| 姜谷粉丝 | 2026-02-06 09:15 |
当前，全球人工智能技术正处于从“感知”向“认知”“生成”跃迁的关键窗口期，深刻把握人工智能赋能制造业的内在逻辑，以“模数共振”夯实底座、以“智能体”重塑生产关系、以“全流程”拓展应用场景，对于抢占未来发展制高点、保障国家产业安全、实现高质量发展具有重大战略意义。 ■钟新龙 人工智能深度赋能制造业是推动科技创新和产业创新深度融合的重要驱动力，也是构建现代化产业体系的战略制高点。党的二十届四中全会明确提出“坚持智能化、绿色化、融合化方向，加快建设制造强国，构建以先进制造业为骨干的现代化产业体系”，并强调“引领发展新质生产力”。近期，工信部等部门发布的《“人工智能+制造”专项行动实施意见》正是贯彻落实四中全会精神、推动实体经济与智能经济深度融合的“施工图”。当前，全球人工智能技术正处于从“感知”向“认知”“生成”跃迁的关键窗口期，深刻把握人工智能赋能制造业的内在逻辑，以“模数共振”夯实底座、以“智能体”重塑生产关系、以“全流程”拓展应用场景，对于抢占未来发展制高点、保障国家产业安全、实现高质量发展具有重大战略意义。 深刻认识人工智能赋能制造业、培育新质生产力的必要性 人工智能是培育新质生产力、实现制造业提质升级的关键变量。全会强调要“抓住新一轮科技革命和产业变革历史机遇，不断催生新质生产力”。与传统信息化手段不同，新一代人工智能特别是大模型技术，具备极强的泛化能力、生成能力和逻辑推理能力，正在推动制造业从“数字化辅助”向“智能化代工”转变。这种转变不是简单的效率提升，而是生产函数的根本性重构。它通过将数据这一新型生产要素注入生产全流程，替代低端劳动，增强高端决策，从而大幅提升全要素生产率，为制造业高质量发展提供内生动力。 “人工智能＋制造”是重塑全球经济版图、抢占未来产业竞争主导权的核心引擎。当前，全球主要经济体均将“AI＋制造”作为再工业化的核心战略。据国际数据公司（IDC）发布的《全球人工智能支出指南》预测，到2027年全球人工智能在制造业的支出将翻一番，显示出该领域巨大的增长潜力。我国作为全球唯一拥有联合国产业分类中全部工业门类的国家，拥有海量数据资源和丰富应用场景。通过深入实施相关战略，将庞大的工业数据资源转化为现实生产力，不仅能够巩固我国作为“世界工厂”的地位，更能在智能制造的新赛道上形成独特的竞争优势，实现从跟跑到领跑的跨越。 强化人工智能与制造业融合是提升产业链供应链韧性、保障国家产业安全的必由之路。党的二十届四中全会提出要“推进国家安全体系和能力现代化”。在当前地缘政治博弈日趋激烈的背景下，产业链供应链的安全稳定至关重要。人工智能技术不仅是产业升级的工具，更是大国博弈的焦点。顶层设计明确将“关键核心技术实现安全可靠供给”确立为重要目标，不仅关乎技术层面的自主可控，更关乎整个工业体系的生存权和发展权。通过加快工业大模型、高端芯片、智能工业软件的研发突破，能够有效解决制造业“缺芯少魂”问题，减少对外部技术的依赖，筑牢现代化产业体系的安全底板。 夯实创新底座，以“模数共振”与自主算力构建产业供给体系 “模数共振”是破解工业数据孤岛、释放数据要素价值的核心机制。现代化产业体系的构建离不开数据这一关键生产要素的高效流通与价值转化。长期以来，制造业面临数据质量低、碎片化严重、模型泛化能力差的痼疾。我国数据资源产量虽大，但有效利用率仍有较大提升空间。提出“模数共振”理念，本质是构建“以模引数”和“用数赋模”的双向正反馈循环。一方面，利用先进模型强大的泛化与生成能力，自动清洗、标注和增强存量工业数据，解决数据“脏乱差”难题；另一方面，将高质量数据反哺模型训练，提升模型在特定工业场景下的专业度与精准度。螺旋式上升的闭环机制，是打破数据壁垒、激活沉睡资产的根本之策。 构建分层级、全覆盖的工业模型体系是实现精准赋能的技术关键。面对制造业纷繁复杂的细分领域，单一的通用大模型难以“包打天下”，应构建“基础大模型—行业大模型—场景小模型”协同发展的技术生态。战略重心应放在培育一批“懂行业、通机理”的行业大模型上，使其掌握工业知识图谱和工艺机理；同时，鼓励发展面向边缘侧、端侧的轻量化小模型，以满足工业现场对实时性、可靠性和安全性的严苛要求。通过“云—边—端”的模型部署体系，实现云端的大脑思考与端侧的敏捷执行有机结合，从而形成覆盖制造业全链条的智能技术供给能力。 制度性变革是保障数据与模型深度融合的软实力支撑。技术层面的“共振”离不开管理层面的制度护航。推动建立企业首席数据官制度，推进数据管理能力成熟度国家标准贯标，是将数据要素真正转化为企业核心资产的必要制度安排。规范数据的采集、清洗、标注流程等环节，是从组织架构上确立了数据资产的战略地位。通过探索建立“数据协同、模型训练、应用开发、安全保障”的一体化机制，可以打通数据从产生到应用的全链条，为行业大模型的持续迭代提供源头“活水”，契合全会关于“完善要素市场化配置体制机制”的战略要求。 以我为主的软硬协同算力体系是支撑人工智能赋能制造业的物理基石。算力已成为智能经济时代的战略性资源，直接决定了人工智能发展的上限。面向制造业复杂多样的应用场景，单一的通用算力难以满足需求，应推动智能芯片软硬协同发展。应突破高端训练芯片、端侧推理芯片等硬件瓶颈，更要加强编译器、算子库等基础软件的适配优化，构建自主可控的智算生态。同时，加快建设全国一体化算力网监测调度平台，促进算力资源高效利用，开展智算云服务试点，推动“云—边—端”协同的算力供给体系建设。在有效降低中小企业使用算力门槛和成本的同时，确保在极端环境下我国工业体系算力“不断供”，切实保障产业发展的连续性和稳定性。 强化场景牵引，以“工业智能体”与全流程赋能重塑制造业价值链 培育“工业智能体”是推动制造业从自动化向自主化跃升的革命性举措。人工智能在制造业的应用正从单纯的辅助工具向具备自主决策能力的“生产主体”演进。不同于传统的自动化脚本，工业智能体具备感知环境、自主决策、精准执行的闭环能力，能够处理非结构化环境下的复杂任务。由智能体驱动的新型生产模式，将极大释放劳动者创造力，重构人机协同关系。更深层次的战略意义在于，通过研制开放协同的智能体协议和接口，实现智能体之间的“互联互通”与“群体协同”，将分散的设备与系统连接成有机的智能网络，是党的二十届四中全会提出的“引领发展新质生产力”在工业微观层面的具体实践。 全流程场景赋能将打破环节壁垒，实现制造业价值链的系统性优化。巩固壮大实体经济根基，必须依靠产业链全环节的系统性升级。战略部署强调要加速研发设计、中试验证、生产制造、营销服务、运营管理等全流程转型升级。传统的数字化转型往往局限于单一环节的效率提升，而“人工智能＋”旨在打通全链条数据流。据麦肯锡全球研究院发布的报告《生成式人工智能的经济潜力：下一个生产力前沿》测算，生成式人工智能预计每年可为制造业带来4000亿至6600亿美元的价值增长。全流程的深度赋能，将推动制造业从“串行链式”生产向“并行网络”协同转变，有力支撑全会提出的“构建以先进制造业为骨干的现代化产业体系”。 研发设计与中试验证的智能化突破是疏通产业创新源头的关键。在制造业价值链的顶端，人工智能正在引发科研范式的变革。在研发设计环节，智能体可以自主探索新材料配方、优化药物分子结构，打破人类经验的局限。据《自然－生物技术》报道，某生物医药企业利用生成式人工智能技术，将一款新药从靶点发现到进入临床二期的时间缩短至30个月以内，相比传统流程缩短了近50%，大幅降低了试错成本。在中试验证环节，通过虚拟仿真和多模态融合技术，可以构建高保真的数字孪生体，大幅降低物理试验成本。高价值场景的突破，将疏通科学发现与产业应用之间的“堰塞湖”，提升工程技术创新能力。 生产制造与绿色运营的深度智能化是实现降本增效与可持续发展的根本保障。创新成果的落地最终要体现在生产力的提升上。战略部署明确指出，要深化人工智能在核心流程控制、预测性维护等环节的应用，促进生产过程的智能化决策。例如，利用机器视觉技术进行工业质检，能够大幅提升缺陷识别的准确性与效率。同时，人工智能在绿色制造领域的应用潜力巨大，针对能源和碳排放管理，AI模型可以实时优化能源调度，降低单位产出的能耗与碳排放。“智能＋绿色”的协同模式，正是全会提出的“加快经济社会发展全面绿色转型”在工业领域的生动实践。 普惠型赋能是解决中小企业转型痛点、夯实产业金字塔基座的战略抓手。现代化产业体系不仅需要顶天立地的龙头企业，更需要铺天盖地的中小企业。针对中小企业面临的“不敢转、不会转”难题，战略部署特别强调要培育“懂智能、熟行业”的赋能服务商，发展MaaS（模型即服务）等新业态。通过提供标准化、低门槛的赋能解决方案，降低中小企业开发应用的边际成本，不仅是消除“数字鸿沟”，提升产业链整体的协同效率，更是促进大中小企业融通发展、构建具有韧性的产业生态的重要举措。 完善生态体系，以开源开放与安全治理保障产业行稳致远 构建全球领先的开源开放生态是提升我国人工智能产业国际竞争力的战略选择。建设现代化产业体系不能闭门造车，要在更高水平对外开放中实现。全会提出“扩大高水平对外开放”，要求我们在人工智能领域构建开放共赢的生态。通过建设高水平人工智能开源社区，部署优质开源项目，并举办“校源行”等活动繁荣开源文化，能够汇聚全球开发者智慧，加速技术迭代。同时，支持企业“出海”，开展技术验证和合规认证，不仅有助于我国制造开拓国际市场，更是积极参与全球人工智能治理、贡献我国方案的重要体现，有助于塑造国际合作竞争新优势。 统筹发展和安全，建立敏捷高效的治理机制是人工智能产业健康发展的底线。安全是发展的前提，发展是安全的保障。面对人工智能可能带来的深度伪造、算法歧视和数据泄露等伦理风险，应建立分类分级、评估评测、应急处置等安全政策标准。应高度重视安全保障，明确提出攻关深度合成鉴伪、工业模型算法安全防护等关键技术。通过“知识库优化、训练语料纠错”等技术手段降低大模型“幻觉”风险，提升系统的透明度和可解释性，确保人工智能技术在工业领域的应用既充满活力又安全可控。 坚持投资于人和投资于物紧密结合。建设智算中心、数据平台等新型基础设施是“投资于物”，而培养驾驭先进设施的复合型人才是“投资于人”，两者互为表里，缺一不可。应打破传统学科壁垒，依托卓越工程师学院等载体，深化产教融合，重点培养既懂算法原理又精通制造工艺的“两栖”卓越工程师。通过“硬设施”与“软实力”的双重投入与紧密结合，实现创新链、产业链、资金链、人才链的深度融合，为现代化产业体系提供源源不断的动力。 |
|