国常会6月29日听取人工智能发展情况汇报，市场最该关注的表述，其实是“规模化商业应用”。这意味着AI主线的讨论重心，正在从模型参数、概念标签，转向算力供给、数据质量、行业场景和付费能力。

从政策框架看，人工智能产业化至少有三条线要同时跑。第一条是算力。超大规模智算集群需要高端服务器、存储、网络通信、液冷散热、算力调度等基础设施协同，不是简单堆硬件。中科曙光的业务落点在高端计算、存储、安全、数据中心等领域，公开资料也显示公司持续投入智能计算、国产化软硬件、液冷和算力调度等方向。对这类公司，市场后续要看的不是概念弹性，而是项目交付、产品毛利和国产算力生态进展。

第二条是数据。国家数据局6月发布的相关方案，把行业高质量数据集定义为经过采集、加工等处理、可用于开发和训练人工智能模型的行业数据集合。这个环节容易被二级市场忽略，但它决定了AI能不能进入真实行业流程。工业质检、医疗问答、教育测评、金融风控都需要专业数据支撑，通用模型如果没有高质量行业数据，很难直接变成可收费产品。

第三条是应用收费。金山办公2025年财报显示，WPS AI国内月活用户已超过8013万，同比增长307%。办公软件的AI化，核心看会员付费、企业席位、续费率和ARPU变化。用友网络则披露，2025年AI相关合同签约金额16.7亿元，签约客户超过400家，部分单个合同金额突破千万元。企业服务场景里，AI产品能否从“功能模块”走向“合同金额”，是判断商业化的重要分水岭。

这也是本轮AI+和过去概念行情的差别。过去市场容易围绕“谁有大模型”定价，现在更需要拆到工序和财务变量：算力看交付与利用率，数据看质量与行业专用性，应用看付费、续费和合同确认。只有这些指标持续出现，AI才会从主题投资慢慢落到收入表和现金流量表。

当然，政策催化不等于业绩兑现。部分公司可能只是接入AI能力，收入占比和盈利贡献仍未披露；部分行业应用虽然场景明确，但客户预算、部署周期和数据合规都会影响落地速度。接下来真正值得跟踪的，不是AI概念扩散了多少家公司，而是哪家公司能把模型能力变成可验收、可收费、可复购的产品。

风险提示：本文仅为公开信息整理和产业研究参考，不构成投资建议，不涉及任何买卖建议。人工智能相关业务商业化进度、政策实施节奏、订单确认、利润率变化及二级市场波动均存在不确定性。