8月31日,工信部办公厅发了一份通知。
文件号是工信厅科函〔2026〕414号,名字很长:《关于开展人工智能应用服务商培育专项行动的通知》。
里面最扎眼的是一个数字——到2027年底,全国服务商资源池内的服务商数量不少于3000家。
这件事有意思的地方在于:过去几年国家出的AI政策,数的是大模型有多少个、算力有多少P、参数有多少亿。这一次,数的是"有多少家公司能把AI装进别人的业务流程里"。
指标第一次落在了"交付"上,而不是"模型"上。
先把政策看明白:谁发的,管什么

别急着看各种解读,先把三件事说清楚。
第一,服务商到底指什么。 通知原文的定义是:围绕用户单位智能化需求,提供人工智能解决方案咨询规划、交付实施、运营管理、安全治理等服务的企业或机构。政策还专门列了五类服务:咨询规划、交付实施、运营管理、安全治理、配套服务——这五类串起来,正好是一个AI项目从规划到运营的完整生命周期。
第二,它和卖模型的、做系统集成的不一样。 模型厂商卖的是能力(API、模型授权),系统集成商卖的是设备和系统对接,而服务商卖的是"陪你把这件事做成"。前两者的交付终点是验收单,服务商的交付终点是客户那里真的跑起来。
第三,数字指标有两档。 到2026年底,全国资源池内服务商数量突破2000家;到2027年底,不少于3000家。另外还有一条落到地方的硬杠:下辖国家人工智能产业创新应用先导区的省份,2027年底本地区资源池内企业数量应不少于100家。
政策本身承认了行业现状。工信部科技司的原话是:我国已涌现一批服务商,但仍面临资源底数不明、交付水平不均、商业闭环不通、服务生态不壮四个痛点。
注意第一个词——底数不明。这四个字,是整份文件里最诚实的一句。
3000家这个数字,缺口其实算不出来

看到"3000家",很多人的第一反应是:现在有多少家?还差多少?
答案是:算不出来,因为官方自己说了"底数不明"。
这不是回避问题,恰恰是问题本身。你连行业里现在有多少合格的服务商都没数清,谈缺口多少家就是空谈。有参考意义的是另外两个数:截至2025年,我国人工智能核心产业规模突破1.2万亿元,人工智能企业数量超过6000家。但"AI企业"不等于"AI应用服务商"——能做模型的、能卖芯片的、能写算法的,都算AI企业,可他们未必能把一套系统在客户的车间里跑通。
所以这份文件真正的信息量,不在3000家,而在三件事上:
一是国家开始给"交付能力"建档案。 四项重点任务的第一项就是建服务商资源池:全国摸排、建立档案、汇总成池。要把一门手艺变成可管理、可评估、可培育的对象,第一步永远是先把人认全。
二是地方要背指标。 先导区所在省份不少于100家——这不是建议,是分解到省的培育任务。
三是标准已经在路上了。 据工信部科技司介绍,通过全国信息技术标准化技术委员会人工智能分技术委员会(TC28/SC42)和工信部人工智能标准化技术委员会(MIIT/TC1),已组织编制人工智能应用服务商总体要求、成熟度评估、FDE分级能力要求等国家和行业标准。
算不出来的缺口,往往才是最真实的缺口。行业缺的不是"还差多少家公司",缺的是"能真正把项目交付出去的公司"。
首购首用和风险补偿,到底替企业兜了什么

这是对制造企业最有实际意义的一段。
通知提出:探索通过首购首用、风险补偿等模式,加大大模型、智能体、Token等服务采购力度。
首购首用,指的是政府机关、事业单位等使用财政性资金,对首次进入市场、尚未形成商业业绩的创新产品实行优先采购。说白了,就是有人愿意当第一个买家。
风险补偿,则是通过财政补贴、保险机制等手段,分担采购方试用新技术时可能面临的风险——把"试错成本"降下来。
这两条放在一起,解的是一个死结:企业不敢用,是因为"没人用过";服务商拿不到单,是因为"没人敢用"。
对中小制造企业来说,实际变化有三层:
第一层,试错的成本结构变了。 以前一个新方案落地失败,钱、时间、内部信任全得自己扛。现在至少有一部分风险,被政策工具分走了。
第二层,采购的标的变了。 大模型、智能体、Token 被并列写进采购对象。特别是 Token——它是"用模用智"的计量单位,回应的是"AI服务难定价、投入产出难核算"这个老问题。采购正在从"买一套软件"转向"买服务、按量结算"。
第三层,供给侧的激励变了。 稳定的政策性订单,能给服务商提供持续现金流,帮他们度过早期项目交付集中、回款周期长的阶段。
不过得说句硬话:政策兜的是"试错的部分风险",不是"失败的全部成本"。产线的历史数据没人整理、业务部门不配合、老板中途换想法——这些政策一样兜不住,还是得靠选对人和选对场景。
文件里有一句话,值得单独拎出来

通知的第四项任务里,藏着这么一句:
"鼓励服务商搭建前线部署工程师(FDE)团队,扎根用户现场,保障场景落地。"
在一份讲资源池、讲标准、讲算力券的政策文件里,突然出现"扎根用户现场"这五个字,是很少见的写法。它说的不是技术路线,是人得站在现场。
配套的动作还有一串:鼓励高校、职业院校与龙头服务商共建实训基地,批量培养"懂业务、通模型、知安全、能交付"的复合型应用人才;支持服务商对接国家算力网络枢纽节点,用好"算力券"降低算力成本;依托"模数共振""工业数据筑基"等行动形成的场景、数据、模型、智能体成果,向服务商开放调用接口。
把这些和上个月腾讯云发布的 FDE 认证放在一起看,两条线其实指向同一件事:FDE 正在从一线团队的口头禅,变成国家要建标准、要分级考核的岗位。 一个还没有官方定义的工种,先是有了职业认证,接着被写进了国家级专项政策。
对我们自己来说,这份文件读起来有种奇怪的熟悉感。过去一年我们在工厂现场做的事——扎在客户车间里摸场景、把一堆没人整理过的历史数据盘成能用的知识库、把每次交付的经验沉淀成下次能复用的东西——正是这份文件在描述的动作。
政策点名的集成交付、安全合规,和腾讯云认证考的场景理解、交付实施、安全合规,几乎是同一套语言。
但也不必自我感动。政策不是给谁发奖状,它是在给这件事定名分、定价格。名分定了,进来的人只会更多,门槛也会更高。
给制造企业的三件事
政策窗口打开了,具体怎么用,可以拆成三条。
第一,别按"供应商"找,按"服务商"找。 区别就一个问题:问他——做完你这第一个项目,第二个同类项目能不能更快、更便宜?答不上来的,本质上是项目制外包,你的钱买到的是一次性交付,不是可复用的能力。
第二,把政策工具用起来,压低第一次试错的成本。 关注本省的服务商资源池、算力券、首购首用目录、风险补偿机制。这些工具各地的落地节奏不一样,最快的办法是直接找本地工信部门或园区问口径。要注意的是,资源池入库是有标准门槛的,选合作方时可以主动问一句"是否在本地资源池内"。
第三,别追"全面AI化",先挑最痛的一处。 政策自己的用词是"高频、刚需、可复用"——这三个词就是选题标准。一个能算出账的场景,比十个听起来很美的场景有用得多。
如果现在只让你在一个场景上试AI,你会选哪个?是那个最贵的痛点,还是那个最容易出成绩的?
这份文件给出的,是身份和通道,不是订单。
真正的红利不会平均分配。它只会流向那些愿意蹲在客户车间里、把模型变成产线上真用得起来的东西的团队。
从"拼模型"到"拼交付",风向已经变了。
如果觉得有用,欢迎分享给更多人 🎉
- END -