（以下内容从德邦证券《政策半月谈（第1期）：人工智能政策支持体系的全梳理》研报附件原文摘录）
投资要点：
近年来，我国人工智能支持政策体系持续演进调整，我们系统梳理学习后发现，政策关注重心、产业支持逻辑、智能经济底座、落地执行方式、体系机制保障等五个方面均呈现出一些新变化、新特征，对于准确把握政策部署思路、产业发展趋势等具有重要参考借鉴意义。
政策关注重心：从早期的“补能力短板”到当前的“促应用闭环”。相较于早期阶段，当前人工智能支持政策体系，不仅是政策支持力度的简单加码，更重要的在于政策要解决的主要问题和核心约束发生了明显变化。2017年前后，我国人工智能仍处于技术追赶和能力建设阶段，主要矛盾体现在供给能力的不足；进入“人工智能+”阶段后，模型、算力和数字化基础逐步具备可用性，新的约束转向应用扩散和价值兑现。人工智能政策并不是从供给支持简单切换到应用支持，而是从单一供给侧发力，转向供给能力、应用需求和制度环境协同发力。供给端解决AI能否“做出来”，需求端解决AI能否“用起来”，环境端解决AI能否“规模化”。
产业支持逻辑：从“互联网+”的点间连接到“人工智能+”的点上赋能。互联网和人工智能都属于通用技术，但二者进入经济体系的方式并不相同。互联网更多作用于连接和交易，人工智能则进一步作用于生产和决策，上述差异决定了“人工智能+”的政策逻辑不能简单理解为“互联网+”的延续。二者最重要的区别在于成本结构，这也是政策支持逻辑必须变化的原因。“互联网+”阶段，政策重点是鼓励连接扩张、线上化迁移和平台创新；“人工智能+”阶段，政策不仅要鼓励应用扩张，更要处理高CAPEX、非零边际成本、资产专用性、场景验证和安全治理等新约束。后续评估AI商业化，不能简单套用互联网平台的用户规模逻辑，而应关注CAPEX强度、推理成本、算力利用率、调用频次、付费转化和现金流回收。
智能经济底座：从软硬件独立部署到统筹“六张网”和“人工智能+”。统筹“六张网”和“人工智能+”，并非简单将两项政策任务进行并列，而是为构建智能经济时代的软硬双底座提供路径和支撑。硬底座支撑AI运行，软底座支撑AI扩散，融合层体现AI对传统基础设施的价值兑现。硬底座的核心是让AI“跑得起来”，AI基础设施不再只看算力规模，更要看算力能否与通信、电力体系协同，支撑低成本、低时延、高稳定性的行业应用。软底座的核心是让AI“用得起来”，高质量行业数据集、行业语料库、模型评测和标准体系，决定了AI能否理解行业知识、适配业务流程，并被企业采购和推广。融合层的核心是让传统基础设施“更高效地运行”，其本质是把传统基础设施从静态建设对象，转化为可感知、可预测、可优化的动态运营系统。
落地执行方式：从普惠式的“全面支持”到靶向性的“精准扶持”。早期人工智能政策更多处于产业培育阶段，政策目标是扩大参与主体、培育产业生态、形成基础能力，因此支持方式相对偏普惠，覆盖企业、园区、平台、项目、人才等多个方向。进入“人工智能+”阶段后，产业发展中的瓶颈更加具体，算力成本、行业数据、模型调用、场景开放、应用评估等问题成为制约AI落地的关键环节，政策支持也随之从一般性扶持转向定向引导，政策靶向性持续提高。人工智能政策支持方式的变化，不是简单从“少支持”变成“多支持”，而是从粗放式资源投入转向精细化政策配置。支持对象上，政策更聚焦关键环节和重点主体；支持环节上，政策更瞄准算力、语料、模型、场景等瓶颈节点；支持标准上，政策更强调量化评估和应用验证。
体系机制保障：从“自上而下、自主发展”到“上下贯通、内外互济”。早期人工智能政策推进更偏自上而下，即中央定方向、部委做细化、地方抓执行，这种模式适合战略方向明确、基础能力亟待建设的阶段。进入“人工智能+”阶段后，单纯自上而下的政策传导难以覆盖所有落地细节，AI技术越是进入真实场景，越需要地方和企业在一线发现问题、验证方案和积累经验。因此，政策组织方式需要从单向传导转向上下贯通，地方先行探索形成经验后，部委可以通过典型案例、试点示范和专项政策，将有效做法进一步复制到其他区域和行业。组织体系变化的另一面，是从自主发展走向内外互济。从近期一系列政策文件的思路来看，我国人工智能发展不再只是追赶美国模型能力的单一路径，也在通过开源生态、规则标准、全球治理和产业出海等方式形成外部互动，提升全球影响力。
风险提示：政策落地执行效果不及预期，商业模式难以闭环，国际资本市场大幅波动，大国博弈背景下的技术和产业围堵
