当前位置：
就如何贯彻落实《“人工智能+制造”专项行动实施意见》（下称《实施意见》），工业和信息化部负责人在国务院新闻办公室日前举行的新闻发布会上明确表示，将通过抓好技术创新、抓好融合应用、抓好企业培育、抓好生态建设和抓好安全治理，加快推动人工智能（AI）产业高质量发展。
在抓好技术创新方面，重点是加快突破高端训练芯片、端侧推理芯片、人工智能服务器、高速互联、智算云操作系统等关键技术，目标是到2027年，我国人工智能关键核心技术实现安全可靠供给，产业规模和赋能水平稳居世界前列。与此同时，针对当前国内异构芯片调度复杂、国产算力资源碎片化等短板，将推动智能芯片软硬件协同发展，构建统一的软硬件适配生态，并推进算力集成，将分散的异构算力整合为高效、稳定的统一资源池，提升算力资源整体利用效率。
除了加大整合与协同力度外，要切实、有效提升算力资源利用水平，还必须有序推进高水平智算设施布局，加快建设全国一体化算力网监测调度平台，同时开展智算云服务试点，推动大模型一体机、边缘计算服务器和工业云算力部署，增强智算资源供给能力，深挖算力使用需求和应用场景，深化算力供需对接。在中观层面，更应注重构建差异化的高水平行业模型，开发适应制造业实时性、可靠性和安全性要求的高性能算法模型，包括培育重点行业大模型，发展“云—边—端”模型体系，持续提升模型泛化能力；同时，针对细分应用场景打造轻量化小模型，并支持大模型与小模型协同创新。
企业既是算力资源开发与利用的主体，也是优化算力布局的重要基础力量。一方面，应按照国家总体部署，结合自身发展实际，科学规划算力规模，在形成阶段化、梯度化算力部署格局的前提下，优先选择具备瞬时响应和弹性扩缩容能力的算力服务；另一方面，要合理配置算力资源，优先采用云计算服务快速构建智能化基础服务能力，降低前期技术投入成本，同时依托自有算力基础设施建设智算资源、部署人工智能应用，实现算力资源的集约化利用。
抓好融合应用，目标是到2027年，推动3—5个通用大模型在制造业深度应用，形成特色化、全覆盖的行业大模型，推出1000个高水平工业智能体，推广500个典型应用场景。为此，首先要面向原材料、装备制造、消费品、电子信息、软件和信息技术服务等制造业相关重点行业加快赋能，同时推动大模型技术深度嵌入生产制造、研发设计（含工业设计）、中试验证、生产制造、营销服务、运营管理等全流程；此外，要面向重点企业提升AI应用水平，鼓励龙头企业、央国企等先行先试，加快中小企业人工智能应用的复制与推广。
重点区域和重点领域无疑是推广AI应用的重要阵地。一方面，依托国家自主创新示范区、国家高新区、国家级经开区在资源集聚、人才密集等方面的优势，加快人工智能新产品、新服务、新业态的规模化落地；另一方面，围绕先进制造业集群、数字产业集群等开展人工智能赋能应用，推动区域制造业智能化转型升级。在重点领域智能化升级方面，一方面要推动人工智能与工业互联网平台融合赋能，研发面向工业互联网等基础设施的数据集、大模型和智能体，推进人工智能技术在基础设施规划、建设、运营、维护等环节的深入应用；同时，深化人工智能技术在绿色制造领域的融合应用，研发并推广智能化、绿色化协同解决方案。
构建智能新产品新业态是强化AI融合应用的有效路径。首先，紧扣智能装备迭代方向，加快建设工业母机、工业机器人等各类工业装备搭载应用智能体，并通过发展手术机器人、智能诊断系统等，加速智能医疗装备产品创新和临床应用推广，同时推动人工智能技术融入大飞机、船舶等重大技术装备研发、制造、运行，发展无人机等智能低空装备，并有序推进智能网联汽车产品的准入和上路通行试点。其次，紧盯智能终端升级主线，深化培育智能手机、电脑、平板、智能家居等人工智能终端，同时聚焦工业巡检、远程医疗等重点场景，加快增强现实/虚拟现实可穿戴设备、脑机接口等新型终端的产业化、商业化进程；再者，紧贴智能体新业态，开展和强化工业机理与智能体决策模型融合、智能体与工业系统间交互适配，研制开放协同的智能体协议和接口，提升智能体互联互通互操作效率，同时支持智能体应用商店建设运营，加速智能体规模化、商业化进程。
抓好企业培育，目的是打造人工智能发展和应用主力军，激发涌现出更多赋能服务商，到2027年，培育2—3家具有全球影响力的生态主导型企业和一批专精特新中小企业，打造一批“懂智能、熟行业”的赋能应用服务商，选树1000家标杆企业。具体到培育企业方面，本着梯次化原则，首先应支持大型企业加大创新投入，面向国家重大任务，集聚资源打造具有全球影响力的生态主导型企业，同时发展人工智能企业孵化器，通过实施中小企业创业支持计划，培育更多人工智能专精特新“小巨人”企业、高新技术企业、制造业单项冠军企业、独角兽企业和瞪羚企业。
企业AI应用以及AI对企业的赋能效果，自然离不开外部关键载体的强力支持，首先是造创新载体的支持，除建设人工智能领域国家制造业创新中心以提升关键共性技术供给能力外，同时要布局一批人工智能领域重点实验室，加强对类脑智能、世界模型等前沿技术探索；不仅如此，还须高质量建设制造领域重点行业国家人工智能应用中试基地，加快形成一批可复制、可推广的行业解决方案。另一方面，服务商的应用赋能角色不可或缺，包括建设一批人工智能赋能应用加速器、推动形成生态伙伴型服务商，以及电信运营商和国企尤其是中央企业数智科技公司，更应主动承接行业赋能应用服务。
抓好生态建设，目标是将技术、应用、主体等要素有效整合，建立起资源配置优化的开源开放生态，为此首先需要强化标准引领，在加强标准技术组织建设的基础上，强化跨行业跨领域协同，分级分类推动安全、治理、伦理等基础标准，软硬协同等通用标准、赋能应用标准以及计量技术规范研制，同时要健全人工智能开源机制，重点方向包括，建设高水平人工智能开源社区，部署实施一批模型、数据集、智能体等优质开源项目，构筑具有全球影响力的人工智能开放生态；研发推广适配人工智能项目特性的开源许可协议，构建新型人工智能开源规则秩序；引导云服务厂商、赋能应用服务商与开源社区积极对接，推动开源项目在工业领域落地应用；通过举办开发者大会、“校园行”等活动，传播开源理念，繁荣开源文化，形成共建共享良好氛围等。
加强人才引育是生态系统可持续发展的保障。一方面，要在建立人工智能产业人才需求预测系统的基础上，引导与支持高校院所提前布局、调整优化相关学科专业，同时在北京中关村学院、上海创智学院、深圳河套学院、国家人工智能产教融合创新平台、国家卓越工程师学院、国家卓越工程师实践基地等，设置专业课程，培养既懂人工智能又懂制造业应用的复合型人才，完善人工智能认知教育培训，提升全员人工智能素养与技能。另一方面，要加强人工智能领域高技能人才培养，重点造就出科技领军人才、创新团队，超常规构建领军人才，同时积极引进海外高端人才。
抓好安全治理，目标是到2027年建成全球领先的安全治理系统，并为全球人工智能发展输出中国方案。其中首先是技术供应链安全，即确保从芯片、服务器到算力网络等基础设施的安全可控；其次是产品与运行安全，即保障智能装备、工业系统自身安全及稳定运行，再次是数据与模型安全，即保障工业数据全生命周期安全，并开发可靠的行业模型；此外，为人工智能在工业领域深度应用提供整体安全解决方案的应用生态安全也极其重要。
策应系统性生态安全要求，需要强力提升安全保障能力。一方面，要加快攻关深度合成鉴伪、工业模型算法安全防护、训练数据保护、对抗样本检测、智能终端安全测评等关键技术，加强数据安全管理，强化人工智能安全保护能力；另一方面，要构建安全风险库、语料库等资源，建设工业安全大模型；不仅如此，要通过知识库优化、训练语料纠错，生成合成内容标识等，增强人工智能透明度、可解释性，降低幻觉风险。此外，要落实人工智能科技伦理管理服务办法，加强行业自律，提升企业人工智能伦理风险防范能力。在微观企业层面，要建立人工智能应用输入输出双端过滤安全监控能力，加强恶意指令输入、异常推理输出等风险防范，同时强化人工智能应用供应链安全管理，将上下游供应商的安全能力纳入合作方管理要点，构建完善供应链安全治理能力。
（作者系中国市场学会理事、经济学教授）
客服电话
