找准“人工智能+产业”发展的突破口

近年来，人工智能技术突飞猛进，智能原生新模式新业态大量涌现。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出要全面实施“人工智能+”行动，加强人工智能同产业发展相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。我国产业体系完备、门类齐全，应用场景丰富，顺应技术创新和产业创新融合规律，找准推进路径和关键突破口，大力推动“人工智能+产业”，不仅是当前和未来一段时期贯彻落实党中央要求的应有之义，也是打造新质生产力、构建现代化产业体系的关键内容。

推动“人工智能+产业”是利当前、惠长远的战略之举。人工智能技术创新活跃、渗透性强，正迈向规模化应用，是促进生产力和生产关系深层次变革的关键力量。一是孕育新兴业态，壮大发展新动能。人工智能带动产业链环节发展，人工智能原生应用竞争激烈、用户规模增长，企业和个人付费使用相关功能。截至2025年底，我国大模型备案748款，人工智能应用成为企业新兴增长点。人工智能产品从概念走向量产，受市场关注。据预测，2025年中国人工智能设备出货量将同比增长20%。二是赋能传统产业，提升全要素生产率。人工智能融入传统领域全链条，提升智能化水平。如预测性维护降低成本，智能排产优化供应链，农业应用提高产出率。人工智能还能预测需求，实现柔性制造。学术研究表明其对制造业全要素生产率提升有正向效应。在服务业，人工智能可缓解“鲍莫尔病”，提高生产率。三是加快人工智能创新商业化，实现双向赋能。推动“人工智能+产业”可实现技术供给与产业需求高效对接。一方面，人工智能企业要深入行业，开发垂类模型，实现商业闭环；另一方面，传统企业要提供场景，牵引人工智能技术优化。这种模式助推人工智能企业建立商业模式，提升传统产业智能化能力。四是拓展消费场景，助力持续扩大内需。我国超大规模市场和消费者高接受度为人工智能产品和服务提供空间。中国受访者对人工智能信任度和接受程度高，职场应用率领先。人工智能推动产品智能化演进，新兴消费产品普及，互动式消费场景涌现，还能创造新消费增长点。

推动“人工智能+产业”是一项系统工程，涉及方方面面，目前还有一些问题亟待解决。比如，高质量数据集还不够丰富，大模型企业在利用用户场景数据方面存在不少安全顾虑等；定制化成本高，难以规模化推广；算力基础设施布局分散，规模化、集聚化效应不够；供需匹配还不够紧密，大模型落地还面临行业知识不足、场景开放不够、适应性不强等问题；专业人工智能技术人才短缺，中小企业难以负担，加快人工智能应用渗透的公共服务短板尚需补齐。

推动“人工智能+产业”发展的关键是尊重技术创新规律，发挥市场牵引作用，由企业基于投入产出综合考量，针对自身痛点难点，拥抱相适配的人工智能产品和服务，从技术路径、行业领域、产业链环节等方面进行多维度探索，逐步探索出合适的路径。

从技术路径看，大模型、专用模型并行发展是当前人工智能赋能产业高质量发展的主要特征。行业专用模型方面，生产环节识别类应用、专家系统技术应用成熟度相对较高，效果也不错，但能解决的问题相对聚焦，落地场景要求具体清晰，如视频监控模型、在线质检系统、产品质量缺陷预测模型、流体力学仿真模型等。大模型发展路径上，目前大语言模型应用最为广泛，行业垂类大模型主要用于科技研发、生物医药、材料、能源等领域，如蛋白质结构预测模型、材料科学与工程大模型等；多模态大模型在装备智能化、视觉识别等领域获得初步尝试；时序大模型在交通、金融、气象等领域已形成动态生产调度优化、设备预测性维护等典型应用。

从行业领域看，在制造业领域，离散制造业切入相对容易、渗透度相对较高，普遍探索智能研发、按需生产、柔性制造等，如汽车、航空等装备制造行业因数字化基础好、数据量大，在智能研发环节人工智能应用程度较高；流程制造业如能源电力、钢铁、石化等行业因其链条长、工艺复杂，较为关注生产效率、安全监管、环保合规等增益，在拥抱人工智能时，优先部署过程智能控制、设备智能运维、参数自动优化、表面缺陷精准检测等应用。在服务业领域，金融、会计、法律等专业服务行业，已从基础操作延伸至深度决策分析，如通过人工智能合同可使审查效率提升80%，语音机器人可自动处理80%以上的常见咨询，人工智能生成内容（AIGC）加快剧本生成和视频编辑创作。

从产业链环节看，产业链两端的研发设计、运营服务等环节知识密集、数据密集，容错率高，落地相对较快，但生产制造等中间环节对任务执行精准度、可靠性、连贯性要求较高，落地相对缓慢，整体上看，现阶段呈现出“微笑曲线”特征。以研发环节为例，因价值更高、数据通用性较强，已成为实际落地优先领域，如基于人工智能的实时数据仿真计算、工艺参数优化或新产品发现等。再以服务环节为例，麦肯锡2025年一项调查显示，在营销与销售、战略与财务、产品开发等职能中，人工智能带来的营收提升效应显著，在零售和电商场景中，人工智能推荐系统可提升15%—25%的转化率。生产管理环节，虽然也涌现出一些典型细分场景，如生产过程控制优化、质量分析、安全管理与巡检等，但在全链条智能化推进过程中，仍处于探索阶段。

此外，面对人工智能技术创新和产业创新融合需求，推进“人工智能+产业”应关注以下关键着力点。

加快建设高质量数据集。人工智能技术的研发创新和产业应用落地，除了需要基础数据集外，更离不开行业高质量数据集。应分门别类打造行业数据标准体系，进一步支持加快建设重点行业高质量数据集，重视积累负面样本数据。推动自动化标注技术应用，大力发展仿真与合成数据，探索模拟稀缺高质量数据集的有效路径。分行业分领域制定企业数据治理指南，明确数据流通使用制度和安全责任规则，促进数据拿出来、动起来、用起来。

促进各行业各领域开放应用场景。针对大模型在产业链各环节应用中的“两端快、中间慢”特征，可在巩固两端应用的良好基础上，加快生产制造环节应用步伐。遴选培育一批工业领域垂直大模型典型应用场景。鼓励制造业龙头企业加快人工智能技术在新场景中的应用探索。创新和开放智能调度、无人运输、无人配送、智慧仓储等应用场景。推动国有企业深化“人工智能+”场景建设，强化高价值场景供给，拓宽场景开放广度和深度。在开放应用场景时，还应同步加快制度创新步伐，例如健全创新型产品或服务的准入、标准、认证等制度，允许人工智能新技术新产品先行先试。

推动人工智能终端产品迭代。我国作为全球消费电子产品的需求大国，智能终端与大模型融合势必会催生巨大的需求增量。可考虑制定人工智能终端产业发展相关规划，与促消费、扩内需等支持政策协同推进。进一步完善产业生态，促进硬件提供商、大模型服务商、终端厂商、人工智能应用开发商等多方协同创新发展。推动各类智能新产品如人形机器人、人工智能家居、人工智能手机、人工智能穿戴设备和健康监测设备、智能汽车等在消费使用中加快迭代升级。

在云上构建人工智能服务生态。人工智能既需要训练算力，也需要推理算力，对算力集群的规模、计算性能要求较高，云计算作为高效、便捷、集约、绿色的算力应用模式，已成为推进“人工智能+”的关键基础设施。应以增强智算云服务的经济性、普惠性和竞争力为导向，吸引供给侧将数据资源、模型服务上云。充分发挥我国电力优势，加强算力、电力、网络的一体化规划，通过绿电直供等新模式，加大绿电供应保障，同步持续提升互联网专线的经济性，降低需求侧企业用云、用模型的成本。

让人工智能广泛赋能中小企业发展。中小企业是推动创新、促进就业、改善民生的重要力量，推进人工智能赋能中小企业是趋势，但也是个难题。可考虑出台中小企业使用人工智能指引，在产业园、开发区等企业集聚区进行辅导普及。探索开展中小企业人工智能创新应用试点，注重智能化解决方案的投入产出实效，总结复制推广典型经验和做法。支持开发一批经济适用、简单易用的人工智能应用，通过算力券、模型券等支持中小企业拥抱人工智能。鼓励龙头企业联合产业链合作伙伴向中小企业免费或低成本提供算力、模型、数据集等基础能力。

责任编辑：赵智华

文章来源：http://www.anfangnews.com/2026/0313/14350.shtml