AI深度应用的真相不在融资新闻里，而在专精特新"小巨人"的技术合作图谱中。南开大学这份报告抓取了505家企业的技术关系数据，发现智能制造占应用场景的20.9%、第三产业占78.8%、教育排到了第四——AI不只是"替代重复劳动"，而是正在铺开一张从工厂到实验室再到课堂的人智协同网络。
谁是AI专精特新"小巨人"？——身份与分布
AI专精特新"小巨人"是伴随人工智能与实体经济深度融合而成长起来的创新主体。它们在人工智能深度应用中扮演双重角色：一是在工业软件、AI芯片和算法框架等关键技术领域攻坚；二是掌握行业数据和工艺知识，是行业智能化的主要力量。
截至2025年，505家样本企业获批时间集中在2019至2024年，呈逐年递增趋势。获批峰值出现在2024年，共170家，占总数的33.7%。地域分布高度集中：广东省（20.59%）、北京市（18.81%）、浙江省（11.09%）、上海市（9.31%）、江苏省（8.91%）五省市合计占比近七成。城市层面，北京市以18.81%居首，上海市（9.31%）、杭州市（8.71%）、广州市（7.92%）、深圳市（7.52%）分列二至五位。
企业规模以中小企业为主：72.11%为中型企业，17.13%为小型企业，10.76%为大型企业。员工人数方面，37.82%在99人以内，30.89%在100-199人之间——这意味着超过三分之二的企业是中小团队，却在AI芯片、工业软件和算法框架等关键领域承担攻坚角色。
价值网络——谁在核心枢纽？
将505家AI专精特新"小巨人"2020至2025年的技术合作关系数据输入社会网络分析软件，价值网络呈现"核心-外围"结构。致远互联、思必驰、云从科技、紫光云等企业处于核心枢纽位置——致远互联度数中心度最高，其协同管理软件覆盖大量政企客户，且与华为、阿里云等共建智能化合作。
关系节点排名前三的分别是华为、阿里巴巴和清华大学。国外关系节点中，英伟达、英特尔、高通位列前三，西门子、大众、奔驰等德国制造企业同样是重要海外合作伙伴——这反映出中国AI专精特新企业在智能制造领域与国际工业体系保持着深度技术合作。
网络规模持续扩张：样本节点从2020年的367个增长至2025年的488个，总边数从5235条大幅提升至38313条。平均聚类系数从0.004上升至0.009，表明局部行业集群正在形成。但网络直径从5扩大至13，平均路径长度从1.496延长至5.64——随着网络规模扩张，技术传递的链条拉长，复杂度提升。
技术流向与应用场景——数据图谱
技术合作以国内为主：技术输入国内企业占比91.8%，国外企业占比8.2%；技术赋能国内企业占比95.1%，国外企业占比4.9%。国外合作中，美国占24.4%，德国占18.3%，日本占11.5%。
技术类型分布：大数据与云计算占比最高（23.0%），智能机器人（14.8%）、物联网（11.7%）、计算机视觉与自动驾驶（各7.9%）紧随其后。应用领域分布：智能制造以20.9%高居榜首，智慧城市（10.0%）、智能交通（7.8%）、企业智能管理（7.5%）、智能教育（6.7%）分列二至五位。
三次产业分布：第三产业占78.81%，第二产业占20.79%，第一产业仅占0.40%。在第二产业中，33.33%的技术合作属于计算机、通信和其他电子设备制造业，专用设备制造业（18.1%）和通用设备制造业（15.24%）紧随其后。在第三产业中，信息传输、软件和信息技术服务业（26.9%）最高，科学研究和技术服务业（21.4%）第二，教育（15%）第三——教育成为AI深度应用的第三大场景，这一点值得深入关注。
从技术合作流向看，北京市和广东省内部技术流动占比最高（9.1%和6.3%），跨省流动中北京-广东（3.5%）和广东-北京（3.3%）双向流动最为活跃。
结构性变化——人智协同的三条路径
AI深度应用正在引发中国经济的结构性变化，具体表现为三条路径。
第一，制造业中的人智协同。自动化时代的"机器替代"正在转变为"智能增强"——机器替代完成标准化重复性工作，智能系统则提升劳动者的创造力和复杂协调能力。在质量检测、生产调度、设备维护、供应链管理各环节，行业模型和工业智能体与劳动者构成"双向学习"协同机制。劳动者要具备算法理解、数据分析、跨设备和跨部门协作能力——劳动过程具有更高的知识密集度和复杂性。
第二，科学研究中的人智协同。AI4S打破了传统从假设到实验再到验证的线性流程，诞生了从数据到模型和假设再到验证的创新循环。在材料科学与药物研发中，AI不仅加快数据筛选和参数优化，还能通过跨学科知识图谱自动生成研究假设。"知识创造的主体从'人'扩展为'人和智能系统的协同'。"人智协同使创新过程具有更高的并行度和即时反馈特征。
第三，教育成为深度应用的意外高地。在第三产业中，教育以15%的占比排名第三——AI正从"教AI"转向"用AI教"。人智协同推动教育体系、创新激励机制和制度结构的同步演进。报告指出，在成果评价体系中需要重视对过程贡献和跨学科协同，传统评价体系偏重论文指标，与新的创新模式严重脱节。
报告的最后判断是：人智协同的生产方式和创新范式在带来社会生产力发展可能的同时，迫切需要与之相适应的生产关系调整和制度创新。生成式AI的广泛参与引发了知识产权界定和数据确权问题——解决问题的关键是确认人智协同中人类主导性的法理地位。
