爱可讯


持续技术创新 
更好的用户体验
热门文章
河南人工智能产业规模突破千亿元 30个重点应用场景面向全国开放
来源:河南日报 | 作者:MiasolChan | 发布时间: 2026-07-10 | 116 次浏览 | 🔊 点击朗读正文 ❚❚ | 分享到:
2026河南省人工智能大会近日在郑州举行。会上发布的《河南省人工智能发展报告(2026年)》显示,河南人工智能上下游企业已超过500家,产业规模突破1000亿元,全省算力规模达到60 EFLOPS。大会同步发布30个人工智能应用场景,覆盖产业发展、民生服务和社会治理,并涉及工业视觉、行业大模型、智能体、具身智能和脑机接口等技术方向。

2026年7月10日,《河南日报》刊发2026河南省人工智能大会相关报道。大会于7月9日在郑州国际会展中心举行,以“智汇中原,数创未来”为主题,吸引约800名来自政府部门、企业、高校和科研机构的代表参加。

大会集中发布河南人工智能产业发展报告、应用场景机会清单以及多项人工智能基础设施和行业应用成果,展示河南在算力、数据、模型、智能硬件和产业生态等方面的发展情况。

人工智能产业规模突破1000亿元

《河南省人工智能发展报告(2026年)》显示,目前河南人工智能上下游企业数量已超过500家,产业规模突破1000亿元,产业发展正在由过去的单个项目和局部突破,逐步向上下游协同发展的产业链模式转变。

除人工智能软件和算法企业外,河南还在服务器、智能终端、工业设备和机器人等领域形成了一定产业基础。目前,全省已培育形成5000亿级智能终端产业集群,并集聚50余家具身智能产业链重点企业。

人工智能产业并不是由单一类型企业组成。一项人工智能应用通常需要芯片、服务器、数据平台、算法模型、应用软件、通信网络和智能终端等多个环节共同配合。

河南依托装备制造、电子信息、汽车、食品、农业和物流等产业基础,为人工智能技术进入真实生产经营场景提供了较为丰富的应用条件。

全省算力规模达到60 EFLOPS

算力是人工智能模型训练、推理和实际应用的重要基础。报告显示,河南全省算力规模已经达到60 EFLOPS,国家超级计算郑州中心、郑州人工智能计算中心等算力基础设施相继建成投用。

国家超算互联网核心节点也在大会期间正式上线运行。该节点被报道为全国首个10万卡级超智融合算力资源池,可以为大模型研发、科学智能体、工业仿真、生物医药和网络安全等场景提供计算支持。

按照公开信息,国家超算互联网目前已汇聚超过350万CPU核和25万张GPU卡,平台注册用户超过140万,接入应用服务超过7300项,并适配超过1500款大模型。

通过国家超算互联网,不同地区的计算资源可以进行连接和调度。企业和科研机构不一定需要自行建设大型数据中心,而是可以根据实际任务申请相应算力,从而降低模型训练、工业仿真和科研计算的使用门槛。

数据资源建设持续加快

人工智能模型的准确性和专业能力,不仅取决于算力规模,还与训练数据的质量密切相关。

河南公开的人工智能产业数据表明,郑州数据交易中心累计挂牌数据资产已经超过1800件,全省数据资源年均增长率约为30%。

目前,河南已经在互联网安全、地理、农业、交通和消费等领域建设76个高质量数据集,总规模达到11PB。

高质量数据集需要经过数据收集、清洗、分类、标注和质量检查,才能用于训练行业模型。

例如,农业模型需要使用气象、土壤、作物生长和病虫害数据;工业模型则可能需要设备运行、产品检测、生产工艺和维修记录等专业数据。

随着数据规模不断扩大,企业还需要明确数据来源、授权范围、访问权限和保存期限,在推动数据使用的同时保护个人信息、企业生产数据和商业秘密。

30个人工智能应用场景面向社会开放

大会同步发布《河南省人工智能应用场景机会清单》,面向社会开放30个人工智能应用场景,覆盖产业发展、民生服务和社会治理三大领域。

清单中的场景包括小麦智能育种、中药材智能鉴定、创新药物发现、个性化教学、政务事项智能解答和防返贫监测帮扶等,需求主要来自行业主管部门、重点企业、高校和科研院所。

清单还涉及工业视觉、垂直行业模型、人工智能智能体、具身智能和脑机接口等前沿方向。相关项目列明了实际痛点、技术需求、建设单位和预期效果,部分项目已经配套相应资金。

发布应用场景的作用,是让人工智能企业更加清楚地了解不同行业需要解决的真实问题。

过去,部分人工智能产品可能具备较好的演示效果,但进入企业后无法适应现有系统、生产流程和管理制度。通过场景清单,技术团队可以围绕明确需求开展技术验证,减少产品开发与行业需求脱节的问题。

人工智能进入钢铁生产环节

在工业领域,安阳钢铁将人工智能应用于高炉生产,通过相关系统分析炉况数据,对可能出现的异常进行提前识别。

根据大会发布的案例,相关系统可以提前1至2小时感知炉况异常,每年带来的经济效益超过2000万元。

钢铁生产过程涉及温度、压力、燃料、原材料和设备状态等大量参数。传统生产主要依靠工作人员经验判断,而人工智能可以持续分析多种运行数据,辅助发现单一指标中不容易观察到的变化趋势。

提前发现异常有助于技术人员更早调整生产参数,减少设备故障和生产中断。但涉及生产安全和关键设备控制时,人工智能分析结果仍需要与工艺规则、控制系统和专业人员判断结合使用。

农业大模型成为“数字农技员”

河南省农业科学院研发的粮油作物智慧种植大模型,正在用于水肥管理和农业生产指导。系统可以结合农田、作物和环境数据,为农业生产提供更加精细的管理建议。

传统农业生产较为依赖农户经验,不同地区的土壤、温度和降雨情况又存在差异。

通过整合气象、遥感、土壤和作物生长数据,人工智能可以辅助判断不同农田的灌溉、施肥和病虫害防治需求,帮助农户减少重复投入。

不过,农业生产还会受到极端天气、土壤差异和市场变化影响,人工智能建议应结合当地农技人员指导和实际田间情况使用。

人工智能进入学校教学场景

由河南省投资集团打造的教育大模型已经在省内14所重点学校应用,覆盖智能阅卷等教学场景,并将相关服务延伸至新疆和田。

智能阅卷能够帮助教师处理部分标准化题目,并对学生答题情况进行统计分析。教师可以根据系统整理的知识点错误分布,了解班级整体学习情况。

但人工智能不能完全替代教师对学生学习过程的观察。特别是作文、开放性问题和学生综合表现,往往需要结合表达逻辑、创造力和实际学习情况进行判断。

教育人工智能应用还可能涉及学生姓名、成绩和学习记录,学校需要严格控制数据访问范围,并明确相关数据是否会被用于模型训练。

医疗人工智能探索辅助诊断

大会现场展示了一套甲状腺超声人工智能辅助系统。该系统可以分析超声设备输出的视频数据,对甲状腺体积和结节情况进行智能估测与评级,为医生提供辅助诊断信息。

医学影像人工智能可以帮助医生快速处理大量图像,识别部分肉眼不容易观察的特征。

不过,人工智能提供的结果只能作为临床参考。患者是否需要进一步检查和治疗,仍应由具有专业资质的医生结合病史、影像和其他检查结果作出判断。

医疗人工智能还涉及患者隐私、数据安全和责任划分,因此在扩大应用前,需要经过充分测试并建立严格的人工复核机制。

具身智能加快进入真实场景

河南目前已集聚50余家具身智能产业链重点企业,部分人形机器人和机器人系统已经进入教育科研、物流分拣和智能制造等场景。

具身智能是指人工智能通过机器人、机械臂或其他实体设备感知环境、理解任务并完成实际动作。

与只在电脑或手机中运行的软件相比,具身智能需要同时解决机器视觉、运动控制、传感器、机械结构和人工智能模型之间的协同问题。

河南具身智能产业发展有限公司正在建设异构人形机器人数据采集训练场和机器人服务体系,并与多家具身智能企业开展合作,推动机器人数据采集、训练、产品转化和应用交付。

机器人能在展会中完成单次动作,并不代表已经具备进入工厂长期工作的能力。具身智能实现商业化,还需要通过真实场景测试其连续运行能力、故障率、动作精度和安全性。

新型算力设备集中亮相

大会期间,超聚变发布AI超节点宏机柜。该设备采用原生液冷、全光互连、算电协同和开放架构等设计,用于提高高密度算力部署条件下的供电、散热和系统运行能力。

随着大模型参数规模和智能体调用量不断增加,算力设备不仅需要提供更高计算性能,还要解决能源消耗和散热问题。

当大量计算设备集中运行时,传统风冷方式可能难以满足高密度设备的散热需求。液冷技术通过液体带走服务器产生的热量,有助于改善设备运行温度和数据中心能源使用效率。

多个创新平台和行业模型发布

大会期间,河南还展示了医疗和农业领域国家人工智能应用中试基地建设成果,郑州市推介人工智能创新生态社区,郑州航空港区发布“人工智能之城”行动方案。

河南省委宣传部还发布“河洛文化大模型”,探索使用人工智能整理、展示和传播中原历史文化资源。

人工智能中试基地主要为新技术和新产品提供接近真实业务环境的测试条件。企业可以在正式大规模部署前,检查模型准确率、系统稳定性、数据安全和实际使用成本。

这一过程有助于减少企业直接进入客户生产系统后出现的问题,也可以为人工智能产品形成可复制的行业解决方案提供参考。

从技术展示转向实际价值验证

从本次大会公布的信息看,河南人工智能产业正在形成算力、数据、模型、硬件、应用场景和产业生态共同发展的格局。

人工智能产业发展不能只关注模型参数和演示效果,还需要判断产品能否解决实际问题、能否稳定连接现有系统,以及使用人工智能后产生的收益能否覆盖建设和运营成本。

此次开放的30个应用场景,为人工智能企业、高校和科研团队提供了进入工业、农业、教育、医疗和社会治理等领域的技术验证机会。

未来,随着算力资源进一步普及、专业数据持续积累以及更多真实场景开放,河南人工智能产业有望由单点项目应用,进一步转向跨系统协同和规模化复制。

与此同时,人工智能进入医疗、教育、工业控制和公共服务等重要领域后,还需要加强数据安全、模型测试、操作权限和人工审核,确保技术创新与安全治理同步推进。