近年來，人工智能技術突飛猛進，智能原生新模式新業態大量涌現。《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》提出要全面實施“人工智能+”行動，加強人工智能同產業發展相結合，搶占人工智能產業應用制高點，全方位賦能千行百業。我國產業體系完備、門類齊全，應用場景豐富，順應技術創新和產業創新融合規律，找準推進路徑和關鍵突破口，大力推進“人工智能+產業”，不僅是當前和未來一段時期貫徹落實黨中央要求的應有之義，也是打造新質生產力、構建現代化產業體系的關鍵內容。

推動“人工智能+產業”是利當前惠長遠的戰略之舉

孕育新興業態，壯大發展新動能。人工智能本身就是前沿技術領域，直接帶動了智算芯片、算力集群、高質量數據集等產業鏈環節的蓬勃發展。特別是以大模型、智能體為代表的人工智能原生應用競爭激烈、性能競相超越，用戶規模指數增長，越來越多的企業和個人開始付費使用聊天機器人、人工智能編程、內容創作等功能。以人形機器人、具身智能、人工智能眼鏡、人工智能手機為代表的人工智能產品，陸續從概念走向量產，這些產品融合感知、推理、決策與執行能力，能夠與物理世界實時互動，受到市場廣泛關注。

賦能傳統產業，提升全要素生產率。人工智能是通用目的技術，在工業、農業等傳統領域，正深度融入研發、制造、物流、銷售等全鏈條，顯著提高各環節智能化水平。基于既往生產數據，人工智能模型可精準預測客戶需求，助力實現柔性制造、大規模個性化定制，解決標準化生產與多樣化需求之間的矛盾。國內不少學術研究表明，人工智能通過創新鏈、產業鏈、供應鏈的精準匹配等，對制造業企業全要素生產率提升具有顯著正向效應。在服務業，人工智能還可有效緩解“鮑莫爾病”，通過智能客服、數字員工等方式降低人力成本、提高服務效率。

加快人工智能創新商業化，實現雙向賦能。人工智能技術創新若脫離產業場景需求，將難以轉化為經濟社會價值。推動“人工智能+產業”，正是為技術創新提供驗證場、試驗田和變現通道，實現技術供給與產業需求之間的高效對接。一方面，諸多人工智能企業亟須深入千行百業，找準行業痛點和需求，開發高適配、輕量化、低門檻的垂類模型，在試用應用中積累數據，不斷打磨產品，實現商業閉環。另一方面，各行業各領域的企業要導入人工智能技術，也需要拿出一些應用場景，參與聯合驗證，牽引人工智能技術越用越好。這種“雙向賦能”模式，助推人工智能企業加快建立商業模式，也促使傳統產業提升智能化能力。

拓展消費場景，助力持續擴大內需。我國超大規模市場為人工智能產品和服務落地提供了廣闊空間。當前，人工智能技術正推動汽車、家電、家居、通信終端等向智能化演進，包括自動駕駛、智能硬件、人工智能助手等新興消費產品正快速普及；虛擬主播直播、人工智能妝造、家居一鍵煥新等互動式消費場景也持續涌現。而且，隨著人工智能技術在教育、養老、文旅、家居等領域的加速滲透應用，不僅能提升生活品質，還可創造新的消費增長點。

推進“人工智能+產業”的主要路徑

從技術路徑看，大模型、專用模型并行發展是當前人工智能賦能產業高質量發展的主要特征。行業專用模型方面，生產環節識別類應用、專家系統技術應用成熟度相對較高，效果也不錯，但能解決的問題相對聚焦，落地場景要求具體清晰，如視頻監控模型、在線質檢系統、產品質量缺陷預測模型、流體力學仿真模型、工藝參數與產物得率的預測模型等。大模型發展路徑上，目前大語言模型應用最為廣泛，行業垂類大模型主要用于科技研發、生物醫藥、材料、能源等領域，如蛋白質結構預測模型、材料科學與工程大模型等。多模態大模型在裝備智能化、視覺識別等領域獲得初步嘗試，時序大模型在交通、金融、氣象等領域已形成動態生產調度優化、設備預測性維護等典型應用。

從行業領域看，根據經濟合作與發展組織（OECD）調查數據，到2024年底，按照各成員國企業使用人工智能的比例高低，處于前列的行業部門包括信息通信業、專業技術服務業、金融業、公共管理、批發貿易等；制造業因需要融合物理機理與運行數據，僅有12.38%的企業使用了人工智能產品或服務，處于中游水平，我國也有類似特征。在制造業領域，離散制造業切入相對容易、滲透度相對較高，普遍探索智能研發、按需生產、柔性制造等；流程制造業如能源電力、鋼鐵、石化等行業因其鏈條長、工藝復雜，較為關注生產效率、安全監管、環保合規等增益，在擁抱人工智能時，優先部署過程智能控制、設備智能運維、參數自動優化、表面缺陷精準檢測等應用。在服務業領域，金融、會計、法律等專業服務行業，已從基礎操作延伸至深度決策分析。

從產業鏈環節看，產業鏈兩端的研發設計、運營服務等環節知識密集、數據密集，容錯率高，落地相對較快，但生產制造等中間環節對任務執行精準度、可靠性、連貫性要求比較高，落地相對緩慢，整體上看，現階段呈現出“微笑曲線”特征。以研發環節為例，因價值更高、數據通用性較強，已成為實際落地優先領域，如基于人工智能的實時數據仿真計算、工藝參數優化或新產品發現等。生產管理環節，雖然也涌現出一些典型細分場景，如生產過程控制優化、質量分析、安全管理與巡檢等，但在全鏈條智能化推進過程中，仍處于探索階段。

推進“人工智能+產業”的關鍵著力點

加快建設高質量數據集。人工智能技術的研發創新和產業應用落地，除了需要基礎數據集外，更離不開行業高質量數據集。應分門別類打造行業數據標準體系，進一步支持加快建設重點行業高質量數據集，重視積累負面樣本數據。推動自動化標注技術應用，大力發展仿真與合成數據，探索模擬稀缺高質量數據集的有效路徑。分行業分領域制定企業數據治理指南，明確數據流通使用制度和安全責任規則，促進數據拿出來、動起來、用起來。

促進各行業各領域開放應用場景。針對大模型在產業鏈各環節應用的“兩端快、中間慢”特征，可在鞏固兩端應用的良好基礎上，加快生產制造環節應用步伐。遴選培育一批工業領域垂直大模型典型應用場景。鼓勵制造業龍頭企業加快人工智能技術在新場景中的應用探索。創新開放智能調度、無人運輸、無人配送、智慧倉儲等應用場景。推動國有企業深化“人工智能+”場景建設，強化高價值場景供給，拓寬場景開放廣度深度。在開放應用場景時，還應同步加快制度創新步伐，例如健全創新型產品或服務的準入、標準、認證等制度，允許人工智能新技術新產品先行先試。

推動人工智能終端產品迭代。我國作為全球消費電子產品的需求大國，智能終端與大模型融合勢必會催生巨大的需求增量。可考慮制定人工智能終端產業發展相關規劃，與促消費、擴內需等支持政策協同推進。進一步完善產業生態，促進硬件提供商、大模型服務商、終端廠商、人工智能應用開發商等多方協同創新發展。推動各類智能新產品，如人形機器人、人工智能家居、人工智能手機、人工智能穿戴設備和健康監測設備、智能汽車等在消費使用中加快迭代升級。

在云上構建人工智能服務生態。人工智能既需要訓練算力，也需要推理算力，對算力集群的規模、計算性能要求較高，云計算作為高效、便捷、集約、綠色的算力應用模式，已成為推進“人工智能+”的關鍵基礎設施。應以增強智算云服務的經濟性、普惠性和競爭力為導向，吸引供給側將數據資源、模型服務上云。充分發揮我國電力優勢，加強算力、電力、網絡的一體化規劃，通過綠電直供等新模式，加大綠電供應保障，同步持續提升互聯網專線的經濟性，降低需求側企業用云、用模型的成本。

讓人工智能廣泛賦能中小企業發展。中小企業是推動創新、促進就業、改善民生的重要力量，推進人工智能賦能中小企業是趨勢，但也是個難題。可考慮出臺中小企業使用人工智能指引，在產業園、開發區等企業集聚區進行輔導普及。探索開展中小企業人工智能創新應用試點，注重智能化解決方案的投入產出實效，總結復制推廣典型經驗和做法。支持開發一批經濟適用、簡單易用的人工智能應用，通過算力券、模型券等支持中小企業擁抱人工智能。鼓勵龍頭企業聯合產業鏈合作伙伴向中小企業免費或低成本提供算力、模型、數據集等基礎能力。

文章來源：《學習時報》