经济观察报：近半'人工智能+'场景停在试点，堵在落地成本与能力不匹配
经济观察报作者谢若琳指出，4个月内两次国务院常务会议点题人工智能，但近一半'人工智能+'应用场景仍停留在试点阶段。她认为核心困难是落地成本与应用能力不匹配，尤其对中小企业而言投入高、人才少、部署难；部分企业存在'为智能而智能'问题，把接入大模型当作数字化转型终点。文章主张应用应作为技术创新起点而非最后一公里。
重要性局部证据E2 未复现写法快讯
4个月内两次国务院常务会议点题人工智能，政策方向从战略布局转向落地见效。6月29日国常会要求深入实施'人工智能+'行动、促进规模化商业应用；10月16日国常会进一步提出以落地应用牵引技术创新。经济观察报作者谢若琳在10月19日刊发的评论中指出，政策热度与实际采用之间存在明显落差：近一半'人工智能+'应用场景停留在试点阶段。
她给出的诊断不是技术不行，而是落地成本和应用能力不匹配。对中小企业而言，投入高、人才少、部署难是现实约束；普惠算力、模型、软件和服务供给不足；行业数据、标准和安全治理不完善；技术路线快速演进，单一模型或产品难以覆盖所有需求。更具体地，她指出部分企业存在'为智能而智能'的行为模式：把接入大模型当作数字化转型的终点，热衷于概念产品和演示场景，追求短期流量却没有找到真正的业务需求。
文章的核心论点是把应用定位为技术创新的起点，而不是'最后一公里'。谢若琳认为，人工智能竞争表面看是模型和算力竞争，深层次是创新生态和产业协同能力的竞争——基础研究、核心技术、数据资源、应用企业、行业标准、人才培养和安全治理缺一不可。她提出三条路径：以真实场景为牵引完善'发现需求—验证应用—推广复制'链条；以普惠供给让经营主体用得起、用得上；以协同生态把单点突破转化为规模化能力。
需要说明的是，这是一篇个人署名评论，'近一半'数据未标注出处，三套方案属政策讨论中的常见框架，不构成对实际试点比例或政策执行效果的独立验证。但'为智能而智能'这一诊断对正在评估AI投入的读者有直接参照价值：如果一项AI项目停在试点，问题可能不在模型能力，而在是否找到了真实业务需求。