（一）基础层（算力基础设施）。
1.创新发展智能芯片。
重点发展具有自主核心技术的人工智能推理芯片和训练芯片、可编程逻辑门阵列（FPGA）等通用芯片。加快推动面向自动驾驶、药物发现等细分领域的专用定制化智能芯片（ASIC）研发和产业化。前瞻布局类脑智能芯片、光芯片、存算一体芯片等。协同发展智能芯片制造和封测技术。
2.加快发展存储器件。
布局发展工业级固态硬盘（SSD）主控芯片、嵌入式存储芯片以及全闪存一体化存储。加快发展高带宽存储器、磁阻存储器、可变电阻式存储器等新型存储器。
3.优化发展智能网络设备。
加强交换机、路由器、高速光网络、网算存一体化技术研发与制造，积极发展边缘计算网关、工业网关等产品。加快推进5G轻量化技术商用部署，试点并加快部署5G-A网络。前瞻布局下一代移动通信网络、量子通信、卫星物联等技术。
4.大力发展AI服务器。
大力发展基于自主可控芯片的服务器。创新发展多芯多卡异构高互联高算力服务器和高密度液冷服务器机柜、异构算力调度平台等关键产品和技术。
5.夯实算力基础设施。
推进数据中心优化布局和集约化建设，积极发展云数据中心，推进虚拟化、弹性计算、海量数据存储等关键技术应用，加强先进节能技术应用。
（二）技术层（大模型和数据集）。
1.突破关键算法和软件。
支持计算机视觉、自然语言处理、人机交互等人工智能通用算法研发，推动多模态算法研究。推动生物特征识别、人机交互、脑机接口、知识图谱等关键领域的应用算法研发。加强自主开源框架研发攻关，加快提升深度学习框架在大模型训练和多端多平台推理部署等方面的核心能力。加快操作系统、数据库等基础软件研发和规模化应用，促进应用软件与国产芯片协同发展。
2.培育基础大模型。
支持基础大模型培育，针对大模型训练、推理、应用各环节，加强高质量数据集供给，构建多种算法和算子库，全力推动基础大模型能力水平提升。构建高效易用的大模型开发环境，便利开发人员进行参数优化、API接口调试，推动大模型服务平台建设，向社会和行业应用开放大模型能力。加强大模型开放生态建设，培育行业人工智能模型的开发者和应用合作伙伴。
3.发展行业大模型。
支持行业龙头企业基于行业积累开展人工智能模型定制优化和应用，形成行业垂直大模型。支持头部企业打造行业模型应用公共平台，助力用户企业开展行业模型定制训练和调优。鼓励模型应用公共服务平台与公共算力中心开展合作，降低行业中小企业使用人工智能模型和算力的门槛。
4.创建国家级公共数据仓库。
引入高质量数据集，在合规基础上，面向企业开放分级阅读权限。打通公共数据仓库与公共算力池，便利企业在大模型训练中合规使用数据。
5.实现优质数据集供应。
联合高校和科研机构以及数据服务商，通过联合课题研究等方式开展数据收集、清洗、脱敏和治理等工作，分类分级向企业低成本提供数据集。
6.构建标准化语料资源池。
整合文字、图片、音视频等多模态数据集，打造高质量代码、书籍、人类反馈指令数据、科学文献等专业知识数据集，面向工业、医药、电信、金融、教育等重点行业汇聚高质量、权威的行业训练数据资源，赋能行业发展。
（三）应用层（人工智能典型场景）。
1.赋能科技创新发展。
围绕新药创制、新材料研发等重点领域，布局建设人工智能驱动的科学研究专用平台，加快知识引导与数据驱动融合的人工智能研发。
2.赋能实体经济高质量发展。
实施人工智能赋能新型工业化创新引领行动，引导企业数字化转型和智能化升级。打造智慧商圈、智慧供应链、智慧物联、智慧金融、智慧能源的创新应用场景。
3.赋能社会智能化发展。
发展智能诊疗、疾病风险预测、医用机器人等应用场景，提升低碳、交通、治理等创新场景，推动人工智能与文化体育、游戏动漫、影音视频的融合应用。
4.赋能城市现代化治理。
加快智慧交通建设，提升交通运行监测，出行信息服务和应急智慧能力。推进政务领域大模型落地应用，升级智能政务。推动舆情监测、犯罪预测预防、应急处置等方面的创新应用，提升公共安全治理能力。
