说是三个战略目标，也是三个时间点：
2027年AI普及率超70% ，这是第一个三年计划。用人话来说就是可以用AI重塑的东西，最近三年要重塑70%。
2030年AI普及率超过90% ，这是第二个三年计划，也就是距今六年后的世界，智能经济成为我国经济发展的重要增长极。对于这个时间规划，我是很认可的。
2035年全面进入AI时代 ，这是最后一轮计划，因为是远期，已经看得不太清楚了。
怎么说呢，AI这个事情本来就很火也具有必然性，只不过这次意见又加了一把火，增加了社会各层的信心，并且指明了一些不错的发展方向。
其中一些普通人接触不到的领域我这里就不多说，这里尽量挑一些大家能看得懂、摸得着的部分：
“人工智能+”产业发展：这条意见的意义在于，鼓励各个行业，特别是传统行业发展AI，比如农业、制造业等。
在这个政策下，很多思维偏传统的老板们也不得不更加重视AI，因为他们可能对AI没兴趣，但对红头文件却非常感兴趣！
“人工智能+”消费提质：这条意见的意义在于，国家对于AI的一些政策、态度会从放宽变成鼓励，比如AI电影、AI恋爱（机器人）、AI养老、AI保姆等稀奇古怪的产品会陆续出来，并且拥有一定市场。
“人工智能+”民生福祉：这条意见对于在座牛马尤其重要，一方面AI一定会替代一些人，另一方面从顶层设计上就要产生更多人机协同的岗位，只不过初期这个不好想、也想不到。
但是对各个人群的AI技能要求却提高了！AI+教育尤其是AI领域的知识教育，随便什么形式，都会变成重头戏。
作为曾经的医疗AI创业者，这里要特别提一嘴：推动AI辅助诊疗、健康管理这句话，很大概率AI辅助医生、AI部分替代医生的事情会发生，并且线上不允许首诊这个策略可能很快会放开。
技术与资源支撑：这一块一般人接触不了，但如果手中掌握大量数据的人，可能需要好好利用。
......
意见还有很多，只不过一般人能涉及、能做的大概上面这些，说白了还是AI应用及其配套！
总而言之还是一句话：AI开始了，说完规划，我们这里开始回归现实：
2025元年受挫
2025被称为AI应用元年，只不过暂时很多应用还在路上，开发进度很慢，核心原因无非三点：
受限于资金； 受限于数据； 受限于人才（技术路径）；
我这边去年在做AI + 管理的创业，接触的公司要多一些，从有限的30家公司的认知来说，可以得出一个乐观的结论：整体企业当前是有意识投入AI。
只不过乐观的预期下是悲观的现状：各个企业非常慎重，因为AI试错成本太高，这里导致的实际结果就是：30个公司，AI投入超500万的只有2家，多数公司是花个100万左右试试水！
其次，政府规划是向好的，但实际执行下来，我们这批AI创业者又很难，几个例子：
AI的体验模式一定会涉及聊天，甚至是大量聊天，当前无论是小程序还是APP对此的审核都非常严格，一个算法备案没2万搞不下来，如果需要电信资质走流程3个月起...
这里还有很多其他困难，搞下来就是一笔经济账了：没个100万不要做AI创业，100万连我这种AI老油条都最多一年就要花完，其他人只会成倍增长。
另一方面，AI创业作为政府支持的项目，我去年11月想去找个免费的办公地点，实际的结果是各种排队，最后自己每个月还得花5000租金...
所以，暂时环境上来说：是不太支持普通人AI创业的，要注意的是我这里不是吐槽，或者也有可能政府是对这批人的保护？
只不过，现在实际情况就是2025 AI应用元年并不顺利，也希望有更多利好AI创业者的政策出现，至少让我们在办公地点、资质一块有些走展空间。
而当大的资金与准入问题解决后，接下来行业又会面临优质数据荒与人才难寻的问题。
优质数据难以整理的问题在过去两年一直存在，各个行业也正在解决，我们这里重点说下AI应用人才问题。
AI应用人才
当前AI应用可以分为三类：
首先是工作流类AI，主打一个降本增效，各个公司顺手就做的事情，属于典型的行业 + AI应用，走的是数字化转型路线。
这种应用AI属性不会超过20%，多数是10%，最近卷得厉害的飞书多维表格与钉钉AI表格都是这类玩家，详情可移步至：
AI企业落地真相：90%靠工程，10%才是模型？当然不是，分类都是错的...
“90%工程、10%模型”是真相吗？一个AI表格案例给你答案
这类应用的核心也不是AI技术而是KnowHow，需要能整理SOP的人。
然后就是AI简单知识问答，这种项目或许从技术实现上比工作流类项目还要简单一点，大家熟悉的字眼：RAG、向量库都会在这里出现（只不过到底用不用这些却不一定）。
AI简单知识问答最常见的应用模式就是知识检索或者简单客服系统，这个方面各个企业都用得很溜了。
最后就是最后一类：多轮知识问答/复杂知识库项目。这个东西多数公司都玩不明白...
简单知识问题系统核心是知识的处理，因为其几乎只涉及一问一答，不用考虑什么意图识别，所以是比较简单的(如果将数据整理算作AI模块的话，AI含量是比较大的，可以算50%左右)；
但多轮知识问答了，这个复杂度突然就被拉得很高，如果工作流难度是5，知识库难度是4，那么多轮知识问答的难度至少是10！
这里难点有三：
第一，如何将认知整理成知识，或者已经有知识的情况下，如何组织数据； 第二，数据应该如何与AI交互，保证每次AI都能拿到相关数据。发现由于数据不足导致的AI问题，应该如何用生产数据反馈系统优化知识库，这就是我们常说的数据飞轮系统，他是数据工程的一个分支； 第三，也是最后一个关卡，意图识别；
从整理数据到与AI交互再到后面的数据反馈，组成了我们常规的数据工程。
并且，很多知识是依赖于专业人员，如医生、律师，这种非互联网工种根本无力整理自己的认知，于是需要互联网人组织、兼容他们，这里又涉及到了管理学工程，大家要相信，管理医生和律师去工作是很简单的，但要让他们做输出是很难的。
比如我之前的下属有北大和首都医科大学（安贞医院）的硕士，他们是很轴的。
最后，数据工程是个漫长的周期，会导致AI项目的时间周期很长，并且系统一会表现得好、一会表现得差的，这会很消耗团队的士气，这里又涉及到了项目管理工程。
综上，复杂的AI项目其实是个偏工程的项目，特别是其中KnowHow、数据与技术架构、模型特性几者的纠缠会很复杂
如果不是本身水平很高的人，要么把这个事情理不清楚，要么没有管理能力去调动各个专业口的人员，但如果已经是高管的人，很难沉下心来一点点梳理KnowHow与数据，这可能是导致复杂AI应用很少的主要原因。
所以，AI项目必须是一把手工程，并且还必须亲力亲为才行，不然多半完犊子。
比如，我最近在做课程复杂案例的时候，文档写到什么程度，程序员一定就做到什么程度，是一点都不能多做一点。为什么呢？一个是不会，一个是不懂，他多动一下搞不好是错的...
我在文档上偷个懒，程序员在技术上一定会出个错！所有想要有人补位的想法都是错的！最终的结果是我这个月写需求写了快6万字了...
结语
《关于深入实施“人工智能+”行动的意见》为AI发展投入了一记重磅炸弹，会让更多的人乐观起来，只不过各个政府在政策上还要给予AI创业者更多的支持，比如帮我解决下办公房租问题...
其次，当前AI应用实际的困局依旧在数据与顶级AI应用人才稀缺的问题上，尤其是当前模型特性对AI复杂人复合型要求太高，而这批同学又很可能已经身居高位，这里有个向下做事ROI的问题。当然，解法也很简单：要么加大奖励向下兼容，要么再培养。
总而言之，接下来的10年是AI的10年，各位同行加油啊！
点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：