加强人工智能同保障和改善民生深度结合（专题深思）

      今年7月，习近平主席在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上提出：“全面促进人工智能科技创新、产业发展、场景应用”。早在2018年，习近平总书记就指出：“要加强人工智能同保障和改善民生的结合，从保障和改善民生、为人民创造美好生活的需要出发，推动人工智能在人们日常工作、学习、生活中的深度运用”。这些重要论述，深刻指明了人工智能发展的重要价值和应用导向。“十五五”规划纲要提出“全面实施‘人工智能+’行动”“充分发挥数智技术和数据要素对丰富人民生活、改善民生福祉的作用”。要坚持以人为本、智能向善，把人工智能深度运用放到保障和改善民生的全局中谋划推进，使人工智能发展始终朝着服务人民、造福人民的方向前进。 　

  　  中国式现代化，民生为大。推动人工智能深度运用，不能停留于技术迭代和产业扩张，而是要使其更好赋能高品质生活，增进民生福祉、促进人的全面发展。人工智能的独特价值在于能够同时应对“需求增长”和“供给不足”：既有助于提升生产和服务能力，创造更高品质供给，又有助于突破时空限制、优化资源配置，推动优质资源在更大范围共享。从技术逻辑看，人工智能能够把知识、经验和服务能力转化为可计算、可调用、可扩散的智能能力，使原本稀缺的专业服务以更低门槛、更高效率进入日常生活。过去，优质服务高度依赖少数专家、特定机构和固定场所，复制成本高、服务半径有限。随着模型能力提升、推理成本下降和端云协同发展，人工智能普惠化、生活化应用的技术基础更加坚实。 

 　　以人工智能赋能培育新质生产力，使其转化为高品质生活的坚实支撑。高品质生活必然建立在更高效率、更高质量、更可持续的生产供给体系之上。以人工智能培育壮大新质生产力，必须让智能技术进入真实产业流程，把产业升级成果体现为更可靠的产品质量、更丰富的服务供给和更高水平的生活保障。要围绕研发、制造、流通、服务等关键环节，推动人工智能更多进入产业一线和实际场景，在研发中缩短创新周期，在制造中提升质量稳定性，在流通中提高供需匹配效率，在服务中更好适应群众需求变化。截至今年一季度，我国装备工业已建成197家卓越级智能工厂，产品不良率平均下降48.4%，生产效率平均提升22.3%，直观反映了智能制造培育新质生产力的有效性。 

 　　以人工智能扩大公共服务供给，推动优质公共资源普惠共享。教育、医疗、养老、就业等领域是人工智能服务民生的重要场景。当前，优质公共服务供给不平衡不充分的问题仍然存在，基层、农村和欠发达地区在资源承接、服务能力和响应效率上还有短板。人工智能可以为基层教师、医生和一线服务人员提供辅助支撑，精准匹配群众需求与服务资源，并通过端云协同推动公共服务向基层延伸，让优质公共服务更加普惠、均衡、可持续。在教育领域，可建设智能课堂、智能助教和学情分析系统，帮助教师为学生提供个性化辅导，推动实现大规模因材施教。比如，清华大学搭建的MAIC多智能体教育平台，打造多智能体协同课堂，构建个性化学习环境，对人工智能赋能教育提质进行了有益探索。在医疗卫生领域，要促进人工智能规范应用，丰富应用场景，优化资源配置，创新预防、诊疗、康复和健康管理的全链条智能服务。比如，建设基层医生智能辅助诊疗应用，为基层医生提供辅助诊疗、处方审核、随访管理等支持。 

　　 规范人工智能应用，让人工智能在安全可靠可控中服务人民。习近平总书记强调：“推动我国人工智能朝着有益、安全、公平方向健康有序发展。”这深刻阐明了人工智能健康有序发展的基本方向。人工智能越是深入工作、学习、生活等日常场景，越要守住安全底线和伦理边界。确保人工智能安全、可靠、可控，是人工智能更好服务人民、造福社会的必然要求。大模型具有生成性、概率性和黑箱性，既能提高工作效率，也可能引入模型幻觉、算法偏见、信息泄露和责任不清等风险。特别是在教育评价、医疗诊断、社会救助、金融服务、就业招聘等涉及群众权益的重要场景，不能简单交由算法决定。要坚持依法合规、分类分级、授权使用、安全可控，完善人工复核、申诉纠错和责任追溯机制，推动数据安全、算法可审计、结果可验证、过程可追溯、边界可管控，使人工智能在民生领域的应用行稳致远。 

　　 以科学评价校准应用方向，推动人工智能应用产生更多民生实效。人工智能应用不是简单的技术工程，衡量其成效关键不在应用规模大小，而在能否转化为群众可感可及的民生实效。构建科学完备的人工智能应用成效评价体系，有助于校正片面追求建设体量的偏差，推动人工智能应用更好赋能高品质生活。要防止简单以算力投入、模型数量和项目数量论成效，重点考察人工智能应用于提高群众办事效率、改善公共服务质量、推动基层减负等方面的实际效果。把科学评价贯穿项目建设和运行全过程，推动评价结果与应用优化、复制推广、资源配置相衔接，对使用率低、实际效果不佳的项目及时调整，对实效突出、群众认可的人工智能应用加大推广力度，推动人工智能应用从“建得多”转向“用得实”，从“单点示范”转向“系统增效”，从“技术供给导向”转向“人民需求导向”。