当前位置: 首页 > news >正文

七部门联合发文:大模型被列入“平台经济“国家战略

6月18日,工信部、中央网信办、国家发展改革委、科技部、商务部、市场监管总局、国家数据局——七部门联合印发了一份文件,全名有点长:《促进平台经济大中小企业协同发展行动方案(2026—2028年)》。

名字很长,但含义很短:大模型,正式进入了国家平台经济的顶层设计。

01

一份文件,三个信号

这份方案的核心目标很明确:到2028年,发布3批平台开放清单,遴选不少于100个平台资源开放场景试点项目。

拆开来看,有三个信号值得特别注意:

  • 信号一:大模型被明确定义为平台企业的创新重心。

方案原文提到:"引导平台企业加强通用大模型、行业大模型和智能体等人工智能领域创新布局。"大模型不再只是几家头部公司的技术储备,而是整个平台经济必须参与的"基础设施竞赛"。

  • 信号二:算法治理进入"透明化"阶段。

方案明确提出"深化算法、流量治理,推动平台算法透明化"。过去几年,平台算法的"黑箱"一直是中小企业和创作者吐槽的焦点——流量分配给谁、为什么分配,规则不透明。现在,这个问题被写进了七部门的文件里。

  • 信号三:Token 被提上了普惠服务的议程。

方案提到"提升平台企业词元(Token)普惠服务能力,降低中小企业获取与应用门槛"。这是 Token 第一次出现在部委联合发文的正式文本中。一个技术术语,走进国家战略文件,这件事本身就值得停下来想一想。

02

大模型为什么成了"平台经济"的一部分?

平台经济的核心,是"匹配"。

外卖平台匹配餐厅和食客,电商平台匹配商家和消费者,所有平台生意的本质,都是让资源找到最需要它的人。大模型出现之后,这个"匹配"的效率和复杂度都上了好几个台阶。

但问题也来了:大模型很贵。贵在算力,贵在数据,贵在人才。

头部平台企业有能力养一支几十人的AI团队,中小商家呢?一个开在县城的服装店,或者一个做独立设计的个人工作室,他们也想用AI生成文案、做客户画像、优化投放——但买不起GPU,也雇不起算法工程师。

这份方案要解决的,就是这件事:让大模型的能力,通过平台企业"下沉"到中小企业。

03

当"Token普惠"走进文件

"Token普惠服务能力",翻译成人话就是:让用大模型像用自来水一样,拧开水龙头就有,按用量计费,不需要自己打一口井。

这意味着几件事:

  • 第一,计费模式会被进一步规范。Token 作为计量单位,会越来越像"度"(电费)一样,成为可预期、可核算的成本项。

  • 第二,平台企业会被鼓励开放自己的模型能力。以前大模型做好了优先给自己用,以后会有更多"平台开放清单",明确告诉外界:我有什么能力,怎么用,什么价。

  • 第三,中小企业的起跑线会往前移。通过大模型API聚合平台,一个小团队也能以合理成本,调用到原来只有大厂用得起的模型能力。

04

这件事打工人有什么关系?

如果你正在用AI工具——写文案、做视频、分析数据,或者考虑把AI引入自己的业务——这份文件三年后的影响,可能比你现在感受到的大。

短期来看,更多模型能力会以API形式对外开放,多模型API切换会从"技术题"变成"选择题"——不用自己搞定每个模型的接入,在一个地方按需切换就行。

中期来看,Token普惠服务推进,使用大模型的成本会继续下降。对有稳定AI调用需求的中小企业来说,这是一个持续收窄成本窗口的过程。

长期来看,方案提到的100个试点项目会覆盖制造、零售、内容、服务等多个行业。到那时,一个中小商家"用AI优化生意",可能会像今天"开个网店"一样普遍。

这份方案的全文五千多字,上面只说了与AI和大模型最相关的一部分。

但有一个逻辑贯穿始终:平台经济的下一步,不再是"大者通吃",而是"大者带小者"——头部平台把技术能力开放出来,让更多中小玩家用得上、用得起。

大模型是这个逻辑里最新、也最关键的一块拼图。

政策在推动"开放"和"普惠",但对普通用户来说,更实际的问题是:怎么才能方便地用上这些能力?

器灵模型广场恰好踩在这条线上——把市面上200+模型API接入到一个统一入口,按Token计费,不用挨个对接厂商。

文件里描绘的"普惠"图景,离普通人其实没那么远。感兴趣的话,可以去器灵模型广场领个试用,跑几个模型对比一下,感受一下"拧开水龙头"是什么体验。

http://www.cnnetsun.cn/news/2979621.html

相关文章:

  • 如何快速解密QQ音乐文件:qmc-decoder免费工具完整指南
  • LDO关键参数深度解析与实战测试指南:从选型到调试避坑
  • 3个实用技巧让FanControl成为你的Windows散热管理神器
  • Shell脚本if/else实战:VPS自动化部署的健壮性设计
  • SAGER框架:让推荐系统从预测行为升级为协同用户策略的自演化智能体
  • Ollama本地部署+API调用+LLM封装:轻量可靠的大模型落地三件套
  • 题解:学而思编程 删除一个元素
  • I2C总线SDA响应时间测量与系统时序优化实战
  • 利用人工智能赋能科学研究
  • 3个场景深度解析:如何用Hearthstone-Script实现炉石传说智能自动化
  • Ubuntu 20.04 搭建 X2Go + XFCE 远程桌面实战指南
  • Agent落地成败关键:意图清晰度(Intent Clarity)工程化实践
  • 从CodeWarrior到Makefile:MPC5674F嵌入式项目自动化构建迁移实战
  • 终极文件编码检测指南:EncodingChecker让乱码问题彻底消失
  • KAN网络原理与实战:从Kolmogorov-Arnold定理到可解释神经建模
  • 从S12XD到S12XE:嵌入式MCU升级迁移的硬件与软件兼容性实战指南
  • 3分钟掌握窗口分辨率自由:SRWE工具让你的屏幕随心所欲
  • MIFARE系统安全:从芯片认证到纵深防御的实战设计
  • Ubuntu 16.04部署TigerVNC远程桌面实战指南
  • 为什么Windows 11用户都在用这个工具?3个理由让你重新爱上桌面操作
  • Video2X终极指南:免费AI视频超分辨率与帧插值的3大核心应用
  • JMeter环境隔离与变量管理:构建可移植、可维护的性能测试脚本
  • 3大智能模块揭秘:Snap Hutao如何让原神玩家告别繁琐数据管理
  • Cursor接入SenseNova大模型实操指南:安全配置与性能调优
  • 终极指南:使用Destiny 2 Solo Enabler实现单人游戏体验的完整教程
  • MPC8548串行RapidIO接口配置实战:从设备发现到内存访问
  • 5大实战技巧:如何用智能脚本永久激活Windows与Office?
  • 3分钟掌握:Windows 11任务栏自定义神器Taskbar11完全指南
  • 从8位MCU到32位ARM Cortex-M0+:S08到Kinetis E系列代码移植实战指南
  • i.MX6接口电气时序解析:从D-PHY到HSIC的硬件设计实战