摘要：国家发展改革委在2026世界人工智能大会期间发布《人工智能合作发展行动计划》，把数据跨境、普惠算力、开源生态、智能体应用、人才标准、安全治理和AI向善放进同一张行动清单。它释放的信号是，中国的AI政策正在从国内产业扶持，走向可对外连接、可产业协作、可规则互认的体系化接口。
7月17日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海召开。国家发展改革委网站同日发布《人工智能合作发展行动计划》，并说明该计划由国家发展改革委会同教育部、科技部、工业和信息化部、国家数据局、中央广播电视总台等共同发布。
这不是一份普通会议成果。它把数据、算力、开源、产业赋能、人才、标准、安全治理和AI向善放在同一张清单里，说明中国的人工智能政策正在从“发展国内产业”进一步走向“构建全球协作接口”。
过去谈AI国际合作，容易停留在原则表态。现在这份行动计划的产业含义更具体：数据怎么跨境流动，算力怎么普惠，开源模型和工具怎么共建，智能体怎么规范应用，标准怎么互操作，安全和伦理如何对接。对企业和地方政府来说，这些问题会越来越影响AI项目能不能出海、能不能进入跨国供应链、能不能被境外客户和监管体系接受。
一、它把AI竞争的底层变量重新排了一遍
行动计划首先讲优质数据供给，提出推进数据跨境流动，在部分领域建设运营跨境可信数据空间，并协同构建高质量语料库和行业高质量数据集。
这说明政策判断很清楚：AI竞争不只是模型参数和算力规模，真正决定产业落地深度的，是数据能不能合法、可信、持续地流动。
国内这两年一直在推进高质量数据集、可信数据空间、数据要素流通和“人工智能+”场景。放到国际合作框架里看，问题变得更复杂。一个工业大模型、医疗AI、农业智能系统或跨境贸易智能体，如果要服务多个国家和地区，就必须回答数据来源、授权、脱敏、跨境传输、训练用途、结果责任和安全审计等问题。
所以，跨境可信数据空间不是一个技术名词，而是AI出海的制度底座。未来企业不能只说“我们模型效果好”，还要能说明数据从哪里来、怎么处理、谁能访问、出了问题如何追溯。
二、普惠算力意味着AI基础设施开始有公共品色彩
行动计划把“智能算力普惠行动”列为第二项，提出推动智能算力设施联通，面向发展中国家提供普惠智算服务，并联合建设绿色能源驱动基础设施。
这释放出两个信号。
第一，算力不再只是企业自建机房或云厂商竞争，而正在成为国际发展合作的一部分。很多发展中国家缺少本地AI基础设施，如果没有可负担的算力、数据中心、电力和网络条件，就很难参与AI产业化。普惠智算服务本质上是在降低AI应用的入口成本。
第二，绿色算力会成为合作条件。AI基础设施越大，越绕不开电力、冷却、碳排放和能源稳定性。未来地方招商、跨境AI服务、国际算力合作，都不能只讲GPU数量，还要讲绿色电力、能效、数据中心选址和长期运营成本。
对中国企业来说，这意味着AI出海不能只卖模型API。更有前景的是“算力服务、行业模型、数据治理、应用场景、运维安全”的组合式输出。
三、开源被放进国际合作框架，企业要学会合规地开放
行动计划提出共建国际人工智能开源社区，推动通用大模型、基础算法、工具组件共享，并协同制定开源合规体系与安全准则。
这句话值得企业认真看。
过去很多企业把开源当成营销工具：发一个模型，做一轮传播，吸引开发者和客户。但AI开源真正进入产业合作后，会涉及许可证、训练数据来源、模型能力边界、安全评测、二次开发责任、出口管制、商业使用限制和社区治理。
如果没有合规体系和安全准则，开源模型越强，争议也越大。模型被用于侵权、欺诈、网络攻击、虚假内容生成或敏感行业自动化决策时，责任边界不会因为“开源”两个字自动消失。
因此，下一阶段的开源竞争不会只比参数、跑分和下载量，而会比谁能提供更清楚的许可证、更透明的模型卡、更完整的安全评测、更稳定的工具链和更可信的社区治理。
四、“人工智能+”从国内行动变成跨国产业协作
行动计划提出深化“人工智能+”合作，搭建跨国产业合作平台，促进智能体规范应用与创新发展，推动AI在科学、制造、医疗、教育、农业、治理等领域应用赋能。
这说明AI产业化正在进入一个新阶段：国内“人工智能+”行动形成的经验，将被拿到国际合作中验证。
制造、医疗、农业和治理这些场景有一个共同特点：它们都不只是软件问题。制造业要接入设备、工艺、质量和供应链；医疗要面对伦理、资质和责任；农业要适应本地作物、气候和经营主体；治理场景则涉及公共权力边界和公民权益。
企业如果想抓住这类机会，不能只拿通用模型去套场景，而要有行业知识、现场数据、合规能力和交付体系。智能体也一样。未来“智能体规范应用”会成为关键词，因为能自动执行任务的AI不再只是聊天工具，而会进入审批、调度、诊断、采购、客服、运维和生产协同等流程。
五、地方政府该怎么跟进
地方政府不能把这份行动计划理解成一场大会新闻。它对地方AI产业政策有三个现实提醒。
第一，地方要把高质量数据集和可信数据空间做实。很多城市都在建设AI产业园和算力中心，但如果行业数据仍然散在企业、部门和平台里，AI应用很难形成可复制产品。地方更应该围绕制造、港口、物流、医疗、农业、文旅、公共治理等优势场景，推动数据治理、授权使用、脱敏共享和评测体系建设。
第二，算力政策要从补贴采购转向供需匹配。企业真正需要的不是“某地有多少P算力”的宣传，而是能不能低成本、稳定、安全地获得训练和推理资源。算力券、公共算力平台、绿色能源配套和跨区域调度，都要服务真实应用，而不是服务机房指标。
第三，国际合作要有场景颗粒度。地方如果想承接AI国际合作，不能只办论坛、签框架协议。更有效的做法，是拿出可参观、可试用、可评测、可交付的产业场景，比如智能制造质检、农业机器人、港口调度、跨境电商客服、多语种政务服务、低空经济监管等。
六、企业该怎么行动
对AI企业、工业软件公司、智能制造服务商和出海企业来说，这份计划至少提示了四件事。
第一，补数据合规能力。跨境数据、行业数据、高质量数据集和可信数据空间会成为合作门槛。企业要提前整理数据来源、授权文件、数据处理流程、模型训练用途和安全控制记录。
第二，补开源治理能力。如果企业依赖开源模型或准备开源自己的模型，就要把许可证、商用边界、模型说明、安全测试和更新机制做清楚。开源不是免责，而是一种更透明的责任安排。
第三，把智能体做成可审计系统。智能体进入企业流程后，必须有权限控制、日志留存、人工复核、异常中止和责任划分。尤其在工业、医疗、金融、政务等场景，不能把“自动执行”包装成无边界授权。
第四，按行业场景组织出海。AI出海最怕只卖概念。真正能走出去的，往往是“模型+数据治理+行业工具+本地化服务+安全合规”的整套方案。
这份行动计划的价值，不在于它提出了多少新词，而在于它把AI发展的关键接口排成了清单。数据、算力、开源、产业应用、人才、标准、安全、伦理，每一项都是未来AI产业能不能跨区域协作的硬约束。
AI合作正在从外交话语进入工程问题。谁能把这些接口做扎实，谁就更容易把模型能力变成产业能力。