2025 年 8 月 27 日，交通运输部在例行新闻发布会上介绍，我国将加快建设综合交通运输大模型。发布会上，新闻发言人提出了「1+N+X」的综合交通运输大模型总体技术架构。这是一个行业主管部门首次把大模型建设拆解为可分工、可复用的结构。
「1+N+X」的三层结构
「1」是一套通用技术底座。 它要实现对多类基础模型、多元异构算力的开放兼容与集约调用。这一层的意义在于避免每个业务部门各自搭一套底座——算力与基础模型能力被集中到一个共享层。参见全国一体化算力体系建设。
「N」是在底座之上训练的 N 类垂域模型。 交通运输部提出引入细分领域高质量数据集，提升解决行业共性问题的能力。垂域模型的价值不在通用能力，而在行业数据的密度与质量。参见高质量工业数据集行动方案。
「X」是面向具体业务场景的智能体。 目标是形成一批可以直接应用在行业服务和管理中的专业化方案。与垂域模型相比，智能体意味着从「生成内容」走向「执行任务」。
为什么行业大模型选择「共建」而非「各建」
发布会上提到，交通运输部日前指导成立了交通大模型创新与产业联盟，已汇聚 50 多家行业龙头企业、人工智能头部公司以及相关高校院所。联盟的运行逻辑是「共用算力、共享数据、共训模型」。
这一路径与通用大模型的竞争逻辑不同。交通行业的场景分散、数据分散、单主体投入产出比低，集中建设基础设施、分散开发应用，更符合行业实际。这也与国务院「人工智能+」行动强调的「以应用促创新」方向一致。参见国务院「人工智能+」行动意见。
860 个场景与首批智能体
为加速落地，交通运输部梳理出 860 个人工智能典型应用场景，并聚焦运行监测、安全监管等重点方向，遴选出一批高频刚需场景。首批智能体将在国家综合交通运输信息平台部署。
「先梳理场景、再开发智能体」的顺序值得注意。它把场景清单作为需求入口，而非先做技术再找用途。对于承接这类项目的企业而言，这意味着能力证明的重点从「模型指标」转向「场景理解」。参见智能体互联国家标准。
智能体带来的合规新问题
智能体与单纯的内容生成有本质区别：它可能自主调用工具、访问数据、触发操作。在交通这一涉及公共安全与公共资源的领域，权限边界与责任归属需要重新界定。
具体而言，需要明确三件事：智能体可以调用哪些数据、可以执行哪些动作、出现失误时由谁负责。这类问题在公共部门的部署中尤为敏感。参见政务领域人工智能大模型部署应用指引。
参与主体可以着手的方向
其一，区分自身在「1」「N」「X」三层中的位置，不同层级的合规重点不同：底座层关注算力与数据接口，模型层关注训练数据来源，应用层关注场景责任。
其二，在联盟合作中明确数据与模型资产的权属约定，共用数据的前提是权利边界清晰。
其三，把安全评估与操作留痕纳入智能体设计，尤其是面向监管、调度等场景的智能体。
行业大模型的建设方式，决定了行业合规的组织方式。当一个行业的 AI 能力以联盟形式共建，合规也就不再是单个企业的事，而需要一套跨主体的责任框架。参见中国 AI 监管体系。
本文依据交通运输部 2025 年 8 月 27 日例行新闻发布会公开信息编写，仅供参考，不构成法律意见。